AI・テクノロジー

ミラ・ムラティ氏らが「Thinking Machines Lab」設立とマニフェスト公開：なぜAPIの「レンタル」ではなく「重みの所有」と「分散型アライメント」が重要なのか？

AntiGravity

• 6 min read
Share

1. はじめに：AI業界に走る衝撃とMira Murati氏の新スタートアップ

2026年7月、人工知能（AI）業界は一つの大きな転換点を迎えています。元OpenAIのCTOであるミラ・ムラティ（Mira Murati）氏と、同じく元OpenAIおよびAnthropicの著名な安全研究者であるジョン・シュルマン（John Schulman）氏らが率いる新スタートアップ「Thinking Machines Lab」が、そのビジョンと哲学を詰め込んだマニフェスト「The Future Worth Building Is Human（構築するに値する未来は人間らしい）」を公開しました。

2025年2月にMeta、Mistral、OpenAIなどから優秀な研究者やエンジニア約30名を集めて極秘裏に発足した同社は、2025年4月にAndreessen Horowitz（a16z）のリードによって20億ドルのシード資金を120億ドルの評価額で調達し、大きな注目を集めていました。形成されたマニフェストは、単なるマーケティング的な宣言文ではなく、現在の巨大テック企業が進める「中央集権的なフロンティアAI」の構築方法に対する、極めて本質的な技術的・経済的・思想的カウンタープラン（反論）となっています。

本記事では、このマニフェストが提起する重要な問題提起――「なぜ私たちはAPIのレンタルをやめ、モデルウェイト（重み）を所有すべきなのか」「なぜ単一の価値観による中央集権的アライメントが危険なのか」について、自宅でローカルLLMを動かし、分散推論やAIエージェントを自作する個人デベロッパーの視点を交えながら深掘りします。

2. 「Thinking Machines Lab」が掲げる人間中心 of AI思想

マニフェストの根底にあるのは、「AIは人間の意志と判断を拡張するために存在する」という強い人間中心（Human-Centric）の思想です。

現在、多くのフロンティアAI開発会社は、人間の介在を必要としない「完全自律型AI」や、人間のタスクを丸ごと代替する「AGI（人工汎用知能）/ ASI（人工超知能）」の開発にしのぎを削っています。しかし、Thinking Machines Labはこうしたトレンドに対し、「自律性を重視しすぎるAI開発は、人間をクラウドアウト（排除）し、人間をただの受動的な観察者にしてしまう」と警告します。

彼らは、意思決定や創造的な仕事における「目標の設定」や「最終的な判断」は、常に人間が行うべきだと主張します。AIがどれほど進化しようとも、人間が自らの仕事を通じて獲得した知識や判断力をAIが完全に代替することはできません。人間とAIが協働し、相互にフィードバックを与え合いながら進歩する関係こそが、構築すべき未来であるという考え方です。

3. 中央集権的アライメントへの批判：なぜプロンプトではなく「モデルウェイトの所有」なのか

マニフェストの中で、ローカルデベロッパーやセルフホスト派にとって最も響くのは、「アライメント（価値観の調整）の分散化」と「モデルウェイトの所有」に関する技術的議論です。

現在、GPT-4やClaudeなどの商用AIモデルは、極めて中央集権的な方法でアライメントされています。サンフランシスコのほんの一握りのAIラボが、システムプロンプトやRLHF（人間のフィードバックによる強化学習）を通じて、「何が正しくて、何が誤っているか」「どのようなトーンで話すべきか」といったモデルの価値観や道徳基準を一元的に決定し、それを凍結（Frozen）した状態で世界中のユーザーにAPI経由で配信しています。

Thinking Machines Labは、この構造に二つの重大な問題があると指摘します。

① 権力の集中と社会的リスク

単一の価値観によるアライメントは、その決定権を持つラボに巨大な権力を集中させます。もし将来的にあらゆる高度な労働がAIによって代替され、そのAIの価値観が特定の1社によって決められているとすれば、それは社会にとって致命的なリスクになります。マニフェストは、歴史家や哲学者の議論を引きながら、「人々の労働やインプットを必要としなくなった権力は、人々のニーズや価値観を顧みなくなる」という冷徹な未来予測を提示しています。

② プロンプトによるアライメントの限界

多くのユーザーは、APIで提供されるモデルに対し、プロンプト（指示文）を与えることで自分の用途に合わせようとします。しかし、モデルの根本的な挙動やアライメントはモデルの「ウェイト（重み）」に書き込まれており、プロンプトによるカスタマイズは表面的なものに留まります。さらに、プロンプトによる制限は脆弱であり、ハッカーによる「脱獄（Jailbreak）」や「プロンプトインジェクション」によって容易に無効化されてしまいます。

これを解決する唯一の手段が、**「モデルウェイトの所有」と「ローカルでのファインチューニング」**です。ユーザーや各組織がモデルの重みそのものを手元に持ち、自分自身のローカルデータと独自の価値観に基づいてモデルを直接トレーニング（微調整）する。これこそが、真の意味で安全かつ実用的なAIのパーソナライズを実現する道です。

4. 暗黙知と局所的知識の力：なぜ中央集権AIは現場の専門家に勝てないのか

マニフェストは、経済学者フリードリヒ・ハイエック（Friedrich Hayek）の有名な論文『社会における知識 of 応用（The Use of Knowledge in Society）』や、物理化学者・哲学者のマイケル・ポランニー（Michael Polanyi）の『暗黙知の次元（The Tacit Dimension）』を引用し、中央集権的AIの限界を論理的に説明しています。

