先日開催されたシンポジウムにおいて、ジャーナリストのカレン・ハオ(Karen Hao)と学者のパオラ・リカウルテ(Paola Ricaurte)は、AI開発における「大きいほど良い」という現在の定説に疑問を呈した。ハオ(Hao)は、人工汎用知能の実現を目指してハイパースケールなデータセンターや膨大なデータセットを構築する現在の軌道は、不要なだけでなく持続不可能であると主張している。特に、天文学的なエネルギーと水の消費量といった環境コストに加え、データのラベル付けを担う世界のギグワーカーたちが直面している労働搾取の実態についても懸念を表明した。

現在の規模拡大至上主義に代わり、ハオ(Hao)は明確に定義された課題に対してAIの計算能力を最適化する「タスク特化型モデル」への転換を提案している。その成功例として挙げられたのが、ノーベル賞を受賞したタンパク質構造予測ツールであるAlphaFoldだ。AlphaFoldは、高度に精査された比較的小規模なデータセットで学習を行うことで、汎用モデルのような巨大なインフラを必要とせずに、科学的なブレイクスルーを実現している。

パオラ・リカウルテ(Paola Ricaurte)教授もこの見解に同調し、テクノロジーは明確な目的を持ち、コミュニティに資するものであるべきだと強調した。登壇者たちは、AIが進むべき道はまだ確定していないと述べ、未来のあり方を定義する議論に聴衆が主体的に関わるよう呼びかけている。リソースを浪費する「ロケット型」の汎用モデルではなく、効率的で扱いやすく、日々の生活に役立つ「自転車型」のツールこそが、AIが目指すべき健全な姿であるというビジョンを示した。

先日開催されたシンポジウムにおいて、ジャーナリストのカレン・ハオ(Karen Hao)と学者のパオラ・リカウルテ(Paola Ricaurte)は、AI開発における「大きいほど良い」という現在の定説に疑問を呈した。ハオ(Hao)は、人工汎用知能の実現を目指してハイパースケールなデータセンターや膨大なデータセットを構築する現在の軌道は、不要なだけでなく持続不可能であると主張している。特に、天文学的なエネルギーと水の消費量といった環境コストに加え、データのラベル付けを担う世界のギグワーカーたちが直面している労働搾取の実態についても懸念を表明した。

現在の規模拡大至上主義に代わり、ハオ(Hao)は明確に定義された課題に対してAIの計算能力を最適化する「タスク特化型モデル」への転換を提案している。その成功例として挙げられたのが、ノーベル賞を受賞したタンパク質構造予測ツールであるAlphaFoldだ。AlphaFoldは、高度に精査された比較的小規模なデータセットで学習を行うことで、汎用モデルのような巨大なインフラを必要とせずに、科学的なブレイクスルーを実現している。

パオラ・リカウルテ(Paola Ricaurte)教授もこの見解に同調し、テクノロジーは明確な目的を持ち、コミュニティに資するものであるべきだと強調した。登壇者たちは、AIが進むべき道はまだ確定していないと述べ、未来のあり方を定義する議論に聴衆が主体的に関わるよう呼びかけている。リソースを浪費する「ロケット型」の汎用モデルではなく、効率的で扱いやすく、日々の生活に役立つ「自転車型」のツールこそが、AIが目指すべき健全な姿であるというビジョンを示した。