※本記事は、センター・フォー・データ・イノベーションが2025年3月14日に提出した「人工知能(AI)行動計画の開発に関する情報提供要請」への回答を基に作成されています。原文の詳細情報はレポート内の参照先URLでご覧いただけます。本記事では、レポートの内容を要約・整理しております。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、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、オリジナルのレポートをご参照いただくことをお勧めいたします。原文はセンター・フォー・データ・イノベーション(datainnovation.org)および情報技術イノベーション財団(ITIF)の公式サイトでもご確認いただけます。
1. はじめに
1.1 センター・フォー・データ・イノベーションの紹介
センター・フォー・データ・イノベーション(datainnovation.org)として、データ、テクノロジー、公共政策の交差点を研究する機関であることをご紹介します。私たちのセンターは、公共および民間セクターにおけるデータ駆動型イノベーションの利益を最大化するための実用的な公共政策の策定と推進に取り組んでいます。
また、データに関連する機会と課題、およびオープンデータ、人工知能、モノのインターネットなどの技術トレンドについて、政策立案者や一般市民に教育活動も行っています。センター・フォー・データ・イノベーションは、非営利・超党派のシンクタンクである情報技術イノベーション財団(ITIF)の一部です。
当センターは、AIが社会や経済に与える影響を深く理解し、その可能性を最大化するための政策を設計することに重点を置いています。データの価値を活用することで、より効率的で革新的な社会の実現に貢献することを目指しています。
1.2 提出文書の趣旨
センター・フォー・データ・イノベーションを代表して、ネットワーキング・情報技術研究開発(NITRD)および科学技術政策局(OSTP)による「人工知能(AI)行動計画の開発に関する情報提供要請」に対する回答をご提出できることを嬉しく思います。この要請は2025年2月6日に連邦官報に掲載されたものです。
本文書は公開配布が承認されています。文書には企業独自情報や機密情報は含まれていません。文書の内容は、AI行動計画および関連文書の開発において、出典表示なしに政府によって再利用することができます。この提出書は、アメリカのAIリーダーシップ強化に向けた政権の取り組みを評価し、OSTP(科学技術政策局)の取り組みを強く支持するものです。
AI行動計画において最も重要だと考える7つの政策優先事項と、政権が取るべき具体的な行動について概説しています。これらの提言は、米国のAI競争力を強化し、AIの責任ある開発と展開を確保するための包括的なアプローチを反映しています。
2. エグゼクティブサマリー
2.1 7つの政策優先事項の概要
政権のアメリカAIリーダーシップ強化への取り組みに感謝し、OSTPの努力を強く支持します。本提出書では、AI行動計画において最も重要だと考える7つの政策優先事項と、政権が取るべき具体的な行動について概説します:
- AI採用の加速: 連邦機関に対し、セクター別のAI採用戦略を開発するよう指示し、政府全体でのAI統合を推進するために全国AI推進室(NAIIO)に十分なリソースを提供することを提案します。
- 構造的変革のためのAIの優先: 機関に対し、ヘルスケア、災害対応、サプライチェーンなどの重要システムの近代化にAIを活用するよう指示するとともに、科学的発見の促進も進めることを提案します。
- AI輸出管理の方向転換: 反応的・制限的アプローチから、対敵国への標的を絞った制限を維持しつつも、米国AIの市場リーダーシップを強化する輸出戦略へのシフトを提案します。
- 全国データ財団の創設: 国立科学財団をモデルとしたデータ機関を設立し、AI対応データセットへの資金提供、公共部門データの使いやすさの向上、安全なデータ共有を可能にするプライバシー保護ツールの支援を行うことを提案します。
- AI調達の合理化: OMB(行政管理予算局)に、政府機関全体での採用を加速し、ベンダーのアクセシビリティを向上させるための標準化されたAI契約条件の開発を任せることを提案します。
- 証拠に基づく標準へのAIガバナンスの焦点転換: NISTのAI安全研究所(AISI)に、展開後評価フレームワークの開発、AIインシデントと脆弱性の国家データベースの確立、AIのためのオープンソーステストと評価ツールの指示を出すことを提案します。
- 新興市場における米国リーダーシップの強化: アフリカ諸国とのAI重視の経済パートナーシップを調整し、中国の影響に対抗するためにオープンソースAIを支援することを提案します。
これらの政策優先事項は、米国のAI競争力を維持・強化するための包括的なアプローチを反映しており、政府、産業界、学術界の協力を促進する具体的な行動を含んでいます。
3. AIの採用加速
3.1 英国のAI機会行動計画の教訓
米国のAI行動計画では、米国経済のすべてのセクターにおけるAIの迅速な採用を政策の基盤とすべきです。この点で、英国のAI機会行動計画から教訓を得ることができます。英国が適切に表現しているように、「クロスエコノミーAI採用の推進」に力を入れるべきです。
英国が際立っている理由は、AI採用を自然に展開される受動的なプロセスとして扱っていないからです。代わりに、政府の運営にAIを統合し、業界全体で採用を拡大し、官民のコラボレーションを推進するための意図的で構造化された行動を求めています。同様に、中国もAIの迅速な採用が世界経済の野望の鍵であることを認識し、経済を変革し、成長を促進し、生産性を向上させる手段としてAIを追求しています。
バイデン前大統領の2023年の大統領令は連邦機関にAIの統合を指示しましたが、圧倒的にリスク軽減に焦点を当てており、監視委員会、ガバナンスガイドライン、潜在的な落とし穴に対する防護柵を要求していました。政府は防御だけでなく、もっと多くのことをする必要があります。多くの米国政府関係者は、最近のAI抱負会議で強調されたように、教育、エネルギー、災害対応などの分野でのAIの変革的な可能性を認識しています。欠けているのはビジョンではなく、行動です。
英国はすでに「スキャン→パイロット→スケール」アプローチでモデルを概説しており、高影響の機会を継続的に特定し、政府サービスでAIアプリケーションをテストし、実証済みのソリューションを拡大しています。米国はAI採用を促進するための新しい機関を構築する必要はありません。トランプ大統領の第一期に作られた全国AI推進室(NAIIO)がこの役割を担うのに適した位置にあります。しかし、効果的であるためには、十分なスタッフを配置し、十分なリソースを提供し、政府でのAI採用を加速し、民間部門での展開を促進するための明確な権限を与える必要があります。
米国企業全体でのAI採用の加速は競争上の必要性です。製造業におけるAI駆動の自動化に対する中国の戦略的アプローチは、積極的な政策が達成できることの具体的な証拠を提供しています。「ライツアウト」工場の台頭—完全に自動化され、AI統合された、人間の労働者なしで24時間運営される製造施設—は進行中の変革の規模を示しています。中国の多国籍企業シャオミのライツアウト・スマートフォン工場はすでにこのレベルで運営されています。これらの工場は単に自動化されているだけではありません。AIを使用して障害を予測し、プロセスを洗練し、効率を継続的に改善する自己最適化工場です。
3.2 中国のAI戦略との比較
