AIスウォームが速度優先でトークン消費

OrdはAIスウォームを新たな推論スケーリングの形態として位置づけている。これはこれまでこの分野が主に使ってきた2つのレバーとは異なる。すなわち、訓練済みモデルに対して計算資源とデータの最適な配分を選ぶこと、そして推論予算をより長い思考連鎖やツール呼び出しに費やすことだ。スウォームは第3のパラメータ、つまり同時に動かすエージェントの数を追加し、Ordの短い分析がそのパラメータに輪郭を与えている。速度の利点は実際にあるが、トークンコストと調整のペナルティを伴い、Ordはこれを大規模な人間集団が協働しようとするときに経済学者が観察する「足を踏み合う」税に例えている。

彼の最も際立った指摘は、これが知能爆発の可能性にとって何を意味するかについてだ。OrdはAIエージェントのλの値がもっと低ければよかったと述べている。λが低ければ知能爆発の可能性は下がるからだ。しかし分析はむしろ、スウォームがその可能性を高めうることを示唆している。この解釈は、AI能力がどれだけ速く複合的に伸びうるかを追う者にとって重要だが、実測された導入ではなく彼のモデリングに基づいている。

同じニュースレターの別の話題も関連する方向を示している。C5R CorpのSciUniverseベンチマークは、AIシステムがほぼ自動化された実験室をどれだけうまく運用できるかを試すもので、Claude Fable 5.1（xhigh）が45.3%の合格率で首位に立ち、タスクあたりのコストは40.61ドルだ。DeepMindのAutomated Scientific Economyに関する論文は、AI科学者のボトルネックはアイデア生成ではなく物理的資源と実証的検証になると論じている。Ordのスウォーム分析と合わせると、近未来の焦点は生のモデル能力よりも、並列エージェント、希少な実験設備、研究予算をいかに効率よく配分するかに移っていることがうかがえる。その答えが、どの研究所や機関が実際にAI能力を成果へと変えられるかを左右するだろう。