AIは売り込まれた未来ではない理由 – ジェフ・ファンク博士が解説

この動画は、元大学教授で技術経済学者のジェフリー・ファンク博士が、現在のAIブームの実態について辛辣な分析を行ったものである。博士はOpenAIのGPT-5やAnthropic Claude等の最新AIモデルが実際には大幅に期待を下回る性能しか示しておらず、各社が製品価格をコスト以下に設定することで人為的に需要を創出しているに過ぎないと指摘している。また、AIが雇用に与える影響、大学教育の質的劣化、自動運転技術の限界など、技術革新を取り巻く様々な問題について実体験に基づく具体的な事例を交えながら論じている。

Why AI Isn’t the Future We Were Sold – Dr. Jeff Funk Explains

Dr. Jeffrey Funk, retired tech professor & technology consultant, breaks down the hype and financial fragility behind to...

www.youtube.com

AIブームの真実と市場の現実

AI信者と論理的な議論するんはめちゃくちゃ難しいんや。あいつらはもう信じ切ってるからな。これはGPT-5見てもよう分かるやろ。数人の奴らが感情的になって「めっちゃすごいで！」って言うてるけど、ほとんどの人間は真の信者でさえ何も言わんのや。

GPT-5のパフォーマンスについて語りたがる真の信者なんてほとんどおらん。言うことと言えば「まあ、いろんなモードを切り替えられるわな」とか「クラウドコストが少し安なったな」くらいや。これはパフォーマンス向上やなくて、そっち方面で最適化しただけやからな。パフォーマンス面では、ほとんど誰も「これはAGIへの一歩や」なんて言わん。

実際、サム・アルトマンが数日前にその質問されたんや。「GPT-5はAGIに近づいてくれるんか？」って聞かれて、あいつは「いや、AGIって用語は好かんな。役に立たん」って答えよった。数年間もその用語使い続けてきたくせにな。まあ実際は、数年間やけどな。あいつが表舞台に出てきたんはほんまにここ数年の話やからな。

散々使ってきた用語を今になって「定義が曖昧やから嫌いや」って言うとるけど、本音は違うやろ。GPT-5がGPT-4よりそんなに良くないことが、特にパフォーマンス面でみんなにバレバレやから嫌がってるだけや。

企業の強制利用と価格設定の問題

あんたはLinkedInの投稿でAnthropic社の価格上げについて書いてたな。最近マイクロソフトが基本的に社員にAI使用を強制するって発表したのも見たで。マイクロソフトの場合はCopilotやけど、使いたがらん社員に無理矢理使わせとるんや。テック系の社員に無理矢理使わせなあかんくらいやったら、どんだけええもんなんか疑問やな。Anthropic社が赤字やから価格変更した話も最近してたやろ。

OpenAIの年間売上はどんくらいや？200億ドルくらいか？コストは？めっちゃ赤字やで。GPT-5がリリースされて、多くの人が「大したことないやん」って反応してる今、このハイプが収束していく局面に差し掛かってるんちゃうか？サム・アルトマンでさえもうAGIって呼ばんくなってるしな。

そうやな。売上の問題でバブル崩壊が近づいてると思うわ。アルトマンは「みんな使ってる」って言いたがるけど、みんなが使ってるんはアルトマンがコスト以下の価格設定してるからやで。Anthropic社は利用者があまりにも使いまくったせいで、クラウドサービス提供会社に数万ドル払わなあかん利用者が出たって認めとったからな。

月200ドルのサービスで一部の利用者に数万ドルかかってるって状況や。無料枠があって、20ドル払えばもうちょい使えて、200ドルで使い放題やったんやけど、中には数万ドル分も使う奴らがおって、Anthropic社がクラウド事業者に実費を払わなあかん状況になっとった。

これは持続可能やないやろ？でもこれが示してるんは、これらのサービスがどんだけ馬鹿げた利用のされ方してるかってことや。もしあんたに「この車をタダ、もしくは月200ドルで提供します」って言われたら、実際の製造コストがもっと高くても、みんな買うやろ？サービスでも同じことや。

クラウド事業者への影響とインフラ投資の問題

月に数万ドルも使うもんなんて、そうそうあらへんで。住宅ローンでもそんなにせんし、医療費でもよっぽど重篤な病気やない限りそんなにかからん。末期がんとかやったら別やけど、めったにあらへんことや。それでも利用者は月200ドルで数万ドル相当を使ってるんやからな。

こんなこと永遠に続くわけあらへん。やから Anthropic社は使い放題プランを廃止して、月200ドルでも使用制限を設けたんや。追加料金を払えばもうちょい使えるかもしれんけどな。OpenAIもこれをやらなあかん。もうとっくに発表してると思ってたんやけど、まだやな。

株式市場も問題に気づくべきやのに。Anthropic社やOpenAI、他の会社が価格を上げたら、すぐに利用量が減るやろ？利用量が減って一番困るんは誰や？クラウド事業者やで。

クラウド事業者はOpenAIやAnthropic社が価格を低く設定してくれるおかげで儲かってるんや。「おお、景気ええで！」言うて株価も上がってる。そりゃ景気ええわな、AI ソフトウェアの価格が安すぎるねんから。

でもAIソフトウェアの価格が上がったら、クラウド利用量は落ちるで。そしたらGoogle、マイクロソフト、Amazon、Metaとかの会社で、クラウド容量が余って困る会社が出てくる。この会社らの設備投資、今年は4000億ドル超えるって聞いてるで。

もしそのクラウド支出が突然不要になったら、大問題やな。データセンター建設には時間もかかる。3年以上って数字も見たことあるで。企画から土地探し、購入、整地、掘削作業まで、山ほどやることがある。道路工事や家の建設と似てるな。時間がかかるんや。

クラウドサービスの支出が急に落ちたら、これらの建設プロジェクトを止めるのに時間がかかる。半分できてるプロジェクトもあるし、急には止められん。4000億ドルやで。これだけの金が宙に浮いたら、経済にめっちゃ影響するわ。しかもNvidiaも「チップの性能向上が早いから3年で償却せなあかん」って言うとる。必要ない容量がごっそり余る可能性があるんや。

大学卒業生の就職難と教育問題

最近、新卒の大学生が就職できへん話をよう聞くな。この前書いた記事でも触れたけど、2010年以降、大学入学者数が15%減ってるんや。でも面白いことに、2025年は過去最大の卒業生数やった。同じ期間で卒業生数は11%増えとる。

