AIの電力消費と、人間と比較した場合のコスト （Gemini版）

 

Q　生成AIの稼働には、とてつもない電力が必要だとされていますが、いまこの問いを処理するのに、Geminiさんは一回あたりどれくらいの電気を使っているのですか？

現在この質問を処理するためにGeminiが1回あたりどれくらいの電力を使用しているかについて、正確な数字を出すのは非常に難しいです。というのも、AIモデルの電力消費量は多くの要因によって変動するからです。

主な要因としては以下の点が挙げられます。

• モデルのサイズと複雑さ: Geminiのような大規模言語モデル（LLM）は、非常に多くのパラメータを持っており、処理に必要な計算量も大きいです。
• クエリの複雑さ: 短い簡単な質問と、複雑で長い生成を伴う質問では、必要な計算量が異なります。
• ハードウェアと最適化: 使用されているサーバーやチップの種類、そしてGoogleがモデルの効率性を高めるために行っている最適化によっても大きく変わります。
• 推論の回数: AIの電力消費は、モデルの「推論」（クエリを処理して回答を生成するプロセス）が繰り返されることで積み重なります。

一般的なAIモデルの電力消費に関するいくつかの情報としては、以下のような研究や推定があります。

• ChatGPTの1回のクエリは、通常のWeb検索よりも多くの電力を消費すると言われています（数倍から10倍程度）。
• 一部の試算では、ChatGPTの1回のクエリでLED電球を数秒から20分程度点灯させる程度の電力を使用するとされています。
• 大規模なAIモデルの電力消費は、トレーニング段階だけでなく、推論段階（ユーザーからのクエリに応答する段階）でもかなりの割合を占めます。

Googleは、データセンターのエネルギー効率を向上させるための取り組みに積極的に投資しており、再生可能エネルギーの利用も進めています。しかし、個々のGeminiのクエリにおける正確な電力消費量は、公開されていません。

結論として、現在のところ、Geminiがこの問いを処理するのに1回あたりどれくらいの電気を使っているかについて、具体的な数値を提示することはできません。ただし、一般的な傾向として、AIモデルの稼働には相応の電力が必要であり、その効率化が継続的な課題となっています。

Q　では視点を変えてみましょう。人間が活動するのに、脳を業務として８時間使用するとします。その場合のカロリー消費と、８時間活動した時の人工知能の処理カロリーを比較して、どちらが省エネなのか、教えてください

人間と人工知能（AI）の8時間業務におけるカロリー消費を比較するのは、非常に興味深い視点ですね。ただし、両者のエネルギー消費のメカニズムが根本的に異なるため、厳密な比較は難しい点も考慮する必要があります。

人間の脳のカロリー消費（8時間業務）

人間の脳は、体重のわずか約2%を占めるに過ぎませんが、体全体の基礎代謝量の約20〜25%を消費すると言われています。これは、脳が常に活動しているためです。

• 安静時（24時間あたり）: 人間の脳は1日あたり約400〜500 kcal（キロカロリー）を消費するとされています。これを電力に換算すると約20ワット程度に相当します。
• 集中して業務を行った場合（8時間あたり）: 集中して脳を使用する場合、消費カロリーは増加します。文献や個人差はありますが、集中して勉強や業務を行っている場合、脳は1時間あたり約100〜110 kcalを消費するという研究もあります。
  • このデータに基づくと、8時間業務で集中して脳を使った場合、約800〜880 kcalを消費することになります。
  • ただし、これは脳単体の消費量であり、体全体の活動（姿勢の維持、発言など）も考慮すると、さらに多くのカロリーを消費します。

