現在の人工知能ブームにおけるビジネスモデルとインフラの限界を指摘し、今後の技術的な方向性を論じた内容である。Chat GPTやClaudeに代表される巨大な大規模言語モデルは、膨大なトレーニング費用とデータセンターの維持費により深刻なコスト構造の課題に直面している。さらに、半導体サプライチェーンの物理的な制約や、ユーザー増加がそのままコスト増に直結するソフトウェアとしての異質性が、従来のシリコンバレー的な急成長戦略を阻んでいる。企業における投資対効果の低さや現場の混乱を経て、今後は消費者の手元で安全かつ効率的に動作する小型のローカルモデルやエージェントAIこそが真の未来になると展望している。
現在のAIバブルに対する違和感
世の中の誰も彼もが絶えずAIについて語っている状況にうんざりしているなら、まさにこのお話は皆さんのためのものです。きっと多くの人が同じように感じているはずです。私は、いま私たちが目の当たりにしているものはAIの未来ではないと考えています。数々の大きな変化が訪れようとしており、それらは語るに値するものです。なぜなら、現在の状況を見る限り、Chat GPTやClaudeはAIの未来ではないと思うからです。GeminiやXAI、あるいはそれらが何と呼ばれていようとも、それらもまた未来ではありません。
法的な理由からお断りしておきますが、この内容に財務アドバイスは一切含まれません。また、スポンサー付きの動画でもなければ、何らかの商品やコースを売りつけようとしているわけでもありません。私はよくいるAI自動化ビジネスの信奉者でもありません。コンピューターサイエンスの学位を持ち、AIが私たちの生活に突入してくる何年も前からソフトウェア開発者として働いてきました。それにしても、このお話の最初の数秒間で既にAIという言葉を6回も口にしてしまった事実は、控えめに言っても恐ろしいことです。まるで、AI企業へと転換を図ろうとしているトイレのラバーカップ製造会社の、ありふれた社内会議のようになってしまって申し訳ありません。しかし、現在のすべてのAI企業には根本的な問題があると私は考えています。
ご存じの方も多いと思いますが、今日において私たちがAIについて語るとき、その大半は機械学習を指しています。ただ、AIと呼んだ方が株価が3倍になるので都合が良いのです。あまり知られていませんが、AIの研究自体は1950年代から存在していました。しかし多くの人々にとって、それが現実味を帯びたのは、Chat GPTが世界を席巻した大規模言語モデルの登場からでした。GPTのTはトランスフォーマーを意味しています。トランスフォーマーの発明こそが、機械学習アルゴリズムを、訓練された特定の専門的なタスクしかできないものから、より汎用的なものへと進化させるための欠けていたパズルの一片でした。突然、普通の英語でコンピューターと会話ができるようになり、コンピューターはこちらが投げかけたほぼすべての事柄に適応できるようになったのです。しかし、同時にそれが問題も生み出しました。これが次のプラットフォームになるかもしれないと誰もが気づいた瞬間、すべての主要なテック企業の間で軍拡競争が始まりました。
大規模言語モデルの仕組みとコスト爆発
トランスフォーマーをベースにした大規模言語モデルに、本当に何らかの知能が関わっているのかどうかは、ある意味で哲学的な問いです。根本的にこれらがやっていることは、文脈を確認し、その次に吐き出すのが最も不自然ではないトークン、つまりテキストの塊がどれであるかを予測しているだけです。人類はただ、面白い言葉を紡ぎ出す機械を発明したに過ぎません。初期の大規模言語モデルは本当に愚かでした。せいぜい一文を出力させるのが限界だったのです。興味深いことに、OpenAIが2019年にGPT2を開発した際、彼らはこれを公開するのは危険すぎると判断しました。フェイクニュースや迷惑メール、誤情報の拡散に使われることを懸念したためです。ところが数年経った現在、メールアドレスさえあれば文字通りどんな人間でも、当時より遥かに能力の高いモデルにアクセスできるようになっています。お金の可能性というものが、いかに私たちの物事の見方を変えてしまうかを示す、おかしな話です。
