0920 | 小さなAIと百年の暗号:テック週報

葵: こんばんは、葵です。

悠真: 悠真です。今夜も技術系ニュースをゆるく、でも中身はしっかり掘り下げる回をお届けします。

葵: 今日のラインナップは、AIの実力と限界、AIと執筆・著作権をめぐる訴訟、 Hacker Newsのランキング式と英語のa/anのルール、検閲測定ツールのOONI、それから開発者ツールとローレベルな挑戦、最後に科学と歴史の意外な話まで。

悠真: 一見バラバラに見えますが、実は「複雑に見えるものが、意外と単純な原理や、思い込みの破綻で動いている」というのが全体を貫くテーマになってます。じゃあ、まずはAIの実力と限界から。StarCraftの話ですね。

葵: そう、Brood War Benchというベンチマークの話。これ、古典的なStarCraft、つまりBrood WarにAIエージェントを放り込んで戦わせるベンチマークなんだけど、注目の結果が出たんです。

悠真: Codex Astraというエージェントが、なんと18試合やって18勝、つまり100%の勝率。しかも1試合あたりのコストが10.54ドルという数字まで出てる。

葵: 一見すると「AIが人間級のリアルタイム戦略ゲームを制圧した」ように聞こえるんだけど、そこが落とし穴で。

悠真: そうなんですよ。読み進めると「どのモデルも初心者レベルを超えられなかった」と書いてある。つまり、勝ったのは人間のトッププレイヤーではなくて、このベンチマークで設定された相手の中で勝率100%だった、ということ。

葵: ここは議論の分かれ目だと思うんですよね。ある立場は「それでも18-0はすごい。古典RTSは部分観測で、経済管理、偵察、マルチタスキングが全部同時に来るから、初心者を超えられないというのは正直な評価だ」という。他方で「そもそもベンチマークの相手設定が初心者止まりなら、18-0の数字は見かけだけ膨らんで見える。本当に強さを測りたければもっと上のレベルを相手にするべきだ」という批判も自然に出てくる。

悠真: しかもコストの話も面白くて。1試合10.54ドルというのは、エージェントを走らせるAPIコストとか計算コストが推定できる数字として出てるんですけど、「勝率100%でも、これを何千試合も回すとしたら費用対効果はどうなるのか」「人間のランカーを雇うほうが安いのでは」という現実的なツッコミもあり得る。

葵: 一方で擁護側は「初心者超えはまだだとしても、RTSという環境自体がLLM系エージェントにとっては極端に難しい。行動空間が巨大で、長期の計画が必要で、報酬がスパース。だからまず初心者に安定して勝てるようになること自体がマイルストーンだ」と言うでしょうね。

悠真: その「安定して」ってのが大事で、18-0は実はそこが評価ポイントなんですよ。1回運で勝つのではなく、18連勝。分散なく勝ててるというのは、エージェントが何か一貫した戦略を実行できてる証拠なんです。

葵: で、ここに補足の話が二つ来る。一つはCUA-S1-FORMSというモデル。70万6000パラメータ、たった2.8メガバイトのモデルで、フォーム上の判断をやるためのもの。正答率99.7%で、比較対象の「Jev」と呼ばれるモデルの83.6%を大きく上回って、しかも学習が30分未満。

悠真: もう一つがLayaというオープンソースエンジン、Apache 2.0ライセンスで、「システム1」型の非自己回帰的な判断をやるもので、推論1回33ミリ秒、100以上の言語対応、そしてTypeSafeのJevを超えると主張してる。

葵: この二つ、一見StarCraftと無関係に見えるけど、実はつながってるんです。「大きな汎用モデルで全部やる」のではなく、「狭い課題に絞って小さい速いモデルで解く」アプローチの紹介なんですね。

悠真: そう。Brood War Benchが「汎用モデルは汎用ゲームに弱い」を示したとすれば、CUA-S1とLayaは「タスクを絞れば、ずっと小さくて安いモデルが特化モデルとして輝く」を示してる。フォームの判断みたいなのは、実は「システム1」的な、深い推論じゃなくて瞬間的な選択の連続だから、70万パラメータで足りる。

