AIは共有できても、経験は共有できない。
── 知識も技術も複製される時代に、「自分で試す」ことの価値

AIを使えば、かなり多くのことを知ることができるようになった。

分からないことを聞けば説明してくれる。
コードも書いてくれる。
使ったことのないソフトウェアについても教えてくれる。
新しい技術が出てきても、概要を理解するまでの時間は以前よりずっと短い。

これはすごい変化だと思う。

一方で、最近もう一つ感じることがある。

AIによって知識へアクセスしやすくなるほど、

ということだ。

知識は渡せても、経験はそのまま渡せない

例えば、ローカルLLMについて調べれば、
VRAMが重要であることも、
量子化とは何かも、
モデルによって必要なメモリ容量が違うことも、
すぐに分かる。

AIに聞けば、かなり丁寧に説明してくれる。

でも、

• 実際にモデルをダウンロードする。
• ロードしてみる。
• VRAMが足りなくなる。
• 量子化を変える。
• Contextを伸ばして、また足りなくなる。
• CPUへ一部を逃がしてみる。
• 思った以上に遅くなる。
• 別のモデルを試す。

こうしたことを何度も経験すると、
同じ「VRAM 32GB」という数字でも、見え方が変わってくる。

数字として知っているのではない。
「このくらいならいけそうだ」
「これは厳しそうだ」
という感覚が生まれる。

知識が、判断に変わっている。

AIは答えを教えてくれる。
でも、この感覚そのものを、そのまま渡すことはできない。

「使う」と「持つ」は、少し違う

クラウドサービスを使えば、多くのものを自分で所有する必要はない。

AIもそうだ。
サーバーもそうだ。
ソフトウェアもそうだ。
必要なときにアクセスできれば、多くの場合、それで十分だ。

これは合理的だと思う。

ただ、

自分でGPUを買う。
PCへ組み込む。
環境を作る。
モデルを入れる。
熱や電力のことを考える。
ストレージが足りなくなる。
構成を変える。
また試す。

所有すると、対象との関係が長くなる。
すると、今まで気にしていなかったことまで気になってくる。

これは計算資源に限った話ではない。

※計算資源を自前で所有することの歴史的・文化的背景については、AI時代に「計算資源を所有する」意味についてはこちら → でも詳しく掘り下げています。

自分のお金を入れると、景色が変わる

投資も少し似ている。

ある会社についてニュースを読むだけなら、それは数ある企業情報の一つだ。
でも、自分のお金でその会社の株を買うと、急に見え方が変わる。

決算が気になる。
競合企業も気になる。
経営者の発言を見る。
市場全体の変化まで見るようになる。

同じニュースを読んでいても、
情報の解像度が変わる。
自分のお金が入ったことで、対象が「自分ごと」になるからだ。

もちろん、お金を払えば自動的に理解が深まるわけではない。
高価なGPUを買っただけでAIに詳しくなるわけでもない。

重要なのは、

なのだと思う。

なぜこれを選んだのか。
本当に必要だったのか。
何が足りないのか。
次はどうするのか。

そうした判断が積み重なって、経験になる。

経験には、「失敗」が含まれている

知識は、きれいに整理できる。

こうすると動く。
この設定が推奨。
このGPUならこのモデル。

でも、実際に使っていると、そんなにきれいにはいかない。

• 動かない。
• 思ったより遅い。
• 突然落ちる。
• バージョンを上げたら壊れる。
• ドライバとの相性が悪い。
• VRAMは足りているのに期待した速度が出ない。
• 別のソフトと組み合わせるとうまくいかない。

そして調べる。
設定を変える。
一つ戻す。
もう一度動かす。

この面倒な過程を通ることで、
「なぜそうなるのか」
が少しずつ分かってくる。

失敗は効率が悪い。
でも、
経験の多くは、この非効率な部分に蓄積されている。

AIが正しい答えへ素早く連れていってくれる時代だからこそ、これは意外と重要なのかもしれない。

リアルタイムで試せると、経験の密度が上がる

そして、手元に計算資源を持つ面白さの一つが、
その場で計算できること
にある。

例えばTouchDesignerで、

• カメラから映像を入れる。
• AIで人物を認識する。
• 認識結果を映像へ返す。
• 人が動く。
• 映像が変わる。
• それを見た人が、また違う動きをする。
• さらに映像が変わる。

