スーパースターAI研究者の経済学

AIは、トップが他の人々よりもはるかに恵まれた立場に立つ分野の一つだ。フロンティア研究所のスーパースター研究者は、同僚の大半の10倍以上を稼ぐ。その同僚たちにしても、年俸わずか100万ドルという「はした金」を得ているのだが。スーパースターは、平均的なAI分野のポスドクの100倍以上を稼いでいることさえあるかもしれない。

では、なぜ報酬の差がこれほど大きいのか。素朴な説明は、一部の研究者がとにかく桁違いに優秀だというものだ。スーパースター研究者は、アルゴリズムや実験を設計するうえで優れた研究のセンスを持っているのかもしれない。あるいは「YOLO 実行」をやってのけるこつを心得ているのかもしれない。深い直観を頼りに、野心的な変更を一度に大量に取り入れる学習実行のことで、普通の人なら個々の変更がうまくいくかを体系的に試して確かめる必要がある。この見方では、スーパースターとはシリコンバレーが深く崇拝する「10倍研究者」であり、報酬の差を生んでいるのは彼らの質だということになる。¹

この説明の問題は、非常に不完全だということだ。実際には、スーパースターが平均的なポスドクよりほんの少し優れているだけでも、報酬には大きな差がつくと予想すべきなのである。それはなぜか。

Epoch AI の最新情報を受け取る 購読する

スーパースター効果

手短に答えるとこうだ。能力のわずかな差を報酬の大きな差に変える、よく知られた経済的な力学がある。分かりやすい例を二つ挙げよう。

• 100メートル走では、金メダリストは銀メダリストよりはるかに大きな報酬と注目を得る。レースの大半は文字どおり横一線の接戦だというのに。Usain Bolt が金メダルを取った2012年のロンドン五輪を考えてみよう。わずか0.12秒差でゴールしたのに、銀メダルを取ったのが誰かを知っている人はほとんどいない。あなたは知っているだろうか？
• ミュージシャンの中には、ほかよりはるかに稼ぐ人がいる。Taylor Swift を考えてみよう。昨年、彼女は Spotify から6,000万〜7,000万ドルを稼いだ。私と比べて彼女が「10倍歌手」であることは疑わない。しかし、Ed Sheeran、Blackpink、Charli XCX、Lana Del Rey といった、500万〜2,500万ドル程度しか稼いでいないほかの超人気歌手より、彼女がそれほど優れているかどうかは大いに議論の余地がある。

この二つの例ではいずれも、能力のわずかな差が、何らかの形で報酬の大きな差につながった。経済学者の Sherwin Rosen はこれを「スーパースター効果」と呼んだ。この効果は、二つの条件が成り立つときに働く。

1. 一人の仕事が大きな市場に届く。通常は多くの人がいる市場を意味するが、高額を支払う少数の人や企業でもよい。たとえば、Usain Bolt が100メートル走で勝つのを見た人は、数十億人に上った可能性がある。届けられる人が多いほど、スーパースター効果は顕著になる。経済全体で見ても、俳優やミュージシャンのように広く届く仕事は、配管工、看護師、トラック運転手のように一度に一人の顧客に対応する仕事よりも、賃金のばらつきがはるかに大きい。²

1. 労働の量では質を簡単に補えない。一人の短距離走者の代わりに複数の人を走らせることはできない。レースのルールに反するからだ。そして、Ed Sheeran よりTaylor Swift が好きなら、Taylor Swift のコンサートを見逃した埋め合わせを、Ed Sheeran のコンサートに多く行くことでするのは難しい。

一つ目の条件があると、質のわずかな優位が莫大な追加の価値を生むので、最高の人材に大金を払う価値が出てくる。ただしそれは、量で質を補えない（二つ目の条件）限りにおいてだ。もし補えるなら、もっと安い報酬でもっと多くの人を雇えばよく、最上級の人材を雇うためだけに大金を払う必要はない。³

なぜこれがAIに当てはまるのか

AI研究者は両方の条件を満たしている。市場は巨大だ。ChatGPT には10億人近いユーザーがおり、ごく少数の同じ基盤モデルがそのすべてに提供されている。したがって、一人の研究者の貢献が、すべてのユーザーに同時に波及しうる。

