スタンフォードデジタルエコノミーラボのエリック・ブリニョルフソン

人工知能を心配する人々への挑戦状を、エリック・ブリニョルフソンは持っている。「AIが私たちに何をするか」と問うのをやめ、「私たちがAIで何をするか」と問い始めよう。このエピソードでは、 私、私自身、そしてAIスタンフォード大学の経済学者が、なぜテクノロジーが進歩の最大の障壁ではないのか——人、組織、制度こそが障壁だと説明する。AIが雇用、生産性、経済成長に与える影響に関する新たな研究に基づき、未来はあらかじめ決まっているわけではなく、今日の私たちの選択によって形作られると主張する。これは、人間の主体性、共有された繁栄、そしてなぜ最も重要なAIのブレークスルーがテクノロジーそのものよりも、その使い方に関係しているのかについての、時宜を得た対話である。

登録する 私、私自身、そしてAI オン アップル・ポッドキャスト または スポティファイ.

トランスクリプト

アリソン・ライダー： 本日のゲストは大胆な挑発を投げかける：AIを妨げているのはテクノロジーではない。私たち自身なのだ。どういうことか知りたい？今すぐ聞いてみよう。

エリック・ブリニョルフソン： 私はスタンフォードのエリック・ブリニョルフソンです。あなたが聞いているのは 私、私自身、そしてAI.

サム・ランズボサム ようこそ 私、私自身、そしてAIからのポッドキャスト MITスローン・マネジメント・レビュー 人工知能の未来を探るボストン・カレッジでアナリティクスを教えるサム・ランスボッサムです。でデータ、アナリティクス、AIを研究しています。 MIT SMR 2014 年以来、研究記事、業界年次報告書、ケーススタディ、そして現在 13 シーズンにわたるポッドキャスト エピソードを提供しています。

今日は、スタンフォード・デジタルエコノミー研究所を運営し、人々がテクノロジー全般、そして現在は特にAIをどのように利用しているかを研究しているエリック・ブリニョルフソンと話します。彼はテクノロジーが経済と仕事にどのような影響を与えているかを考えています。彼の著書 『The Second Machine Age』 は、この議論の多くを形作りました。そして彼のチームは最近、エントリーレベルの労働者に何が起きているかについての研究論文「Canaries in the Coal Mine?」を発表しました。エリックと私は年に数回、全米経済研究所で顔を合わせますが、彼はいつも私が考えたことのない話題を持ち出します。プレッシャーはかけませんよ、エリック。でも今日も同じことを期待しています。

エリック・ブリニョルフソン： 「ここに来られて嬉しいよ、サム。」

サム・ランズボサム 番組へようこそ。まずはスタンフォード・デジタルエコノミー研究所についてお聞かせください。研究所が何をしているのか、簡単に教えていただけますか？

エリック・ブリニョルフソン： もちろん。私たちはデジタル経済を研究しています。…私はMITでの時間をとても愛していました。25年以上そこにいましたが、今はここシリコンバレー、AI革命の震源地にいます。私たちはAIやその他のデジタル技術が経済をどのように変えているかに焦点を当てています。研究所と私の仕事、キャリアの前提は、テクノロジーが非常に急速に進歩しているということです。その能力は驚くべきものです。同時に、私たちの経済的理解はそれに追いつくほど速く進歩していません。私たちの経済制度、スキル、組織は追いついていません。私の仕事はそのギャップを埋めることです。

サム・ランズボサム 厄介なのは人間ですね。テクノロジーは速く動く。組織や人が私たちを遅らせている、というのが要約でしょうか。

エリック・ブリニョルフソン： その通りです。あなたの研究の多くもそれを強調していますね。私たちは追いつくためにできることをしています。

サム・ランズボサム 私は考えていました 『Race Against the Machine』 という本と、今日の「Canaries」について。それらを結びつけるものは何ですか？

エリック・ブリニョルフソン： 「Race against the machine」…それは見出しでした。結論は、機械と競争するのではなく、機械と協力すべきだということでした。そしてそれが私が強調し続けてきたことです——人間と機械が協力する機会があるのです。それは自動的に起こるわけではありません。私たちが下さなければならない多くの選択がありますが、テクノロジーはあらゆる種類の新しい可能性を可能にしています。それらを発明し発見することは、人間がすべきことの大きな部分です。

サム・ランズボサム 私はその選択の部分が好きです。なぜなら、「AIがこれをする、テクノロジーがそれをやる」という言い回しに簡単に陥ってしまうからです。あなたはそれに反対してきたと知っています。

