医師がAIを使い始めて数ヶ月で自力でポリープを見つける力が2割低下！AIを売る側が自ら検証したらAIを使い学ぶ成績が悪化、7つのモデルをトレーダーにしたら強いほど同じ動きに、9億人が同じ脳を外付け、中共のモデルにはさらに一つのフィルター、市場が一斉に買い一斉に沈む！独立は正解より値打ちがある

今回の番組では、AI時代において人類の集団はより賢くなっているのか、それともより愚かになっているのかについて議論する。パーソナリティは、AIが「答えの平準化（答案平権）」をもたらした一方で、情報は「驚き」から生まれるため、AIが提供するのは統計的な最頻値にすぎず、それが個人の創造性や、医学・プログラミングなどの実践能力の退化を招いていると指摘する。同時に、世界中で9億人が同一のパブリックブレインに接続し、さらには中国共産党による規制で問題リストが選別されるような状況では、集団の情報が一様化し、資本市場における群れ行動（羊群効果）の激化や流動性の脆弱化につながると述べる。パーソナリティは、AIを脳としてではなくノートとして扱い、独立した判断を保ち、多くの反例を探すよう提案し、AI時代においては「正確さよりも独立していることの方が価値がある」と強調している。

ビデオリンク：

完全なテキスト：

最近、私はずっと一つのことについて考えている。それは、AI時代の集団はより賢くなったのか、それともより愚かになったのかということだ。もちろん、これには賛成派も反対派のどちらも確実に存在する。私の考えでは、AI時代というのは答えがより標準的になったが、情報はむしろ少なくなっている。答えの平準化は情報の平準化とは異なる。さらに進めて言えば、答えが一致すればするほど、情報処理能力は実際には低下していくのだ。ここで私たちは、1948年のシャノンによる情報の基本定義に戻らなければならない。シャノンの情報の定義は、二文字で要約できる。そう、「驚き」だ。情報とは何か？それは、あなたに驚きをもたらし、あなたの意思決定を変え、さらにはあなたの意思決定の背景まで変えてしまうようなもののことだ。それを情報と呼ぶ。さらに踏み込んで言おう。「飛流直下」に続く言葉と言われれば、基本的に誰でも答えられる。そう、「三千尺」だ。しかし、AIが明日どのように発展するのか、あるいは明日の資本市場がどのように動くのかと問われれば、無数の答えが生み出される。言い換えれば、誰もが知っている答えに情報量は含まれているか？全く含まれていない。情報とは、あなたが全く意識していなかったにもかかわらず、突如としてあなたの目の前に現れ、あなたの意思決定に影響を与えるもののことだ。これこそが情報と呼ばれるものである。この物差しで測ってみると、今日の問題は、AI時代の答えは増えたが、情報そのものは増えていないということになる。この問題を議論するために、私たちは最もミクロな部分から始めよう。まず一人の人間の答えを測定し、次に一人の人間がまだ「驚き」を生み出せるかどうかを測定し、最後に多くの人々を合わせたときにどれだけの情報が残っているかを測定するのだ。

まず最初に、回答の平権化というものは一つの真命題であり、これにはデータに基づく裏付けもある。今年2月の米国家経済研究所（NBER）に1本のワーキングペーパーがあり、そこには非常に興味深い実験が載っている。その実験では、25歳から45歳までの1174人の成人にビジネス上の意思決定に関する問題を解かせた。AIがない状態では、高学歴者と低学歴者の間における同一問題の正答の格差は0.55標準偏差であったが、AIを導入したところ、この格差は0.14に縮まり、4分の3が直接消し去られた。このシナリオにおいて、標準偏差が測定しているものは何か？それは、ある集団のスコアがどれほどばらついているかであり、もともとこれら2つのグループの間には大半の階層差があったのが、AIを配備した後はほんのわずかな差に縮まったと理解してよい。教育を受けた層はより整然としたものになった。今年3月26日の「ヒューマン・アンド・ソーシャル・サイエンス・コミュニケーションズ」誌にメタ分析が掲載された。メタ分析とは、多数の研究をまとめて計算する手法であり、この分析では35件の授業における対照実験がまとめられ、実験に参加した学生の総数は4193人に上った。算出された結果は、ChatGPTを使用した学生の成績には中程度の向上見られるということであった。さらに今年の6月には別のメタ分析があり、これは特に何を調べたものかというと、批判的思考力についてである。26件の研究をまとめ、何が算出されたかというと、生成AIを使用した学生の批判的思考力のスコアは上昇し、低下することはなかった。したがって、人間がAIを活用することで回答はより正確になり、学ぶ内容も増えることになり、これにより学歴間の壁が均され、これが回答の平権化である。しかし、シャノンの尺度を用いてこれらの実験を一度でも測定してみれば、彼らが測定しているものはすべて何か？それらはすべて正解があらかじめ存在する問題であり、ビジネスケーススタディであり、授業の試験問題である。こうした問題には共通性があり、それは答えがとっくにそこにあらかじめ存在しているということだ。ただ以前は、その問題の答えを手に入れるためにより多くの年月を読書に費やす必要があったが、現在は対話型AIのウィンドウを1つ叩けばそれでOKなのだ。もちろんこれは良いことではあるが、シャノンの定義に従えば、あなたが手に届くその対象は何であるか？それはとっくにそこにあった答えであり、これは情報とはまったくみなされない。1174人が全員同じ問題に正解したということは、誰も誰をも驚かせなかったということであり、したがって回答の平権化とは、集団がその答えに手が届く距離のことであって、何らかの情報を生み出すことではない。

