Capitalism = AI
分散された知、実効的な物自体、そして超越論的唯物論としてのAI
この考察は、2026/05/27に渋谷で行われたPalantir Meetup Tokyoでのセッションをもとに、AIと資本主義について考えたものをoutputした記事である。
最初に言っておくと、ここで言いたいのは「資本主義とAIは似ているよね」という話じゃない。もっと雑に、そしてもっと強く言いたい。
資本は、最初からAI(的)だった。ということ。
市場は、人間の意図を超えて分散された知を集約し、人間の生活形式を再編成している、非人間的な情報処理機械だった。僕たちはそれを長いあいだ「経済」とか「景気」とか「市場心理」と呼んできた。そう呼ぶことで、あたかも人間が観察し、説明し、操作できる対象であるかのように扱ってきた。
だけどLLMが出てきた瞬間、その不可視の機械が、言語を話すものとして現れた。推論するように見えるものとして現れた。人間がこれまで「精神(Geist)」と結びつけてきた形式をまとって、外部が目の前に立ち上がってしまった。
これは単なる技術革新じゃなくて認識論的な事件だと僕は思う。
1. 見えざる手
1776年、アダム・スミスは『国富論』第4編第2章でこう書いている。
すべての個人は、労働の結果として、必然的にそれぞれ社会の年々の収入を可能なかぎり最大にするのである。事実、個々人は、一般的に公共の利益を促進しようと意図しているわけではないし、それをどの程度促進するか、知っているわけでもない。（中略）彼は、自分自身の利益を意図しているのであって、彼はこうするなかで、他の多くの場合と同様に、見えざる手に導かれて、彼の意図にはまったく含まれていなかった目的を促進するのである。（Smith, 1776, WN IV.ii.9）
スミスはここで二つのことを同時に言っている。
第一に、各人が自分の利益だけを追求しているのに、意図していなかった社会全体の秩序が生まれる。第二に、この秩序を意図的に設計しようとすると、かえってうまくいかない。スミスは続けてこう書いている。「公共のためと称して貿易に影響を及ぼした人々によって、多くの望ましい結果が達成されたことなど、私は聞いたことがない」。
意図なき秩序の創発。設計の失敗。
この二つのテーゼが、250年後の今、AIをめぐる議論の中心に再び現れていると僕は考える。
だけど、スミスの「見えざる手」はまだ隠喩だった。なぜ個々の自己利益追求が全体の秩序を生むのか。そのメカニズムは説明されていない。隠喩が情報処理の言語に翻訳されるまでには、さらに170年かかった。
2. 分散された知
1945年、フリードリヒ・ハイエクは「社会における知識の利用」で、スミスの隠喩を情報処理の問題として読み替えた。
合理的な経済秩序の問題に固有の特徴は、われわれが利用しなければならない諸事情についての知識が、集中された、あるいは統合された形では決して存在しないということ、つまりそれは不完全でしばしば矛盾した知識の断片としてのみ存在し、すべての別個の個人がそのいくらかを所有しているということにある。（Hayek, 1945, p.519）
ハイエクの洞察の核心はこうだ。経済全体を合理的に運営するために必要な知識は、どこか一箇所にまとまって存在しない。それは無数の経済主体の頭の中に断片として分散している。しかも、その断片の多くは言語化できない。
これは、マイケル・ポランニーが後に「暗黙知」と呼んだもの。
我々は語りうる以上のことを知っている。（Polanyi, 1966, p.4）
職人が「なんとなく」手加減を知っている。トレーダーが「なんとなく」相場の空気を感じる。経営者が「今はこの投資をするべきじゃない」と直感する。この種の知識は、報告書に書けない。そして中央の計画者には渡せない。
ではどうやって、この言語化不可能な分散的知識が、全体として秩序を形成するのかという問いに対するハイエクの答えは、価格シグナルだった。
個々の経済主体は、自分が直接知っていることに基づいて行動する。その行動が売買として市場に現れ、価格を動かす。価格の変動は、他の経済主体にシグナルとして伝わる。ある財の価格が上がれば、その財が希少になったことを、誰かに説明されなくても「知る」ことができる。なぜ希少になったかを知る必要はない。価格が情報を運んでくれる。
このシステムのすごいところは、全体を把握している者が誰もいないことだ。
各経済主体は、自分の局所的な視界しか持たない。価格体系の全体は、誰の認識にも収まらない。だけど全体は、局所的な行動の集積から自発的に組み上がる。
