Microsoft Research の中で立ち上がった AI Frontiers という研究組織が、結局は解消された。この記事は、その当事者である John Langford が自分の言葉で経緯と不満を語ったものだ。単なる人事異動の話ではなく、研究を前に進めるには「何を作るか」だけでなく「組織をどう作るか」が決定的に重要だ、という主張がにじんでいる。AI の進歩がモデルの巨大化だけで語られがちな今、その内部で何が起きていたのかを知る手がかりとして読む価値がある。
Langford によると、2023 年の ChatGPT 公開後、Microsoft Research の中で研究を勝ち抜くには、従来よりずっと組織立った進め方が必要だと感じたという。個人が賢いアイデアを出しても、他社や他グループの支援体制の厚さを前にすると、着手が遅れ、説得力のあるベースラインも揃えにくい。そこで複数のメンバーが集まり、MSR の中に AI Frontiers というサブ組織を作った。
AI Frontiers は、おおむね「上からでも下からでもない」やり方で、研究テーマを揃えて動かすことを目指した。もちろん意見の衝突はあり、調整は簡単ではなかったし、計算資源の不足もしばしば深刻だった。それでも Langford は、約 50 人という小さな規模を考えれば、以前よりは前進できていたという印象を持っていた。中心的な仕事のひとつは agent を動かすための研究で、たとえば Autogen の orchestration framework や、Fara という computer use agent が挙げられている。
一方で、ニューヨーク拠点の一部では、より基礎的な能力の開拓にも関心があった。本文では、extrapolation を可能にする Next Latent objective、Muon を最適化・改良した Dion3、そして recursion によってモデルをより強く働かせる Full Bandwidth Transformer が例として出てくる。こうした研究を、AIF は MSR 全体にも広げようとしていた。その象徴が monorepo の導入で、Microsoft Research の誰もが既定で共有できるようにしたという。Langford は、COLM の keynote で触れた edge scale pretraining codebase をこの monorepo に入れたと書いている。モデル構築のパイプラインを整えるだけでも相当な労力がかかり、MSR の内部にも同種の取り組みが少なくとも 4 つあったと述べている。
ところが 9 月上旬、AI Frontiers は Microsoft AI に再編された。表向きには、二つの AI 組織をまとめることで力を集中できる、という理屈は成り立つ。しかも AIF が先行していた領域もあれば、規模の大きい MAI が優れていた部分もある。だが Langford は、実態はかなり違ったと見ている。再編後の MAI は、元 Inflection の経営陣の思想が強く、研究よりも scaling を徹底する組織だというのが彼の理解だ。彼は、より良いモデルを作る道筋として研究を自然に考える人も多いが、現実には「大きいモデルの方が予測品質で優れている」ことは十分に示されており、ビジネスの観点でも scaling の方が見返りを見込みやすいと説明する。そのため、そこではデータの収集、整備、改善が主戦場になり、AIF がやっていた研究のやり方とは噛み合わなかった。
Langford は、その環境を「misdirected で、楽しくもない」と切り捨てる。ただし、彼なりに scaling への偏重は理解できる失敗でもあるとは認めている。複数の価値のトレードオフを考える代わりに、片方だけを全面採用してしまうのは、短期的には分かりやすいからだ。しかし彼は、研究による改善にも実利があると強調する。たとえば Bytedance の実験では、Full Bandwidth Transformer の変種が、モデルサイズを 2 倍にしたのと同等に近い性能を出せる可能性が示唆されたという。もし同じ能力を半分の訓練・推論コストで得られるなら、業界全体が 1 兆ドル規模の投資をしている状況では、その差は極めて大きい、と彼は言う。