エリック・ブリニョルフソン： その通りです。それはおそらく私が最もよく受ける質問の一つです：「AIは私たちに何をするのか？AIは次に何を起こすのか？」私はこう言います、「ちょっと待ってください、あなたの質問の前提が間違っています。それは『私たちはAIで何をするのか？』です。」

これは信じられないほど強力なツールであり、間違いなく人類がこれまで持った中で最も強力なツールです。ほぼ定義上、それは私たちがこれまで以上に世界を変える能力を持っていることを意味します。だから、それをどのように使いたいかを考えましょう。私たちの価値観や選択が過去よりも今重要であることがわかります。なぜなら、私たちには良くも悪くも宇宙に本当に大きな影響を与える能力があるからです。

サム・ランズボサム ええ、良くも悪くも。この話はここでの会話で何度か出てくるでしょうね。

私は、あなたが初期の 『Race Against the Machine』 本でどれだけ正しかったかを考えていました。しかし、学者としてはそれは面白くありません。何を間違えたと思いますか？何に驚きましたか？16年前や15年前に考えていたことと、何が違って変わったのでしょうか？

エリック・ブリニョルフソン： まず、何を間違えたかについて話しているので、これはアンディ・マカフィーとの共著であり、 『The Second Machine Age』と一緒に書いたことを強調すべきです。彼は私の多くのプロジェクトのパートナーです。

私たちは何を間違えたのか？いくつかの進歩を見ていた——特に強調したいのは 『The Second Machine Age』、私たちはGoogleの自動運転車に乗ることから始めた。実際には2012年で、 『Race Against the Machine』を書いた直後、マウンテンビューからサンフランシスコまで乗った。比喩的に「わあ、自動運転車はもうすぐそこだ」と思い、非常に早く実現すると思った。明らかに時間がかかった。サンフランシスコ・ベイエリアや市内で自動運転車にかなり乗っている。しばらく前からあり、今ではパロアルトにも来ていて、高速道路をずっと乗れる。でもそれは15年後だ。

時間がかかり、私はそれについて過度に楽観的だったと思う。とはいえ、技術が他の面でどれだけ速く進歩するかは過小評価していたと思う。あなたと私が[大規模言語モデル]と話し、ChatGPTやGemini、Claudeに仕事を任せられる方法は、2012年や2015年に聞かれていたら、これを[汎用人工知能]と考えていただろう。だから、彼らから本当に良いアドバイスを得られるのはかなりクールだ。彼らがまだ幻覚を見たり間違いを犯すことは皆知っているが、人間もそうだ。平均して、彼らは本当に良い。だからそれはもっと速く起こった。私たちはそれを少し間違えた。

そして最も残念な部分は、人間の制度が技術よりもゆっくりと変化することについて話していたのは知っていた。しかし、なんと、これほど遅いとは予想していなかった。時にはほとんど後退しているように見える。だから、政治制度、企業、組織が追いついていないのはかなり残念だ。生産性はこのAI革命の始まりよりも速く成長しておらず、目を細めて見ればほんの少しだけかもしれない。しかし、これらの能力をより良いビジネスパフォーマンスや私たち全員が望むような利益に実際に変換できていない。

サム・ランズボサム 前回あなたに会った会合で、パロアルトで自動運転車に乗った。すぐに退屈になった。最初の数秒は魅了されたが、すぐに退屈した。数年前ならAGIだったもの、つまりLLMのものは数年前ならAGIだったが、もうそうではない。これはどれくらい「茹でガエル」のようなもので、私たちはこれらの技術に慣れてきて、感動させるにはさらに多くのものが必要になっているのか？それが一部なのか？測定の問題なのか？Jカーブなのか、それについては後で戻る？すべての上記？どれでもない？

エリック・ブリニョルフソン： すべての上記だ。一部は、あなたが言ったように、自動運転車で退屈することだ。最初の数分は怖くてスリリングで、その後は興奮する。そして30分以内に「わかった、なんとなくわかった」となる。これらの車は、まるで私の祖母のように、非常に慎重でゆっくり運転する。それが正しいことだと思う。

サム・ランズボサム だからあなたはボストンを離れたのかもしれない。

エリック・ブリニョルフソン： その通り。彼らの事故率は人間より90%低い。すべての車がそうなる日を楽しみにしている。今のところ、地点間では少し遅い。急いでいるときは、Uberを呼ぶこともある。ドライバーがより積極的に近道をするからだ。しかし、一部は、最初は目を見張るようなものを当然のことと思ってしまうことだ。

人間の脳は物事に慣れるようにできていると思う。しかし、あなたが言った他の二つのことは、より重要で興味深いと思う。一つは測定の問題だ。私たちの経済指標は、AIの多くの利益、特に無料のデジタル財の利益を捉えるようには設計されていない。それに対処するための方法論全体がある。それについては後で話せるかもしれない。

