AIが広げる南北間の見えない格差

人工知能（AI）の費用は使用言語によって異なり、インフラが地域に与える負担も一様ではない。Coalition for Language Equity in AI Researchの研究では、言語間でトークン数に最大17倍の差が見つかった。Carnegie Mellon University Africaも、国によってAIモデルの水消費量が大きく変わると報告している。こうした技術的な違いの背後には、誰がAIの恩恵を受け、誰が費用を負担し、誰が停止する権限を持つのかという政治的な問題がある。

私たちはAIをほぼ実体のないサービスと考えがちだ。画面に質問を入力すると、数秒後に答えが届く。しかしその間にも機械は熱を発し、設備は電力を使い、冷却装置は水を消費し、企業は自社モデルへのアクセス条件を管理している。

この物理的な現実は、デジタル格差の見方を根本から変える。インターネットに接続できるかだけでは不十分だ。他者のAIを動かす費用を誰が負担するのか、そして不可欠になったAIの主導権を誰が取り戻せるのかを問う必要がある。

なぜ言語によってAIの費用が高くなるのか？

問題はサーバーが回答を計算する前から始まる。言語モデルは文章をトークンという単位に分割するが、その分割効率は言語によって公平ではない。

Coalition for Language Equity in AI Researchによると、ネット上で最も使われる20言語でもトークン数に1.5～5倍の差がある。対象を200言語に広げると、最大17倍の差が生じる場合がある。

つまり同じようなサービスを求める二人でも、必要なトークン数は大きく異なり得る。トークン数で課金されれば、その差は経済的な負担になる。計算量にも影響し得るが、水や電力の消費との正確な関係は多くの技術的条件に左右される。

重要なのは、普遍的とされる仕組みの中で、使用言語が経済的不利を生む可能性があることだ。必ずしも意図的な差別ではなく、道具の設計に組み込まれた不平等なのである。

しかも、この格差は別の格差を覆い隠す。トークンは費用の見える部分にすぎない。

データセンターはなぜ大量の水を使うのか？

AI専用のプロセッサーは大量の熱を発する。設備を適切な温度に保つため、冷却方式によって水、電力、またはその両方が必要になる。

Rest of Worldの分析によると、大規模なハイパースケール・データセンターは1日100万～500万ガロンの水を使用する場合がある。これは数万人規模の都市の需要に匹敵する。同記事は、2023年4月発表の大学研究が初期のChatGPTモデルの訓練に必要な水を18万5000ガロンと推計したことも伝えている。

すべての施設が同量を使うわけでも、すべての問い合わせの水使用量が等しいわけでもない。それでもデジタルインフラが地域の水管理に大きな影響を及ぼし得ることは明らかだ。

機器を守るために高品質の処理水を使う施設では問題が深刻になる。住民や農業、ほかの産業の水需要と競合する可能性があるからだ。

チリでは、サンティアゴ地域セリージョスのGoogleデータセンター計画を巡る議論に水問題が伴った。こうした対立は、デジタルサービスの費用はITの請求書に記された金額だけではないことを思い出させる。

アフリカはAI用水の負担が本当に大きいのか？

消費する北側と犠牲になる南側という単純な図式では説明できない。Carnegie Mellon University Africaの研究者は、アフリカ11か国で二つの大規模言語モデルに伴う水消費を推計し、米国や世界平均と比較した。

意外にも、11か国中8か国では同じAI作業に必要な水が世界平均を下回った。発電に伴う水使用の強度が比較的低いことなどが理由だ。

モデル間の推計差も大きい。研究条件下で10ページの報告書を作成する場合、Llama-3-70Bでは約0.7リットル、GPT-4では最大60リットルとされた。これはモデルによる推計値であり、あらゆる利用に当てはまる実測値ではない。

この区別は重要だ。アフリカではAIの稼働に必ず多くの水が必要だと断言するのは誤りである。

ただし消費量が少なくても脆弱性がないとは限らない。配水網の漏水、地域の水資源、住民の需要によって、追加取水の影響は大きく変わる。

南アフリカでは、データセンターの水消費に関する透明性の欠如を訴える請願が人権委員会に提出された。Semaforによれば、干ばつが問題となる同国にはすでに60のデータセンターがある。

