Cliff Sosin - インテリジェンスの補完物を所有する - [Invest Like the Best, EP.497]

Cliff Sosin（クリフ・ソーシン）は2012年にCAS Investment Partnersを立ち上げた投資家で、現在ポートフォリオの約80%をCarvana（中古車オンライン販売大手）に集中させている。Patrick O'Shaughnessy（ポジティブ・サムCEO）との対話の中心テーマは「知能には限界がある」という一見逆説的な主張だ。ソーシンは、知能を「木の高さ」のような無限に伸びる一次元の尺度ではなく「ボールの丸さ」のような比率として捉えるべきだと説く。知能とは宇宙についての予測を行う道具であり、我々は宇宙に関するわずかな事実の点から出発して、その間を補間するために知能を使う。数学のように閉じた形で解ける領域では知能は完璧に近づくが、天気や人間集団の相互作用のような複雑系・動的システムでは、初期条件のわずかな誤差が指数関数的に増幅するため、どれほど賢くても予測には本質的な限界がある。

だからこそ、知能が安価で遍在的になれば、価値を持つのは「知能の補完財」だというのがソーシンの投資哲学の核心である。データ、注意力（attention）、愛情や情緒的つながり、物理的近接性、規模、そして多少皮肉だが規制による囲い込み——これらは知能がどれだけ安くなっても破壊されない。彼はMetaをその典型例として挙げ、Carvanaへの集中投資を正当化し、AIブームの「供給側」（データセンター、チップ、モデル開発）にはあえて手を出さず、むしろ「需要側」や「鉄道が敷かれた後の世界」に注目する。本エピソードは、AI万能論に対する知的で歴史に裏打ちされたカウンター・ナラティブとして際立っている。

1:48知能は万能ではない——複雑系における予測の限界

ソーシンが最初に語るのは、知能を「アメーバからサル、人間、アインシュタインを経て神へと無限に進化する尺度」と見なすことの誤りである。彼は知能を「ボールの丸さ」のような比率として捉える。知能は宇宙についての予測を行う道具であり、我々は宇宙に関するわずかな事実の点しか持っていない。知能が上がれば点と点の間を塗りつぶす能力は向上するが、その能力が通用するのは数学のように閉じた形で解ける領域に限られる。興味深い問いのほとんどは「複雑な動的システム」に属し、そこでは知能はそれほど強力ではない。

その象徴がカオス理論の誕生秘話だ。昔、部屋を埋め尽くす大型コンピュータで天気予報モデルを走らせていた研究者がいた。同じ初期条件で再実行すると最初は同じ結果が出るが、3日目、4日目、5日目には予報がまったく異なるものになった。原因は、技術者が初期条件の小数点以下を一桁丸めたことだった。小さな誤差が各ステップで複利のように増幅し、あるモデルは「華氏70度で晴れ」、別のモデルは「華氏20度で豪雨」と正反対の予報を出した。これが「バタフライ効果」と呼ばれるもので、アフリカで蝶が羽ばたくと北米でハリケーンが起きるという比喩の由来である。

ソーシンの論点は明快だ。気温と気圧についてすべてを知っていても、ハリケーンを予測する方程式を簡単に書き下すことはできない。シミュレーションするしかないが、シミュレーションは必ずどこかで粒度を粗くする。究極的に宇宙全体をシミュレートするには宇宙全体そのものが必要になる。したがって知能には「宇宙の本質的な不可知性」という根本的制約がある。コーヒーにクリームを混ぜる過程、天気、複雑な人間集団の相互作用——これらにおいて知能は決して万能ではない。

ここからソーシンは重要な系論を導く。知能が向かう先の一つは「知能のコスト削減」であり、実際にそれが起きている。結果として誰もが「十分に優れた知能」をほぼ無料で手に入れる。知能が安くなれば、人々が知能を必要とする問いの大半は解決される。だがそれは、知能では解けない問いが残ることを意味する。解くには現実に触れ、実験し、時間をかけるしかない。

6:45ポケットの中の200IQチーム——消費者と企業への実践的影響

ソーシンはこの抽象論を実践的な帰結に落とし込む。我々は全員「ポケットの中に200IQのチーム」を持ち、そのチームはさらに多くのチームを展開できる。彼らは我々が怠惰でやらない小さな最適化を絶えず追求する。すべての企業が従業員に同様のチームを提供するだろう。ここで彼は「知能が安くなると誰が損をするか」という問いを立てる。