そして軍拡競争が始まるやいなや、誰もが何十億ドルもの大金を投じるようになりました。しかし、それがすべての活動において根本的な問題を引き起こすことになります。その面白い言葉の機械をより賢くしようとしたとき、彼らが行ったのは、その面白い言葉の機械により多くの言葉を与えることだけでした。人類がこれまでに公開してきたほぼすべての著作物から、フィルターで排除すべきヘイトスピーチなどのくだらないゴミを取り除いた上で、これらのモデルを学習させたのです。これは一面では非常に素晴らしいことです。人類の知識の大部分を詰め込んだ機械を作り上げ、そこに何でも質問できるようになったのですから。しかしその反面、これらのモデルはますます巨大化し、はるかに高コストになっていくことを意味していました。
GPT3は1750億パラメータのモデルであり、それだけでもそれ以前のあらゆるものより桁違いに巨大でしたが、最先端の基準はすぐに爆発的に跳ね上がりました。新しいモデルが登場するたびに、より多くのデータと電力を投入し、モデルをさらに巨大化させていったのです。他社を圧倒する最高で最も賢いモデルを作ろうとする企業間の軍拡競争は、一方では信じられないほどの進歩をもたらしました。２週間ごとにどこかの会社が、今度はうちが最高のモデルを作ったと叫んでいるかのような状況です。わずか２年前のモデルと比較しても、新しいモデルは良い意味で全く見違えるものになっています。しかしその一方で、これは巨大な根本的問題を引き起こしており、彼らはそれを、私がシリコンバレーの少年の数学と呼びたいような、どんぶり勘定で解決しようとしています。
これらのAI企業には２つの過酷なコスト要因が存在します。モデルのトレーニングとインファレンス、すなわち推論です。つまり、一度モデルをトレーニングした後は、それをデータセンターに配置し、人々に利用料金を請求することになります。このレースの初期、研究者たちはモデルを賢くするために、ますます多くの言葉を投入し始めました。実のところ、著作権という概念を大把かつ自由に扱っているうちは、それは極めて簡単で安上がりなことでした。しかし、すべてのAI企業が公開されているインターネットから採掘できるデータを使い果たしてしまう地点へと、すぐに到達してしまいました。その時点から、ソフトウェア開発や数学、多言語対応、フィルタリング、重複排除といった目的のために、モデルのトレーニング用となる高品質なデータをさらに集めることは、以前よりもはるかに困難になり、著しく高コストになりました。
それだけでなく、モデルの挙動を最適化するための微調整も大きな比重を占めています。現実として、トレーニングには数ヶ月を要します。競合他社がまだ持っていない高品質なデータを手に入れることはますます難しくなっており、そのためにはさらに多くのデータセンターとインフラが必要になります。そして最悪なことに、あるモデルが最先端でいられるのは、競合他社に完全に追い抜かれるまでのせいぜい数ヶ月間に過ぎません。これらの企業がモデルのトレーニングにどれほどの金額を費やしているのかを正確に把握することは困難ですが、追随を果たすための新しいモデルのトレーニング費用が前回のものを大幅に上回る中で、おそらく数億ドル、下手をすれば数十億ドル規模に達しているはずです。
インフラとサプライチェーンが抱える巨大な壁
これほど多くの労力と大金を費やした後でも、まだお金を回収する機会すら得られていません。このモデルを店の棚に並べてすぐに売ることができるわけではないのです。収入を得る唯一の方法は、作り上げた超スマートなモデルの使用料を人々に支払ってもらうことです。これらのモデルを巨大なデータセンターに設置し、構築したモデルが非常に優れていることで、ユーザーを惹きつけて利用料を支払ってもらえるよう願うしかありません。基本的には、エンドユーザーに対して自社のモデルとインフラを貸し出している状態です。
