AIは「大きい」ほど良いのか？「倹約型AI」という挑戦

50ドル以下のハードウェアで動くAIが、消えかけた言語を救えるとしたら——それは「劣った技術」なのでしょうか、それとも「賢い技術」なのでしょうか。

何が起きているのか：格差が広がるAIの世界

アメリカの大手テック企業が数千億ドル規模のAI投資を競い合う中、全く異なるアプローチが静かに広がっています。インド、インドネシア、アフリカ、南米——シリコンバレーの恩恵が届きにくい地域で、研究者やスタートアップが「倹約型AI（Frugal AI）」と呼ばれる小型・低コストのAIモデルを構築しています。

現実は厳しい数字で示されています。マイクロソフト・リサーチのデータによると、昨年の生成AI普及速度は、富裕国が低・中所得国の約2倍に達しました。オックスフォード大学の研究者によれば、企業や機関が依存するAIデータセンターの90%以上を米中企業が運営しており、アフリカと南米にはAI計算拠点がほぼ存在しません。

この格差を「失敗」と呼ぶのが、ケンブリッジ大学のフルーガルAIハブでCTOを務めるアルジュナ・サティアシーラン氏です。「現在のAI開発の軌跡は、経済的にも、環境的にも、社会的にも持続不可能です。モデルサイズは爆発的に拡大し、膨大なエネルギーと水を消費しているにもかかわらず、何十億もの人々がAIの恩恵から排除されたままです」と同氏は語ります。

5時間の音声データが言語を救う

倹約型AIの可能性を具体的に示す事例が、インド南部に住む先住民族・ソリガ族のプロジェクトです。若い世代が仕事を求めて都市に移住する中、コミュニティの長老たちは自分たちの言語が消えていくことを恐れていました。話者数は少なく、文字表記もなく、インターネット接続もない。商業的な音声技術は選択肢にすらなりませんでした。

セービング・ボイシーズ・プロジェクトとインド情報技術大学ダルワード校は共同で、低電力デバイスで動作し、長期間オフラインで使用できるカスタムの音声合成AIモデルを構築しました。使用したのは50ドル以下のラズベリーパイハードウェアで、オープンソースのLinux上で動作します。

「わずか5時間の音声データで、コミュニティの所有権を優先しながらソリガ語の音声モデルを構築できました」とサティアシーラン氏は言います。音声データはコミュニティのデバイスの外に出ることなく、「クローズドなクラウドシステムでは絶対に不可能なこと」を実現しました。単語誤り率はやや高いものの、「完全なデータ主権、50ドル以下のハードウェアへのオフライン展開、そして長老やコミュニティリーダーが実際に信頼するガバナンス構造を手に入れた」と同氏は評価します。

広告

広告掲載について

[email protected]

広告

なぜ今、これが重要なのか

昨年のディープシーク（DeepSeek）の登場は、倹約型AIの支持者たちに活力を与えました。中国が独自のAIクラウドと半導体サプライチェーンを構築する中、そのオープンソースモデルは世界中の開発者の基盤となっています。インド、メキシコ、マレーシアも高価なチップ輸入への依存を減らそうとしています。

ブエノスアイレス大学コンピューティング学部のセバスティアン・ウチテル教授は、技術主権という観点から警鐘を鳴らします。「計算能力の集中はどこまで進むのか——主要なAIモデルへのアクセスは、石油へのアクセスと同じようになってしまうのだろうか？」

この問いは、日本にとっても他人事ではありません。ソニー、トヨタ、富士通などの日本企業は、AI基盤の多くをアメリカのクラウドサービスに依存しています。サプライチェーンの混乱や地政学的リスクが高まる中、重要な経済活動が外国のAIモデルに依存することのリスクは現実のものとなりつつあります。

一方、マイクロソフト・リサーチのAIフロンティアグループ研究者、リンジャオ・チェン氏が提唱するFrugalGPTは、西洋のスタートアップにも恩恵をもたらします。増え続けるLLMの中から予算と精度目標に合ったものを自動選択することで、コストを大幅に削減しながら精度を向上させるアルゴリズムフレームワークです。「LLMの巨大な財務コスト、エネルギー消費、環境への影響を考えると、長期的な持続可能性は大きな問題です」とチェン氏は言います。

日本への示唆：少子高齢化社会とAIの選択

日本は独自の文脈でこの問題を考える必要があります。急速な少子高齢化と労働力不足が進む日本では、AIへの依存は今後さらに深まるでしょう。しかし、そのAIが高コスト・高エネルギーの大規模モデルに偏っていれば、中小企業や地方自治体、医療・農業分野への普及は限られます。

また、日本にはアイヌ語をはじめとする少数言語の保存という課題もあります。倹約型AIのアプローチは、文化的・言語的多様性の保護においても有効なモデルとなり得ます。インドのソリガ族の事例は、その可能性を示す具体的な青写真です。

フルーガルAIハブはインド・アーンドラプラデーシュ州にラボを設立し、ケニアやナイジェリアとも交渉中です。セービング・ボイシーズ・プロジェクトは、90カ国の約5億人の先住民族にリーチすることを目指しています。

倹約型AIにも課題はあります。データ不足、計算能力の制限、スケールアップを妨げる資金不足——これらは現実の制約です。しかし、「フロンティア能力を本当に必要とするタスクを見極めることが重要であり、その答えは人々が思うよりはるかに少ない」とサティアシーラン氏は指摘します。