その後 Langford は自分の人員をできるだけうまく振り分けて離れた。研究と innovation の価値を理解してくれる別の場所があることに、彼は救われているとも書いている。AIF の創設メンバーも、似た結論に達したようだ。ではなぜ MSR に戻らないのか、という問いに対しては、二つの壁があると答える。ひとつは、自分の研究に実用化への道筋がない会社には居たくないこと。もうひとつは、「良い仕事をすれば良いことが起きる」という MSR の基本契約が壊れたように見えることだ。良い仕事をしても、非同意のまま再編で切り離されたのなら、また同じことが起きても驚かない、と彼は書く。こうして AI Frontiers は終わり、来年はそこでの internship も行われない。最後は、残る人々への祝福と、将来の Microsoft が研究にとって再び魅力的になるかもしれない、というわずかな希望で締めくくられている。
この記事でいちばん印象に残るのは、技術の話よりも、研究を成立させるための「組織の設計」が前面に出ていることだ。AI Frontiers は、少人数ながらも agent、基盤モデル、学習目的関数までまたぐように動いていたらしい。しかも monorepo を共有し、実装資産を広く使えるようにした。ここまでやって初めて、研究は単発のデモではなく、比較可能な土俵に乗る。逆に言えば、優れた論文の種があっても、コード基盤や計算資源が揃わなければ、外からは「面白そう」で終わってしまう。Langford の不満は感情的ではあるが、研究の勝敗が個人のひらめきだけで決まらないという指摘はかなり現実的だと思う。
もう一つ引っかかるのは、彼が繰り返し対比している「research」と「scaling」の関係だ。ここで彼は scaling を完全否定しているわけではない。むしろ、巨大モデルの方が予測品質で強いこと、ビジネスとしてはスケールの方が分かりやすいことを認めている。そのうえで、研究から得られる効率化や構造的な改善も無視できない、と言っている。これは単なる理想論ではなく、コストの話でもある。もし同程度の性能をより小さな計算量で出せるなら、推論費用も学習費用も効く。しかも AI 産業は投資額が桁違いなので、数割の改善でも意味がある。言い換えると、研究は「遅い贅沢」ではなく、実は大企業にこそ必要な省エネ技術でもある。
ただ、彼の文章には Microsoft 側への強い失望もにじむ。特に「良い仕事をすれば良いことが起きる」という暗黙の契約が壊れた、というくだりは重い。研究者にとって大事なのは予算だけではなく、成果がちゃんと見られ、次の仕事につながるという感覚だからだ。再編そのものよりも、研究の評価軸が突然変わり、しかも自分たちが望まない方向に切り替わったことが、離脱の決定打だったのだろう。これは Microsoft だけの話ではなく、大企業の研究部門がしばしば抱える問題でもある。経営判断で組織は動くが、研究の時間感覚はもっと長い。そこが噛み合わないと、優秀な人ほど早く離れていく。
この文章を読むと、AI の最前線で勝つ条件が、モデルの大きさだけではないことがよく分かる。むしろ、どのテーマに賭けるか、誰が意思決定するか、どの実装を共有するか、そういう地味な部分が競争力を左右している。AIF が monorepo を整え、agent と基礎研究の両方を見ようとしたのは、その現実を踏まえた動きだったはずだ。だからこそ、組織再編でその土台ごと崩れたのなら、当事者が「終わった」と感じるのは自然だと思う。
同時に、この件は「研究か、事業か」という単純な二項対立でもない。Langford は、研究の価値を守りたいと言いつつ、実用化の道がない場所には残れないとも言っている。つまり彼が求めているのは、自由な研究室ではなく、研究が事業に接続される回路だ。そこがあるから、工夫がプロダクトに乗り、計算資源の節約が現実の利益になる。今回の再編は、その回路を細くしたように見える。Microsoft が今後本当に研究に再び魅力を持たせるなら、単に「研究部門を残す」だけでは足りない。成果が見える、使われる、評価される、という流れを組み直せるかどうかが試される。
この話は、AI 業界全体にも通じる。いまはどこも scaling に寄りがちだが、もし皆が同じ方向だけを見ているなら、差別化はむしろ研究の側に残る。モデルを大きくする競争は資本力で決まるが、何をどう改善するかはまだ人の工夫が効く。Langford の記事は、そこを諦めたくない人の愚痴でもあり、同時に警告でもある。研究を軽く扱う組織は、短期的には速く見えても、長くは持たないかもしれない。
