AIの真価は単調な実務の支援にあり——OpenAI発のエッセイが示す研究生産性と補完関係

要点

• OpenAIのプラットフォームにて、高度な知能とそれを具現化する実行力の関係を考察したエッセイ「The eternal complement」が公開された。

• 現代の科学技術では研究生産性の低下が進んでおり、ムーアの法則の維持に1970年代の18倍以上の研究者が必要になるなど、アイデアの実行コストが膨大化している。

• 閃きや理論（知能）とそれを支える実験装置や官僚機構（制度的知能）は互いの価値を高め合う「補完関係」にあると説明されている。

• AIがコード作成や文献検索などの実務を担うことで、ボトルネックは実行力から「何を作るべきか」という目利き（テイスト）へ移りつつあると言及されている。

• OpenAIが立ち上げたAGI（汎用人工知能）の未来を探求するプラットフォーム「Intelligence Age」において、Hemanth Asirvatham氏とElliott Mokski氏によるエッセイ「The eternal complement」が公開された。本稿は次世代の経済を考察するシリーズの第1弾であり、天才的な知能がいかに単調な実務やサポート業務を通じて最大の価値を発揮し得るかを論じている。著者は、科学技術の進歩には優れたアイデアだけでなく、それを形にする膨大な実行力が不可欠であるとし、AIが果たす役割について分析を提示している。

現代科学における研究生産性の低下と実行コストの増大

エッセイではまず、人類の理論が宇宙の起源に迫る一方で、物理的な活動領域が月にとどまっているという対比から議論が始められている。構想の拡大に対し、それを実際に検証・具現化するための複雑さとコストが急増しているという。

その裏付けとして、米スタンフォード大学のニック・ブルーム氏らによるアメリカ経済全体の研究生産性に関する調査結果が挙げられている。同研究によると、半導体の集積密度に関する経験則である「ムーアの法則」を現在維持するためには、1970年代初頭と比べて18倍以上の研究者が必要とされている。さらに、1930年代以降、経済全体で投じられた実質的な研究労力は23倍に増加した一方、測定された研究生産性は41分の1に低下したという。

加えて、技術系スタッフ（テクニシャン）の労働人口が科学者の2倍のペースで増加していることや、科学研究における特殊機器の使用が過去40年間で倍増したこと、半導体工場（ファブ）の建設・運営コストが30年前の5倍に達している現状も指摘されている。ガリレオが2枚のレンズと筒だけで観測を広げた時代とは異なり、現代のジェームズ・ウェッブ宇宙望遠鏡には100億ドルの費用、50ナノメートル精度の鏡、14カ国300組織の協力が必要であったように、現代の進歩には巨大な組織と支援体制が不可欠になっていると著者は述べている。

アイデアを形にする「補完関係」と制度的知能

こうした現状を踏まえ、エッセイでは天才的な閃きを単独で評価するのではなく、生産プロセスにおける投入要素（インプット）の1つとして捉えるべきだと論じられている。経済学において一方の増加が他方の価値を高める関係を「補完財」と呼ぶが、先端的な知能とそれを具現化する実行力も同様の補完関係にあるという。

補完関係には、理論に対する粒子加速器のような物理的要素だけでなく、目に見えにくい社会的・組織的な要素も含まれる。法制度、官僚機構、資金調達の仕組み、サプライチェーンなど、アイデアの実現に必要な一連の実行能力を、著者は「制度的知能（institutional intelligence）」と呼んでいる。

また、超知能を「10億人のアインシュタイン」と想像する通念に対し、仮に10億人の天才が存在しても、その大半は採石場で石を切り出したり会計業務を処理したりする実務を担う必要があると指摘されている。先端的なイノベーションは周囲の日常的な経済基盤が滞りなく機能して初めて成立するものであり、AIもまた、高度な洞察と実務的な制度的処理の双方に向けて活用されることになるという。

AIによる実行制約の緩和と「テイスト」への価値移行

現状において、AIはすでにプログラミングコードの記述、文献の探索、スケッチからの実動プロトタイプ作成などを担い、実行の制約を緩和し始めていると説明されている。従来は組織全体を必要としたプロジェクトが、個人によって推進可能になりつつあるという。

これにより、十分な予算を得られなかった映画制作者や、他者の構想を実装してきたゲーム開発者など、既存の組織が参入障壁となっていた領域でも個人による多様なプロジェクトが生まれる可能性があるとしている。その結果、希少となる要素は「実行力」そのものから、何を作るべきか、どの問いを探求すべきかを判断する「テイスト（目利き・判断力）」へと移っていくと著者は分析している。

さらに今後の展望として、数学分野などで見られるようにAIが自ら優れた洞察に到達できるようになれば、AIは実務の労働力にとどまらず、自ら数千件もの研究課題や仮説を生み出す存在になると言及されている。天才的なAIが探求すべき構想を爆発的に増やすことで、知能と実行の関わりはさらなる段階へ進む可能性があると結ばれている。