2010年以降、大学入学者数は15%減、でも卒業生数は11%増。この差を調整すると、実質的な大学入学者数の減少は26%くらいになるんや。

記事でも書いたけど、最近の大学卒業生はコロナで高校教育が混乱して、大学教育はGPTや他のLLMに邪魔されたZ世代やねん。ある調査では、1000人の採用担当者のうち40%がZ世代に偏見を持ってると認めて、41%が履歴書に卒業年を書かん方がええってアドバイスしてる。別の調査では、58%の雇用主が最近の大学卒業生は職場の準備ができてないって言うて、31%の雇用主がZ世代の採用を避けてるっていう結果やった。

大学の学位は昔は社会的な上昇移動の手段で、選別の仕組みやった。Z世代や最近の大学卒業生が仕事見つけられへん理由は何やと思う？経済が悪いせいか？AIのせいか？他に理由があるんか？

経済要因とバブルの本質

わしはその分野の専門家やないんや。共著者のゲイリー・スミスの方が詳しい。彼はポモナ大学の教授やったけど、75歳で最近退職したんや。

わしが言いたいんは、いろんな要因が絡み合ってるってことや。アルトマンや他の連中は、わしらの注意を金以外のもんに向けさせようとしてる。でもバブルの本質は金やで。金を投入して、金を回収する。でも十分な金が回収できてへんのや。

失業率とか大学進学者数とか、これらには多くの要因が関わってる。大学入学者数が減ってるんは、雇用主も含めて人々が大学を批判してるからや。大学が学生に教えてることを批判してる。

それに経済も不安定やしな。大きなロックダウンがあって、雇用が大きく変わった。ロックダウンが終わってまた雇用が変わった。AI以外にもいろんな要因がある。一般的な経済変化もずっと起きてるしな。景気後退は5～10年ごとに起きてる。これは珍しいことやない。

失業率が上がったり下がったりするんは、まあ人生の一部やな。ゲイリー・スミスと一緒にその記事で分析してみたけど、他にもいろんな要因があるって言うたんや。でも重要なポイントは、これはAIとはほとんど関係ないってことや。

企業投資と実際の成果のギャップ

混乱の原因は、AIがめっちゃすごいって確信してるCEOらにもある。大きな投資をして、いろんな実験をしてるけど、結果が出てへん。Nvidiaとクラウドサービス事業者以外で、AIのおかげで儲かってる会社なんてあらへんのや。電力会社やデータセンター建設会社も儲かってるけどな。

でもAIを使ってる一般的な法人ユーザー、平均的な企業は良い結果を見てへん。生産性の向上もない、売上増もない。それなのに若い大学卒業生の失業がAIのせいやって言うのは馬鹿げてるで。

これも全部ナラティブの一部なんや。テック企業がこのナラティブを作り上げて、人々がそのナラティブをあちこちで見つけようとする。実際にはそうやないのにな。

技術がうまくいってるかどうかを判断するには、たくさんの変数を考えなあかん。売上とかの重要な変数が合理的やなかったら、ナラティブ全体が崩壊するんや。ひとつの変数だけ見たらあかん。でも人々はそれをやってる。「大学卒業生が就職に困ってる、やからAIのせいや」ってな。

ゼロ金利政策の影響

テック系の従業員が大量にレイオフされた話も聞くな。大学卒業生の件に戻るけど、ZIRPについてはどうや？2008年12月から2022年3月まで、14年間のうち9年間は金利0%やった。残りの4年もほぼゼロで、少し高い時期もあったけど、基本的に08年から22年まではゼロ金利やったんや。

それが22年に15か月で5.5%まで上がって、ZIRPを終わらせた。安い金が枯渇して、特にテック業界では遊んでる労働者や、コロナ時代の過剰雇用が問題になった。人々がデバイスに向かう時間が増えて、企業がテック人材を囲い込んでたからな。今はそんなことしてへん。

大学卒業生についても、高金利環境では過剰雇用なんてせえへんやろ？ZIRPがこれらの指標にどれだけ影響を与えたと思う？

ああ、ZIRPってゼロ金利政策のことやろ？これは前のスタートアップバブルと今のAIバブルに大きな影響を与えたんや。15年間、VCに投資することを人々に奨励し、VCが企業に投資することを奨励した。

低金利やから待てたんや。「儲かってへん？かまへん、金利が安いから待てるわ」ってな。これが「投資、投資、投資」って行動を奨励して、ずっと続いた。それが金利が上がって、2022年にスタートアップバブルが弾けた一因や。

ユニコーン企業の株価、上場してる元ユニコーン企業の株価がめっちゃ下がった。非上場でもセカンダリーマーケットで価格が下がって、誰も欲しがらんようになった。今は金利について不確実性がたくさんある。金利が下がるって話が多い。トランプが下げるって話もある。

でも一方で、連邦赤字がでかいし、借金も35兆ドルくらいあるから金利は上がるって言う人もおる。不確実性がたくさんあるんや。

資金調達と損失の実態

でも金利が下がるって認識があって実際に下がれば、株価は上がるかもしれん。「OpenAIが儲かってなくてもかまへん」って人が出てくるかもしれん。実際の問題は、AIが資金調達できるかどうかや。資金調達できれば損失出しても続けられるからな。

投資家が金を出し続けて利益を求めなければ、続けられるんや。OpenAIは3月に資金調達して、ここ数週間でまた調達した。そんなに長い期間やない。4月に400億ドル調達したって報告があったけど、そのうち300億ドルは営利企業になることが条件やった。でも営利企業になってないようやな。主にマイクロソフトが反対してるからや。マイクロソフトがまだたくさん持ってるからな。

結局100億ドルしかなくて、その大部分がこの3か月で使われたように見える。企業が常に資金調達を必要としてるときは、めっちゃ金を失ってるってことやで。損失発表よりもこっちに注目した方がええ。非上場企業は規則や規制に従う必要がないし、好きなことを言えるからな。上場企業は3か月ごとに発表せなあかんけどな。

