The Conversion Gap: How China, Japan and South Korea Turn AI Inputs into AI Capability, 2017–2025
本論文は、国家のAI主権は資源の蓄積それ自体よりも、資源を能力へと効率的に変換する国家の政策遂行能力に依存していると論じており、日本の中国や韓国に対する遅れは、投入物の不足ではなく、知識や計算資源をAIモデルへと変換する際のシステム上の非効率性に起因することを明らかにしている。
原論文は CC BY 4.0 (https://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
人工知能の開発競争において、諸国はしばしば、何を集めることができるかによって判断される。彼らは、研究室にいる研究者の数、プロジェクトに投じられた数十億ドルもの資金、そしてデータセンターでうなりを上げる膨大なコンピュータの群れを数える。これは蓄積の論理である。もし、より多くの原材料を持っていれば、より優れた機械を構築できるはずだという考え方だ。長年、これが中国、日本、韓国といった国々を比較する際の標準的な方法であり、これらの国々はすべて、この技術のリーダーになるために莫大な資源を投入してきた。しかし、材料を持っていることが、完成した料理を保証するわけではない。ある国が膨大な才能と計算能力のストックを持っていたとしても、それらの資源を、世界を変えるような実用的な、知的なシステムへと変えることに失敗する場合がある。真の問いは、単にその国がどれだけのものを持っているかではなく、持っているものをいかに効率的に実際の能力へと変換できるかにある。
これは、アルフレド・メルレットが2017年から2025年までの期間を調査した新しい研究で解決しようとしたパズルである。彼は、金銭や人員といった単純な総量を超えて、より微妙な要素である「変換率」を測定することに注目した。原料を完成した車に変えることを目的とした工場を想像してみてほしい。ある工場は別の工場よりも2倍多くの原料を購入するかもしれないが、もし生産される車の数が少なければ、その工場は明らかに仕事の効率が悪い。メルレットはこの同じ論理を人工知能に適用し、プロセスを3つの明確な段階に分解した。第一段階は「発明」であり、研究者が新しいアイデアを生み出し、論文を発表する段階である。第二は「工業化」であり、それらのアイデアが実際に使用可能なソフトウェアモデルへと変換される段階である。第三は「運用化」であり、それらのモデルが一般の人々や企業によって採用される段階である。各段階において、投入された各単位からどれほどの出力が得られたかを追跡することで、この研究は、なぜ一部の国々がリードしている一方で、他の国々は、より多くの資源を持ちながらも後退しているのかについて、驚くべき物語を明らかにした。
結果は、東アジアの隣国たちが歩んだ3つの非常に異なる経路を描き出している。中国は、大規模な労働力と明確で積極的な目標を設定する政府を背景に、その進歩を劇的に加速させることに成功した。2024年と2025年までに、中国の開発者たちは数百の新しいAIモデルをリリースしており、フォロワーから米国と同等の存在へと移行していた。彼らがこれを達成できたのは、単に多くを支出したからではなく、研究が迅速に展開可能な製品へと変わるよう、その取り組みを調整できたからである。韓国は、研究者数や計算能力において日本よりも少ないにもかかわらず、グループの中で最高の効率を達成した。この国は、87のAIモデルを制作したが、その中には「注目すべき」あるいは「画期的」とされるものが23個含まれており、その数はより大きな隣国である日本を大きく上回った。この成功は、政府と主要企業との間の高度に調整された関係によって推進され、それによって特定の技術に資源を集中させ、迅速に結果を出すことが可能となったのである。
しかし、日本は極めて対照的で不可解な状況を呈している。書類の上では、日本が最も成功しているはずであった。日本は、韓国よりも多くの研究者、より強力な計算能力、そして長い産業上の卓越した歴史を持っている。それにもかかわらず、2017年から2025年の間に、日本の組織がリリースしたAIモデルはわずか52個であり、そのうち「注目すべき」とされるものはわずか6個であった。研究期間の最後の2年間において、日本の組織は「注目すべき」と分類されるモデルを一つもリリースできなかった。データは、日本が資金や科学者の不足によって失敗しているのではないことを示している。実際、日本の研究者が自身の研究を特許へと転換する能力を見ると、彼らは十分に高いパフォーマンスを発揮している。破綻が起きているのは、プロセスの後半である。日本の研究者が発表した論文を実用的なモデルへと変えようとする段階、そして、その膨大な計算能力を用いてそれらのモデルを構築しようとする段階で、ギャップが生じているのである。彼らは材料を持っているが、キッチンでは料理が作られていないのだ。
この研究は、このギャップの理由が技術そのものではなく、政府がいかにプロセスを管理しているかにあることを示唆している。研究者たちは、各国のパフォーマンスを「政策能力」という指標と比較した。これは、本質的には、明確な方向性を設定し、異なるグループを調整し、新しい産業を支援するために迅速に動く政府の能力のことである。韓国はこの指標において非常に高いスコアを獲得しており、それはAIに対して主張的かつ組織的なアプローチをとる政府を反映している。対照的に、日本は大幅に低いスコアとなった。研究期間の大部分において、日本は強制力のある目標や集中プログラムではなく、緩やかな指導や自主的なガイドラインに依存していた。日本が専用の本部を設置し、AIを推進するための新しい法律を制定したのは2025年のことであり、研究はこの動きを、問題に対する遅すぎた認識であると解釈している。証拠が示しているのは、最高の研究と最も強力なコンピュータを持っていたとしても、それらを成果を生み出すために効果的に組織化することが国家にできなければ、十分ではないということである。
この発見は、AIの優位性は単に誰が最も多くのお金を使い、最も多くの専門家を雇えるかという問題であるという一般的な仮定に異を唱えるものである。この研究は、人工知能における主権とは、単に道具を所有することではなく、それらの道具がどのように使われるかを統治する能力であるということを示している。ある国が研究やインフラに多額の投資を行ったとしても、それらの投資を現実世界のアプリケーションへと変えるためのシステムが脆弱であれば、成果はほとんど得られない。このレースを見守る新興経済諸国にとって、教訓は明白である。強固なAIの未来を築くことは、世界のリーダーたちの膨大な予算に合わせることよりも、資源を効果的に調整するための行政能力を構築することにかかっている可能性がある。AIに資金を提供する国と、真にAIを構築する国の違いは、銀行口座の大きさではなく、計画の質と実行のスピードによって決まるのかもしれない。
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。