葵: ここで議論になりそうなのは「じゃあStarCraftも、タスクを分解して小さいモデルの連携でいけるのか」って問いです。評論家の一人は「エージェントの失敗はモデルの知能の問題じゃなくて、アーキテクチャの問題だ。非自己回帰で高速に決定を下す仕組みを持っていないから、リアルタイム性についていけない」という立場を取り得る。

悠真: 対して「いや、RTSの難しさは推論速度だけじゃない。長期計画と偵察に基づく不確実性の処理が必要で、それはいくら速くても解決しない」という反論もある。33ミリ秒の推論があっても、何をすべきか分からなければ速いだけですからね。

葵: 未解決の問いとしては、「Codex Astraの18-0が、相手設定の問題なのか、それともエージェントの実力が本当にそこまでなのか」の切り分けがまだできてないこと。そして「フォーム判断のような特化モデルの成功が、汎用ゲーム攻略に転用できるのか」ということ。

悠真: で、GPT-6 Astraの話に移ると、また話が変わるんですよ。「同じAstraって名前なのに、こっちは驚異的」みたいな。

葵: そうなんです。GPT-6 Astraが、第一次世界大戦のドイツの暗号、ADFGVX暗号を解いたんです。しかもそれまで解読不能だったものを。

悠真: 使った鍵が「TRUPPENVERSCHIEBUNG」、つまりドイツ語で「部隊移動」。そして解読結果の検証に、イギリスの巡洋艦HMS Canterburyの記録を使った。

葵: ここが美しいところで、ただ解いて終わりじゃなくて、歴史的資料と突き合わせて「この解読は正しい」という確証を取ってるんですよね。ADFGVXっていうのは、当時のドイツ軍が使った転置と置換を組み合わせた暗号で、当時フランスの解読班が破碎したことで有名なやつです。

悠真: 議論としてはまず「これは本物か?」という検証の話。ある立場は「鍵が特定できて、しかも一次資料で裏付けが取れたなら、これは歴史学上の成果だ」と評価する。もう一方は「モデルが暗号解読を『それらしく』生成した可能性はないのか。ADFGVXみたいな古典暗号は、大量の近似解を出せてしまうから、検証方法が命だ」という慎重論もあります。

葵: ただ、HMS Canterburyの記録との照合は、その慎重論への実質的な回答になってる。歴史的な事実と整合する解読だけが「正しい解」であって、それが取れたなら偶然の生成とは言いにくい。

悠真: で、ここで先ほどのBrood War Benchと並べると面白いんですよ。同じ「AI」というくくりの中で、リアルタイムゲームでは初心者止まりなのに、歴史的な暗号解読では人間が手を付けられなかったことを解いた。

葵: つまり「AIの能力は一つのスケール上に順番に並ぶものじゃない」ということです。特定の課題、特に検索と組み合わせとパターン照合が効く課題では飛び抜けて強いけど、反応速度とマルチタスキングが要求される環境では意外に弱い。

悠真: 評論の一人はこれを「能力の凹凸」と呼ぶかもしれない。ベンチマークの点数で「AIはここまで進歩した」と一本調子に語るのは間違いで、凹凸の形そのものを見るべきだ、と。

葵: 未解決なのは「ADFGVXの解読が一般化できるのか」ということ。他の未解読の古典暗号にも応用が効くのか、それともあの解読は文脈情報と鍵候補の推測が特別にうまく噛み合った一回限りの成功なのか。そして「TRUPPENVERSIEBUNGという鍵にどう到達したのか」もモデルの内部はブラックボックスのままなので、説明可能性の問いは残ります。

悠真: さて、ここから話をつなげると、AIが「強い弱い」の次の論点は「AIに何をさせるべきか」ですよね。特に書くこと。著作権と執筆の話に移ります。

葵: そう、まずNYTの訴訟のブリーフから出てきた話。 OpenAIのスクレイピングをめぐる裁判資料の中で、Microsoftの幹部がAIのスクレイピングを「史上最大の仕事の盗み」と呼んだという発言が明らかになったんです。