もう一つはJカーブだ。これが会話の始まりだった——能力を実際のビジネス変革に変換するには、本当にギャップと困難がある。それは、多くの補完的な資産と投資が必要だからだ。それらの多くは発明されなければならず、私たちはそれらが何か知らない。新しいビジネスプロセス、新しいスキル、まったく新しいビジネスモデルと働き方という補完的な共同発明だ。それらは難しく、起業家、マネージャー、ビジネススクールの教授、コンサルタントがそれらを解明するために働いている。

[ペンシルベニア大学]のLorin HittやPrasanna (Sonny) Tambeらとの以前の研究で、これらの無形資産への投資はコンピュータ技術への直接投資の約10倍大きいことがわかった。しかし、それらはほとんど無形で、ほとんど目に見えないため、私たちはそれらをあまり評価せず、測定せず、人々はそれらが存在することさえ気づかない。しかし、私たちは研究でそれらをより可視化し、それらの投資も行わなければならないという認識を生み出そうとしている。

サム・ランズボサム 実際、測定の問題は大きくて難しい。あなたと[カーネギーメロン大学]のAvinash CollisがWikipediaやFacebookなどの技術からの価値の測定について話していたのを覚えている。これらすべては測定が非常に難しい。そして、測定しないとき、私たちは悪い仕事をすると思う。

測定の話に切り替えよう。あなたの「炭鉱のカナリア」研究のクールな話の一つは…見出しの結果は、22歳から25歳の人々が最も影響を受け、雇用が約16%減少したことだったと思う。しかし、あなたはADPの給与データを使ってそれを見つけた。それは非常に興味深い情報のシグナルだ。その研究について教えてほしい。

エリック・ブリニョルフソン： 皆と同じように、AIが仕事を奪うという見出しや、AIが仕事を生み出すという見出しを目にしていた。どの月でも、数十万人が仕事を得たり失ったりする。まともなジャーナリストなら、どちらかの例を簡単に見つけて物語を構築できるし、街の人に話を聞くこともできる。少なくとも私には、それをどう集約するかわからない。本当の話は何か？だから大規模なデータが欲しかった。

現在の人口調査を見たとき、あまり見えなかった。世界最大の給与処理業者であるADPのトップラインを見たときも、デジタル経済ラボでデータを共有してくれたが、あまり見えなかった。ほとんど「OK、これはすべて誇大広告だ」という話を書こうと思っていた。しかし、もう少し深く掘り下げると、あなたが言ったように、22歳から25歳の初期キャリア労働者などのサブグループで非常に大きな影響があり、雇用の顕著な減少があった。しかし、AIへの露出度でさらに細分化すると、本当に顕著になった。

[OpenAI]のTyna Eloundou、[ペンシルベニア大学]のDaniel Rockらは、経済内のすべてのタスク、18,000の異なるタスクをLLMへの露出度でランク付けする分類法を作成した。LLMはメモ作成を助けられるか？確かに。LLMは箱を持ち上げるのを助けられるか？あまり。すべてのタスクをそのようにランク付けし、職業に集約すると、その職業がLLMの影響を受けるかどうかのスコアが得られる。

約750の職業を調べた。五分位に分けた。最も露出度の高い五分位、この最年少年齢層の100以上の職業では、最初は約12%から13%の減少があった。今では他の職業と比較して約16%から17%の雇用減少だ。本当に顕著だ。高齢労働者では、露出度の高い職業でも雇用の減少は見られなかった。このように細分化する必要がある。

金利、テクノロジー業界（テクノロジー業界全体を除外しても、過剰採用を制御しても）、リモートワーク、教育など他の要因を制御しても、核心的な結果は変わらなかった。この非常に顕著な減少が続いた。

もう一つ言えることは、高齢労働者は大丈夫だったことだ。他にも大丈夫だったグループがいくつかある。一つは露出度の低い職業の人々だ。例えば、ホームヘルスエイドでは、AIの影響はそれほど大きくなく、実際に雇用は増加していた。若年労働者でもそうだ。

そして、最も興味深い結果、私が最も興奮している結果は、AIの使い方を主に自動化と仕事の排除、対して補完と新しいスキルや機会の創出に分けると、自動化グループでは雇用が減少し、補完グループ（新しいスキルを学んでいる人々）では雇用が増加していたことだ。つまり、一種のダブルウィンだ：高い生産性と雇用の増加。なぜか、私たちの研究について報道するとき、これはあまり取り上げられないが、AIが特定の労働者にとって高い雇用と関連する可能性があることを見つけたのは非常に重要だと思う。