第一の犠牲者は、消費者の「限定合理性」に依存している企業だ。現在の消費者は認知的な余裕が限られている。銀行預金を例に取ろう。消費者は「毎日考えれば年400ドル節約できる」と知っても、面倒だから考えない。「それで十分」と妥協する。しかしエージェントは継続的に最適化する。消費者の怠惰が経済的価値の源泉である企業は、エージェントによってその源泉を失う。

第二の犠牲者は、製品が「結晶化した知能」である企業だ。AIモデルは汎用的な知能の道具であり、多くのソフトウェアツールは知能を硬化させた投影物にすぎない。ソーシンは投資判断の際、「全員が本当に優れた知能を持っていると仮定して、何が残るか」を問う習慣を持つ。反論は決まって「この仕事がどれほど難しいか分かっていない」というものだが、彼の答えは「それはすべて知能にすぎない」である。

そこから彼の中心命題が導かれる。知能が安価で遍在的になるなら、所有すべきは「知能の補完財」だ。データ、注意力、愛情や情緒的つながり、物理的近接性、規模、そして規制による囲い込み。企業が知能を展開する能力には経済的・組織的な限界があるが、知能が自社と競合と顧客の間でどう配分されるかによって、有利にも不利にもなり得る。知能の欠如が顧客サービスへの障壁になっている場合もあれば、顧客の怠惰が経済的価値の源泉である場合もある。

9:27Metaは「パーソナライズドTV」——知能のコスト消滅がもたらすもの

ソーシンはMetaを、遍在する安価な知能の完璧な補完財を持つ企業の典型として分析する。彼はMuseやエージェントの話をいったん脇に置き、本業に集中する。Metaの本質は「ソーシャルメディア」ではなく「パーソナライズドTV」だ。人々はInstagramの視聴を心から楽しんでいる。彼自身も「ダークなイギリス式ユーモア」が好きだと発見したという。

「宇宙から見たMeta」の視点で語るのがソーシンの特徴だ。年間売上2,500億ドル、年間支出2,500億ドル。その支出の内訳を還元主義的に見ると、すべて「知能」に費やされている。データセンターの購入とは知能生産ツールの購入であり、推論の購入とはまさに知能であり、優秀な人材を雇ってアルゴリズムを書かせるのも知能であり、コードを書くのも知能、動画配信も知能に隣接する。つまりMetaが買っているのはほぼすべて知能なのだ。

ここに第一原理の帰結が生じる。知能の価格が今後5年で100分の1になれば、コスト側はほぼ消滅する。収益側では、クリエイターが100分の1のコストで1万倍効果的な知能を使えるようになり、コンテンツの質が上がる。Meta自身も動画選択の精度を高め、ターゲティングと楽しさが向上する。広告主もより良い広告を作り、より滑らかなファネルを構築できる。コストをゼロにせずとも、広告を少し多く売れるかもしれない。すべてはMetaが持つ「データと注意力」——遍在する知能では破壊されない資産——の下流にある。安価な知能が「20秒の面白動画を見たい」という欲求を消すことはない。むしろ他の活動から時間を奪える。

ソーシンは保有していないが、Grindrも同様の理論的恩恵を受ける企業として挙げる。データと注意力は豊富だが、会社規模が小さいため、想像し得るすべての機能を構築する能力が制約されてきた。「Googleの最高のエンジニア1万人を5年間貸し与えたら何ができるか」という思考実験の好例だという。

13:01フロンティアラボの事業性——「ダイヤモンド型需要のフロンティア」

Patrickは反論を投げかける。多くの優れた投資家は「フロンティア知能はコモディティではない」と言う。クローズドソースとオープンソースの差から、ラボが公開するモデルと内部利用するモデルの差へと議論は移り、蒸留を阻止する仕組みも整いつつある。「フロンティア・トークン」の価値は高まり、ラボは自社モデルを蒸留して安価な知能の最良版も提供できる——というのが強気派の論法だ。

ソーシンはこれを「非常に考えにくい」と認めつつ、自身の見方を展開する。モデルが改善するにつれ、より大きな獲得可能市場（TAM）を切り開いてきた。しかし各段階の背後では、評価指標が飽和した領域がコモディティ化していく。カスタマーサービス用チャットボットにフロンティアモデルを使うのは愚かであり、そうした領域は明確にコモディティ化する。フロンティアが必要な「難しい課題の波」の後ろには、フロンティアを必要としない広大な領域が広がる。