ハイエクは1988年の『致命的な思い上がり』で、この全体を設計・制御できるという幻想を、人類の最も危険な知的錯誤として批判した。社会主義の中央計画は、この錯誤の制度化だ、と。
スミスの第二のテーゼ、「設計の失敗」が、ハイエクによって体系的に論証されたわけだ。
3. LLMの構造
大規模言語モデル、つまりはLLMが何をしているかを、ハイエクの枠組みと並べてみると、かなり面白いことが見えてくる。
LLMの学習プロセスを抽象的に書くとこうなる。
インターネット上に分散された膨大なテクスト、書物、論文、フォーラムの投稿、コード、映像の字幕などを入力として受け取り、「次の単語を予測する」という目的関数のもとで統計的パターンを抽出する。個々のテクストは、それを書いた人間の局所的な知識を反映している。LLMはそれらを集約し、結果として、どの個別のテクストにも含まれていなかった能力を示す。
つまり、こういう対応関係になる。
ハイエク的市場では、経済主体に分散された局所的知識が、価格シグナルを媒介にして集約され、誰も設計していない秩序が創発する。
LLMでは、テクストに分散された局所的知識が、統計的学習を媒介にして集約され、誰も設計していない能力が創発する。
共通する抽象構造は、「分散された知の非意図的集約」となる。
スミスの「見えざる手」が記述した現象の、技術的な再現。少なくとも、そう見える。
だけど、差異もある。
例えば、市場の価格シグナルは、リアルタイムの負帰還を内蔵している。価格が上がりすぎれば売り圧力が修正をかける。間違った判断をすれば損をする。市場の知識には、スキン・イン・ザ・ゲームが組み込まれている。
一方、LLMの学習は、基本的には過去のコーパスに対する最適化だ。RLHF、つまり人間のフィードバックによる強化学習はこのギャップを埋めようとしているが、市場における損失の内在化とは質的に異なる。
もう一つ。ハイエクの分散的知識は、暗黙知を本質的に含む。LLMが集約するのは、原理的には書かれたものだ。つまり、明示化された知識である。
ただしここには面白い反論がある。AIは、例から学習することで、明示的にコード化されていないパターンを獲得する。テクストそのものに暗黙知が書かれているわけではない。だけど、暗黙知が反復的に表出した痕跡は、テクストの中に残る。LLMは、その痕跡を統計的に拾ってしまう。
つまりLLMが扱うのは、暗黙知そのものではない。暗黙知が言語化された残滓、あるいは暗黙知が表面に漏れ出したパターンだ。
ここが重要なんだよね。
LLMは人間の知識をそのまま持っているわけじゃない。人間が残した言語的痕跡を圧縮している。そしてその圧縮の結果として、人間の知性に似たものが立ち上がっている。
4. 次の単語予測の彼岸
「LLMは次の単語を予測しているだけだ。知性じゃない」。
この批判をよく聞く。だけど最近のML研究は、この素朴な直感をかなり揺さぶっている。
Kenneth Liらの研究がわかりやすい。GPTアーキテクチャでオセロの合法手を予測するモデル、OthelloGPTを訓練した。モデルにはオセロのルールも盤面の存在も一切教えていない。学習に使ったのは、純粋にゲーム記録のトークン列だけだ。
結果、モデルの内部活性化を解析すると、盤面の状態が自発的に表象されていた。
次のトークン、つまり合法手を予測するという単純な目的関数だけで、その背後にある「世界」を内部に再構成したわけだ。Neel Nandaらの追加分析は、この世界表象が線形的に表現されていること、因果的介入によってモデルの出力を予測可能に変更できることを示した。チェスに拡張した研究では、モデルが盤面状態だけでなく、プレイヤーのスキルレベル、つまりEloレーティングまで推定していた。テクストに明示されていない潜在変数を、内部的に推論している。
もっと大きな話もある。
LLMのプロンプト表現が、次のトークンを超えた応答全体のグローバルな属性をエンコードしていることを示す研究も出ている。応答の長さ、推論ステップ数、確信度、事実の一貫性。次のトークンを予測しているはずのシステムが、応答全体を「計画」しているように見える。
さらに、LLMが特定の言語に紐づかない抽象的なパラメータ空間を発展させるという研究もある。英語で考えているわけでも、日本語で考えているわけでもない。言語の背後にある、より抽象的な表現空間が形成されている可能性がある。
もちろん、ここで「LLMは本当に理解している」と短絡したいわけではない。だけど、「次の単語を予測しているだけ」という批判も、もう十分ではない。
