AIは誰のものか――楽観、検証、そして社会的コストをめぐる一週間

雇用と仕事をめぐる楽観論と、その条件

AI時代の仕事で成功と喜びを見つけるでKevin Suraceは、AIは仕事の喜びを奪わず、PowerPointや文字起こしのような「喜びのない作業」を肩代わりすると述べた。米国の人手不足や、生産性向上によるコスト低下と需要拡大を理由に、雇用は総じて増えるという見方も示している。AIを使う人が重宝され、抵抗する人が先に整理されるとも語り、「AIファースト」を勧めた。

この楽観論は、同じ週の他の番組と並べると前提の違いが見えてくる。AIを形づくる5つの論争では、収益もインフラ需要も少数の買い手に集中していると指摘された。Rampによれば、OpenAIとAnthropicの企業向け収益の80%は顧客の1%から来ている。米国世帯の有料AI契約も2.2%にとどまる。「皆が恩恵を受ける」という物語と、現時点の利用の偏りとの間には隔たりがある。ただしNLWは、Museなど個人向けエージェントが普及すれば大衆市場の見方が変わりうるとも述べている。

「解決した」の中身を問う科学の現場

なぜ AlphaFold はタンパク質フォールディングを「解決」しなかったのかでは、Pushmeet Kohliが、AlphaFoldが行ったのはPDBに登録された構造の再現であり、タンパク質の動態や構造の分布の理解ではないと述べた。成功の言葉を鵜呑みにせず、何が達成されたかを切り分ける姿勢だ。Sal Candidoはスケーリング則を見つけること自体が重要だと語り、Biohubの使命には10%でなく10xの改善を考える発想が要ると述べた。

進化は「ランダム探索」ではないでも、基盤モデルを探索の道具に使う発想が語られた。Akarsh Kumarは、ASALが視覚言語モデルにシミュレーション結果を評価させて人工世界を探索すると説明している。Core WarではLLMを変異演算子にして、人間製ウォリアー約300体の96%に初回で勝ったという。ここでは「LLMは探索を速める道具」として、条件つきで語られている。

中身が見えないモデルをどう信頼するか

解釈可能性への立場は番組ごとに異なる。Kohliは、人間にとっての解釈可能性は必須ではなく、pLDDTのような不確実性の較正を含めて挙動の特性を把握することが重要だという立場だ。これに対しエージェントはどう決断するのかのEric Bigelowは、解釈可能性への投資がモデル開発に比べて桁違いに不足していると警告した。forking paths研究では、開き括弧のような一見無意味なトークンで最終回答の分布が変わる例が見つかっている。RLが結果だけを報酬にするため、CoTが人間に読めない方向へ変わりうるという懸念も示された。最前線の挙動研究が現状Kimi K3など中国のオープンウェイトに依存しているという指摘もあった。

社会正義のためのデータサイエンス実践ガイドのBen Greenは、説明可能性の研究は実証的には意思決定の改善につながらないと指摘する。公平性指標も統計的な対症療法にとどまりがちだとして、アルゴリズムの価値は精度や指標ではなく、現実に何を引き起こすかで判断すべきだと主張した。

この週、モデルの内側を理解することを重視する声と、内部の理解よりも外から測れる信頼性や現実への影響を重視する声が並んだ。評価の基準をどこに置くかは、まだ決着していない。

戦争と教育に表れる技術の外部性

スティーブ・フェルドスタイン「Bytes and Bullets」は、冷戦後のオープンな技術環境がウクライナの抵抗力やドローン戦を支えたと論じる。トルコのTB2輸出のように、中堅国も安価な軍事技術で影響力を高めている。技術拡散は止めにくく輸出規制の効果は限定的だが、最先端チップは別だという。国際人道法や人権規範を再構築する、新しい世代の責任追及の運動が必要だとも語られた。

ナターシャ・シンガーが語る、テック企業による公立学校への影響力は、約10年周期で繰り返される売り込みの構図を示した。コーディング教育の次にAI教育が来て、「使えない子は取り残される」「中国に負ける」という同じ緊急性の論法が使われている。ニューヨークやロサンゼルスのAI一時停止など親の反発も、データセンターや監視技術への見直しと地続きだという。

規制・世論・インフラ

これらはAIを形づくる5つの論争が挙げる論点ともつながる。CapExは2026年に約7300億ドル（Oracle含め8250億ドル）に達し、収益との釣り合いが問われている。規制は自主規制中心から、どのリスクを規制するかの議論へ移ると見られている。データセンターは世論が悪化し、業界は住民への投資や直接支払いまで迫られている。Greenも、AIの開発速度の議論に偏らず、民主的統制や公的部門・学術研究への投資など方向性そのものを問うべきだと述べた。

今週の見取り図

個人の仕事のレベルでは、AIを積極的に使う人に有利だという楽観論があった。科学では、成果を慎重に見極めながら探索の道具として使う姿勢が目立った。社会の側では、利用層の偏り、戦争、教育、データセンターといった領域で、AIの便益と代償をどう配分するかが問われている。「AIを使えば成功する」という物語は、何を成果とみなし、誰がコストを負うのかという問いと合わせて読む必要がある。