では、人間自身が驚きを生み出す能力についてはどうか？こちらの証拠のほうがより確実である。今年の6月1日、フランス・リオンにあるがんセンターの研究チームが、欧州腫瘍内科学会の雑誌に総説を掲載した。この総説は何を研究したのか？医師がAIを使用した後に手技が衰えてしまうかどうかを研究したものである。そこにはポーランドの4つの病院の内視鏡医の記録があり、これらの医師はそれぞれ2000例以上の大腸内視鏡検査を行った経験があった。その後、これらの医師にAI補助操作システムを配備し、数か月間使用した後、研究者らは彼らがAIを使用しない場合にどのようなパフォーマンスを見せるか、つまり手が衰えていないかを確認した。その結果はどうだったか？彼ら自身が腺腫を発見する割合は、過去の28.4%から22.4%へと低下した前駆病変である。病理科の場合はさらに深刻であり、ある実験では病理医に直接時間的なプレッシャーを与え、AIに故意に誤ったヒントを出させたところ、30%以上の医師が自分本来正しく診断していたスライドを誤りに修正してしまった。考えてみてほしい、医師の診断における価値とは何か？それは機械がマークしなかった病変を見つけ出したことではないか、その一瞬、まさにその一瞬こそが驚きであり、これが情報である。AIの答えを確認するだけの医師は、今回の診断に付け加えた情報量がゼロである。AIが間違っていれば、彼もそれに追随して間違える。もちろんプログラマーを対象とした実験もあり、今年1月末にある実験が行われ、その実験の発起人はオーストラリア人であった。実験では52人のプログラマーを集め、新しいコーディングライブラリを学習させた。その中で、半数の人がAIの助けを借り、残りの半数は自力で作業を行い、学習の終了後にはテストが行われた。AIを使用したグループの平均得点は50点であり、自力で取り組んだグループは67点であった。この数値はAIを販売する企業自身が測定したものであり、彼らはさらにAIを使用した半分の人の対話をすべて調べ上げ、その結果6種類の使い方を見つけ出し、およそ2つのタイプに分けた。1つ目のタイプはAIに丸投げしてコードを書かせるもので、彼らのテストの平均点は40点未満であった。もう1つのタイプはコードを要求すると同時に説明も求めるもの、あるいは概念だけを質問して自分で手を動かすものであり、彼らのテストの点数は65点以上であった。なぜこのような結果になるのか？1つのスキルを習得することは、自分で問題を解くことに依存しており、その過程で脳内に1つの方法論を残さなければならないからだ。次回再び見たことのない問題に直面したとき、その方法論を持ち出して挑むことができ、そうして導き出したものこそが人に驚きを与えることができる。問題を取組むプロセスを丸ごと放棄してしまえば、問題は解き終えても、その方法論は一切形成されない。もし次回AIを使わなければ、やはり世によく知られた答えしか出せないままである。