サム・ランズボサム それは、どのように使うか、意思決定、私たち全員が行う選択に結びつくと思う。それは驚かない。なぜなら、タスクについて考え、あなたが言及したタスクの集約に戻ると、どの仕事も100%自動化可能なタスクのリストと100%自動化不可能なタスクのリストで構成されているわけではないからだ。そのタスクの構成は、仕事の一部をより価値あるものにする。それらの部分はより価値あるものになる。

エリック・ブリニョルフソン： その通り。もう一つの非常に重要な点は、すべての職業はタスクの束を持っていることだ。O*Netでは、典型的な職業には20から30のタスクがある。放射線科医には26の異なるタスクがある。[コンピュータ科学者]のGeoffrey Hintonは有名な発言をした：「医療画像を読むこと、それが放射線科医の仕事だ。それはAIに取って代わられるだろう。」彼が考慮しなかったのは、放射線科医が行う他の25のタスクがあり、そのほとんどはAIの影響を受けなかったことだ。

結果として、AIによって画像読み取りが安く、良くなるにつれて、他のタスクを行う放射線科医の価値が実際に高まり、放射線科医の純雇用は増加した。常にそうなるとは言わないが、確かに事例はある——一部の人はジェボンズのパラドックスと呼ぶ——何かを安くすることで需要が増え、効率が上がっても雇用が減るどころか増えることだ。

サム・ランズボサム それがイライラする点だと思う。誰もが「これが明確な答えだ」という答えを欲しがるが、あなたがここで遭遇したのは巨大な「場合による」であり、それはますます複雑な一連のものに依存する。

エリック・ブリニョルフソン： では、もう少し簡単にしてみよう。常に仕事を排除する、あるいは常に仕事を生み出すという単純な話よりも確かに複雑だ。しかし、経済学者として、私にとって非常に有用なツール——読者のために少し専門的になるが、有益な時間になるだろう——は需要曲線を考えることだ。価格が下がると、数量は増える。需要曲線は右下がりだ。ほとんどの人は直感的に、何かを安くすると、人々はもっと買うことを知っている。

しかし、本当に重要なのは需要曲線の傾きの急峻さだ。リンゴのような製品では、10倍安くしても、10倍多く買うことはない。少し多く買うかもしれない。しかし、需要曲線はかなり急だ。価格が下がると、支出は減る。それは直感的だ。ほとんどの人はすべての財がそうだと思っている。

しかし、すべての財がそうではないことがわかる。価格が少し下がるだけで数量が大幅に増える財がたくさんある。例えば、ジェット旅行だ。以前は飛行機で国を横断する人はほとんどいなかったが、今は安くなり、多くの人が国中を飛び回りすぎている。このような財やサービスがある。それは弾力的需要または平坦な需要曲線と呼ばれる。

そのような状況があるときはいつでも、何かへの需要が増加し、支出が増えることになる。経済内の少なくとも半分の財とサービスはその曲線の側にある。それは非常に良いニュースだ。より生産的で効率的になるにつれて、一部のものは縮小するが、他のものは成長することを意味する。公共の議論では縮小する側に偏りすぎていると思う。あなたのポッドキャストでやりたいことの一つは、より多くの人に成長する側について考えさせることだ。

私はマスタークラスを教えており、基本的に人々に富を生み出すこれらの新しい機会を特定し発見する方法、AIを使って新しい種類のことを行い起業家的ベンチャーを生み出す方法を示している。それをすればするほど、人々はより良くなると思う。彼らは自分自身を助け、新しいものを発明することで経済の残りを助けることになる。

サム・ランズボサム リンゴは良い例です。おっしゃる通り、もっと手に入るからといって消費するわけではありませんが、「考えられるITプロジェクトのほぼすべてを実行している」と言う企業は知りません。お分かりですか？

エリック・ブリニョルフソン： ええ、その通りです。あらゆる種類のIT問題を解決する需要はほぼ無限にあるように思えます。世界を見渡しても、問題が不足しているとは思いません。貧困、環境、特に医療など、もっと多くのリソースを活用できる分野はたくさんあり、それらに取り組む機会が尽きるとは思えません。

サム・ランズボサム そうした問題が尽きるという空想は素晴らしいですが、今後数年、あるいは数世紀のうちにそれが起こるとは思いません。Jカーブの話に戻りましょう。まず、Jカーブとは何か、そして人々はそれをどう考えるべきか、少し説明してください。