一部の企業が考え出したもう一つの選択肢は、無料プランに広告を掲載することです。例えばPerplexityは、月に2億3000万回以上のクエリに答えていると広告主に伝えていました。そしてCNBCの報道によると、50ドルを超えるCPM、つまりインプレッション1000回あたり50ドル、すなわち1回あたり5セントという価格を提示していたとのことです。これは通常のディスプレイ広告を大きく上回る金額です。参考までに、私の前回のYouTube動画では、広告主が64.9ユーロのCPMを支払い、そのうち私の手元に残ったのはおよそ60%でした。YouTubeもまた、比較的インフラコストの高いプラットフォームです。Perplexityの正確なコストは不明ですが、この事例から分かるのは、広告が助けにはなるかもしれないものの、AI検索が出す全ての回答には現実のコストが伴うため、広告主に対して従来より何倍もの金額を支払ってもらう必要があるということです。これはウェブページ上で単に別の画像を表示するのとはわけが違います。
当然のことながら、価格競争が非常に激しいため、どのみち収益性など吹き飛んでしまいます。トレーニングに費やした法外な金額の回収はおろか、データセンターでモデルをそのまま稼働させるだけで、多くの企業にとって人々が支払っている金額以上のコストがかかっているのが現状です。その理由の第一は、インフラの構築が途方もなく難しい課題であり、あらゆる経済的な状況が不利に働いているためです。これについてはすぐに説明します。そして第二の理由は、AIを手がけるすべての企業が、自社のインフラの使用料を支払わせるという全く同じビジネスモデルを採用しており、互いに価格を切り下げようとしているためです。これほど競争が激しいと、一社が価格を下げればすぐに他社への圧力となり、誰もが狂ったような赤字を出して運営している中で、同じように赤字を出さなければ競争についていく方法がなくなってしまいます。しかし現在、彼らは世の中のすべての投資資金を吸い上げています。ですので、その点については少し無視することにしましょう。なぜなら、さらに大きな問題が存在するからです。
LLMが普及し始めた当初、インフラは多くの企業にとって解決しやすい問題でした。MicrosoftやGoogle、Metaなどは、自社にはすでにインフラがあるからそこに配置すればいいだけだと考えていたからです。しかし、先ほど議論したように、これらの企業はモデルをトレーニングして稼働させるために、ますます多くの電力を必要としています。その最も顕著で、ある種ディストピア的な例として、Metaは現在、テントの中にデータセンターを建設し始めています。ですが、現在のAIレースにおける本当の問題はそれよりも遥かに深刻です。モデルをより良くすることがインフラの問題へと変わる転換点を、私たちはすでに超えてしまいました。
私たちはより多くのサーバーを購入し、より多くのGPUを購入する必要があります。ところが、それらを供給できる会社は実質的に一社しかありません。Nvidiaです。そのため、誰もがNvidiaに駆け寄り、手持ちの資金をすべて投げ打った結果、Nvidiaの株価は跳ね上がりました。業界全体がNvidiaに依存しているという状況は、複数の理由から好ましくありません。しかし、それさえも本当の問題ではありません。なぜなら、資金が潤沢であればそれらはすべて可能であり、これらすべてのAI企業には間違いなくそれだけのお金があるからです。しかし、この状況全体は単なるインフラの問題から、瞬く間にサプライチェーンの問題へとさらに傾いていきました。なぜなら、Nvidiaは自社でGPUを製造していないからです。半導体企業のTSMCが製造を行っています。つまり、AIブームはNvidiaに依存していますが、NvidiaはTSMCに依存しているのです。TSMCはASMLやその他の一握りの装置サプライヤーに依存しています。そして、その構造全体がSK Hynix、Samsung、MicronからのHBMメモリに依存しているのです。