強気派は「我々は効率的フロンティア全体で安いトークンも生産できる」と言うが、ソーシンには「今できるかもしれないし、数年後かもしれない。判断が非常に難しい」という。中国製モデルの台頭を見ても、コストは崩壊し続けている。フロンティアから大きく後れたタスク用のトークン市場は、そもそもコストが安く競争的であるため、たとえコストリーダーでも市場は大きくない。さらにプログラミングという最大の用途の先に、より大きな市場が待っているかは疑問だ。「癌を治すモデルならいくらでも払う」という強気論に対しても、癌の治療には現実に触れることが必要であり、IQの上昇だけでは到達できないと反論する。

彼の結論は「ダイヤモンド型需要のフロンティア」だ。当初は用途が広がるが、やがて希少化する。「300IQが本当に必要な場面はどれほどあるか」。超エリート知能の用途は少数、非常に優れた知能の用途は多数あり、後者は激しく競争的でコモディティ化する。ラボがコストリーダーになれれば利幅はあるが、激しいデフレの中で「十分な知能を人々はどれだけ買うのか」という市場規模の問題が残る。

16:42ジェヴォンズのパラドックスと需要の限界——繊維通信の教訓

Patrickは二つの反論を提示する。第一にジェヴォンズのパラドックス（安くなれば更多く使う）、第二に「知能は自ら需要を生む」という説——人間が問いを立てるのではなく、知能自体が新しい問いを生み出すならば、需要は無限かもしれない。

ソーシンはジェヴォンズのパラドックスを「価格弾力性の一例にすぎない」と相対化する。一般に市場はU字型を描く。製品がひどい初期は需要ゼロ、改善すると高値でも少し売れ、価格が下がると市場が拡大する（ジェヴォンズ的）。だがさらに価格が下がると需要が追いつかず市場は縮小し、価格ゼロで市場もゼロになる。彼は光ファイバー通信の例を挙げる。情報伝送コストは劇的に下がり、伝送量は長く増え続けたが、やがて市場は成長を止め、コストが下がり続ける中で市場は縮小した。現在Cogent CommunicationsはインターネットIPトラフィックの30〜40%を運ぶが、時価総額は数十億ドル程度にすぎない。「知能がそこまで小さくなるとは言わないが、ジェヴォンズのパラドックスは曲線上の一点についての主張であり、常に真とは限らない」。

「知能が需要を生む」説についても、ソーシンは現実への接触という制約を強調する。物理学について考えるモデルは興味深い思索を生むが、やがて実験が必要になる。実験能力が律速となる。既存論文の横断的統合による発見（誰かが3本の論文を読んでいれば気づいたはずのことをモデルが見つける）は素晴らしいが、それもいつか尽きる。その後は「既知の外側」の仮説を立てる段階になり、超賢いモデルでも最も賢い人間より劇的に優れているわけではない。優れた実験アイデアは生むが、実験能力が拡大の制約となる。

彼は自身のAI利用のコモディティ化を告白する。複数のサブスクリプションを使い分け、サーバー上でビルドさせ、バックエンドで最適化されるため「もうどのモデルを使っているか分からない」。これは知能のコモディティ化の一つの実例だ。

21:59自動実験ラボとAIビルドアウトへの不参加——「鉄道王ではなくCPGブランドを狙う」

Patrickはロボティクスやバイオの自動ウェットラボなど「現実世界の実験ループを自動化する企業」について問う。ソーシンは「素晴らしいアイデアで学習を加速する」と認めつつ、「スピード制限」を繰り返す。自動生物学実験ラボをコンピュータにつなぎ、アイデア→実験→反復のループを回しても、実験にマウスの繁殖が必要なら1年かかる。ラボの規模も限られ、5,000のアイデアから20を選び、成功率1%でも平均研究者の10倍なら素晴らしいが、それでも1%だ。「これは悲観論ではない。既知のコーパスから忘れられた知識を発見するのは素晴らしい。研究の方向づけを改善するのも、自動化するのも素晴らしい。だがモデルが突然『君たちは見逃していた、誰も理解できない新世界がここにある』と言い出す方向ではない」。