OpenAIやAnthropic社、これらの企業が常に資金調達してるっちゅうことに注目や。金を失ってるから、さっき話したような理由で金を失ってるからなんや。

AIブームの両極端な見方

「AI Con」って本を読んだんやけど、著者らはAI推進派とAI終末論者について語ってる。基本的にはコインの表裏やって。どっちも、AIが人類史上最も破壊的で影響力のある発明になるって思ってる。AI推進派はユートピア的な見方で、終末論者はディストピア的な見方や。

でも俺と君は多分、「コインには3つの面がある」って表現の通り、3つ目の面、つまりエッジにおるんちゃうか。どっちのシナリオも実現せんと思ってる。この技術には使い道があるけど、めちゃくちゃ誇張されてるってことや。ロボットが支配するとかスカイネットとか、そんなん心配してへん。

俺の見立ては正しいか？俺ら二人ともエッジにおるってことで。終末論者でも結局金をつぎ込むんや。ロボットに支配されてスカイネットに殺されるのが嫌やからって。ユートピア派も史上最高の発明やって思って金をつぎ込む。

望む結末は違うかもしれんけど、結局どっちも間違ってると思うんや。俺はコインのエッジにおる。これは全部…

現実的な AI の問題点

そうや、俺らはコインのエッジにおる。その比喩はええな。コインには3つの面がある。俺らはエッジや。

「AI Con」はええ本やで。あの人らはAIの問題について何年も語ってる。エミリー・ベンダーが「確率的オウム」って用語を作った人の一人やと思う。彼らは主に害について語ってる。「世界の終わりを引き起こす」っていうディストピア論は大げさやと思うし、ユートピア論も大げさや。でも問題はあるんや。

AIをセラピストとして使って妄想的になる人がおったり、詐欺もたくさんある。誰かが親に電話して、子供の声で「誘拐された、金が要る」って言うような詐欺もな。AIの悪い面もいろいろある。彼らはそれに時間を割いてるし、それはええことや。

人々がこういう問題を理解すればええし、もっと多くの人が理解すればもっとええ。政府がこういう犯罪をもっと追及すればええな。関連する犯罪として、裁判所がAIのハイプに関する訴訟を聞き始めて、何件かは有罪判決を出してる。AIのハイプが詐欺に当たる場合があるって言い始めてるんや。

法的対応とコーディング支援の現実

スタートアップでは最も有名なのがエリザベス・ホームズの件やけど、他にもある。電気トラック会社のリビアンの創業者も刑務所に入れられた。今は小さい件やけど、これからも続くと思うし、裁判所がこういう件を聞き続けてくれることを願ってる。そうや、俺はエッジにおる。

「AIはソフトウェアコーダーの代替にはほど遠い」って記事を書いたな。面白かったのは、モデル評価・脅威研究機関が行った研究で、コーダーがAIで時間を節約できると信じてたのに、実際には19%多く時間がかかったって部分や。

研究によると、開発者はコーディング時間は短縮されたけど、プロンプトの作成、LLMの提案の検討、そして最も重要なのは、AI生成コードのレビューとデバッグに時間を費やしてたんや。テスト開始前、主要著者の一人は2倍のスピードアップを期待してたって書いてて、これはかなり衝撃的や。

AIをよく見せるためのテストが多いって話もしてたのに、2倍の結果を期待してて19%遅くなったってことは、テック系の人やコーダーという、AIの使い方を知ってる人らでも19%遅いってことやな。これは何を示してるんやろ？

コーディング作業の複雑さ

まず、コーダーがやってることの大部分はコーディングやない。コーダーは計画を立てる。顧客のニーズや与えられたニーズを考えて、アーキテクチャに落とし込んで、それからコードを書くんや。実際のコーディングは仕事の25%くらいや。残りの時間は整理とかその他の作業に費やしてる。

たとえコーディングが完璧にできるようになっても、生産性の向上は25%程度や。みんながクビになるってもんやない。でもその25%の時間のコーディングも、そんなに速くならへんのや。もちろんタスクの難しさによるけどな。

簡単なタスクはAIでできるって前提で、難しいタスクや複雑なタスクは難しい。これは非常に驚きの結果やった。君が引用したMETRは、数か月前にAI愛好家にめっちゃ引用された研究もやってる。

彼らは50%の精度でAIが完了できるタスクの長さを見て、過去5年間でそのタスクの長さがめっちゃ増えたことを発見した。月単位でやってて、7か月ごとに倍になるって言うてたんや。それを将来に投影して「全部できるようになる」って言うた。

精度の問題と実用性のギャップ

でもみんなが見落としてたのは、50%の精度で完了できるってことや。これはコインフリップやで。何の意味もない。

もちろん前提は、50%から60、70、80、90%にめっちゃ速く上がるってことやった。50%精度での タスクの長さが7か月ごとに倍になったのと同じようにな。でも人々が無視したのは、METRが「特定のアプリケーションを見ると精度は上がるけど収穫逓減がある」って言うてたことや。

詳細は語らなかったけど、意味は分かる。上がるけど、90%くらいになると大幅に遅くなる。50%、90%、99%、99%… 99.9%みたいにな。コーダーがAIアシスタントを使って19%遅くなったのも、少数のミスが原因や。

50%、90%、99%、99%… コーダーがミスを修正する時間を使わなくて済むようになるには、非常に高い完全な精度が必要なんや。研究でも言うてたけど、AIアシスタントが引き起こしたエラーを修正するのは、自分で作ったエラーを修正するより難しいんや。

自分でエラーを作った場合は、問題を考えながらやってるから理解しとる。エラーがあっても「ああ、あそこやな」って分かる。でもAIシステムを使った場合は「AIアシスタントは何をしたんや？なんでこんなことしたんや？意味分からん、どう修正するんや？」ってなってめっちゃ難しい。

指数的改善の現実

両方合わせると、50%精度でのタスク長の倍増と、その実行理由と含意は本当に悪いんや。99.99、99.99、99.99%まで上がらなあかん。

これについてちょっと考えてみよか。これは俺が過去に多くの時間を費やしたことで、指数的改善と技術全般についてや。「指数的改善の背景にあるもの」っていうカリフォルニア・マネジメント・レビューに掲載された論文を書いて、これは俺のキャリアで最も引用された論文の一つや。長年これを見てきてる。

50%の精度から考えてみよう。7か月ごとに倍になるって前提で（実際はそうやないけど、METRも認めてる）、1/2から1/4、1/8、1/16、1/32へと進んでいく。1000倍の改善を得るには10回の倍増が必要や。50%から99.9%まで10回の倍増や。

