テクニカル・サマリー：ハイパー・データ化がいかにフロンティアAIのサステナビリティ・コストに影響を与えるか

1. 問題提起

本論文は、フロンティアAIを取り巻くサステナビリティ（持続可能性）の議論における決定的な欠落を指摘している。既存の文献は、AIのモデル訓練および展開に伴う環境的・社会的コストを広く批判してきたが、データそのものが持つサステナビリティへの影響については、ほとんど見過ごしてきた。著者らは、分野が「既存のデータを受動的に蓄積する段階」から、「モデル訓練のためにデータを能動的に生成する段階」へと構造的な転換期にあると主張している。彼らはこの転換を**ハイパー・データ化（hyper-datafication）**と呼び、これを以下の3つの結合されたプロセスによる、AIのためのデータの工業的生産と蓄積であると定義している：

1. 既存のデータソースの大規模な収集と再結合。
2. 合成データ（synthetic data）のアルゴリズムによる生成。
3. 直接的な人間による利用ではなく、訓練入力として機能することを主目的とした、目的特化型のデータの作成。

中心となる問題は、このシフトが、現在では外部化されているか、不可視化されているか、あるいはグローバル・サウスへと再分配されている、実質的かつ増大する環境的、社会的、経済的コストを駆動していることである。本論文は、AIのサステナビリティを（例えばモデルの効率化だけに焦点を当てて）単独で最適化しようとすることは、負担を他の場所へ転嫁するリスクがあるとし、データ・コストに対する包括的な視点が必要であると断じている。

2. メソドロジー

ハイパー・データ化のコストを定量化し、文脈化するために、著者らは大規模なメタデータ分析、定性的フィールドワーク、および外部インフラ・データを用いたマルチモーダルな実証的アプローチを採用している。

• Hugging Face Hub のメタデータ分析： 著者らは、2025年12月1日時点でHugging Face Hubにホストされている約55万件のデータセット（全570,802件のうち、有効なサンプル554,300件）を分析した。彼らは、リポジトリレベルのメタデータ（タイムスタンプ、ダウンロード数、ストレージ）、データセットレベルのサイズ統計、およびコンテキスト属性（モダリティ、言語、地域）を抽出した。
  • エネルギー推定： プロバイダー側およびユーザー側のストレージ・エネルギー消費量を推定した。プロバイダー側の推定はデータセットの91%をカバーし、ユーザー側の推定（ダウンロードの10%が3ヶ月間のローカルストレージ保存につながると仮定）は75%をカバーした。
  • 言語分析： データセットの言語タグをISO-639コードにマッピングし、世界の話者人口およびウェブ上の存在感（Common Crawlのページ数をプロキシとして使用）と比較した。
• データワーカーへの定性的調査： AIギグワークの拠点として知られるケニアの134人のデータワーカーに対し、オンラインアンケートを実施した。調査内容は、デモグラフィックス、労働時間、給与、衝撃的なコンテンツへの曝露、および主要テクノロジー企業との雇用関係を網羅している。
• 外部インフラ・データ： 著者らは、国際エネルギー機関（IEA）およびData Center Mapからのデータを利用し、世界のデータセンター投資、電力需要予測、およびインフラの地理的分布を分析した。

3. 主な貢献

本論文は、主に4つの貢献を行っている：

1. データ成長とストレージ・コストの実証的分析： Hugging Faceにおけるデータセットの指数関数的な成長を記録し、それに伴うプロバイダーおよびユーザー双方のエネルギー消費量とカーボンフットプリントを定量化した。
2. 労働条件の証拠： ケニアの労働者からの定性的データを通じて、低賃金、衝撃的なコンテンツへの曝露に対する補償の欠如、および主要テック企業との直接的な雇用関係を明らかにした。
3. インフラの格差分析： データセンターへの投資とインフラの世界的集中を記録し、少数の国々（主に米国）が保持する経済力を浮き彫りにした。
4. Data PROOFS フレームワーク： ハイパー・データ化の負の影響を軽減するための推奨事項（Provenance：プロベナンス、Resource-awareness：リソースへの意識、Ownership：所有権、Openness：開放性、Frugality：節約、Standards：標準）を提示した。

