何が起きたか
強化学習の共同創始者として2024年のチューリング賞を受けたRichard Sutton氏が、トロントでスタートアップ「Oak Lab」を立ち上げました。共同創業者はKhurram Javed氏。両氏はジョン・カーマック氏のAI企業Keen Technologiesに在籍していた経歴を持ちます。
Oak Labが賭けるのはKeen Technologiesと同じ方向、すなわち強化学習と「AIは静的なデータセットで一度訓練するのではなく、稼働しながら経験から学ぶべきだ」という信念です。目指すのは、環境から継続的に学び、内部に世界モデルを構築し、変異・評価・選択を自ら回すエージェント。掲げる長期目標は「1兆パラメータを持ち、20ワットのエネルギーでリアルタイムに学習・計画するエージェント」という、人間の脳の消費電力を思わせる水準です。
なぜ重要か
Sutton氏の主張が刺さるのは、それが現在のLLM路線への正面からの否定だからです。同氏は現在の深層学習手法を「弱く非効率（weak and inefficient）」と切り捨て、必要なのは小手先の調整ではなく「根本的に新しいアイデアと徹底的な作り直し」だと述べています。6月には、生成AIは模倣は得意だが自らの出力を評価できず、したがって本当の意味での発見はできない、とも論じました。
これは単なる技術的な好みの問題ではありません。今の生成AI産業は「巨大な静的コーパスで事前学習し、あとは推論する」という前提の上に、データセンター投資も人材配置も価格モデルも積み上がっています。その前提そのものが「弱く非効率」だとすれば、投資の耐用年数の見立てが変わります。
どこが対立軸か
業界の主流は、スケール則の延長線上で事前学習と推論時計算を積み増す路線です。対してSutton氏が置く軸は「経験からの学習」。評価関数を外部（人間のフィードバックや静的ベンチマーク）に依存する限り、モデルは模倣の枠を出られない——この見立てに立てば、自己評価と選択を内在させたエージェントこそが次の一手になります。
ただし現時点でOak Labにあるのは構想と実績のある創業者であり、動くシステムではありません。20ワット・1兆パラメータという数字は達成された仕様ではなく、掲げられた到達点です。ここを混同しないことが、事業判断としては最も重要です。
💼 事業会社視点：これは自社にどう効くか
経営判断として、この報せは「今すぐ何かを変えろ」というシグナルではありません。むしろAI投資の減価償却期間の見立てに効きます。
日本企業がいま組んでいるAI予算の多くは、LLM APIの利用料とRAG基盤の構築費です。前者は他社と同じ土俵、後者は「モデルが静的である」という前提に最適化された配管です。Sutton氏の路線が仮に当たれば、この配管の一部は数年で陳腐化します。だからこそ、SaaS事業者は「モデル依存の機能」と「自社データ・業務フローに根ざした資産」を会計上も設計上も分けて管理すべきです。前者は入れ替え可能に、後者に投資を寄せる。
EC・小売のように、価格・在庫・需要が日々変わる領域は「稼働中に学ぶ」思想と相性が良い分野です。今から自社のログを、単なる分析用ではなく報酬信号として使える形（何が成功で何が失敗かがラベルとして残る形）で蓄えておくかどうかが、数年後の差になります。
受託開発企業への含意は逆に厳しい。「静的モデルにプロンプトを書く」だけの案件は、まさにSutton氏が非効率と呼ぶ層です。強化学習・オンライン学習・評価設計を扱える人材を1人でも社内に置けるかが、この先の受注単価を分けます。