むずかしい名前や専門用語には 📖 のボタンを付けました。開かなくても話は最後まで通ります。気になったところだけ開いてください。
セッションには、指揮者がいない
ライブハウスのジャムセッション。初めて会ったメンバーが、譜面もなく、合図もなく、なんとなく演奏を始める。誰も全体を指揮していないのに、少しずつ噛み合って、気づけば一つの音楽になっている。
不思議だけど、あれは「みんなが、みんなの音を聴いて、次に何をするかを一人ひとりが決めている」から成り立っている。中央のボスはいない。聴き合う力だけで、全体がまとまる。
実は——最近のAI（ChatGPTのようなもの）の心臓部も、まったく同じ仕組みでできています。名前を「アテンション（注意）」といいます。
📖 アテンションって？（30秒）
2017年の「Attention Is All You Need（注意こそがすべて）」という論文が、今のAIの土台になりました。仕組みをざっくり言うと、文章の中の一つひとつの単語が「自分は今、どの単語に注目すべきか」を毎回自分で計算する、というもの。指揮者が全体を仕切るのではなく、全員が全員を見て、大事なところに勝手に注意が集まる。この“聴き合い”だけで文章の意味が立ち上がる。まさにセッションと同じ形です。
「問い」がやってきて、「音」が答えになる
セッション中、プレイヤーの頭の中で何が起きているか。
周りの演奏が「今、何を返す？」という問いを投げてくる。プレイヤーはその問いに対して、自分の中の引き出し——これまで浴びてきた無数の曲、コピーしたフレーズ、通った夜——を一瞬で検索する。そして、耳・指・リズム感・そのときの気分、ぜんぶを束ねて、一つの音を返す。その音が、答え。
これ、AIが言葉を出すのと同じ構造なんです。プログラマの言葉で言うと、環境が「クエリ（問い合わせ）」を投げ、自分という巨大なデータベースがそれに応える。ふだんクエリは「自分が投げるもの」なのに、ここでは世界の側が自分に問いを投げてくる。
そして大事なこと。その引き出しの中身は、膨大な練習で何年もかけて作られたもの。AIの世界ではこれを「学習（トレーニング）」と呼びます。本番の一音は、その積み重ねをほんの一瞬読み出しているだけ。
何気ない一音に、膨大な練習が詰まっている。
これは詩的な言い回しじゃなく、そのまま仕組みの説明だった、というわけです。
AIは、“知性”の正体をばらしてしまった
AIがここまで賢くなって、「これは本当の知性なのか？」という議論がよく起きます。でも僕は、逆だと思っています。
AIが見せてくれたのは、**「知性って、案外このくらいのものだったんだ」**という事実。人間の“頭の良さ”の多くは、過去にたくさん見たパターンを上手に組み合わせて出しているだけ——そう言われると少し寂しいけれど、妙に腑に落ちる。
📖 なぜ、理論の積み上げより量が勝ったのか
昔の研究者は、賢いルールをAIに一つずつ教え込もうとしていました。でも結局勝ったのは、ルールを教えるのをやめて、ただ膨大なデータと計算力を浴びせる方法でした。AI研究者リチャード・サットンはこれを「苦い教訓（The Bitter Lesson）」と呼びました。人間が言葉を、文法の教科書からではなく浴びるように聞いて覚えるのと同じ。理屈の積み上げより、圧倒的な経験の量が最適解を作る——これを今のAIは実証してしまいました。
すると、こんな考えが浮かびます。もし知性がただの“上手な反射”なら、僕らが信じている「意思」や「正しさ」や「未来」も、実は過去の蓄積からノリで出てくる反射の流れにすぎないんじゃないか。誰も本当は舵を握っていない、巨大な流れ。
📖 同じことを考えた人たち
これはとても古い問いです。仏教の「縁起・無我」は、確固たる自分などなく、条件が次の条件を生む流れだけがある、と説きます。哲学者スピノザは、自由意志は“原因を知らないこと”から生まれる錯覚だと言いました。小説家トルストイは『戦争と平和』で、歴史は英雄が動かすのではなく、無数の小さな意思の総和が勝手に流れていくものだと書いています。AIは、この古い直観に「動く実物」を初めて突きつけたのかもしれません。