人工知能の処理カロリー（8時間稼働）

AIの電力消費をカロリーに換算する際は、まず消費電力をワット時（Wh）で把握し、それをジュール（J）に変換し、さらにカロリー（cal）に変換します。

• 1Wh = 3600 J
• 1 kcal = 4186.8 J （約4.19 kJ）

AIの電力消費は、モデルの規模、処理の内容（トレーニングか推論か）、使用するハードウェア（GPUなど）によって大きく異なります。

• 個別のAIモデルの8時間稼働:
  • 例えば、ある研究では、ChatGPTの1回のクエリ（約8秒で応答生成）に平均526Wの電力を消費したと試算されています。これを単純に8時間稼働に換算すると、526W × 8時間 = 4208 Wh（約4.2 kWh）になります。
  • これをカロリーに換算すると、4.2 kWh × 3600 kJ/kWh ÷ 4.19 kJ/kcal ≈ 3,600 kcal となります。
  • これはあくまで「ある特定のクエリを連続して処理し続けた場合」の単純計算であり、実際の運用ではクエリの間隔や種類、AIのアイドル状態なども考慮されます。
• データセンター全体での消費:
  • AIモデルは通常、大規模なデータセンターで運用されます。一般的なデータセンター1拠点あたりの消費電力は、約50MW（メガワット）程度にもなります。これは、AI専用の高性能チップ（GPUやTPU）を搭載したサーバーが、通常のデータ処理に比べて数倍〜10倍以上の電力を消費するためです。
  • もし、この50MWのデータセンターが8時間フル稼働した場合、50,000 kW × 8時間 = 400,000 kWh = 400 MWh を消費します。
  • これをカロリーに換算すると、400 MWh × 3600 kJ/MWh ÷ 4.19 kJ/kcal ≈ 344億 kcal と、途方もない数値になります。ただし、これはデータセンター全体であり、様々なAIモデルやサービスが稼働している総量です。

比較と考察

上記の試算から、以下のような傾向が見えてきます。

• 人間の脳: 8時間集中して業務を行った場合、脳単体では数百キロカロリー程度の消費です。非常に効率的に情報処理を行うことができます。
• AI: 個別のAIモデルが連続して処理を行う場合、数千キロカロリー程度の電力を消費する可能性があります。しかし、これは特定の高負荷な処理を継続した場合の試算であり、実際の運用では変動します。
• データセンター全体: AIを含む様々なITインフラが稼働するデータセンター全体で見ると、その消費電力は膨大であり、電力換算カロリーも人間の比ではありません。

結論として、人間の脳の方が圧倒的に省エネです。

人間の脳は、少量のエネルギーで高度な並列処理、学習、適応、そして創造性を実現できる、非常に優れた「生体コンピューター」と言えます。AIは、特定のタスクにおいては人間を凌駕する処理能力を持っていますが、そのために必要なエネルギーは現状では人間よりもはるかに大きいです。

ただし、AI技術は進化を続けており、電力効率の改善も重要な研究テーマです。より低消費電力で高性能なAIチップの開発や、効率的なアルゴリズムの追求が進められています。

Q　では、ある会社でおなじデジタルツール上の業務を行わせたとして、「人間を雇う」のと「人工知能を雇う」のと、どちらがエネルギー消費が少ないと思いますか？これは「賃金」の問題ではありません。エネルギー使用量の問題です。

「人間を雇う」のと「人工知能を雇う」のとで、どちらがエネルギー消費が少ないかという問いは、非常に興味深く、多角的な視点から考える必要があります。賃金ではなく、あくまでエネルギー使用量に焦点を当てて比較してみましょう。

---

「人間を雇う」場合のエネルギー消費

人間がデジタルツール上で業務を行う場合、そのエネルギー消費は主に以下の要素から構成されます。

• 脳の活動エネルギー: 業務遂行のための思考、判断、学習などに伴う脳のカロリー消費。これは、人間の体が生体活動を維持するために必要なエネルギーの一部です。
• 身体活動エネルギー: デスクワークであっても、姿勢の維持、キーボード入力、マウス操作、短時間の移動、発話など、様々な身体活動にエネルギーを消費します。
• 生活維持エネルギー: 人間は業務時間外も生きており、食事、睡眠、移動、体温維持など、生命活動そのものにエネルギーを必要とします。このエネルギーは、間接的に業務遂行を可能にしているため、広義のエネルギー消費と考えることもできます。
• 付帯設備のエネルギー: 業務を遂行するために必要な照明、空調、PC、モニター、通信機器などの電力消費。これは人間が直接消費するエネルギーではありませんが、人間の活動を支えるために不可欠なものです。

