AI時代に学ぶ意味とは？「ギュられる」全史とシンギュラリティ

2026年7月11日 ・ 久保一成

#AI#シンギュラリティ#学び#キャリア#Claude#エッセイ

一　「ギュられる」とは？AI時代のスキル不安

「ギュられる」という言葉があります。シンギュラリティ（技術的特異点）が動詞化して「シンギュる」になり、その受動態が「ギュられる」です。いま学んでいるスキルが、シンギュラリティに――正確には、数ヶ月ごとに更新されるAIに――追い抜かれ、無意味化されること。そして、その予感に苛まれることを意味します。ちなみにギュッて来る側の最強AI「Claude Fable 5」がAnthropicから公開された翌日にこのエッセイは書きました。

例えば、「半年かけてReactを勉強したのに、ギュられた」「いま資格の勉強をしてるんだけど、正直、ギュられる気しかしない」。

この新語が秀逸なのは、語感が症状と一致している点です。「ギュ」は、絞られる音であり、押し潰される音であり、締め切り前に胃がギュッとなる音です。雑巾も、データも、満員電車の乗客も、日本語ではみんな「ギュッ」とされます。シンギュラリティという八音の輸入概念が、たった一音の擬音に潰されたとき、この言葉は初めて身体を獲得しました。未来に押し潰される感覚を、これほど正確に写し取る動詞を、僕は他に知りません。

二　AIに学びを追い抜かれる焦燥の正体

スキルが陳腐化すること自体は、新しい現象ではありません。そろばんは電卓に、写植はDTPに、御者は運転手に置き換えられました。それでも当時の人々は「ギュられる」とは言わなかったはずです。何が違うのでしょうか。

二つあります。速度と、全方位性です。

かつての技術的置換は、一つの職能を数十年かけて飲み込みました。逃げる時間があり、逃げ先もありました。御者は運転手になれたのです。ところが現在の置換は、リリースノートの周期でやってきます。プログラミング、翻訳、イラスト、作曲、法務文書――矢印が一方向ではなく、全方位から同時に来るのです。逃げ先として選んだ高台が、次のバージョンで水没します。

実際、この焦燥はすでに風景になっています。プログラミング学習サービスのコメント欄には「今から始めて意味ありますか」という問いが並び、語学アプリの連続記録を誇っていた人が、同時翻訳のデモ動画を見て静かにアプリを消します。「今さらエンジニアはやめとけ」「イラストはもう無理」という言説が、学び始めようとする人の足首を、入口で掴むのです。学ぶ前にギュられる、という倒錯がもう起きています。

もう少し冷たく定式化すると、こうなります。**学習の投資回収期間が、モデルの更新周期より長くなった。**三年かけて身につくスキルの市場価値が、十八ヶ月後のモデルで毀損されるなら、その学びの期待値は計算上マイナスになりえます。「何を学んでも無駄になる気がする」という感覚は、怠惰でも臆病でもなく、ある種の合理的な計算の帰結なのです。だからこの焦燥は、気合いの説教では消えません。消すには、計算の前提のどこかを壊すしかないのです。

三　学者とAI研究者が「ギュられる」ことに絶望しない理由

科学哲学者のカール・ポパーは、科学と疑似科学を分ける線を「反証可能性」に引きました。いつか間違いだと証明されうる形式で提出された主張だけが、科学の名に値する、と。言い換えれば、理論とは、ギュられるために差し出されるものなのです。天動説は地動説にギュられ、エーテルは相対性理論にギュられ、定常宇宙論はビッグバンにギュられました。学問の歴史は正しさが踏み倒され続けた歴史であり、僕らはそれを破壊と呼ばず、進歩と呼んできたのです。

つまり学者とは、自分の積み上げた城がいつか壊されることを、職業上の前提として生きる人々です。それでも彼らが絶望しないのは、壊されたあとに何が残るかを知っているからです。理論は壊れても、理論を立てる力は壊れません。観察し、仮説を立て、検証する筋力は、反証を食らうたびに、むしろ太くなります。ギュられることは、学問の世界では死ではなく、代謝だったのです。

四　AI研究の「苦い教訓」と学びの価値

AI研究者のリチャード・サットンさんが2019年に発表した「苦い教訓（The Bitter Lesson）」という短い文章があります。AI研究七十年の歴史を振り返って、こう総括したものです。人間が知恵と工夫を注ぎ込んだ手法は、計算量とデータの力にものを言わせる汎用的な手法に、結局いつも負けてきた――。チェスの定石を教え込んだプログラムは力任せの探索に敗れ、言語学者が磨いた文法規則は統計に敗れ、職人芸だった特徴量設計は深層学習に敗れました。

