専門化は不可避：最適化理論、生物学、市場、機械学習から見る必然性

Goldfeder、Wyder、LeCun、Shwartz-Ziv（2026年）の研究に基づく論文では、専門化は効果的なAIシステムの重要な原則であると論じられている。WolpertとMacready（1997年）の定理は、どの汎用最適化アルゴリズムもすべてのタスクで他を凌駕することはなく、特定のタスクに適合させることで成果が得られることを示している。生物学では、限られたリソースと競争のために専門化が生じる。すなわち、汎用種は特定のニッチで専門種に敗れる。市場競争も同様に機能し、集中した取り組みが分散した取り組みよりも優位に立つ。機械学習では、負の転移（negative transfer）や混合専門家（mixture-of-experts）アーキテクチャがこのパターンを確認している。AlphaFoldは、まさにその狭い焦点のおかげで飛躍的な進歩を達成した。なお、スケーリング（『苦い教訓』The Bitter Lesson）は専門化を否定するものではない。それは学習方法を変えるが、焦点を絞ることが広範さよりも有利になるリソース制約を取り除くわけではない。