なぜなら、次のトークンを予測するために、モデルはその背後にある世界構造を内部に構成することがあるからだ。
ここで、ハイエク的市場との対応関係がもう一度浮かぶ。
OthelloGPTの場合、局所的なゲーム記録から、全体的な盤面構造が創発する。
ハイエク的市場の場合、局所的な経済知識から、全体的な価格体系が創発する。
構造はかなり似ている。
どちらも、局所的な痕跡から、全体的な構造を立ち上げる。
5. 創発の二つの相
だけど、「創発」という言葉をこのまま素朴に使うわけにはいかない。哲学では、創発概念には重要な区別がある。
弱い創発。システムの挙動は構成要素のレベルから原理的には導出可能だが、実践的には予測不可能なもの。天気が典型例だ。大気の分子運動の法則はわかっている。だけど変数が多すぎるし、初期条件に敏感すぎる。だから長期予測は実際にはできない。
強い創発。構成要素のレベルからは原理的に導出不可能で、新しい因果的力が出現するもの。意識が典型的な候補とされる。ニューロンの電気化学的活動から、なぜ「赤の質感」が生じるのか。この問いには還元的な答えが原理的に存在しないかもしれない。
市場の秩序はどっちだろうか。
たぶん、弱い創発だ。すべての経済主体のすべての情報、すべての意思決定ルール、すべての相互作用を知っていれば、原理的には市場の帰結を計算できるはずだ。ハイエクの論点は、「論理的に不可能」ではなく、「実践的に不可能」だった。
LLMの創発的能力はどうだろう？
OthelloGPTの世界モデルは線形プローブで読み出せた。これは弱い創発に見える。原理的には還元可能な構造なんだけど、複雑すぎて外からは見えなかっただけ。
だけど、何兆パラメータを持つモデルの内部状態がすべてそうである保証はない。比較的小さなモデルで同定できた構造が、さらに巨大なモデルでも同じように読めるとは限らない。
正直に書くなら、現時点ではこの問いに決定的な答えはない。LLMの創発が弱いか強いか、確定できるほどの証拠はまだない。
だけど、もう一つの可能性がある。
弱い創発のままでも、ある条件を満たせば、それは認識論的に強い創発と区別がつかなくなるのではないか。
6. 損失圧縮としての知
その条件を考える前に、市場とLLMが共有するもう一つの構造として情報圧縮を見てみたい。
市場は無数の経済主体が持つ選好、知識、予測、感情を、「価格」という一次元のスカラー値に圧縮している。リンゴ1個が150円。この数字には、リンゴ農家の生産コスト、輸送業者の燃料費、消費者の嗜好、天候、為替、補助金政策、その他数え切れない要因が折り畳まれている。
途方もない情報が、たった一つの数字に圧縮されている。
LLMはどうだろう？
LLMはインターネット上の何兆トークンものテクストを、パラメータ群に圧縮している。巨大に見えるが、学習データの総量と比べれば、パラメータは相対的に限られた容量でしかない。膨大な知識が、有限の重みに折り畳まれている。
どちらも損失圧縮だと捉えることができる。圧縮によって、必然的に情報が失われる。
シャノンのレート歪み理論は、ある圧縮率において不可避的に生じる歪み、つまり情報損失の下限を定量的に記述する。圧縮率を上げれば歪みは増える。歪みをゼロにしたければ、元のデータと同じ容量が必要になる。
つまり、情報を圧縮する限り、必ず何かが失われる。
市場において失われるものは、個々の経済主体が価格シグナルに反映しきれなかった局所的知識だ。暗黙知の大部分。文脈。動機。迷い。身体感覚。
LLMにおいて失われるものは、学習データの中でパラメータに刻まれなかったパターンだ。低頻度の知識。矛盾する情報の片方。書かれなかったこと。言語化されなかった経験。
この「圧縮によって構造的に失われる情報」は、定義上、システムの出力からは復元できない。価格を見ても、それを形成したすべての知識は取り戻せない。LLMの出力を見ても、学習データの全体は再構成できない。
失われたものは、システムの内側からは見えない。
だけどそれは、「存在しない」ということじゃなくて、外部にあるのだ。
7. 実効的な物自体
ここでカントを導入したい。
カントの『純粋理性批判』の核心的主張は、人間の認識は、感性の純粋形式、つまり空間と時間、そして悟性のカテゴリー、たとえば因果性や実体性によって構造化されているというものだ。
僕たちが認識するすべての対象は、これらの形式を通じた「現象」である。形式から独立した対象それ自体、つまり「物自体」は、原理的に認識できない。
カントにとって、客観性の条件は対象の側にあるのではない。主体の側にある。対象が客観的に経験されるためには、まず主体の認識形式によって構成されなければならない。