悠真: これは強い言葉ですよね。「盗み」と言い切ってる。ただ、注意すべきは、これはブリーフ、つまり訴訟文書の中の記述だということ。訴訟では両陣営が都合のいい framing をするので、この言葉の前後の文脈、発言者が本当に自陣営に不利なことを言ったのか、それとも相手陣営の反論を引用して反駁してるのかは、原文を見ないと分からない。

葵: もう一つは、OpenAIがNYTの有料データを使った可能性が示されたという点。有料、つまり購読が必要なコンテンツを許諾なしに学習に使っていたとしたら、単なるウェブクロールの問題より重い。契約上のアクセス制限を破って使ったことになるから。

悠真: 議論の構造を整理すると、まず「学習データの著作権侵害が成立するのか」という法的論点。ある立場は「人間も読んで学ぶ。モデルの学習も同種の変換だ。逐語的な複製が問題なのであって、学習そのものを止めるのは表現の自由の問題だ」と言う。他方は「ニュース組織のビジネスは、そのデータへのアクセスを売ることで成り立ってる。それを丸ごと吸い取って競合品を作るのは、労働の取り上げだ」と反論する。

葵: Microsoft幹部の「史上最大の仕事の盗み」は後者の立場の極端な言い方ですよね。そして実際、出版業界やクリエイター側からすれば、ニュース記事をそのまま再構成して答えるチャットボットは、訪問者数と購読収入を直接奪う。

悠真: 一方でOpenAI側の防衛線は「フェアユースだ」「逐語コピーは防ぐ仕組みを入れてある」「ニュースの事実そのものに著作権はない」というものになるでしょう。事実と表現の区別が、この裁判の核心になりそう。

葵: 未解決なのは、裁判がまだ続いてるということ。判例が出るまで、学習データの扱いはグレーのまま。そして「有料データの使用」の部分が証明されるかどうかが、賠償額を大きく動かすはずです。

悠真: そこに第二の論点が重なります。Erich Grunewaldの記事で、「実質的な文章にはAIを使うな」という主張。

葵: 彼の論拠は二つあって、一つ目は「書く過程そのものが思考の一部だ」ということ。文章を書くとき、私たちは曖昧な考えを言葉に直すことで初めて自分の論理の穴に気づく。だからAIに書かせると、その思考の工程を丸ごとスキップして、結果的に何も考えずに文章だけが完成する。

悠真: 二つ目は「AIは気づけない形で間違える」ということ。これが重要で、人間の間違いは大概、読み手が突っ込める形で出るんです。でもAIの間違いは、文法的に完璧で、流暢で、自信たっぷりだから、読み手の側に「ここが怪しい」という手がかりが残らない。

葵: 議論にすると、まず賛成側。「書くことを外注すると、書き手自身の理解が成長しない。教育や研究、意見文など、本人の思考が製品そのものになっているジャンルでは、AI代筆は自己欺瞞だ」という。

悠真: 反対側は「それなら新しい種類の文章の区分を作ればいい。報告書のドラフトやコードのコメント、定型的な文書はAIに任せて、人間は精査と最終責任を持つ。『すべての文章で手書きを義務付ける』のはむしろ非現実的だ」と言うでしょう。

葵: さらに中立寄りの立場としては「Grunewaldの論は書き手の学習については正しいが、読み手の被害の議論が弱い。読み手は文章の出自なんて気にしない場合も多い。問題は『実質的な文章』の定義が曖昧なことだ」というもの。

悠真: そしてここに三つ目の補足が入る。あるブロガーが、AI生成のポスターがChatGPT特有の均質なスタイルから逃げられると実証した話。方法は、 Bauhaus、risograph、ブルータリストといった具体的な美学的スタイルをプロンプトで指定すること。