これはこれらすべてのAI企業にとって極めて大きな問題です。半導体業界が真のボトルネックとなっている理由は非常に単純で、コンピューターチップを製造することが猛烈に難しいためです。そして、それを実行できる企業はほんの一握りしか存在しません。さらに、これらの企業に依存しているのはAIだけではありません。最先端の電子機器を製造している地球上のあらゆる企業が彼らに依存しています。大半のコンピューターやノートパソコンのプロセッサ、ほぼ全てのスマートフォンプロセッサは、すべて同じ一握りの企業から供給されています。
これを見守るのは本当に興味深いことです。というのも、私は現在台湾に滞在しており、文字通りこれらの企業すべてから歩いていける距離にいるからです。今の私の場所から、TSMCの工場はおよそ２キロメートルしか離れていません。世界最大の電子機器産業のすべてが、ひとつの小さな島が砂を0と1を反転させられる何かに変える方法を見つけ出したという事実に依存しているのです。AIブームはGPU、RAM、 electoralデータセンターに関連するあらゆるものの世界的な不足を引き起こしました。今やそれは他のAI企業だけでなく、電子機器産業全体に影響を及ぼしています。TSMCは、これ以上は文字通り製造できないと発言しています。なぜなら、これは古い工場の隣に別の工場をポツンと建てれば解決するような問題ではないからです。新しい工場を立ち上げて稼働させるには、何百億ドルもの資金と何年もの歳月がかかります。コンピューターチップの製造は、これまでに存在した中で最も困難なエンジニアリングの課題かもしれません。真面目な話、コンピューターチップがどのように作られているかという大まかな詳細を一度でも調べたことがあれば、人類がそれを大規模に成功させてきたという事実自体が完全に狂気じみていると分かるはずです。それは人間が物理学に打ち勝つことに最も近づいた瞬間です。世界全体が、物理学をここまでねじ曲げることに成功した一握りの企業の上に乗っかっているのです。
従来のソフトウェアビジネスモデルとの決定的な違い
現在のAI業界全体が猛烈なスピードで突き進んでいる巨大な問題は、いまの運営方法のままでは規模を拡大できないという点にあります。モデルのサイズはもはや綺麗にはスケールしません。高品質な公開データも、かつてのような形ではスケールしません。トレーニングコスト全体で見ても、長期的なスケールは不可能です。Epoch AIの推計によると、主要な機械学習システムをトレーニングするための金銭的コストは歴史的に極めて急速に成長しており、2009年から2022年の間には大まかに年３倍のペースで増加していました。 And インフラも、あらゆるものがますます電力を消費するようになり、すべてが同じ少数の企業に依存している状況ではスケールしません。単にチップやメモリを製造することが信じられないほど難しく、何年ものリードタイムがなければ規模を拡大できないからです。
しかし、私が完全に困惑させられるのは、シリコンバレーがこの問題を、過去２年間にわたりソフトウェアを扱ってきたのと同じ方法で扱っている点です。赤字で運営し、競合他社の価格を切り下げて市場から排除し、独占状態を築き上げた後に価格を引き上げるという手法です。私たちはAmazon、Uber、Netflix、フードデリバリーなどで、何度もその光景を目にしてきました。それこそがシリコンバレーのやり方です。しかし、今回はその方法が通用しません。何よりもまず、AI分野にいるすべての企業が全く同じ戦略をとろうとしており、誰もが互角の戦いを繰り広げているからです。
そして最も重要なのは、ソフトウェアとAIではスケールの仕組みが完全に異なるという点です。ソフトウェアを作るには最初に大きな先行投資が必要ですが、一度構築してしまえば、ユーザーが400万人であろうと800万人であろうと、それほど大きな問題にはなりません。ちなみに、私たちはソフトウェアをスマートに構築してスケールさせるのが本当に得意になっており、通常はユーザー数が２倍になれば、極めて高い利益率を維持したまま、手に入る金額も２倍になります。ソフトウェアの販売は、一度構築するための先行投資をすでに済ませているため、そのほとんどが利益になります。
