ベン・ゲーツェル博士は、人工一般知能（AGI）、機械学習、分散型AIシステムを専門とするAI研究者および起業家です。3十年以上の経験を持ち、OpenCogプロジェクトやSingularityNETなどの高度なAIフレームワークの開発を主導しています。また、AI、認知科学、複雑系に関する多数の書籍や研究論文を著し、AGIの変革的潜在能力について頻繁に講演しています。
人工一般知能（AGI）の可能性が世界の想像力を掻き立てるにつれ、AIの進歩がすべての人々、特に既存の資源で豊かな特権的なコミュニティだけでなく、教育および経済的格差に直面している疎外された人口のために役立つことを確実にすることが重要です。私たちがエチオピアのiCog Labsで共同で働いた経験から、2013年にベン・ゲーツェルとゲトネット・アセファによって共同設立されたエチオピア初のAI企業であり、現在も最大のAI企業であるiCog Labsで、AI技術を開発途上国で適用することの変革的な可能性と繊細な課題を直接見てきました。AIの教育的平等化の可能性は深いものです。ただし、多くのコミュニティ、特に大都市以外の地域や巨大な社会経済的障壁に直面しているコミュニティでは、基本的な質の高い教育へのアクセスがまだ手に入りません。開発途上国で生じる多くの他の課題に加えて、これらの疎外された人口は、教育の分野に特有の2つの核心的な課題に直面しています：言語的障壁と文化的に不適切な教育コンテンツ。これらは克服可能ですが、技術そのものと開発途上国で直面する特定の地元の困難についての理解とともに、相当の芸術性と適切な資源が必要であることがわかりました。言語的障壁の克服ユネスコによると、世界の学生の40％は、完全に理解できる言語で教育を受ける機会がありません。この基本的な断絶がどのようにして学習を妨げるかは、想像に難しくありません。AI駆動の翻訳と言語ツールは、強力な解決策を提供します。これは、先進技術が比較的安価に疎外された人口に大きな利益を提供できる最も明確な方法の1つです。ただし、現代のAI開発のほとんどを推進している先進国出身のテクノロジー企業は、主に購買力が乏しい個人によって話されている言語の言語技術を完備する動機がありません。クレジットカードを持たず、広告をクリックする機会や意欲がなく、インターネットへのアクセスが限られているからです。iCog LabsとCurious Learningの間で構築されたコラボレーションは、ここでの可能性を示しています。生成的なAIを利用して、現在85,000人以上のアクティブユーザーにサービスを提供しているローカル言語の読み書きアプリを作成しました。こうした取り組みは、AIが言語的障壁をどのように克服できるかを示しています。特に、標準的な大規模言語モデルによって通常は疎外される低資源言語の場合です。データの希少性がボトルネックであることを認識して、Leyuという分散型データクラウドソーシングプラットフォームを立ち上げました。ここでは、断絶されたコミュニティから言語リソースを収集しています。収集されたデータ、たとえば、低資源言語とインターネットの大部分を占める世界言語のペアの意味的に並列な音声文は、ローカルのAI開発者が、ローカル言語を世界言語に翻訳するAIモデルをトレーニングするために使用できます。言語ギャップに積極的に取り組むことで、コミュニティが接続されたときにすぐに利益を得ることができ、さらに後れを取るのではなく、すぐに利益を得ることができます。文脈による関連性の確保言語を超えて、効果的な教育には関連性が必要です。輸入された教育コンテンツは、標準カリキュラムに描かれたシナリオと大きく異なる日常の経験を持つ学習者に共感しないことがよくあります。AIは、教育資料をカスタマイズし、地元の現実に合わせてレッスンを文脈化することを可能にします。地元の農業慣行を利用した科学教育や、コミュニティの市場取引から導かれた数学の問題を想像してみてください。そうした文化的に整合されたコンテンツは、単に教育するのではなく、実践的な応用を促し、関心と自立を育むのです。私たちのDigiTruckプロジェクトは、iCog Labsによって展開され、部分的に私たちのグローバルな分散型AIプロジェクトSingularityNETによって後援されている、オフグリッドのモバイル教育センターを示しています。セミトレーラートラックをポータブルな教室として仕立て、コンピューターと電子機器を搭載し、地元の専門家の教師が担当する、地元の1つの地域から別の地域へと運行しています。エチオピアの農村地域の若い学習者は、タブレットやメイカー キットを通じて、また関連するコンテキスト（たとえば農業慣行の改善）での応用を通じて、コーディングとAIの概念に出会います。