投資対象としてのAI供給側については「意図的に無知を決め込んできた」と認める。推論需要を数桁の精度で予測できず、供給とコスト改善も同様に予測できない。さらにバリューチェーンのボトルネックにいなければレントを取れず、その部分での競争もある。「超難しい」。自身の消費行動では価格弾力性を実感する。娘に数学を教えるのに3Blue1Brown風の5〜10分動画を作らせるが、5ドルかかるならやらない。Museアプリでフォーム指導を受けるのも安ければやるが、実際の価格ならやらない。「AI需要は価格に非常に敏感で、消費者が総額で使う金額を本質的に制限する」。

Patrickが「世界最高の起業家がなぜこぞって供給側に人生を捧げるのか」と問うと、ソーシンは因果を逆転させる。「巨大で重要な技術の巨大なインフラ構築は、強い価格シグナルと才能の流入なしには不可能だ。興味深い人が誰も金を稼げずにAIを構築している、という物語を想像できるか」。彼はこれを「鉄道王の誰が儲かるか、鉄道が何本必要かに賭けるのではなく、鉄道が敷かれた後に何が来るか——CPGブランドを狙う」という比喩で説明する。

27:50資本サイクルとTSMCの物理的堀——歴史が教えること

ソーシンは現在のAIブームを「家を建てるために貯金している米国家計」に喩える。電気工や配管工がAIインフラに動員され、他の経済でコストが上がる。価値は得られるが、誰も止め時を知らず、過剰になるまで突き進む。途中で人々が大金を稼がなければ続かない。リードタイムと「勝者の呪い」のため、最後に止めた者が後悔する。「他の歴史的インフラ構築と異なるのは技術のダイナミズムの大きさだ。チップのレベルでも、AIがNvidiaのような企業さえコモディティ化する可能性がある。Nvidiaは文字通りフラットファイルを作って台湾に送っている。そのファイルは作るのが非常に難しいが、本質は懸命に考える多くの人材であり、理論上は作れる。フロンティアから一歩引けば、製造コストは大きく下がる」。

供給側で物理性と規模を持つ企業としてTSMCを挙げる。長年のプロセス技術の蓄積を要する超困難な仕事で、AIには馴染みにくい。多くの要素がAIにとって可読ですらない。熟練者が「これをしなければならない」と知っている類の暗黙知だ。ただしTSMCには「需要に応えられないため世界中が堀を模倣しようとしている」という問題もある。AIビルドアウトの外側では、物理的近接性や物理的規模を持つ企業が、知能を使って顧客サービスを改善したりコストを下げたりできる。

30:14AIエージェントと低コスト生産者——価格が鋭くなる世界

ソーシンは「知能の補完財」を具体的に説明する。消費者選択をスペクトラムで捉える。一方の端は「銀行預金の最大化」——FDIC保険付きなら最高金利が欲しいだけで、ほぼ完全にAIに委任できる。他方の端は「お気に入りのセーター選び」——完全に自分の判断で、AIは候補を出すだけだ。その中間に様々な選択がある。

ゴミ収集を例に取る（判断を委任できると仮定して）。現在、ゴミ収集会社を乗り換えるのは面倒で、自分がいくら払っているかも即答できない人が多い。より良いサービスを安値で提供しても、人々に「気づいてもらう」コストがかかる。しかしエージェント同士が交渉すれば「月50セント安くなる、ゴミは収集される？」「はい」「では乗り換える」となる。第一効果は低コスト生産者への移動だ。

第二効果はより興味深い。同じ通りで全員が同じ業者を使えば効率的だが、調整コストが高い。ところが既に2軒を担当する業者が「通りの全員に安値を提示」でき、全員が乗り換えれば、その業者がさらに低コスト生産者になる。「低コストの業者が低マージンで大量のボリュームを得る、より良いビジネスが生まれる」。ただし多くの企業はこれらの効果が異なる方向を向く混合効果を持つ。

エージェントが投資の世界に与える影響について、ソーシンは「長期的には我々は競争で追い出されるだろう」と率直に言う。チェスとコンピュータの歴史を引く。コンピュータ・チェスが登場してから長い間、「フリースタイル・チェス」（人間＋コンピュータ）が人間単独やコンピュータ単独を凌駕した。人間とコンピュータは異なる考え方をするからだ。投資も現在はその時代にある。彼は人生を生きてきた人間として、モデルにはない世界情報を持っている。だがそのギャップが縮まれば、モデルの結果分布が最良の予測となり、人間の判断を加えるのは「7日後の雨予報に私の勘を加える」ようなものになる。経営者評価すらモデルができるかもしれない。ただし「キャリアに影響するのはかなり先だと思う」。