学生側も全く同じだ。英国高等教育政策研究所が今年3月に発表したアンケート調査では、1054人のフルタイムの学部生を対象に調査を行ったところ、94%の学生が生成AIを使って単位がかかった課題を作成しており、AIが書いたものをそのまま課題に貼り付けて提出した学生の割合は12%に達した。この割合は昨年が8%、一昨年が3%であり、2年間で4倍に急増した。ここまで両側の測定が終わったが、このデータが示す答えがお分かりいただけただろうか？ つまり、個人の解答はより標準的になったものの、驚きを生み出す能力は退化しているということだ。この2つの事象の本質は決して矛盾しておらず、むしろ同じ行為の表裏一体だと言うことすらできる。問題を考えるプロセスを外注すれば、その代償として得られるのはより標準的な答えだけであり、本当に恐ろしいのは最後のものであり、私が最も言いたいことでもあるのだが、一団の人々が集まったとき、そこにはどれほどの情報量が残るのだろうか？この集団について話す前に、まず古い話を一つしよう。この話は以前にもしたことがあるかもしれないが、1907年、ゴルトンが『ネイチャー』誌上で、ある田舎の市で行われた牛の体重当てコンテストについて論文を発表した。このコンテストは、787人の個別の参加者にそれぞれ1頭の牛の体重を予想させるというものだった。もちろん、大半の人は正確には当てられない。しかし、全員の予想を小さい順に並べると、真ん中の数字は1207ポンドであり、牛の実際の体重は1198ポンドで、その誤差は1%未満であった。これが大衆の知恵というものである。同じ言葉で言い換えるなら、787人の個別の予想には、それぞれ驚きの要素が含まれていた。一人ひとりが付け加えたのは、他の人にはない情報であり、しかも間違っている方向もバラバラであった。なぜなら、高く予想する人もいれば、低く予想する人もいるからだ。このように平均を取ることで、誤差が相殺されるのである。では、この話を少し変えてみよう。もしこの787人が予想する前に、同じAIが算出した予想体重を先に見たらどうなるか。そして各自がその数値を基準にして上下に調整を行い、それぞれが相変わらず間違った予想をするとしよう。しかし、間違る方向はどうなるだろうか？AIの予想に引きずられることになる。このとき、個々の独立性はどのように扱われるだろうか？消滅してしまうのである。なぜなら、あなたがどのような数値を予想しようとも、私には大体予測がつくからだ。そして数値全体も、基本的にはそのAIの予想値の上下でフラフラとさまようことになる。つまり、AIが予想した数値の周辺である。言い換えれば、787人の間に存在していたお互いに対する驚きが消え去り、つまり情報がなくなってしまうのだ。仮に1万人を集めて平均を取ったとしても、共通の誤りはそのまま残り、根本的に相殺することはできない。答えが一致すればするほど、集団の情報量は少なくなっていく。だからこそ、冒頭で私が言った言葉の意味はそういうことなのだ。

この改変された話を、今年9月3日、マサチューセッツ工科大学（MIT）のローン氏の研究チームが実際に検証した。ただし、彼らが予想したのは牛ではなく資本市場であり、7つの大規模言語モデルをトレーダーとして参加させ、64種類の市場シチュエーションでそれぞれ5回ずつ実行したところ、その結果は非常に予想外のものであった。モデルが強力であればあるほど、お互いの下す決定は酷似し、しかもそれが同じ会社のモデルであるかどうかは重要ではなく、十分に強力さえあればよいということであった。生み出される行動は高度に相関していた。これらのモデルを混ぜ合わせて使っても、分散によって相殺できる誤差は半分だけであり、残りの半分は彼らに共通する部分であって、いくらモデルを置き換えても相殺することはできない。最も容赦がないのは何か？それは偽情報の注入である。実験チームは市場のフィードに8つのローリングコメントを流し、そのすべてが市場の提示する適正価格は実際の価格よりも25%から30%過大評価されていると主張した。市場がAIトレーダーであふれているとき、価格が実際の価値から乖離する幅は平時の5倍から7倍に達した。当時、能力が最も高かったモデルはClaude 3.5であったが、その値動きの予測正解率はどれほどだったか？わずか42%であり、コイン投げよりも低かったのだ。しかし、ここにはもう一つの驚くべき点があった。それは、能力がやや劣るモデルのほうが、それほど簡単に騙されなかったということだ。論文のタイトルは「なぜより優れたモデルがより危険なシステムを作り出すのか？」というものであり、皆さんもぜひ探して読んでみると非常に面白いと思う。さて話を戻すが、これらのモデルの意見は高度に一致しているものの、それらは複数の情報に分かれておらず、たった1つの情報しか存在しない。しかも、その情報とは何か？それは、これら複数のモデルの答えが一致しているという事実そのものであり、これこそが本当の情報なのである。

