知能の購入と知能

知性の非線形なリターン

AIの性能向上は、線形的な改善とは異なる「非線形性」を持つことが指摘されています。わずかな知性の増加が、それまで存在しなかった新しい視点や洞察を解き放つことがあるためです。

例えば、簡単な日常の判断（「車は50m先にあるが、歩くか運転するか」）において、安価なモデルが誤ったアドバイスをする一方で、最上位モデルのみが状況を正確に判断できるケースがあるそうです。

この「決定的な違い」を一度経験してしまうと、ユーザーは他のモデルを信頼しにくくなり、より高い知性を求める傾向が強まると見られています。これは、バフェット氏のような偉大な人物の洞察が、わずかな差から巨大な成果を生むのと同様の構造だといえます。

測定困難な知性の価値

知性というものは、客観的かつ定量的に測定することが極めて難しいという問題があります。これは人間の知能テスト（例：SAT）が、真に重要な才能を持つ人々を適切に評価できていないのと同様の状況です。

LLM（大規模言語モデル）の性能は常にベンチマークを上回るため、評価基準はますます難しくなっていますが、真に価値のある「洞察力」を測る評価指標はまだ確立されていない状況です。

専門家は、人類の知識全体を学習させたAIに「一般相対性理論」のような未解決の科学的発見をさせる「アインシュタインテスト」のような、より本質的な評価方法の必要性を訴えています。評価が不十分なため、ユーザーは「評判」や「ブランド」といった定性的な要素で判断せざるを得ない側面もあるようです。

競争環境における知性の優位性

特定の競争領域においては、知性の差が勝敗を分ける決定的な要素となるため、最上位モデルへの投資が不可欠であると分析されています。わずか0.001%の知性の優位性が、市場やビジネスにおいて数兆円規模の差を生む可能性があるからです。

これは、誰も持っていない「独自の優位性」を持つことが重要であるという考え方と通じます。もしその洞察や知性が広く知られてしまえば、価値はすぐに失われてしまうからです。

そのため、競争が激しい分野では、単に「十分な性能」を持つだけでなく、「他者よりも優れた知性」を常に追求する必要がある、と筆者は述べています。

結論：知性への投資判断

高性能AIの利用における「高価なモデルを選ぶ傾向」は、単なるコスト意識の問題ではなく、知性の非線形性、測定の難しさ、そして競争環境の厳しさといった、知性そのものの本質的な特性に起因していると結論づけられています。AIの進化は、単なる効率化ではなく、新しい種類の「洞察」を獲得するプロセスであると言えるでしょう。