ただ——ここで暗くなる必要はありません。温度を考えてみてください。温度の正体は、分子がどれだけ激しく動いているか、それだけです。でも「じゃあ温度なんて幻だ」とは誰も言わない。細かい部品に分解できることと、それが本物であることは、両立する。 意思も同じ。反射の集まりでできていても、それは「意思なんてない」を意味しない。反射が、ある高さまで積み上がったときに付く名前——それが意思なんです。
AIが出せるのは、“分かりきった未来”だけ
AIの答え方には、大事なクセがあります。AIは、過去のデータを見て**「いちばんありそうな続き」**を出す。言いかえると、分かりきった未来を返すのが得意なんです。平均的で、なめらかで、予想の範囲内。
そして、ここに面白い弱点があります。AIが作ったものを、また別のAIに学ばせて…と繰り返していくと、AIはだんだん壊れていく。研究者はこれを「モデル崩壊」と呼びます。そして壊れるとき、最初に消えるのは“珍しいもの”。外れ値、変わったもの、予想外のもの——から先に失われて、AIはどんどん平凡な平均へ縮んでいきます。
📖 モデル崩壊（model collapse）
2024年、AIが自分（や他のAI）の出力を食べて学習し続けると性能が急速に劣化する、という現象が実証されました。分布の“裾”——めったに出ない珍しいパターン——から先に失われるのが特徴です。AIは、外から新しい本物の情報を入れ続けないと、自分の平均を食べて痩せ細っていく。つまりAIは、人間が持ち込む“予想外”を必要としている、ということです。
これは、とても大きな意味を持っています。AIは、外から新しい本物を入れてもらわないと、自分の平均を食べて枯れていく。 世間は「AIが来たら、表現する人間なんて要らなくなる」と言います。でも本当は逆で——AIが増えるほど、“まだ誰も出したことのないもの”を持ち込める人間の価値は、上がっていく。
残された冒険は、“まだ言葉にならないもの”を捕まえること
じゃあ、人間にしかできないことは何か。
AIが分布の「内側」（ありそうなこと）の名人なら、人間にできるのは「外側」に出ること。まだデータになっていないもの。まだ言葉になっていない感覚。 今この瞬間の、生の空間にしかない何か。それを捕まえて、音や、言葉や、形に、はじめて落とす。落とした瞬間、それはこの世界に無かった新しい信号になります。
📖 「言葉にならないもの」を追いかけた人たち
哲学者マイケル・ポランニーは「人は、語れる以上のことを知っている」と言いました（暗黙知）。自転車の乗り方を言葉で説明しきれないのに体は知っている、あの感じです。ベルクソンという哲学者は、生きた時間の流れは概念（言葉）からこぼれ落ちる、それを掴むのは理屈ではなく“直観”だと考えました。禅にも「不立文字」——真理は言葉には立たない——という言葉があります。音楽は、まさにこの“言葉になる手前のもの”を直接あつかう芸術です。
正直に言うと、人間だっていつもは反射で生きています。反射で喋り、反射で弾く。“外側”を捕まえる瞬間は、人生のなかでも細い一筋でしかない。
——でも、だからこそ、なんです。その細い一筋こそ、AIに自動化されない部分で、しかも昔から本当はそれだけが目的だった部分（芸術、愛、まだ言えない何か）。人生を、共同体を、わざわざその細い一筋に賭けて構える意味が、そこにある。
そして、その“捕まえる力”は、無から生まれる魔法じゃない。練習で作り込んだ身体が、現実のふちで、新しい信号を感じ取る。 辺境のセンサーみたいに。だから膨大な練習が要るし、やり直しのきかない生のライブの中でしか、それは捕まらないんです。
だから、生身で、つくり続ける
ここまでの話は、実は音楽だけのものじゃありません。アンサンブルも、絵も、文章も、料理も——およそ人が何かをつくる場面すべてに、同じことが起きています。
AIが「分かりきった未来」で世界を埋めていくほど、まだ言葉にならないものを捕まえて、かたちにする——その一瞬の価値は、静かに上がっていく。指揮者のいない場所で、練習を積んだ人が、その一手を賭ける。予想外が生まれ、誰かと通じ合う。効率は最悪で、コスパもタイパも悪い。でも、AIがどれだけ流暢になっても消えない、人間に残された冒険の楽しみは、たぶんそこにしかない。
僕にとって、それがいちばん濃く起きる場所が、たまたまセッションだった。だから僕は、生身で音を出し合う場をつくり続けています。あなたにとってのそれが何であれ——一緒に、分かりきった未来の外側を、捕まえにいきましょう。