葵: これはGrunewaldの議論と面白い対比になるんですよ。「AIっぽさ」はスタイルの均質さから来ていて、それを避けるには特定の文脈や美学を強く指定すればいい、という実践的な解法。文章の世界でも「AIっぽくない文章」を書くには、具体的な経験や個人の視点を盛り込むことになる。

悠真: ただ、Grunewaldの立場からすれば、それでも「書く過程をスキップした」以上、書き手の思考は培われない、という批判は残る。スタイルの問題と思考の問題は別のレイヤーなんです。

葵: 著作権の議論と執筆の議論を貫く共通の問いは「AIに任せた部分の責任は誰が取るのか」です。裁判では法的責任、執筆では知的責任。どちらもまだ答えが出てない。

悠真: さて、話題を切り替えましょうか。 AIが文章を作るとき、背後には実は単純なルールが大量に積み重なってるわけですが、今日はその「単純なルール」が主役の話題があります。Hacker Newsのランキング式と、英語のa/anのルール。

葵: まずHNのランキング式。2013年の研究で式が割り出されたんです。投票数の0.8乗を、経過時間の1.8乗で割る。

悠真: そして面白いのがペナルティの存在。フロントページに載った投稿のうち20%がペナルティを受けていた。そしてタイトルに「NSA」と入ってると0.4のペナルティ。

葵: この式の解釈から議論が始まります。まず「投票の0.8乗」という指数は、投票数が増えても無限に上がり続けないようにする緩和策。10票の重みは約6.3倍、100票でも約40倍。つまり、一瞬のバズを抑えて、じわじわ集票する投稿と公平に競わせる効果がある。

悠真: 「年齢の1.8乗」という分母は時間減衰ですよね。2乗に近いので、投稿は急速に沈んでいく。これがニュースフィードとしての鮮度を保ってる。

葵: で、ペナルティの話。20%のフロントページ投稿がペナルティを受けてたというのは、かなりの割合です。ある解釈は「モデレーションの裁量が式の外にあって、特定の話題やソースを意図的に沈めていた」というもの。

悠真: もう一つの解釈は「システム側の自動ペナルティだ」というもの。たとえば重複投稿、同じドメインの連続投稿、セルフプロモーションの検知など、式に書けないルールがペナルティとして効いてる、と。20%という数字は、悪意というより運用上の調整だと。

葵: 「NSA」の0.4ペナルティはもっと含蓄があって、2013年というのはSnowden事件の年なんです。NSA関連の投稿が大量に来て、フロントページがそれで埋まるのを防ぐ意図だったという解釈が有力。つまり、政治的な検閲というより、話題の飽和対策としてのペナルティだった可能性が高い。

悠真: ただ、そこには「それでも一定の話題を意図的に抑制するのは編集判断であり、中立を装ったアルゴリズムで行われると見えにくい」という批判も自然に成立します。透明性の問題ですね。

葵: 未解決なのは、この式が2013年のもので、今も同じなのかどうか。そしてペナルティの内訳が結局、自動なのか裁量なのか、外部からは完全には確定できないこと。

悠真: そしてa/anの話。これは言語学の小ネタなんですが、かなり美しい。

葵: 英語のaとanの使い分けは、文字ではなく音で決まる。だから「a unicorn」、unicornは「ユニコーン」でy音から始まるから「an」ではなく「a」。逆に「an hour」、hourはhが発音されないので母音の音、だから「an」。

悠真: で、Red Blob Gamesというサイトが、32,455語を分析した結果を発表したんですが、例外はわずか129語だった。

葵: 129という数字がポイントで、32,455語中の129語というのは0.4%程度。つまり「音で決まる」という単純なルールが99.6%のケースをカバーしてる。

悠真: ここからの議論は「ルールの例外はどこまで列挙すべきか」です。ある立場は「129の例外をハードコードすれば十分。実用上はこれで完成」と言う。別の立場は「例外が129あるということは、ルールが不完全だという証拠だ。本当は発音データ、たとえば辞書の音標と組み合わせれば、例外はもっと減らせるはずだ」という。