エリック・ブリニョルフソン： これは人々が非常に有用だと感じるもう一つの概念です。重要な強力な技術があるとき、経済学者はそれを汎用技術と呼びます。以前は単にGPTと言っていましたが、AI仲間たちがその頭文字を奪ってしまいました。しかしAIはその両方です。GPT-5のような生成的事前学習済みトランスフォーマーであると同時に、蒸気機関、電気、内燃機関、自動車のような汎用技術でもあります。これらこそが、ほとんどの経済成長と生産性を実際に牽引してきたものです。私たちが数百年前や50年前の祖先よりも高い生活水準を享受している理由です。

AIは私たちの時代、おそらく歴史上最も重要な汎用技術です。しかし、これらの汎用技術について重要なのは、その価値が実際には補完的資産から生まれることです。電気は電球や電気モーター、エアコン、そして最終的にはコンピューターや他の多くのものを可能にしました。AIはあらゆる種類の新しいビジネスプロセスを可能にしており、それは物理的な技術だけではありません。先ほど話した無形資産も含まれます。それは素晴らしいことです。問題は、これらの無形資産を作り出すのに時間がかかることです。高価です。投資しなければなりません。コンサルタントを雇うにせよ、自社で行うにせよ、仕事の進め方を再発明しなければなりません。

そのコストのかかる期間中、ビジネスプロセスを再発明するためにより多く支出しますが、生産量はすぐには増えません。数学的には、投入が増えても生産量が増えなければ、少なくとも従来の測定方法では生産性は低下します。それがJカーブの下降部分です。その後、収穫が始まります。これらの新しいビジネスプロセスを使ってより多くの生産量を生み出し始めます。今度は生産量が増加します。それがJカーブの上昇部分です。

ほとんどの汎用技術で見られるのは、最初に生産性が低いかマイナスになる停滞期があり、その後急上昇することです。AIで現在どこにいるのかを正確に見極めるのは難しいです。私たちはその真っ只中にいます。しかし、過去の歴史、例えば電気を振り返ってみると、信じられないかもしれませんが、工場の組織を再発明しようと企業が試みるのに約20年から30年かかりました。

彼らは電気モーターを設置していました。最初は生産性はあまり向上しませんでした。経済学者のポール・デイビッドらはこれを非常に詳細に記録しています。文字通り最大30年間、工場の電化に伴う生産性の向上はほとんど見られませんでした。これは驚くべきことですが、最終的に彼らは工場の組織を完全に再設計しました。蒸気機関のような中央モーターの周りに集まる代わりに、各機器に個別のモーターを設置し、作業を分散させ、材料の流れに基づいて配置を決めました。

そうすると、生産性は倍増、三倍増と急上昇し始めました。しかし、言ったように30年かかりました。AIに30年かかるとは思いません。もう始まっていると確信しています。しかし同時に、私の技術仲間やAI仲間の一部が期待するよりも時間がかかります。彼らはAIを発明すればすぐに完了すると思っています。

現実には、サム、あなたの仕事でも私の仕事でも、多くのビジネスプロセスの再設計が行われなければなりません。私たちはその真っ只中にあり、それを加速させるためにできることをしています。私の会社Workhelixは、企業が価値創造の機会を特定する方法を示すことに深く関わっています。それを加速できれば素晴らしいですが、それでも多少のJカーブは残るでしょう。

サム・ランズボサム 電気の時代を思い返しています。おそらく彼らには、四半期ごとの株価報告のプレッシャーや、今の人々が直面するような即時の結果を求める必要性はなかったでしょう。

エリック・ブリニョルフソン： 正直なところ、最大の違いは、彼らには私たちの制度がほとんどなかったことです。自画自賛するつもりはありませんが、ビジネススクールは存在しませんでした。コンサルティングの本や、産業工学や経営学の体系全体も存在しませんでした。私はいくつかの本を読み返しました。ハーバード・ビジネススクールのベーカー図書館に行き、古い本を見ましたが、当時の考え方は非常に原始的でした。

現在では、企業のビジネスプロセス再設計を支援するエコシステムがはるかに大きくなっています。それでも時間と再設計、そして従業員の再スキル化が必要です。しかし、私の感覚では、経営陣は現在それをより意識しており、より積極的に取り組み、ベストプラクティスを共有しています。

Workhelixでは、すべての機会をスキャンして労働者と共有し、非常に優れた成果を上げているスーパーユーザーを特定し、平均的な労働者と比較するツールがあります。これにより、こうしたツールがなかった時代と比べて、学習速度がおそらく10倍に加速されます。

サム・ランズボサム それは非常に良いと思います。なぜなら、それは再び測定や他の要素と結びつくからです。年次業績評価はもはやあまり役に立ちません。自分が何をしているか、どのように行っているかについてより良い測定が得られるという考え方は役立ちます。