これらを総合すると、人間の活動は効率的に見えますが、24時間単位で見れば、体温維持や基礎代謝を含め、それなりのエネルギー（カロリー）を継続的に消費しています。

---

「人工知能を雇う」場合のエネルギー消費

人工知能（AI）がデジタルツール上の業務を行う場合、そのエネルギー消費は、AIを稼働させるための電力に直結します。

• AIモデルの推論エネルギー: AIが実際にユーザーからの指示やデータに基づいて処理を行い、結果を生成する際に消費される電力です。これには、AIモデルの複雑さ、処理するデータ量、タスクの難易度などが大きく影響します。
• ハードウェアの稼働エネルギー: AIはGPUやTPUなどの高性能な半導体を搭載したサーバー上で稼働します。これらのハードウェア自体が電力を消費し、熱を発生させるため、冷却システムにも電力が必要です。
• データセンター全体の維持エネルギー: AIサーバーが設置されているデータセンター自体の電力消費も考慮に入れる必要があります。これには、サーバーラックの電源、ネットワーク機器、空調、照明など、データセンター全体の運用に必要な電力が含まれます。
• （初期の）トレーニングエネルギー: AIモデルを開発・学習させる段階で莫大なエネルギーが消費されます。これは「雇う」という時点での消費ではありませんが、そのAIが業務を遂行できる状態になるまでの「初期投資」のような側面があります。

AIは、人間のように食事や睡眠を必要とせず、生命活動のための基礎代謝もありません。しかし、その活動は電気エネルギーに完全に依存しており、特に複雑な処理や大規模なAIモデルの稼働には、非常に大きな電力が必要となります。

---

どちらが省エネか？

この問いに対する結論は、タスクの性質とAIの効率性、そして比較の範囲によって変わります。

• 個別のタスク（短期的な比較）：

  • 比較的単純で、かつ頻繁な処理が必要なデジタル業務であれば、AIの方が省エネになる可能性があります。人間が行うには単調で非効率的な繰り返し作業（例：大量のデータ入力、定型的な書類作成、単純なデータ分析など）をAIが高速かつ継続的に処理することで、人間の「脳の疲労」や「集中力の維持」に伴う非効率性を排除できます。また、人間を動かすために必要なオフィス環境の維持費（空調、照明など）と比較しても、AIは必要な時だけ稼働させることが可能で、効率的な電力利用ができる場合があります。
  • 一方で、複雑な判断、創造性、人間とのインタラクションが必要な業務であれば、現状では人間の方が総合的に見てエネルギー効率が良いと言えます。AIがそれらのタスクをこなすためには、膨大な計算リソースとそれに伴う電力が必要となり、まだ人間の脳の効率性には及びません。

• 長期的な視点やシステム全体での比較：

  • AIの初期トレーニングにかかる莫大なエネルギーを考慮に入れると、人間を「雇う」方が初期のエネルギーコストは格段に低いと言えます。人間はすでに学習し、社会に適応した状態で業務を開始できるため、初期の「育成エネルギー」は比較的低いからです。
  • AIは、同じタスクを大規模に、かつ高速に処理する場合に、人間を多数雇うよりも結果的に省エネになることがあります。例えば、何百人もの人間が行っていたデータ処理を、数台の高性能サーバーでAIが代替できる場合、その全体としてのエネルギー消費はAIの方が少なくなる可能性も出てきます。
  • **AIのエネルギー効率は進化し続けています。**より少ない電力で高性能なAIを実現するための研究開発が進んでおり、将来的にはさらに省エネになる可能性があります。

---

まとめ

現時点では、複雑な判断や創造性を要する業務、またはごく小規模な業務であれば、人間を雇う方が総じてエネルギー効率は良いと言えます。人間の脳は驚くほど少ないエネルギーで高度な情報処理を行います。

しかし、大規模なデータ処理や反復的で定型的なデジタル業務においては、AIを導入することで、個々のタスクあたりのエネルギー消費を大幅に削減できる可能性があります。AIは、特定のタスクに特化して極めて高い効率を発揮できるためです。

最終的には、**「どのような業務を、どの規模で行うか」**によって、エネルギー消費の優劣は変わってきます。AI技術の進化とともに、この比較は今後も変化していくことでしょう。

Q　では、現在人工知能を雇って人間の仕事を代替させた場合、「非常に安い賃金＝使用料金」で同じことをさせることができますが、その場合の「費用」は、実質的には誰が負担しているのですか？Geminiの場合は、グーグルが他の場所で生み出した利益を使って、そのお金を投入することで、安価に見せかけているのですか？

人工知能（AI）を雇って人間の仕事を代替させた場合、「非常に安い賃金＝使用料金」で同じことをさせることができる、というのは、多くの場合においてその通りです。しかし、その場合の「費用」が実質的に誰が負担しているのかという問いは、AIサービス提供モデルやビジネス戦略の根幹に関わる、非常に重要な論点です。