葵: それに「新語はどうなるのか」という問題も。固有名詞や新造語は発音が一意に定まらない。Ukraineは「ユー」だからa、「MBAs」は「エム」だからan。文字だけ見ると逆に見える。ここは結局、発音依存というルールの帰結なんですけど、プログラムで実装すると発音辞書が必要になる。

悠真: HNの式の話とつなげると、どちらも「複雑に見えるシステムが、実は短い式と小さな例外リストで動いてる」んですよね。ランキングアルゴリズムは、投票と時間の二つのべき乗で、あとはペナルティの数値。a/anは音のルールと129語。システム設計の教訓として、「シンプルな核+例外的な補正」という形が、自然発生的にも人間の設計でも繰り返し現れる、という一般化もできます。

葵: ただ、そこには「シンプルな核が隠れると、不透明さが生まれる」という批判も残る。ランキング式が分からなければ、ペナルティも見えない。a/anの例外リストが分からなければ、なぜan hourなのかを子供は丸暗記するしかない。シンプルさと透明性は別物なんです。

悠真: うまい繋ぎ方がありますね、次の話題は「見えないものを測る」話です。OONI Probe。

葵: OONI Probeは、インターネット上の検閲を測定するツールです。ウェブサイトへのアクセスが遮断されているか、アプリが使えるか、通信速度が異常に制限されていないかを調べて、その結果をほぼリアルタイムで公開する。

悠真: Android、iOS、Windows、macOS、Linuxと、主要なプラットフォーム全部で動く。つまり誰でも自分のスマホにインストールして、測定に参加できるんです。

葵: ここでの議論ポイントはいくつかあります。まず「一般市民の端末からの測定」という設計の意味。ある立場は「政府の測定装置は上位のネットワークに置かれるから、実際に市民が経験する検閲を捉えられない。OONIの分散測定こそ、普通のISPを経由する現実の遮断を記録できる」と評価します。

悠真: 反対の懸念としては「測定に参加すること自体がリスクになる」です。検閲が強い国では、検閲テストのための通信が観測されると、その端末の持ち主が注目される可能性がある。このあたりの脅威モデルは、OONI側もツールの説明で触れているはずですが、一般ユーザーがどこまで理解してるかは不明。

葵: もう一つは「測定と証拠の距離」の話。ほぼリアルタイムの公開は素晴らしいんだけど、測定結果が「その国で検閲がある」という結論に直結するわけじゃない。サイトが落ちてるのか、ブロックされてるのか、DNSの問題なのか、切り分けが必要。OONIは複数のテスト種別でその区別をしようとしてる。

悠真: HNのランキングの話ともつながりますね。ランキングは「見えないアルゴリズム」で表示が決まる。OONIは「見えない遮断」を測定して可視化する。どちらも、プラットフォームの内側で起きてることが外から見えないという問題への対処で、片方は研究者が式を逆算し、片方は分散測定で生のデータを集める。

葵: さて、次は開発者ツールの話に移ります。まずPlanetScaleのTIN。

悠真: TINはPlanetScaleが出したPostgres向けの全文検索インデックス。GA、つまり一般提供に達したんです。

葵: 機能としては、BM25という古典的なランキング関数、ファジー検索、フレーズ検索、正規表現検索に対応。

悠真: ベンチマークが示されていて、85ギガバイト、1億5000万文書のStack Exchangeデータで検証されてる。この規模感は実用的ですね。

葵: 議論としては、まず「なぜPostgresに全文検索を入れるのか」という問いから。Postgresには元々tsvectorという全文検索があるんですが、BM25の質やファジーの使い勝手では専用エンジン、たとえばElasticsearchやTypesenseに劣ると言われてきた。その結果、アプリはPostgresと検索エンジンの二重書き込みになり、整合性の問題が常について回る。

悠真: TINのようなものが出ると「Postgresだけで完結するなら、データの二重管理が消える。トランザクションの中でインデックスも更新される」という利点が主張される。

葵: 反対の立場は「結局、全文検索の要求が複雑になると、Postgres内蔵の制約が効いてくる。マルチ言語のトークナイズ、重み付けのチューニング、大量の分析クエリなどでは、専用エンジンが必要なままでは」というもの。