では、なぜAIは人々の情報を画一化させてしまうのか？以前のツールではなぜそうならなかったのか？哲学における非常に有名な例を挙げてこの話をしてみましょう。1998年にアンディ・クラーク（Andy Clark）とデイヴィッド・チャーマーズ（David Chalmers）という2人の哲学者がいました。2人とも心の哲学と認知科学を研究している人物です。彼らの研究対象も実に興味深く、何を研究していたかというと、心とは一体何なのか、意識とは何なのか、といった問題です。彼らは「拡張された心（Extended Mind）」という考え方を提唱しましたが、これは今回の話に非常に当てはまると思います。彼らはオットーという人物の話をしています。このオットーという人は記憶障害を患っており、いつも持ち歩くノートに物事を書き留めることで生活していました。例えば、美術館に行きたいときはノートをめくって住所を調べる、だいたいそんな具合です。彼らの哲学的な観点はどのようなものかというと、オットーのノートは彼の記憶の一部である、なぜならこのノートが果たしている機能は、健常者の脳内の記憶が果たしている機能とまったく同じだからだ、というものです。しかし、ノートのある特徴に注目してください。オットーのノートに書かれているのは、オットー自身が経験したことや、彼自身がやりたいと思ったことです。私たちがノートに書くのは何でしょうか？私たちが経験したことや、私たちがやりたいと思ったことです。どのノートに保存されているものも、それぞれの「驚き」ですよね？しかし、大規模言語モデルはノートではありません。それがあなたに返してくるのは、あなたがすでに書き込んだ内容ではなく、全世界のコーパスで最も頻出する記述です。つまり、AIが提示する答えは「最頻値（モード）」であり、定義上、最頻値とは最も驚きのない記述なのです。OpenAIは今年の3月31日に自ら数字を発表しました。毎週9億人以上がChatGPTを利用しており、9億人が同じ対話ウィンドウを開き、その背後には同じ企業の同じいくつかのモデルが存在しています。「拡張された心」の考え方に従えば、それがあなたの思考プロセスの一部であるならば、私の思考プロセスの一部でもあるわけですよね？ということは、あなたと私の思考プロセスそのものが、同じ一部分を共有してしまっているわけです。そこには、あなたと私の間にある「驚き」は存在しません。これこそがノートと「公共の脳」の違いです。ノートは、一人ひとりの記憶にそれぞれの驚きを持たせますが、「公共の脳」は一人ひとりの判断を同じ一つの場所に外付けさせてしまうのです。

しかも、この「公共の脳」には中国共産党（CCP）の国においてさらにもう一つの工程が加わっています。一昨年だったか、その前の年だったか、中国共産党が「生成AIサービス管理弁法」とかなんとかいうデタラメな規制を作ったのを覚えていますか？この弁法は何を要求しているかというと、訓練データのコンプライアンスを要求し、生成されるコンテンツにもいわゆる「社会主義核心価値観」を反映させるよう求めているのです。要するに、中国共産党が言わせたいこと、中国共産党の公式見解を反映させろということです。こうなると、中国共産党のモデルが出すのは単なる最頻値にとどまらず、あらかじめ検閲を通過した、中国共産党が求める最頻値ということになります。冒頭で触れた中国共産党のクソみたいな公式発表文は、もともと最も曖昧な表現をさらに選別し直したものでしたが、今やその選別のフィルターが直接モデルの中に組み込まれているのです。だから、中国がモデルを幾つ発表しただのと言っても関係ありません。クソみたいに1億個のモデルを出したところで、本質的にはすべて同じフィルターを通しているだけです。モデルが多いからといって情報が多いわけではありません。海外の「公共の脳」でさえ人々の答えを一つに収斂させてしまうのに、ネット検閲の壁の中の「公共の脳」は、人々の答えを一つに収斂させるだけでなく、クソなことにその「一つ」を指定までしているのです。ですから中国にいる場合、原文を読むことは他の場所にいるときよりもはるかに価値があります。そこでは最頻値ですら、自然に生まれたものではないからです。

