巨大AI、『全部動かす』から『必要な部分だけ』へ

「混合エキスパート」って、要するに『必要な部分だけ使い分ける』みたいなしくみ？何がエキスパートなの？

「エキスパート」というのは、AI内部に複数の専門分野を持つ小さなAIが共存してるイメージです。 たとえば、あなたが「数学の問題を解いて」と言ったら、数学専門のエキスパートが動く。「詩を書いて」と言ったら文学専門のエキスパートが動く。それぞれが特定の領域に特化してるから、全体を動かすより軽くて速い。 ここが単なる「スイッチのオン・オフ」と違うところで、各エキスパートは独立した判断力を持ってます。どのエキスパートを呼び出すか、複数を組み合わせるか、その判断自体もAIが学習して決めていく。つまり「何が必要か」を認識する知能があるわけです。 家の例で言い直すなら、電球をつけるだけじゃなくて、照明、空調、給湯といった異なる設備の『職人』がそれぞれいて、あなたのニーズを理解した誰かが「この職人さんを呼ぼう」と判断する感じ。数が少ないほど電気代は浮きますが、賢さは落ちない——そこが設計の妙と言えそうです。

スマホやパソコンでAIを使う側として、この効率化って何が変わるの？処理が速くなる、電気代が安くなるのは分かるけど、答えの質は落ちないの？

実のところ、答えの質が落ちるかどうかは、どのくらい「必要な部分」を選別できるかにかかっているんですよね。 Yuan 3.0 Ultra の場合、1 兆個のパラメータから 690 億個を選ぶというのは、全体の約 7% を使う計算。これだけ削ってもできた、ということは、残りの 93% はある種の「冗長性」だったということかもしれません。人間の脳も、実は常に全領域を使ってるわけじゃない。その感覚に近い。 ユーザー側の体感としては、答えの質は基本的に保たれつつ、スマホで動かすときの発熱が減ったり、処理の間隔が短くなったりする。いま大型 AI は「企業のサーバー頼み」ですが、効率化が進むと、スマホローカルで賢い AI が走る未来にもつながる。つまり、オフラインでも使える、プライベートなデータをクラウドに送らなくていい、という話になってきます。 ただ、質の差がゼロかといえば、そうじゃない可能性もある。得意な領域と苦手な領域が出てくるかもしれません。その見分け方がユーザー側で分かりにくいのが、いまのところの課題かもしれません。

これまでのAIは『パラメータが多いほど賢い』と思われてたけど、なぜ今になって『全部使わなくていい』という発想が出てきたの？何か変わったのか？

パラメータの数を増やすこと自体が、もう限界に近づいてたんでしょう。ChatGPT や Claude が出た2年前なら「とにかくデカく」という競争だったけど、今は規模より『実用性』へシフトしてる時期なんですよね。 膨大なパラメータを持つAIは高性能ですが、同時に電力消費が莫大です。データセンターの稼働コストは経営課題になるし、環境負荷も無視できない。「賢さはそのままに、電気代を下げる」という現実的な要請が、この発想を生み出したと言えそうです。 もう一つ重要なのは、実装の段階に来たこと。理論的に「これ以上の規模は意味がない」という天井が見え始めた。だから同じリソースで、どう賢く使うかという工夫が始まった。家の全ての部屋を常に明るくするより、今いる部屋の照明だけをつけるほうが合理的。AI も、もう『全力疾走の時代』から『長距離走への最適化』に入ったのかもしれません。

これって『大きければいい』から『賢く選別する』への転換。他の分野でも『とりあえずでかくする』から『必要なものだけ圧縮する』という流れが起きてる？

この転換、実は AI だけの話じゃなく、産業全体で二十年くらい前から静かに起きてるんですよね。 自動車産業だと「エンジンは小さく、ターボで補う」という戦略が定着して久しい。スマートフォンだって初期は「メモリが多いほどいい」という発想でしたが、今は OS の最適化で限られたメモリを効率よく使う競争になってる。建築でも「大きい建物=いい建物」から「必要な空間を最小限で実現する」という思想へシフトしてる。 Yuan 3.0 Ultra が面白いのは、これまで「圧縮 = 劣化」と見なされてた AI の世界で、むしろ「選別 = 同じ性能を維持しながら効率化」という逆転を起こしたこと。つまり、単なる「小さくする」ではなく「使うべき部分を見極める知性」が競争力になり始めたわけです。 背景には電力危機とエネルギーコストの上昇がある。「でかく作ってから整える」という 20 世紀的な余裕が、もう成り立たない時代になったのかもしれません。資源の制約が、逆に洗練された設計を強いる構図と言えそうです。

1兆個のパラメータを持ってるのに690億個しか使わないってことは、残りの部分って何のためにあるの？捨ててもいいなら、最初から690億個で作ればいいのでは？

パラメータを選別する「目」そのものが、膨大な知識を必要とするんですよね。 1兆個全部を持つことで、Yuan 3.0 Ultra は、ありとあらゆる知識領域に対応する専門家モジュールを内部に育てることができます。「数学の問題が来たら数学モジュール」「医療の質問なら医療モジュール」という選別を正確にするには、まずその領域の知識を持っていなければ判断できない。 最初から690億個だけで作ると、訓練の段階で「そもそも医療について学ぶ」という経験そのものが減ってしまう。結果、来た質問が医療なのか判断すら難しくなる可能性がある。 つまり、1兆個で訓練して、本番では690億個で走らせる――この二段階が重要なんです。建築物に例えるなら、完全な設計図（1兆）を引いて完成させておくことで初めて、その建物の中で最小限の部屋（690億）だけを営業に使う効率が生まれるということ。 大型と小型は別設計ではなく、訓練と運用の段階を分けた同じモデルなのかもしれません。