でも99.9%では多分不十分や。エラーが多すぎるからな。GoogleやGmail、Amazonの稼働時間を考えてみ。99.99999%とかの話やで。自動運転車でも同じレベルが必要やって議論されてる。普通の車と同じ水準やからな。

これらの企業には非常に高い稼働時間、非常に低いエラー率が必要や。AIでも同じことが必要やろ。50%から99.9%まで10回の倍増、99.9999%まで更に10回の倍増が必要や。「ソフトウェア開発者をクビにし始める」って話になるには計20回の倍増が必要で、7か月ごとでも約14年かかる。

METRも収穫逓減があるって認めてるから、実際はそんなに速く進まん。まあ50年くらいかかるんちゃうか？

感情的判断の問題点

これが問題なんや。多くの人がこれについて感情的になるんや。「指数的改善で全部解決される」って言うけど、どれだけ時間がかかるか見なあかん。ムーアの法則の指数的改善も1960年頃から今まで、大きな影響があったけど何十年もかかった。人々はそれがもっと複雑やってことに気づいてへん。

AIがソフトウェアに影響を与えるのは確かやけど、何年、何十年もかかる非常にゆっくりとした過程や。

コメント欄を読むと面白いで。「お前ら馬鹿や。最近自動運転車に乗ったばっかりや。何も分かってへん」って言う人がおる。でも「Waymoには遠隔ドライバーがおるって知ってるか？」って言うと、4～5マイルごとに無人運転オペレーターが推奨事項を出すか車両を制御せなあかん状況になるって話やな。

自動運転技術の現実

Aurora Trucking Companyは80,000ポンドの車両が問題起こすと危険やから、各トラックにドライバーを配置せなあかんかった。問題が多すぎたんや。GMのCruise robotaxiも採算が取れんし問題が多すぎて、事業をやめてしもた。

Amazon Freshに行った時も、実際はケニアの人が遠隔でレジ対応してたのに、店を出る時はAIやと思ってたやろ？店に人が見えんかっても、遠隔で車を運転したりレジ対応したりする人がおらんとは限らんのや。

特に自動運転車は、マジックトリックみたいなもんや。テック業界の人間はみんな知ってるけど、一般の人に「この技術はもっとすごい」って思わせる手段なんや。「お前らアホや。運転手なしの車に乗った」って言うけど、実際はそうやないねん。

ロボティクス専門家の見解

ロドニー・ブルックス、あのルンバを作る会社の創設者やけど、ロボティクスとAIの分野でトップの一人や。彼は何年も前から何度も言うてる。「これらの自動化例の裏には全部人間がおる。何か問題が起きた時に何かをやってる」ってな。でも人々は彼を無視する。

君が言うように、人々は見たことが真実やと信じたがるんや。「一回乗ったから知ってる」って思うねん。普通の車やったらそれでもええかもしれん。事故率がめっちゃ低いからな。今でも高すぎるって指摘する人もおるし、減らすべきやとは思うけど、それでも低い。

一生車に乗ってても事故に遭わん可能性があるくらい低いんや。それは一回やない、100万回レベルの話や。もちろん事故の多くは俺みたいな若くて下手な運転手が原因やけどな。俺も下手やった。

詳細な検証の重要性

一回乗っただけで判断するのは危険や。人々が「AI使ったけどすごかった、世界を変える」って言う時、俺はすぐに「どう役に立ったか詳細を教えて」って聞くねん。そしたら大抵詳細を言えん。少しはあるけど、ビデオ制作以外はそんなに詳細やない。

ビデオ、広告ビデオなんかは安く作れるし、YouTubeの広告やったらエラーがあってもかまへん。そういう用途では「なるほど、それはうまくいくな」って思う。でも多くの場合、詳細を求めても答えられん。

人々はこれが下手なんや。第一印象で判断したがる。俺が本や他の場所で人々に勧めてるのは、第一印象を持つ衝動に抵抗することや。「もっと情報を集めてから判断しよう」って言うんや。意見を急いで持とうとしたらあかん。

教育と議論文化の問題

残念ながら、うちらの社会は意見を持つことばっかりや。高校でもディベート部があるやろ？何も知らんことについてディベートするんや。多くの人がディベートのどっちかの側につくと、その意見を一生持ち続ける。

それに抵抗せなあかん。AIはええ例や。詳細をたくさん理解したいし、正確に理解したい。起こるかどうかやなくて、どのアプリケーションが1番目、2番目、3番目、4番目に起こるかを知りたい。そしたらそのアプリケーションを提供する会社の一部になれるからな。

サム・アルトマンはそれについて語れん。AGIの話ばっかりで、それも撤回したけどまだ信じてる。数年前に「すべてのもののためのムーアの法則」って記事を書いたけど、めっちゃ一般的な内容やった。

労働理解の重要性

俺が若い頃、1980年代前半にカーネギーメロン大学でロボットの経済学の博士号を取った時、労働を理解することがいかに重要かを理解した。そしたら自動化がいかに難しいかが分かるからな。労働について本をたくさん読んで、人々がどんな仕事をしてるかを理解することに人生を費やした。そこから何が自動化できるかを学べるからや。

多くの人は自分の仕事だけ見て「ウェブサイトをめっちゃ速く作れた、やからAIが世界を変える」って思う。でもそれが製品製造や漁業、鉱業、医療、その他いろんな仕事の手助けをすることと何の関係があるんや？世の中にはあらゆる種類の労働があるんや。労働について学べ。労働とは何かを学べ。

シリコンバレーの盲点と実際の現場

最後のポイントについて、基本的にシリコンバレーやテック系で働く人らは技術の専門知識を持ってるけど、他の仕事を自動化しようとする時、実際にその分野で働いたことがないし、その仕事が実際に何を含んでるか全然分からんのや。

IBM Watsonについても話したな。2011年にJeopardy!でケン・ジェニングスに勝って有名になった。でも役に立たない知識をたくさん持ってる人間対AIマシンで、AIマシンが勝ったからって、実際の診断と何の関係があるんや？

失敗した大きな理由の一つは、医師がこのAIマシンと連携することになってたのに、AIマシンが医師の手書きメモを理解できん、略語も理解できんかったことや。でもこれらは現実世界の普通のことやろ？