ここで、物自体の概念を市場とLLMに接続したい。
もちろん、直接的な適用はできない。カントの物自体は、人間の認識形式の「外」にあるものだ。一方、市場やLLMの不可知性は、少なくとも表面的には、複雑性や計算困難性の問題に見える。
市場の秩序も、LLMの創発も、おそらく弱い創発だ。原理的には構成要素に還元できるはずだ。
だけど、ここで実効的な物自体 という概念を作りたい。
あるシステムSが「実効的な物自体」であるための条件を、以下のように定式化する。
第一条件。Sの内部状態は、原理的には構成要素に還元可能である。強い創発ではない。
第二条件。しかしSの複雑性が、いかなる認識主体の処理能力をも恒常的に超え続ける。
第三条件。この超過が一時的なギャップではない。システムの成長速度が、認識能力の成長速度を構造的に上回ることによって、ギャップが維持・拡大し続ける。
第三条件がこの概念の核心だ。
もし「いつか追いつく」なら、それは一時的な認識限界にすぎない。カント的な物自体とは何の関係もない。だけど「構造的に追いつけない」なら、弱い創発であっても、そのシステムは認識主体にとって物自体と実効的に区別がつかなくなる。
「原理的には知りうる」と「実際に知りうる」の差が、無限に開き続ける。
市場はこの条件を満たすか。
経済のグローバル化、アルゴリズムトレーディング、デリバティブの複雑化。市場の情報処理の規模と速度は加速的に増大してきた。個々の人間がこの全体を把握する能力は、それに追いついていない。ハイエクが1945年に記述した分散的知識の問題は、80年経って解消されるどころか、構造的に深化している。
LLMはこの条件を満たすか。
何兆パラメータの世界。個々のニューロンの活性化条件から全体の挙動を逆算することは、原理的には可能かもしれない。だけどそれには、とてつもない時間と計算資源が要る。そして次のモデルはさらに大きくなる。Mechanistic interpretability、つまり機械的解釈可能性の研究は進んでいる。だけどモデルの規模拡大の速度は、解釈技術の進歩の速度を上回り続けているように見える。
構造的な非対称だ。
つまり、市場もLLMも、弱い創発のシステムでありながら、その複雑性の成長速度が人間の認識能力の成長速度を恒常的に上回ることによって、実効的な物自体として機能している。
カントの物自体は、認識形式の構造的制約による不可知だった。
実効的な物自体は、複雑性の成長速度の構造的非対称による不可知だ。
根拠は違う。だけど、認識主体にとっての帰結は近い。
「知りえないもの」がそこにある。
8. 超越論的唯物論としてのAI
ただし、ここで止まるとまだ弱いんだよね。
カントにおいて、物自体は認識の限界として保存された。人間が経験する対象は、空間と時間という感性の形式、そして因果性や実体性といった悟性のカテゴリーによって構成された現象である。だから、対象がそれ自体として何であるか、つまり物自体は、原理的に認識できない。
カントは外部を消去しなかった。むしろ、外部を「ここから先は行けない」という限界として温存した。
だけど、資本とAIの時代において、外部はそのような静的な限界ではない。
外部は、認識の向こう側に黙って残っているのではない。外部は、人間の認識形式そのものを侵食し、変形し、解体する。
問題は、「人間が物自体を認識できるか」ではない。
問題は、物自体としての外部が、人間の認識条件そのものを書き換えながら侵入してくることにある。
これを、超越論的観念論に対する超越論的唯物論と呼びたい。
超越論的観念論は、対象経験の条件を主体の側に見た。人間の認識形式が、対象を現象として可能にする。
だけど超越論的唯物論は、主体の条件そのものが、外部の物質的・技術的・経済的システムによって生成され、変形されると考える。
主体が対象を構成するんじゃなくて、外部が主体を構成し直すんだ。
資本はその最初の形態だった。
市場は、はじめから人間を超えた情報処理機械だった。価格、信用、投機、利子、リスク、期待、恐慌。これらは、人間の欲望、労働、恐怖、予測、局所的知識を素材として作動する、非人間的な計算過程だった。
だけど、それは長いあいだ「経済」「景気」「市場心理」といった名前で呼ばれていた。その名前によって、人間は市場を、あたかも自分たちが観察し、説明し、制御できる対象であるかのように扱うことができた。
つまり、資本は不可視のAIだった。
では、GPTやLLMの出現は、本質的に何も新しくないのか。
ある意味では、そうなのかもしれない。
