Modest, artistic, and radical solutions to the environmental impact of image-generating machine learning
本論文は、機械学習による画像生成に潜む環境コストを批判し、不正確計算（inexact computing）や小型モデルといった技術的革新と、倫理的設計および真のコスト会計を組み合わせた多角的なアプローチを通じて、急進的かつ持続可能な代替案を提示するものである。
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
論文の解説：シンプルでクリエイティブな比喩を用いて
大きな問題：「デジタル・グラトニー（電子の暴食者）」
インターネットと人工知能（AI）を、巨大で飢えたモンスターだと想像してみてください。私たちはよく、このモンスターは人間よりも速く物事をこなすから「効率的」なのだと言い聞かせがちです。しかし、この論文の著者たちは、その効率性は一種のトリックだと主張しています。
それは、燃費が驚異的に良い車を想像することに似ています。でも、あまりに安上がりで動かしやすいため、誰もがその車を大量に買い込み、24時間体制で走らせるのです。その結果はどうなるでしょうか？ 全体としては、以前よりもずっと多くの燃料を消費することになります。
論文は、AIがタスクあたりのエネルギー節約においてわずかに改善したとしても、AIを構築している企業は利益創出に集中しすぎるあまり、より多くのタスクを実行するために、より大きく、より貪欲なデータセンターをただ作り続けているのだと論じています。このモンスターは、膨大な量の電気、水（冷却用）、そして土地を食いつぶしています。もしこのペースで進み続ければ、AIが何か「悪意のある」ことをする前に、AIを動かし続けるためだけに地球の半分を発電所で覆い尽くさなければならなくなると、論文は示唆しています。それは実質的に、人類を滅ぼすことになります。
「ディープフェイク」の思考実験
事態がいかに深刻であるかを示すために、著者たちは、偽の動画で世界中を欺こうとするSFの悪役（『ミッション：インポッシブル』の「エンティティ」のような存在）を想定しています。
- 数学的な計算： たった一つの偽の画像を作成するだけで、わずかな量の炭素汚染が発生します。しかし、動画を作るとなるとどうでしょうか？ それは、毎秒、大量の石炭を燃やしているようなものです。
- 結果： もしこの悪役が世界のほんの一部の人々を騙そうとしただけで、その10秒間に発生する汚染は、石炭火力発電所が1年間に排出する量に匹等します。
ポイントは、AIが悪であるということではなく、現在のAIの作り方そのものが物理的に持続不可能であるということです。
「リバウンド効果」：なぜ「効率化」は失敗するのか
論文は、リバウンド効果と呼ばれる、滑稽でありながら悲しいサイクルを指摘しています。
- サイクル： エンジニアが、より少ないエネルギーで動く新しいチップを作ります。素晴らしいことです！ しかし、それがより安価で高速になったため、企業はそれを使ってさらに複雑なプログラムを実行するようになります。人々は、そのチップを搭載したスマートフォンをより多く購入します。結局、私たちは以前よりも多くの総エネルギーを消費することになるのです。
- 比喩： これは、超効率的な掃除機を買うことに似ています。掃除の回数を減らす代わりに、「とても簡単だから」という理由で、毎日近所一帯を掃除することに決めてしまうようなものです。
解決策：「タイニー（極小）」かつ「控えめ」なAI
著者たちは、より大きく、より速いモンスターを作ろうとするのではなく、「タイニーAI（極小のAI）」を作ることを提案しています。彼らは主に3つの方法を提示しています。
解像度を下げる（「ぼやけた写真」のアプローチ）：
現在、AIは完璧であろうとして、非常に多くの桁数まで数値を計算します。著者たちは、「十分に良い（good enough）」結果を受け入れることを提案しています。それは、8Kの超高精細映像ではなく、少しぼやけた写真を撮るようなものです。これにより、膨大なエネルギーを節約できます。多くの芸術的または創造的なタスクにおいて、その「ぼやけ」は問題になりません。小さなモデル（「電卓」対「スーパーコンピュータ」）：
インターネット全体を使って学習させる（膨大なエネルギーを消費する）代わりに、特定の限られた事項のみに特化した「スモール・ランゲージ・モデル（SLM）」を訓練することができます。これは、ポケットの中にスーパーコンピュータを持ち歩くのではなく、ポケット計算機を持ち歩くようなものです。すべてをこなすことはできませんが、家を焼き払うことなく、必要なことをやってのけます。倫理的な材料（「ファーム・トゥ・テーブル（農園から食卓へ）」のアプローチ）：
ほとんどのAIは、インターネットから許可なく「スクレイピング（収集）」されたデータ（写真やテキスト）で学習されています。著者たちは「スローAI」プロジェクトを提案しています。これは、巨大な工業工場を使わないことを決めたシェフを想像してください。代わりに、彼らは隣人たちに、自家の手料理を持ってきてもらい、それを使ってスープを作るのです。
- プロジェクト： 彼らは、博物館やコミュニティのメンバーから寄贈された、非常に小さく厳選されたデータセット（テキスタイルや書道など）を使用する、小さな画像生成AIを構築しています。
- ひねり： 彼らは、このAIを「脱植民地化（decolonial）」したいと考えています。AIが通常持つ、偏った世界観に挑戦するために、出力の中に常にパレスチナへの参照（スイカの画像など）が含まれるように強制する計画です。
芸術的な目標：「アステリティ（簡素さ）」
著者たちは単なるエンジニアではなく、アーティストであり学者でもあります。彼らは、制限こそが美しいものになり得ることを示したいと考えています。
- 何でも自由に生成できる百万の完璧な画像を持つAIではなく、小さなコミュニティのインプットに基づいた、奇妙で、驚きに満ちた、ユニークな画像を数枚生成するAIを目指しています。
- 彼らはこれを「優雅な劣化（graceful degradation）」と呼んでいます。それは、コンピューターが生成した完璧な交響曲よりも、シンプルで不完全な音符の方が、より人間らしく誠実に感じられる、ジャズミュージシャンの演奏のようなものです。
結論
論文は、企業が利益と「株主資本主義」によってのみ動かされている限り、彼らはより大きく、より汚いAIを作り続けるだろうと結論づけています。唯一の真の解決策は、私たちの考え方を変えることです。
- 「もっと多く」を求めるのをやめ、「十分であること」を受け入れ始めること。
- 企業が引き起こす汚染のコストを実際に実感できるよう、電気料金を設定すること。
- 「タイニー・マシンラーニング（極小機械学習）」を受け入れること。つまり、巨大で速く、強欲なものではなく、小さく、ゆっくりで、特定の目的に特化したモデルのことです。
要するに、私たちはデジタル・モンスターに餌を与えるのをやめ、小さく持続可能な庭に水をやり始める必要があるのです。
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。