「この人の仕事の30%は事務作業やから30%を自動化できる、やから部署の3分の1をクビにできる」って簡単に言うけど、実際はそんな風に機能せんやろ？そんな風に機能するとは思えんのやけど。

タスク統合の複雑さと教育システムの問題

機能せんで。まず、すべてのタスクを統合せなあかん。それが難しい部分や。個別のタスクをたくさんできるからって、どうやって統合するんや？

2番目に、最初に言うたことに戻るけど、このJeopardy!の件、情報の再生について話や。多くの人、少なくともAI関係者は、仕事は情報の再生やと思ってる。やからこれを強調してる。「うちのAIは医師や弁護士、会計士の試験に合格できて、人間より良い成績を取れる」ってな。

でも人間が仕事でやってることは情報の再生やない。問題解決や。医師は患者に何が悪いのか、何も悪くないのかを判断して、解決策を提案せなあかん。それは情報の再生とは違う。

これらの試験が存在することは、AIの理解には役立たん。教育がいかに悪いかを理解するのには役立つ。教育の多くが情報の再生に関するものやから、人々は問題解決をせなあかんのにな。

多くの場合、人々はこれらの試験でうまくいかん。再生が得意やないけど、問題解決は得意やねん。問題を見て、それが何かを理解しようとするのが得意なんや。それ自体がスキルやねん。学校にはそれが本当に存在せんけど。

現実世界での物理学の適用

物理学の学位を取った時を覚えてるわ。半導体会社で働き始めたけど、物理学の授業を全然使わんかった。物理学の授業では「この問題で、これを仮定して、これを仮定して、これを仮定して問題を解け」って感じやった。

もちろん、すべての仮定が現実の問題解決の大きな部分やった。多くの仮定はできんかったし、問題が難しくなりすぎるから授業では省かれてた。でもそれが現実でやることやった。だからめっちゃがっかりした。数学が得意やったからな。

もしAIが物理学生として卒業する時にあったら、数学が分かって微分方程式やベクトル解析、その他いろんなものが好きやったから、AIに進んでたやろな。それが大好きやった。でも仕事に就いたら数学がなかった。誰も数学を使ってなかった。めっちゃがっかりしたわ。

学んでることと仕事でやることの違いには注意せなあかん。AI関係者はそれを理解してへん。努力してない人が多い。でもそういう人もおるで。強調したいのは、誰が大きな勝者になるかはまだ決まってへんってことや。

真の問題解決者の機会

AIで実際に問題を解決してる人らがおる。それでより多くのビジネスを得るやろう。小さなビジネスを作って、成長させて、金を稼ぐやろう。アルトマンが得たような10億ドルの評価額や300億ドルの資金調達は得られんかもしれんけど、問題を解決して、ビジネスを得て、ビジネスが成長して、うまくいくやろう。

最終的にはサム・アルトマンより良くなるかもしれん。これは決まってへんからな。今これらの会社が彼にたくさん金を出してるからって、1年後に損失を続けてる時も金を出し続けるとは限らん。

だから、真面目なAI関係者なら、続けてくれ。問題を解決すれば、人々があんたのところに来るやろう。

ヘルスケア分野への参入の困難さ

2011年のIBM Watsonヘルスケアボットに戻るけど、これは今日のかなりええ例やと思う。まず、なんでヘルスケアを狙ったんや？ヘルスケアは2022年にアメリカだけで4.5兆ドルの分野で、GDPの17%や。

でも失敗した他の理由として、患者のプライバシーに関するHIPPAみたいな規制があった。こんなセンシティブなデータをネットワークや異なる州間で共有しようとすると、どれだけの規制や法律に反することになるか。

2番目はビジネスモデルやった。記事で触れてたけど、このAI医師がテストで普通の医師より良い成績を取ったけど、医師は他の医師に相談することも、インターネットを参照することもできんかった。現実世界では普通にやることやのに。つまり、テストは最初からおかしかったんや。

これは興味深いケースや。数か月前にマイクロソフトのモデルがリリースされた時、人々は大騒ぎしたけど、今は誰も話さん。テストが無意味やったからや。

このマイクロソフトのモデルをオンラインで入手可能な古いケースでテストしたって分かった。やから間違いなくトレーニングデータセットに含まれてたし、君が言うように医師が他の医師に相談することも許可されてなかった。もちろん人々は話すべきやし、話すべきや。

適切な市場選択の重要性

ヘルスケア全般について、これは多くの企業、多くの資金豊富なスタートアップが犯す間違いや。大きな市場を狙うんやけど、それは最初にやるべきことやない。最初のアプリケーションでは、やりやすくて、解決しやすくて、金になるものを見つけるべきや。簡単なものを見つけて解決して、それから次のものに進むんや。

ヘルスケアは常に難しすぎた。それは間違いやったけど、よくある間違いや。VCと創設者と伝道師らは皆「最大の市場を狙え」って言う。でも簡単やない。歴史上の偉大な起業家がどれだけ少ないかを見てみ。

俺はトーマス・エジソンを頂点に置いてる。彼が成功したビジネスの数を見ると、めちゃくちゃ多い。でも彼は小さく始めた。電気照明から始めたと思う。人々は「電気が製造業の生産性に影響を与えるまで30年かかった」って言いたがるけど、それより前に照明からの生産性への影響があった。

油灯よりもずっと良い電気の照明、火事の危険があって家を黒くして、あまり明るくない油灯よりもな。読書について考えてみ。親として、いつも子どもに「もっといい光で読め。目を悪くするで」って言うやろ？この照明は重要なアプリケーションやった。

AI関係者はそういうものを見つける必要がある。

デッドインターネット理論とシッティフィケーション

デッドインターネット理論って聞いたことあるか？多分あるかも。エンシッティフィケーション（シッティフィケーション）について書いてるのを見たことあるけど、それとは違う。

基本的にデッドインターネット理論は、ボットが人間よりも多くオンラインにいるポイントのことや。これは2017、2018年頃、ChatGPTよりもずっと前に起こったって推測されてる。

それがシッティフィケーションに繋がるんやけど、俺が最初にオンラインになった頃を考えると、元々のツールの多くは実際にオンライン体験をより効率的にするためのものやった。最初に言えるのはメールのスパムフィルターやろな。