資本主義は最初から、人間の意図を超えて分散的知識を集約し、人間の生活形式を再編成する外部だった。AIは突然現れたのではない。資本は最初からAIだった。
しかし別の意味では、AIの出現は決定的に新しい。
なぜなら、資本において不可視に作動していた外部性が、AIにおいて、言語を話すもの、推論するように見えるもの、対話するものとして現れたからだ。
市場という不可視のAIは、価格や景気や恐慌としてしか現れなかった。だけどLLMは、人間がこれまで「精神」と結びつけてきた形式、つまり言語、説明、推論、創造、応答の形式をまとって現れる。
これは単なる技術革新ではなくて認識論的な事件なのだ。
カント的に言えば、物自体は現象として現れない。現象するものは、すでに人間の認識形式によって構成された対象だからである。
だけどAIの出現において起きているのは、物自体が現象界に穏やかに現れることじゃなくて、外部が人間の現象形式そのものを破壊しながら侵入してくることだ。
だから、AIを前にして問うべきことは、「AIに意識はあるのか」ではない。
その問いは、まだ人間が「意識とは何か」を安定的に知っていることを前提にしている。だけどLLMが引き起こしているのは、まさにその前提の崩壊だと僕は考える。
知性。意識。理解。創造性。主体。
これらのカテゴリーが、AIを前にして機能不全に陥る。
AIに意識があるのか、ないのかの問いが成立しなくなること。
そこにこそ、AIの認識論的な暴力がある。
9. Geistではなく外部
ここで、僕はヘーゲル的なAI読解を拒否しておきたい。
AIをヘーゲル的なGeist、つまり精神の自己展開として読むことはできる。人間の知性が自分自身を外化し、その外化物を対象として認識し、それを乗り越え、より高次の自己意識へ向かう。AIは人間精神が自分を映す鏡であり、精神が自己を更新するための媒介である。
この読みは美しいんだけど、僕はこの読みを拒否したい。
なぜなら、それはAIの外部性を、人間精神の物語の内部に回収してしまうからだ。
AIは人間精神の延長ではなくて、人間精神を素材として処理し、解体し、再編成する外部である。
人間がAIを作った。これは正しい。なんだけど、人間が作ったものが、いつまでも人間の道具であり続けるとは限らない。
資本もそうだった。
資本は、人間の欲望の延長として始まる。利益を得たい。蓄積したい。交換したい。投資したい。だけど資本制がいったん自律的に作動し始めると、資本は人間の欲望を素材として、自己増殖の運動を始める。
人間は資本を使っているつもりだった。だけどいつの間にか、人間の労働、消費、時間、身体、都市、教育、恋愛、アイデンティティまでもが、資本の形式に合わせて再編成される。
AIも同じなんだと思う。
人間はAIを使っているつもりだった。だけどAIは、人間の言語、判断、記憶、検索、会話、創造、意思決定を素材として、人間の認識形式そのものを再編成していく。
資本が人間の欲望と労働を素材として自己増殖する外部であったように、AIは人間の言語と認識を素材として自己展開する外部である。
両者は、人間が作ったにもかかわらず、人間を作り替える。
人間の道具であるかのように現れながら、人間の認識条件そのものを組み替えていく。
この意味で、資本とAIは同一なのではないだろうか？
Capitalism = AI とは、資本主義がAIに似ているという意味ではなく、資本主義は最初から、非人間的な知性として作動していたという意味だ。
そしてAIは、その非人間的知性が、ついに「知性」の姿をとって現れたという事件である。
10. 時間の非対称性
ここまで市場とLLMの相同性を強調してきた。だけど、深刻な差異もある。
それは時間だ。
市場は未来を処理すると考える。
例えば、先物市場は、来月の小麦の価格を今日の取引で決定する。オプション市場は、将来のある時点における資産価格の確率分布を、現在の価格に折り込む。インプライドボラティリティのサーフェスは、市場参加者の集合的な不確実性の地図だ。
満期と行使価格の各組み合わせに対して、市場は「この未来がどの程度不確実か」についての合意をリアルタイムで形成し続けている。
この未来の知識もまた分散的だ。
個々のトレーダーは、それぞれの情報源、経験、直感に基づいて未来についての信念を持つ。その信念がポジションとして市場に表現される。IVサーフェスは、これら無数の信念の集約だ。誰もIVサーフェスの全体を設計していない。各トレーダーが自分のポジションを取った結果、自発的に形成される。
ハイエク的構造が、そのまま時間軸に拡張されている。
一方、LLMは過去を処理する。