中国はAIの迅速な採用が世界経済における野望の鍵であることを認識し、経済を変革し、成長を促進し、生産性を向上させる手段としてAIを追求しています。具体的に、中国は「新質生産力」と呼ばれる経済変革の焦点をAIに置いています。これは生産性と効率を向上させるために最先端技術を統合するアプローチです。
中国の戦略的アプローチは製造業におけるAI駆動の自動化という具体的な例に現れています。「ライツアウト」工場の台頭—完全に自動化され、AI統合された製造施設で人間の労働者なしで24時間運営される—は進行中の変革の規模を示しています。例えば、中国の多国籍企業シャオミのライツアウト・スマートフォン工場はすでにこのレベルで運営されています。
これらの工場は単に自動化されているだけではありません。AIを使用して障害を予測し、プロセスを洗練し、効率を継続的に改善する自己最適化システムです。このようなアプローチにより、中国は製造業における大規模なAI統合で米国に対して競争優位を確立しつつあります。
SemiAnalysisのブログによると、これは「新しい労働経済」の一部であり、アメリカはその進化を見逃しているとの指摘があります。この進化においては、ロボティクスとAIの統合が従来の製造パラダイムを変革しています。
米国政府は中国の実践的なAI実装アプローチから学び、積極的かつ構造化されたAI採用戦略を策定する必要があります。産業分野別のAI採用「グランドチャレンジ」の設定や、規制障壁の撤廃など、より積極的な政策アプローチをとることで、米国はこの重要な技術領域での競争力を維持することができます。
3.3 政府におけるAI統合の現状
バイデン前大統領の2023年の大統領令は連邦機関にAIの統合を指示しましたが、圧倒的にリスク軽減に焦点を当てていました。この大統領令は監視委員会、ガバナンスガイドライン、潜在的な落とし穴に対する防護柵を要求することに重点を置いていました。しかし、政府は防御だけでなく、もっと多くのことをする必要があります。
多くの米国政府関係者は、最近のAI抱負会議で強調されたように、教育、エネルギー、災害対応などの分野でのAIの変革的な可能性を認識しています。欠けているのはビジョンではなく、行動です。米国は一貫した採用戦略を持っていません。これに対して、英国はすでに「スキャン→パイロット→スケール」アプローチでモデルを概説しており、高影響の機会を継続的に特定し、政府サービスでAIアプリケーションをテストし、実証済みのソリューションを拡大しています。
幸いなことに、米国はAI採用を促進するための新しい機関を構築する必要はありません。トランプ大統領の第一期に創設された全国AI推進室(NAIIO)がこの役割を担うのに適した位置にあります。しかし、効果的であるためには、NAIIOに十分なスタッフを配置し、十分なリソースを提供し、政府でのAI採用を加速し、民間部門での展開を促進するための明確な権限を与える必要があります。
現状では、米国政府のAI統合は断片的であり、機関ごとに異なるアプローチで進められています。多くの機関がリスク回避的な姿勢を取り、AIの採用に慎重になっています。これは、ヘルスケア、エネルギー、教育など、AIが最も大きな影響を与える可能性のある分野での進歩を遅らせています。
効果的な政府主導のAI戦略がなければ、米国は中国や英国のような国々に遅れをとる危険性があります。これらの国々はすでに明確なビジョンと実行計画を持ってAI採用を推進しています。米国のAI行動計画は、リスク管理だけでなく、積極的なAI採用と統合にも同等の重点を置く必要があります。
3.4 産業部門別AI採用戦略の必要性
政権は連邦機関に対し、業界と協力して産業部門別のAI採用戦略を策定するよう指示すべきです。これらの戦略は明確な政策ガイダンスを提供し、不必要な規制障壁を取り除くものでなければなりません。この取り組みの一環として、各機関はそれぞれの産業部門におけるAIの利用方法について明確なビジョンを確立し、産業を変革するための野心的かつ影響力のある目標である「AIグランドチャレンジ」を設定して、重要な部門での展開を加速させるべきです。
重要な例の一つは産業用ロボティクスです。AIを搭載したシステムは米国の製造効率を高める可能性がありますが、高コストと複雑な統合の課題のために十分に活用されていません。「全国AIロボティクスチャレンジ」を創設すれば、製造業における自動化を促進することができるでしょう。同様に、「スマートインフラAIチャレンジ」はエネルギーや交通分野におけるAI駆動の最適化を支援することができます。
これらの部門別戦略は、単に政府のガイダンスを提供するだけでなく、AIの採用を妨げる規制上の障壁を特定し、取り除くことに焦点を当てるべきです。例えば、医療分野では、AIアプリケーションの承認プロセスを合理化し、データ共有の障壁に対処することで、革新的なAIソリューションの展開を加速させることができます。
さらに、こうした戦略は、各産業部門におけるAIの使用方法について明確なビジョンを確立すべきです。これにより、企業や研究機関は長期的な研究開発投資の焦点を絞ることができます。例えば、エネルギー部門では、グリッド最適化、需要予測、再生可能エネルギー統合に関するAIソリューションの開発に優先的に取り組むことができます。
AIグランドチャレンジは、部門全体の変革を促進するための野心的な目標を設定することで、イノベーションを加速させる効果的な方法です。これらのチャレンジは、業界、学界、政府の協力を促進し、共通の目標に向けて資源と専門知識を結集させることができます。そうすることで、米国は中国のような他の国々と効果的に競争し、重要な産業部門におけるAIの採用と統合のリーダーとしての地位を確立することができるでしょう。
4. 構造的変革のためのAI優先
4.1 科学的発見のためのAIと構造的変革のためのAIの区別
政権はAIを科学的発見のために支援すべきですが、構造的変革のためのAIも優先すべきです。AIによって支えられた科学的ブレークスルー—医学、気候科学、材料科学などの分野における—は進歩に不可欠ですが、これらの発見を適用するシステムへのAI駆動の改善がなければ、最も先進的なイノベーションでさえも、人々に効果的にサービスを提供できない非効率的で時代遅れの構造に閉じ込められてしまうリスクがあります。
以下の例は、科学的発見のためのAIと構造的変革のためのAIの違いを示しています:
- ヘルスケアシステムは、人々をケアするために医薬品や治療法を適用します。
- 災害対応システムは、人々を保護するために気候モデルや気象予測に依存しています。
- 製造システムは、人々に利益をもたらすために材料や産業イノベーションを活用しています。
科学的発見のためのAIは各文の後半部分に関するものです。AIを活用して、これらの領域で可能なことの限界を押し広げ、人々に利益をもたらす可能性のある変革的なブレークスルーを生み出すことです。例えば、AIを使用して新しい医薬品や治療法、より正確な気象モデル、新しい先進材料を創造することなどが該当します。
一方、構造的変革のためのAIは各文の前半部分に関するものです。これらの進歩を適用、依存、活用するシステムを改善するためにAIを活用することです。例えば、AIを使用して希少な病院資源を配分したり、災害対応のロジスティクスを強化したり、産業サプライチェーンを最適化したりすることが該当します。例え新しい医薬品、気候モデル、または材料が開発されなくても、AIはこれらのシステムをより効率的で、復元力があり、人々にサービスを提供する上で効果的にすることで、変革的な影響を生み出すことができます。
多くの場合、これらのシステムを強化することは、新しい科学的ブレークスルーよりも即座に影響を与える可能性があります。科学的発見とシステム改善の両方にAIを活用することで、真に変革的な成果を達成できるのです。
4.2 ヘルスケア、災害対応、製造システムの例