今のツールは実際にはより長くオンラインに留まらせるためのものや。ボットがある理由は、ソーシャルメディアサイトに行かせるためや。新しいTikTokチャンネルを始めるとして、全てのビューとコメントの98%が偽物って推定されてる。理由は何や？突然たくさんのビューがあって、チャンネルを始めたばかりなのにコメントやいいねがたくさんある。コンテンツを作り続けるやろ？

AIツールの主な用途と未来への影響

逆効果があるかもしれんと思う。ChatGPTやClaude、他のAIツールを使う人の一番の用途は、基本的に広告用のコピー、メール書きなどのコンテンツ生成や。メール書くのがそんなに難しいんかね。脳をそんなことに使いたくないんやろか。

数年後にはインターネットがボットだらけで完全に偽物になって、人々があまり使わなくなるかもしれん。2017年にボットが乗っ取ったっていうポイントをもう過ぎてるんやったら。

シッティフィケーションとデッドインターネット理論についてどう思う？

どれだけの割合かは読んだことないけど、疑わん。特にソーシャルメディアみたいな状況では、アルゴリズムをゲームしようとして、金をたくさん持ってるテックブロたちがおる。VCはたくさん金を持ってる。

広告やサービスに金を使ってない訳がない。いろんなウェブサイトに記事を書いてもらったりしてる。ニュースメディアなら、十分金を払えばどんな記事でも喜んで書いてくれる。ソーシャルメディアでは質問もされん。

ボットによる操作と真の価値

めっちゃ楽観的な人らのいいね数を見てみ。名前は言わんけど、俺の本に載せてる。そういう人らがたくさんいて、めっちゃたくさんのいいねをもらってるのに、大したことは言ってない。何らかの理由で人々が無意識にいいねしてるって分かるで。

君が言うように、ボットがいいねしてて、ボット代を払ってるか、テック企業がボット代を払ってる可能性が高い。俺の投稿の多くも、最初はそんなにビューがない。アルゴリズムが作動してもっとビューをくれるまでの閾値を超えなあかん。

最初の1時間は1000ビューで50いいねみたいな感じや。十分やったら、普通は十分やないけど、もし十分やったらアルゴリズムが作動して、コメントしない人らがたくさん来る。気に入ってるか分からん。気に入ってもコメントせん人もおるし、ボット投稿やから困ることになる人もおるかもしれん。

でも多くの場合、ボットが何かにいいねするものを探してるだけかもしれん。これはインターネットを破壊するやろな。多くの人がビューやいいねみたいなアホな統計に注意を払いすぎて、それが世界で何が起こってるか、誰が価値を提供してるかを完璧に教えてくれると思ってるからや。

学術論文と評価指標の問題

学術論文も同じや。論文をたくさん書いて引用されて、「一番賢い人らや」って言われる。でもそこから技術は出てきてるか？前回のポッドキャストでも話したけど、出てきてへん。

論文をたくさん発表したからって一番賢いとは限らん。いいねをたくさんもらったからって一番賢いとは限らん。ChatGPTを使って記事やレポートを書いて良い成績を取ったからって賢いとは限らん。

指標がめっちゃゲームされて意味をなさん世界に入ってしもた。でも多くの人はもっと深く調べることを嫌がる。表面的に受け入れるだけや。Waymoに乗って動いた、だから実現する。ChatGPTを使って動いた、だから世界を変える。

世界がより複雑になってるのに、従来の指標の有用性が低くなってる。それでも人々はこれらの非常に表面的な指標や観察を受け入れたがってるようや。

世界各地での実際の反応

君は今シンガポールにいるけど、アメリカ出身で日本でも教えてたよな。世界中に友達がたくさんおるやろ。日常生活で人々と話す時、実際にはこの件について何を思ってるんや？

俺は病院で働く看護師や医師の友達がおるけど、多くはChatGPTを聞いたこともない。「AIに置き換えられる心配してるか？」って聞くと「もちろんせん」って答える。法執行機関で働く友達に聞いても「いや」って答える。

かなり成功してる制作会社で働く人と話した時も「AIを少し使うけど、そんなに使わん。雇用にもそんなに影響せん」って言うてた。実際の人々と話すと、誰もこれが自分に影響するとは思ってないようや。多くは使ってもいない。何かも知らん。君もこれを経験してるか？

まず、君は俺よりずっと多くの一般人と話してる。君は若いし、俺は年寄りや。車椅子に乗ってるし、階段があるから君ほど外出せん。

2番目に、俺の経験では、医師にたくさん聞いたけど、いつも人々に聞いてるんや。ほとんどの人は「使わん」って言う。シンガポールでも、かなり進んだ国やのに医師は何も変わらんと思ってる。

でも俺が主に見つけるのは、特に意見がないってことや。シンガポールは違う国や。人々は指導者をめっちゃ尊敬してる。アメリカとは違うな。指導者やその意見を尊敬してて、シンガポールの指導者がAIについて正しい決定をしてくれるって期待してる。自分が意見を持つべきやとは思ってない。

シンガポールの文化的特徴

俺が違うことを言うてる以外はな。政府は微妙な立場や。政府はあまり言わんけど、プロジェクトがあるから人々はAIにポジティブな見方をしてる。でも詳細な意見は持ってない。

シンガポール人から意見を得るのは本当に難しい。「うまくいかんと思う」って言うと反応するかもしれん。「いや、いや、いや、うまくいく」って言うけど、政府が微妙にポジティブでうまく機能してるから実現するって理由以外はない。

コメントで面白いのは「君らはアメリカにいるから技術的に進歩してないかもしれんけど、アジアや世界の他の地域では技術がある」って言う人がいることや。シンガポールはアメリカよりずっと進んでると思ってたし、君が何年も住んでた日本も進んでると思ってた。

車椅子やから、ロボットが移動を手伝ってくれたり、いろんな支援をしてくれるロボットがあるかもしれん。進んだ技術があるから車椅子の方がええかもしれん。俺は間違ってるか？

中国の自動運転技術の可能性

中国製でうまく動く電動車椅子は持ってる。多くの人は中国がアメリカよりAIをうまくやるって認識を持ってる。そうかもしれんけど、詳細を得るのが難しい。

最近、自動運転車をどうやってるかについて読んだけど、印象的やったのは、車の運転方法について厳しい規制があって、人々の運転をチェックするカメラがたくさんあることや。車を運転する時、ちゃんと曲がって、ウィンカーを使って、狭い半径で曲がる。すぐに追い越し車線に出たりせん。人々の運転方法を知ってるやろ？