AIの他の技術を実用的に強力にする力が実証されます。開発途上国で生じる多様性の課題に取り組むには、相当な忍耐力が必要です。たとえば、2015年から2019年にかけて、私たちのRoboSapiensイニシアチブは、サッカーをプレイするようにプログラムされたヒューマノイド ロボットを通じて、エチオピアの大学生にAIを紹介しました。ロボットサッカーの競争は、エチオピア、ケニア、ナイジェリアの大学の間で行われ、参加した学生にとって強力なエネルギーとなりました。電子機器への高額な輸入関税に直面し、地元の大学（政府の一部である）でも例外が認められなかったため、プログラムを中断しなければならないことは苛立たしいものでした。AIを信頼できる仲間として、脅威としてではなく豊かなデジタル技術を身につけた社会で広がっている恐怖、たとえばターミネーター風の存在的リスクやAIによる雇用喪失とは対照的に、インターネットへのアクセスが限られているコミュニティは、AIを信頼できる情報の仲間として見ています。たとえば、ナイジェリアの農家は、実用的農業アドバイスと市場の洞察を得るために、AIサポートのコールセンターと積極的に関わっています。ここでは、AI技術は生活を脅かすのではなく、実用的な利益をもたらし、信頼を高めています。集団的学習と社会的絆の支援教育へのAIの統合は、既存の社会構造を尊重する必要があります。多くの疎外されたコミュニティは、集団的なアプローチを個人的なアプローチよりも優先しています。集団的学習は重要です。有益なAIは、協力、コミュニティの指導、集団的意思決定プロセスとの統合を促進する必要があります。分散型、参加型の視点から設計されたAIツールは、コミュニティ主導の教育モデルと自然に一致し、社会的結束を強化するのではなく、混乱を招きます。具体的な例として、DigiTruckイニシアチブを、より持続可能なプログラムに拡大し、DigiTruckの卒業生がエチオピアの村の生活のさまざまな側面へのAI統合を主導するよう指導することを想像してみてください。AIサポートの教育プラットフォームを、コミュニティ主導のワークショップと豊富に統合したいと思います。コミュニティの長老や教師が、グループセッション中にAI生成の学習資料を共同で使用し、持続可能な農業技術、地元の医療慣行、金融リテラシーのような実践的なトピックについて議論することを想像してみてください。AIツールは、単にコンテンツを提供するのではなく、グループの対話と集団的問題解決を奨励し、コミュニティの絆を強化し、教育が地元の伝統と集団的意思決定の枠組みに深く根ざしていることを保証します。このようなプログラムは、すぐに展開できるものですが、資金が不足しています。リスクのナビゲーションと倫理的実装AIの開発途上国の前向きな自己変革を促進する可能性は明らかで非常に興奮するものですが、リスクにも対処する必要があります。AIの容易さと即時性は、学生の基礎的なスキルや動機を低下させる可能性があります。AIを責任を持って導入するには、人間の教育者や従来の学習の基盤を強化することが必要です。AIは、個別化された学習を促進し、知的好奇心を刺激するサポートインフラストラクチャとして位置付けられる必要があり、批判的思考や動機を損なう答えの生成者としてではなく、必要です。これらの方向に進むにつれて、人間とAIの整合性に注意を払うことが非常に重要です。実用的理由からです。地元の人口のニーズや価値観に整合性がなければ、AIは最も必要としている人々に必要なサービスを提供しません。ただし、整合性は、人間の学習者との真正な関わりからの豊かで意味のあるコラボレーションから生じるべきであると強く感じています。特定の文化やエリートによる境界から抽出された狭い、事前に定義された価値観に基づく厳格なガイドレールではなく、AIが人間の学習者と深く関わる経験から、真正な関わりが生じます。これが、人間と人工の知能システムの両方を前向きに形作り、相互の成長を促進する方法です。分散型、民主的なAIによる世界的教育私たちはすでに、グローバルAIテクノロジー界の現在の状況が、2つの主要国からの大手企業によって支配されていることをほのめかしています。この支配は、現在のAI言語技術がほとんどのアフリカの言語を無視している、またアフリカ、中央アジア、その他の地域の農村の貧困層よりも、豊かな都市の開発途上国プロフェッショナルにとってより有用な理由です。私たちは、ビッグテック企業が行っている驚くべき仕事を尊重していますが、分散型、民主的なAI開発が、世界的な教育の公平性のために大きな利点を持っていることを強く信じています。これが、分散型AIアーキテクチャを可能にし、幅広い参加と民主的なガバナンスを可能にするプラットフォームであるSingularityNETに多くのエネルギーを注いでいる理由です。