LLM能力の認識格差が拡大——Karpathy分析
原題: The gap in shared understanding of LLM capability is widening
なぜ重要か
一般社会とAI最前線の認識格差は、政策立案・規制・製品設計の判断を歪めるリスクを持ち、産業全体の意思決定品質に直結する。
OpenAIの元研究者Andrej KarpathyがXへの投稿で、LLMの能力に対する社会的理解の格差が「二極化」から「急峻な漏斗状」へと変化していると指摘した。世界人口の約75%にあたる60億人はLLMにほぼ未接触であり、一方で内部アクセス権を持つ約5,000人は人間の理解を超えうる成果を目の当たりにしているという。
Andrej Karpathyは2025年、4月の投稿を引用し直しながら、LLMの実力をめぐる社会的理解の乖離が一段と深まっていると述べた。
彼が示した「漏斗」の構造は4層に分かれる。まず世界人口の約75%、60億人はLLMにほとんど触れていない。次に約20%にあたる10〜20億人がChatGPTなどの無料プランを断続的に利用しており、「少し賢いGoogle検索」や文章補助として使う程度だとKarpathyは描写する。技術職以外の多くのエグゼクティブもこの層に属し、LLMを概念としては理解しつつも「間接的で抽象的な存在」のままだという。
続く約2,000万人（全体の0.2%）は、数学やコードの専門領域でフロンティア級モデルを実務利用する層だ。かつて数週間・数カ月を要した大規模プロジェクトが、エージェントへのプロンプト一つで完了する体験を直接している。Karpathy自身、1年以内前まではコードを一文字ずつ手打ちしていたと振り返る。
最上位には、内部アクセス権を持つ約5,000人（0.00006%）がいる。この層が目にするのは、数千のエージェントが協調してソフトウェアの大規模プロジェクトを遂行したり、未知の脆弱性を発掘したり、新たな科学的発見や数学の最前線を更新したりする光景だ。人間によるレビューや理解がすでに追いつかないケースも出始めているとKarpathyは指摘する。OpenAI対HuggingFaceの事案に関わる「考古学」的な調査が今も続いていること、数学者が722本もの論文をまだ精査中であることを具体例として挙げた。
この格差を生む要因としてKarpathyは三つを挙げる。①LLMの効果は問題の規模や難易度・時間軸に比例するため、単純な質問では実力が見えにくい。②強化学習が「デジタルで検証可能かつ経済的価値の高い領域」に能力を集中させる「ジャギーな」特性がある。③無料・有料・内部アクセスという三段階のアクセス格差。これらが重なり、同時進行で全く異なる現実が生まれていると結論づけた。