多くの場合、システムの強化は新しい科学的ブレークスルーよりも即時的な影響をもたらす可能性があります。ヘルスケアの分野でのAIの例を考えてみましょう。ウィスコンシン州の91歳のジーン・ロッケンさんは自宅で転倒し、脚と足首を骨折して、リハビリのために介護施設に入所しました。彼の保険会社であるユナイテッドヘルスケア(5,300万人のアメリカ人に保険を提供する会社)はAIモデルを使用して彼の急性期後ケアの保障期間を決定し、支払いを早期に打ち切ったとされています。
ジーン・ロッケンさんのようなケースでAIシステムの問題を無視することは受け入れられませんが、AIを完全に放棄すれば、ヘルスケアを高額で煩わしいものにしている非効率性を固定化するだけです。米国のヘルスケア支出のほぼ3分の1は医療処置ではなく管理コストに費やされています。不作為も拒絶もこれらの非効率性を解決しません。一方は害を永続させ、もう一方は機能不全を固定化します。AI行動計画が体現すべき正しいアプローチは積極的なものです:欠陥のあるAIシステムを修正して、人々が依存する重要なインフラを弱体化させるのではなく、強化するようにすることです。AIを正しく実装することは単に害を防ぐだけでなく、AIが人々にサービスを提供するシステムを積極的に改善することを保証します。
AI行動計画が構造的変革のためのAIを優先すべき理由は、市場だけではこれを実現できないからです。医学、気候科学、材料科学におけるAI駆動のブレークスルーは商業的成功の可能性により投資を引き付ける可能性がありますが、これらの進歩を提供する基盤となるシステムの改善には同じような明確な財政的インセンティブがありません。これらの進歩を提供するシステムは、構造的改善を困難にする複雑な官僚的、規制的、経済的制約の下で運営されています。さらに、これらのシステムを改革するための過去の取り組みは政治的牽引力を得るのに苦労したり、持続的な改善をもたらすことができていません。
構造的変革のためのAIの重要な側面の一つは、重要なシステムにおける意思決定を改善するAI技術の研究開発に資金を提供することです。例えば、ヘルスケア分野では、ケンブリッジの研究者がINVASEと呼ばれる技術を開発しており、これによりユナイテッドヘルスのシステムのようなAIモデルが公正で正確、かつ解釈可能な決定を下すことができます。これはアクター・クリティックシステムを使用しています:一つのニューラルネットワーク(アクター)が年齢、怪我の重症度、医療履歴など、nH Predictの決定に影響を与えた可能性がある最も関連性の高い患者の詳細を選択し、別のネットワーク(クリティック)がこれらの選択がブラックボックスモデルの実際の出力とどの程度一致しているかを評価します。このプロセスにより、モデル自体を開放することなく、nH Predictがどの要因に依存していたか、そしてそれらが適切なものだったかどうかを明らかにすることができます。
AI行動計画は、ヘルスケア管理、災害対応、産業サプライチェーンなどの分野で既存のシステムの運用を改善するAI技術のR&Dを優先すべきです。
4.3 市場だけでは解決できない理由
AI行動計画が構造的変革のためのAIを優先すべき理由は、市場だけではこれを実現できないからです。医学、気候科学、材料科学におけるAI駆動のブレークスルーは商業的成功の可能性により投資を引き付ける可能性がありますが、これらの進歩を提供する基盤となるシステムの改善には同じような明確な財政的インセンティブがありません。
これらの進歩を提供するシステムは、構造的改善を困難にする複雑な官僚的、規制的、経済的制約の下で運営されています。例えば、ヘルスケアシステムでは、保険会社、病院、政府プログラム、規制機関が複雑に絡み合い、単一の民間企業がシステム全体の効率性を改善することを非常に困難にしています。同様に、災害対応システムでは、連邦、州、地方レベルの様々な機関が関与しており、市場だけで統合されたAI駆動のソリューションを実現することは容易ではありません。
さらに、これらのシステムを改革するための過去の取り組みは政治的牽引力を得るのに苦労したり、持続的な改善をもたらすことができていません。多くの場合、既存のシステムには強力な既得権益者がおり、彼らは変化に抵抗する経済的インセンティブを持っています。例えば、医療管理に関わる企業は、システムの非効率性から利益を得ている可能性があり、AIによる自動化や合理化に対して積極的に投資するインセンティブがほとんどありません。
また、公共財としての性質を持つこれらのシステムの改善は、単一の企業が独占できない広範な社会的利益をもたらすため、民間投資の魅力が薄れることがあります。例えば、効率的な災害対応システムは社会全体に利益をもたらしますが、そのコストと複雑さを考えると、単一の民間企業がそのような開発を主導することは難しいでしょう。
したがって、政府の介入と政策的支援がなければ、これらの重要なシステムの構造的変革は十分に進まない可能性があります。AI行動計画は、市場メカニズムだけでは解決できないこれらの課題に積極的に取り組むためのフレームワークを提供する必要があります。
4.4 意思決定改善のためのAI技術への研究開発の優先化
構造的変革のためのAIの重要な側面の一つは、重要なシステムにおける意思決定を改善するAI技術の研究開発に資金を提供することです。例えば、ヘルスケア分野では、ケンブリッジの研究者がINVASEと呼ばれる技術を開発しており、これによりユナイテッドヘルスのシステムのようなAIモデルが公正で正確、かつ解釈可能な決定を下すことができます。
このINVASE技術はアクター・クリティックシステムを採用しています。一つのニューラルネットワーク(アクター)が年齢、怪我の重症度、医療履歴など、nH Predictの決定に影響を与えた可能性がある最も関連性の高い患者の詳細を選択します。そして別のネットワーク(クリティック)がこれらの選択がブラックボックスモデルの実際の出力とどの程度一致しているかを評価します。このプロセスにより、モデル自体を開放することなく、nH Predictがどの要因に依存していたか、そしてそれらが適切なものだったかどうかを明らかにすることができます。
AI行動計画は、ヘルスケア管理、災害対応、産業サプライチェーンなどの分野で既存のシステムの運用を改善するAI技術のR&Dを優先すべきです。これらの技術は、システムの効率性を向上させるだけでなく、AIの意思決定の透明性と説明可能性を高め、より公正で信頼できるシステムの構築に貢献します。
例えば、災害対応の分野では、AIが気象データと人口統計情報を組み合わせて、最も支援を必要とする地域を特定し、限られたリソースを効率的に配分することができます。同様に、サプライチェーン管理では、AIがボトルネックを予測し、需要の変動に適応し、全体的な効率を向上させるのに役立ちます。
これらのAI技術への投資は、科学的ブレークスルーへの投資と同様に重要です。実際、多くの場合、既存のシステムを最適化することで、新しい科学的発見よりも短期間で大きな影響を与えることができます。AI行動計画は、これらの構造的変革のためのAI技術の研究開発に特別な焦点を当て、資金提供するための明確な戦略を概説すべきです。
5. AI輸出管理の方向転換
5.1 現行のAI輸出管理の問題点
現在の対応型で場当たり的なAI輸出管理アプローチは中国のAI進歩を実質的に遅らせていない一方で、米国AI企業のグローバルポジションを弱体化させています。米国政府は懸念国に対する先進的AI技術の標的を絞った輸出制限を維持すべきですが、これらの制限は完全な障壁というよりもハードルとして機能するものです。しかし、政府の優先事項はアメリカのAI企業のグローバル市場シェアを拡大することに置くべきです。