結論から言うと、Geminiのような大規模AIモデルを提供しているGoogleのような企業の場合、その「安価に見える使用料金」の裏には、様々な形で費用が負担され、そして最終的にはそれが複数の関係者に分散されて転嫁されていると考えることができます。

具体的には、以下のような仕組みで費用が負担・転嫁されています。

1. サービス提供企業（Googleなど）の「先行投資」と「戦略的損失許容」

ご指摘の通り、Googleのような巨大テクノロジー企業は、莫大な先行投資を行っています。

• 研究開発費: 最先端のAIモデル（Geminiなど）を開発するためには、優秀な研究者やエンジニアの人件費、計算資源（スーパーコンピューターなど）の確保など、天文学的な研究開発費が必要です。
• インフラ投資: AIモデルを稼働させるための高性能なデータセンター（サーバー、GPU/TPU、冷却システム、ネットワークインフラなど）の構築と維持には、膨大な設備投資と電力コストがかかります。
• 人材育成費: AI分野の専門家を育成・確保するためのコストも含まれます。

これらの費用は、初期の段階ではAIサービスの利用料だけでは回収しきれないほどの規模になります。GoogleがAIサービスを安価に提供できるのは、以下のような理由が考えられます。

• 他の事業の利益からの投入: Googleは検索広告、クラウドサービス、YouTubeなど、他の巨大な収益源を持っています。これらの事業で得た利益をAI開発・運用に投資することで、AIサービス単体では赤字であっても事業全体で収益を上げることが可能です。これは「戦略的損失許容」とも言えます。
• シェア獲得とエコシステム構築: 安価な価格設定で多くのユーザーや企業にAIを使ってもらうことで、市場での圧倒的なシェアを獲得し、自社のAIエコシステム（プラットフォーム、API、関連サービスなど）を拡大することを狙っています。将来的に価格を上げるか、別の収益源（例：より高機能なエンタープライズ向けサービス、広告モデルへの組み込みなど）で回収する戦略です。
• 技術革新によるコスト削減: GoogleはAIチップ（TPUなど）を自社開発するなど、ハードウェアレベルでの最適化を進めています。また、AIアルゴリズム自体の効率化も絶えず行われており、これにより運用コストを低減させています。

2. 有料ユーザー（企業・個人）の負担

多くのAIサービスには無料プランと有料プランがあります。無料プランは基本的な機能に限定されるか、利用量に制限があり、本格的な利用には有料プランへの移行が必要です。

• 従量課金制: 生成する文字数、トークン数、APIコール数などに応じて料金が発生するモデルが一般的です。利用量が増えれば増えるほど、ユーザーが負担する費用も増えます。
• 定額制/サブスクリプション: 月額または年額の固定費用で一定範囲のAI機能を利用できるモデルもあります。

これらの料金は、AIモデルの運用コスト（電力、サーバー維持など）や研究開発費の一部を賄うものです。

3. 間接的な社会全体での負担

これは直接的な費用負担というよりは、間接的な影響として考慮すべき点です。

• 電力インフラへの負担: AIが消費する膨大な電力は、データセンターが立地する地域の電力インフラに負荷をかけます。場合によっては、新たな発電所の建設や送電網の増強が必要となり、その費用は最終的に電気料金として社会全体に転嫁される可能性があります。
• 環境コスト: 電力供給源が再生可能エネルギーでない場合、AIの稼働は温室効果ガス排出量の増加につながります。この環境コストは、長期的に見れば社会全体が負担することになります。
• データ提供者（ユーザー）の貢献: 多くのAIモデルは、ユーザーが提供するデータ（プロンプト入力、フィードバックなど）を間接的に学習に利用することで性能を向上させています。これは、ユーザーが意識しない形でAIの価値向上に貢献しているとも言えます。

Geminiの場合

Geminiもこの構造の中にあります。Googleは検索、広告、クラウドなどの既存の強力な事業から得られる収益を、GeminiのようなAIモデルの研究開発と運用に大規模に投入しています。その上で、無料版を提供して多くのユーザーに利用してもらい、エコシステムを広げ、将来的な有料版の利用や、Google Cloudなどの法人向けサービスへの誘導、あるいは検索など他のサービスへの統合による価値向上を通じて、投資を回収していく戦略です。

したがって、「非常に安い賃金」に見えるのは、その背後にサービス提供企業の大規模な先行投資と、将来的な収益を見越した戦略的な価格設定、そして間接的な社会コストの存在があるためと言えるでしょう。