4. 主な結果

環境的コスト

• 指数関数的な成長： 2022年3月以降、Hugging Faceに新たに追加されるデータの月間ボリュームは、ほぼ3桁増加し、月間1ペタバイトを超えるピークに達している。
• ストレージ・エネルギー： プロバイダー側のストレージ・エネルギーは限定的（約1 GWh）であるが、ユーザー側のストレージ・エネルギーは、繰り返されるダウンロードとローカルキャッシュによって、2 TWhを超えると推定される（3桁大きい）。
• カーボンフットプリント： ローカルコピーを保存することによるユーザー側のカーボンフットプリントは、約21万7千人の年間フットプリントに匹敵する。
• 地理的集中： 地域情報を持つデータセットの99.8%が米国にホストされているのに対し、EUはわずか316件である。これらのデータセットを米国ではなく、より炭素強度の低いEUに保存することで、関連するカーボンフットプリントを約**38%**削減できる可能性がある。
• 世界的需要： 世界のデータセンターの電力需要は、今後10年以内にアフリカ大陸全体の総電力使用量に匹敵すると予測されている。

社会的コスト

• 労働条件： 134人のケニア人回答者のうち、最も一般的な給与範囲は月額200〜300米ドルであり、これは国の平均である540米ドルを大幅に下回っている。
• 有害な内容への曝露： 過半数（134人中89人）が衝撃的なコンテンツへの曝露を報告しており、60人が毎日曝露していると回答した。極めて重要なことに、曝露の多さと報酬の高さには相関関係が見られなかった。
• 企業との繋がり： 79人の回答者が、主要なテック企業（OpenAI, Meta, Google, Microsoft, Amazon）と直接的（現在または過去）に働いていたと報告している。
• ジェンダー格差： 女性は男性と比較して、経験年数が短く、労働時間が短く、給与が低い傾向にある。男性はコンテンツモデレーションに従事していることが多く、衝撃的な素材への曝露も多いと報告されている。

代表性と経済的コスト

• 言語的不均衡： 世界の話者人口のわずか18%であるにもかかわらず、英語がHugging Face Hubのデータセット・ボリュームの**57%**を占め、支配的である。非英語の言語は著しく過小評価されている。
• 投資の集中： 世界のデータセンターへの年間投資は、過去10年間で5倍に増加した。米国は、今後5年間で累積の世界投資の半分以上を占めると予測されている。このインフラの集中は、データが生成される場所や、利益が蓄積される場所（例：Metaの最大のユーザーベースはインドであるが、そのインフラは米国中心である）とは一致していない。

5. 意義と主張

本論文は、ハイパー・データ化は中立的な進歩の形態ではなく、労働リスクと代表性の危害をグローバル・サウスへと体系的に再分配する一方で、経済力と環境的負担をグローバル・ノースへと集中させるメカニメントであると主張している。

著者らは、「データの豊富さ」という支配的なナラティブは、データの物質的な足跡を無視していると論じている。彼らは、インターネット規模のデータを用いたフロンティアAIの追求が、既存の表現と権力の非対称性を悪化させていると主張する。本研究の意義は、これまで見過ごされてきたデータのコストを可視化し、「より多くのデータ」が本質的に優れているという仮定に異議を唱え、データの節約（frugality）（より小さく代表的なサブセットを使用すること）が、自発的な最適化ではなく、構造的な制約として強制されなければならないと提唱している点にある。

論文は、これらのコストに対処するには、孤立したモデルの最適化から、Data PROOFSフレームワークに支えられた包括的なサステナビリティ・アプローチへの転換が必要であると結論付けている。また、データの搾取的な政治経済に対抗するための集団的行動も必要であるとしている。著者らは、自らの推定値はデータソースの制限（例：Hugging Faceとケイヤの労働者に焦点を当てていること）により、真のデータコストの下限値を示していることを明示しているが、これらの知見は問題の規模と方向性を示すには十分であるとしている。