“`html
オープンソースの人工知能は持続可能な開発目標の加速に寄与できる
オープンソースの人工知能は持続可能な開発目標の加速に寄与できる オープンソースの人工知能は、世界規模で持続可能な開発目標を前進させるための大きな機会を提供します。2018年から2024年の間に、これらの目標を支援するための利用が300%増加し、農業、生態系管理、気候変動対策などの分野で顕著な貢献をしています。このオープンモデルは、誰もがツールを研究、修正、共有できるように設計されており、効率的かつ包括的な進歩を加速することを目的としています。
しかしながら、その拡大は複雑な課題を明らかにしています。構造化されたガバナンスの枠組みがないことで、リソースの過剰消費や倫理的な脆弱性が生じる可能性があります。例えば、非効率なローカルインフラ上で冗長なモデルを分散開発することは、産業のカーボンフットプリントを悪化させます。また、オープンソースツールへのアクセスの容易さが、ディープフェイクやターゲットを絞った誤情報の生産コストを低下させ、情報の安全性と信頼性にリスクをもたらしています。
もう一つの課題はデジタルコロニアリズムです。グローバルノースの強力な国や機関がデータやインフラを支配し、グローバルサウスの国々の自律性を制限しています。ローカルな文脈に設計されたデータセットは、他の場所では適切に適用できない可能性があり、ガバナンスソリューションの精度と関連性が低下する可能性があります。
これらの課題に対処するために、4つの主要なアクションが提案されています。第一に、モデルのライフサイクル全体にわたって持続可能性を統合し、ハードウェアインフラを最適化し、冗長な開発による無駄を避けることです。モデルの蒸留といった技術により、モデルのサイズを最大70%削減し、環境への影響を抑えることができます。また、液体冷却システムを採用し、再生可能エネルギーで動作するデータセンターを使用することで、エネルギー需要を20%、水の消費を52%削減することができます。
第二のアクションは、人工知能が持続可能な開発目標に与える影響を測定するための定量的評価枠組みを確立することです。これは、ローカルおよびグローバルなデータを統合した複合指標を作成することで実現され、正と負の効果を正確に評価することができます。例えば、持続可能性基準は、40を超える社会的、環境的、経済的指標をカバーし、実際の影響を明確に示すことができます。
第三のアクションは、規制と透明性に基づいています。濫用を防ぐためには、義務的な監査、敵対的テスト、および許可された使用を定義する明確なライセンスを導入することが不可欠です。開発者はバイアスを制限するために監査済みのデータセットを使用する必要があり、政府は悪意のあるコンテンツの拡散を防ぐために厳格なポリシーを課すことができます。ユーザーは、これらのツールを倫理的に使用し、不適切な使用を報告する責任があります。
最後に、第四のアクションは、世界的な協力と知識の共有を奨励することです。アクセスの民主化にもかかわらず、インフラ、人材、データ主権に関する不平等は依然として存在します。発見可能性、アクセシビリティ、再利用性の原則を尊重するオープンアクセスプラットフォームの創設は、資源への公平なアクセスを保証するために不可欠です。人工知能ガバナンスに関する世界対話のような機関は、年次報告書の公開や政府間交渉の組織化を通じて協力を強化する可能性があります。
地域レベルでは、グローバルプラットフォームとローカルな研究センター間の協力により、共有される基盤モデルと各コンテキスト固有のデータを組み合わせることができます。これにより、適応されたソリューションの展開が容易になり、データ保護規制を尊重することができます。オーストラリア人工知能研究所やフランスの人工知能評価・安全保障国家研究所のような機関は、このローカライゼーションにおいて重要な役割を果たしています。
適切なガバナンスと組み合わされたオープンソースの人工知能は、意思決定を変革し、より包括的で証拠に基づいたものにする可能性があります。これにより、優先事項、障壁、持続可能な変革の道筋をより迅速に特定することができ、複雑な課題に直面しても対応できるようになります。世界中の市民から得られた教訓を統合することで、2030年以降のアジェンダをより代表的で効果的なものにすることも可能です。
オープンソースモデルは、具体的な利点も提供します。これらのモデルのコストは、同等の性能を持つ独自モデルと比較して5から29倍低く、アクセシビリティを向上させます。気候に特化した自然言語処理モデルのようなツールは、誤情報との闘いに役立ち、健康分野で使用されるモデルは、特定の地域におけるセラピスト不足を緩和する可能性があります。経済分野では、中小企業がこれらのテクノロジーを採用し、カスタマイズして生産を最適化することができます。
しかしながら、適切なガバナンスがない場合、リスクは依然として存在します。電子材料の生産と人工知能に必要なインフラは、世界的な有害廃棄物に寄与しています。また、オープンソースとしてラベル付けされたモデルの約60%にはライセンスがなく、安全な使用が困難になっています。規制されていないモデルの増加は、悪意のあるアクターによる脆弱性の特定を容易にし、フィッシングやヘイトスピーチの拡散のリスクを高めています。
オープンソースの人工知能の利益を最大化するためには、調整されたアプローチが不可欠です。このアプローチは、持続可能性、厳格な評価、安全性、協力を組み合わせ、不確実性を軽減し、このテクノロジーが実際に世界的な進歩に貢献することを保証する必要があります。
オープンソースの人工知能は持続可能な開発目標の加速に寄与できる オープンソースの人工知能は、世界規模で持続可能な開発目標を前進させるための大きな機会を提供します。2018年から2024年の間に、これらの目標を支援するための利用が300%増加し、農業、生態系管理、気候変動対策などの分野で顕著な貢献をしています。このオープンモデルは、誰もがツールを研究、修正、共有できるように設計されており、効率的かつ包括的な進歩を加速することを目的としています。
