なぜ世界は男性100%でも女性100%でもないのか？

なぜ人類の男女比はほぼ50:50なのか。なぜ80:20や40:60ではないのか。こういう「なぜ世界はバランスしているのか」という問いに答えるのが大数の法則だ。ランダムな試行が膨大に繰り返されると、結果は期待値に収束する。コイン100回投げれば表60%・裏40%になることもあるが、100万回投げれば50:50に近づく。この法則を300年以上前に証明したのが数学者ヤコブ・ベルヌーイで、現代のAIはこの統計的な考え方に基づいている。AIは何十億ものデータを分析し、膨大なランダム性の中から隠れたパターンを見つけ出す。たった1つの確率の法則が、自然とテクノロジーの両方を形作っているということだ。AIの鬼視点はここにある。AI開発者は「データが大きいほど良い」と言うが、それはなぜか。それは大数の法則の応用だ。小規模なデータセットでは、モデルの判断は揺らぎやすい。100件のサンプルと100万件のサンプルでは、学習結果の安定性が完全に違う。特に「判断の理由が統計的な期待値の集約」だというAIの本質を理解すれば、「AI導入したけど結果がブレている」という現象の正体も見える。ソースが小さいから。深層学習も大規模言語モデルも、その名の通り「大」を前提に設計されている。それは単なる「大きいほうが正確」という経験則ではなく、この確率論的な必然性がある。中小企業がAIツール（チャットボット、予測モデル、分類器）を導入するときは、この法則を念頭に置くこと。「データ少ないけど試そう」という試行錯誤は初期段階では必要だが、本運用に入るまでに「じゅうぶんなデータ量」を確保していないと、AIの判断は本番環境で揺らぐ。「AIが不安定」じゃなく「ソースが足りない」が正体なのだ。