2025-08-14 AI for Good Global Summit 2025: AIと環境の岐路 - 持続可能な未来への選択

※本記事は、AI for Good Global Summit 2025において開催されたワークショップ「Navigating the Impact of AI, Environment and Energy for a Sustainable Future」の動画内容を基に作成されています。動画の詳細情報は https://www.youtube.com/watch?v=OtTgPf1qP-8 でご覧いただけます。

本ワークショップの登壇者は以下の通りです：

Professor Gitta Kutyniok（ギタ・クティニョク教授） Ludwig-Maximilians Universität München（ルートヴィヒ・マクシミリアン大学ミュンヘン）のBavarian AI Chair for Mathematical Foundations of Artificial Intelligence（人工知能の数学的基礎に関するバイエルンAI講座）担当。本ワークショップのキュレーターを務め、科学的視点からの発表を担当。

Qi Shuguang（斉淑光）氏 China Academy of Information and Communications Technology (CAICT)（中国信息通信研究院）のChina Telecommunication Technology Labs (systems)（中国電信技術実験室システム部門）Vice Deputy Engineer（副主任技師）。産業界と政策の視点からの発表を担当。

本記事では、ワークショップの内容を詳細に記述しております。なお、本記事の内容は原著作者の見解を正確に反映するよう努めていますが、文字起こしからの要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご覧いただくことをお勧めいたします。

AI for Goodは、革新的なAI応用の特定、スキルと標準の構築、そしてグローバルな課題を解決するためのパートナーシップの推進を行っています。AI for GoodはITUが50以上の国連パートナーと協力して組織し、スイス政府と共同開催しています。AI for Good Global Summit 2026の登録は https://aiforgood.itu.int/summit26/ から可能です。

1. AIのエネルギー危機と環境への多面的影響

1.1 深刻化するエネルギー消費問題と世界エネルギー生産量との関係

Professor Gita： 皆さん、こんにちは。これだけ多くの方々にお集まりいただき、大変光栄です。さて、ここに「AIとエネルギー」という言葉が表示されています。この言葉を見て、皆さんが最初に思い浮かべるのは何でしょうか。私は、ほとんどの人が今日のAIシステムの膨大なエネルギー消費をまず考えると強く信じています。実際、AIには深刻なエネルギー問題があります。

この問題は基本的に毎週ニュースで目にします。例えば、Forbesの記事では「AIは世界をエネルギー危機に向かって押し進めている」と報じられています。では、この状況がどれほど深刻なのか、具体的にお見せしましょう。

ここに、半導体研究協会がバイデン政権のために作成したデカダルプランからの図を持ってきました。この図では、時間の経過とともに世界のエネルギー生産量が白色で示されています。そして今、私がお見せしたいのは、通信に必要なエネルギーの曲線です。これはAIエージェント間の通信、そしてAIシステム内での通信に必要なエネルギーです。その曲線はこのようになっています。

皆さんのほとんどが、この状況の深刻さを理解されていると思います。なぜなら、私たちは世界のエネルギー生産量を超えるエネルギーを使用することは確実にできないからです。もし限界があるとすれば、それがまさにこの線なのです。

もし私たちがもう少し賢く、例えばCPUの代わりにGPUを使用すれば、この曲線を下げることはできます。しかし、常に覚えておいてください。これは通信に必要なエネルギーだけであり、世界中で必要とするエネルギーのほんの一部に過ぎません。それだけで既に世界のエネルギー生産量に向かって進んでいるのです。したがって、AIには深刻なエネルギー問題があると言っても過言ではないと思います。

1.2 環境への複合的影響：炭素排出、PM2.5、水資源、生物多様性、電子廃棄物

Professor Gita： しかし、AIにはエネルギー問題だけがあるわけではありません。実際、AIは私たちの環境のさまざまな側面に影響を及ぼしています。

ここにいくつかの具体例を挙げましょう。例えば、これらの大規模なハイパースケールセンターは大量の炭素を生成します。炭素排出が一つの問題であり、それと密接に関連してPM2.5の排出もあります。PM2.5とは何でしょうか。これらは大気中の小さな粒子で、大気汚染を引き起こします。私たちは皆、これが深刻な健康問題を引き起こす可能性があることを知っています。

さらに、これらのサーバーは非常に高温になります。通常、水によって冷却されています。その水は加熱されます。そのため、まず第一に大量の水が必要となります。しかし第二に、その水は環境中に放出され、生物多様性の損失の一因にもなり得ます。

