論文の概要: Photons = Tokens: The Physics of AI and the Economics of Knowledge

• arxiv url: http://arxiv.org/abs/2603.06630v1
• Date: Mon, 23 Feb 2026 15:58:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-15 16:38:22.45404
• Title: Photons = Tokens: The Physics of AI and the Economics of Knowledge
• Title（参考訳）: Photons = Tokens: The Physics of AI and the Economics of Knowledge
• Authors: Alec Litowitz, Nick Polson, Vadim Sokolov,
• Abstract要約: 本稿では,MacKay(2009)の方法論をAI計算の経済に適用する。 我々は,大規模言語モデルの入力および出力の基本単位であるトークンを,測定可能な熱力学コストの物理量として定義する。 ランダウアーの原理,シャノンのチャネル容量,現在のインフラデータを用いて,グローバルトークン生産のための需給バランスシートを構築した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Debates about artificial intelligence capabilities and risks are often conducted without quantitative grounding. This paper applies the methodology of MacKay (2009) -- who reframed energy policy as arithmetic -- to the economy of AI computation. We define the token, the elementary unit of large language model input and output, as a physical quantity with measurable thermodynamic cost. Using Landauer's principle, Shannon's channel capacity, and current infrastructure data, we construct a supply-and-demand balance sheet for global token production. We then derive a finite question budget: the number of meaningful queries humanity can direct at AI systems under physical, information-theoretic, and economic constraints. We apply Coase's theory of the firm and the durable-goods monopoly problem to the AI value chain -- from photon to atom to chip to power to token to question -- to identify where economic value concentrates and where regulatory intervention is warranted. We argue that the expansion of the token budget does not resolve a deeper constraint: under structural uncertainty, the decisive variable is not how many questions can be answered but which questions are worth asking -- a problem of agency and direction that computation alone cannot solve. We connect limits of measurement in the token economy to a structural parallel between Goodhart's law and the Heisenberg uncertainty principle, and to Arrow's impossibility result for efficient information pricing. The framework yields order-of-magnitude estimates that discipline policy discussion: at current efficiency, the projected 2028 US AI energy allocation of 326~TWh could support roughly $6.5 \times 10^{17}$ tokens per year, or 225,000 tokens per person per day -- more than three orders of magnitude above estimated mid-2024 utilization.
• Abstract（参考訳）: 人工知能の能力とリスクに関する議論は、量的根拠なしに行われることが多い。 本稿では,エネルギー政策を算術的に再構成した MacKay (2009) の方法論をAI 計算の経済に適用する。 我々は,大規模言語モデルの入力および出力の基本単位であるトークンを,測定可能な熱力学コストの物理量として定義する。 ランダウアーの原理,シャノンのチャネル容量,現在のインフラデータを用いて,グローバルトークン生産のための需給バランスシートを構築した。 人類が物理的、情報理論的、経済的制約の下でAIシステムに指示できる有意義なクエリの数。 我々は、Coase氏の会社の理論と耐久性のあるモノポリーの問題を、光子から原子、チップ、トークンから問題まで、AIバリューチェーンに適用し、経済価値がどこに集中し、規制の介入が保証されるかを特定する。 構造的不確実性の下では、決定的な変数は、どれだけの質問に答えられるかではなく、どの質問に価値があるかである -- 計算だけでは解決できないエージェンシーと方向性の問題です。 我々は、トークン経済における測定の限界をグッドハートの法則とハイゼンベルクの不確実性原理の間の構造的並列性に結び付け、効率的な情報価格設定のためのアローの不合理性結果に結び付ける。 現在の効率では、2028年のAIエネルギー割り当ての326~TWhは、およそ6.5 \times 10^{17}$トークン、1日当たり225,000トークン(2024年中頃の推計よりも3桁以上)をサポートする可能性がある。

関連論文リスト

• Self-Attention at Constant Cost per Token via Symmetry-Aware Taylor Approximation [1.7188280334580195]
  トークン当たりのコストは一定であり,自己注意は任意の精度で効率的に計算可能であることを示す。 当社の作業は,トークン生成を最小の固定コストで実現し,大規模トランスフォーマーモデルのインフラストラクチャとエネルギー需要を大幅に削減する。
  論文  参考訳（メタデータ） (2026-01-30T20:38:02Z)
• A Sustainable AI Economy Needs Data Deals That Work for Generators [56.949279542190084]
  機械学習のバリューチェーンは、経済的なデータ処理の不平等のため、構造的に持続不可能である、と我々は主張する。 73の公開データ取引を分析し、アグリゲータに価値の大部分が蓄積されていることを示す。 参加者全員に利益をもたらす最小市場を実現するために、等価なData-Value Exchange Frameworkを提案する。
  論文  参考訳（メタデータ） (2026-01-15T01:05:48Z)
• Operationalising Extended Cognition: Formal Metrics for Corporate Knowledge and Legal Accountability [0.0]
  企業知識は動的能力として再定義され、情報アクセス手順の効率によって測定できると主張している。 これらの量的指標を、実際の知識、建設的知識、力強い盲目、無謀性の法的基準にマッピングします。
  論文  参考訳（メタデータ） (2025-10-17T20:03:57Z)
• From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
  これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。 AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
  論文  参考訳（メタデータ） (2025-01-27T22:45:06Z)
• Hype, Sustainability, and the Price of the Bigger-is-Better Paradigm in AI [67.58673784790375]
  AIパラダイムは、科学的に脆弱なだけでなく、望ましくない結果をもたらすものだ、と私たちは主張する。 第一に、効率の改善にもかかわらず、その計算要求はモデルの性能よりも速く増加するため、持続可能ではない。 第二に、健康、教育、気候などの重要な応用は別として、他人を犠牲にして特定の問題に焦点をあてることである。
  論文  参考訳（メタデータ） (2024-09-21T14:43:54Z)
• The Energy Cost of Artificial Intelligence Lifecycle in Communication Networks [0.44739156031315913]
  本稿では,システム内の1つのAIモデルのエネルギコスト(eCAL)という新たな指標を提案する。 eCALは、無線通信ネットワークにインテリジェンスを提供するAIモデルの開発と展開を通じて、エネルギー消費をキャプチャする。 モデルが良くなるほど、それが使われるほど、推論のエネルギー効率が増すことが示される。
  論文  参考訳（メタデータ） (2024-08-01T13:23:15Z)
• Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
  政府や企業は、AIを管理する手段として計算を活用し始めている。 計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。 プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
  論文  参考訳（メタデータ） (2024-02-13T21:10:21Z)
• Trust, Accountability, and Autonomy in Knowledge Graph-based AI for Self-determination [1.4305544869388402]
  知識グラフ(KG)は、インテリジェントな意思決定を支えるための基盤として登場した。 KGと神経学習の統合は、現在活発な研究のトピックである。 本稿では,KGベースのAIによる自己決定を支援するための基礎的なトピックと研究の柱を概念化する。
  論文  参考訳（メタデータ） (2023-10-30T12:51:52Z)
• Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
  反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。 現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。 本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
  論文  参考訳（メタデータ） (2021-06-14T20:48:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。