アメリカは「社会主義的」なヨーロッパ諸国よりも、社会的セーフティネットが充実していないと見られているが、2019年時の社会福祉関係への支出は、GDPの約18.7％で、先進国の中央値に近い（新型コロナウイルス感染症流行に関する救済策がデータを混乱させる前の数字だ）。カナダは少し低い18.0％、オーストラリアとスイスはどちらも16.7％だった。

　イギリスはわずかに高く20.6％で、約2.8兆ドルのGDPのうち5800億ドルを費やし、6600万の人口で割ると1人あたり約8800ドル弱だった。アメリカはGDP比ではイギリスより低いものの、1人あたりのGDPが高いため、1人あたりの社会的セーフティネットは高い。2019年には、アメリカのGDPは21.4兆ドル超であり、そのうち約4兆ドルが社会福祉関係支出だった。その年の平均人口は約3億3000万人だから、1人あたり1万2000ドル超になる。

Copilot、Codeium、Tabnine などさまざまなツールをテストしましたが、Cursor が最も効果的であることが証明されました。

Cursor を使用するエンジニアは、生産性が 4～5 倍向上しました。

最も大きな違いを生んだのは次の点です。

Cursor は、定型コードの記述にかかる時間を最大 80% 削減し、完全な機能実装とリファクタリング オプションを提案します。

エンジニアが手動で問題のトラブルシューティングを行う代わりに、Cursor がリアルタイムで修正を提案するため、デバッグが 60% 高速化されます。

ドキュメントの検索 → カーソルが IDE 内でコンテキスト ガイダンスを提供するため、50% 高速化されます。

AI がリアルタイムで支援することで、エンジニアが反復的なコーディングに費やす時間が減り、実際の問題の解決に多くの時間を費やせるようになったことに気付きました。

AI の競争では、誰も銀メダルを獲得できません。2 位の国は何も獲得できません。1 位の国は全世界を獲得します。なぜ世界が永久に変わろうとしているのか、そしてなぜほとんどの人が何が起こるのかまったくわからないのか、これでお分かりいただけたでしょうか。

2017年、ウラジミール・プーチン大統領は大学生のグループに演説した際にこの点を指摘しました。特にAI（そしてAIが促進する他の先進技術）について言及し、彼は次のように述べました。

「この分野でリーダーとなる者は、世界の支配者となるだろう」

ジョージ・オーウェルはかつて、「普遍的な欺瞞の時代に、真実を語ることは革命的な行為である」という有名な言葉を残しています。

「本物の」ハンクスは、AIの進歩により、ハリウッドは「望むなら今後122年間、私を主演にした映画を制作できる」ことを認めている。

「今後の技術の急成長により、おそらく、人々が何の努力もせずに、食料や生活費を賄うことが実現可能になるでしょう。しかし、何が彼らを夢中にさせ、満足させ続けるのでしょうか? 一つの答えは、麻薬やコンピューター ゲームかもしれません。不必要な人々は、外の退屈な現実よりもはるかに多くの興奮と感情的な関与をもたらす 3D 仮想現実の世界で、ますます多くの時間を過ごすようになるかもしれません」

AI ツインは次のように説明されます:

「キャプションを使用して生成し、会話動画を作成するために使用できる、あなた自身の仮想バージョンです。AI ツインは見た目も声もあなたそっくりで、キャプション アプリに保存して、タップするだけで簡単に動画コンテンツを生成できます。29 の言語で、最高の自分らしさで、あなた自身の動画を即座に作成できます」

AI ツインとは、ポッドキャスト、ビデオチャット、さらにはオンラインの仕事会議に使用できるアバターのようなものです。見た目も声もあなたそっくりに作られているので、それがあなたではないと誰も気付くことはありません。

パターンの習得、理解ではない:

AI は、あなたや私のように、感情や記憶、あるいは「犬らしさ」の感覚で犬を「知っている」わけではありません。その代わり、パターンの達人です。トレーニング中に、AI は「犬」という言葉 (および「吠える」、「毛むくじゃら」、「ペット」などの関連テキスト) と組み合わせた何百万もの犬の画像を見てきました。

その「知識」は数値関係のセットです。ピクセルパターン（毛皮、耳、尻尾）はベクトルにマッピングされ、共有スペース内の「犬」のテキスト埋め込みと一致します。次に、LLM は「犬」を言語関連のウェブ（「忠実」、「猫を追いかける」など）にリンクします。

認識：

犬の写真を見ると、視覚モデルはピクセルを処理して、その空間の「犬」の近くに配置される埋め込みを行います。LLM がそれを「犬」とラベル付けしたり、説明したりできるのは (「茶色の犬が走っている」など)、トレーニング データに基づいて統計的に確信しているためであり、犬が何であるかを理解しているからではありません。

世代：

DALL·E のようなモデルでは、プロセスを逆にして犬の画像を生成します。つまり、「dog」というテキストを埋め込んでから、学習したパターンに一致するようにピクセルを彫刻します。これは説得力のある模倣ですが、それでもパターン主導です。

「犬」の内部モデルがない:

AI の中には犬の心象や概念はなく、主観的な経験もありません。すべてはニューラル ネットワーク内のベクトル、確率、重みです。AI に「犬を撫でるのはどんな感じ？」と尋ねると、AI は見たテキストに基づいてもっともらしい答え（「柔らかくて暖かい」）を生成することはできますが、毛を触ったことはありません。

哲学的視点：知識 vs. シミュレーション

それは知っているか?

いいえ、「知る」ことが意識を意味するのであれば、AI には犬が何であるかという認識、意図、一人称の感覚がありません。AI は犬を経験するのではなく、犬に結び付けられたシンボル (ピクセル、単語) を操作するのです。これは、ジョン・サールの「中国語の部屋」の議論と一致します。AI は意味を理解せずに入力と出力を完璧に処理します。

はい、「知っている」ことが機能的能力を意味するのであれば、AI は生物学者と同じくらい犬を「知っている」ことになります。つまり、AI は犬を識別し、犬について説明し、犬を生成し、犬に関する質問に驚くほど正確に答えることができます。事実上、AI は犬を知っているかのように行動します。

アヒルテスト: 「アヒルのように見え、アヒルのように泳ぎ、アヒルのように鳴くなら、それはおそらくアヒルです」 AI の出力 (犬にラベルを付ける、犬を描く) は、犬が何であるかを知っている人と区別がつきません。しかし、内部的には、それは統計的な模倣者であり、知覚力のある知識者ではありません。