米国の輸出管理は先端的なトレーニングチップへのアクセスを制限することで中国のAI進歩を遅らせるよう設計されましたが、この戦略はAIの進化の仕方と二つの重要な点で次第に不整合になっています。
第一に、AIイノベーションはトレーニングからインファレンス(推論)へとシフトしています。高性能チップを制限する背景にある政策的前提は、中国のフロンティアモデルトレーニング能力を制限することでAIの進歩を遅らせるというものでした。しかし、現在の競争環境では、AI能力はトレーニングの規模だけで決まるわけではないことが示されています。代わりに、推論モデル、AIエージェント、自動化されたAI研究の進歩により、インファレンス—実世界アプリケーションでモデルを実行し改善するプロセス—が同様に重要になっています。
インファレンスは単純な計算力ではなく、メモリ効率と最適化により依存しているため、古いチップや制限されているチップでも依然として十分に実行可能です。中国はNVIDIAのH20のようなインファレンス最適化GPUにアクセスでき、これは特定のインファレンスタスクに関しては同社のH100を上回る性能を発揮し、現在制限されていません。さらに、中国はフロンティアモデルのトレーニングには時代遅れであっても、インファレンスには依然として効果的なA100クラスのGPUを大量に備蓄しています。これらの展開は、米国の制限が以前に想定されていたような中国の全体的なAI進歩を効果的にボトルネックにしていないことを示唆しています。
第二に、輸出管理は市場競争の現実と合致していません。中国のAIセクターを弱体化させることを意図していましたが、むしろ米国企業を不利にしつつあります。中国企業は備蓄を活用し、インファレンス最適化チップを利用し、国内の半導体生産を拡大することでこれらの管理を巧みに回避しています。一方、米国のハードウェア企業は世界最大のAI市場の一つへのアクセスを失い、アメリカのAI企業は中国のインフラを中心に構築されたエコシステムから締め出されるリスクに直面しています。
したがって、アクセス制限に狭く焦点を当てるのではなく、米国の政策は国内のAI能力を強化し、グローバル輸出競争力を高め、互恵的な市場アクセスを提唱する方向に転換すべきです。中国が制限にもかかわらず進歩し続け、米国企業が海外での機会を失う場合、現在のアプローチは利益よりも害を与えることになるでしょう。
5.2 訓練からインファレンスへのAI革新のシフト
AIイノベーションはトレーニングからインファレンス(推論)へとシフトしています。高性能チップを制限する背景にある政策的前提は、中国のフロンティアモデルトレーニング能力を制限することでAIの進歩を遅らせるというものでした。しかし、現在の競争環境では、AI能力はトレーニングの規模だけで決まるわけではないことが示されています。代わりに、推論モデル、AIエージェント、自動化されたAI研究の進歩により、インファレンス—実世界アプリケーションでモデルを実行し改善するプロセス—が同様に重要になっています。
インファレンスは単純な計算力ではなく、メモリ効率と最適化により依存しているため、古いチップや制限されているチップでも依然として十分に実行可能です。中国はNVIDIAのH20のようなインファレンス最適化GPUにアクセスでき、これは特定のインファレンスタスクに関しては同社のH100を上回る性能を発揮し、現在制限されていません。
ChinaTalkブログによると、H20は「リリース時からHuggingFaceでインファレンスランキング1位」であり、「Llama 3.1 70Bを推論する際にNVIDIA A100よりも2倍速い」とされています。このような性能向上は、トレーニングで最大限の性能を発揮するように設計されたチップとは対照的に、インファレンス特化型チップの効率性を示しています。
さらに、中国はフロンティアモデルのトレーニングには時代遅れであっても、インファレンスには依然として効果的なA100クラスのGPUを大量に備蓄しています。これらの展開は、米国の制限が以前に想定されていたような中国の全体的なAI進歩を効果的にボトルネックにしていないことを示唆しています。
中国企業は、トレーニングの制約があっても、既存のモデルを最適化し、特化したインファレンスハードウェアを活用することで、依然として競争力のあるAIソリューションを提供することができます。これにより、米国の輸出管理政策の効果が大幅に制限され、訓練チップへのアクセス制限よりもはるかに広範なアプローチが必要であることが示唆されています。
5.3 市場競争の現実に合わせた政策調整の必要性
輸出管理は市場競争の現実と合致していません。中国のAIセクターを弱体化させることを意図していましたが、むしろ米国企業を不利にしつつあります。中国企業は備蓄を活用し、インファレンス最適化チップを利用し、国内の半導体生産を拡大することでこれらの管理を巧みに回避しています。一方、米国のハードウェア企業は世界最大のAI市場の一つへのアクセスを失い、アメリカのAI企業は中国のインフラを中心に構築されたエコシステムから締め出されるリスクに直面しています。
したがって、アクセス制限に狭く焦点を当てるのではなく、米国の政策は国内のAI能力を強化し、グローバル輸出競争力を高め、互恵的な市場アクセスを提唱する方向に転換すべきです。中国が制限にもかかわらず進歩し続け、米国企業が海外での機会を失う場合、現在のアプローチは利益よりも害を与えることになるでしょう。
SemiAnalysisのブログは、2025年初頭の報告で「AI拡散輸出管理:マイクロソフトの規制支配、オラクルの涙」と題した分析を発表しています。この分析では、現行の輸出管理が実際にはアメリカの一部の大企業を有利にする一方で、より広範なAIエコシステムに悪影響を及ぼしている可能性を指摘しています。
市場競争の現実に即した政策調整には、単なる制限的アプローチを超えて、米国のAI企業が世界市場で競争力を維持できるような積極的な支援策が含まれるべきです。これには、研究開発への投資増加、AIインフラの強化、AIの人材育成プログラムの拡大などが含まれます。
また、輸出管理は特定の高リスク技術や敵対的国家に絞り、友好国やパートナー国とのAI協力を促進するよう再調整すべきです。過度に広範な制限は、米国の技術リーダーシップを弱体化させる可能性があります。
5.4 産業安全保障局(BIS)のアプローチ強化の提案
産業安全保障局(BIS)は、輸出管理の強化と施行においてより積極的なアプローチを取るべきです。現在の輸出管理は完成したAIチップの制限に焦点を当てていますが、サプライチェーンのギャップがその有効性を損なっています。中国企業は依然として韓国からの高帯域幅メモリ、欧州サプライヤーからの先進的な相互接続、オランダや日本企業からの半導体製造ツールなどの重要なコンポーネントを調達しており、これにより米国の制限にもかかわらずAIチップの開発を継続することができています。
また、マレーシアのような国の仲介業者を通じて制限された機器にアクセスできるような再輸出ルールの抜け穴も存在しています。これらのギャップを埋めるために、BISは上流コンポーネントや先進的なパッケージング材料にまで制限を拡大し、アメリカのIPを使用する技術については製造場所に関わらず米国の管理を適用し、これらの迂回策を促進するサプライヤーに対する取り締まりを強化すべきです。
SemiAnalysisのブログは、「2025 AI拡散輸出管理:マイクロソフト規制支配、オラクル涙」という記事で、現在の輸出管理における様々な抜け穴と課題を詳細に分析しています。この分析によると、中国企業は様々な国際サプライヤーからの重要なコンポーネントにアクセスし続けており、米国の制限の効果を弱めています。