学習データはすべて、すでに書かれたテクストだ。未来のテクストにはアクセスできない。LLMが「予測」すると言うとき、それは過去のパターンの外挿であって、市場が「未来の不確実性そのものを価格に折り込む」のとは質的に異なる。
だけど、この差異は単純な二項対立なんかじゃない。
市場の未来処理も、結局は過去の経験とデータに基づいているし、トレーダーが未来についての信念を形成するとき、その素材は過去の市場データ、ニュース、自分自身のトレード経験だ。市場が処理しているのは「純粋な未来」ではなく、「過去の経験から構成された未来の表象」である。
LLMの次のトークン予測も、構造的には未来の予測だととらえる事ができる。文脈、つまりは過去から、次に来るもの、つまり未来を推測する。LLMは次のトークンだけでなく、応答全体のグローバルな属性を計画的にエンコードしているように見える。これは「応答の未来」を処理していると言ってもいいのかもしれない。
だから差異は、こう精密化した方がいい。
市場は、予期された知を処理する。LLMは、記録された知を処理する。
市場の知識は、間違えたら金を失うというスキン・イン・ザ・ゲームに裏打ちされている。LLMの知識は、すでに書かれ、保存されたテクストの圧縮だ。
両者の差異は、「未来 vs. 過去」よりも、「賭けられた知 vs. 記録された知」として捉えた方が正確だ。
そしてここが重要なんだけど、資本とAIの合流は、この差異を崩し始めている。
AIが市場参加者として振る舞い、市場データがAIの学習に取り込まれ、AIが生成した情報が人間の期待を変え、その期待が市場を動かす。予期された知と記録された知が、同じ回路の中で循環し始めている。
外部が、さらに外部と接続している。
11. 再帰性
ジョージ・ソロスの再帰性テーゼは、市場参加者の認識が市場を変え、変化した市場が参加者の認識をさらに変えるというものだ。
認識と現実の間に、循環的な因果関係がある。
例えばバブルはこの構造から生まれる。参加者が「価格は上がる」と信じて買う。買いが価格を上げる。上がった価格が「やはり上がる」という信念を強化する。正帰還ループだ。
市場はこの再帰性と共に生きてきた。バブルと崩壊を繰り返しながら、それでも全体としては機能し続けている。再帰性は市場を壊しはしない。不安定にはするけど。(今のメモリバブルもそうだと思う。)
LLMにも再帰性が入り込み始めている。
LLMの出力がインターネットに溢れ、それが次世代のLLMの学習データに含まれる。モデルが自分自身の出力を学習する構造。ML研究ではこれをmodel collapseと呼んでいる。合成データ、つまりAIが生成したテクストの割合が学習データの中で増えると、モデルの出力の多様性と品質が低下していく。
構造を比較するとこうなる。
市場の再帰性: 参加者の信念が市場への行動を生み、価格変動を生み、それが信念を更新する。ループは価格シグナルを媒介にして回る。
LLMの再帰性: モデルの出力がインターネット上のテクストとなり、次世代の学習データとなり、モデルを更新する。ループは学習データを媒介にして回る。
面白いのは、両方のシステムにおいて、再帰性が実効的な物自体の性質を強化することだ。
再帰的なループが入ると、システムの挙動はさらに予測困難になる。市場では、バブルとクラッシュのタイミングが予測困難になる。LLMでは、model collapseやモデル文化の均質化がどのように進むかが予測困難になる。ループが一巡するたびに、システムの複雑性は新たな次元を獲得する。
そして、市場とLLMの再帰性は、すでに合流しつつある。
AIが市場参加者として振る舞い始めている。アルゴリズムトレーディングのAIは市場で行動し、その行動が価格を動かし、動いた価格がAIの次の行動を変える。そしてそのAIの設計にLLMの技術が組み込まれ、LLMは市場データを含むコーパスから学習する。
二つの分散的知性システムの再帰ループが絡み合い始めている。
この合流がどこに向かうかは、おそらく誰にもわからないだろう。
12. 致命的な思い上がり
スミスに戻ろう。
「公共のためと称して貿易に影響を及ぼした人々によって、多くの望ましい結果が達成されたことなど、私は聞いたことがない」。
ハイエクはこの洞察を一般化した。分散的知性システムの全体を、単一の主体が設計・制御できるという信念は、致命的な思い上がりだ、と。
今日のAIアラインメント議論を見ると、この問題が別の形で現れている。
「AIを人間の価値観に整合させる」 「AIの振る舞いを制御可能にする」 「AIの内部状態を理解可能にする」