こうしたフレームワークは、AI開発が、狭い企業や政府の利益ではなく、多様なグローバルなニーズを反映する可能性が高くなります。私たちは、AIを使用した教育の公平性への道が、直線的ではないことを学んできました。意図的、文化的に敏感、倫理的に先見の明がある、参加型のガバナンスが必要です。しかし、教育の障壁を排除し、文化的関連性を高め、世界中のコミュニティをエンパワーメントするという潜在的な報酬は、価値があるものであり、必要なものです。慎重な管理を通じて、進歩するAIを活用して、教育の平等を実現し、人間性を普遍的に高めることができます。これらは、抽象的な、高飛車な言葉のように聞こえるかもしれません。しかし、子供がDigiTruckが村を訪れたときに、初めてのAIコードの行を書く姿を見たとき、その具体的な意味は明らかです。
最近、DeepSeekという先進的な大規模言語モデル（LLM）に関する話題が興味深いものである。DeepSeekは、AIの分野で大きな期待を集めている。ただし、DeepSeekのリリースに対する一部の反応は、影響の大きさを誤解しているように見える。DeepSeekは、LLM開発の予想されるトラジェクトリーにおける大きな前進を表しているが、人工一般知能（AGI）への革命的なシフトを示唆するものではなく、AIイノベーションの重心の突然の変化を示すものでもない。むしろ、DeepSeekの成果は、すでに示された道筋上での自然な進歩である。破壊的なパラダイムシフトではなく、技術の変化の加速するペースを強く思い起こさせるものである。DeepSeekの効率性の向上：予想されるトラジェクトリー上での大きな前進DeepSeekに関する話題の中心は、その印象的な効率性の向上にある。DeepSeekの革新は、主にLLMを高速化し、低コスト化することに焦点を当てている。これは、AIモデルの経済性とアクセシビリティに大きな影響を及ぼす。ただし、話題の中心にあるこれらの進歩は、根本的に新しいものではなく、既存のアプローチの改良である。1990年代には、高性能のコンピュータグラフィックスのレンダリングにはスーパーコンピュータが必要だった。今日、スマートフォンは同じタスクを実行できる。同様に、顔認識技術は、もともとニッチな、高コストな技術だったが、今日ではスマートフォンで一般的な、オフザシェルフの機能になった。DeepSeekは、この技術のパターンの中に位置付けられる：既存の機能の最適化であり、効率性の向上をもたらすが、新しい、画期的なアプローチではない。技術の成長の原理に慣れ親しんだ人々にとって、この急速な進歩は予想通りである。テクノロジカル・シンギュラリティの理論は、AIを含む重要な分野での進歩が加速することを示唆しており、シンギュラリティの到達に向けてブレークスルーがより頻繁に起こることを示唆している。DeepSeekは、この進行中のトレンドの中でのただひとつの瞬間であり、その役割は、既存のAI技術をよりアクセスしやすく、効率的にすることにあるのであって、新しい能力への飛躍的な進歩を表すものではない。DeepSeekの革新：アーキテクチャの微調整、AGIへの飛躍ではないDeepSeekの主な貢献は、特にそのMixture of Experts（MoE）アーキテクチャを通じて、LLMの効率性を最適化することにある。MoEは、AI研究で長年にわたって利用されてきた、確立されたアンサンブル学習技術である。DeepSeekが特にうまく行っていることは、この技術を改良し、他の効率性の高い措置を組み込んで、計算コストを最小限に抑え、LLMをより安価にすることである。 パラメータ効率：DeepSeekのMoE設計は、任意の時点で671億のパラメータのうち37億しかアクティブにしていないため、計算要件を従来のLLMの1/18に削減する。 推論のための強化学習：DeepSeekのR1モデルは、言語モデルの重要な側面である推論のための強化学習を使用する。 マルチトークン訓練：DeepSeek-V3の複数のテキストを同時に予測する能力は、訓練の効率性を高める。 これらの改善により、DeepSeekモデルは、OpenAIやAnthropicなどの競合他社と比較して、訓練と実行のコストを大幅に削減する。LLMのアクセシビリティの向上という点では、これは大きな前進であるが、AGIへの概念的なブレークスルーではなく、むしろエンジニアリングの改良である。オープンソースAIの影響DeepSeekの最も注目すべき決定のひとつは、そのモデルをオープンソースにすることだった。OpenAI、Anthropic、Googleなどの企業が採用している、プロプライエタリな、ガーデンの壁のアプローチから明確に逸脱したものである。