加えて、データセンターは常に交換する必要があり、改善する必要があります。これは大量の電子廃棄物につながります。同時に、確実に資源の枯渇も引き起こしています。

このような意味で、私たちは今、岐路に立っています。私たちは、これまで長年続けてきた道を進み続けることができます。つまり、類似の技術でより大規模なAIデータセンターを構築し続けることです。あるいは、破壊的に新しいアプローチを取り、新しいAIハードウェアとソフトウェアの組み合わせ、AIシステムを開発・導入し、ギアチェンジをして、より持続可能なAIの未来への道を歩むこともできます。選択は私たち次第なのです。

2. 持続可能なAIへの岐路とワークショップの目的

2.1 現状維持か革新的アプローチかの選択

Professor Gita： そして、これが昨日のワークショップで私たちが議論した二つの主要トピックのうちの一つでした。私はこのワークショップのキュレーターを務める光栄と喜びを得ました。このワークショップは「持続可能な未来のためのAI、環境、エネルギーの影響をナビゲートする」というテーマで開催されました。

私の同僚であるQui Shiwangと私は、このワークショップの結果と議論を皆さんに発表いたします。私たちは非常にハイプロファイルな講演者、パネリスト、モデレーターを迎えました。彼らは科学界から、つまり研究者たちもいましたし、産業界の代表者たち、そして政治からの多くの政策立案者たちもいました。

私自身は科学的側面を発表し、Xiang氏は産業界と政治の視点、展望を発表いたします。

2.2 科学・産業・政策からの多角的検討

Professor Gita： それでは、科学的な視点から環境面について議論することから始めましょう。私たちは、環境への甚大な影響を厳密に科学的に示すことができるという複数の講演を聞きました。例えば、膨大な量のエネルギー消費、CO2排出、そしてハイパースケールデータセンター周辺の炭素強度についてです。同時に、これらのハイパースケールデータセンターの近辺において、既にPM2.5の量が増加しているという報告もありました。これは既に深刻な健康問題を引き起こしており、確実に膨大な経済的コストも伴っています。

同時に、私たちは皆、AIが最近どれほど急速に加速しているかを知っています。現在、私たちは生成AIを持ち、クラウドコンピューティングを使用しています。そのため、議論されたことは、このため環境への影響も確実に指数関数的に増加しているということです。

クラウドコンピューティングについて話すとき、それは何か素敵なもののように聞こえます。クラウドの中で何かが起こっていて、私たちはあまり関係がないように思えます。しかし、クラウドコンピューティングは、地上にある、あるいは別の国にあるかもしれない大規模なデータセンターを意味するに過ぎません。これは私たちが心配する必要がないというものではありません。

科学的側面から議論されたもう一つの重要な点は、新しい評価指標が大いに必要とされているということです。特に、AIが環境に与える影響について、さまざまな方法で世界的に公正な評価が必要です。科学はこれを行う良い方法でもあります。なぜなら、科学はその意味で独立しており、公正な評価、公正かつ厳密な評価を可能にするからです。

それでは、産業界側に話を移しましょう。同僚のXiang氏にお願いします。

Mrs. Xiang： Professor Gitaに感謝いたします。Professor Gitaほど速く話すことができず申し訳ありませんが、魅力的になるよう最善を尽くします。また、この招待と、私たちがアイデアを交換するためのこの素晴らしいプラットフォームを提供してくださった優れた運営に大変感謝しています。

本日の私のトピックに戻りますが、私は産業的観点からAIの環境影響についてお話しします。まず第一に、私たちの産業パートナーは皆、データセンターにおけるエネルギー消費や水消費について既に認識していると思います。この点については確信しています。しかし、これにどう取り組むか、次のステップをどうするかについてです。

最初の重要なことはコストです。なぜなら、省エネ技術を使用しなければなりません。エネルギー効率の良い製品、あるいは部門などを使用する必要があります。そのためには、資金などからのサポートが必要です。したがって、産業界もこれらの課題に直面しているのは困難なことなのです。

次に、Professor Gitaが科学的側面から既に言及したことですが、AIモジュールやAIサービスがどのように温室効果ガスを排出するか、あるいは環境に影響を与えるかを評価するための評価指標を持つ必要があります。しかし実際には、例えばITUには既にいくつかの勧告があります。しかし、これを産業界でどう適用するか、この評価指標が十分に機能するかをどうテストするか、そして修正作業やアップデートが必要かどうか、これが別の課題です。