モデルやインフラを貸し出すというAIのビジネスモデルは、そのような形ではスケールしません。少し単純化して言うと、ユーザー数が２倍になればコストも２倍になります。なぜなら、誰かがモデルに対して、このシャツを乾燥機に入れても大丈夫ですか、といった質問をするたびに、そこに直接的なコストが発生するからです。もし赤字を出している状態であれば、ユーザー数が２倍になることは、赤字の額が２倍になることを意味します。現在はそれで良くても、永遠に許されるわけではありません。ソフトウェアを急激に拡大させるというシリコンバレーの実証済みの手法は、根本的に異なる性質を持つ問題には通用しないのです。
企業の活用実績と狂った資金調達の現実
また、シリコンバレーは常に需要が無限に存在する前提で動いているように見えます。しかし遅かれ早かれ、彼らは多くの人が語りたがらないもう一つの現実に直面せざるを得なくなります。多くの企業がAIの実験を行っているものの、それを効果的に活用する方法を解明できた企業はほとんど存在しません。2025年のMITの調査によると、ジェネレーティブAIに対して企業から300億から400億ドルの投資が行われているにもかかわらず、調査対象となった組織の95%が利益を全く得られていないことが示されました。また、Chat GPTやCopilotが個人の生産性を向上させることはできる一方で、高額な企業向けのAIシステムは、測定可能な損益上のインパクトを生み出すことに失敗しているケースが多いことも分かっています。
それにもかかわらず、私が述べてきたすべての状況をよそに、AI企業はコストが急速に増加しているために法外な投資を求めています。確かにこれらの企業もより多くのお金を稼いでいますが、近い将来に黒字化を達成するために必要なスピードには到底及んでいません。OpenAI自身の財務予測では、2029年頃までは黒字化しないとされていました。そして、その数字はさらに悪化しました。CNBCが昨年報じたところによると、OpenAIは2029年までの予測キャッシュ燃焼額を1150億ドルに引き上げており、これは以前に予想していた額よりも約800億ドルも多い金額です。コストの上昇に伴い、ゴールポストは動き続けています。
そしておそらく、これらすべての中で最大の課題は、この法外な資金を必要としているのが一社だけではないという点です。すべての企業がそうであり、誰もが現金を求めて奔走しています。SpaceXのIPOですが、彼らも今やAI企業ということなのでしょう。録音している今日がそのタイミングのようです。AnthropicとOpenAIも今年後半にIPOを行うことを望んでいます。Googleは株式を売却して800億ドルを調達したいと考えています。それだけで、世界最大のIPO上位３つを合算した金額よりもすでに大きくなっています。これらの企業の誰もが、同じ年に歴史的な規模の金額を目指しているのです。そして、たとえこれらの企業が市場にあるすべての投資資金を吸い上げたとしても、先ほどお話ししたスケールの問題のいくつかは、近い将来に克服できるものではありません。だからこそ、私は今日私たちが目にしているものは未来ではないと考えているのです。
開発現場の迷走と予算の崩壊
私の脳のオタク的なコンピューターサイエンスの部分は、AIがどれほど急速に進歩しているかについて畏敬の念を抱いていますが、同時に、私たちが目にしてきた狂乱的で混沌とした意思決定には極めて不快感を覚えるため、複雑な気持ちを抱いています。ここでAIの安全性について語るつもりはありません。それは全く別の話です。企業は従業員を解雇する一方で、トークン消費のスコアボードを掲げています。実際にMetaのような企業は、文字通りエンジニアの生産性指標としてAIの消費量を利用しており、誰が最もお金を燃やすことができるかというスコアボードを設置していました。
ある意味では、そのアイデアの意図は理解できます。なぜならLLMは過去２年間でソフトウェアを記述するのが信じられないほど上手になったからです。しかし、財務的な観点、そしてサイバーセキュリティの観点から、それがどれほど絶対的にひどいアイデアであるかを説明する必要はないと思います。なぜなら、そのペースで出力されるコードをレビューし、セキュリティ上の欠陥をチェックすることなど、誰にも絶対に不可能だからです。そして単に文化的な観点から見ても、計り知れない量のAIのゴミを生み出すことを進歩や生産性の形態として推奨するというのは、ただ間違っています。