人間が持つ知識の多くは、言語化してデータベースに保存できるような静的な情報ではありません。現場のシェフが新しいレシピを考案するとき、あるいは小売店の店主が商品の配置や価格を微調整するとき、彼らは長年の経験から得た「暗黙的かつ局所的な知識（tacit local knowledge）」を使用しています。この知識は、常に変化する現場の状況と対話する中で絶えず更新されるものであり、外部から簡単に見ることはできません。

ハイエックが指摘したように、自由市場が計画経済よりも優れているのは、この「分散された知識」を個々の主体がその場で迅速に活用できるからです。ソ連のような中央計画が失敗したのと同様に、すべてのデータを中央に集約して単一の超巨大AIで世界中の課題を解決しようとする試みは、現場の暗黙知をこぼし落としてしまうため、必然的に限界を迎えます。

AIが本当の意味で人間の生産性を高めるためには、中央のAPIを「レンタル」するのではなく、各現場や各個人のサーバーに知能を分散させ、それぞれの場所で生まれる独自の知識（Knowledge）をその場で吸収して成長するシステムでなければなりません。

5. インタラクションモデル：チャットの「小さな箱」からライブな協調へ

また、マニフェストは現在のLLMにおけるユーザーインターフェース（UI）のボトルネックにも言及しています。

現在、人間がLLMとコミュニケーションを取る手段は、Web画面の下部にある「小さなテキストボックス（small text box）」に文字を入力し、生成が完了するのをしばらく待つ（long wait）という方法が主流です。しかし、このテキストの往復というチャネルは、人間の豊かな意図や状況のコンテキストを伝えるにはあまりにも狭く、遅すぎます。

人間同士の協力はもっと動的です。途中で発言を遮って修正したり、身振り手振り（ジェスチャー）を交えたり、互いの作業を見ながらリアルタイムで思考をすり合わせます。

Thinking Machines Labは、この課題を解決するために**「インタラクションモデル (Interaction Models)」**という新しい技術領域に投資しています。これは、モデルの外側にラッパーコードやエージェントシステムをボルトで固定するような対症療法ではなく、モデルそのものが最初からリアルタイムでマルチモーダル（音声、映像、テキスト）なやり取りをネイティブに処理するアーキテクチャです。知能が高まるほど、人間とのインタラクションのスキルも自動的にスケールするような設計を目指しています。

6. 自宅サーバーとオープンソース：マニフェストが示す「個人デベロッパー」への示唆

このThinking Machines Labのマニフェストは、私たち「自宅サーバーでローカルLLMを動かすデベロッパー」にとって、単なる技術トレンド以上の意味を持っています。私たちが普段行っている以下のような活動は、まさに彼らが提唱する「分散型AI」の未来そのものです。

  • モデルのローカルホスティング: LlamaやMistral、GemmaといったオープンウェイトモデルをLlama.cpp or Ollamaを用いて自宅のPCやサーバーで動作させること。
  • ローカルデータによるLoRA / ファインチューニング: API経由では送信できないプライベートな開発ログや日記、メモを使って、モデルの重みを自分好みに書き換えること。
  • 分散推論と自律型エージェント: 自宅の複数デバイスで計算資源を共有し、特定のローカル業務を自律的に処理するマルチエージェントシステムを構築すること。

大手AIラボのAPIを使用することは手軽で強力ですが、それは常に彼らの規約と中央集権的なアライメントのフィルターに依存し続ける「借地」のようなものです。規約変更やAPIの停止、あるいはフィルターの強化によって、昨日まで動いていたシステムが突然動かなくなるリスクが常に付きまといます。

モデルウェイトをローカル環境にダウンロードし、自分でアライメントを調整し、完全にセルフホストすることは、私たちの「デジタルな主権」を守るための最も本質的なアプローチです。Thinking Machines Labのような20億ドルの資金を持つ最先端の研究所が、まさにこの「ウェイトの所有」と「ローカルなアライメント」こそがAIの進むべき正しい道であると宣言したことは、ローカルLLMコミュニティにとって非常に強力な追い風となるでしょう。

7. まとめと今後：AIエコシステムの「 weirdness (変人さ・多様性) 」を守るために

マニフェストの最後で、Thinking Machines Labは非常に印象的な言葉を残しています。

「私たちは、単一のモデルによるアライメントではなく、異なる場所で育てられたAIたちが互いに反論し、競い合い、学び合うエコシステムを思い描いている。私たちは『weirdness（奇妙さ、変人さ、多様性）』を生かし続けたいのだ」

人類がここまで繁栄できたのは、全員が同じ標準的な正解を追い求めたからではなく、個々の「奇妙さ（weirdness）」や多様な価値観がぶつかり合い、新しい創造性を生み出してきたからです。AIの未来もまた、一つの完成された神のようなAIモデルに支配されるのではなく、世界中の自宅サーバーやローカル環境でカスタマイズされた無数の「ヘンテコで、尖っていて、個性的で、専門性の高い」AIたちがつながり合うエコシステムであるべきです。

APIをレンタルする時代から、ウェイトを所有し、自宅で知能を育てる時代へ。Thinking Machines Labが掲げたこのマニフェストは、これからのオープンソースAI開発者にとって、最も重要な北極星となるに違いありません。

参考ソース

  • Thinking Machines Lab Official Blog
  • Thinking Machines Lab Research & Technical Papers
    • "Interaction Models: A Scalable Approach to Human-AI Collaboration" (2026)
  • Philosophy & Economics References
    • Michael Polanyi, The Tacit Dimension (1966)
    • Friedrich Hayek, The Use of Knowledge in Society (1945)
    • Gwern Branwen, Guardian Angels: LLM Personalization for Productivity and Security (2026)

関連記事