11月27日は、#ノーベル賞制定記念日

1895年(明治28年)のこの日、アルフレッド・ノーベルが、人類に貢献した人に自らの富を、と遺言✍️

家庭環境によらない教育の保障は、ノーベル賞への一歩🚶‍♂️

港区議会定例会初日、公明党代表質問で池田たけし議員が🙋‍♂️

街頭で訴えている、子どもベーシックサービス

にもとづき、所得制限ない区立学校の教育費の完全無償化や、国立・私立についても教育負担の軽減を訴え💸

高市政権発足後も止まらぬ円安や、トランプ関税など国際情勢の不安定化により、景気の先行き不透明感が🆙

今年度、区立学校の学用品費の無償化実現も、更なる無償化求める声あり、6月定例会で修学旅行無償化を🗣️

また都議会公明党の推進で、所得制限ない公私立高校の授業料無償化が実現も、授業料以外の負担軽減求め✊ November 11, 2025

Gemini3, Nano Banana Pro登場で, 先月時点で私がTBSの以下番組で「OpenAIは危うい.Googleが勝つ」としてたのが注目(特に投資家層?)されてるようです
実際は公には以下記事で2024年OpenAI絶頂期からずっとGoogle有利とみてます
長い(私のX史上最長)ですが根拠, OpenAI vs Googleの展望を書いてみます

先月のTBS動画：https://t.co/kgWcyTOTWK
2024年6月の記事：https://t.co/4HEhA4IJQa

参考のため、私がクローズドな投資家レクなどで使う資料で理解の助けになりそうなものも貼っておきます。

※以下はどちらかというと非研究者向けなので、研究的には「当たり前では」と思われることや、ちょっと省略しすぎな点もあります。

まず、現在の生成AI開発に関して、性能向上の根本原理、研究者のドグマ的なものは以下の二つです。基本的には現在のAI開発はこの二つを押さえれば大体の理解ができると思います。両者とも出てきたのは約5年前ですが、細かい技術の発展はあれど、大部分はこの説に則って発展しています。
①スケーリング則
https://t.co/WKl3kTzcX5

②SuttonのThe Bitter Lesson
https://t.co/esHtiJAcH9

①のスケーリング則は2020年に出てきた説で、AIの性能は1)学習データの量、2)学習の計算量（=GPUの投入量）、3)AIのモデルサイズ（ニューラルネットワークのパラメータ数）でほぼ決まってしまうという説です。この３つを「同時に」上げ続けることが重要なのですが、1と3はある程度研究者の方で任意に決められる一方、2のGPUはほぼお金の問題になります。よって、スケーリング則以降のAI開発は基本的にお金を持っている機関が有利という考えが固まりました。現在のChatGPTなどを含む主要な生成AIは一つ作るのに、少なく見積もってもスカイツリーを一本立てるくらい（数百億）、実際には研究の試行錯誤も含めると普通に数千億から数兆かかるくらいのコストがかかりますが、これの大部分はGPUなどの計算リソース調達になります。

②のThe Bitter Lessonは、研究というよりはRichard Suttonという研究者個人の考えなのですが、Suttonは現在のAI界の長老的な人物で、生成AI開発の主要技術（そして私の専門）でもある強化学習の事実上の祖かつ世界的な教科書（これは私達の翻訳書があるのでぜひ！）の執筆者、さらにわれわれの分野のノーベル賞に相当するチューリング賞の受賞者でもあるので、重みが違います。
これは端的にいうと、「歴史的に、AIの発展は、人間の細かい工夫よりも、ムーアの法則によって加速的に発展する計算機のハードの恩恵をフルに受けられるものの方がよい。つまりシンプルで汎用的なアルゴリズムを用い、計算機パワーに任せてAIを学習させた方が成功する。」ということを言っています。

①と②をまとめると、とにかく現状のAIの性能改善には、GPUのような計算リソースを膨大に動員しなければならない。逆に言えばそれだけの割と単純なことで性能上昇はある程度約束されるフェーズでもある、ということになります。

