AIの新経済学 | マーティン・カサド＆スティーブン・シノフスキー

AIの数学における進歩は、単なる「ゲームが上手くなった」という次元を超えて、コンピューティングの根本的な前提を揺るがすものなのか。a16zのゼネラルパートナーであるMartin Casado（マーティン・カサド）とErik Torenberg（エリック・トーレンバーグ）、そしてボードパートナーのSteven Sinofsky（スティーブン・シノフスキー）が、この問いを出発点に、AIがもたらす経済構造の変革について深く掘り下げた。彼らの議論は、数学の証明から始まり、やがて「エンジニアリング不足の時代」から「資本投入の時代」への移行という、ソフトウェア産業の歴史的な転換点へと収束していく。この変化は、スタートアップと既存大手の力関係、ベンチャーキャピタルの役割、そして人間の思考そのものの在り方にまで影響を及ぼす可能性があるという。

議論の核心にあるのは、AIの進歩が単なる抽象度の上昇なのか、それとも質的に異なる何かなのかという問いだ。過去のコンピューティング史において、抽象化のレイヤーが積み重なるたびに、人間が解くべき問題の性質は変化してきた。計算尺からグラフ電卓へ、そして現代のAIへ。しかし、今回の変化は、人間が論理や推論そのものを「委譲」するという点で、これまでの抽象化とは一線を画す可能性がある。さらに、20人のチームに10億ドルを投入しても有効に使えなかった時代から、現在ではその資本を計算資源に変換して巨大なモデルを構築できる時代へと移行した。この「資本への問題変換」は、産業構造を根本から変える力を持っている。

0:00数学の進歩が示すもの：楽観と懐疑の交錯

議論の幕開けは、AIによる数学問題の解決が何を意味するのかという問いだった。Jared Sumner（ジェレッド・サムナー）がClaudeにリーマン予想の解決を試みさせたというツイートが話題となったことを皮切りに、Casadoはこの現象が世界を二つのグループに分けると指摘する。一つは「神々しいまでの興奮」を覚えるグループ、もう一つは「偽物だ」「仕事が奪われる」と懐疑的なグループだ。そして最も興味深いのは、最も影響を受けるはずの数学者たち自身が、最も興奮しているという事実だと述べる。この逆説的な状況こそが、現在のAIをめぐる時代の空気を象徴しているというのだ。

一方、Casadoは経済的実用性という観点から冷静な分析も加える。長年未解決だった数学問題に取り組んできたポスドク研究員の給与を合計しても、それほど大きな金額にはならない。つまり、これらの問題が長期間未解決だったことは、経済的インセンティブの欠如を反映しているに過ぎず、AIがそれらを解決したことが、即座に大きな経済的価値を生むわけではないと指摘する。また、AIが純粋に公理的な体系に強いのは、膨大な知識を異なる領域から組み合わせる能力に長けているからであり、これは人間にとっては「広すぎる」問題であると分析する。

Sinofskyはこれに加え、数学が市場の関心を示す「先行指標」であるという視点を提示する。彼は学生時代、AT&Tの研究者が線形代数の新しい解法を開発し、ユナイテッド航空のフライトマップの計算時間が3時間短縮されたという出来事を記憶している。これは数学の進歩が、すぐに実用的な価値に結びついた好例だ。しかし、現在AIが解いている問題が、経済的に有用なタスクの障壁となっているかは定かではないと述べる。数学者の興奮は、数学という分野が歴史的に抽象化を積み重ねてきた文化を持つことに起因するという見解も示された。

12:18抽象化の歴史：計算尺からグラフ電卓へ

議論は、コンピューティングの歴史における抽象化の進化へと移る。Sinofskyは、北京の市場で交渉して70セントで購入したという算盤や、第二次世界大戦で叔父が持ち帰ったというオーストリア製の機械式計算機「Curta」を披露する。Curtaはコーヒーミルやペッパーミルのような形状で、内部に約600個の機械加工部品を擁し、現代なら5万ドルの製造コストがかかるという。これらの道具は、それぞれが当時の「新しい抽象化のレイヤー」であり、その登場によって解ける問題のクラスが拡大してきたと説明する。

Sinofskyは、TI-85グラフ電卓の登場時に数学教師たちが「自分の分野は終わった」と危機感を抱いたエピソードを紹介する。しかし、彼らは微積分が登場したときには文句を言わなかった。なぜなら、それは彼らにとっての「ベースライン」だったからだ。人々は変化に対して反応するのであって、スタート地点のベースラインに対して反応するのではないという洞察は、現在のAIに対する反応を理解する上で示唆に富む。Casadoも、大学時代にグラフ電卓が「カンニング」と見なされ、青い解答用紙に全ての計算過程を書かされた経験を語る。

