なぜ120年前の純粋数学が2026年の最先端AIを支配しているのか――シリコンバレーが再発見した「イェンゼン の 不等式」の戦慄

イェンゼン の 不等式が、2026年の世界の知性派エンジニアたちを眠らせない夜を量産している。デンマークの数学者ヨハン・イェンゼンが1906年に発表したこの古典的命題は、長らく大学の数学科講義室や難関入試のブラックボックスとして、埃をかぶった書架に眠っていた。だがいま、数千億ドルが注ぎ込まれる次世代推論AIの計算アーキテクチャの心臓部で、この1世紀以上前の数式が冷酷な審判を下している。凸関数のグラフ上で平均をとるか、平均をとってから関数にかけるか。この幾何学的にあまりにも単純な高低差が、膨張し続けた巨大言語モデルの「力業スケーリング」に巨大なブレーキを踏み込み、同時に新たなブレイクスルーの扉をこじ開けたのだ。

東京・本郷の先端研究所でも、サンフランシスコのテックコングロマリットでも、ホワイトボードを前に研究者たちが漏らす溜息の正体は共通している。パラメータ数をただ力任せに膨らませるだけの熱狂が終わりを告げた2026年、真のエネルギー効率と推論の厳密性を追求する現場において、計算機科学者たちは幾度となくイェンゼン の 不等式という数学的必然の崖に突き当たっている。なぜ、単なる関数の凹凸に関する不等式が、巨額のデータセンター投資の成否を分ける臨界点となったのか。数学と最先端産業が火花を散らす震源地を追った。

「曲がった世界」の残酷な真実――平均の罠を暴く1906年の幾何学

理屈はあっけないほど直感的だ。下に凸の形をしたお椀型のグラフを思い浮かべてほしい。その曲線上にある任意の2点を直線で結ぶと、線分は常に曲線の上側を通る。両端の点の「平均の高さ」は、真ん中の横座標における「曲線の高さ」よりも絶対に低くならない。

数式に落とせばわずか1行。だが、この素朴な事実が突きつける現実は冷徹だ。非線形な現象が支配する現実世界において、「平均値を求めてから結果を予測する」行為と、「現実に起きる個々の結果を予測してから平均をとる」行為の間には、埋めようのないズレが構造的に発生する。数学者たちはこれを「イェンゼンの隙間（Jensen's Gap）」と呼ぶ。

直線的な右肩上がりの世界観では、この隙間はゼロになる。しかし、自然界も、金融市場も、神経網の活動も、何ひとつとして直線ではない。歪み、たわみ、指数関数的に跳ね上がる。曲率を持った世界に足を踏み入れた瞬間、人間が本能的に頼ってしまう「平均値」という直感は、必ず体系的な誤差を生み出すよう運命づけられているのだ。

次世代推論モデルの分水嶺――変分下界と「縮まらない隙間」の暗雲

2026年のAI開発競争における最大の焦点は、推論時計算量（Test-Time Compute）とエネルギー効率の極限化だ。ここで避けて通れないのが、確率的生成モデルや潜在変数モデルを支える「変分推論」である。機械が未知のデータ構造を理解しようとする際、真の確率分布を直接計算することは計算量的に不可能に近い。そこでエンジニアたちは、代理となる扱いやすい分布を用意し、その誤差を最小化する手法をとる。

そのアルゴリズムの根底を支えているのが、他ならぬ対数関数（凹関数）に対する不等式の適用だ。機械学習の世界で「ELBO（証拠下界）」と呼ばれる指標は、真の対数尤度を直接求められない代わりに、イェンゼンの不等式を用いて「どんなに悪くてもこの数値は下回らない」というフロア（下限）を設定することで導出される。

問題は、この下限値と現実との間に横たわる「隙間」だ。モデルが複雑怪奇になり、数千億の変数が相互作用するニューラルネットワークにおいて、この数学的な緩みが累積し、深刻な「幻覚（ハルシネーション）」や「論理の脱落」を引き起こす元凶となっていることが突き止められた。どれほどGPUを並べても、数学的な不等式が許容した緩曲面を突破することはできない。いま、世界中の研究開発チームが競い合っているのは、計算力による力押しではなく、この「イェンゼンの隙間」を理論的に極限まで削り落とす幾何学的最適化の手法なのだ。

ウォール街が震えるボラティリティの罠――アルゴリズムの盲点

この不等式が牙を剥くのは、コードの中だけではない。金融工学の最前線では、血生臭い数十億ドルの損益として具現化する。ヘッジファンドのクオンツたちが常に警戒し、時に致命的な誤算を犯すのが、オプション価格決定やポートフォリオ複利計算における「凸性バイアス（Convexity Bias）」だ。