ここで気づくべきことがあります。世界で最初に、最も深くギュられてきたのは、AI研究者自身だということです。彼らは自分の工夫が計算資源の暴力に踏み潰される経験を、七十年間、繰り返してきました。それでも研究をやめなかったのは、工夫がギュられても、工夫する能力まではギュられなかったからです。Claude FablesやClaude Mythosを作っている人たち自身が、世界でいちばんギュられ慣れている、と言ってもいいかもしれません。

もう一つ、記憶しておきたい事実があります。深層学習の父と呼ばれるジェフリー・ヒントンさんは、2016年に「放射線科医の養成は今すぐやめるべきだ」と発言しました。AIが五年か十年で放射線科医を追い越す、と。それから十年が経ったいま、多くの国で放射線科医はむしろ不足し、求人は増えていると報じられています。画像診断AIは確かに進歩しました。しかし医師の仕事は、読影だけではなかったのです。ギュられるという予測は、それ自体が頻繁にギュられます。天才の予測でさえ、です。焦燥の根拠になっている「未来」は、実のところ、かなり解像度の粗い未来なのです。

五　AI時代に「役に立たない知識」が役立つ理由

1939年、教育者のエイブラハム・フレクスナーが「役に立たない知識の有用性」という文章を書いています。プリンストン高等研究所の初代所長を務めた人物です。彼の挙げる例はこうです。マクスウェルもヘルツも、実用のことなどまるで考えずに電磁波を研究しました。その「役に立たない」探究がなければ、無線も、その先の通信社会も存在しなかった、と。整数の性質を弄んでいるだけに見えた数論が、何十年も後に暗号技術となって世界経済を支えることも、当人たちは知る由もなかったのです。

イグノーベル賞には、この精神が脈々と流れています。1995年、心理学者の渡辺茂さんは「ハトにモネとピカソの絵を見分けさせる」研究でこの賞を受けました。何の役に立つのかと笑われる類いの研究です。しかし、視覚的なカテゴリー学習が人間の特権ではないことを示したこの実験は、のちの比較認知科学の足場になりました。2017年には、物理学者のマルク＝アントワーヌ・ファルダンさんが「猫は液体か固体か」を流動学の言葉で大真面目に論じて同賞を受けています。冗談のような問いですが、柔らかい物質がどんな時間スケールで容器に馴染むのかという視点そのものは、レオロジーの正面の問題です。笑われた研究が、あとで効いてくるのです。

「それは何の役に立つのか」という問いは、いつも時間軸を短く取りすぎます。ギュられる焦燥も、構造は同じです。学びの価値を、次のモデルがリリースされるまでの十八ヶ月で査定しているのです。四半期決算の物差しで、人生の研究開発費を測っているわけです。疑うべきは学びではなく、物差しのほうかもしれません。

六　抽象度と「want to」が学びを守る

認知科学者の苫米地英人さんは、「抽象度」という概念を教えてくれています。犬よりも哺乳類、哺乳類よりも生物と、概念の階層を上がるほど、個別の情報量は減り、包摂する範囲は広がります。この物差しを当てると、ギュられやすさには明確な勾配があることが分かります。**ギュられるのは、いつも低い抽象度の層からです。**特定のツールの操作方法は一夜で無価値になりえますが、その一段上の「計算論的に考える力」は残り、さらに上の「そもそもどの問題を解くべきかを見抜く力」は、むしろ値上がりしていきます。AIは答えの価格を暴落させましたが、それは裏側で、問いの価格の高騰を意味しています。優れた答えが秒で量産される世界では、「まだ誰も言語化していない問題に名前をつけた人」のところに、価値が雪崩れ込むのです。考えてみれば「ギュられる」という造語自体が、その実例です。無名の誰かが焦燥に名前をつけた瞬間、何万人かのモヤモヤが一語に束ねられ、こうして論じる対象にすらなりました。

苫米地さんがおっしゃる言葉に、「心理的盲点」という意味のスコトーマという概念があります。「いまのスキル市場の中でどう生き残るか」という問いの立て方そのものが、強烈な心理的盲点＝スコトーマを生みます。市場の内側だけを見つめる目には、市場の外側にある選択肢が、文字どおり見えないのです。彼が「コンフォートゾーンの外側にゴールを置け」と教えてくれています。そして彼の言う「have to（やらねばならない）」の学びは、市場が崩れれば一緒に崩れます。「want to（やりたくてたまらない）」の学びは、そもそも市場の査定台に載っていないのですから、暴落のしようがありません。