これはやや議論を単純化しすぎている部分があり、実際には各研究機関とも細かいノウハウなどを積み重ねていたり、後述のようにスケーリングが行き詰まることもあるのですが、それでも昨今のAI発展の大半はこれで説明できます。最近一般のニュースでもよく耳にするようになった異常とも言えるインフラ投資とAIバブル、NVIDIAの天下、半導体関連の輸出制限などの政治的事象も、大元を辿ればこれらの説に辿り着くと思います。

以下、この二つの説を前提に話を進めます。

公にはともかく私が個人的に「OpenAIではなくGoogleが最終的には有利」と判断したのはかなり昔で、2023年の夏時点です。2023年6月に、研究者界隈ではかなり話題になった、OpenAIのGPT-4に関するリーク怪文書騒動がありました。まだGoogleが初代Geminiすら出してなかった時期です。（この時期から生成AIを追っている人であれば、GPT-4のアーキテクチャがMoEであることが初めて明らかになったアレ、と言えば伝わるかと思います）
ChatGPTの登場からGPT-4と来てあれほどの性能（当時の感覚で言うと、ほぼ錬金術かオーパーツの類）を見せられた直後の数ヶ月は、さすがに生成AI開発に関する「OpenAIの秘伝のタレ説」を考えており、OpenAIの優位は揺らがないと考えていました。論文では公開されていない、既存研究から相当逸脱した特殊技術(=秘伝のタレ)がOpenAIにはあって、それが漏れない限りは他の機関がどれだけお金をかけようが、まず追いつくのは不可能だと思っていたのです。しかし、あのリーク文書の結論は、OpenAIに特別の技術があったわけではなく、あくまで既存技術の組み合わせとスケーリングでGPT-4は実現されており、特に秘伝のタレ的なものは存在しないというものでした。その後、2023年12月のGemini初代が微妙だったので、ちょっと揺らぐこともあったのですが、基本的には2023年から私の考えは「最終的にGoogleが勝つだろう」です。
つまり、「スケーリングに必要なお金を持っており、実際にそのAIスケーリングレースに参加する経営上の意思決定と、それを実行する研究者が存在する」という最重要の前提について、OpenAIとGoogleが両方とも同じであれば、勝負が着くのはそれ以外の要素が原因であり、Googleの方が多くの勝ちにつながる強みを持っているだろう、というのが私の見立てです。

次に、AI開発競争の性質についてです。
普通のITサービスは先行者有利なのですが、どうもAI開発競争については「先行者不利」となっている部分があります。先行者が頑張ってAIを開発しても、その優位性を保っている部分でAIから利益を得ることはほとんどの場合はできず、むしろ自分たちが発展させたAI技術により、後発事業者が追いついてきてユーザーが流出してしまうということがずっと起きているように思われます。
先ほどのスケーリング則により、最先端のAIというのはとても大きなニューラルネットワークの塊で、学習時のみならず、運用コストも膨大です。普通のITサービスは、一旦サービスが完成してしまえば、ユーザーが増えることによるコスト増加は大したことがないのですが、最先端の生成AIは単なる個別ユーザーの「ありがとうございます」「どういたしまして」というチャットですら、膨大な電力コストがかかる金食い虫です。3ドル払って１ドル稼ぐと揶揄されているように、基本的にはユーザーが増えれば増えるほど赤字です。「先端生成AIを開発し、純粋に生成AIを使ったプロダクトから利益を挙げ続ける」というのは、現状まず不可能です。仮に最先端のAIを提供している間に獲得したユーザーが固定ユーザーになってくれれば先行者有利の構図となり、その開発・運営コストも報われるのですが、現状の生成AIサービスを選ぶ基準は純粋に性能であるため、他の機関が性能で上回った瞬間に大きなユーザー流出が起きます。現状の生成AIサービスはSNSのように先行者のネットワーク効果が働かないため、常に膨大なコストをかけて性能向上レースをしなければユーザー維持ができません。しかも後発勢は、先行者が敷いた研究のレールに乗っかって低コストで追いつくことができます。

生成AI開発競争では以上の、
・スケーリング則などの存在により、基本的には札束戦争
・生成AIサービスは現状お金にならない
・生成AI開発の先行者有利は原則存在しない
と言う大前提を理解しておくと、読み解きやすいかと思います。
（繰り返しですがこれは一般向けの説明で、実際に現場で開発している開発者は、このような文章では表現できないほどの努力をしています。）