投資のリターンは掛け算（幾何平均）で蓄積するのに対し、多くの自動売買アルゴリズムは算術平均をベースにリスク評価を簡略化しがちだ。ボラティリティ（価格変動の激しさ）が増大する市場環境下では、不等の両辺の乖離が急激に拡大する。「上下に50%ずつ変動する資産」を保有し続けた場合、平均変動率はゼロに見えても、資産の実質価値は容赦なく目減りしていく。ボラティリティ・ドラッグと呼ばれるこの現象も、対数関数という凹関数に対する不等式の残酷な発露に過ぎない。

2026年に入り、AI同士の高速ミリ秒取引が市場の流動性を激しく揺さぶる中、この古典的命題をリスクモデルの深層に組み込み損ねた自動ファンドが、相次いで予期せぬドローダウンに見舞われた。市場が荒れ狂うとき、直感的な平均値は蒸発し、凸性の歪みだけが口座残高を削り取る。

熱力学から量子情報へ――物理法則が突きつけるエントロピーの境界

さらに視野を広げると、この数学的真理は計算機を飛び越え、宇宙の物理法則そのものと同期し始めている。2026年、エネルギー効率の限界に挑む「熱力学的コンピューティング」や量子情報の領域において、情報理論の始祖クロード・シャノンが定義したエントロピーの概念が再定義されつつある。

情報利得や情報エントロピーの正値性、あるいは物理学における自由エネルギーの散逸限界。これらを数学的に証明する骨格には、常に凸関数の性質が鎮座している。熱力学第二法則――エントロピーは増大する――という宇宙の不可逆性すら、ある側面から見れば、微視的な状態の確率分布に対してイェンゼンが示した境界条件の帰結として記述できる。

ナノスケールの半導体チップ内で熱として散逸していく電力の限界を計算する際、ハードウェア設計者たちは数式の両辺を睨みつける。無駄な熱を出さずに極限の演算を行うにはどうすればいいか。答えは、物理過程における確率分布の歪みを平坦化し、不等式が「等号」を結ぶ理想状態、すなわち可逆的極限へと回路を近づけること以外にない。

大手AIラボの現場ルポ――「ギャップを殺す」消耗戦の裏側

「3年前は、誰もこんな基礎数学を気にして現場でコーディングなんてしていませんでしたよ」

都内の大手外資系AI研究所に勤務するシニアリサーチサイエンティストの男性（38）は、苦笑いを浮かべながら大型モニターの学習曲線を指さした。

「以前は、とにかくクラスタを巨大化させてデータを流し込めば賢くなった。でも、推論のステップが数十段階に及ぶマルチモーダルモデルを作ろうとした瞬間、途中で確率の予測が破綻するんです。誤差関数の中に潜む不等式の緩みが、ステップを経るごとに雪だるま式に膨らんで、モデルが自信満々に嘘をつき始める。いま僕たちのチームがやっている仕事の本質は、モデルのアーキテクチャを工夫して、イェンゼンの隙間を力づくでゼロに収束させることです。地味ですよ。でも、これを解いた企業が次の覇権を握る」

現場のホワイトボードには、複雑な積分記号と、かつて大学1年生の解析学講義で見かけたはずのシンプルな凸関数が同居している。最先端のソフトウェア開発は、最も基礎的な数学の原点へと回帰しているのだ。

「平均値」で人間を裁く社会の危うさ――アルゴリズム統治の死角

この数学的真理が投げかける影は、技術論にとどまらない。私たちの社会制度や意思決定そのものに対する根源的な警告を孕んでいる。行政、人事評価、信用スコアリング、医療診断。あらゆる局面でAIによる「効率的な判断」が浸透した2026年、私たちは個人の生々しい分散を削ぎ落とし、「属性の平均値」で人間を評価する誘惑に抗えなくなっている。

だが、人間の幸福度や痛みの知覚、あるいは貧困の社会的打撃は、決して線形ではない。所得の減少や医療アクセスの途絶がもたらすダメージは、下に向かって急激に落ち込む強烈な凸関数だ。全体としての「平均所得」や「平均余命」が統計上改善しているように見えても、個々人のリスクの分散が拡大していれば、社会全体が被る実質的な苦痛の総量は、平均値から予測される水準を遥かに上回る。

数字の平均だけを見て「社会は最適化されている」と結論づける政策決定者は、100年前のデンマークの数学者が遺した警告を完全に無視している。平均がもたらす平穏な見取り図の裏側で、曲線の底へと滑り落ちた個人の破滅は不可視化されるのだ。

抽象的な数式が、冷徹な計算機の限界を暴き、市場の狂騒を戒め、社会の倫理を問い直す。1906年に引かれた1本の単純な曲線は、120年の時を経て、複雑化を極めた現代文明の行く末を今なお静かに、そして正確に見下ろしている。 （出典: イェンゼン の 不等式（Yahoo!ニュース））