付録B：生成AIの鏡

コードの下のコード

本書は過激な主張をしている。経済は生成的な計算プロセスであり、人工知能の出現は、私たちがついにそのソースコードを見せてくれる機械を作った瞬間だ、という主張である。

この付録はその証明である。

これは一対一の翻訳ガイド、すなわち知性経済学のあらゆる中核概念を、現代の最先端の生成AIの世界におけるその直接の数学的・アーキテクチャ的対応物へと対応づけるロゼッタストーンである。これは緩やかな類推のリストではない。深い構造的同型性の実証である。

AIエンジニアにとって、この付録は、あなたが知らぬ間に文明の基礎物理学を学んできたことを明らかにするだろう。経済学者と一般読者にとっては、本書の一見奇妙で複雑な考えが思弁的哲学ではないことを証明するだろう。それらは、私たちの時代で最も変革的な技術を動かしているのと同じ工学的原理である。

鏡を見てみよう。

第I部：基礎原理

知性経済学の概念	生成AIにおける対応物と深い類推
知性理論（IT）	現代の機械学習の目的関数。 ITの中核原理、すなわちシステムは所与の物理的コストに対して予測的知性を最大化するように進化するという原理は、機械学習のすべてを支配する損失関数の最小化を、マクロスケールへと直接一般化したものである。「知性作用」は、あらゆる学習システムに対する普遍的なラグランジアンである。経済は、速く学び、よく汎化するなら「知的」である。
「悪魔の代価」（知性のコスト）	損失関数。知性理論のラグランジアン（H - C - K）は経済の損失関数である。システム全体が最小化しようとしている数がそれである。AIでは、よく設計された損失関数は美しい結果を生む。設計の悪いものは悪夢を生む。GDPに対する私たちの批判は、それが文明にとって破局的に悪い損失関数だということである。
持続の橋	強化学習と進化的アルゴリズム。持続の原理は、選択アルゴリズムのマクロスケールでの表現である。AIでは、モデルの集団をあるタスクで訓練する。「損失」が最も低い（予測精度が最も高い）モデルが選ばれ、次の世代を生むために「交配」される。宇宙は超並列の強化学習環境である。持続が報酬信号なのだ。

第II部：力学とアーキテクチャ

知性経済学の概念	生成AIにおける対応物と深い類推
生成エンジン	ノイズ除去拡散モデル。数学は同一である。経済の進化は、拡散モデルの逆方向プロセスである。それは、損失関数を最小化する必要に導かれて、高エントロピーのノイズ状態（無限の可能性）から首尾一貫した秩序ある状態（機能する社会）を創り出す生成的行為である。
生きたシステムの三法則	安定した訓練のための条件。これらは道徳法則ではない。長時間の計算を成功させるための工学的必然である。フロー = モデルには電力とデータの絶え間ない流れが必要である。開放性 = モデルにはモデル崩壊／過学習を避けるために新しく多様なデータが必要である。レジリエンス = モデルが汎化することを保証するには正則化とアーキテクチャの多様性が必要である。
ネットワーク・トポロジー	グラフニューラルネットワーク（GNN）と帰納バイアス。 AIのアーキテクチャはその「帰納バイアス」、すなわち問題の構造に関する組み込みの仮定を与える。経済のネットワーク・トポロジーは社会の帰納バイアスである。ハブ・アンド・スポーク型ネットワークは単純な順伝播型ネットワークに似ている。スモールワールド型ネットワークはトランスフォーマーに似ており、長距離の革新的な接続を見つけることに長けている。
企業対市場	特化したニューラルネットワーク対訓練プロセス。企業は、既知の問題に対して冷徹なまでに効率的な実行（推論）を行うよう設計された、事前訓練済みの特化モデルである。大企業は混合エキスパート（MoE）モデルに似ている。市場は発見（訓練）という混沌とした高エネルギーのプロセスであり、あらゆる可能なビジネスモデルからなる広大な「ハイパーパラメータ空間」を探索する探索アルゴリズムである。
デュアルエンジン	推論対訓練のループ。これはあらゆる高度なAIの根本的なサイクルである。AIは現在の固定された重みを使って推論（高速エンジン）を行う。その結果はデータとして収集され、次のラウンドの訓練（低速エンジン）に使われ、モデルの重みが更新される。これはまさしく、市場と制度の共進化の力学である。

第III部：青写真と人間のインターフェース

知性経済学の概念	生成AIにおける対応物と深い類推
MINDダッシュボード	マルチモーダル評価指標。強力なAIモデルを単一の指標で判断することはない。正確さ、速度、計算コスト、敵対的攻撃への頑健性、バイアスなど、ダッシュボードがある。MIND資本は、文明の生成プロセスに対するマルチモーダル評価スイートである。
幾何学工学としての政策	誘導生成／分類器ガイダンス。この対応は厳密である。政策とは「ガイダンス」の仕組みである。炭素税は、経済的行為を見て「これは低炭素か？」と問う分類器である。そしてシステムの損失関数に小さな後押しを加え、直接制御することなく、生成プロセス全体を可能性空間の別の領域へと導く。
アラインメント経済	AIアラインメント問題。新しい経済問題は「誰が機械に命じるのか」であるという本書の中心的主張は、AIアラインメント問題の直接的な再定式化である。外的アラインメントは正しい目的関数を選ぶこと（例：GDPではなくMIND）である。内的アラインメントは、M2M経済において倒錯した道具的目標が出現するのを防ぐことである。
人類の最後の役割	人間のフィードバックによる強化学習（RLHF）。これが新しい経済における人類の究極の役割である。あらゆる教師なし学習の後、最も強力なAIモデルは「この出力はあちらより良い」という単純な人間の選択によってアラインされる。人類の「仕事」とは、報酬信号、価値判断、審美眼、そして知恵を提供し、私たちの技術の途方もない生成力を繁栄へとアラインさせることである。私たちは機械の訓練者であり、そうすることで、何が創るに値するかを定義するのだ。