レントシーキング・ループ：次トークン予測が私たちをどこへ導くのか

大規模言語モデル（LLM）を巡る議論は、二つの激しい陣営に分かれている。一方には、これらのシステムを「確率的なオウム」あるいは単なる「次トークン予測器」として退ける懐疑派がいる。もう一方には、アニメーションやコーディングから大学院レベルの研究に至るまで、産業全体が「解決済み」あるいは「終わった（cooked）」と表現されるような、技術の陳腐化を説くAIマキシマリストがいる。

技術的な議論は、次トークン予測が人工汎用知能（AGI）につながるかどうかに集中しているが、より深く、よりシステム的な問題が浮上している。それは、人間の労働が「賃貸される商品」へと変貌を遂げていることだ。次トークン予測が私たちをどこへ導くのかを問うとき、その答えは技術的なものではなく、社会経済的なものになるかもしれない。

交渉力の減退

数十年にわたり、労働者階級および中間層にとっての根本的な交渉力は、その労働の必要性であった。最も搾取されている部門においてさえ、タスクを実行するために人間が必要とされるという事実は、経済的な有用性のベースラインを提供してきた。しかし、現在のAI開発の軌道は、まさにこの必要性を排除することに向けられている。

AIラボがしばしば喧伝する「民主化」という約束。それは、誰もがコーディング、執筆、あるいはデータ分析を行えるようになるという考えだ。しかし、ここにはパラドックスが存在する。生産の能力を民主化することで、AIは同時にその生産の価値を破壊しているのだ。もし、技術を持たないマネージャーが、開発者を必要とせずにAIを使ってウェブページを生成できるようになったとしたら、開発者は「力を与えられた」のではなく、「代替可能な存在（fungible）」になったのである。

あるコメント主が指摘したように、この形態の民主化は、実際には若手専門職から独自の貢献、ひいては職場における発言権を奪い去る。その結果、人間はもはや創造者ではなく、信頼できる人間によるレビューを拒むほどの速度で出力を最大化させるための、スループット・パイプラインの一つのノード（結節点）へと変貌してしまう。

生産手段の集中

もし生産手段が人間のスキルから、計算資源（compute）と独自のモデルへと移行すれば、経済構造は極端な集中へと向かう。もはや「交渉力」は学位や技能ではなく、TSMCによって製造され、Nvidiaによって販売され、月額サブスクリプションを通じて労働者にライセンス供与されるものとなる。

これは、レントシーキング（利権漁り）の永続的なループを生み出す。モデルは、書籍、芸術、コード、会話といった、人類文明の集団的な成果物に基づいて学習されるが、その多くは同意や報酬なしに行われる。この集団的な遺産は、製品としてパッケージ化され、そのデータを構築した当事者たちへと、しばしば富裕層に有利な価格設定で売り戻されるのである。

「クッション」と管理職の盲点

AIコミュニティには、顕著な部族主義が存在する。それはしばしば、「階級的クッション」と呼べるものによって駆動されている。「コーディングの終焉」を歓喜する人々は、多くの場合、雇用の喪失という直接的な衝撃から身を守るための経済的安定性や社会保障制度を備えている。

これが管理職層の中に危険な盲点をもたらす。多くの人々は、AIが「支払わなければならない厄介な人々」を置き換える一方で、自分たちの「専門知識（domain expertise）」は自分たちを守ってくれると信じ込んでいる。この「主人公症候群（main-character syndrome）」は、システム的な現実を無視している。もし人口の大部分が経済的な有用性を失えば、その結果生じる不安定さは、階級や専門知識の境界を尊重することはないのだ。

反論：進歩か、それとも停滞か？

誰もがこの軌道を不可避、あるいは単に破壊的だと考えているわけではない。AIは、電気や蒸気機関のように、労働節約技術の長い歴史における次の反復であると主張する者もいる。この観点からは、「オムレツを作るために卵を殻から割る」ことは社会的な進歩に必要なプロセスであり、生産性の向上は最終的に再分配されるはずだと考える。

一方で、LLMは停滞期に達している可能性を示唆する者もいる。それらは本質的に既存のインターネット上の知識を圧縮したバージョンであるため、真のイノベーションを起こすことはできないかもしれない。この見方によれば、LLMは競合相手ではなく、むしろ実現手段（enablers）である。つまり、退屈な作業を自動化するが、真の発見の閃きは代替できない、というツールに過ぎない。

「神託」の人間的コスト

経済学的な側面を超えて、技能（craft）を失うことによる心理的な代償も存在する。数学や芸術といった学問分野の目標が、発見のプロセスから、単なる「答えの取得」へと移行したとき、その仕事の固有の喜びが消え去ってしまう。

フィールズ賞受賞者のTim Gowersが観察したように、もし数学をすることの目的が、発見を通じてある種の不死性を獲得することであるならば、AIが人間が想像しうるよりも速く解を導き出す（brute-force）のであれば、それはもはや不可能になるかもしれない。私たちは、「神託（oracle）」が答えを提供してくれるが、人間は、その答えに意味を与えるための「葛藤（struggle）」を失ってしまう世界に置かれている。

最終的に、次トークン予測への移行は、単なる計算方法の変化ではない。それは、資本主義の枠組みにおいて、人間の存在価値をどのように評価するかという変化である。もし私たちが経済的な有用性と技能の喜びを奪い去るならば、レント・インテリジェンス（賃貸される知能）の時代において、個人に何が残るのかを問わねばならない。