約270億円規模の資金で挑む新AI研究所「Flapping Airplanes」が描く、次の学習革命
あなたも、こんな経験ありませんか。
新しい仕事を覚えるとき、分厚いマニュアルを最初から最後まで丸暗記はしない。
必要なところだけ見て、少し試して、失敗して、また直す。
そうやって、意外と早く「できるようになる」。
ところが今の最先端AIは、ちょっと違います。
“賢くするには、とにかく大量のデータを食べさせる”という流儀が長く続いてきました。
まるで「世界中の料理本を全部読まないと、目玉焼きが作れない」みたいな学び方です。
そんな常識に対して「もっと根本的に違うやり方を試したい」と語る新しい研究所が登場しました。
その名も Flapping Airplanes。
TechCrunchが2026年2月16日に、創業チームへのインタビューを掲載しています。
Flapping Airplanesとは何者か
3人の創業者と、1億8000万ドルの”研究の滑走路”
Flapping Airplanesは、若い創業者たちが立ち上げた研究志向のAIラボで、焦点ははっきりしています。
「より少ないデータで学べるAI」、つまりデータ効率（data efficiency）です。
TechCrunchによれば、共同創業者はベンとアッシャーのスペクター兄弟、そしてアイダン・スミスの3人。
さらに、シードで1億8000万ドル（約270億円）という巨大な資金を得て、腰を据えて研究できる体制を整えています。
ここがポイントです。
資金の大きさは「派手さ」ではなく、研究に集中するための時間を買うという意味を持ちます。
創業者のアッシャーは、明確な商用化の年表を今は書けない、まずは真理を探すのだと述べつつ、同時に「大企業との契約に追われると研究がぶれる」とも語っています。
なぜ今、「データ効率」なのか
いまのAIは”記憶の王様”、でも”習得”が苦手
彼らの問題意識は、とても素朴で、でも鋭い。
最先端モデルは「人類の知識の総体」級のデータで訓練される。
でも人間は、そんな量がなくても学べる。
そこには大きなギャップがある。
このギャップこそ、解き明かす価値がある、とベンは語ります。
またアイダンは、現在主流のトランスフォーマー（Transformer）型モデルについて、幅広い知識を”覚えて引き出す”のは得意だが、新しい技能を素早く身につけるのが苦手だと指摘します。
新しい領域へ適応するには「川のように大量のデータ」が必要になってしまう、と。
ここで少しだけ用語解説をします。
トランスフォーマーとは、いまの大規模言語モデル（LLM）で主流の仕組みです。文章の中の関係性をうまく捉える一方、学習には大量データと計算が要りやすい性質があります。
データ効率とは、同じ能力に到達するのに必要なデータ量が少ないこと。
少ない経験で上達できる”飲み込みの良さ”に近い感覚です。
「鳥を作る」のではなく「羽ばたく飛行機」を作る
脳に学ぶが、脳に縛られない
名前のFlapping Airplanesには、哲学が込められています。
ベンは、いまのAIを「ボーイング787のような大型機」にたとえつつ、自分たちは「鳥（生物）を作るのではない。
羽ばたく飛行機を作る」と説明します。
脳とシリコンは土台の制約が違うから、同じ形にはならない。
それでも脳からヒントを借りる価値はある、と。
アイダンの言い方も面白いです。
脳は「こういうアルゴリズムでも知能が成立する」という存在証明。
つまり「正解は一つではない」と教えてくれる、と語ります。
脳には発火速度などの制約があり、その制約下で動く仕組みと、桁違いに高速演算できるコンピュータの仕組みが同じになるとは限らない。
だから、脳より良いものが別の方向にあるかもしれない、と。
この発想、私は「レシピの再現」ではなく「料理の原理を理解する」感じに近いと思いました。
鳥の羽ばたきをそのままコピーするのではなく、なぜ飛べるのか、どこが効いているのかを抜き出して、新しい飛行機に移植する。
そんなイメージです。
研究志向の強みは「失敗が安い」こと
“ラディカルな挑戦”ほど、実はコストが低い？
意外な話が出てきます。
ベンは「基礎研究は、逆説的に、クレイジーなアイデアのほうが安く試せる」と語ります。
なぜか。
改良型の小さな工夫は、小規模では良く見えても大規模で効くとは限らず、結局スケールの階段を上る検証が必要になり、高くつく。
