ローカルかつソブリンなAI

しかし、「オープンソース」をAIに当てはめようとすると、これまでにない問題が生じる。従来のソフトウェアはコードである。ところがAIモデルは3つのものから成る。コード、ウェイト（学習によって得られた数十億のパラメータ）、そして学習用のデータである。真に「オープンソース」であるためには、何を公開すべきなのか。議論は紛糾した。2024年10月、この分野の基準となる団体Open Source Initiativeが、オープンソースAIの定義（OSAID 1.0） によって決着をつけた。すなわち、モデルがオープンソースであるとは、自由に使用、調査、改変、共有できることであり、そのためにはコードとウェイトを公開し、さらに誰もが原理的には同等のモデルを再現できるよう、データに関する十分な情報を提供しなければならない（生データそのものは、機微であったり権利で保護されていたりすることがあるため、必ずしも公開する必要はない）。

この定義は開放性のスペクトラムを浮かび上がらせる。その各段階をきちんと区別しておく必要がある。

図 9.1. 開放性のスペクトラム。「オープン」と称されるモデルの大半は、実際にはオープンウェイトである。ダウンロードして実行することはできるが、どのようなデータと、正確にはどのようなコードで学習されたのかは分からない。それは有用ではあるが、厳密な意味での「オープンソース」とは言い切れない。

利点とリスク。 この議論は第7章で素描したが、オープンソースという切り口はそれをいっそう明確にしてくれる。利点は、透明性（コードとウェイトを検査できるため、説明責任と説明可能性の確保に役立つ）、民主化（自前のモデルをもたない国や企業が低コストでAIを利用できる）、主権、そしてオープンモデルは検閲したり一夜にして取り下げたりすることが難しいという点である。リスクはその裏返しである。オープンモデルはもはや「回収」することができず、その安全装置は再学習によって取り除かれうる。このことは悪意ある利用への懸念を生んでいる（もっとも、2024年のホワイトハウスの報告書は、「現時点では」ウェイトの公開を制限する十分な理由を見いださなかった）。これこそが開放と統制のあいだのジレンマであり、AIガバナンスの核心をなしている（第24章および第25章）。

---

要点（第9章）

• AIをローカルで動かすことは、機密性、主権、コスト、オフラインでの動作、制御という要請に応える。
• オープンソースAIは自由ソフトウェア運動を受け継いでいる。OSIの定義（OSAID 1.0、2024年）は、コード、ウェイト、そしてデータに関する十分な情報を求めている。
• スペクトラムに注意が必要である。「オープン」なモデルの大半はオープンウェイト（ダウンロードはできるが、データもコードも公開されていない）であり、批判者はこれを「オープンウォッシング」と呼ぶ。完全にオープンなモデル（Apertusなど）はまれである。
• 開放性は地政学的な争点となった（「DeepSeekモーメント」、中国の戦略的な武器、ヨーロッパの主権）。
• 量子化はモデルを圧縮し、一般的なハードウェアで実行できるようにする。大部分がオープンソースであるツール（Hugging Face、PyTorch、Ollama、LM Studio、llama.cpp、vLLM）が、ローカルAIを身近なものにしている。
• 2026年9月に発表され、まだ完了していないNVIDIAによるHugging Faceの買収は、オープンモデルの公共広場の中立性に疑問を投げかけている。
• Macクラスター（ユニファイドメモリ、エネルギー効率）は、小規模な組織に優れたコストパフォーマンスをもたらす。純粋な計算能力ではNVIDIAが依然として王者である。
• デジタル主権（ソブリンモデル、ヨーロッパのクラウド、オープンソース）は「ヨーロッパの道」であり、野心的だが高くつく。

ローカルであれクラウドであれ、この計算能力には代償があり、それはますますメガワットという単位で測られるようになっている。第10章では、すべてにブレーキをかけかねない問い、すなわちエネルギーの問題に正面から向き合う。

---