資本市場についてもう一度話しましょう。資本市場は何で価格が決まるのでしょうか？情報によって価格が決まり、価格が動けば何かしらのサプライズが起こります。しかし今の状況について考えてみましょう。全員が同じ解答を手に持って市場に参入したとき、市場には目に見える痕跡が残るでしょうか？間違いなく残ります。まずは何でしょうか？ファンドの保有銘柄が似通ってくるのです。今年8月、シンガポール国立大学と中山大学の2人の研究者が論文を発表しました。その論文が比較したのは何だったかというと、ChatGPTのリリース前後における、生成AIに依存するファンド同士の保有銘柄の変化の相関度です。結論として、保有銘柄はより似通ったものになり、多くの側面において高度に類似していることが分かりました。例えば、これらのファンドが集中投資している株式や、ニュースに対する価格の反応速度などです。その副作用は何でしょうか？瞬時の流動性がさらに悪化することです。反応が早いのはなぜか？全員が同時に同じ解答を受け取っているからです。流動性が悪いのは、あなたが売りたいと思ったときに買い手が全くおらず、誰も自分だけの異なる判断を持てないからです。速度の面にも痕跡が残りました。国際通貨基金（IMF）には、金融資本市場部門と呼ばれる部署があります。この部署の部長の名前はトビアス・エイドリアン（Tobias Adrian）と言います。彼は少し前、非常に強烈な発言をしました。将来、数分以内に暴走して急落するようなフラッシュクラッシュは、もはやコードのエラーからではなく、多くのAIシステムが同一の情報に対して同時に反応することから起こるかもしれない、というのです。彼が変わったのは何でしょうか？コンセンサスの寿命ですよ、兄弟たち！以前の情報伝播のパラダイムはどうだったか？伝わるのが遅く、拡散するのも遅かったのです。現在は、全員が同時に同じ判断を目にします。判断の方向性が一たび収斂すれば、それは全員が同時に船から転げ落ちる瞬間となります。「ゆっくり拡散する」というその段階が、丸ごと消え失せてしまったのです。皆さん気づいているでしょうか？今年に入ってから、あるいは昨年から始まっているかもしれませんが、市場の相場は全体的にまさにこの有様です。イランの戦争を巡る局面を見ても、S&P500は1月27日の終値の最高値から3月30日の最安値までどれくらい下落したか？9.1%下落しました。そして恐怖指数VIXは3月9日の取引時間中に一気に35まで跳ね上がりました。それからどうなったか？4月15日、S&P500は一気に過去最高値を更新し、最安値からわずか16日しか経っていませんでした。ナスダック総合指数は、6月2日の終値の最高値から7月29日の最安値まで押し戻され、直接9.8%下落しました。その2か月後、ナスダックは再び過去最高値を更新したのです。半導体株はさらに極端で、フィラデルフィア半導体指数は今年の第2四半期に一気に88%上昇しました。これは1994年の記録開始以来、最高の四半期となりました。そして7月の1か月間だけで20.6%下落しました。この一連の高騰と急落にはそれぞれ独自のニュースがありましたが、私が言いたいのはそのリズムのことです。買うときは一緒に買い、売るときも一緒に売り、その間に意見の対立が生まれるプロセスが存在しないのです。こうしたコンセンサスには、見てくれは強そうに見えるが、実際には非常に脆いという特徴があります。なぜなら、この価格を支えているのは一人ひとりが持つ情報ではなく、まったく同じ一つの解答だからであり、さらに、人間が見る情報がどんどん減っているという現実もこれに連動しています。

ChatGPTが今年第2四半期の全世界の読者のデータを統計したところ、何が分かったか？全世界の読者は1つの記事に平均してわずか26秒しか滞在していないことが分かりました。さらにすごいことに、今年の最初の4か月間、アメリカのGoogle検索の68%はどのリンクもクリックされませんでした。2024年の時点でも、この割合は60%でした。つまり、原文を読む量が少なくなればなるほど、遭遇するサプライズは減り、同時にその共有された判断への依存度が高まります。その共通の判断が一たび座礁すれば、全員が一緒に船から投げ出されるのです。それだけでなく、金融市場が語る言葉すらますます同質化しています。G20主導で設立された国際機関である金融安定理事会（FSB）は、今年6月10日に意見募集案を発表しました。その内容は非常に露骨で、共通のAIモデル、データ統合、あるいはインフラに依存することは、各金融機関に似たような行動を取らせ、群れ行動（ハーディング現象）や順景気循環性を増幅させると指摘しています。群れ行動とは皆が一緒に買い、一緒に売ることであり、順景気循環性とは何か？それは、価格が上昇しているときにはクソみたいな買い増しを行い、下落しているときにはクソみたいな一斉のポジション縮小を行うということです。イングランド銀行もじっとしていられません。その副総裁は欧州中央銀（ECB）のフォーラムで、率直にこう言い放ちました。自分で発注できるAIプログラムが同じトリガーに対して同じ反応を示すならば、市場には全市場のサーキットブレーカーに類するマスターキック（総スイッチ）が押されなければならない、と。つまり、規制当局はすでに流動性の瞬間的爆発という問題に懸念を抱き始めているのです。この全市場のサーキットブレーカーはまだ一つの提案にすぎず、具体的な実施細則もありません。しかし、ほんの2日前、すなわち9月30日、イングランド銀行は9月25日の金融政策委員会の議事録を公表しました。その議事録の中で、モルガン・スタンレーの試算が引用されています。その試算とは何か？2026年9月までの時点で、世界のAI関連債券の発行額はおよそ4500億ドルに達し、2025年通年の2倍をすでに超えているというものです。そこで問題となるのは、これらの資金が同じ解答を頼りにして借り入れられたものかどうかということです。各自でよく味わってみるがいい。