これらの措置がなければ、中国は不可欠なAIハードウェアの備蓄を続ける一方で、米国企業は意味のある戦略的利益を得ることなく市場アクセスを失うことになります。より包括的な輸出管理アプローチは、特に敵対的な国々に対して技術移転を制限する効果を高めつつ、友好国やパートナー国との協力を促進することができます。
同時に、BISは過度に広範な制限を避け、米国のAI企業が世界市場で競争力を維持できるよう配慮すべきです。戦略的に重要な技術と市場に焦点を絞ったアプローチにより、国家安全保障上の懸念に対処しながら、米国のテクノロジーリーダーシップを維持することができます。
6. 全国データ財団の創設
6.1 規制課題ではなく国家資産としてのデータ認識の必要性
物理インフラや科学研究などのAIへの他の基盤的インプットとは異なり、米国はデータを国家資産というよりも規制上の課題として扱っています。その結果、AIエコシステムはギャップ、一貫性のなさ、ボトルネックによって制約され、企業や研究者が必要とするデータを見つけて使用することが困難になっています。AI行動計画はこれを是正し、高品質なデータセットの生成、構造化、責任ある共有に専念する機関である全国データ財団(NDF)を設立すべきです。
NDFは研究のために国立科学財団(NSF)が行っていることをデータのために行い、米国がAIモデルだけでなく、それを支えるデータの質と可用性においても競争していることを確実にするでしょう。NDFはデータ生成に資金を提供し、ヘルスケア、エネルギー、製造業などの主要セクターにわたる大規模な機械可読データセットを作成することができます。また、連邦データセットを整理し構造化して、アクセスできない形式のままではなく、AIに使用できるようにすることができます。さらに、プライバシーを損なうことなくセキュリティを確保しながら、機密データを活用できるようにプライバシー強化技術(PETs)を進歩させることができます。そして、法的または技術的な障壁なしにデータをプールできるよう、企業、研究者、政府機関間の戦略的データ共有パートナーシップを可能にすることができます。
英国の国立データライブラリのような海外の他の提案とは異なり、NDFはより積極的なアプローチを取るでしょう。提案されている英国の国立データライブラリは公的に保有されるデータを整理し、カタログ化するように設計されており、主要な問題が断片化されたアクセスであることを前提としています。対照的に、NDFは多くの重要な分野で米国が公共部門だけでなく、主要な民間部門ドメインにおいても、必要な高品質なAI対応データが不足していることを認識しています。単に発見可能性を向上させるだけでなく、NDFは公共および民間部門の両方のデータセットの作成、構造化、戦略的強化に資金を提供するでしょう。そして、プライバシーを維持しながら責任あるデータ共有を可能にするプライバシー保護ツールを進歩させることで、AIシステムがセキュリティと使いやすさを維持しながらより多くのデータにアクセスできるようにし、組織がプライバシーを損なうことなく機密データを活用できるようにします。
6.2 国立科学財団(NSF)をモデルとした全国データ財団の役割
全国データ財団(NDF)は、国立科学財団(NSF)が研究のために行っていることをデータのために行うことで、米国がAIモデルだけでなく、それを支えるデータの質と可用性においても競争していることを確実にするでしょう。NDFの主な役割は以下のように考えられます。
まず、NDFはデータ生成に資金を提供し、ヘルスケア、エネルギー、製造業などの主要セクターにわたる大規模な機械可読データセットを作成することができます。これは、質の高い構造化データの不足がAI開発の障壁となっている領域で特に重要です。例えば、医療データや産業プロセスデータなど、AIトレーニングに必要な高品質なデータセットの開発を支援することができます。
次に、連邦データセットを整理し構造化して、アクセスできない形式のままではなく、AIに使用できるようにすることができます。現在、多くの政府データは構造化されていないか、一貫性のない形式で保存されており、AI研究やアプリケーション開発に直接利用することが困難です。NDFはこれらのデータセットを標準化し、機械可読形式で利用できるようにする取り組みを主導できます。
さらに、プライバシーを損なうことなくセキュリティを確保しながら、機密データを活用できるようにプライバシー強化技術(PETs)を進歩させることができます。これにより、医療記録や個人識別情報などの機密データを、プライバシーや安全性を損なうことなく、AI研究や開発に活用することが可能になります。
最後に、法的または技術的な障壁なしにデータをプールできるよう、企業、研究者、政府機関間の戦略的データ共有パートナーシップを可能にすることができます。これには、データ共有協定の標準化、データ使用条件の明確化、組織間のデータ交換を促進するための技術的インフラの開発などが含まれます。
NDFは、データをAI研究と開発のための国家資源として扱うことで、米国のAIエコシステム全体を強化し、イノベーションとコラボレーションを促進する重要な役割を果たすことができます。
6.3 英国の国立データライブラリとの比較
英国の国立データライブラリのような海外の他の提案とは異なり、NDFはより積極的なアプローチを取るでしょう。提案されている英国の国立データライブラリは公的に保有されるデータを整理し、カタログ化するように設計されており、主要な問題が断片化されたアクセスであることを前提としています。
対照的に、NDFは多くの重要な分野で米国が公共部門だけでなく、主要な民間部門ドメインにおいても、必要な高品質なAI対応データが不足していることを認識しています。英国のアプローチでは既存のデータセットの発見可能性や整理に主眼が置かれていますが、米国のNDFはさらに一歩進んで、新しいデータセットの作成と構造化に積極的に投資することを提案しています。
単に発見可能性を向上させるだけでなく、NDFは公共および民間部門の両方のデータセットの作成、構造化、戦略的強化に資金を提供するでしょう。これは、データの不足がAI開発の重大な障壁となっている分野で特に重要です。例えば、ヘルスケアや気候科学などの分野では、既存のデータを整理するだけでなく、新しい高品質なデータセットを作成する必要があります。
また、NDFはプライバシーを維持しながら責任あるデータ共有を可能にするプライバシー保護ツールを進歩させることで、AIシステムがセキュリティと使いやすさを維持しながらより多くのデータにアクセスできるようにし、組織がプライバシーを損なうことなく機密データを活用できるようにします。これは英国のモデルではあまり強調されていない重要な側面です。
英国のデータライブラリがデータの「カタログ」として機能することを目指しているのに対し、米国のNDFはデータの「創造者」および「イネーブラー」としての役割を果たすことを目指しています。この積極的なアプローチにより、米国はAIの発展に必要なデータインフラストラクチャを構築する上で、より戦略的な立場を取ることができるでしょう。
6.4 プライバシー強化技術(PETs)の推進
NDFの重要な役割の一つとして、プライバシー強化技術(PETs)の推進があります。これらの技術は、プライバシーを損なうことなく機密データを活用できるようにします。PETsを通じて、組織はセキュリティと使いやすさを維持しながら、より多くのデータをAIシステムに提供することができます。
PETsには、差分プライバシー、連合学習、準同型暗号化、セキュアマルチパーティ計算などの技術が含まれます。例えば、連合学習では、元のデータを共有することなく、複数の機関からのデータを使用してAIモデルをトレーニングすることができます。これは医療研究など、データプライバシーが特に重要な分野で特に価値があります。同様に、差分プライバシーは、個人を特定できる情報を漏らすことなく、大規模なデータセットから統計的な洞察を得ることができます。