三つ目は、AIについて誰もが知っていることですが、エネルギー消費は通常非常に速く進んでいます。しかし、これに加えて、もちろん私たちは同意しますが、水消費、材料使用などの問題にも注意を払う必要があります。したがって、環境影響は、エネルギー消費だけよりも広い用語、より広い範囲です。もちろん、生物多様性なども含まれます。

そして今、ソフトウェア側で非常に重要なことがあります。私たちは皆知っています。今、サーバーは多くを消費しています。しかし、AIモジュールのために、まず機能を実現する必要があります。そのため、誰もが目標に到達する方法、これらのモデルをどう使用するか、どう開発するかに取り組んでいます。しかし、この段階では、ソフトウェアのエネルギー効率、どうすればより効率的にできるかについて気にかける人はそれほど多くないかもしれません。これがAI環境において直面している課題です。

それでは、いくつかの解決策を提示したいと思います。科学的側面から始めましょう。

3. 科学的視点から見た環境影響の実態

3.1 エネルギー消費、CO2排出、健康被害の定量的評価

Professor Gita： ありがとうございます。それでは、少し前向きな側面にも触れていきましょう。私たちは今、AIが環境に与える影響について聞きました。何が起こり得るのか、あるいは最近何が起こっているのかについてです。しかし同時に、大きな希望もあります。科学的側面から、これらの課題に取り組むためにどのような講演を聞いたかを報告させてください。

一つの主要な側面は、確実にソフトウェアを改善できるということでした。私たちには大規模な基盤モデルがあり、それらを圧縮する方法が今ではあります。そうすることで、学習と推論がそれほど多くのエネルギーを使用せず、それほど多くのコストを使用しないようにできます。

また、他の方法もあります。例えば、大規模モデルがある場合、それを再利用して、異なる目的、異なるタスクに使用することができます。また、量子化やその他の多くの洗練された技術を使用して、消費、エネルギー消費、要件、ソフトウェアの効率を削減することもできます。

しかし、基礎的な視点から明らかになったのは、私たちが最近使用しているハードウェア、特にデジタルハードウェアにも深刻な問題があるということです。皆さんの目の前にラップトップがある方は、デジタルハードウェアを使用しています。そしてそれは多くのエネルギーを必要とします。なぜなら、一方で人間の脳はアナログマシンであり、人間の脳はわずか20ワットしか使用しないからです。

したがって、現在、この方向に進む技術やハードウェアがあります。例えば、ニューロモーフィックコンピューティングは、はるかに少ないエネルギーを使用します。そのような意味で、現在行う必要があるのは、そして合意もあったのは、ソフトウェアを改善するだけでなく、このハードウェアとソフトウェアの組み合わせを一緒に破壊的に再考することです。そうすることで、より持続可能な未来に到達できます。そして、著しく少ないエネルギーを必要とするAIシステムを作成できるのです。

3.2 生成AIとクラウドコンピューティングによる指数関数的増加

Professor Gita： 議論されたもう一つの重要な点は、基礎的な、科学的な視点から、本当に問題の深部に到達できるということです。これらの問題がなぜ引き起こされるのかを理解できます。例えば、ここではハードウェアに関してです。そして、非常に体系的な方法で、また持続可能な方法で解決策を導き出すことができます。その解決策は将来にも引き継がれていくものです。

また議論されたのは、将来のAI技術にとって重要なのは、エネルギー効率を核心的価値の一つとして推進することだということです。これにより、人々が現在のコンピューティングの方法を再考し、より効率的に、よりエネルギー効率的に、より環境に優しくするにはどうすればよいかという観点も考慮するような方法で再考することにつながる可能性があります。これは科学的視点からも、産業的視点からも言えることです。

それでは、再び同僚にバトンを渡したいと思います。

3.3 公正な評価指標の必要性と科学の役割

Professor Gita： 科学的側面からもう一つ強調しておきたい重要な点があります。それは、新しい評価指標、特に世界的に公正な評価の必要性についてです。AIが環境に与える影響を、さまざまな方法で評価するための指標が大いに必要とされています。

科学はこれを実現する優れた手段でもあります。なぜなら、科学はその意味において独立しているからです。科学は公正な評価、公正かつ厳密な評価を可能にします。研究や科学を通じて、私たちは最新のAI技術を提供できるだけでなく、リスクを非常に信頼性高く予測することもできます。例えば、データギャップがある場合、この手法は使用できない、この方向から進み、その観点からアプローチする必要がある、といったことです。