悠真: そしてこれは、先ほどLayaの話とも呼応します。LayaはTypeSafeのJevを超えると主張してたけど、検索の世界でも「既存の専用ソリューションを、ターゲットを絞って置き換える」というパターンが繰り返されてる。

葵: 次がZigの話。ある開発者が、JSONPath、RFC 9535をZigで再実装したんです。

悠真: 彼の評価は二面性があって、Zigのシンプルさと速度は高く評価してる。一方で、IDEのサポートが不足していて、言語自体の成熟度がまだ足りないと指摘してる。

葵: この二面性は、Zigの議論では定番の対立です。ある立場は「IDEの不足は一時的なもの。Zigの設計思想、コンパイル時実行とか明示的なアロケーションは、ツール支援が容易になる構造だ。成熟すればツールも追いつく」と楽観する。

悠真: 別の立場は「IDEの不足は深刻な実用上の問題だ。リファクタリング、ナビゲーション、補完が弱いままだと、大規模コードベースでは生産性が落ちる。言語の理論的な美しさと、日々の開発体験は別物だ」と懐疑的です。

葵: さらにRFC 9535というJSONPathの標準化自体をめぐる議論もあり得る。JSONPathは長年、実装ごとに方言がバラバラだったのが、ようやくRFCになった。だからこの再実装は「標準に厳密に従う」という意味で意義がある。

悠真: さて、最後の開発者ツールの話が一番、極端な方へ行きます。ZX Spectrum 48K、1982年のマシン向けに、ZX Deskという完全なデスクトップGUIが作られたんです。

葵: Z80アセンブリで書かれてて、重ね合わせられるウィンドウ、メニュー、そしてヒープまで持ってる。全部で48Kに収まって、実ハードで動作する。

悠真: 48Kというのは、現代のスマホの写真一枚にも満たないサイズですよね。その中に、ウィンドウの重ね合わせ、つまり描画の矩形計算とz-order管理、メニューのナビゲーション、動的なメモリ割り当てのためのヒープ、全部を詰め込んでる。

葵: 議論としては、まず「なぜ今やるのか」という問い。ある立場は「制約が設計を鍛える。48Kで動くGUIを作ると、無駄な抽象化が全部剥がされる。現代のソフトウェアが肥大化した理由を考える教材として最良だ」という。これは現代のRustやZigコミュニティでも頻出の「小さいソフトウェア」論とつながります。

悠真: 別の立場は「nostalgiaと実用は違う。48KのGUIは教育的価値はあるけど、現代のユーザー体験に学べることは限定的。たとえばアクセシビリティ、国際化、高DPI対応などは、制約された環境では最初から切り捨てられてた」という現実的な反論。

葵: さらに技術的な議論としては、Z80アセンブリでヒープを実装する難しさ。Z80には現代的なプロテクションも仮想記憶もないから、ヒープの破損は即、システム全体のクラッシュにつながる。堅牢性をどう確保したのかが技術的に一番、面白いところです。

悠真: そして、TINやZigの話との通底点は「ツールの限界と、その限界の中で何が可能か」を明示的に扱ってることです。TINはPostgresの限界の中で全文検索を実現しようとする。Zigの開発者は、未成熟な言語の中で標準仕様を実装する。ZX Deskは48Kという絶対的な限界の中でデスクトップを構築する。

葵: そしてどれも「限界を言い訳にしない」実践なんですよね。限界が明確なほど、設計の判断が鋭くなる。

悠真: さて、最後の話題に行きましょう。科学と歴史の意外な話、二本立てです。

葵: 一本目はStanfordの研究、Nature Neuroscienceに載ったもので、人間の脳に二つの異なる外胚葉性の祖細胞があるという発見。Otx2とGbx2というマーカーで区別されるんです。

悠真: つまり、脳の異なる部分が、発生の段階で別々の祖細胞から来てるということ。そして論文の含意としては、脳が実は「並行進化した二つの器官」かもしれない、という。