35:13価格という奇跡——資本市場と米国のリスクテイク

ソーシンは価格を「インセンティブに包まれたシグナル」と定義する。価格はインセンティブであり（上がれば買いたくなくなり、下がれば買いたくなる）、同時にシグナルでもある（相対的価値、希少性、生産コストを伝える）。「調整の仕組みとしてこれ以上のものを見つけるのは、無限の知能があっても難しい」。エージェントが常時最適化すれば、価格の粘着性（マクロ経済でよく知られた現象）は減少し、ゴミ収集の価格は日々変動し、各社は限界費用を再計算し、エージェントは最安値に切り替える。「12ヶ月60ドルで、翌年5%値上げと言われても気づかない、ということはなくなる」。

資本市場の革新について、ソーシンは米国資本市場を絶賛する。「ダイナミズムの衰退が心配されていたが、我々はGDPの約3%をこの投機的ベンチャーに再配分した。これほど大規模な資源の再配分をこれほど迅速にできる国は他にない」。生産的な資源への投資移動の不能は生産性成長の制約になり得るが、米国はそれを克服した。人々はペンシルベニアのどこかでデータセンターを建てている。「鉄道建設の歴史を読めば大量の浪費と詐欺があった。今回もいずれ詐欺は見つかるだろうが、規模の割に驚くほどクリーンだ。ガバナンスは驚くべきものだ」。誰でも10万ドルの株式をほぼ即座に、ほぼ無コストで、よく運営され動機付けられたチームのポートフォリオとして買い、すぐ売れる。「このシステムは非常に過小評価されている」。

米国の優位性について彼の「持論」は「遺伝子、文化進化、制度進化の相互作用」だ。米国に来た人々はリスクテイクに最も関心のある部分集合であり、リスクテイクには遺伝的要素がある。リスクテイクが規範となれば、破産法、労働法、ベンチャーキャピタルがそれを補強し、成功事例が生まれる。「月面基地ができたら、それが我々のものでも驚かない。中国人は優秀で数も多く、ヨーロッパ人もいるが」。

金利上昇については「マクロ経済の専門家ではない」と断りつつ、「未来への巨大投資は今日の消費を減らすことを意味する。配管工は今日の消費ではなく未来の消費（データセンター）を作っている。金利が高いのは、人々に将来のために貯蓄を促し、そのために報酬を払っているからだ」という一つの見方を示す。

42:36Carvanaへの80%集中とAI時代の企業変革

Patrickはソーシンのポートフォリオ（約80% Carvana、5% Meta、他数銘柄）について、保有企業にAI活用を助言するならどんな「スピーチ」をするか問う。ソーシンの答えは具体的だ。第一に、取締役会とCEOから始めて全員が「vibe coding」を行う。全員がハッカソンを開く。Carvanaでは「ピザパーティー」と呼ぶという。開発者だけでなく全員だ。ハッカソンから有用なソフトが生まれるかは重要ではなく、「何ができるかを全員に教え、期待値を変える」ことが目的だ。

第二に、CEOはIT責任者に「私のエージェントが社内の全システムに読み取り専用でアクセスできるようにしろ。誰かに聞けば分かることはすべてプロンプトで得たい」と言う。IT責任者は「非常に難しい、問題が山積だ」と言うだろう。CEOは「それが狙いだ」と返す。システムごとに進め、読み取り専用アクセスを達成する。それがスタートラインだ。次にCEOが使い始めれば全員が欲しがり、権限を整備して浸透する。やがて書き込み権限、システム変更のプロセスへと進む。「4つの箇条書きだが、数年がかりの仕事だ。問題は、他社がゼロから始める前にそれができる時間があなたのビジネスにあるかだ。だから良いビジネスを持つことが重要だ」。

Patrickの「起業の最良の時代」という指摘にソーシンは同意する。「明日までが最良だ。人材は扱いにくいが、エージェントで少人数で多くができる。ただし簡単にできることは誰にでもできる。永続的価値の楔——ロックインや独自データへの道——が必要だ。だが明らかな道があるなら皆がやるので悪い。本当に偉大な成果は『やるべきでない』と思われるものから生まれる」。

