Position: Neglecting the Sustainability of AI is Fuelling a Global AI Arms Race
本ポジションペーパーは、AIの持続可能性における経済的および社会的側面、特に公平なリソースへのアクセスと環境負荷との間の緊張関係を軽視することが、世界的なAI軍拡競争を助長していると論じ、これらの要因を真に持続可能なAIのために調和させるべく、マルクス主義的分析と「気候および資源を意識した機械学習（CARAML）」フレームワークを用いた分析を提案するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
現在、人工知能（AI）の世界は、巨大でハイリスクな「グローバル・レース」のようです。国々や巨大テック企業は、できる限り大きく、速く、強力なAIエンジンを構築しようと全力疾走しています。彼らは数十億ドルをスーパーコンピューターに投じ、何千人ものエンジニアを雇っています。それは、冷戦時代に各国がより多くの核兵器を開発しようと急いだ様子に似ています。
本論文は、この「AI軍拡競争」が危険であると主張しています。なぜなら、誰もがレースに勝つことばかりに集中するあまり、「燃料のコスト」と「走る者の排除」を無視しているからです。
以下に、本論文の主要なポイントを簡単に解説します。
1. 三本脚の椅子のバランスが崩れている
著者らは、「サステナビリティ（持続可能性）」とは単に地球を守ること（環境）だけではないと述べています。それは「三本脚の椅子」のようなものです。
- 環境: AIがどれだけの電力と水を使用するか？ どれほどの炭素を排出するか？
- 経済: これらを構築するための資金を誰が持っているのか？
- 社会: 誰が参加できるのか？ それは公平か？
現在、AIの世界は「環境」の脚（AIを「グリーン」にする、あるいは効率化すること）には執着していますが、「経済」と「社会」の脚は無視しています。彼らは、トラックが森を破壊していないか、あるいは誰が走ることを許されているのかを問うことなく、ただレースを速めようとしているのです。
2. 「効率性」の罠（ジェボンズのパラドックス）
論文は、巧妙な罠を指摘しています。エンジニアがAIモデルをより効率的（タスクあたりのエネルギー消費を少なく）にすると、一見素晴らしいことに思えます。しかし、それはしばしば逆の結果を招きます。
- 比喩: あなたが、ガソリンを半分しか使わない車を発明したと想像してください。素晴らしいことですよね？ しかし、運転コストが安くなったことで、誰もが以前よりずっと長く運転するようになり、さらに大きなトラックを買うようになります。その結果、結局、以前よりも多くのガソリンを消費することになるのです。
- AIにおいて: 「DeepSeek」のようなモデルが効率的になったとき、より多くの人々がそれを利用するようになりました。そして、企業はさらに巨大で複雑なモデル（「推論」モデルなど）を構築し始めました。その結果、効率化による恩恵は、膨大な利用量によって飲み込まれてしまったのです。
3. 「富める者 vs 貧しい者」の格差
論文は、歴史的な視点（カール・マルクスに触発されたもの）を用いて、ハードウェア（「下部構造」）がルールや文化（「上部構造」）を支配することを説明しています。
- 現実: データセンターやスーパーコンピューターを所有し、AIの訓練に必要なリソースを握っているのは、ごく一部の国（主に米国、中国、欧州）と、一握りの巨大企業だけです。
- 結果: これは「デジタル植民地主義」を生み出します。豊かな国や企業がルールを作り、モデルを構築し、利益を独占します。貧しい国々や小規模な研究者たちは、その「入場料」（電気代やハードウェア代）を支払えないため、締め出されてしまうのです。
- 皮肉: 「AI主権」（自国独自のAIを持ちたいという国家の動き）について語られることさえ、多くの場合、軍拡競争を加速させるだけです。それは、資源を共有するのではなく、競争するために、より高価なインフラを構築させることにつながります。
4. 解決策：CARAMLフレームワーク
著者らは、AIに対する新しい考え方として「CARAML（Climate And Resource Aware Machine Learning：気候および資源を意識した機械学習）」を提案しています。彼らは、この軍拡競争を止め、真に持続可能なシステムを構築したいと考えています。
彼らは、漏れている船を修理するために協力するチームのように、さまざまなグループへの「行動喚起（コール・トゥ・アクション）」を提案しています。
- 個人（研究者）: 成功の尺度を、単にAIがいかに「賢いか」だけで測るのをやめるべきです。そこに至るまでにどれだけのエネルギーを費やしたかを測定し始めてください。もしAIが賢かったとしても、莫大な電気代がかかるのであれば、それは失敗なのです。
- コミュニティ（学会・カンファレンス）: 古いアイデアの繰り返しに過ぎない実験に、時間とエネルギーを浪費するのをやめるべきです。研究者が無駄な試行錯誤（デッドエンド）にリソースを浪費しないよう、計画の「事前登録」を義務付けるべきです。
- 産業界（ビッグテック企業）: 彼らには「カーボン・キャップ（炭素上限）」が必要です。工場が際限なく汚染物質を排出できないのと同様に、AI企業にも排出できる炭素量の厳格な制限を設けるべきです。
- 政府: AIを大規模な建設プロジェクトのように扱う必要があります。建設前に、それが雇用、プライバシー、そして気候にどのような影響を与えるかを確認する「影響評価」を行うべきです。
- グローバルレベル: 「デジタル・ディバイド（情報格差）」を解消する必要があります。豊かな国々は、貧しい国々がコンピューティング・パワーにアクセスできるよう支援すべきです。すべての国がそれぞれ高価なエンジンを構築するのではなく、気候変動のような地球規模の課題を共に解決するために、負荷を分担すべきです。
結論
論文は次のように結論づけています。AI自体が気候を破壊しているのであれば、AIを使って気候変動を解決することはできません。また、富裕層だけがテクノロジーを構築できるのであれば、公正な社会を実現することはできません。
より良い未来のためのレースに勝つためには、より大きく、より汚い機械を作るために互いに競い合うのをやめなければなりません。代わりに、私たちはスピードを落とし、リソースを共有し、AIを構築する際には、それが単なる利益や権力のためではなく、「すべての人」のため、そして「地球」のために構築されるようにしなければならないのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。