このオープンソースアプローチは、MetaのYann LeCunのようなAI研究者によって推進されており、より分散化されたAIエコシステムを生み出し、集団的な開発を通じてイノベーションが繁栄することを可能にする。DeepSeekのオープンソース決定の背後にある経済的な理由も明らかである。オープンソースAIは、哲学的な立場だけでなく、ビジネス戦略である。技術を幅広い研究者や開発者に公開することで、DeepSeekは、サービス、エンタープライズ統合、スケーラブルなホスティングから利益を得ることができる。競合するツールへのアクセスを世界のAIコミュニティに提供し、大規模な西側のテクノロジー企業によるこの分野の支配を弱める。AI競争における中国の成長する役割多くの人にとって、DeepSeekのブレークスルーが中国から来たことは驚くことではない。ただし、この開発は、驚きや地政学的な競争の一部として見るべきではない。中国のAI風景を数年間観察してきたが、中国はAI研究に大きな投資を行っており、才能と専門知識のプールが増加していることが明らかである。この開発を、西側の優位性への挑戦として見るのではなく、AI研究の世界的な性質の兆候として見るべきである。オープンなコラボレーション、国家間の競争ではなく、AGIの責任ある、倫理的な開発への最も約束のある道である。分散化された、世界的に分散された努力は、単一の国家や企業の利益を служするのではなく、全人類に利益をもたらすAGIを生み出す可能性が高い。DeepSeekのより広い意味：LLMを超えてDeepSeekの周りの話題の多くは、LLMの効率性に関するものであるが、より広い意味でこの開発の影響を考えることが重要である。トランスフォーマーをベースとしたモデルのように、LLMは、AGIを達成するにはまだ遠い。根底にある抽象化や自己指向的な推論などの、一般知能に必要な質を欠いている。LLMは、幅広い経済的タスクを自動化し、さまざまな業界に統合できるが、AGI開発の核心を表すものではない。AGIが次の10年以内に現れる場合、トランスフォーマー・アーキテクチャのみに基づいている可能性は低い。代替モデルのようなOpenCog Hyperonやニューロモルフィック・コンピューティングは、真の一般知能を達成する上でより基本的な役割を果たす可能性がある。LLMのコモディティ化はAI投資を変えるDeepSeekの効率性の向上は、LLMのコモディティ化のトレンドを加速する。LLMのコストが低下し続けるにつれて、投資家は従来のLLMアーキテクチャの次の大きなブレークスルーを探すようになるかもしれない。トランスフォーマーを超えたAGIアーキテクチャや、ニューロモルフィックチップなどの代替AIハードウェアへの投資が見られるかもしれない。分散化がAIの未来を形作るDeepSeekの効率性の向上は、AIモデルの展開を容易にするだけでなく、AIアーキテクチャの分散化のより広いトレンドにも貢献している。プライバシー、相互運用性、ユーザーのコントロールに焦点を当てた分散化されたAIは、大規模な中央集権的なテクノロジー企業への依存を減らし、AIが世界的な人口のニーズを満たすようにするために重要である。DeepSeekのAIカンブリアン・エクスプロージョンにおける位置結論として、DeepSeekはLLMの効率性の向上における大きな里程標であるが、AIの風景における革命的なシフトではない。むしろ、すでに確立されたトラジェクトリー上での進歩を加速する。DeepSeekのより広い影響は、以下の点で感じられる。 既存の企業への圧力：DeepSeekは、OpenAIやAnthropicなどの企業に、ビジネスモデルを再考し、新しい競争戦略を見つけるよう促す。 AIのアクセシビリティ：高品質のモデルをより安価にすることで、DeepSeekは、最先端の技術へのアクセスを民主化する。 世界的な競争：中国のAI開発における増大する役割は、イノベーションの世界的な性質を示すものであり、西側に限定されていない。 指数的な進歩：DeepSeekは、AIの進歩が急速に進むことを示す明確な例である。 最も重要な点は、AIは急速に進化しているが、真のAGIは、今日のモデルを最適化するのではなく、新しい基礎的なアプローチを通じて現れる可能性が高い。シンギュラリティに向かって急ぐ中で、AIの開発が分散化された、オープンで、コラボレーションされたものであることを保証することが重要である。DeepSeekはAGIではないが、変革的なAIへの継続的な旅における大きな一歩を表す。DeepSeekは、AIの分野における大きな前進を表すが、AGIへの革命的なシフトを示すものではない。むしろ、既存のアプローチの改良であり、AIの分野における急速な進歩を示すものである。