さて、一般人の視点に戻りましょう。AI時代に不足しているのは答えではなく驚きである以上、その解決策は何でしょうか？自分自身を再び驚きを生み出せる人間にすることです。私たちはAIをオットーのノートのように使うべきであり、公共の脳として使ってはいけません。AIに保存させ、検索させ、整理させる。これらはノートがすべき仕事であり、AIは間違いなく人間よりうまくこなします。しかし、判断というステップを絶対に外部委託してはいけません。判断には自分自身の情報を使うべきです。では、その情報はどこから来るのか？原文から、原著から、本から、自分自身が歩いた場所から、そしてモデルがまだ読んでいないものから来るのです。驚きは原料の中にしか存在せず、最頻値の中にはありません。原文を読めば、あなたの判断は9億人の判断から切り離されます。さらに、ある訓練をすべきです。それは、AIに結論を出させるのではなく、反例を探させるという訓練です。もし「この株はどうですか？」と聞けば、AIは必ず世界中の最頻値を提示し、その瞬間、あなたの判断は9億人の判断の中に埋没してしまいます。そうではなく、「私のこの判断のどこが論理的に弱いのか？反対側の最も強力な理由は何か？」と聞くのです。AIが提示するものは、あなたが思いつかなかった理由であり、これこそがAIがあなたに驚きを与え、情報を提供している瞬間なのです。同じ9億人が使っていても、使い方があなたを埋没させるか、あるいは際立たせるかを決定します。

もう一つ小さな習慣があります。これは9月17日にミュンヘン大学が発表した実験データによるものです。実験では、704人にAIアシスタントを使って分数の計算を練習させ、練習後にAIをオフにして試験を行いました。あるグループには、問題を解くたびに画面上で「この問題は自分で計算したものか、それともAIから直接答えを得たものか？」と問いかけ、さらに「次の問題はどこまでAIに手伝ってもらうつもりか？」と尋ねました。たったこれだけの動作で、AIの答えをそのまま写す確率は半分以下に抑えられました。試験の成績もわずかに向上しましたが、この点については統計的にまだ確実とは言えません。もう一方のグループには、自分で正解すれば高得点を与え、AIの答えを使って正解した場合は低得点しか与えないという条件を課しましたが、こちらには何の効果も見られませんでした。つまり、AIに答えを求める前に、まず自分の判断を書き出し、その後にAIの答えを見て、自分の判断とAIの答えの間にどのような差があるかを確認するのです。その差こそが、あなたの手元にある情報量です。もし差がゼロなら、今回は何も学んでいない、ただ答えを得ただけだということです。最後にもう一つ重要なのは、AIの言うことを聞かない選択肢を残しておくことです。これは強がるためではなく、この時代においては独立性の方が正しさよりも価値があるからです。他人より優れているわけではない独立した判断であっても、集団の中に加えることで、他人が持っていない情報という価値が生まれます。なぜなら、コピーされた1万個の判断が加える情報量はゼロだからです。このテーマ自体に戻りましょう。AI時代の人々はより愚かになったのか、それとも賢くなったのか？私の結論は明確です。答えは「平準化された」ですが、情報はそうではありません。集団はより愚かになりますが、個人がAIをうまく活用すれば、より賢くなることができます。理由は単純です。AIは個人の答えをより標準化させますが、集団の情報は均一化させてしまうからです。ですから、私たちがすべきことは二つの陣営のどちらかに立つことではなく、自分自身を9億分の1の同じコピーにしないことです。さて、今日はここまでとします。私の番組が気に入ったら、下のベルボタンを押してください。もし私を支援したい場合は、メンバーシップチャンネルにご参加ください。メンバーシップでは毎月4本の深掘り番組を配信しています。タフな仲間たちのグループへの参加をお待ちしています。それでは、また次回の番組でお会いしましょう。