Relative Development and the Intelligence Divide: Human Capital, Technology Diffusion, and AI

何十年もの間、経済学者たちは世界で最も豊かな国と最も貧しい国の間の格差を注視し、「なぜ一部の国は貧しいままであり、他の国は前進できるのか」という、単純ながらも根強い問いを投げかけてきました。その答えは、しばしばその国が何を所有しているかにあると考えられてきました。より多くの工場、より優れた道路、そしてより多くの学校を持つ国は、一般的に、より多くの富を生み出します。しかし、より深い謎が残っています。ある二つの国が、同程度の機械量と、同程度の教育を受けた労働者数を持っていたとしても、一方は他方よりもはるかに多くのものを生産することがあります。この違いは、しばしば「生産性」、つまり社会がいかに資源を有用なものへと転換できるかの尺度と呼ばれます。長い間、テクノロジーが偉大な平準化装置として機能するという希望がありました。もし貧しい国が、豊かな国と同じ機械やソフトウェアを単に購入することができれば、追いつくことができるはずだという考えです。しかし、歴史が示しているのは、国々が学校や工場において似通ってきても、生産量においては決して似通ってこなかったということです。道具は普及しましたが、それらを効果的に使いこなす能力は普及していませんでした。

このパズルは現在、人工知能に関する新しい議論の中心となっています。強力な新しいコンピュータ・システムが登場するにつれ、多くの人々が、これらがついに貧しい国々の格差を埋める助けとなるのではないかと考えています。国際通貨基金（IMF）の研究者であるパトリック・A・イマムとジョナサン・R・W・テンプル（独立系エコノミスト）による新しい研究は、答えは単なる「アクセス」ほど単純ではないことを示唆しています。研究者たちは、テクノロジーを持っていることと、それを使う能力を持っていることは同じではないと主張しています。彼らは、なぜ一部の国は低生産性から高生産性へと移行できる一方で、他の国は停滞したままなのか、そして人工知能がその道のりを助けるのか、あるいは妨げるのかを理解しようと試みました。彼らの研究は、詳細な歴史的データの検討と、単純な平均を超えて、国家の実際の動きを追跡するという、国家発展に関する新しい考え方を組み合わせています。

研究者たちは、100カ国近い国々の、約1,000におよぶ5年間の期間を調査し、それらの国々のグローバル経済における立ち位置がどのように変化したかを追跡しました。彼らは主に3つの要素、すなわち、物理的資本の量、労働力の教育水準、そして全体的な生産性に注目しました。彼らは、これらの要因の動き方に顕著な違いがあることを見出しました。国々は、資本を増やし、教育水準を向上させることは比較的迅速に行うことができました。ある国家は、数年以内に新しい工場を建設したり、より多くの子供たちを学校に通わせたりすることができます。しかし、低生産性から高生産性へと移行することは、はるかに難しく、はるかに時間がかかるものでした。たとえ国々がより多くの機械を導入し、より多くの労働者を教育したとしても、それらをいかに効率的に活用するかという点において失敗することが多かったのです。生産性の格差は、資源の格差よりもはるかに根強いものであることが判明しました。

その理由を理解するために、著者らは「人的資本」、すなわち労働力のスキルや知識の役割を詳しく調べました。標準的な経済学の記述では、教育が世界の富の格差を説明する部分はわずかであるとされています。もし世界の教育年数を単純に均一化したとしても、所得の格差は縮小するものの、大きな距離は残ったままになるでしょう。研究者たちは、この静的な見方が決定的な動態を見落としていることを発見しました。教育は現在の富のレベルを完璧に説明するわけではありませんが、その国が上昇するか停滞するかを予測する強力な指標となります。彼らは、測定された人的資本の水準が高い国ほど、最低レベルの生産性状態から脱出する可能性が著しく高いことを発見しました。

この研究は、二つの異なる世界を分かつと思われる、人的資本における特定の閾値（しきい値）を特定しました。このレベルを下回る国々では、最低生産性状態を脱するまでの平均時間は約62年でした。一方、このレベルを上回る国々では、その時間はわずか25年に短縮されました。この違いは単なる数字ではありません。それは開発における世代の違いを意味します。低生産性の罠に陥った国は、経済が変貌するのを一生待ち続けるかもしれませんが、より能力の高い労働者を持つ国は、単一の世代で同じ転換を成し遂げることができます。研究者たちは、異なるスキルの尺度や異なるデータ集計方法を用いてこの発見を検証しましたが、そのパターンは一貫していました。単なる教育年数ではなく、認知スキルに焦点を当てた場合でも、スキルの高い国々の方が速く動いていました。

これは、人工知能に関する深刻な結論へとつながります。テクノロジー自体は、自動的にすべての船を浮かび上がらせる魔法の杖ではありません。もし人工知能が主にすでに熟練した人々を助けるものであるならば、それは格差を広げる可能性があります。教育を受けた労働者、信頼できるデータ、そして有能な企業という強固な基盤を持つ国は、これらの新しいツールを使用して、さらに生産性を高めることができるでしょう。しかし、それらの基礎を欠く国は、同じツールへのアクセスを得たとしても、それを経済に統合することに失敗するかもしれません。研究者たちは、人工知能が貧しい国々を助けるためには、単に知識のコストを下げるだけでは不十分であると主張しています。知識を学び、適応し、実装するためのコストを、支援システムが脆弱な場所において下げる必要があるのです。

この研究は、真の障壁はテクノロジーの欠如ではなく、そのテクノロジーを機能させるために必要な「補完的な能力」の欠如であると示唆しています。トラクターを持っていても、燃料や修理工場、そしてそれを使いこなす農家が必要です。同様に、人工知能を持っていても、それを実際の生産性の向上へと転換するための経営、インフラ、および制度的な強さ（組織力）がなければ意味がありません。研究者たちは、より安価になった知性を、実際の経済的動きへと変換する能力こそが鍵であると述べています。もし人工知能が、より弱い経済圏がより速く学び、より良く適応することを助けることができるならば、それは開発への数十年にわたる待ち時間を短縮できるでしょう。しかし、もしそれがすでに強い者たちにのみ報いるものであるならば、それは単にフロンティアをさらに遠ざけ、豊かさと貧しさの間の格差を変わらぬままにしてしまうかもしれません。

この知見は、政策立案者に明確な道筋を示しています。最新のテクノロジーを採用することだけに焦点を当てるのではなく、諸国はテクノロジーが繁栄するためのより広いエコシステムへの投資を行う必要があります。これには、教育の質の向上、経営手法の強化、信頼できるインフラの構築、そしてイノベーションを支えるための制度の確立が含まれます。この研究は、それが容易で迅速なプロセスであることを約束するものではありませんが、問題を明確にしています。隔たりは、単に誰が道具を持っているかではなく、誰がそれを使う能力を持っているかにあるのです。人工知能が平等を実現する力となるためには、潜在能力を進歩へと変えるための、人間および制度的な基盤を築くという真摯な取り組みと組み合わされる必要があります。それがなければ、つながった世界の約束は、単なる「約束」のままであり、知性の格差という現実は拡大し続けることになるでしょう。