そしてAIでは、研究者の量で質を簡単には補えない。フロンティア研究所は計算資源に制約されているので、新しいソフトウェア上のイノベーションを試すために走らせられる実験の数には限りがある。そもそもどの実験を走らせる価値があるのかについての深い直観が求められるなら、「とても優秀なだけ」の研究者が二人いても、一人の Noam Brown の代わりにはなれない。研究所に時間的な余裕がない場合に、研究者同士を調整する難しさは言うまでもない。⁴

こうして、2倍研究者であっても、中央値をはるかに上回る報酬を得うる。10億人のユーザーに波及すれば、わずかな質の優位でも莫大な価値の差を生む。そして2倍研究者が、複数の1倍研究者には加えられない何かを加えられるなら、それを手に入れるために大金を払う価値がある。

競争の力学が効果を増幅する

フロンティアAI研究所は、しばしば「競争」の最中にあると言われる。彼らが具体的に何に向かって競争しているのか私にはよく分からないが、人間の労働の大部分を自動化することが含まれているように見えることが多い。勝てばの話だが、その賞金は年に数十兆ドルにもなりうる。このためAI研究所は「全てを賭けるか、何も得ないか」という姿勢をとるよう促され、勝つ見込みを少しでも高めるものには大きな価値がありうる。だからこそ Meta は、OpenAI からトップ研究者を引き抜くために1億ドルの報酬パッケージ（とされるもの）を提示したのである。

原理的には、これが（どう定義するにせよ）社会的に価値のある水準をはるかに超えるところまで事態を押し進める可能性さえある。高頻度取引業者が、取引をほんのわずかに速く執行するために巨額を費やしているのに、社会的な便益がほとんどないのと同じようなものだ。

現実は複雑で、AIの大軍を管理するのも同じく複雑だ

ほかの力も働いている。トップ研究者は、価値ある企業秘密を頭の中に持っている。競合がまだ走らせていない高価な実験の結果であり、再現するには莫大な費用がかかる。また多くはチームを率いてもおり、純粋な技術的研究能力以上の価値をもたらしている。Noam Brown は最近、自分のことを「OpenAI のマネージャー」と表現した。⁵ これらはいずれも、スーパースターのプレミアムとは別に、賃金格差の一因になりうる。

さらに、スーパースター効果を定量的に分析するのは難しい。⁶ 「研究者の質」を定量化するよい方法を私は知らない。METR の RE-bench のような意欲的な試みもあるが、そこに含まれるのは（「GPT-2 のファインチューニング」のような）小さく独立したタスクであり、何百万行ものコード、あいまいな目的指標、多くの人の間での大量の調整を伴うプロジェクトではない。

しかしこうした複雑さはあっても、スーパースター効果からはいくつか有益なことが分かると思う。一つには、パーソナル超知能を追い求める Meta が法外な報酬で研究者を引き抜こうとしていることについて、いくつかの報道記事を目にした。しかしこうした記事はたいてい、このスーパースター効果という重要な点を見落としている（競争の力学にはよく触れているのだが）。

もう一つの重要な含意は、知能爆発についての考え方に関わる。100倍の報酬格差が100倍の研究者の質の差によるものなら、トップ研究者をシミュレートするほうが、平均的な研究者をシミュレートするよりはるかに物事を加速させるかもしれない。⁷ しかし報酬格差の多くがスーパースターの力学によるものなら、そうはならない。研究者の質の差は、実際にはずっと小さいかもしれないからだ。

最後に、この効果を知っておくと、近い将来に何が起こるかについていくらか手がかりが得られる。スーパースター効果は今後ますます重要になるだけだと私は考えている。AIを使う人ははるかに増え、一人ひとりがAIシステムをはるかに多く使うようになるからだ。そして研究がClaude の大軍を管理することへとますます移っていくにつれ、深い研究の直観と、研究のマネージャーとしての長年の経験を持つ人々は、おそらく生産性も、財布の中身も、ますます大きく伸ばしていくだろう。

だから、スーパースターの稼ぎはむしろさらに大きな問題になるかもしれない。年1億ドルの報酬でさえ、文字どおり足りなくなるかもしれないのだ。

意見と支援をくれた Andrei Potlogea、Phil Trammell、Josh You、David Owen、JS Denain、Cheryl Wu、Stefania Guerra、Robert Sandler、Lynette Bye、そして Trajectory Labs の多くの人々に感謝する。また、そもそもこのエッセイを書くきっかけをくれた Luis Garicano にも感謝する。