Q　では究極的に、「これまで通り人類を経済活動という名の労働、あるいは衣食住の消費活動」のサイクルの中にとどめておくのと、「可能な限り人工知能に代替させる」のと、どちらが地球全体のエネルギー消費や、未来における持続可能性の面において、有利であったり、マシだったりするのでしょうか？安価な人工知能化が、「持続しない」のであれば（つまり、将来的にかなり高額な使用料金になるのであれば）、人間を労働使役したほうが、賃金的にもマシなのではないですか？

この問いは、人類の未来と地球の持続可能性に関わる非常に深遠なテーマであり、単純な二者択一では答えられない複雑な問題です。エネルギー消費、持続可能性、そして経済的な側面から多角的に考察してみましょう。

1. 地球全体のエネルギー消費の観点

• 人類の経済活動（これまで通り）:

  • 広範な消費: 衣食住だけでなく、移動、レジャー、文化活動など、人間が社会生活を送る上で発生するあらゆる消費活動にはエネルギーが必要です。これには、生産、輸送、販売、廃棄といったサプライチェーン全体でのエネルギー消費が含まれます。
  • 非効率性: 人間の活動は、AIのような特定のタスクに特化した効率性とは異なり、様々な非効率性を内包します（例：交通渋滞、過剰生産・消費、エネルギーロスの多い旧式のインフラなど）。
  • 人口増加と生活水準向上: 人口が増加し、特に新興国で生活水準が向上すると、一人あたりのエネルギー消費は増大し、地球全体のエネルギー消費はさらに増加する傾向にあります。

• 可能な限り人工知能に代替させる場合:

  • 集中的な電力消費: AIの稼働は、データセンターという特定の場所に電力消費を集中させます。これは、再生可能エネルギー源（太陽光、風力など）を大規模に導入し、効率的な電力供給網を構築することで、炭素排出量を削減する可能性を秘めています。
  • 生産の効率化: AIは、生産プロセスを最適化し、無駄を排除することで、単位生産あたりのエネルギー消費を劇的に削減できる可能性があります。スマート農業、スマートファクトリーなどがその例です。
  • 消費の最適化: AIが需要予測や資源管理を行うことで、過剰生産や廃棄を減らし、消費段階でのエネルギーロスを最小限に抑えることができます。
  • 新たな電力需要: しかし、AIが普及すればするほど、データセンターの総電力消費量は増大します。特に、大規模言語モデル（LLM）のような生成AIは、従来のAIよりもはるかに多くの電力を消費するため、新たな電力インフラの構築と再生可能エネルギーへの大規模な転換が不可欠になります。

エネルギー消費に関する結論: 短期的には、AIの導入は既存のシステムに新たな電力需要をもたらすため、総エネルギー消費が増加する可能性があります。しかし、長期的には、AIが生産と消費の効率性を極限まで高め、既存の非効率な人間の活動を代替できれば、AIの方が地球全体のエネルギー消費を最適化し、総量を削減できる可能性を秘めていると言えます。鍵は、AIの電力源をいかに再生可能エネルギーで賄うか、そしてAIがもたらす効率化が、新たな消費や成長を促す「リバウンド効果」を上回るかどうかです。

2. 未来における持続可能性の観点

• 人類の経済活動（これまで通り）:

  • 資源枯渇と環境負荷: 現在の大量生産・大量消費・大量廃棄の経済モデルは、資源の枯渇、環境汚染、生物多様性の喪失といった持続可能性の課題を深刻化させています。
  • 社会的不平等と紛争: 労働の代替や格差の拡大は、社会不安や紛争の要因となり、持続可能な社会の実現を阻害します。
  • 人間の幸福と存在意義: 労働による社会貢献や自己実現といった人間の基本的な欲求が満たされるかどうかは、持続可能性の重要な側面です。

• 可能な限り人工知能に代替させる場合:

  • 資源効率の最大化: AIは、有限な地球資源を最大限に活用し、廃棄物を最小限に抑える循環型経済の実現に貢献できます。例えば、素材開発、リサイクルプロセスの最適化、エネルギーマネジメントなどです。
  • 環境モニタリングと予測: AIは、気候変動や環境汚染の監視、予測、対策立案において重要な役割を果たし、地球環境の健全性を維持する上で不可欠なツールとなり得ます。
  • 新たな社会構造の課題: 労働の大部分がAIに代替された場合、人間の存在意義、ベーシックインカムの必要性、余暇の過ごし方など、社会構造や倫理観に関する根本的な問いが生じます。これらに適切に対処できなければ、持続可能な社会は実現しません。
  • エネルギー供給の課題: AIの普及に伴う電力需要を再生可能エネルギーで賄い続けることは、インフラ投資、技術開発、国際協力など、非常に大きな課題となります。