ここでは、
入力して、
結果が出て、
それを見て、
また変える。
という往復がリアルタイムで起きる。

完成した映像を一度生成するのとは、かなり違う。

人とシステムの間に、
フィードバックループ
が生まれている。

そして、そのループを何度も回すことで、

• 「少し速すぎる」
• 「ここは遅れた方が気持ちいい」
• 「この動きには、この反応が合う」

という感覚が生まれる。

これはスペック表には書かれていない。
使ってみないと分からない。

※TouchDesignerやUnreal EngineをAIと組み合わせたリアルタイム環境の要件については、TouchDesigner × Unreal Engine × AI PCのリアルタイム制作環境を見る → で解説しています。

同じ道具でも、経験すると使い方が変わる

楽器も似ている。

同じギターを二人に渡しても、同じ音楽にはならない。
最初は操作方法を覚える。
そのうち、
どのくらい強く弾くか。
どこで間を取るか。
どんな音を好むか。
その人なりの癖が出てくる。

道具を長く使うことで、
道具そのものが変わるわけではない。
人の方が変わる。

計算資源も、少しそれに近づいているのかもしれない。

同じRTX 5090。
同じAIモデル。
同じTouchDesigner。
同じUnreal Engine。

それでも、
何を試したのか。
何と接続したのか。
どこで失敗したのか。
何を面白いと感じたのか。
によって、使い方は変わる。

ここに、その人らしさが出てくる。

AIモデルは共有できる。でも、その人の履歴は共有できない

AI時代には、多くのものがコピーできる。

• モデルはダウンロードできる。
• コードはコピーできる。
• プロンプトも共有できる。
• ワークフローも公開できる。
• ツールの組み合わせも真似できる。

でも、
その人がそこへ至るまでに何を試したのか。
何を失敗したのか。
何を捨てたのか。
何に違和感を持ったのか。
なぜその設定を選んだのか。
そこまでを完全にコピーすることは難しい。

つまり、

そして、その履歴が判断を作る。
審美眼を作る。
癖を作る。
次に何を試すかを決める。
それが、少しずつユニークネスになる。

「人の差」は、経験の蓄積から生まれる

AIによって技術の差が小さくなる。
これは悪いことではない。
むしろ、多くの人が作れるようになる。

ただ、みんなが同じ道具を使えるようになれば、
最後に差になるものも変わる。

どれだけ知識を持っているかだけではない。
どのAIを使っているかだけでもない。
その道具を使って、どんな経験をしてきたか。
その違いが大きくなる。

だから、AI時代に重要なのは、
「最新AIを使ったことがある」
ことだけではないのだと思う。

触る。
壊す。
直す。
つなぐ。
反応を見る。
違和感を覚える。
また変える。

その繰り返しによって、
知識が経験になり、
経験が判断になる。

※蓄積された経験が、身体や空間といった「クラウドの外側の摩擦」を通じてどう独自の表現へ昇華されるかについては、AIの知性はクラウドへ。オリジナリティは、その外側へ。 → で論じています。

所有すること自体が目的ではない

だからといって、すべてを所有すべきだという話ではない。

クラウドの方が合理的なことは多い。
巨大なモデルを一時的に使うなら、クラウドGPUの方がいい。
ChatGPTやClaudeのようなサービスは、非常に便利だ。
必要なものすべてを、自宅へ置く必要はない。

重要なのは、
所有かクラウドかという二択ではなく、
どの領域を、自分の経験として蓄積したいのか
なのではないかと思う。

たまにしか使わないものは借りる。
深く掘りたいものは手元へ置く。
自分が何度も試す領域には、摩擦の少ない環境を作る。

そう考えると、計算資源への投資の意味も少し変わる。

※クラウドとローカルPCの使い分けや、どのような作業で手元所有が合理的になるかについては、クラウドで十分な時代に、なぜハイスペックPCを買うのか → を参照してください。

AI時代の計算資源は、「経験を蓄積する環境」になる

AIは、知識へのアクセスを民主化した。
技術へのアクセスも民主化しつつある。
誰でもかなり高度なものを作れるようになっていく。

だからこそ、
その人自身が何を経験したのか
ということの価値が、逆に上がっていくのかもしれない。

自分で選ぶ。
自分で試す。
失敗する。
リアルタイムに反応を見る。
また変える。

そうやって蓄積された経験が、
その人にしかない判断を作っていく。

AI時代に計算資源を持つ意味は、
最高性能を所有することではない。

自分にしか蓄積できない経験を、何度でも作れる環境を持つこと。

そこにあるのかもしれない。