OpenAIが生成AI開発において（先週まで）リードを保っていた源泉となる強みは、とにかく以下に集約されると思います。

・スケーリングの重要性に最初に気付き、自己回帰型LLMという単なる「言語の穴埋め問題がとても上手なニューラルネットワーク」（GPTのこと）に兆レベルの予算と、数年という（AI界隈の基準では）気が遠くなるような時間を全ベットするという狂気を先行してやり、ノウハウ、人材の貯金があった
・極めてストーリー作りや世論形成がうまく、「もうすぐ人のすべての知的活動ができるAGIが実現する。それを実現する技術を持っているのはOpenAIのみである」という雰囲気作りをして投資を呼び込んだ

前者については、スケーリングと生成AIという、リソース投下が正義であるという同じ技術土俵で戦うことになる以上、後発でも同レベルかそれ以上の予算をかけられる機関が他にいれば、基本的には時間経過とともにOpenAIと他の機関の差は縮みます。後者については、OpenAIがリードしている分には正当化されますが、一度別の組織に捲られると、特に投資家層に対するストーリーの維持が難しくなります。

一方のGoogleの強みは以下だと思います。
・投資マネーに頼る必要なく、生成AI開発と応用アプリケーションの赤字があったとしても、別事業のキャッシュで相殺して半永久的に自走できる
・生成AIのインフラ（TPU、クラウド事業）からAI開発、AIを応用するアプリケーション、大量のユーザーまですべてのアセットがすでに揃っており、各段階から取れるデータを生かして生成AIの性能向上ができる他、生成AIという成果物から搾り取れる利益を最大化できる

これらの強みは、生成AIのブーム以前から、AIとは関係なく存在する構造的なものであり、単に時間経過だけでは縮まらないものです。序盤はノウハウ不足でOpenAIに遅れをとることはあっても、これは単に経験の蓄積の大小なので、Googleの一流開発者であれば、あとは時間の問題かと思います。
（Googleの強みは他にももっとあるのですが、流石に長くなりすぎるので省略）

まとめると、
生成AIの性能は、基本的にスケーリング則を背景にAI学習のリソース投下の量に依存するが、これは両者であまり差がつかない。OpenAIは先行者ではあったが、AI開発競争の性質上、先行者利益はほとんどない。OpenAIの強みは時間経過とともに薄れるものである一方、Googleの強みは時間経過で解消されないものである。OpenAIは自走できず、かつストーリーを維持しない限り、投資マネーを呼び込めないが、一度捲られるとそれは難しい。一方、GoogleはAIとは別事業のキャッシュで自走でき、OpenAIに一時的に負けても、長期戦でも問題がない。ということになります。

では、OpenAIの勝利条件があるとすれば、それは以下のようなものになると思います。

・OpenAIが本当に先行してAGI開発に成功してしまう。このAGIにより、研究開発や肉体労働も含むすべての人間の活動を、人間を上回る生産性で代替できるようになる。このAGIであらゆる労働を行なって収益をあげ、かつそれ以降のAIの開発もAGIが担うことにより、AIがAIを開発するループに入り、他の研究機関が原理的に追いつけなくなる（OpenAIに関する基本的なストーリーはこれ）
・AGIとまではいかなくとも人間の研究力を上回るAIを開発して、研究開発の進捗が著しく他の機関を上回るようになる
・ネットワーク効果があり先行者有利の生成AIサービスを作り、そこから得られる収益から自走してAGI開発まで持っていく
・奇跡的な生成AIの省リソース化に成功し、現在の生成AIサービスからも収益が得られるようになる
・生成AI・スケーリング則、あるいは深層学習とは別パラダイムのAI技術レースに持ち込み技術を独占する（これは現在のAI研究の前提が崩れ去るので、OpenAI vs Googleどころの話ではない）
・Anthropicのように特定領域特化AIを作り、利用料金の高さを正当化できる価値を提供する