科学的アプローチにより、方法論を提供するだけでなく、起こり得る問題を事前に特定し、適切な解決の道筋を示すことができるのです。これが、環境への影響を評価し、持続可能な解決策を導き出すための科学の重要な役割です。

4. 産業界が直面する課題と認識

4.1 エネルギー・水消費への認識とコスト問題

Mrs. Xiang： ありがとうございます。それでは、産業的観点からAIの環境影響についてお話しします。

まず第一に、私たちの産業パートナーは皆、データセンターにおけるエネルギー消費や水消費について既に認識していると思います。この点については確信しています。しかし、これにどう取り組むか、次のステップをどうするかが問題です。

最初の重要なことはコストです。なぜなら、省エネ技術を使用しなければならないからです。エネルギー効率の良い製品、あるいはエネルギー効率の良い部門などを使用する必要があります。そのためには、資金などからのサポートが必要になります。したがって、産業界もこれらの課題に挑戦的に直面しているのです。

問題を認識していることと、実際にそれに対処することの間には大きなギャップがあります。省エネ技術や効率的な製品への投資には相当な初期コストがかかり、これが産業界にとって大きな障壁となっています。資金調達のサポートがなければ、多くの企業がこれらの技術を導入することは困難です。このコスト面での課題が、持続可能なAIへの移行を遅らせる主要な要因の一つとなっているのです。

4.2 評価指標の実用化と環境影響の広範な定義

Mrs. Xiang： 次に、Professor Gitaが科学的側面から既に言及したことですが、私たちはいくつかの評価指標を持つ必要があります。AIモジュールやAIサービスがどのように温室効果ガス排出を行うか、あるいは環境に影響を与えるかを評価するための指標です。

しかし実際には、例えばITU（国際電気通信連合）には既にいくつかの勧告があります。問題は、これを産業界側でどう適用するか、この評価指標が十分に機能するかをどうテストするか、そして修正作業やアップデートが必要かどうかということです。これが別の重要な課題となっています。

標準や勧告が存在していても、それを実際の産業現場で実装し、検証することは全く別の問題です。評価指標が実際に機能するかどうかをテストし、必要に応じて改良していく作業が求められています。

三つ目の点として、AIについて誰もが「エネルギー消費は通常非常に速く進んでいる」と言っています。しかし、それに加えて、もちろん私たちも同意しますが、水消費、材料使用などの問題にも注意を払う必要があります。おそらく生物多様性なども含めて、環境影響はエネルギー消費だけよりもはるかに広い用語、より広い範囲を持っています。

産業界では、環境影響をエネルギー消費という単一の指標だけで測定するのではなく、水資源、材料の使用、生物多様性への影響など、より包括的な視点から評価する必要性が認識されています。これは評価の複雑さを増しますが、真の持続可能性を達成するためには不可欠なアプローチです。

4.3 ソフトウェアのエネルギー効率に対する関心不足

Mrs. Xiang： そして今、ソフトウェア側で非常に重要な点があります。私たちは皆知っています。現在、サーバーは多くのエネルギーを消費しています。しかし、AIモジュールのために、まず機能を実現する必要があるのです。そのため、誰もがどうやって目標に到達するか、これらのモデルをどう使用するか、どう開発するかということに取り組んでいます。

しかし、この段階では、ソフトウェアのエネルギー効率について、どうすればより効率的にできるかについて気にかける人はそれほど多くないかもしれません。これが私たちがAI環境において直面している課題なのです。

産業界では、AI機能の実現が最優先課題となっており、開発者たちはモデルの性能や精度を達成することに集中しています。しかし、そのソフトウェアがどれだけエネルギー効率的であるか、実行時にどれだけの電力を消費するかという観点は、まだ十分に重視されていません。機能実現への圧力が強いため、エネルギー効率は後回しにされがちです。この認識のギャップが、持続可能なAI開発における大きな障害となっています。ソフトウェア設計の段階からエネルギー効率を考慮する文化を醸成することが、今後の重要な課題です。

5. 解決策：ソフトウェアとハードウェアの統合的革新

5.1 基盤モデルの圧縮、再利用、量子化技術

Professor Gita： それでは、少し前向きな側面にも触れていきましょう。私たちはこれまで、AIが環境に与える影響について聞いてきました。何が起こり得るのか、あるいは最近何が起こっているのかについてです。しかし同時に、大きな希望もあります。科学的側面から、これらの課題に取り組むためにどのような講演を聞いたかを報告させてください。