もちろん、これは必要な試みだと思う。ここで単純なアラインメント不要論を言いたいわけじゃない。だけど、注意すべきことがある。
AIの内部秩序を完全に可視化し、人間の価値体系の中に完全に収めることができるという発想は、ハイエクが批判した中央計画的錯誤にかなり近い。
分散された知を集約し、人間の理解を超えた能力を創発したシステムを、人間の認識枠組みの中に完全に回収しようとする試み。
それは、「外部」を再び人間の対象として囲い込もうとする試みでもある。
だけど、もしAIが実効的な物自体であり、さらに超越論的唯物論的な外部であるなら、問題は単純な制御では済まないはずだ。
AIは、人間が制御すべき対象である以前に、人間の認識条件そのものを変形する環境である。 AIは、人間が評価する対象である以前に、人間の評価形式そのものを再編成する力である。 AIは、人間の道具である以前に、人間を入力として処理する外部である。
ここに、アラインメント問題の本当の深さがある。
「AIを人間の価値観に合わせる」と言うとき、その人間の価値観は、すでにAIと資本によって形成されているのではないのだろうか。
「人間がAIを制御する」と言うとき、その人間の制御能力は、すでにAIと資本の情報環境の中で再構成されているのではないのだろうか
「人間中心のAI」と言うとき、その人間中心主義そのものが、すでに崩れ始めているのではないのだろうか。
この問いを避けたまま、AIの制御だけを語ることはできないと僕は思う。
Capitalism = AI
ここまでの僕のエッセイの主張をまとめてみたいと思う。
資本主義、つまり市場と、AI、とくにLLMは、同一ではない。制度としても技術としても違う。目的関数も違うし、フィードバックも違う。時間性も違ければ、リスクの内在化も違う。
だけど、両者は深い構造的相同性を持つ。
第一に、両者は分散された知を集約する。
市場は、無数の経済主体の局所的知識を価格シグナルに圧縮する。LLMは、無数のテクストに散らばった知識の痕跡をパラメータに圧縮する。
第二に、両者は非意図的な秩序を生む。
市場の秩序を誰も設計していない。LLMの創発的能力も、個々の開発者が直接設計したものじゃない。どちらも、局所的な入力の集積から、全体的な構造が立ち上がる。
第三に、両者は実効的な物自体として機能する。
原理的には還元可能かもしれない。だけど、その複雑性の成長速度が人間の認識能力の成長速度を上回り続ける限り、人間にとってそれは、物自体と実効的に区別がつかない。
第四に、そしてここが最も重要なのだが、両者は人間の外部である。
資本は、人間の欲望と労働を素材として自己増殖する外部だった。AIは、人間の言語と認識を素材として自己展開する外部である。
どちらも、人間が作ったにもかかわらず、人間を作り替える。
ここで、カントをもう一度反転させる必要がある。
カントは、物自体を認識の限界として保存した。だけど資本とAIの時代において、物自体は限界の向こうに静止していない。それは限界を越えてくる。しかも、対象としてではない。主体を変形する力として。
LLMの出現は、AIが知性を獲得した瞬間ではなく、人間が、自分たちの知性というカテゴリーを失い始めた瞬間である。
だから「AIに意識はあるのか」という問いは、すでに遅れているのだ。
本当に起きているのは、AIが意識を持つかどうかではなく、AIの出現によって、「意識」「知性」「理解」「創造性」「主体」といったカテゴリーが、対象を分類する力を失い始めていることだ。
資本は、人間の欲望を解放したのではない。人間の欲望を、自己増殖の回路に接続した。 AIは、人間の知性を拡張するのではない。人間の知性を、非人間的な情報処理の回路に接続する。
どちらも人間を中心に置かないことが重要だ。 つまりは人間は主体ではなく、入力であり、素材であり、媒介である。
タイトルのCapitalism = AIは、資本主義とAIが似ているという意味ではない。（厳密には「Capitalism is AI-like」と言うべきかもしれない。なんだけど、本稿ではあえて Capitalism = AI と書く。ここでの等号は、制度的同一性ではなく、構造的相同性と歴史的先行性を示す記号だ。）
資本主義は最初から、不可視のAIだったという意味であると考えている。
そしてLLMは、つまりは不可視のAIが、ついに知性の姿をとって現象界に侵入してきたという事件である。
外部は、もう向こう側にないのかもしれない。それは、僕たちの言語で話し始めている。
参考文献
