人工知能（AI）は、今世紀、そしておそらくそれ以降においても最も影響力の大きい技術となるでしょう。
近年、AIモデルの規模は爆発的に拡大しました。新しい世代ごとに何らかの進歩は見られるものの、開発にはより多くの資本が必要になっており、これは持続可能ではありません。
産業界、学界、ベンチャーキャピタル、そして政府の優れた人材は、誰もが恩恵を受ける、より持続可能なAIの開発に注意と資源を振り向けなければなりません。
私は、人工知能（AI）が今世紀、そしておそらくそれ以降においても最も影響力の大きい技術になると確信しています。AIは私たちの生活のあらゆる側面を変え、気候変動から道路安全、がんに至るまで、世界が直面する最も切迫した問題の一部への対応を助けてくれるでしょう。ここ数年、生成AIブームに後押しされ、その潜在力の一部が実を結び始めています。
しかし、私はこの業界の方向性と、それが将来の世代や地球に与える影響に懸念を抱いています。現代のAIの能力は目覚ましいものですが、この技術を開発する主流の方法は力技です。性能の向上には、より多くのデータを使い、より多くの計算資源を用い、膨大なエネルギーを消費する、より大規模なモデルが必要になります。より多くのデータ、より多くの計算資源を用い、膨大なより多くのエネルギーを消費します。すでに、この道筋から生じる問題や不公平が表面化し始めています。
このまま進めば、この持続不可能な循環は、資源の限界に達するまで続くでしょう。方向転換が必要であり、この変革的な技術のための公平な未来を育みながら、AIの潜在力を最大限に引き出すために、持続可能なAIに目を向けなければなりません。
「多ければ多いほど良い」というアプローチの高いコスト
ここ数年、AIモデルの規模は爆発的に拡大してきました。新しい世代ごとに何らかの進歩は見られるものの、開発にははるかに多くの資本が必要になっています。報道によれば、OpenAIは2024年に、ChatGPTおよびその新しいモデルの学習費用として最大で30億ドルを、推論処理を実行するサーバーに40億ドルを費やす見込みです。マイクロソフト、メタ、アマゾン、グーグルの設備投資も大幅に増加しており、AI競争に残るため、2024年には2,000億ドルに達する見通しです。
計算コストの上昇が続く一方で、エネルギー消費量も増加しています。大規模言語モデル（LLM）を一度学習させるだけで、年間に米国の住宅130戸が消費する電力量と同等の電力を消費すると推定されています。モデルがさらに大規模化すれば、この数値はさらに増加するでしょう。国際エネルギー機関（IEA）によると、データセンターの電力使用量は2026年までに倍増し、需要は6,500億TWhから1兆500億TWhの間で増加すると見込まれています。上限の場合、IEAは、これはドイツのような一国全体の電力消費量を追加するのに等しいと述べています。
この持続不可能な道筋は、より広範な社会的影響も伴います。AIへの力技によるアプローチは参入障壁を生み出し、膨大な資源を持たない人々によるAIイノベーションへのアクセスを制限します。計算能力は新たな形の地政学的資本として浮上しつつあり、富裕国が先端半導体製造の支配権を争っています。この傾向は、ごく一部の人々だけがこの技術を支配し、その応用から利益を得る世界を生み出す危険性をはらんでいます。このようなシナリオは、既存の不平等を悪化させ、イノベーションを阻害しかねません。
より良い道があります。
持続可能なAI革命を呼びかける
今日のニューラルネットワーク・アーキテクチャは、規模の拡大に成功することが実証されているため、業界の姿勢は「なぜ現在の方針を維持してはならないのか」というものでした。しかし、AIのスケーリング則は、モデルの規模の拡大に伴い性能が継続的に向上することを予測するものですが、破綻し始めています。モデルが飽和状態に近づくにつれ、さらなる性能向上にははるかに大きなコストがかかるようになっています。
今すぐ行動しなければなりません。障壁に突き当たるまで待つことは選択肢にありません。産業界、学界、ベンチャーキャピタル、そして政府の優れた人材は、持続可能なAIに注意と資源を振り向けなければなりません。これは、はるかに少ない事例から一般化できる高度な推論能力を備えた新しいAIモデルを作るだけでなく、学習のパラダイムそのものと、学習中のデータの役割を全面的に再構想することを意味します。
新世代のAIモデル