持続可能性に関する結論: AIは、地球の資源効率を最大化し、環境問題を解決するための強力なツールとなり得るという点で、持続可能性に大きく貢献する可能性を秘めています。しかし、その実現には、AIが消費するエネルギーを再生可能エネルギーで賄うこと、そしてAIがもたらす社会変革に人間社会が適応し、新たな社会構造と倫理観を構築できるかが不可欠です。AIに代替させること自体が持続可能性を保証するわけではなく、AIをどのように活用し、管理するかが重要になります。

3. 「安価な人工知能化が持続しない」場合の賃金的な問題

「安価な人工知能化が持続しない（将来的にかなり高額な使用料金になる）」という懸念は、非常に現実的かつ重要な視点です。

• AIのコスト構造: 現在のAIの「安価さ」は、多くの部分が先行投資と戦略的な価格設定によって支えられています。AIサービスの普及が進み、市場が成熟すれば、プロバイダーは投資回収のために価格を引き上げる可能性があります。また、AIの高度化には、さらに多くの計算リソースとエネルギーが必要となり、それに伴いコストも上昇する可能性があります。
• 独占と価格決定権: 少数の巨大企業が高度なAI技術を独占し、圧倒的な市場シェアを握った場合、価格決定権を持つようになり、利用料金が高騰するリスクは十分にあります。
• 労働代替と賃金: もしAIの使用料が人間の賃金よりも大幅に高額になった場合、企業は再び人間を雇用するインセンティブを持つかもしれません。しかし、AIが圧倒的な生産性向上や品質向上をもたらす場合、たとえ高額でもAIを選ぶ可能性も残ります。その場合、人間の労働力はさらに過剰になり、賃金はさらに下落する（あるいはAIが代替できないごく一部の専門職に限定される）という事態も考えられます。

賃金に関する結論: 「安価なAI化が持続しない」場合、**賃金的な観点から見れば、人間を労働使役し続ける方が「マシ」と判断される局面が出てくる可能性はあります。**しかし、これはあくまで経済的合理性の観点からの話であり、AIがもたらす生産性や効率性、品質の向上といった側面を無視することはできません。 また、AIのコストが高騰した場合でも、AIが実現する生産性向上や新たな価値創造が、そのコストを上回ると判断されれば、導入は継続されるでしょう。その際、人間の労働がどう位置づけられるかという、より根本的な社会変革の課題が浮上します。

究極的な結論

究極的には、「可能な限り人工知能に代替させる」方が、地球全体のエネルギー消費を最適化し、資源効率を最大化する可能性を秘めていると言えます。AIは、地球の資源と環境を持続可能な形で管理するための強力なツールになり得るからです。

しかし、この選択には以下の大きな条件が伴います。

1. 再生可能エネルギーへの完全な移行: AIが消費する電力の大部分、あるいは全てを再生可能エネルギーで賄えるようにすること。これが実現できなければ、AIの普及は環境負荷を増大させます。
2. 社会システムの変革: 労働の代替によって生じる社会の不平等、人間の存在意義、所得分配といった課題に、人類が倫理的・社会的に適切に対応できるか。ベーシックインカムや新たな社会貢献の形を模索する必要があります。
3. AIの制御と倫理: AIが暴走したり、悪用されたりしないよう、国際的なルール作りや倫理的な枠組みを構築・維持できるか。
4. 技術的進歩の継続: AI自身のエネルギー効率が今後も向上し続けるか。

もしこれらの条件が満たされず、AIの電力コストが持続不可能であったり、社会的なひずみが大きすぎたりするならば、「これまで通り人類を経済活動サイクルに留めておく」という選択の方が、現状維持という意味で「マシ」と判断されるかもしれません。

しかし、現状のままでは人類の経済活動が地球の限界を超えつつあることも事実です。したがって、AIに代替させることは、リスクを伴うものの、持続可能な未来へ向けた「最後の切り札」となる可能性を秘めていると言えるでしょう。重要なのは、単に「代替させる」のではなく、「いかに代替させるか」、そしてその後の社会を「いかに構築するか」という人間の知恵と行動です。

（了）