一方で、全く新しいアーキテクチャや最適化手法のような”大胆案”は、ダメなら小さな実験で早々に壊れてくれる。
つまり、失敗が早いから安い。
これは研究開発の現場感として、すごくリアルです。
料理でも、塩を0.1g増やす試行錯誤は「完成品に近い大鍋」でやりがちで、地味に食材が高くつく。
でも「そもそも煮るのをやめて低温調理にする」みたいな大胆な変更は、小さな切り身で試せば、合うか合わないかがすぐ分かる。
そんな感じです。
データ効率が上がると、何が変わる？
3つの仮説が示す「次のAIの姿」
では、データ効率が上がると何が起きるのか。
アッシャーは「科学だから断言はできない」と前置きしつつ、3つの仮説を語っています。
1つ目は、少ないデータで学ぶことで、表面の統計パターンよりも「深い理解」を強制され、知識量は減っても推論が強くなる可能性。
2つ目は、今は新しい能力を教えるのにコストが高すぎるが、効率が上がれば、少数例で新領域に入れる”後学習（post training）の効率化”が進む可能性。
3つ目は、これまで難しかった分野、例えばロボティクスや科学発見など、データ制約が強い領域が一気に開く可能性。
アッシャーは、ロボットは遠隔操作できるのだからハードウェアではなくデータの問題だ、という見立ても述べています。
ここで重要なのは、各仮説が一本の線でつながっていることです。
「データが足りないからAIが弱い」ではなく「データが足りなくても強くなる学び方を作れば、AIが入れる世界が増える」という線です。
「AIは失業を増やす道具」だけで終わらせない
デフレ効果より”新しい発見”のエンジンへ
ベンの言葉に、個人的に一番ぐっときました。
AIの影響を「仕事の自動化でコストを下げる、デフレ的テクノロジー」と見るのは一面の真実だが、それが最もワクワクする未来ではない。
本当に面白いのは、人間では思いつけない科学や技術を生み出す方向だ、と。
ここは、読者のあなたに問いかけたいところです。
あなたがAIに期待したいのは、今日の作業を少し楽にする”便利な相棒”でしょうか。
それとも、世界の理解を一段深める”発見の加速装置”でしょうか。
Flapping Airplanesの語り口は、後者へ視線を向けさせてくれます。
しかも、その鍵が「データ効率」という、一見地味で実務的なテーマにあるのが面白いのです。
AGI論争との距離感
「神を箱に入れる」には、まだ早い
AGI（汎用人工知能）について聞かれると、アッシャーは「AGIの意味がよく分からない」と率直に答えつつ、能力が急速に伸びていることと、経済価値が生まれていることは認めています。
一方で、少なくとも数カ月や数年で人間が無意味になるような「特異点」が来るとは考えていない、と述べます。
さらにアイダンは「脳は天井ではなく床」と表現します。
脳は物理法則に従う理解可能なシステムで、制約も多い。
だから長期的には、脳より面白く、違って、場合によっては優れた能力も作れるはずだ、と。
この”過度に煽らない姿勢”が、研究所としての信頼感にもつながっている気がします。
未来を売り切らず、分からないことを分からないと言い、仮説として語る。
その上で、挑戦の方向だけははっきり示す。
まとめ：羽ばたきは、派手じゃない。でも遠くへ行ける
最後に、この記事を読んで私が残った感覚を、ひとことで言うならこうです。
「賢さは、食べた量だけで決まらない」
Flapping Airplanesが狙うのは、AIを巨大化させ続ける競争の外側にある、もう一本の道です。
全部のインターネットを飲み干さなくても、少しの経験から学び、理解し、次の一手を打てるAI。
もしそれが実現すれば、データが集めにくい現場、例えばロボティクスや科学研究、企業の専門領域に、AIがもっと自然に入り込めるかもしれません。
そして何より、彼らの比喩がいい。
鳥を作るのではない。
大型機でもない。
羽ばたく飛行機を作る。
それは、見た目の派手さよりも、飛び方の発明です。
もしあなたが今、AIのニュースに少し疲れているなら、今日だけはこう思ってみてください。
「次のブレイクスルーは、スケールの果てではなく、学び方の工夫から来るのかもしれない」と。
参考：Flapping Airplanes on the future of AI: ‘We want to try really radically different things’
コメント