今日の主流のAIモデルは、真の理解ではなくパターン認識に依存しているため、学習の効率が低くなっています。その能力は、ダニエル・カーネマンが広く知られるようにした概念である、人間の「システム1」思考に似ています。ダニエル・カーネマン。これは、無意識かつ深い推論を伴わずに行われる、迅速で直感的かつ反応的な認知処理を指します。人間は、運転中に歩行者が突然目の前に飛び出してきた際にブレーキを強く踏むなど、素早い意思決定にシステム1思考を用います。ほとんどのAIモデルは、すべての判断にこの種の思考を用いています。
より複雑な問題を解決するために、人間は「システム2」思考を活用します。これは、より意識的で熟慮された意思決定を伴います。先ほどの例で、より多くの時間が与えられれば、私たちは取り得る他の行動、その結果を検討し、最も安全な行動を選択します。すぐに急ブレーキで反応するのではなく、ハンドルを切ることを選ぶかもしれません。この操作は、歩行者との衝突を避けるとともに、後続車による玉突き事故を防ぐ助けになるかもしれません。私はこの20年間、ほぼ同じ方法で「思考」できるAIモデルの複数の世代を構築してきました。人間と同様に、これらのモデルは少ない事例から一般化し、新しい状況により効果的に適応できます。このアプローチは、より安全で性能の高いモデルにつながり、開発の持続可能性も高まります。
世界経済フォーラムは、人工知能のためのガードレールをどのように構築していますか？
AI卓越性センターは、各分野のリーダーをつなぎ、人工知能の急速な進化と、それが経済や社会に与える影響を理解することを支援しています。AIの導入に伴う機会、リスク、トレードオフに関する、十分な情報に基づく対話を支援しています。
信頼できる対話の場と協働イニシアチブを通じて、センターはパートナーが共通理解を深め、AIイノベーションと利用に関する責任あるアプローチに向けて共に取り組めるようにしています。
新たな学習のパラダイム
AIの学習に関する従来のアプローチは、膨大で静的なデータセットと力技による学習に依存しており、AIはデータセット内の事例を繰り返し処理することで知識を獲得します。これは素朴で非効率な学習方法です。
人間の学習の繊細で動的な性質を反映したパラダイムシフトが必要です。量よりも、AIがスキルや学習能力を向上させるにつれて進化する、質が高く情報量の多いデータに重点を置くべきです。例えば、小学1年生では単純な足し算を学ぶかもしれませんが、6年生になる頃には、教師は代数や幾何学を含むように授業内容を高度化しているでしょう。実際には、学習過程において、事例単位あたりに提供される学習情報量を最大化するデータをAIに提供することに注力する必要があることを意味します。
さらに、教師が学習過程全体を通じて複雑なフィードバックを共有するように、AIには監督情報が豊富なデータを提供しなければなりません。基本的なフィードバックにとどまらず、その誤りについての詳細な洞察、推論過程で改善すべき点、そして出力をどのように改善できるかを示す必要があります。
最後に、この新しい学習パラダイムでは、人間と同じように、AIが解決しようとしている課題と能動的に関わることができるようにしなければなりません。私たちは、路上で他人の運転を真似するために、人が運転する映像を見て運転を学ぶわけではありません。ハンドルを握って運転することで学ぶのです。この「閉ループ」の学習過程により、AIは自らの出力の実行に対するフィードバックを受け取り、自らの内部推論への洞察を得ることができます。それによって、より深い理解とより効率的な学習が促されます。強化学習のアルゴリズムはこれを実現しようとしてきましたが、これまでのところ、持続可能な解決策を提供するにはあまりにも多くのデータを必要としてきました。
真の理解を可能にするAIモデルの開発と、学習パラダイムの再構想という、この2つのイノベーション分野に注力することで、AIの新たな時代を切り開くことができます。
AIの新たな方向性を描く
私たちは決定的な転換点に立っています。これからの進路をどう進むかは極めて重要です。今日、どこに資源を投資し、何を構築するかについて下す判断が、私たちの未来を形作るでしょう。真のイノベーションを確かなものとし、意図しない結果を防ぐために、責任ある開発を優先しなければなりません。
世界と将来の世代のために、今日のモデルを力技で大規模化することよりも、効率性と創意工夫を優先すべき時です。これこそが、この技術が全人類に恩恵をもたらすことを確かにしながら、AIの真の潜在力を引き出す唯一の方法です。