一つの主要な側面は、確実にソフトウェアを改善できるということです。私たちには大規模な基盤モデルがあり、それらを圧縮する方法が今ではあります。そうすることで、学習と推論がそれほど多くのエネルギーを使用せず、それほど多くのコストもかからないようにできます。

また、他の方法もあります。例えば、大規模モデルがある場合、それを再利用して、異なる目的、異なるタスクに使用することができます。一つのモデルを訓練したら、それを複数の用途に展開できるのです。

さらに、量子化や、その他の多くの洗練された技術を実行することもできます。これらの技術により、消費量、エネルギー消費、要件、そしてソフトウェアの効率を削減することができます。ワークショップでは、これらの具体的な技術的アプローチが、実際にエネルギー消費を大幅に削減できる可能性があることが示されました。ソフトウェアレベルでの最適化は、即座に実装可能で効果的な解決策として認識されています。

5.2 デジタルハードウェアの根本的問題とニューロモーフィックコンピューティング

Professor Gita： しかし、基礎的な視点から明らかになった非常に重要なことがあります。それは、私たちが最近使用しているハードウェア、特にデジタルハードウェアにも深刻な問題があるということです。

皆さんの目の前にラップトップがある方は、デジタルハードウェアを使用しています。そしてそれは多くのエネルギーを必要とします。なぜなら、一方で人間の脳はアナログマシンであり、人間の脳はわずか20ワットしか使用しないからです。この対比は非常に重要です。

したがって、現在、この方向に進む技術やハードウェアがあります。例えば、ニューロモーフィックコンピューティングです。これは、はるかに少ないエネルギーを使用します。ニューロモーフィックコンピューティングは、人間の脳の動作原理を模倣したアナログ的なアプローチを採用しており、従来のデジタルハードウェアと比較して劇的にエネルギー効率が高いのです。

そのような意味で、現在行う必要があるのは、そしてワークショップでも合意があったのは、ソフトウェアを改善するだけでなく、このハードウェアとソフトウェアの組み合わせを一緒に破壊的に再考することです。そうすることで、より持続可能な未来に到達できます。そして、著しく少ないエネルギーを必要とするAIシステムを作成できるのです。

5.3 エネルギー効率を核心価値とする新しいコンピューティングパラダイム

Professor Gita： このことはまた、基礎的な、科学的な視点から、本当に問題の深部に到達できることを示しています。これらの問題がなぜ引き起こされるのかを理解できます。例えば、ここではハードウェアに関してです。そして、非常に体系的な方法で、また持続可能な方法で解決策を導き出すことができます。その解決策は将来にも引き継がれていくものです。

また議論されたのは、将来のAI技術にとって重要なことは、エネルギー効率を核心的価値の一つとして推進することだということです。これにより、人々が現在のコンピューティングの方法を再考することにつながる可能性があります。そして、どうすればより効率的に、よりエネルギー効率的に、より環境に優しくできるかという観点も考慮するような方法で再考できるのです。

これは科学的視点からも、産業的視点からも言えることです。エネルギー効率を単なる付加的な要素としてではなく、設計の中心に据えることで、コンピューティングのパラダイム全体を変革する必要があります。つまり、性能やスピードだけでなく、エネルギー効率も主要な評価基準として、開発の初期段階から組み込むべきだということです。このような価値観の転換により、研究者や開発者は、効率性を犠牲にすることなく、環境への影響を最小限に抑えるような技術選択を行うようになります。これが持続可能なAI未来への真の道筋なのです。

6. 産業界における排出削減の実践的アプローチ

6.1 グリーンエネルギー供給と省エネ技術・効率的製品の導入

Mrs. Xiang： ありがとうございます。実際、産業界側からは、Professor Gitaが今お話しになったような最先端技術については話しません。アナログやデジタル技術、脳についても話しません。産業的観点から、排出がどこから来るのか考えてみましょう。どこだと思いますか。皆さんご存知かもしれませんが、それはエネルギーからです。

まず第一は、供給側、つまりエネルギー供給からです。AI向けのグリーンエネルギー供給を行うことができます。これはグリーンAIのためのものであり、非常に簡単に実行できますが、コストが大きくかかります。これが最初の方法です。私たちはこの方法だけを推奨しているわけではありませんが、これは一つの可能な方法です。