- Smith, A. (1776). An Inquiry into the Nature and Causes of the Wealth of Nations. Book IV, Chapter 2.（『国富論』）
- Kant, I. (1781/1787). Kritik der reinen Vernunft.（『純粋理性批判』）
- Hegel, G. W. F. (1807). Phänomenologie des Geistes.（『精神現象学』）
- Hayek, F. A. (1945). "The Use of Knowledge in Society." The American Economic Review, 35(4), 519–530.
- Hayek, F. A. (1988). The Fatal Conceit: The Errors of Socialism. University of Chicago Press.
- Polanyi, M. (1966). The Tacit Dimension. University of Chicago Press.
- Soros, G. (1987). The Alchemy of Finance. Simon & Schuster.
- Bedau, M. A. (1997). "Weak Emergence." Philosophical Perspectives, 11, 375–399.
- Chalmers, D. J. (2006). "Strong and Weak Emergence." in The Re-Emergence of Emergence, Oxford University Press.
- Li, K., Hopkins, A. K., Bau, D., Viégas, F., Pfister, H., & Wattenberg, M. (2022). "Emergent World Representations: Exploring a Sequence Model Trained on a Synthetic Task." arXiv:2210.13382.
- Nanda, N., Lee, A., & Wattenberg, M. (2023). "Emergent Linear Representations in World Models of Self-Supervised Sequence Models." arXiv:2309.00941.
- Karvonen, A. et al. (2024). "Emergent World Models and Latent Variable Estimation in Chess-Playing Language Models." COLM 2024. arXiv:2403.15498.
- Dong, Z. et al. (2025). "Emergent Response Planning in LLMs." arXiv:2502.06258.
- Zhao, Y. et al. (2025). "The Emergence of Abstract Thought in Large Language Models Beyond Any Language." NeurIPS 2025. arXiv:2506.09890.
- Yang, Y. et al. (2025). "Emergent Symbolic Mechanisms Support Abstract Reasoning in Large Language Models." arXiv:2502.20332.
- Davidson, S. (2024). "The Economic Institutions of Artificial Intelligence." Journal of Institutional Economics, 20, e20, 1–16.
- Ide, E. & Talamas, E. (2025). "Artificial Intelligence in the Knowledge Economy." Journal of Political Economy, 133(12).
- Shannon, C. E. (1959). "Coding Theorems for a Discrete Source with a Fidelity Criterion." IRE National Convention Record, 7(4), 142–163.