47:20企業マージン、垂直統合、所得分配——両手に意見を持つ

Patrickが「過小評価された競争優位の源泉」を問うと、ソーシンは「適切に評価されている気がする」としつつ二つの論点を挙げる。第一に、集計的な企業マージンは上がるか下がるか。「我々の議論はすべて下がると示唆する。多くの企業はマージンを得ているが、消費者余剰が増えるからだ」。ただし90年代のインターネット到来時の調査レポートも同じことを言って外した。「ベースレートは良くないかもしれない。主な理由はBen Thompsonのアグリゲーション経済学だった。だがアグリゲーション理論の多くは崩壊する。消費者がGoogleの最初の結果しか見ないという前提に依存するが、エージェントが検索のすべてを見るなら、1位であることは重要でなくなり、品質・価格・サービスがより顕著になる」。

第二に、より複雑なビジネスを構築できるようになる。現在多くの業界は水平構造だが、それは自分のスライスを運営する複雑性が高く、上下への拡張が過度な複雑性を生むからだ。安価で遍在する知能とコードがあれば、垂直スタック全体を構築できる。「ペットフード製造からペット保険、ペット病院、獣医までを一社で行うフルスタック・ペットケア・ビジネスが可能になるかもしれない。AIが調整とプリンシパル・エージェント問題を解決するからだ。そうしたビジネスは高マージンで効率的、消費者余剰も大きいかもしれない。Carvanaはこれが容易になる前に築かれた例だ」。

所得分配については二つの物語を語る。集中説（ラボやNvidiaで儲けた人々、小集団への収穫逓増）と、平準化説（安価な知能がレントテイカーを淘汰する。ボウリング場に課金するソフト会社は潰れるが、ボウリングのコストが下がり、低所得者ほど所得比でボウリング支出が大きいため平準化効果がある。銀行への支払いが減れば資本家は損し平均的消費者は得る）。さらに「知能を仕事とする専門階級」のレントが消え、次善の選択肢に落ちることで平準化する可能性がある。反論は「イニシアチブと野心への収穫が増す」というものだ。「トルーマンは片手の経済学者を求めましたが、私はすべてに両手を持っているようです」。

52:31AIにポートフォリオ構築を任せる実験とCarvana集中の合理性

Patrickは友人の実験を紹介する。銘柄選択は自分で行い、ポートフォリオ構築（各銘柄の比率）をAIに完全に任せる二つのレーンを走らせたところ、AIレーンが自身の洗練された構築を大幅にアウトパフォームした。AIは最適化が得意で、ポートフォリオ構築やケリー基準の論文をすべて読んでいるからだ。Patrickは「AIはあなたのポートフォリオを全く違う比率にするだろう」と指摘する。ソーシンは「私はアンダーウェイトだ。Carvanaは90%であるべきだ」と冗談めかす。

ソーシンはAIの投資への浸食は「短い時間軸から始まり長い時間軸へ登る」と予測する。検証ループがないからだ。友人の結果は20年ではない。秒→分→時間→週→月と、短い時間軸の投資家がモデルに委任していくのは理にかなう。定量的戦略を定性的分析で強化し、それを定量戦略に組み込む——多くのマルチストラットが既にやっていることの洗練版だ。「成功する方法はたくさんあり、モデルは自由度を増やした」。

自身の集中について、ソーシンは「多くの研究は証券価格の変動を見ており、企業を所有する人のようには考えていない。Carvanaのインフラとブランドが差別化されており、ひどく悪くなるシナリオが少ないという感覚がなければ、これほど快適に保有しない。ウォルマートやホーム・デポやファストナルを昔に見つけたなら、集中を活用したはずだ。歴史を見れば偉大な成果は集中から生まれたが、歴史は『しなかった』の歴史でもある。その文献は平均か平均 slightly better を求める人には全く正しい。だが私が求めているのはそれではない。Carvanaが大好きだ。株が上がって分散を強いられても気にしない。期待リターンと意図的な異常リスクのトレードオフだ」。

56:39AI時代の教育——モデルを指揮するための基礎と野心

ソーシンは子供の教育について、学校長との議論が「二峰性」に向かっていると語る。無限の知能がある世界で個人の知能に意味はあるか。「50IQでも150IQでも同じように世界を渡れるか。そうは思わない」。鍵は「モデルと効果的にコミュニケーションし、モデルに何をしてほしいか伝える能力」だ。量子物理学の最先端実験をモデルと深く議論するのは、知識がなければ難しい。モデルはクレヨンとNerfで説明するしかなく、最先端に到達できない。専門知識があればモデルを自分の意志に導ける。「モデルを自分の意志に導くことは将来重要なスキルであり、そのためには世界を理解する必要がある。スマートさが助けになり、教育が助けになる。確率過程を仮定しろと言うには、確率過程とは何かを知らなければならない」。

