Ruslan Salakhutdinov氏はMetaを退職後、Sooth Labsという企業を設立した。
Salakhutdinov氏は単なる「元Meta社員」ではない。Metaで最高AI科学者を務め、以前はカーネギーメロン大学の教授であり、深層学習分野の重鎮である。共同創業者のChuck Hoover氏とYaser Sheikh氏も、Metaの研究幹部だった。
同社は4月22日、Felicis Venturesが主導するラウンドで、評価額3億3500万ドル、5000万ドルの資金調達を完了したと発表した。
注目すべき投資家が2名いる。Yann LeCun氏（「深層学習の父」、チューリング賞受賞者）とJeff Dean氏（Google Brain創業者、現Google Chief Scientist）だ。Metaの元CTOであるAndrew Bosworth氏はアドバイザーを務める。
この3名が同時に1社のキャップテーブルに名を連ねることは、AI業界では珍しい。彼らは何に賭けているのか。
Sooth Labsの事業内容
一言で言えば、企業が特定の地政学的・市場イベントの発生確率を予測するのを支援する。
これは会話アシスタントでも、コーディングツールでも、RAGアプリケーションでもない。Sooth Labsが目指すのは「予測エンジン」——AI駆動の確率評価を提供し、特定のイベントが発生する可能性を企業に伝えるものだ。
具体的なシナリオとしては、ある国の政策転換の確率、特定市場の規制リスク、サプライチェーン上の地政学的紛争リスクなどが考えられる。これまでは人間のアナリストの経験と直感に頼っていた判断を、AIで定量的に推定しようという試みだ。
この方向性には歴史的な背景がある。
なぜ今なのか
予測市場は近年、AIの支援を受けて急速に発展している。PolymarketやMetaculusといったプラットフォームはすでに、市場参加者の信念を集約することで、従来の予測よりも正確な確率推定を生成できることを実証している。
Sooth Labsはさらに一歩進みたいと考えている。人間の信念を集約するだけでなく、AIモデルを大規模データ上で直接訓練し、イベント発生のパターンを学習させるのだ。
この問題にはいくつかの技術的課題がある。
- 地政学的イベントのサンプル数が少ない（大規模戦争は頻繁には起こらず、歴史データも限られている）
- 類似イベント間の比較可能性が低い（危機ごとに背景が異なる）
- シグナルとノイズの分離が難しい（メディアの報道は真の確率を表さない）
成功できるかどうかは、正直なところ未知数だ。しかし、3人の創業者はMetaで構造化データと人間のフィードバックを用いたトレーニングに多大な経験を積んでおり、その経験は予測モデリングに応用可能である。
LeCun氏とJeff Dean氏の賭けが示すもの
LeCun氏は最近、AMI Labsを設立し、「世界モデル」——AIがテキストを処理するだけでなく、3次元の物理世界を真に理解すること——に注力している。
彼がSooth Labsに投資したことは、AIが「イベント」を理解する能力も世界モデルの重要な構成要素であると彼が考えていることを示している。地政学的イベントは人間世界で最も複雑なパターンの一つであり、正確に予測できるということは、モデルが人間社会のダイナミクスを深く理解していることを意味する。
Jeff Dean氏はGoogle内部で予測と時系列MLに関する広範な研究を主導してきた。Sooth Labsへの投資は、「この方向性は技術的に実現可能である」という一種の承認と見なせる。
2人は異なる研究視点から、同じ結論を指し示している。AIによる複雑なイベント予測の道は、追求する価値があるということだ。
誰が支払うのか
評価額3億3500万ドル、調達額5000万ドル——今日のAI資金調達環境では大きな額ではない。
しかし、この分野の潜在的な顧客は極めて明確である。多国籍企業のリスク管理部門、ヘッジファンド、保険のアクチュアリーチーム、政府機関だ。これらの顧客は支払う意思があり、支払い能力もある。
消費者向けの汎用AIと比較して、B2Bの垂直特化型予測AI分野は競争がはるかに少ないが、天井も比較的明確である。
Sooth Labsが検証すべき中核命題は、AIが生成する確率推定は、人間のアナリストチームよりも正確で、高速で、低コストかどうかである。
特定のいくつかの分野でこれを証明できれば、ビジネスは軌道に乗る。できなければ、5000万ドルで数年間の試行錯誤は可能だろう。
LeCun氏とJeff Dean氏の承認は、データ調達や機関投資家との交渉の扉を開くのに役立つ——これは資金そのものよりも価値があるかもしれない。
この分野が軌道に乗るかどうかは、予測市場や政策シンクタンクとの競争にも依存する。しかし、トップクラスのAI研究者のバックグラウンドを持つ者がこの事業に取り組むのだから、少なくともスタート地点は高い。
出典：CocoLoop、AI Pioneers Back Startup Building Models to Predict Events（Bloomberg、2026年4月22日）