少し対抗心を燃やしましょう。私は以前、 MITスローン・マネジメント・レビュー 「AIの目的を再考する」 について書きました。あなたは 「チューリングの罠」について書きました。人々の最初の傾向はチューリングテストに合格すること、つまり機械に人間ができることをさせることだと思います。そしてそれは既存のプロセスの漸進的な改善につながります。測定も、正しいものを測定していなければ、誤ってそれに加担する可能性があります。それについて、短期的対長期的にどのようにお考えですか？

エリック・ブリニョルフソン： 確かに短期と長期があります。それが目的です。数ヶ月前にあるCFOと話しましたが、彼女は「AIのメリット、ROIを測定する必要がある」と言いました。私は「それは素晴らしい。測定すべきです。詳しく教えてください」と答えました。すると彼女は「だから各部門にAIによる人員削減数を報告するよう要求しているのです」と言いました。私は「ちょっと待ってください。測定しているのは良いですが、それは少し単純すぎませんか？コスト削減に問題はありませんが、新しいことを行い、従業員が新しい種類の価値を生み出せるようにするという大きな機会を見逃しています」と答えました。

数百万ドルを稼ぐCFOがいますが、彼らが大金を稼ぐ理由は、機械に人間がすでに行っていることをさせて置き換えるだけでなく、価値創造についてより創造的に考える必要があるからです。それが古典的なチューリングテストです。機械が人間を完璧に模倣できるかどうか。

それは非常に狭い考え方です。アラン・チューリングは優秀な人物だと思いますが、その考え方はAIの使い方に多くの損害を与えたと思います。私はそれをチューリングの罠と呼んでいます。なぜなら、AIを労働者の代替や模倣にのみ焦点を当てるのは罠だからです。AIがどのように補完し、新しいことを可能にするかも考えるべきです。しかしそれには新しい測定基準が必要です。例えば、どのように新しい製品やサービスを生み出すか？どのように顧客満足度を高めるか？製品の品質だけでなく、働く人々の仕事の質も含めて、どのように品質を向上させるか？

これらはすべて、狭い代替思考では現れません。ですから、これもおっしゃるように長い時間がかかります。短期主義は、コスト削減と既存の活動に焦点を当てがちです。しかし、最も競争優位性を持ち、最も長続きする利益を得るのは、それを超えて新しいこと、新しいビジネスプロセス、新しい製品やサービスを考える人々です。それは数週間では起こりませんが、達成したときには何年も続くものがあります。

サム・ランズボサム 機械が人間より優れている分野はたくさんあります。これが機械か人間かを判断しチューリングテストに合格する最も簡単な方法は、私が数学を速くできないことです。私たちの目的は正確な基準ではないと思います。電化の初期には人々にそれを取り巻く制度がなかったとおっしゃいました。ニール・トンプソンとMITデジタル経済イニシアチブ（スタンフォードに移る前に関わっていましたね）は、最も重要な新しいAIモデルの約90%が産業界から出ているという科学記事を発表しました。学術界や公的資金による技術利益から、そのほとんどがテクノロジー企業やスタートアップから出るという大規模な移行がありました。パロアルトとそこにある震源地について言及されました。さて、心配です。それは適切な場所なのでしょうか？

エリック・ブリニョルフソン： 産業界から出てくる理由の一部は、これらの非常に大規模なモデルを構築するのに信じられないほどコストがかかるようになったからです。LLMにはスケーリング則があり、モデルを大きくし、より多くのデータ、より多くの計算、より多くのパラメーターを持つと、パフォーマンスの予測可能な改善が得られます。そのため、これらのモデルのトレーニングに数百万ドルから数千万、数億、数十億、現在では数百億ドルも費やすようになりました。どの大学もそれを負担できません。どの非営利団体も負担できません。そのため、企業は今この瞬間も巨額の資金を調達しています。AnthropicやOpenAIは株式公開を申請しています。GoogleやMetaはそれに注ぎ込める潤沢な現金エンジンを持っています。

それがその原動力です。同時に、私が学術界の同僚に言うのは、彼らの比較優位はコンピューターにより多くのお金を費やすことではないということです。それは創造的に考えることです。オフィスに座って深く考えるだけで生まれる素晴らしいアイデアもあります。それは今でも良い戦略です。

以前ジェフリー・ヒントンと会話したとき、彼に洞察や発見のためにどのようなハードウェアを使っているか尋ねました。彼は自分のラップトップを指さして軽く叩き、「これが私が使うハードウェアです」と言いました。そうした基本的なブレークスルーには、必ずしも何千ものGPUが必要なわけではありません。