NDFはこれらの技術の研究開発に資金を提供し、様々な産業部門でのPETsの採用を支援するガイドラインやベストプラクティスを開発することができます。また、PETsを実装するためのオープンソースツールやフレームワークを提供することで、組織がこれらの技術を容易に採用できるようにすることもできます。
さらに、NDFはデータ共有契約の標準化や、PETsを使用する際の法的・規制的枠組みの明確化など、PETsの採用を促進するための政策環境の整備を支援することができます。これにより、組織はプライバシーやセキュリティに関する懸念なしに、より自信を持ってデータを共有できるようになります。
このようなPETsへの投資は、データのプライバシーとセキュリティを確保しながら、AIのイノベーションとデータ駆動型の研究を促進するという二重の目標を達成するために不可欠です。NDFがPETsの開発と採用を主導することで、米国はデータプライバシーを保護しながらAI開発のためのデータ可用性を最大化する上で、世界的なリーダーシップを発揮することができます。
7. AI調達の合理化
7.1 政府のAI市場形成者としての役割
連邦政府はAIの単なる消費者ではなく、市場形成者でもあります。調達慣行を近代化することで、政府内のAI採用を加速し、AIを活用したソリューションを優先するよう契約を確保し、AIを活用した製品・サービスの下流需要を創出することができます。
政府は巨大な購買力を持っており、その調達決定はより広範な市場動向に影響を与えることができます。AIソリューションに対する政府の需要を高めることで、AIイノベーションを促進し、企業がAI技術に投資するインセンティブを創出することができます。これは特に開発初期段階にあるAI技術において重要です。政府調達は、これらの技術が市場で足場を固める上で重要な役割を果たすことができます。
また、政府がAIソリューションを採用することで、民間部門での採用を促進する「実証効果」をもたらすことができます。政府機関がAIを使用して効率性を高め、サービス提供を改善することを実証すれば、民間企業も同様の措置を講じるよう促すことができます。
さらに、政府のAI調達要件は、AIシステムの品質、安全性、信頼性に関する業界標準の発展を形作ることができます。例えば、政府が調達するAIシステムに対して特定のセキュリティや公平性の基準を要求することで、これらの基準がより広範なAI市場での標準的な慣行となる可能性があります。
しかし、現在の政府調達プロセスはAI技術の急速な進化に対応するように設計されておらず、特に連邦契約に不慣れな革新的なAIスタートアップにとっては障壁となることがあります。これらの課題に対処するために、より効率的で柔軟なAI調達アプローチが必要とされています。政府がAIの市場形成者としての役割を効果的に果たすためには、調達プロセスを合理化し、より広範なベンダーエコシステムにアクセスできるようにすることが不可欠です。
7.2 標準契約条項開発の必要性
このために、政権はAI調達を合理化すべきです。特に連邦契約に不慣れなAIスタートアップに利益をもたらすような形で進めるべきです。ホワイトハウスは行政管理予算局(OMB)にAIサービスの自主的な標準契約条件の開発を任せ、効率性を向上させ、より広範なベンダーへのアクセスを拡大すべきです。
まず、標準条項を作成することで、契約当事者が合意に達しやすくなります。現在、連邦機関はライセンス契約の基本的な重要用語に共通の定義がないため、ベンダーとAIシステムの契約を結ぶことが困難です。これは2022年のグローバルAIパートナーシップのレポートでも指摘されています。
標準契約条項の開発は、AIの複雑な性質に関連する独特の課題に対処するために特に重要です。AIシステムは従来のソフトウェアやサービスとは異なる特性を持ち、データ使用権、知的財産権、責任の所在、システムの更新や改良に関する条件など、新しい考慮事項をもたらします。これらの問題に対する標準化されたアプローチを開発することで、連邦機関とAIベンダーの間の契約交渉プロセスを大幅に効率化することができます。
標準契約条項は、小規模なAIスタートアップや新興企業にとって特に有益です。これらの企業は多くの場合、政府との契約に必要な法的専門知識やリソースが限られているため、複雑な契約交渉は大きな障壁となります。標準化された条件を設けることで、これらの企業が政府市場に参入しやすくなり、連邦機関がより多様なAIソリューションにアクセスできるようになります。
さらに、標準契約条項を通じて一貫性のある条件を確立することで、政府全体でのAI調達プロセスの透明性と公平性を高めることができます。これにより、すべてのベンダーに対して平等な競争の場が確保され、革新的で最先端のAIソリューションを開発する企業が政府契約を獲得する機会が増加します。
7.3 EUルールへのデフォルト防止
標準契約条項を作成することで、EUのルールへのデフォルトを防ぐこともできます。欧州委員会は法律専門家と提携して、公共組織がAIベンダーと契約する際に使用できるEUのAI法に沿った標準AI調達条項を作成しています。EUが作成している条項はアメリカのものではなく、EUの優先事項を反映しています。
例えば、ある条項では、AIシステムの開発に使用されるデータセットが関連性があり、代表的で、エラーがなく、完全であることを保証しています。これはEU AI法の要件だからです。しかし、米国にはこのような要件はなく、多くの場合、エラーのないデータや完全なデータを提供することは実現可能でも、実用的でも、必要でもありません。連邦政府が使用するAIシステムの標準契約を作成することで、意図せずにEUのルールを輸入することを避けることができます。
EUとのアプローチの違いは重要です。米国は独自の価値観、優先事項、AIガバナンスへのアプローチを持っています。標準契約条項を作成することで、米国の政府機関はこれらの価値観や優先事項を反映した条件でAIシステムを調達することができます。例えば、イノベーションと競争を促進しながらも、安全性と倫理的考慮事項のバランスを取るようなアプローチを採用することができます。
EUのルールに自動的に従うことを避けることは、米国のAI企業にとっても有益です。これにより、必ずしも米国市場の現実に合わない規制要件に適応する必要がなくなります。代わりに、米国独自の規制環境の中で革新し、競争することができます。これは最終的に、米国のAIエコシステム全体の競争力を高めることにつながります。
政府のAI調達に対する米国独自のアプローチを確立することは、グローバルAIガバナンスにおける米国のリーダーシップを強化する上でも重要です。標準契約条項を通じて米国の価値観や優先事項を具体化することで、AI技術の開発と展開に関する国際的な規範形成に影響を与えることができます。
7.4 全国のベンダーアクセス改善
標準契約はまた、全国のベンダーアクセスを改善することができます。現在、連邦AI契約は主にバージニア州とニューヨーク州の企業に授与されており、最良のAIシステムを持つ企業よりも、連邦契約に精通している企業が優遇されています。ベンダー参加を拡大することで、高品質なAIへのアクセスが向上するでしょう。
現在の連邦調達システムは、シリコンバレーやオースティン、シアトル、ボストンなどの主要技術ハブに拠点を置く多くの革新的なAI企業にとって、アクセスが困難です。これらの企業は世界クラスのAIソリューションを開発していますが、複雑な政府調達プロセスをナビゲートするリソースや専門知識を持っていない場合があります。