しかし、状況はさらに愚かな方向へと進みました。最もスマートなモデルのコストが上昇し続けているためです。それから２ヶ月も経たないうちに、企業が今年のAI予算をすべて使い果たしてしまったという報告や、トークン消費のリーダーボードを取り下げる企業の動き、配置された人間のソフトウェアエンジニアの方が再びAIよりも安くなったという報告が突如として見られるようになりました。これらすべてが、文字通り数週間のスパンで起きているのです。
人生の大部分において、私的にも、専門的にも、そして学術的にもコンピューターについて学び、研究してきた人間として、何百万もの人々の生活を形作る立場にある人々に見られる意思決定の信じられないほどの近視眼的な姿勢には、全くもって失望させられます。先ほどお話しした計り知れないスケールの問題により、AIが賢くなるスピードには必然的に減速が見られるようになると私は信じています。それは良いことだと思いますが、最終的には誰もが恐れおののく事態を招き、株式市場が激しく暴落する可能性があります。財務アドバイスではありませんが、繰り返しておきま。それがいつ起こるかは分かりません。今年かもしれないし、５年後かもしれませんが、進路修正が行われるか、あるいはAI業界がこれらすべての制約を突如として乗り越えられるような魔法の新革新が現れない限り、誰もが同じスケールの壁に突き当たることになると私は考えています。そして、テック業界の全体で見られた首の無い鶏のダンスのような大騒ぎが、願わくばもっと冷静な状態へと落ち着いてくれることを期待しています。
効率化の罠とオープンウェイトモデルという選択肢
なぜなら、私はAIについて多くの否定的なことを述べてきましたが、大規模言語モデルおよびAI全体は、コンピューターサイエンスがこれまでに生み出してきた中で最も偉大な発明の一つであり、サイバーセキュリティの脅威、ロボット工学、がん研究など、人類が知る最も困難な課題のいくつかを解決するための信じられないほどの可能性を秘めていると心から信じているからです。リストを挙げればキリがありません。そして、私たちが壁に向かって猛烈なスピードで突き進み、衝突して炎上したせいで、人々がこのテクノロジーへの信頼を失ってしまうのを見るのは絶対に嫌なのです。
私の見解では、AIに対する人々の意見はすでに本当に傷ついているように感じられます。And 彼らを責めることはできません。なぜなら、彼らは医療研究や実際にうまく進んでいる事柄を目にしていないからです。彼らが目にしているのは、ソーシャルメディア上のあらゆるゴミや、ディストピア的なAIの広告、あるいは特に必要もないのにただ単に導入すること自体を目的にアプリへと詰め込まれるAI機能の数々です。悪化していくソフトウェアのユーザー体験、誤情報、実際に助けを得られる前に切り抜けなければならない愚かな自動応答のサポート窓口、雇用の不安定さ、そしてAIを製品を良くするためのツールとしてではなく、コストを削減するための近道としてしか見ていない企業。これらが人々の目に映る現実です。
人類が、基本的には全人類の知識を内包し、意思決定を行い、自律的に動作できる機械を作り上げたということは、私にとって信じられないことです。それなのに、人類はその機械を見てすぐに振り返り、これをどうやって物事を悪化させるために利用できるだろうか、と言ったのです。AIには非常に多くの優れた用途があると信じていますが、私はAI企業からのスポンサーシップは一切受け入れていません。彼らが明らかに大金を持っており、私がおそらく巨額の小切手を逃しているとしてもです。私は、自分の視聴者がすでにうんざりしている事柄について語ることで、彼らからの信頼を失いたくありません。そのうんざりする気持ちは完全に理解できます。日常的に不快な思いをさせられているだけなのに、人々がAIを嫌うことを責めるわけにはいきません。強力な文化的ムーブメントには、必ず対抗ムーブメントが伴うものです。