もう一つは、これが供給側だとすると、次に機器やAIが稼働しているとき、プロセスの中で温室効果ガス排出を生成しています。そこで、省エネ技術を適用できます。サーバーや支援インフラなど、どこにでも適用できます。また、非常に効率的な製品を持つこともできます。これはAI自体によって決定されるわけではありませんが、非常に重要な点です。

例えば、AIモジュールが10年間稼働している場合、温室効果ガス排出はどれだけになるかということを決定できます。製品の効率性は、長期的な環境影響を大きく左右します。効率的な製品設計により、運用段階での排出を大幅に削減することが可能なのです。

6.2 循環型システムと排出管理の標準化

Mrs. Xiang： それから、循環性もあります。エネルギーの循環性、材料のセンターでの循環性です。これらは通常、AIのプロセスにおける温室効果ガス排出を削減するのに役立ちます。

最後に、供給側で削減したい、プロセスの中でも削減したいと考えますが、それでも温室効果ガス排出は依然として存在します。では、どうすればよいのでしょうか。その場合、非常に正確な方法でそれらを管理する必要があります。

そこで、標準があり、ソリューショナルな温室効果ガス排出管理があります。どこが最も重要な部分で対処すべきか、どこで温室効果ガス排出を削減しなければならないかを特定する必要があります。

これが、AI環境影響を削減するための産業界における三つのロジックです。まず供給側での削減、次にプロセスにおける削減、そして最後に残った排出を正確に管理するという段階的なアプローチです。標準化された排出管理システムを通じて、最も影響の大きい部分を特定し、そこに資源を集中的に投入することで、効果的な削減を実現できます。このような体系的なアプローチが、産業界が実際に実装できる現実的な解決策となっています。

それでは、別のチャンネル、AI の積極的な影響について話を転換したいと思います。科学的側面から始めてください。

7. AIによる環境問題解決への積極的貢献

7.1 気候変動対策、電力網最適化、農業、廃棄物管理への応用

Professor Gita： ありがとうございます。そうですね。私たちはこれまでAIが環境に与える影響について議論してきました。しかし、AIは環境にとって大きな可能性も秘めています。ここに世界経済フォーラムからの声明を持ってきました。「AIが気候変動への取り組みを支援する9つの方法」です。例えば、異なる地域で気候がどのように変化しているかを監視することができます。また、それがどのように進化するかを予測し、どのように最適にこれに取り組み、最適化できるかについて提案することもできます。

そして確実に、気候変動はAIが大きく積極的な影響を与えることができる唯一の方法ではありません。他にも多くの可能性があります。すべての都市、すべての国には電力網があります。AIを使用してそれを最適化できます。例えば、農業も最適化できます。いつ収穫すればよいか、天気はどう予測されるか、といったことです。

また、エンボディードロボティクスを使用した廃棄物管理も改善できます。これらは具体的な応用例として、AIが実際の環境問題に対してどのように貢献できるかを示しています。電力網の最適化では、需要予測や負荷分散を通じてエネルギーの無駄を削減できます。農業分野では、気象データと作物の状態を分析することで、最適な収穫時期を判断し、収穫量を最大化しながら資源の使用を最小化できます。廃棄物管理においては、ロボティクスとAIの組み合わせにより、より効率的な分別とリサイクルが可能になります。

7.2 森林破壊予測と輸送・モビリティ改善

Professor Gita： また、保全と生物多様性は重要なトピックです。例えば、私たちは森林破壊についての非常に興味深い講演を聞きました。AIを使ってそれをどのように予測できるか、そして最も深刻なケースでどこで起こっているかを見ることによって、ある程度それを防ぐこともできるということです。

森林破壊の予測は、衛星画像やセンサーデータをAIで分析することで実現できます。パターンを認識し、森林破壊が最も進行している地域、あるいは今後進行する可能性が高い地域を特定することができます。そして、その情報を基に、最も緊急性の高い場所に保全の取り組みを集中させることができるのです。これにより、限られた資源をより効果的に配分し、生物多様性の保護を強化できます。

そして、輸送とモビリティも、環境の一つの側面として、AIを使用して大幅に改善できるものです。交通の流れを最適化し、渋滞を削減し、燃料消費を減らすことで、輸送セクターからの排出を大幅に削減できる可能性があります。ルート最適化、交通信号の調整、公共交通システムの効率化など、AIは輸送とモビリティの分野で環境に大きく貢献できるのです。