したがって「子供たちをモデルから切り離して基礎スキルを教える時間を増やすべきだ」。掛け算ができなければ行列の積を理解できず、行列の積を理解できなければモデルが何をしているか分からず、モデルを指揮できない。一方で「シェイクスピアのエッセイで子供がカンニングする」と嘆く英語教師には「野心が足りない。100倍難しく野心的な課題を与え、モデルを最大限使わせ、成果物を持ち帰らせ、プロンプトだけ与えたのでないことを確認し、なぜそうなるのか説明させ、正当化を強制せよ。子供はモデルを使うのが上手くなる必要があり、自分は何でもできると教えられる必要がある」。

結びに

このエピソードが残すのは、「知能の限界」という認識から逆算する投資フレームワークの強力さだ。ソーシンはAI懐疑論者ではない。むしろ「AIピル」を飲み、大量のトークンを使い、その恩恵を誰よりも享受している。しかし同時に、複雑系における予測の本質的限界、現実への接触という制約、需要の価格弾力性、コモディティ化の圧力を見据える。そこから「知能が安くなるなら補完財を所有せよ」という明快な命題を導き、Metaのデータと注意力、Carvanaのインフラとブランド、TSMCの物理的堀、米国資本市場のリスクテイク文化といった具体的な対象に落とし込む。

最も印象的なのは、ソーシンが「両手に意見を持つ」知的誠実さだ。AI需要は無限に見えるが、自身の消費行動は価格に敏感で、コストは崩壊し、過剰建設かもしれない。企業マージンは下がるかもしれないが、90年代の予測は外れた。所得分配は平準化するかもしれないが、野心への収穫が増すかもしれない。この両面性を保持したまま、それでも「鉄道王に賭けるのではなく、鉄道後のCPGブランドを狙う」という長期的均衡への視点を失わない。AI万能論とAI懐疑論の間で、歴史と第一原理に基づく第三の道を示した点で、この対話は投資家だけでなく、AI時代のビジネス戦略を考えるすべての読者にとって価値がある。

要点

• Cliff Sosinは知能を「無限に伸びる尺度」ではなく「ボールの丸さ」のような比率と捉え、天気予報のカオス理論（初期条件の丸め誤差が予報を一変させる）を例に、複雑系では知能に本質的限界があると主張する。
• 知能が安価で遍在的になれば価値を持つのは「知能の補完財」——データ、注意力、情緒的つながり、物理的近接性、規模、規制による囲い込み——であり、Metaを「パーソナライズドTV」として、年間2,500億ドルの支出がほぼすべて知能に向かうと分析する。
• フロンティアラボについては「ダイヤモンド型需要のフロンティア」を提示し、超エリート知能の用途は少数、非常に優れた知能の用途は多数でコモディティ化するとし、ジェヴォンズのパラドックスも曲線上の一点にすぎず、光ファイバー市場のように価格下落で市場が縮小し得ると論じる。
• AIブームの供給側（データセンター、チップ、モデル）への投資は「推論需要を数桁の精度で予測できず、バリューチェーンのボトルネックと競争も読めない」として避け、「鉄道王に賭けるのではなく鉄道後のCPGブランドを狙う」姿勢を取る。物理的堀の例としてTSMCを挙げる。
• AIエージェントは消費者判断を低コスト生産者へ誘導し、価格の粘着性を減らして市場を鋭くする。ゴミ収集の例では、エージェント交渉による第一効果（最安値への移動）と第二効果（通りの低コスト業者への集約）を説明する。
• ソーシンはポートフォリオの約80%をCarvanaに集中させ、これを「期待リターンと意図的な異常リスクのトレードオフ」と位置づける。分散理論は平均を求める人には正しいが、自身はCarvanaの差別化されたインフラとブランドに基づく集中を選ぶ。
• 企業へのAI助言は「取締役会から全員がvibe codingとハッカソンを行い、CEOのエージェントが全社システムに読み取り専用でアクセスできるようにする」ことから始まり、書き込み権限とシステム変更プロセスへと数年がかりで進む。
• 教育については、モデルを指揮するために基礎スキルをモデル抜きで教える時間と、モデルを最大限使う100倍野心的な課題の両方が必要だとし、「子供は何でもできると教えられる必要がある」と締めくくる。