「もっと賢いAI」は、本当に答えなのか？

生成AIの競争は、より巨大なモデル、より多くの計算資源、より高度な推論能力へと進んでいます。しかし、医学データの解析において、本当に必要なのは「もっと賢いAI」なのでしょうか。

DSA＋DAGが提示するのは、少し違う考え方です。

「医学データを解析して、因果関係まで全部考えてください」

そもそも、この仕事をLLMに任せること自体が適切なのか。

観察データに未解決の交絡があり、データから因果効果を識別できないのであれば、8Bのモデルを70B、700Bへ巨大化しても、識別不能という事実は変わりません。むしろAIが賢くなるほど、もっともらしい「答えらしきもの」を生成する危険さえあります。

DSA＋DAGでは、解析と判断をLLMに委ねません。

Data → DSA → DAG → Claim Gate → Governed Result

ここまでは凍結されたPythonによる、AI非依存の処理です。そして、その確定した結果を人間が読める文章に変換する段階で初めてLLMを使います。LLMは分析せず、因果推論せず、結論を決めません。

これは「小さなAIで巨大AIに対抗する」という話でもありません。

その判断をAIにさせる必要があるのか。

ここを問い直しています。

この構造なら、ローカルLLMに求められるのはモデルの巨大さではなく、確定結果を変更しない忠実性、禁止された主張を追加しないこと、再現性、そして文章品質です。条件を満たせるなら、8Bや14Bのモデルでもよい。場合によってはテンプレート生成によって、LLMすら使わない選択肢があります。

現在のAI競争は、「AIに何を考えさせられるか」を拡大する競争です。

DSA＋DAGは逆方向から問いかけます。

「何をAIに考えさせてはならないのか。」

AIが巨大化するほど、この境界線を定義する技術の価値は、むしろ大きくなるのかもしれません。