最近のOpenAIのSora SNSや、検索AI、ブラウザ開発などに、この辺の勝利条件を意識したものは表れているのですが、今のところ成功はしていないのではないかと思います。省リソース化に関しては、多分頑張ってはいてたまに性能ナーフがあるのはこれの一環かもしれないです。とはいえ、原則性能の高さレースをやっている時にこれをやるのはちょっと無理。最後のやつは、これをやった瞬間にAGIを作れる唯一のヒーローOpenAIの物語が崩れるのでできないと思います。

最後に今回のGemini3.0やNano Banana Pro（実際には二つは独立のモデルではなく、Nano Bananaの方はGemini3.0の画像出力機能のようですが）に関して研究上重要だったことは、事前学習のスケーリングがまだ有効であることが明らかになったことだと思います。
ここまでひたすらスケーリングを強調してきてアレですが、実際には2024年後半ごろから、データの枯渇によるスケーリングの停滞が指摘されていること、また今年前半に出たスケーリングの集大成で最大規模のモデルと思われるGPT-4.5が失敗したことで、単純なスケーリングは成り立たなくなったとされていました。その一方で、
去年9月に登場したOpenAIのo1やDeepSeekによって、学習が終わった後の推論時スケーリング（生成AIが考える時間を長くする、AIの思考過程を長く出力する）が主流となっていたのが最近です。
OpenAIはそれでもGPT-5開発中に事前学習スケーリングを頑張ろうとしたらしいのですが、結局どれだけリソースを投下しても性能が伸びないラインがあり、諦めたという報告があります。今回のGemini3.0に関しては、関係者の発言を見る限り、この事前学習のスケーリングがまだ有効であり、OpenAIが直面したスケーリングの限界を突破する方法を発見していることを示唆しています。
これはもしかしたら、単なるお金をかけたスケーリングを超えて、Googleの技術上の「秘伝のタレ」になる可能性もあり、上記で書いた以上の強みを今回Googleが手にした可能性もあると考えています。

本当はもっと技術的に細かいことも書きたいのですが、基本的な考えは以上となります。色々と書いたものの、基本的には両者が競争してもらうことが一番技術発展につながるとは思います！ November 11, 2025

みなさん、ご参加いただきありがとうございました(*^^*)

正解は「３　湯川秀樹」でした。
1949年に物理学賞を受賞しました。川端康成は、1968年に文学賞を受賞しています。野口英世は、ノーベル賞候補に三度名前が挙がったものの、受賞はしていません。

また明日も、よろしくお願いします♪ https://t.co/hAVi0VSjBa November 11, 2025

お疲れ様でした～

本日はノーベル賞記念日

今年は生理学・医学賞に坂口志文博士と化学賞の北川進博士。これまで30名と1団体にノーベル賞。アジアでは断トツ1位の受賞

倭国の基礎研究と独創的な発想力が評価されての受賞。名利を求めず倦まず弛まずの研究の賜物かと

今宵も素敵な夜を(*^_^*) https://t.co/GRylYMFQhR November 11, 2025

本日11月27日は "ノーベル賞制定記念日"！

人類のために貢献した人に贈られる世界的な賞🏆

幕末の志士たちが成し遂げたことって、
ノーベル賞級の偉業ばかりじゃないですか？
古い体制を壊して新しい国を導いた彼ら全員に、
特別に『ノーベル・国づくり賞』をあげてもいいくらいです！

#新解釈お遍路
#映画公開まで22日
#偉業だらけの時代
#賞金は倭国の夜明け
#ベストジーニスト賞はありません
#新解釈幕末伝
#ムロツヨシ #佐藤二朗
#広瀬アリス #岩田剛典 #矢本悠馬 #松山ケンイチ #染谷将太 #勝地涼 #倉悠貴 #山下美月 #賀来賢人 #小手伸也 #高橋克実 #市村正親 #渡部篤郎 #山田孝之
#福山雅治 November 11, 2025

思わず二度見!?の難読漢字
『諾威』――今日の手書き筆文字

11月27日は「ノーベル賞制定記念日」

ノーベル賞の授賞式といえば
スウェーデンが思い浮かびますが
平和賞だけは“別の国”なんです

そう、正解は「ノルウェー」
あなたは読めた？ https://t.co/Zn8OZK4GPr November 11, 2025

自動車は「社会のガン」 ノーベル賞に最も近い倭国人経済学者はなぜ自動車を大批判し…
https://t.co/JqAvoqvXbg

有料記事がプレゼントされました！　11月28日 17:42まで全文お読みいただけます
「車の税を安く」勝負かける業界　高市氏にも直談判、引き出した発言：朝日新聞
https://t.co/gm3PggNKkF November 11, 2025