7.3 グローバル協力と学際的アプローチの重要性

Professor Gita： それでは、科学的観点から、これをどのように議論できるか、どのような講演が行われたかについてお話ししましょう。一つの一般的な合意は、確実にこれらのエコシステムは密接に結びついているということでした。したがって、環境のためにAIを使用したい場合、それはグローバルな取り組み、グローバルな協力でもあるべきです。

環境問題は国境を越えた課題であり、一国だけで解決できるものではありません。気候変動、森林破壊、生物多様性の損失、これらすべては相互に関連しており、国際的な協調なしには効果的に対処できません。AIを環境問題に適用する際も、データの共有、技術の共同開発、ベストプラクティスの交換など、グローバルな協力が不可欠です。

また、最適化がどれだけうまく行われたかを注意深く評価するために、人間中心の評価指標も必要です。研究は、これらの課題に取り組むための最新のAI技術を提供できます。これには高度に学際的なチームが必要です。

環境問題へのAI応用には、AI技術者だけでなく、環境科学者、生態学者、政策立案者、社会科学者など、さまざまな分野の専門家が協力する必要があります。また、研究や科学を通じて、方法論を提供するだけでなく、リスクを非常に信頼性高く予測することもできます。例えば、データギャップがある場合、この手法は使用できない、この方向から進み、その観点からアプローチする必要がある、といったことです。科学的アプローチにより、潜在的な問題を事前に特定し、より効果的で持続可能な解決策を導くことができるのです。

8. 他セクターへのAI活用の実証と効果

8.1 温室効果ガス削減ポテンシャル（15-40%、ITU、GSMA報告）

Mrs. Xiang： ありがとうございます。それでは、AIが他のセクターに対して何ができるかという産業界側に移りましょう。専門家の皆さんは既にご存知かもしれませんが、データセンターだけでなく、他のセクターにおいてもエネルギー消費や水消費を削減することができます。また、材料使用の削減、循環性、生物多様性、温室効果ガス排出なども削減できます。

いくつかの研究成果と使用事例をお持ちして、少し深く理解していただけるようにしたいと思います。まず第一に、ITUを含むいくつかの組織が研究を行っており、ICT（AIを含む）が世界的に温室効果ガス排出の15から40パーセントの削減を可能にすると言っています。

また、GSMAからも異なる視点がありますが、結果は常に同じです。20パーセントの削減です。GSMAでは、ICTが自身の排出の10倍の削減効果をもたらすとしています。つまり、ICT自身の排出は2パーセントですが、他のセクターでの削減効果は20パーセント、つまり10倍になるということです。

これらの数字は、AIとICT技術が他のセクターに適用されたときの削減ポテンシャルがいかに大きいかを示しています。自身が消費するエネルギーをはるかに上回る削減効果を、他の産業部門にもたらすことができるのです。ITUとGSMAという国際的な組織による異なる調査研究が、同様の結論に達していることは、このポテンシャルの信頼性を裏付けています。

8.2 製造業とエネルギーセクターでの具体的活用事例

Mrs. Xiang： 世界中のさまざまな組織や産業からのいくつかの解決策があります。まず第一に、製造業を例に挙げたいと思います。私たちはさまざまなステップでAIを使用できます。

最初のステップは製造デバイスです。AI技術でデバイスを制御することができ、エネルギーを節約できます。次に、製造プロセス、そしてすべての管理作業についても同様です。これらにより、一般的にエネルギーを節約するか、グリーンエネルギーを使用することができます。そして、リサイクルと再利用についてもです。

これは繰り返しますが、ICTやAI自体だけのことではありません。これは通常、別のセクターに適用され、彼らが合法的に排出を削減するのを助けるのです。製造業では、AIがデバイスの動作を最適化し、無駄なエネルギー消費を削減します。製造プロセス全体を監視し、最も効率的な運用方法を提案することで、大幅な省エネが実現できます。さらに、材料のリサイクルと再利用の過程でもAIが活用され、循環型経済への移行を支援します。

もう一つの非常に重要な分野はエネルギーセクターです。彼らもIoTやAI技術を使用しています。センサーでデータを取得し、ネットワークを使用してデータを転送し、AIディープラーニング技術を使用してエネルギーを節約し、グリーンエネルギーへの移行を促進しています。

エネルギーセクターでは、IoTセンサーが電力網全体からリアルタイムデータを収集し、そのデータをAIが分析することで、需要予測の精度を高め、供給を最適化します。これにより、エネルギーの無駄が削減され、再生可能エネルギーの統合もより効果的に行えます。ディープラーニング技術は、複雑なエネルギー消費パターンを理解し、最適な配分戦略を提案することで、グリーンエネルギーへのスムーズな移行を可能にしているのです。

