人間であれ機械であれ、二つの主体はまったく異なる速度で動くことがあり得る。しかし、アイデア空間の異なる位置から出発するなら、それぞれが探索する知的領域は異なる。両者の発見は、時期だけでなく、性質そのものも違ってくる。
これは現代のAIシステムにおいて、すでに見て取れる。学習データ、設計構造、目的関数のわずかな違いは、モデルをより速く、より効率的にするだけではない。モデルが何を見るのか、何を優先するのか、そもそも何を生成できるのかを変える。それは探索の出発点と向きをずらす。その結果として生まれるのは、ベンチマーク上の数値が一つ上がることではなく、質的な違いである。
だからこそ、スタンフォードの指摘は重要なのである。AIの最大の価値が知識の創造にあるのなら、本当に問うべきなのは、システムがアイデア空間を探索するうえでどのような位置に置かれているかであり、出力をどれほど速く生成するかではない。効果を生む力点は、事前の前提を形づくること、データを選び抜くこと、そして本当に重要な領域から探索を始められるシステムを設計することにある。
ビジネス上の意味は明確だ。AIを自動化の仕組みとして扱う企業は、効率化による利益を得るだろう。一方、AIをアイデア生成のためのシステムとして扱い、製品設計、創薬、材料科学、戦略において隣接する可能性を探る企業は、突出した価値を生み出す。この二つのアプローチの差は、生産性が1、2ポイント違うという程度のものではない。同じ競争をより速く走ることと、まったく別の競争を走ることの違いである。
国家も同じ分岐点に直面している。計算能力だけに注力する国は、競争に残ることはできるだろう。しかし、教育、研究エコシステム、分野ごとの専門知識を通じて自国のシステムの知的な事前前提を形づくる国が、最前線を定義することになる。
そして、おそらく最も重要なこととして、個人もこの点に目を向けるべきである。機械がより速く、より高性能になるにつれて、人間の優位性は消えるのではない。実行の速さから、問題の枠組みを定める力へと移るのだ。より優れた問いを立てること、他者が見落とす角度から問題に近づくこと、他者なら考えもしない位置から探索を始めることへと移る。視点の独自性は、AI時代における持続的な優位性である。
アイデアバースは、最も速く動く者に報いるわけではない。正しい場所から始める者、あるいは誰も始めようと思わなかった場所から始める者に報いる。AIは知識を生成するだろう。その知識の形、向かう方向、そしてそこから生まれる発見は、事前の前提、視点、問題の初期設定によって決まる。この構図において、人間の役割が小さくなることはない。人間の役割は土台となる。そして、その理由は素朴な願望や思い入れによるものではなく、構造的──さらに言えば数学的──なものである。