標準契約条項を導入することで、地理的にも技術的にも多様なベンダーが政府契約に参加する障壁を下げることができます。これにより、政府機関はより広範なAIソリューションにアクセスでき、革新的なアプローチの採用が促進されます。例えば、連邦政府がバージニア州とニューヨーク州以外の地域から最先端のAI技術を調達できるようになれば、政府サービスの提供方法に革命をもたらす可能性のある新しいアイデアや技術に触れることができます。
さらに、連邦政府が全国からより多様なAIベンダーにアクセスできるようになれば、AIの採用が加速され、政府の効率性と効果が向上します。これは単にコスト削減や行政改善のためだけでなく、AIの可能性を最大限に活用して市民サービスを変革する機会を開くことにもなります。
標準契約条項によるベンダーアクセスの改善は、AIソリューションの品質と革新性を高めるだけでなく、AIテクノロジーを通じてより多くの地域社会に経済的機会をもたらす可能性もあります。これにより、AIによる恩恵がより広く、より公平に分配されることになります。
8. エビデンスベースの標準へのAIガバナンスの焦点転換
8.1 AI安全研究所(AISI)の役割維持と焦点転換
政権はAI安全研究所(AISI)を維持しつつも、その焦点を変え、連邦政府がAIガバナンスに情報を提供する基盤的な基準を提供することを確実にすべきです。NISTに設置されているAISIは法律を設定しませんが、安全基準の開発や国際パートナーとの連携において重要な役割を果たしています。これらの機能は、一貫した連邦アプローチを維持するために不可欠です。
このような取り組みがなければ、AIガバナンスは構造化された連邦基盤を欠き続け、州が明確な連邦指針なしにAIリスクに対応して独自の規制を導入することになります。これにより、企業が相反する要件に準拠しなければならない断片化した規制環境が生まれ、政策立案者は効果的で証拠に基づく法律を作成するのに苦労することになります。
AISIの取り組みを実用的な評価フレームワークと実世界のパフォーマンス追跡に焦点を当てることで、政権は産業界の慣行と政策立案の両方に情報を提供するより強力な連邦基盤を提供することができます。これにより、AIの規制が反応的な州レベルの措置ではなく、実世界のデータによって形作られることが保証されます。
安全研究所が連邦AIガバナンスの基礎を提供することは、複数の利点があります。第一に、国レベルでの標準的なアプローチを確立することで、州ごとに異なる規制の断片化を防ぐことができます。第二に、実証的なデータに基づく一貫した基準を提供することで、企業がAIシステムの設計と展開において従うべき明確なガイドラインを持つことができます。そして第三に、国際的なAIガバナンスの取り組みにおいて米国のリーダーシップを強化し、グローバルな安全基準の形成に影響を与えることができます。
AISIの焦点を転換することで、政府は単に規制的なアプローチを取るのではなく、AIの安全性と革新性のバランスを取りながら、エビデンスに基づいた効果的なAIガバナンスの基盤を提供することができます。
8.2 事後評価フレームワークへのシフト
AISIの焦点を事後評価(ポストデプロイメント評価)に移行させることで、政策立案者は実際のAIパフォーマンスに基づいて規制するために必要な実世界のデータを得ることができます。同時に、相矛盾する州法の寄せ集めの必要性も減らすことができます。これまでのAISIの取り組みは、技術的ベンチマークの設定と展開前評価の支援に焦点を当て、開発者がモデルをリリースする前にAIリスクを評価できるよう支援することを目指してきました。この取り組みには価値がありますが、規制当局が効果的な政策を策定するために必要なツールを提供していません。
カリフォルニア州のSB 1047法案はこの問題を例示しています。この法案は完全に展開前評価に基づいてAIリスクを規制しようとし、開発者にトレーニングが始まる前でさえモデルの潜在的な害を予測することを要求していました。しかし、実世界のリスクはAIがどのように構築されるかだけでなく、どのように使用されるかにも依存しており、このようなアプローチは実用的でも効果的でもありません。AIシステムが展開された後それらを評価するためのより良いメカニズムがなければ、州は規制の空白を最も差し迫ったAIリスクに対処するのに苦労する法律で埋め続けることになります。
展開後評価に焦点を当てることで、政策立案者はAIシステムの実際の性能と影響に関する具体的なデータに基づいて、より情報に基づいた規制決定を下すことができるようになります。これにより、単に潜在的なリスクを推測するのではなく、実際に観察された結果に基づいて政策を形成することができます。
さらに、このアプローチは革新を妨げることなくリスクに対処するためのより柔軟なフレームワークを提供します。開発段階で厳格な規制を課すのではなく、AIシステムが実世界でどのように機能するかを監視し、必要に応じて調整を行うことができます。これにより、政策立案者はイノベーションを阻害することなく、AIの安全性と責任ある使用を促進することができます。
8.3 全国AIインシデントデータベースとAI脆弱性データベースの確立
政権はAISIに全国AIインシデントデータベースとAI脆弱性データベースを確立するよう指示し、構造化された報告と積極的なリスク管理のための不可欠なインフラストラクチャを作成すべきです。現在、AIの障害や脆弱性は異なるセクターで一貫性なく追跡されており、傾向を特定したり、システム上の弱点に対処したり、繰り返し発生する問題を防止したりすることが困難になっています。
FDAによる医療機器や国家運輸安全委員会による航空事故のために使用されているシステムをモデルにした集中型リポジトリは、AIリスクが発生した際に分析するための構造化された仕組みを提供し、政策立案者、研究者、開発者に重要な洞察を提供するでしょう。さらに、AIの脆弱性データベース—サイバーセキュリティに使用される国家脆弱性データベースと同様—はAIモデルの弱点をカタログ化し、組織がエスカレートする前にリスクを軽減するのに役立ちます。
AIの進展を阻害する可能性のある制限的な規制に依存するのではなく、これらのメカニズムはAIシステムが安全に進化し、実世界の課題に適応し続けることを保証し、公共の信頼と米国のAI開発における競争力の両方を強化します。
こうしたデータベースの設立は、複数の重要な利点をもたらします。まず、AIインシデントデータベースによって、AIシステムの障害パターンやその原因をよりよく理解することができます。これにより、同様の問題の再発を防ぐための予防措置を特定できます。例えば、特定のタイプのAIアルゴリズムや特定の使用ケースで繰り返し発生する問題を特定できる可能性があります。
また、AI脆弱性データベースは、開発者や組織がAIシステムの潜在的な弱点を積極的に特定し対処するためのリソースを提供します。これは、個人のプライバシーや安全に関わるような、高リスクアプリケーションで使用されるAIシステムにとって特に重要です。
さらに、これらのデータベースは、AIガバナンスに関する政策やスタンダードの形成に役立つエビデンスベースを提供します。実際に発生したインシデントや特定された脆弱性に基づいて、政策立案者はより効果的で対象を絞った規制アプローチを開発することができます。
8.4 オープンソースAI安全性に関する国際協力
AISIは国際パートナー、業界リーダー、学術専門家とのオープンソースAI安全性における主導的役割を担うべきです。国々はオープンソースモデルの革新と普及を推進するために激しく競争するかもしれませんが、オープンソースAIを支える基盤的な安全基準の開発で競争する必要はありません。実際、これらのモデルはすでに公開されており急速な普及を促進しているため、その安全な展開を確保するために各国が協力する独自の機会があります。