さらに、Sinofskyは1953年のIBMのパンフレットを紹介する。そこには、コンピュータの未来像が原子が頭の周りを回る男性のイラストとともに描かれており、「車輪の発明と有用性の認識に何百万年もかかった」という一文で始まる。このパンフレットは、当時の人々に「入力、記憶、演算、制御、出力」というコンピュータの基本構成を説明しており、この抽象化がその後75年間、コンピュータサイエンスの教育と産業の基盤となった。Casadoは、この抽象化のレイヤーがそれぞれ専門分野を生み出し、やがて統合されていった過程を説明する。

30:37論理の委譲：これまでの抽象化との決定的な違い

Casadoはここで重要な疑問を投げかける。コンピュータサイエンスの歴史において、人間はこれまで「推論や論理」そのものを委譲したことがあっただろうか。これまでの抽象化は、計算、ネットワーク、ストレージといった「リソース」を提供するものであり、人間は常に問題の定義と論理的な枠組みを提供してきた。しかし、現在のAIは「答えを教えて」と問いかけることで、人間が論理そのものを第三者に委譲しているように感じられるという。これは単なる抽象度の上昇ではなく、質的に異なる変化ではないかというのだ。

Sinofskyは、この感覚に同意しつつも、歴史的な文脈を提供する。1980年代の「AIの冬」の時代、スタンフォード大学ではAIと医学部を組み合わせた診断システムや化学合成のプロジェクトが盛んに行われ、いわゆる「エキスパートシステム」が登場した。彼自身もPrologでエキスパートシステムを構築した経験があるが、それは「決定的に動作しなかった」。しかし、当時のエキスパートシステムは、プログラマーが状態を提供し、アルゴリズム的に終了状態を目指すものであり、現在のAIのように「終了状態そのものを問いかける」ものではなかったと指摘する。

議論は、プログラミングパラダイムの進化として整理される。命令的プログラミングはレシピのように全てのステップを記述する。宣言的プログラミング（PrologやSQL）は終了状態を定義するが、コンピュータがその計算過程を決定する。そして現在のAIは、終了状態すら明確に定義せず、モデルに対して「適切な言葉で祈る」ように問いかけることで、有用な答えを得るという新たなパラダイムだ。Casadoは、これは単なる次のレイヤーではなく、人間の言語という「自然現象」とコンピューティングが交差する点であり、これまでのスタックの概念を根本から再考する必要があるかもしれないと述べる。

39:12資本問題への転換：エンジニアリングから資本へ

議論は、AIが産業構造をどう変えるかという、より具体的な経済問題へと移る。Casadoは、20年前に10人のスタートアップに10億ドルを与えても、有効に使うことはできなかったと指摘する。人を雇い、コンピュータを買うくらいしか方法がなく、ソフトウェア開発は「エンジニアリング不足」に制約されていた。しかし現在は、20人のチームに10億ドルを与えれば、それを計算資源に変換して巨大なAIモデルを構築できる。つまり、産業は「エンジニアリング不足の問題」から「資本投入の問題」へと根本的に移行したのだ。

この変化は、コンピューティングの歴史における資本の役割の変遷を考えるとより明確になる。Sinofskyは、コンピューティングは最初の30〜40年間は「資本不足」に制約されていたと指摘する。コンピュータを手に入れること自体が目的だった時代だ。その後、ハードウェアが普及すると「エンジニアリング不足」の時代に移行し、そして今、再び「資本不足」の時代に戻ってきたという。Casadoはこれを「40年前に戻ったようなものだ」と表現する。

この資本へのシフトは、ベンチャーキャピタル業界にも影響を与える。近年、「資本が多すぎる」というゼロサム的な見方が広がっているが、Casadoはこれを「狂った見解」だと批判する。民間市場に流れる資本が増えれば、企業はより長く非公開のままでいられるため、より多くの価値が民間側に蓄積される。つまり、資本の流入は市場全体の規模（TAM）を拡大するのであって、限られたパイの奪い合いではないというのだ。特に、AIのような資本を吸収できる技術的波が到来した今、この考え方は重要になる。

46:36スタートアップと既存大手：逆転した力関係

資本問題への転換は、スタートアップと既存大手の力関係を劇的に変えつつある。Casadoは、AIがスタートアップにとって最大の障壁であった「流通（ディストリビューション）」の問題を解決したと指摘する。従来、製品を市場に届けるにはマーケティングへの投資が必要で、その投資対効果は不確実だった。しかし、AIモデルへの需要は無限であり、GPUへの資本投入はそのままトップ・オブ・ファネル（見込み客の獲得）の成長に直結する。さらに、OpenAIやAnthropicのような企業は、巨額の資金調達により、MicrosoftやMetaといった既存大手と対等に渡り合える資本力を手にしている。