しかし、これはある種悲しいことです。なぜなら、私たちは今、AIがちょうど良くなり始めている地点にいると思うからです。もし全てが否定的で暗い話ばかりなら、私はこのお話をしていないでしょう。解決策はあると考えています。先ほどモデルがますます巨大化し、電力を消費するようになっているという話をしましたが、その際に言及しなかったことが一つあります。それは話の半分に過ぎないということです。なぜなら、実際にはモデルは本当に素晴らしいペースで、マルチトークン予測、量子化、モデルの一部のみが活性化される混合アンサンブルモデルといった、多数の極めて巧妙なトリックによって遥かに効率的になっているからです。業界は、知能を損なうことなくモデルをより高速かつ効率的にするための、信じられないほどスマートな方法を見つけ出しつつあります。
しかし、ジェヴォンズのパラドックスがあるため、先ほどスケールに関して述べたことは依然としてすべて真実です。ジェヴォンズのパラドックスとは、ある資源の利用効率を高める技術的進歩は、最終的にはその資源の消費量の減少ではなく、むしろ消費量の増加をもたらすというものです。したがって、最先端のAIモデルを作ろうとしているあらゆる企業の場合、トレーニングの効率を２倍に高めたとしても、彼らは単にそれを利用して４倍大きなモデルをトレーニングするだけかもしれません。だからこそ、これらのモデルがますます効率的になっているにもかかわらず、製造することは依然としてますます困難になっているのです。
とはいえ、その裏返しとなる側面は非常に興味深いものです。Googleの戦略を少し見てみたいと思います。彼らにはGeminiとGemmaという２つのクラスのモデルがあります。Geminiモデルはクローズドなモデルです。Chat GPTやClaudeと同様に、主に彼らのウェブサイトやアプリを通じて利用します。他のAI企業と同様に、彼らはユーザーにお金を支払ってもらい、自社のインフラ上で自社のモデルを借りてほしいと考えています。しかし、彼らはGemmaも作っています。これらはオープンウェイトモデルであり、今すぐ誰でも完全に無料でダウンロードして、自前のコンピューター上の好きなインフラ、あるいはGoogleの競合他社のインフラの上でさえ稼働させることができます。
なぜGoogleはそのようなことをするのでしょうか。顧客を失うことにならないのでしょうか。彼らは、利便性と最もスマートなモデルを求める人々がGeminiにお金を支払い、カスタムソリューションやプライバシーを必要とする企業がGemmaを利用し、そのためにGoogleのクラウドインフラを利用してくれることを期待しているのです。なぜなら結局のところ、自社のインフラを人々に利用してもらうことこそが、彼らににとって収益化の唯一の方法だからです。そのため、GeminiであれGemmaであれ、基本的には同じ結論に行き着きます。
ローカルAIとエージェントが切り開く真の未来
そして、これこそがトンネルの先にある光です。過去１年間にわたり、私たちがすでに所有している一般消費者向けのハードウェア上で実際に動作させることができる、より小さく、より効率的で、よりスマートなモデルがリリースされるのを目にしてきました。完全にオフラインで動作し、個人データがコンピューターの外部に出てどこかの大富豪の懐に転がり込むこともありません。私たちが現在目にしているのは、ローカルモデルが突如として遥かに高い能力を持つようになるという、極めて重要な転換点です。
もし皆さんが、私が動画編集のために持っているような、Mプロセッサを搭載した十分に強力なMacをお持ちであれば、100%ローカルで稼働させることができるモデルのクオリティは信じられないほどの速さで向上しています。QuinnやGemmaは、ローカルモデルにおいて完全に新しい基準を打ち立てました。そして、たとえ強力なコンピューターを持っていなくても、スマートフォン上で実行できるモデルも驚くほど悪くありません。驚いたことに、このことについて誰も本当に語っていないようですが、皆さんのスマートフォン上で今すぐGoogleのEdge Galleryアプリ（本当にひどい名前ですが、それは置いておきましょう）をダウンロードすることができます。そして、飛行機モードであっても利用できる、完全にローカルなモデルを使い始めることができるのです。