しかしながら、その拡大は複雑な課題を明らかにしています。構造化されたガバナンスの枠組みがないことで、リソースの過剰消費や倫理的な脆弱性が生じる可能性があります。例えば、非効率なローカルインフラ上で冗長なモデルを分散開発することは、産業のカーボンフットプリントを悪化させます。また、オープンソースツールへのアクセスの容易さが、ディープフェイクやターゲットを絞った誤情報の生産コストを低下させ、情報の安全性と信頼性にリスクをもたらしています。
もう一つの課題はデジタルコロニアリズムです。グローバルノースの強力な国や機関がデータやインフラを支配し、グローバルサウスの国々の自律性を制限しています。ローカルな文脈に設計されたデータセットは、他の場所では適切に適用できない可能性があり、ガバナンスソリューションの精度と関連性が低下する可能性があります。
これらの課題に対処するために、4つの主要なアクションが提案されています。第一に、モデルのライフサイクル全体にわたって持続可能性を統合し、ハードウェアインフラを最適化し、冗長な開発による無駄を避けることです。モデルの蒸留といった技術により、モデルのサイズを最大70%削減し、環境への影響を抑えることができます。また、液体冷却システムを採用し、再生可能エネルギーで動作するデータセンターを使用することで、エネルギー需要を20%、水の消費を52%削減することができます。
第二のアクションは、人工知能が持続可能な開発目標に与える影響を測定するための定量的評価枠組みを確立することです。これは、ローカルおよびグローバルなデータを統合した複合指標を作成することで実現され、正と負の効果を正確に評価することができます。例えば、持続可能性基準は、40を超える社会的、環境的、経済的指標をカバーし、実際の影響を明確に示すことができます。
第三のアクションは、規制と透明性に基づいています。濫用を防ぐためには、義務的な監査、敵対的テスト、および許可された使用を定義する明確なライセンスを導入することが不可欠です。開発者はバイアスを制限するために監査済みのデータセットを使用する必要があり、政府は悪意のあるコンテンツの拡散を防ぐために厳格なポリシーを課すことができます。ユーザーは、これらのツールを倫理的に使用し、不適切な使用を報告する責任があります。
最後に、第四のアクションは、世界的な協力と知識の共有を奨励することです。アクセスの民主化にもかかわらず、インフラ、人材、データ主権に関する不平等は依然として存在します。発見可能性、アクセシビリティ、再利用性の原則を尊重するオープンアクセスプラットフォームの創設は、資源への公平なアクセスを保証するために不可欠です。人工知能ガバナンスに関する世界対話のような機関は、年次報告書の公開や政府間交渉の組織化を通じて協力を強化する可能性があります。
地域レベルでは、グローバルプラットフォームとローカルな研究センター間の協力により、共有される基盤モデルと各コンテキスト固有のデータを組み合わせることができます。これにより、適応されたソリューションの展開が容易になり、データ保護規制を尊重することができます。オーストラリア人工知能研究所やフランスの人工知能評価・安全保障国家研究所のような機関は、このローカライゼーションにおいて重要な役割を果たしています。
適切なガバナンスと組み合わされたオープンソースの人工知能は、意思決定を変革し、より包括的で証拠に基づいたものにする可能性があります。これにより、優先事項、障壁、持続可能な変革の道筋をより迅速に特定することができ、複雑な課題に直面しても対応できるようになります。世界中の市民から得られた教訓を統合することで、2030年以降のアジェンダをより代表的で効果的なものにすることも可能です。
オープンソースモデルは、具体的な利点も提供します。これらのモデルのコストは、同等の性能を持つ独自モデルと比較して5から29倍低く、アクセシビリティを向上させます。気候に特化した自然言語処理モデルのようなツールは、誤情報との闘いに役立ち、健康分野で使用されるモデルは、特定の地域におけるセラピスト不足を緩和する可能性があります。経済分野では、中小企業がこれらのテクノロジーを採用し、カスタマイズして生産を最適化することができます。
しかしながら、適切なガバナンスがない場合、リスクは依然として存在します。電子材料の生産と人工知能に必要なインフラは、世界的な有害廃棄物に寄与しています。また、オープンソースとしてラベル付けされたモデルの約60%にはライセンスがなく、安全な使用が困難になっています。規制されていないモデルの増加は、悪意のあるアクターによる脆弱性の特定を容易にし、フィッシングやヘイトスピーチの拡散のリスクを高めています。
オープンソースの人工知能の利益を最大化するためには、調整されたアプローチが不可欠です。このアプローチは、持続可能性、厳格な評価、安全性、協力を組み合わせ、不確実性を軽減し、このテクノロジーが実際に世界的な進歩に貢献することを保証する必要があります。
“`
Crédits des sources
Source principale
DOI : https://doi.org/10.1038/s41467-026-73866-8
Titre : Steering open-source AI to accelerate the sustainable development goals
Revue : Nature Communications
Éditeur : Springer Science and Business Media LLC
Auteurs : Min Chen; Kai Wu; Prajal Pradhan; Cameron Allen; Stefano Nativi; Klaus Hubacek; Alexey Voinov; Felix Creutzig; Tatiana Filatova; Niklas Boers; Michael Meadows; Peilong Ma; Frank Biermann; Hans Joachim Schellnhuber; John Ludden; Maria Paradiso; Michael Batty; Huadong Guo; Min Cao; Peng Hou; Guonian Lü