2024.5.2 日本経済新聞の記事「Deep Insight：AIのウィンブルドン現象」から

相転移現象である「エマージェント・アビリティーズ（能力創発）」で能力予測

コラムの著者 中山 淳史氏（日本経済新聞社コメンテーター）がGAFAMがこれまで築いた勝ちパターンは個人向けの広告やEC、アプリ販売であったが、AI時代には顧客企業と一緒にインターネット上に大量にあるとされる産業データから付加価値を生み出すビジネスモデルに変わると予想している。

○日本はGAFAMに真っ向からではなく特化型LLMで勝負

中山氏のコラムではまず生成AIを含むAIがすぐにでもシンギュラリティ（技術的特異点）を超える、つまり人間の能力を超えるのではないかという。それは爆発的な勢いで生成AIが拡大しGAFAMが大型投資を表明することで裏付けられそうである。

AI時代にもテニス業界に由来する「ウォンブルドン現象」が起こり得るという。つまり、門戸を外部に開いたことで海外勢が席巻を招いてしまう可能性をいう。米国勢が巨額投資をする楽観論の背景には、AIの機械学習における「スケーリング則」と呼ばれる経験則がある。それは学習の計算量、データの量、AIの性能・規模を示すパラメータの3つが大きくなればなるほど、AIを動かすLLMはより正確な回答を示すとされてる。面白いことに、理由はわからないが、「エマージェント・アビリティーズ（能力創発）」と呼ばれる相転移が、例えば計算量でいえば10の22乗から24乗で起こり、推論能力が飛躍的に向上すると言われている。さらに、この論議を拡張すれば、いつAIがどの程度進歩するかが予測できるとされる。だからこそ、GAFAMやオープンAIは巨額な投資を行って、真っ先に追従不可能なところに到達してしまおうと考えている。

日本企業や研究機関はそのGAFAMらの競争に真っ向から対応するのは得策ではないと中山氏は指摘している。そこで、企業ユースを念頭に置いた特化型LLMで収益モデルを立てるべきだという。だが、「産業データ」の難しいところがある。このデータは企業にとって価値の源泉であり、内部データであって外部には後悔しない。どんな優秀なLLMでも限られた限定的なデータでは結果は良いものとは言えない。

中山氏は、GAFAMがこれまで築いた勝ちパターンは個人向けの広告やEC、アプリ販売であったが、AI時代には顧客企業と一緒にインターネット上に大量にあるとされる産業データから付加価値を生み出すビジネスモデルに変わると予想している。💬😴🛏️🎸♪💬📻⚡️🏙️💡🏗🚚📈🏢⚡️💹📖🖋🔑🩺💉🏢⚡️🎓👔⏰🔧💻🖥📻🖋🌏💡🔎🌍🇯🇵🇺🇸