現在のスピードで性能向上し続けた場合、2030年の高度に発達したAIエージェントを想定し、代替されにくいスキル　学習分野...

Prompt

現在のスピードで性能向上し続けた場合、2030年の高度に発達したAIエージェントを想定し、代替されにくいスキル　学習分野　学問　逆に代替されやすいもの>年間改善ペース（最新トレンド） 期間・区分 年間改善率 備考 reasoningモデル導入後（2024年9月〜、o1系以降） 約14 ECIポイント/年 現在の主流ペース。90%信頼区間は+12〜+17 それ以前（non-reasoning） 約6ポイント/年 — 2024年頃の加速前後 約8 → 約15ポイント/年 reasoning + RL強化でほぼ倍速化 具体例: 2024年初頭の最高が126前後 → 2025年初142 → 2026年初156 → 2026年後半169前後と、着実に上昇。 オープンウェイトモデルはフロンティア（クローズド）に対してだいたい6〜7ヶ月遅れ。 他の「総合的」視点 個別ベンチマークの絶対ポイント改善: 成長期（特に新ハードベンチ登場直後）は年間10〜50+ppが普通（例: GPQA Diamondで+約49pp、SWE-benchで+約67ppの年があった）。飽和後は数ppに鈍化。 計算資源: フロンティアモデルのトレーニングcomputeは年間約5倍（約5.2ヶ月で倍増）。これが能力向上の主エンジン。 コスト効率: 同じ性能レベルのコストが年間約13倍下落（四半期あたり約47%減）という報告もあり、性能向上と安価化が同時進行。 時間軸タスク（METR Time Horizon）: 自律的にこなせるタスクの長さが急伸（分単位→時間単位）。同様に加速。 その他: コンテキストウィンドウは年間30倍規模、など。