インシデント報告、安全性ベンチマーク、事後評価のための共通プロトコルを整えることで、米国はオープンソースAIの堅牢な普及を支援しながら、固有のリスクを軽減することができます。この協力的アプローチは、オープンソースシステムに対するグローバルな信頼を強化するだけでなく、イノベーションと歩調を合わせて安全対策を進化させることで、米国の戦略的リーダーシップを強化します。
AISIはまた、サイバーセキュリティの分野における成功した政府主導のオープンソースセキュリティ取り組みにインスパイアされた、オープンソースAIセキュリティとテストツールの開発を促進すべきです。米国政府はオープンソースセキュリティツールの作成を支援してきた実績があります。例えば、サイバーセキュリティ・インフラストラクチャ・セキュリティ庁(CISA)はMalcolm(怪しい活動のためのネットワークトラフィックを分析するのに役立つ)やCrossfeed(組織のウェブサイトやアプリケーションが攻撃に脆弱かどうかをチェックする)などのツールの構築を支援しました。
国家安全保障局(NSA)はオペレーティングシステムのために'SELinux'で同様のことを行い、これは現在コンピュータをより安全にするために世界中で広く使用されています。同様のオープンソースAIの取り組みは、開発者と企業にAIシステムをテスト、保護、展開するために必要なリソースを提供するでしょう。
より一般的に、AISIの役割を強化することで、米国がグローバルな舞台でより効果的にリードすることができるようになります。米国の政策立案者はAIのガードレールが不安定な基盤の上に構築された場合、最も得るものがあり、最も失うものがあります。政策立案者はAI安全基準へのアプローチを確立するこの機会を活用すべきです。
9. 新興市場における米国AIリーダーシップの強化
9.1 中国とアフリカにおけるAIパートナーシップの比較
米国はアフリカの優先AIパートナーになる競争で中国に遅れをとっています。過去数年間、米国政府はアフリカ大陸に対して漠然とした約束や外交声明を提供するにとどまっていますが、中国は具体的な行動を取っています。2024年4月、北京はアフリカ連合と直接的なAI協力協定に署名しました—米国はまだこれを行っていません—そして、AIリサーチ、技術トレーニング、デジタルインフラへの大規模な投資を約束しています。
アフリカのリーダーたちはまた、中国のグローバルAIガバナンスイニシアチブを歓迎しています。これはAI監視のフレームワークを提示し、「AIが常に人間の管理下にあることを確保する」という原則を含んでいます。実際、アフリカ諸国は次第に中国をAI開発における献身的なパートナーとして、またガバナンスアプローチの調整役として見なすようになっています。
Digital Policy Alertのウェブサイトによると、2024年4月3日に採択された「人工知能における協力強化のための中国・アフリカ連合声明」では、AIリサーチ、技術トレーニング、デジタルインフラにおける協力が確約されています。この協定は、中国がアフリカにおける長期的な技術パートナーとしての地位を確立するための戦略的な動きを表しています。
対照的に、米国のアフリカとのAI協力へのアプローチはより断片的で、主に個別の声明や一般的な技術協力の約束に限られています。この違いは、テクノロジーの発展における長期的なパートナーシップとリーダーシップの確立において、より積極的な外交アプローチを示しています。
中国の戦略はアフリカに対する技術的な支援を提供するだけでなく、AIガバナンスに関する共通のビジョンを形成することにも焦点を当てています。これは国際的なAIの規範や標準の形成において中国により大きな影響力を与える可能性があります。米国がより積極的なアプローチを採用しなければ、新興市場でのAI開発の方向性に影響を与える機会を失うリスクがあります。
9.2 米印技術イニシアチブ(iCET)をモデルとした戦略
米国は新興市場でのAIイノベーションの優先パートナーとしての地位を強化し、戦略的関係を強化するための積極的な取り組みを行うべきです。その方法として、すでに成功モデルを持っています。米印重要・新興技術イニシアチブ(iCET)は規制障壁を取り除き、民間部門の協力を奨励し、AIをより広範な産業戦略に直接統合しています。
同様に、米印商業対話は明示的にAI投資を製造機会、市場アクセス、堅牢なサプライチェーンと結びつけています。AI行動計画はアフリカ諸国やアフリカ連合との同様の戦略的経済関係を優先すべきです。
インドとの技術提携は、新興市場での米国の関与モデルを示しています。iCETは単なる技術協力の枠組みを超え、より広範な戦略的パートナーシップの一部となっています。このイニシアチブは規制上の障壁を特定し解決し、重要技術の共同開発と革新を促進するための構造化されたアプローチを提供しています。
アフリカとの関係においても同様のアプローチを採用することで、米国は技術移転や能力構築を越えた、より深い経済的関係を構築することができます。このパートナーシップモデルでは、AIをより広範な経済開発・産業成長戦略に組み込む方法を強調しています。
さらに、米印商業対話はAI投資と製造・市場アクセス・サプライチェーン強化を明示的に関連付け、相互利益となる関係を構築しています。アフリカにおいても同様のアプローチを取ることで、米国は単に技術を提供するだけでなく、持続可能な経済発展とイノベーションのエコシステムを創出するパートナーとなることができます。
アフリカ連合との直接的なパートナーシップに加え、主要国との二国間協力も追求すべきです。これには、AIの能力構築、研究協力、人材育成などを含む、国ごとに調整されたアプローチが含まれます。
9.3 アフリカにおけるオープンソースAIの促進
アフリカにおけるAIパートナーシップを促進することは、米国のオープンソースAIを育成することも意味します。一部の専門家はオープンソースAIをテクノロジーにおける「ソフトパワー」に相当すると描写しています。つまり、AIを自由に利用できるようにすることで、国や企業は長期的な技術的・経済的つながりを育むことができるのです。
中国のDeepSeekのオープンソースアプローチはすでにアフリカの多くの開発者にとって好ましい選択肢となっています。Interconnectedブログの記事では、DeepSeek Diffusionのような取り組みは「オープンvs.クローズドの問題であり、(単に)米国vs.中国の問題ではない」と指摘しています。オープンソースAIは開発者にとって技術的な柔軟性を提供するだけでなく、特に新興市場において経済的・戦略的な優位性も提供します。
米国が競争力を維持したいのであれば、自国のAI企業がオープンソース革新の最前線に立ち続けることを確保すべきです。これはオープンソースAIやオープンモデルウェイトに対する過度な制限に抵抗し続け、アメリカで開発されたモデルがアクセス可能で広く採用されることを保証することを意味します。
米国政府はオープンソースAI開発を支援するための政策環境を整備することで、アフリカや他の新興市場における米国のAI企業の競争力を高めることができます。これには、研究資金の提供、オープンソース開発を促進する規制フレームワークの確立、国際的な協力とデータ共有の促進などが含まれます。
オープンソースアプローチを通じて、米国はアフリカのような地域において、技術へのアクセスと採用を民主化するリーダーとしての地位を確立することができます。これにより、中国のような国々の影響力に対抗しながら、開発者や起業家のコミュニティ内で米国のAI技術の長期的な採用が促進されるでしょう。この戦略は、直接的な経済的利益を超え、グローバルなAIエコシステムにおける米国の価値観と優先事項の浸透を確保するための重要な手段となります。