Can We Test Jevons Paradox in AI Inference? A Longitudinal Audit of Token Prices, Demand, and Energy (2022–2026)
本論文は、現在の公開データには、AIの推論効率がジェボンズのパラドックスを引き起こしているのかを検証するために必要な粒度と因果的特定が欠けており、観察された価格の安定性と未検証のボリューム増加が、効率化が最終的に総エネルギー需要を抑制するのかあるいは増大させるのかという決定的な結論を妨げていることを示すために、縦断的なデータセットと新たな分析枠組みを構築するものである。
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
機械をより賢く、より安価に動かせるようにすることが、実際にはその機械の使用量を激増させ、結果として総エネルギー消費量を跳ね上がらせてしまう世界を想像してみてください。これは、ジェボンズのパラドックスとして知られ、1世紀以上にわたって経済学者たちを悩ませてきた問いの核心です。このパラドックスは、ある資源の使用効率が高まると、必ずしもその資源が節約されるわけではなく、むしろコストの低下が私たちの積極的な使用を促し、結果として総消費量が増大してしまうことを示唆しています。今日、この問いは石炭採掘場からデジタル領域へと移り、人工知能（AI）を中心に展開されています。AIモデルの運用がより高速かつ安価になるにつれ、この効率化が業界の膨大なエネルギー需要に歯止めをかけるのか、それとも逆に、電力生成能力を上回る需要の爆発を加速させるのかについて、激しい論争が巻き起こっています。これを解決するには、3つの事象が同時に起きていることを確認する必要があります。すなわち、AIを使用する価格、使用されるテキストの量、そしてそれを生成するために必要なエネルギーです。
エウゲン・スピヴァクという研究者は、2022年から2026年までのこれら3つのパズルのピースを見つけ出そうと試みました。その目的は、AIによるテキストの価格、生成されたテキストの量、そしてそれを生成するために必要なエネルギーを、すべて同じサービスおよび同じ期間において追跡する、単一の統一された記録を構築することでした。スピヴァクは、11社の主要なAI開発者による価格ページのアーカイブ版、何個のトークン（テキストの基本単位）が処理されたかに関する声明、そして公開されたエネルギー使用量の数値を含む、公的な情報源から数年間にわたりデータを収集しました。その結果、1,000を超える価格ポイント、数十のボリュームに関する声明、そして100以上のエネルギー数値を含む膨大な台帳が完成しました。しかし、この研究の最も重要な発見は、パラドックスの裏付けではなく、データそのものに関する啓示でした。すなわち、公開されている記録には、この問いに答えるために必要な情報がそもそも含まれていないということです。
この調査により、数字は豊富にあるものの、それらが公正な比較を可能にするような形で組み合わさっていることは稀であるという事実が明らかになりました。例えば、特定のAIモデルの価格を時系列で調査したところ、同一モデルのコストはほとんど変化していないことが分かりました。異なる時期に同じモデルをチェックした約700件の事例において、その価格は全く変わっていませんでした。ニュースで頻繁に引用される劇的な価格下落は、開発者が既存のツールのコストを下げたことによるものではなく、既存のツールが高価なまま維持される一方で、より安価な新しいモデルが市場に投入されたことによるものでした。この区別は極めて重要です。なぜなら、「価格」の変化は単なる効率性の向上によるものではなく、製品自体の変更によって生じていることを意味するからです。
研究者がこれらの価格を、実際にAIがどれだけ使用されているかというデータと照らし合わせようとしたとき、データはさらに断片的なものとなりました。最大手であるGoogleとOpenAIについては、プラットフォーム上で生成されるテキストの量が驚異的な速さで増加しており、2025年から2026年の間に毎年4倍から5倍以上に増えていることを示す明確な声明があります。同時に、彼らの標準的なモデルの価格は下落しておらず、実際には多くのカテゴリーで上昇していました。これは、ユニットあたりのコストが下がっていないにもかかわらず、使用量が爆発的に増加しているという、混乱を招く状況を生み出しています。しかし、決定的な欠落が残っています。ボリュームに関する声明は、具体的にどのような種類のテキストをカウントしているのかを明記していません。入力テキスト、出力テキスト、あるいはキャッシュされたデータを含んでいる可能性がありますが、価格表は特定の種類の出力のみを対象としています。ボリュームの数値と価格の数値が、全く同じものを指しているのかどうかが分からなければ、使用量の増加が価格の下落に対する直接的な反応であったのかを判断することは不可能です。
全体像を完成させることを不可能にしている欠けているピースは、エネルギーのデータです。AIがどれだけのエネルギーを使用するかについての主張は多く存在しますが、その多くは測定の境界（範囲）を明示していません。ある数値はコンピューターチップのみをカウントし、別の数値は建物全体、冷却システム、さらにはサーバーがアイドル状態の時に電力を維持するために消費される電力まで含んでいます。これらの測定は異なるスケールで行われているため、互いに信頼できる比較を行うことはできず、ましてや価格やボリュームのデータと照合することもできません。本研究によれば、レビューしたエネルギー数値の半分以上において、正確に何を測定しているのかを特定することが不可能でした。作業単位あたりのエネルギーに関する明確で一貫した測定基準がなく、また価格とボリュームの間の明確な関連性もなければ、効率性の向上が総消費量を押し上げているのかどうかを証明することはできません。
結局のところ、この厳格な監査は、AIがジェボンズのパラドックスに直面しているかどうかは、まだ判断できないという結論を下しています。公開されている記録はあまりに断片的であり、効率性の向上が総エネルギー使用量の急増を引き起こしていることも、あるいは効率性がその使用量を最終的に抑制することを示すこともできません。データはAIの使用量が急速に増加していることを示していますが、その増加が価格の低下や効率性の向上によって引き起こされたものであることは示していません。研究者は、この謎を解明するためには、これらのシステムを構築している企業が、より明確なデータを公開し始める必要があると主張しています。彼らは、価格がいつ適用されたのかを正確に述べ、ボリュームの数値が何をカウントしているのかを特定し、エネルギー測定の境界を定義しなければなりません。これらの詳細が提供されない限り、AIのエネルギーの未来に関する議論は事実ではなく、あくまで理論の域を出ることはなく、私たちはその機械が持続可能なツールとなるのか、それとも底なしの電力消費者となるのかを知る術を持たないままなのです。
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。