すぐに印象に残ったのは、自動運転車をやる時、正しく運転する人らでトレーニングしてるってことや。アメリカでは多くの人が正しく運転せん。赤信号を無視したりする。普通のドライバーでAIシステムをトレーニングすると、間違ったことを学習するんや。

だから中国はアメリカよりもずっとうまくやるかもしれん。詳細を得るのに苦労してるし、中国で働く友達に聞いても「どうやってもっと情報を得られるか？」って感じや。多くは中国語で書かれてるやろうし、アメリカの報道にはならん。

同時に、中国政府が情報をコントロールしてるって知ってるから、出てくる情報の多くは過度に楽観的かもしれん。分からん。でも中国では農民の停車をせん（カリフォルニア・ストップをせん）って車のケースは本当に印象的やった。彼らの自動運転車は適切に運転する人らでトレーニングされてる。

教育システムの根本的問題

ポッドキャストの最初の方でZ世代が大学卒業後に仕事を見つけられん話に戻るけど、その記事で面白い引用があった。「雇用主は大学卒業生を、権利意識や弱い労働倫理などの悪い習慣を身につけた証拠として否定的に見てるかもしれん。批判的思考やコミュニケーションスキルを必要とする仕事の準備ができてない」ってな。

ChatGPTについてもたくさん話したな。大学に行って、ChatGPTを使って宿題を全部やるんやったら、実際にどれだけ学習してるんや？学生がこれを自慢してることも言うてたし、教授もChatGPTを使って宿題を採点してる。実際にどれだけ学習が行われてるんや？

数人のマネージャーの友達と話したら、Z世代と働くことについて「ああ、怠け者で権利意識が強くて、指示に従わん。ソーシャルメディアで育って、努力せんでも金をたくさん稼ぐべきやと思ってる」って言うてた。「変なことで怒って、人事部に行かれんように忍者みたいに戦わなあかん」って感じや。

全く新しい教育システムを作らなあかんかもしれんな。

教育システムの長年の衰退

作らなあかんな。君の言う通り、教育システムはひどいけど、何年も衰退してる。1995年、2000年に詳細に書かれた本がある。1995年、2000年頃の本で、基本的に文脈のない教育を人々に与えてるって言うてた。

120年前に農場で育った子どもには文脈があった。農場の仕事を見れることができた。両親のやってることを見れた。大変な仕事やった。知的な仕事もたくさんあった。どの種を買うか、何を植えるか、いくら払うか、どの機器を導入するか、機器をどう修理するかを決める。

母親でさえ、ゼロから料理してた。だから母親は化学とかについてたくさん知ってた。子どもが学校に行く時には既にたくさん知ってた。読み書き算数を上に加えるだけやった。

それ以来、たくさんの変化があった。俺が育った時、父親は航空宇宙産業でめっちゃ成功した役員やったけど、家で物を修理するのが好きやった。それが育った環境やったからな。だから俺も少しやった。でも父親ほど上手やなかった。

今はもちろん誰もそんなことせん。誰もゼロから料理せん。少なくとも非常に少ない。物を修理せん。だから文脈がない。ただこの事を学んでる。学んでへんし、再生してるだけや。これらの事を再生してるだけで、めちゃくちゃや。うまくいってるって認識はあるけど、その中にいる人らは、もちろんめっちゃプレッシャーの下にあるから、それを直す時間がない。

どうなるか分からんけど、内部から直さなあかん。何らかの形で学校が解決策を見つけてくれることを願ってる。これは私立で提供される学校の利点の一つで、どの学校に行くかを選択できるってことや。何らかの形でより良い学校が出現することを願ってる。

でも分からん。右も左もイデオロギーを重視して、問題解決を十分に重視してないのを見てるからな。問題を解決させるんや。右と左のイデオロギーは忘れて、問題を解決して理解することを考えさせろ。でも楽観的やない。共著者のゲイリー・スミスは俺より教えてる期間が長いから、さらに楽観的やない。俺よりも問題をよく見えてるからな。

大学教育の構造改革の必要性

オハイオ大学の84歳の教授、リチャード・ベターー博士とポッドキャストをやったんが面白かった。実際にミルトン・フリードマンの友達やった。どれだけ長くやってるかが分かるやろ。彼は「大学を失敗させよ」って本を書いた。

君が言うてたように、学生入学者数が15%減少してて、2025年以降、毎年高校卒業クラスが小さくなる。だからたぶん大学に行く高校生がどんどん少なくなるやろう。

記事で言うてたように、大学管理者は定着率と卒業率に焦点を当ててる。つまり学生を幸せに保って、コースを簡単に合格させるってことや。学生が少なくなったからそうせなあかんのや。でも縮小し続けて大学が少なくなったら、今度は大学が学生を奪い合わなあかん。

より良い価格で競争するかもしれん。実際に就職できるコースがある。6年やなくて3年で卒業できる学士号がある。めちゃくちゃやろ？ヨーロッパの大部分では3年で学士号を取るのに、なんでアメリカでは平均5年以上もかかって、その分も払わなあかんのや？

この人口減少と競争で教育の見直しが起こるかもしれん。学校が望むからやなくて、せざるを得んからな。でも君は違う見方をしてるかもしれん。

いや、同じように見てる。でも追加の複雑さは、大学が変わりたいと決めても、上の人らが変わりたいと決めても、下の人らは多分変わらんってことや。

大学では下の人らが全ての権力を持ってることを理解せなあかん。テニュアがある。クビにできん。下の人らが上を決める。下の人らは何で測られるか？発表した論文の数や。今日も前回のポッドキャストでも話したけど、それが彼らの測定基準や。

実際にはその分野を知らん。これが彼らの知ってることで、これが教えるように求められることや。知らんことを教えるんや。多くの場合、知らんことに気づいてもいない。「この論文を発表した。これについて話せる。これを知ってる」って言うだけで、実際には何も分かってない。

ビジネススクールとAI研究の問題

ビジネススクールとAIや起業家精神についてのハイプで見てるやろ？役に立たん。もし君のポッドキャストに有名な教授、AIについて楽観的なビジネス教授を呼んだら、彼らのAI評価がどの学術論文に基づいてるかを聞いてみ。論文なんてないんや。

