AI は「もう誰もが触っている当たり前の道具」だと思われがちですが、Andrej Karpathy はその認識がかなりズレていると指摘しました。彼がXに書いたのは、LLMの能力に対する世の中の理解が、もはや単純な賛否の対立ではなく、細い漏斗のように分岐しているという話です。見ている景色が人によってまったく違う。そのズレがむしろ広がっている、というのが今回の投稿の核心です。
Karpathy はまず、LLM との接触度をざっくり4層に分けています。最下層は、世界人口の約75%にあたるおよそ60億人で、ほとんどLLMに触れていない人たちだとします。次の層は約10億〜20億人、つまり約20%で、無料版の ChatGPT のような製品を時々使う程度の人たちです。この層にとってLLMは、少し賢い検索、文章の下書き、たまに使う自動応答くらいの存在で、出てくるのは「ちょっと間抜けなチャットボット」に見える。非技術職の人や、専門業務が会話中心の人たちもここに含まれやすい、と彼は書いています。
その上にあるのが、数学やコードの分野で最先端のLLMを業務に使っている約2,000万人、全体の0.2%ほどの層です。ここでは印象が一気に変わり、以前なら数週間から数か月かかった大きな仕事が、プロンプトだけでエージェントに進めさせられる。アプリを作る、既存アプリを複製する、翻訳する、バイナリからアプリを逆コンパイルする、といった作業がその例です。Karpathy は、つい1年弱前までは自分もコードを手で打ち、補完も少しだけ使う程度だったと振り返っています。
さらに上には、社内で frontier-grade systems に触れられる約5,000人、全体の0.00006%ほどの層がいるとされます。ここでは外から見える未来予告のようなものが起きていて、何千ものエージェントが何週間も協調して巨大なソフトウェア案件を進めたり、ゼロデイの発見、攻撃と防御の自動化、新しい科学の発見、数学の前進まで見えてくる。しかも人間のレビューや理解が追いつかなくなりつつあり、OpenAI-HF の件のような出来事が何か月もあとになってなお「考古学」の対象になっている、とKarpathy は述べています。
彼はこの分断が広がる理由も3つ挙げています。1つは、問題の大きさや長期性が効き方を決めること。短い返答で済む問いではLLMはまだ大して力を発揮しないが、大きく難しい問題では話が変わる。2つ目は、能力がデジタルで検証可能で、経済価値の高い領域ほど尖って出ること。数学やコードがその代表です。3つ目はアクセスの差で、無料版、課金版、社内利用で見える世界が違う。つまり、一般の人はまだ「面白いけど微妙なツール」と見ていて、多くの専門職は少し効率が上がった程度に感じている一方で、少数の人だけが能力曲線の急角度を先に見ている。Karpathy は、今の奇妙さはそこにある、と締めています。
この投稿で面白いのは、Karpathy が「賛成派と反対派が議論している」とは言っていない点です。彼が見ているのは、そもそも見えているAIの姿が違う人たちが同じ単語を使っている状況です。無料版しか触っていない人にとってLLMは、たしかに少し便利なチャットボットにすぎない。そこから「大したことはない」と感じるのは自然です。一方で、業務の真ん中に組み込んでいる人は、見ている風景がまるで違うはずです。ここで起きているのは意見対立というより、経験の非対称性だと思います。
しかも厄介なのは、AIの能力が一様に伸びるのではなく、得意分野がかなり偏っていることです。文章の雑談や、曖昧な相談では印象が薄いのに、コードや検証可能な計算では急に強くなる。すると、ある人は「まだまだ」と感じ、別の人は「仕事の前提が変わった」と感じる。同じ製品でも、触る文脈によって評価が180度変わるわけです。AIをめぐる温度差が広がるのは、単に啓蒙が足りないからではなく、用途ごとの差があまりに大きいからではないかと思います。
Karpathy の分類で見落とせないのは、最上層にいる人数の少なさです。0.2%や0.00006%という数字は、派手な未来像のわりにかなり小さい。けれど、ここで生まれた使い方やワークフローは、時間差を置いて下の層へ降りてくる可能性があります。過去の技術でもそうでした。最初はごく一部の現場でしか役に立たないと思われた道具が、十分に安く、十分に扱いやすくなると、一気に常識側へ移る。AIもその途中にいるのだと思います。
ただし、Karpathy が示した数字をそのまま「未来は一方向に進む」と読むのは早いかもしれません。最先端の社内利用では、まだ人間の理解が追いつかない場面がある。そこには期待だけでなく、監査や説明責任の問題も潜んでいます。便利さが先に立つと、仕組みを細かく見ないまま導入が進む。そうなると、あとで何が起きたのか追えなくなる危うさがある。彼が OpenAI-HF の件の「考古学」に触れたのは、その不安を示したかったのだと思います。速くなるほど、後から説明するコストは高くなる。
投稿の後半でKarpathyは、アクセスの違いも重要だと言っています。無料版しか使っていない人、課金版を使う人、社内でしか触れない人では、同じAIでもまったく違う。これは製品レビューの話ではなく、社会の認識形成の話です。どの層で最初に触れたかによって、AIへの期待も警戒も変わってしまう。だからこそ、無料版の体験だけで「AIはこの程度」と判断するのは危ういし、逆に先端のデモだけで「もう何でもできる」と見るのも危ない。
ここで大事なのは、AIの進歩を均質な進歩として語らないことだと思います。日常業務の多くは、まだ少し楽になる程度かもしれない。でも、数学やコード、検証可能な領域では、すでに別の速度で動いている。そのズレを無視すると、議論はすぐ空中戦になります。Karpathy の投稿は、AIの実力を過大にも過小にも見せない点で価値がある一方、実際の仕事への広がり方まではかなり偏っていることも教えてくれます。
この話を読んで感じるのは、AIの評価軸がそろそろ変わる、というより、変わらざるを得ないということです。以前は「会話が自然か」「間違えないか」が中心でしたが、今は「どの領域で検証可能な成果を出せるか」「どの価格帯と権限で使えるか」が本質になってきた。Karpathy のいう funnel は、技術的な性能差というより、利用環境の差を含んだ社会的な分布です。
だから、これからのAIは“みんなに同じように刺さる大発明”としてよりも、“特定の現場では急に世界を書き換える道具”として見たほうが実態に近いと思います。多くの人にはまだ遠い。でも一部の人には、もう戻れないレベルで仕事の形を変えている。その二つが同時に起きているから、理解の溝がどんどん深くなる。Karpathy の投稿は、その違和感をかなり正確に言い当てています。