学術研究者は自分の比較優位を活かすべきだと思います。とはいえ、最先端の研究のますます多くが非常に高価なアプローチを通じて行われていると言っても過言ではありません。ある意味で、それはAIがどれほど価値があるかの証です。産業界が以前それをしなかった理由の一つは、高価だったからだけでなく、それほど大きな見返りがなかったからでもあります。

これから話をします。私が最初に立ち上げたAI企業は、信じられないかもしれませんが、1980年代後半のことです。それだけ私も年を取ったということです。トッド・ルーフバロウと一緒にエキスパートシステムの会社を始めました。エキスパートシステムとは、ルールベースのシステムです。いくつかの銀行や人事組織に少しばかりの価値を生み出しましたが、結局のところ、今日の企業が生み出しているような価値には遠く及びませんでした。正直に言うと、あの種類のAIはそれほど価値のあるものではなかったのです。今のように非常に強力なニューラルネットワークが登場して初めて、これまでにない商業的なインセンティブが生まれました。つまり、業界がこれほど多額の投資を行っているのは、この分野の成功を物語っているのです。

サム・ランズボサム その点は良い指摘ですね。昨年、米国政府は非軍事研究費に約15億ドルを投じたと思いますが、それはGoogleが投資している額とほぼ同じです。ご存知の通り、国立衛生研究所（NIH）や国立科学財団（NSF）の予算は小規模です。おっしゃる通り、それらに勝る額を費やすことはできません。

エリック・ブリニョルフソン： しかし、その点については公平だと思います。両方を持つべきです。つまり、商業的に実現可能になる前に投資するのは、学界や連邦政府の役割です。研究開発（R&D）の長期的な利益の多くは明らかではなく、投資する商業的インセンティブもありません。インターネット、初期の宇宙旅行、私たちの寿命を延ばした生物学の数多くの基本的なブレークスルーは、大学や政府の研究所で生まれました。なぜなら、それらは商業的に実現可能ではなかったからです。しかし、後に人々がそれらを基に発展させました。どれが実を結ぶかを事前に常に予測できるわけではありません。しかし、基礎研究を行えば、その実績から、そのうちの一定割合が最終的に私たちの生活水準に大きな違いをもたらすことが示されています。

サム・ランズボサム それが基本的な応用の切り口です。応用的なものに資金を提供する必要はありません。市場がそれを処理してくれるからです。基礎的なものについては、見えざる手はそれほどうまく機能しないか、誰もが望むよりも遅く機能します。

この話を聞いて、多くの学者が興味を持つと思います。彼らはあなたの意見を知りたがっています。人々は何に注目すべきでしょうか？そのカテゴリーに当てはまるのはどのようなものですか？おそらく批判として、学界で見られる研究の多くは、いわば企業向けのコンサルティングプロジェクトであると言えるでしょう。人々が追求すべき基本的なアイデアとはどのようなものですか？

エリック・ブリニョルフソン： そうですね、さまざまな分野にたくさんあります。そして、私はそれらを規定したくはありません。なぜなら、ある意味で魔法の一部は、外部の誰もその価値を見出せなくても、人々が自分のアイデアを追求できるようにすることだからです。

とはいえ、私自身のリストを挙げましょう。私は経済面に焦点を当てています。現在、最大のギャップは、AIが経済をどのように変革するかについて、私たちが十分に理解していないことだと思います。私たちは非常に強力な情報処理エンティティを生み出しています。経済学者として、市場を情報処理エンティティと考えることができます。企業や組織を情報処理エンティティと考えることもできます。AIが千倍、あるいは百万倍も改善されれば、企業や市場が変革されず、仕事を管理するための新しい種類の組織が生まれないのは奇跡でしょう。しかし、私たちはまだそれを解明できていません。ですから、私の研究の大部分は、経済がどのように見えるかを理解しようとすることです。AIがより強力になり、情報を集約し、処理するにつれて、企業、市場、そしておそらく新しい種類のエンティティはどうなるのか？そして、その結果生じる可能性のある富と権力の集中をどのように管理するのか？

私は、テクノロジーが生産性を向上させる可能性について非常に楽観的です。ノースウェスタン大学のロバート・ゴードンと長期的な賭けをしており、生産性がどのように成長すると予想するかについて書いてきました。同時に、適切に管理しなければ、富のさらなる集中につながる可能性があり、それが権力の集中につながる傾向があることをかなり心配しています。そして、富の創造だけでなく、共有された繁栄のバランスを取る経済システムを考え出さなければ、それが私たちの自由を損なう可能性があります。