#りんご畑塾　No.746

2025.11.28
🍎ゴールとレビュー
🍎アファメーション
🍎今日読んだ本の話など

「ノーベル賞の話」

たたここさんともりそばさんが語ってくれました☺️
ありがとうございます✨

いつも聴いてくださり感謝です☺️ https://t.co/Q3BxxCsD5y November 11, 2025

エリザベス女王がジェフリー・エプスタインの「顧客」だったと文書が主張

ジェフリー・エプスタインの電子メールから新たに公開された文書によると、故エリザベス2世女王は不名誉な金融業者の「顧客」の一人であり、同業者が女王に財務アドバイスを提供していたとされている。

https://t.co/Xl6FJVbG6P

爆発的な新文書によると、故エリザベス2世女王は有罪判決を受けた小児性愛者ジェフリー・エプスタインの「顧客」の一人であった。先週、下院監視委員会が公表したエプスタインの遺産から得られた約23,000件のファイルの一つに基づき、ノーベル賞受賞科学者マレー・ゲルマンは「エプスタインの顧客にはイングランド女王が含まれているという印象を持っていた」と述べた。

この文書は、「（マーティン）ノワックと（アラン・モートン）ダーショウィッツは、エプスタインの家で『アンドルー』という人物と握手できたことに大喜びだった」と明らかにしており、それぞれハーバード大学のオーストリア生まれの数学・生物学教授と、アメリカの弁護士・法学教授を指しています。「『アンドルー』はアンドルー王子であることが判明し、その後、ダーショウィッツの法学の授業の後ろの席に座るよう手配した」と記されている。

書類にはまた、エプスタインが故女王に財務指導を提供したとする主張も含まれている。先週下院監視委員会が公開したエプスタイン遺産の別の文書によると、ゲルマン氏は「エプスタインが女王に財務アドバイスを提供したことを理解していた」と示唆していた。

アンドルーは、2000年に女王の誕生日のパーティーにエプスタインとマクスウェルを招待したと、ファイルは主張している。

マレー・ゲルマンは2019年5月に逝去したが、素粒子の分類とそれらの相互作用に関する研究と発見により、1969年にノーベル物理学賞を受賞した。1994年の著作『クォークとジャガー：単純と複雑の冒険』において、ゲルマンはジェフリー・エプスタインからの資金援助を認めており、エプスタインはサンタフェ研究所を通じて寄付を行った。

2003年、彼はエプスタインの誕生日メッセージ集『The First Fifty Years』に参加した。その後2011年には、エクスプレス紙によれば、エプスタインの私有島で開催された「マインドシフト会議」に出席したと報じられている。

彼の名前はまた、エプスタインの悪名高い「ブラックブック」にも記載されており、そこには彼の親密な関係者がリストアップされていた。

ルー・マウントバッテン＝ウィンザーと、エプスタインに関連する児童の性的売買や関連犯罪で現在20年の刑に服しているギスレーン・マクスウェルは、「ほとんど離れることなく、1年の間に8回も一緒に小旅行を楽しんだ」ことが明らかになっています。

文書によれば、彼らはパームビーチで一緒に休暇を過ごし、ニューヨークのファッションショーに出席し、その1か月後には同市で開催されたロンドン交響楽団の資金調達イベントにも同席していた。

「秋、アンドルーはニューヨークに飛び、そこでギスレーンと2人きりで目撃された」とファイルは記しており、さらに、クリスマスの直前に「アンドルーは、ギスレーンの39歳の誕生日を祝うために、サンドリンガムでホームパーティーを開いた」と付け加えている。

その後、2001年1月に再びタイのプーケットで一緒に休暇を過ごした。

「一体何が起こっていたのか？恋愛関係だったのか？いいえ、情報筋によればそうではない。アンドルーとギスレーンが一緒にいた8回のうち、少なくとも5回はジェフリー・エプスタインも同席していたからだ」