Sinofskyは、大企業の文化が破壊的イノベーションを阻むという「不変の物理法則」について語る。彼はMicrosoftでARMベースのSurfaceを開発した際、Intelのリーダーシップに「これが私たちの新しいコンピュータだ」と見せた経験を回想する。IntelはARMチップが搭載されていると知ると、それを「プリンターに使われるチップ」と軽視した。Intelはムーアの法則に、Googleはハイパースケールに集中しており、AIがオンデバイスに移行するという変化に対応できなかった。大企業は常に他の大企業の動向にのみ関心を持ち、スタートアップを「潰せる」と思い込むが、実際には潰せないものだという。

Casadoは、この状況をクラウド時代と比較する。クラウド時代、スタートアップはAWSのような巨大企業を倒そうとは思わず、その上に構築することを受け入れた。しかし現在のAIスタートアップは、資本力を武器に既存大手に直接挑戦している。Googleはデータも知性も持っているのに、そのモデルはOpenAIやAnthropicに「打ち負かされている」と指摘する。これは技術力の問題ではなく、大企業の文化が原因だ。大企業は資本を大規模に動員することが難しく、また、自社の既存製品を守ることに注力するあまり、破壊的な変化に対応できないのだ。

55:16モデルの限界と可能性：予測不能な未来

議論の終盤、Erik Torenbergは、a16zのVishal（ヴィシャル）が以前、LLMは素晴らしい成果だが科学的発見には懐疑的だと述べていたことを引き合いに出し、数学の進歩がその見解と整合するか問いかける。Casadoは、モデルのメカニズムは明確に理解されていると述べる。データを投入し、そのデータの分布内でベイズ的に移動するだけであり、分布外の推論や転移学習はできない。しかし、問題はその規模にある。人類史上、50億ドルをかけて構築されたデジタル成果物は存在せず、そのような巨大なモデルが何を達成できるのかは誰にも予測できないと述べる。

Casadoは、自身の認識が変わった点を率直に認める。彼はこれまで、Bostrom（ボストロム）が提唱する「再帰的自己改善」や「高速テイクオフ」といったシナリオを否定してきた。しかし、スケーリング則が維持され、1000億ドル規模のトレーニングランが可能になるのであれば、その結果を予測することは不可能だという。重要なのは「フーム（急速な知能爆発）」ではなく、これだけの資源を一つの目的に集中できる「メタ経済的メカニズム」の存在であり、それが癌治療に使われるのか、兵器開発に使われるのかは誰にもわからないと警鐘を鳴らす。

Sinofskyは、この資本の集中が「指数関数的な成長」であり、人間は指数関数的なモデルを本能的に理解できないと指摘する。彼はIntelで「5ギガヘルツ、これだけのトランジスタ」と会議で言われ続けたが、誰もその能力を何に使うのか知らなかったと回想する。しかし、現在のAIは、例えば「全てのタンパク質の組み合わせを網羅的に探索する」といった、かつては無限に思えた問題を、資本を投入することで有限の問題に変換できる。これは「以前は無限だった問題を、資本を投入することで有限にできる」という、まったく新しい物理法則のようなものだと結論づける。

結びに

このエピソードの核心は、AIの進歩を「次の抽象化レイヤー」として捉えるか、それとも「人間の思考とコンピューティングの融合」という質的な転換として捉えるかという、提示された問いそのものにある。CasadoとSinofskyの議論は、数学の証明という具体的な事例から始まり、コンピューティング史における抽象化の進化を経て、資本とエンジニアリングの関係性の逆転という、産業構造の根本的な変化にまで到達した。彼らは明確な答えを出すことを避け、むしろ「これまでの前提が崩れたとき、私たちは何を信じるべきか」という問いをリスナーに投げかけている。

特に印象的なのは、両者が自らの「予測の失敗」を率直に認めた点だ。Sinofskyはインターネットについて58本のメモを書いたが、その多くが間違っていたと述べ、Casadoはスケーリング則の持続力を過小評価していたと認めた。この謙虚さは、現在のAIの進歩が、既存のフレームワークでは捉えきれない領域に達していることの証左である。20億ドルをかけたモデルが何を達成できるのか、誰にも予測できないという認識は、恐怖ではなく、むしろ可能性への期待として語られる。このエピソードは、AIをめぐる議論が、技術の詳細から、資本、文化、そして人間の認知の限界にまで拡大していることを示す、示唆に富む一時間となった。