サム・ランズボサム 話をする前に、あなたの経歴をいくつか調べて復習していたのですが、あるフレーズを見つけました。 「 mindful optimist（ mindful optimist ）」という言葉で、それが心に響きました。では、未来のポジティブなバージョンを実現するためには、ネガティブなバージョンと比べて、何が必要なのでしょうか？

エリック・ブリニョルフソン： まず、その言葉を定義させてください。 「 mindful optimist（ mindful optimist ）」なぜなら、私にはそれに対して非常に具体的な意味があるからです。シリコンバレーには楽観主義者がたくさんいますが、その多くは一種の盲目的な楽観主義者だと思います。彼らは「ねえ、エリック、心配するな。過去もうまくいった。未来もうまくいくさ。リラックスしろ」と言います。また、私が盲目的な悲観主義者と呼ぶ人々もたくさんいます。彼らは「なんてこった、私たちは運命づけられている。何もできることはない」と言います。私は、これらの両方のグループが同じ間違いを犯していると思います。

それは番組の冒頭で話したことですが、彼らはAIを、私たちに何かをするものとして考えており、私たちが未来をコントロールする主体性を持っているとは考えていません。 mindful optimist とは、未来を見据え、それを実現するために努力し、それを意識的に創造する人であり、自動的に起こるものと想定しない人です。

彼らは、クリスマスの朝にプレゼントが魔法のように現れるのを期待する子供たちのようではなく、むしろ、木と板を見て、「ねえ、そこにツリーハウスを作れるね」と考え、「でも、それは自動的にはできない。どうやって作るか考えよう」と言って、努力と想像力でその楽観的な現実を実現する子供たちのようなものです。それが私が見たいと思う楽観主義の種類です。私はそれを十分に見ていません。受動性が多すぎます。

先週の金曜日、スタンフォードでの授業の最終講義を行いましたが、その中で学生たちに伝えたことの一つは、「AI」という言葉を聞くたびに、「増幅された意図（ amplified intention ）」を思い浮かべるべきだということです。AIはこれまでで最大の意図の増幅装置です。彼らが達成したいことは何でも、AIはそれを増幅できますが、その主体性、その意図なしには実現しません。 増幅された意図、AIはこれまでで最大の意図の増幅装置です。彼らが達成したいことは何でも、AIはそれを増幅できますが、その主体性、その意図なしには実現しません。

ですから、それが私がより広い世界に伝えたいメッセージです。「私たちの価値観は何か、どのような経済を形成したいのか、どのような共有された繁栄を創造したいのかを考えましょう。」そして、これはテクノロジストだけでなく、政策立案者、市民、労働者、マネージャーにも向けたメッセージです。これを積極的に活用することを真剣に考えましょう。

今後10年間で、世界は根本的に変化すると予想しています。しかし、避けられない未来は一つもありません。例えば、アメリカとメキシコの国境を越えると、異なる制度が非常に異なる結果、異なる富と民主主義のレベルをもたらすことがわかります。それは未来についても同じです。私たちは多くの異なる可能な未来に生きることができます。私がデジタルエコノミーラボで行っていることの一つは、どの道が有益な結果につながる可能性が高いかを理解するための多くの研究です。

サム・ランズボサム それはここで締めくくるのに最適な方法だと思います。どちらの方向にも簡単な答えはありません。利益は現実であり、害も現実です。どちらが勝つかは、私たちが今行っている選択であり、私たちがコントロールできることです。

エリック・ブリニョルフソン： かつてないほどに。興味深いことの一つは、今こそ哲学者、人文科学者、経済学者、そして世界にどのような価値を具現化したいかを考える人々の時代だということです。このより大きな力には、より大きな責任と、世界を変えるより大きな可能性が伴います。ですから、今後どのような世界を形成したいのか、意識的に考える必要があります。これまで十分な注意が払われてきたとは思いませんが、デジタルエコノミーラボはその一部に焦点を当てています。

サム・ランズボサム 数字とニュアンスを提供してくれてありがとう。今夏、ボストンでお会いしましょう。

エリック・ブリニョルフソン： もちろんです。楽しみにしています、サム。話せて良かったです。

アリソン・ライダー 本日お聞きいただき、ありがとうございました。夏休みに入りますが、秋にはInstacart、GoFundMe、Dropbox、Honeywellからのエキサイティングなスピーカーを迎えて戻ってきます。ぜひご参加ください。

その間、Apple Podcastsでレビューを残していただくか、Spotifyで評価をしていただけると、番組の助けになります。私たちの番組があなたの人生や仕事に本当に影響を与えたなら、ぜひご連絡ください。以下のアドレスまでお寄せください。 smr-podcast@mit.eduご連絡をお待ちしています。

私、私自身、そしてAI^® はマサチューセッツ工科大学の連邦登録商標です。