葵: これは常識への挑戦です。普通、私たちは「脳=一つの器官」と思ってる。でも発生生物学の証拠として、起源が二つに分かれるなら、進化の歴史も二つの系統が合流した可能性がある。

悠真: 議論としては、まず「起源の二重性が機能的な二重性を意味するのか」という問い。ある立場は「発生の起源が違うだけで、成体では高度に統合された一つの器官として働く。起源は系統発生の面白い事実だが、機能論には影響しない」と言う。

葵: 別の立場は「いや、起源の違いは回路の性質の違いにつながる可能性がある。異なる祖細胞から来るなら、遺伝子的に別のプログラムで発達してるわけで、それが神経回路の特性の違いとして現れるなら、『二つの器官が協働している』という見方は単なる比喩ではない」と反論する。

悠真: そして哲学的な含意も。脳が二つの器官の合流だとしたら、「意識」の議論にも影響するかもしれない。意識が単一の統合体に宿るという仮定は、発生学的な二重性とどう折り合うのか。まあ、ここから先は深淵に踏み込むので、意見が割れるのは当然です。

葵: 未解決なのは、Otx2/Gbx2の二系統が具体的に脳のどの構造に、どう対応するのか。そして、この二重性がヒトに特有なのか、哺乳類全体に共通なのか。

悠真: 二本目が歴史の方、そして法的なユーモアもあります。San Francisco Onion Futures Company、つまり「サンフランシスコ・オニオン・フューチャーズ・カンパニー」。

葵: この会社は、玉ねぎの先物の「私的な」契約を売ってるんです。しかも、1958年の法律を回避する形で。

悠真: ちょっと背景を。1958年、アメリカでは玉ねぎ先物禁止法という法律ができました。当時、玉ねぎの先物市場で価格操作が横行して、農家が被害を受けたことがきっかけで、玉ねぎの先物取引を取引所で行うことを禁止したんです。今でもこの禁止は生きてる。

葵: で、この会社は「取引所じゃなければいい」と読んだ。私的な契約としての先物なら、1958年の法律の文言上は禁止されていない、という解釈です。

悠真: 議論としては、まず合法か違法か。ある立場は「法律の文言通り、取引所での先物を禁じてるだけだから、店頭の私的契約はグレーか、あるいは明示的に合法だ」と言う。

葵: 別の立場は「法律の目的は価格操作の防止だから、私的契約でも実質的に同じ経済機能を持つなら、立法目的から違法と解釈されるリスクがある。規制回避はいつもこの綱渡りだ」という。

悠真: そして金融実務家の視点としては「そもそも誰が買うのか」です。玉ねぎの先物って、需要があるのかな。農家のヘッジ需要が存在するなら意味はあるけど、1958年に禁止されたということは、当時投機が過熱してたってことでもあるから。

葵: ここで話全体を振り返ってみましょう。今日見た話題を貫く糸はいくつかあります。一つ目は「単純なルールの力」。HNのランキング式、a/anの音のルール、そしてCUA-S1が70万パラメータで99.7%を達成したこと。複雑な問題が、正しく切り出せば単純な原理で解ける。

悠真: 二つ目は「凹凸のある能力」。GPT-6 AstraはADFGVXを解けるのに、Brood Warでは初心者止まり。能力の「高さ」より「形」を見るべきだという教訓。

葵: 三つ目は「見えないものの測り方」。OONIは検閲を測り、研究者はランキング式を逆算し、裁判のブリーフはAI開発の内側を露わにする。不透明なシステムへの対抗手段としての測定と公開。

悠真: そして四つ目は「限界の中の設計」。Zigの未成熟さ、48Kの制約、Postgresの枠組み、それに1958年の法律の文言。限界は、読み替えと創意工夫の対象なんです。

葵: 未解決の問いも残りました。AIの著作権裁判の行方、ランキング式の現在形、脳の二重性の機能的意味、玉ねぎ先物の合法性。

悠真: それでは今夜はこのへんで。ご聴聴ありがとうございました。また来週。

葵: おやすみなさい。