9. 持続可能なAI実現に向けた総合戦略

9.1 技術的ブレークスルー、政策・規制、標準化開発

Mrs. Xiang： 最後に申し上げたいのは、今ではAI自体とAIの環境への貢献は分けて考えるものではないということです。通常、私たちは次のように言います。まず科学的側面から、私たちは既に多くの技術的ブレークスルーを起こしています。また、ここが非常に重要な分野であると特定しており、技術的ブレークスルーを起こさなければなりません。例えば、AIをより持続可能にするためのチップ開発などです。

技術的ブレークスルーは、ハードウェアレベルでの革新を必要としています。チップの設計段階から効率性を考慮し、エネルギー消費を最小限に抑える新しいアーキテクチャの開発が求められています。これは単なる改良ではなく、根本的な技術革新です。

そして、政策と規制は別の非常に重要なトピックです。昨日のワークショップで、いくつかの国は、データ収集において政策が非常に重要であると述べていました。しかし、一部の国は、収集はしたいが、規制がまずデータをどのように安全に保つかなどを管理するものだと言っています。これが私たちが議論している課題です。

まだ非常に明確な方向性は出ていませんが、私たちはデータを収集し、より深い研究を行うことが非常に重要であるというコンセンサスを得ました。政策と規制は、イノベーションを促進する一方で、プライバシーとセキュリティを保護するバランスを取る必要があります。国によってアプローチは異なりますが、データ収集とその活用の重要性については共通の認識が得られています。

それから、標準化開発があります。例えばITUでは、ITU Study Group 5で私たちは多くの標準に取り組んでおり、多くの作業を行っています。この標準を使用して、AIの環境影響を促進する、つまり影響を削減することを促進し、持続可能な開発を推進できます。標準化は、異なる国や組織が共通の枠組みの中で協力し、測定可能で比較可能な方法で進歩を追跡することを可能にします。

9.2 国際協力とインクルーシブな開発の推進

Mrs. Xiang： そして最後のものは、国際協力であるべきです。ここで私たちが行っていることです。私たちは、このAI、グリーンAIの開発をインクルーシブなものにしたいと考えています。誰も取り残さない、誰も置き去りにしないということです。

国際協力は、持続可能なAI実現のための基盤です。環境問題は国境を越えた課題であり、一国だけの取り組みでは十分な効果を得ることができません。すべての国、特に開発途上国も含めて、グリーンAI技術にアクセスでき、その恩恵を受けられるようにすることが重要です。

「誰も取り残さない」という原則は、技術開発において非常に重要です。先進国だけがグリーンAI技術を利用できるのではなく、資源や技術的能力が限られている国々も、持続可能なAI開発に参加し、その利益を享受できるようにする必要があります。これには、技術移転、能力構築、資金支援など、多面的なサポートが含まれます。

インクルーシブな開発を推進することで、グローバルな規模での環境改善が可能になります。また、多様な視点と経験を統合することで、より効果的で適応性の高い解決策を生み出すことができます。国際協力の枠組みの中で、各国が自国の状況に応じた持続可能なAI戦略を実装しながら、共通の目標に向かって進むことが、真の持続可能な未来への道なのです。

9.3 ワークショップから公開された4つの重要レポート

Mrs. Xiang： 最後になりますが、非常に重要なこととして、昨日のワークショップから公開された4つの非常に重要なレポートがあります。時間の制約があるため、一つ一つを読み上げることはしませんが、このQRコードを使用して、これらの非常に重要なレポートを入手し、さらなるステップに進んでください。

これら4つのレポートは、ワークショップでの議論、発見、提言を包括的にまとめたものです。科学的視点、産業界の実践、政策立案の観点から、持続可能なAI実現に向けた具体的な道筋が示されています。レポートには、技術的な詳細、実装事例、評価指標、そして国際協力の枠組みに関する情報が含まれています。

QRコードを通じてこれらのレポートにアクセスすることで、本日の発表では時間の関係で詳しく触れられなかった詳細な分析、データ、具体的な提案を確認することができます。これらのドキュメントは、研究者、産業界の実務者、政策立案者のいずれにとっても、持続可能なAI開発を進める上での貴重な資源となるでしょう。

皆様のご注目に大変感謝いたします。そして、このプラットフォームを提供してくださったITUに感謝いたします。ありがとうございました。

Professor Gita： ありがとうございました。