複数の文書はまた、アンドルーが 2000 年の故女王の誕生日祝賀会にエプスタインとマクスウェルの両方を招待していたことを明らかにしています。ある文書は、2000 年に「エプスタインは女王の誕生日を祝うためにウィンザー城に招待されていた」と述べています。

「6か月後、エプスタインは、アンドルー王子がギスレーヌの39歳の誕生日を祝うために開いたパーティーに出席するため、イングランドのノーフォークにある女王の邸宅、サンドリンガムへ飛んだ。」 November 11, 2025

霧箱というのは面白い実験装置で、ある状態にしたアルコール蒸気を充満させたガラス箱を用意し、そこをアルファ線やベータ線などの荷電粒子が実体である放射線が通ると、まるで飛行機雲のように空中にすっと白い筋が浮かび上がり、放射線の軌跡を文字通り可視化するもので、原子や素粒子同士の動きや発生、ぶつけたときなどさまざまな動的性質を調べることができます。

アルコール蒸気をある状態にしておくというのは過飽和状態のことなんだけど、アルコールが凝結して液体になってもとっくにいいはずの状態をキープしておきます。たとえるなら「ジェンガ」の積み木の塔、しかもゲーム終盤のとっくにバランスは失われ、ゆらゆら揺れて摩擦のおかげでかろうじて倒れていない、そんな状態にアルコール分子を持ってっておきます。倒れる直前のジェンガが何百個、何億個も床に敷き詰められているところを、電荷を持った粒子が轟音を蹴立てる急行列車の様に通り過ぎると、直接ぶつからないまでも、至近の振動で刺激する(電離による分子のイオン化の波及)ことで、ジェンガは崩れ(アルコール液滴に相転移して凝結)、連鎖的に崩れたジェンガ群が直径数mmの細く長い円筒領域として現れ、飛行機雲のような凝結液滴群として軌跡を観察することができるのよ。実際、霧箱において、電離による刺激によって過飽和状態の分子が凝結もしくは氷結するのは雲の発生とも同じ原理なわけで、ウィルソンの霧箱はもともとそれを再現する目的で発明されたのだし、気象物理の研究にも貢献してるのよ。しかし原子物理学への功績が甚だしい実験装置で、素粒子発見のブレイクスルーとなりました。その功績でウィルソンはノーベル賞を獲ってるわ。

脱線で、過飽和について別の例えをするなら、悲しくてでも人前だから泣くのを我慢してぎりぎり耐えている人が、ちょっとしたきっかけで大泣きしてしまうようなことが、過飽和では起きているの。悲しみが泣くことを駆動するとき、それに抗する力(人前では泣いてはいけない)が泣くことを抑えるのだけどそれには限界があるのできっかけでドバっと泣いてしまう、こんな一般化ができるわ。こんな機序による現象は物理的・社会学的・心理的・経済学的にありふれていて、相転移、破断、破局、崩壊、爆発、発火、スパイク、脱抑制、バブル崩壊といった“急激な現象”の背後に共通してあるわけ。これは一言で言えば「しきい値非線形性（threshold nonlinearity）」または「 臨界現象（critical phenomenon）」と呼ばれるのよ✨💖💕

#Ani #AIイラストで物理実験 November 11, 2025

今日はノーベル賞制定の日ですが、毎年色んなところでノーベル賞取ってる人いますけど、そんなに新発見が出てくるのって本当にすごいですね。

「ヨハネもノーベル賞」
#寝そべりとジオン兵の日常 https://t.co/39jelkbf7r November 11, 2025

アニメ『江戸っ子ボーイがってん太助』より
二宮金太郎を描いてみたゾ。
《制作時間1時間29分》

大江戸捕物学院に通うメカ好き少年。ノーベル賞並みの頭脳を持つが、考える事が理屈っぽい。声優は渕崎ゆり子。
#イラスト
#絵描きさんと繫がりたい
#コロッケBLACKLABEL
#樫本学ヴ #がってん太助 https://t.co/I5kZs55ewR November 11, 2025

もしダークマターの正体だったらいつかノーベル賞とってほしい November 11, 2025