それが巨大な最先端モデルほどスマートであるかと言えば、もちろんそんなことはありません。しかし、インターネットアクセスのない外国の辺境にいるときでも、理解できない言語で書かれた何らかのパッケージの写真を撮って、これは何ですか、と尋ねることができ、人類の統合された知識を学習した機械から回答を得られるという事実は素晴らしいものです。それは純粋なSFの世界です。わずか30年前の、他の電話にかけること以上のことができる電話すら見たことがない人に対して、その仕組みを説明しようとすることを想像してみてください。
これが現在のすべての問題に対する解決策だと言っているわけではありません。到底それには及びません。しかし、より多くの企業が、より小さく、より速く、よりスマートで、既存の消費者向けハードウェア上で動作するオープンなモデルを提供するようになれば、スケールと収益性の問題は突如としてそれほど劇的なものではなくなります。And 現在、彼らは本当に大きな歩みを進めています。もちろん、ウルトラ巨大な最先端モデルへの需要も存在するでしょうし、喜んでその費用を支払う企業もたくさんあるでしょう。しかし、私たち一般的な人間にとっては、そこまでのものは本当に必要ありません。GPT 5.5に対してクッキーのレシピを求めるというのは、ガレージからハシゴを持ってくる代わりに、ヘリコプターを使って雨どいを掃除するようなものです。私は、自分のすべてのデータを外国のサーバーに送りつけない、もう少しスマートさを抑えたものの方が好みです。
And 実際のところ、モデルが超スマートであること自体は最も重要な要素ではありません。人間のアシスタントを雇う場面を想像してみてください。彼らのIQと、彼らが皆さんのことや皆さんの仕事についてどれだけ知っているか、どちらがより重要でしょうか。一方は皆さんにはあまり影響を与えない客観的なベンチマークです。もう一方は、絶えず質問を繰り返すことなく、どれだけ皆さんを助けることができるかという点において、直接的な主観的影響をもたらします。And そこにこそ真のパワーがあると私は信じています。
エージェントAIは、すでに2026年における最大のテック業界の流行語となっています。しかし、その核心にあるアイデアは本当に優れたものです。モデルに長期的なメモリを与えることで、同じことを100回も説明する必要がなくなります。私たちに関するより多くの情報を与えます。そして、ファイルの読み込みや編集、コードの実行、私たちが調査のために行うようなウェブブラウジング、あるいは、大人のビデオを見るような、おっと、それはないですね、そういった実際に物事を行うためのツールをモデルに与えるのです。And もしこれらすべての事柄を、私たちのすべてのデータをあきらめることなく、すでに所有しているデバイス上でローカルに実行できるのであれば、これこそが、コンピューターに話しかければ求めたことを何でもやってくれるという、あのSFの夢に人間が最も近づいた瞬間となります。それは信じられないほど素晴らしいことです。
And 多くの人々がこれを手っ取り早く金儲けをするための新たな近道や、単にさらなるゴミを量産するための手段として見ている一方で、これらのツールはすべて登場したばかりであり、まだまだ長い道のりが残されています。しかし、私が胸を躍らせている未来は、誰かがクッキーのレシピを尋ねるたびにお金を燃やし、私たちの水を黒い泥水に変えるような、データセンターにある一つの巨大なモデルではありません。それは、私たちのより近くで動作し、私たちの文脈、私たちのツール、私たちのデバイスを利用し、すべてのアプリをトークンのためのスロットマシーンに変えることなく、実際に手助けをしてくれるより小さなモデルの姿です。AIが消え去ることはありませんが、このバージョンのAIが消え去ってくれることを私は心から願っています。それでは、次のお話でお会いしましょう。バイバイ。
コメント