これが俺のキャリア全体で書いてきたことや。常に人々が「いや、いや、いや。これは重要やない。これは重要やない。この指数的改善は全部重要やない」って言われ続けた。それについて何本かの論文を書いたけど、一つではiPhoneについて話した。

アプリを携帯に保存したり、歌を保存したりするのに必要なメモリなどについて詳細に説明した。査読者は「いや、これはそれと何の関係もない。Appleがアプリストアを提供した。それが成功の原因や」って言うた。

これが彼らが教室で言ってることや。「この会社にはアプリがある、だから勝つ」とか「成功する」って言う。根拠がないんや。

これらの教授に聞いてみ。「技術の歴史を全部読んで、成功したものはこれとこれとこれとこれやった」って根拠に基づいてない。そういう歴史を読まんからや。論文発表の役に立たんから読まんのや。

特許数と発表論文数の関係を分析するような定量的研究をやる。だから実際には何も知らん。エンジニアリングスクールでも、発表のためにめちゃくちゃ狭い分野に焦点を当てなあかん教授がおる。広い知識を持って、エンジニアが産業界で何をやってるか、どう問題を解決するかを知ることで発表はできん。

いや、狭い雑誌の狭い論文を発表することでテニュアを取って成功するんや。1970年にはネイチャー誌が一つやった。今は500誌かそれくらいある。数字は覚えてへんけど、要点は論文と雑誌の爆発的増加があったってことで、それが教授らの現状や。

だから実際により良く教えるように求めても、できんのや。退職した人、働いてる人にクラスを教えてもらうべきや。全部やなくて一部でも、現実世界について教授より知ってることが多いからな。

各国の大学システムの比較

少し話題が逸れるけど、君は日本、シンガポール、アメリカで大学で教えた経験があるから、大学システムの違いについて聞きたい。実際の機関、大学の実際のレベル、それから学生について。そこの学生もChatGPTを使ってカンニングしてるか、それとも実際に学習を気にかけてるか？

アメリカではスポーツプログラムや流れるプールなんかがある大学があるけど、世界の他の地域にはそんなにないやろ？

シンガポールでもChatGPTは使われてる。どれだけ使われてるかの統計はないけど、息子が多くの学生が使ってるって言う。息子は12歳や。使ってないって言うし、使ってないことを願ってるけどな。

シンガポールとアメリカの大学は似てる。どちらも論文発表を重視してて、ランキングがどれだけ高いかを自慢したがる。もちろん、そんなん役に立たんと思う。

大臣の注意を引いて「このランキングは重要やない。これらの大学がシンガポール国民のために何をしたか？シンガポール国民のために何の科学技術を開発したか？」って言いたいわ。アメリカやヨーロッパでも同じ質問をするべきや。そんなにないからな。間違った質問をしてるけど、同じ指標を使ってるからや。

日本は違う。長い間行ってないけど、日本は自分たちの雑誌に論文を発表するだけで、教授を分析、測定する客観的な基準がない。でも日本人はノーベル賞を取る。シンガポールからは一人もない。日本からは何人か取ってる。

日本の大学システムの特徴

内発的動機を持つ優秀な教授がいる分野があると思う。日本では給料が高くないから、内発的動機が必要で、そういう人がいる。だから日本の大学は変化しやすいと思う。

大学が企業ともっと密接に働くようになっても、抵抗を感じん。「雑誌に発表する論文数で測られてるのに、どうやってそれをやるんや？」って言わんやろう。「まあ、これらの企業と働こう。誇りから、何人かはうまくやるやろう」って感じや。

アメリカでは矛盾した成果測定がある。話したことを全部やってほしいけど、同時に論文を発表し続けてほしい。でもそんな風には機能せん。個別の教授への測定基準が、社会レベルでの期待と一致してなあかん。一致してないんや。

教育の本質的価値についての洞察

俺に言うた教授がいて「インターンシップで4年間の大学生活よりも多くを学ぶ」って言うた。「それやったらなんで大学に行くんや？インターンシップを受ければええやん」って思った。

その通りや。そのコメントは大学について他の何よりも多くを教えてくれた。彼または彼女は大学システムに問題があることを知ってたし、でも変える力がなかったんや。

最終的なアドバイスと今後の展望

元大学教授で日本とシンガポールで教えた退職技術エコノミスト、イノベーション、スタートアップバブル、新興技術の経済効果を専門とするジェフリー・ファンク博士や。ファンク博士は最近の著書「ユニコーン、ハイプ、バブル：テックバブルの発見、回避、活用ガイド」の著者でもある。

ファンク博士、今日はありがとうございました。最後に2つ質問があります。一つ目は、著書「ユニコーン、ハイプ、バブル」をどこで買えるか、LinkedInで記事を見つける方法など、そのいい情報はどこで手に入るか？2番目は、このポッドキャストに関連した最終的な考え、もしくは何でも心に浮かんだことを聞かせてください。

本はAmazonで手に入る。Harriman Houseから英語書店でも手に入る。アメリカ、シンガポール、イギリス、多分他の国の英語書店でも手に入る。LinkedInでJeffrey Lee Funkで俺をフォローできる。それが俺のメールアドレスでもある。jeffreyleefunk@gmail.com。技術関連のことをほぼ毎日投稿してるから、LinkedInでフォローできる。

最終的な考えは、悲観論者に見えるかもしれんけど、それで止まらんでくれってことや。問題を解決する方法を見つけて、問題を解決すれば成功する。多くの人が問題を解決してない。多くの人が問題について話してるだけや。

俺も自分のキャリアを振り返ると、もっと問題を解決すべきやったと思う。教授として問題について話してるだけやった。問題を解決しろ。技術の学位がなくても問題を解決できる。サービス業でもワークフローとかについて考える人が必要やから、解決すべき問題はたくさんある。

問題の解決方法について考えれば、解決できるようになる。キャリアで頑張ってくれ。

親愛なる友達たち、L Podcastの今回のエピソードは以上です。まだ購読してない方は、YouTubeとRumbleで購読してください。SpotifyやApple Podcasts、その他のポッドキャストプラットフォームでも聞けます。心の底から見て聞いてくれてありがとうございます。次回のエピソードでお会いしましょう。