七　趣味として学ぶ人はAIに奪われない

作家の森博嗣さんは、その「want to」を体現してます。ベストセラー作家でありながら、執筆はあくまで生活と趣味の資金を得るための仕事だと公言し、本業は工作だと言い続けてきました。庭に線路を敷き、人が乗れる機関車を自作して走らせる。あの遊びは、何かの役に立つでしょうか。立ちません。市場価値があるでしょうか。ありません。だからこそ、どれほど強力なAIが現れても――それこそClaude Mythos以上のモデルが何世代進んでも――あの線路は一ミリも毀損されないのです。

ギュられるのは、交換価値としての学びだけです。楽しいから学ぶ、作りたいから作るという学びは、最初から交換台に載っていないので、ギュりようがありません。逆に言えば、AIに無効化されて消えてしまう学びとは、もともと市場のものであって、自分のものではなかった学びなのかもしれません。

八　AI時代の学びは貯蓄ではなく筋肉である

焦燥の正体を、言い直したいと思います。怖いのは未来そのものではありません。**「学びとは貯蓄である」という経済観の崩壊です。**知識を銀行預金のようなストックと見なしているから、減価が怖いのです。インフレで目減りしていく貯金を抱えた人の不安と、ギュられる焦燥は、同じ顔をしています。

スキルとは、経験を再利用可能な形式に固めた、いわば圧縮ファイルです。固めた瞬間から複製可能になり、複製可能なものは機械の領分になります。ですが、圧縮ファイルを吐き出してきた本体――学ぶ身体のほうは、ファイルと違って配布できません。

そして、貯蓄できない資産を、僕らはもう一つよく知っています。筋肉です。

筋肉は貯められません。トレーニングをやめれば数週間で落ち始め、歳を重ねれば放っておいても減っていきます。それでも「どうせ落ちるから鍛えない」と言うトレーニーはいません。鍛えるという行為そのものが代謝を回し、今日の体調を作り、明日の活力になることを、身体で知っているからです。筋肉はストックではなくフローであり、所有ではなく状態です。学びも、本来はそちら側のものだったのではないでしょうか。

老化研究の世界では、加齢による筋量の減少をサルコペニアと呼び、その最大の処方箋は薬ではなく、負荷をかけ続けることだとされています。知性にも、おそらく同じ症状があります。「もう学んでも無駄だ」と負荷を下ろした瞬間から始まる、知のサルコペニア。ギュられる焦燥の本当の危険は、AIに追い抜かれることではなく、追い抜かれる前に自分からラックにバーを戻してしまうことのほうにあるのです。

そう考えると、ジムの風景が示唆的に見えてきます。トレーニングには「潰れる」という言葉があります。限界の重量に挑み、バーベルの下でギュッと押し潰されることです。そして生理学が教えるとおり、限界の近くまで追い込まれた筋肉だけが、超回復によって以前より強くなります。負荷のないトレーニングは、トレーニングではないのです。

だとすれば、Claude FablesのようなAIは、史上最大のバーベルです。人類の知的水準に対して、かつてない負荷をかけ続けてくる装置。挙げられなければ潰されます。しかし、この重量がなければ、僕らの知性はいまのセット重量のままでした。しかもこのバーベルは奇妙なことに、潰れかけた瞬間、下から支えてくれるスポッターにもなります。分からないことをClaude Fablesに問えば答えてくれますし、書きかけの構想を受け止め、一人では挙がらなかった重量を挙げさせてくれるのです。

ギュられることは、超回復の前提条件です。

何を学ぶべきか、という最初の問いには、だからこう答えたいと思います。負荷として効く学びを選べばいい。すぐに換金できる具体ではなく、長く効く原理と抽象を。データにならない身体と体験を。答えではなく、問いを見つける目を。そして何より、市場に査定されない「want to」を、最低一つ。

Claude Fablesにギュられて消えるのは、市場に査定される「旧来の教育」であって、「学び」ではありません。教育が、学びに変わるだけなのです。

ひと月後、昨夜の学びが時代遅れになっているかもしれないことに意味はありません。落ちるからといって鍛えるのをやめたら筋肉はつかないし、何より面白くない。ギュられるからこそ、今日のセットに意味があります。あの焦燥で胃がギュッと縮む感覚は、負荷がよく効いている証――要するに、筋肉痛なのです。