「より多く」は常に正義か Is Bigger AI Always Better AI?

2026年1月28日

今回の記事は「「より多く」は常に正義か」という内容です。さていったいどのような内容なのでしょうか。

今回のポッドキャストです。お聴き下さい。

本日のSentence

Scaling has worked well in many areas, especially engineering.

スケーリングは多くの分野、とくに工学ではうまく機能してきた。

ボキャブラリー

Assume	verb	証拠なしにそうであると仮定する
Scale	verb	何かをうまく機能させ続けながらその大きさを増減させる
Predictable	adj	明確なパターンに従っているため、容易に予想できる
Push too far	other	身体的限界や耐久力を超える
Hit a limit	phrasal verb	限界にぶつかる（それ以上進みにくくなる）

日本語訳

The Conversation の最近の記事は、興味深い問いを投げかけている。それは「スケーリング則（scaling laws）」についてだ。あるシステムが大きくなると、その性能が予測可能で測定可能な形で変化することが多い、という一般原則である。この原則は都市発展にも当てはまる。都市の人口が増えるにつれて、インフラ、生産性、さらにはイノベーションまでもが向上する傾向がある。

スケーリングは多くの分野、とくに工学ではうまく機能してきた。たとえば、工業用ファン、ポンプ、飛行機、船舶などは、いずれもスケーリングに依存している。まず小さな試作品を作り、性能をテストしたうえで、実物大の設計へと拡張するのが一般的だ。

しかし、スケーリングが常に成功するわけではない。1940年には、タコマ・ナローズ橋が崩落した。エンジニアたちは過去の橋の設計を拡大すればよいと考え、従来の法則がそのまま通用すると仮定していた。計算機分野では、ムーアの法則やデナード・スケーリングが、トランジスタを小型化（スケールダウン）すれば半導体の性能が向上し続けると示していた。これは何十年もの間、事実だった。しかし最終的には物理的な限界に突き当たった。トランジスタがあまりに小さくなると、電流が漏れたり、動作が不安定になったりしたのだ。

現在のAI時代では、サム・アルトマンをはじめとする業界リーダーらがスケーリング則を強く支持している。より多くのデータと計算能力を投入すれば、AIモデルはより賢くなると考えている。OpenAIをはじめとする多くのAI企業は、この考え方に何千億ドルもの資金を投じている。それでもなお、重要な疑問は残る。AIモデルがより大規模になっても、スケーリング則は本当に機能し続けるのだろうか？

これまでのところ、大規模言語モデル（LLM）ではスケーリング則はうまく働いてきた。一般に、より多くのデータと計算資源を与えることで、AIの性能は向上する。しかし、こうした傾向は現実世界の制約を見落としている可能性がある。高品質なデータは無限ではなく、新しい課題ほどAIにとって学習が難しくなる。規模を拡大すれば、電力消費、データセンター、安全性、コストといった問題も深刻化する。そのため、知能が永遠に向上し続けると断言することは難しい。投資額は莫大だが、見返りは不確実なのだ。

現在、AIのスケーリング曲線は滑らかで力強く見え、この流れは今後も続くかもしれない。しかし、タコマ・ナローズ橋や過去の技術と同様に、AIも限界を超えて押し進められれば、突然その壁に突き当たる可能性がある。