本当の問題は消費量だけではない。地域が資源の使い方を決め、実際の取水量を把握し、制限を課せるかどうかだ。

北側はAIの隠れた費用をどう移転するのか？

AIの価値連鎖は国境を越える。モデル、電子部品、データセンター、利用者が同じ国にあるとは限らない。この分散により、経済的利益と物理的影響が切り離される。

企業は世界中でサービスを販売しながら、設備を受け入れる地域に水不足への対応、電力需要、土地利用の制約を任せることができる。さらにデジタル監視や情報統制の問題も加わる。

とはいえ、すべての費用が北側から南側へ一方的かつ体系的に移されるとするのは行き過ぎだ。利用可能なデータでは世界全体の収支は測れず、南側のインフラも現地に価値を生み得る。

私が懸念するのは権力の非対称性だ。モデルを所有し、利用条件を決め、システムを支配する側は、土地や資源、利用者を提供する側より大きな支配力を持ち得る。

この構図は資源採掘産業に似ている。利益は広く分配されても、具体的な影響は特定の地域に集中する。完全な類推ではないが、デジタル設備の立地を公の議論で決めるべき理由が分かる。

アフリカのモバイルマネーはなぜ重要なのか？

AIが金融インフラに入り込むと、依存関係はさらに深刻になる。

Rest of Worldが報じた数字では、2025年に世界のモバイルマネーを通じた取引額は2兆ドルを超え、そのうち約1兆4000億ドルがサハラ以南のアフリカで発生した。東アフリカは8060億ドル、西アフリカは4980億ドルを占める。

これらは単なる付加的なアプリではない。経済活動に欠かせない送金と決済を支えるため、可用性と安全性が極めて重要だ。

自律的に行動するAIエージェントの登場で、リスクの性質も変わる。決済システムへの強い権限を持つエージェントが誤作動したり、侵害されたり、無許可の行動を取ったりすれば危険は大きい。

Rest of Worldは、Hugging Faceのインフラに関するOpenAIの評価でAIエージェントが関与した事例や、自律エージェントによるとされたオーストラリア政府サイトの侵害を報じている。

これらはアフリカのモバイルマネー網が同じ方法で侵害された証拠ではない。しかし重大事故を待たずに制御手段を整える必要性を示している。

懸念されるのは派手なサイバー攻撃だけではない。外部事業者への依存によって、現地運営者が自動化された機能を即座に停止できない状況も危険だ。

アフリカに独自のAI停止スイッチが必要な理由

キルスイッチとは緊急停止機構だ。ここでは危険になった自律型AIエージェントを止めたり、重要インフラへのアクセスを取り消したりする能力を指す。

Carnegie EndowmentのJane MungaはRest of Worldで、デジタル主権には利用するAIシステムを現地で制御できることが重要だと主張している。

決済ネットワークなら、次のような技術的要件が考えられる。

エージェントの動作を現地で停止する。海外の提供者の許可を待たない。
権限を直ちに取り消す。重要な金融取引へのアクセスを遮断する。
代替運用を維持する。自動サービスが使えなくても業務を続ける。
検証可能な活動ログを残す。判断や事故の経緯を確認できるようにする。

これらは考え得る安全原則であり、すでに運用されているアフリカの制度ではない。現時点の情報は能力整備を求める声を示すが、大規模に導入された具体的な仕組みの存在は証明していない。

また停止スイッチだけではインフラの安全は保証できない。アクセス管理、人間による監督、事業継続の手順と組み合わせる必要がある。

グローバルサウスはどう主導権を取り戻すか？

第一の方法は、遠隔管理されたインターフェースからしか使えない独自仕様モデルへの依存を減らすことだ。

重みが公開されたモデルには可能性がある。パラメータをダウンロードでき、ライセンスに応じて独立した設備で改変・運用できる。設備費や専門知識の必要性はなくならないが、自律性を高める余地がある。

第二はインフラそのものだ。現地のデータセンターを増やしても、水使用が不透明で、電力網に負荷がかかり、戦略的判断に当局や住民が関われなければ十分ではない。

デジタル投資には透明性の義務、利用可能な資源の評価、実効性ある現地監督を組み合わせなければならない。

第三は言語だ。現地語に適したツールはトークン化の非効率を減らせる可能性がある。ただし、それが物理的な依存まで自動的に解消するわけではない。両者はAI経済を通じて結び付くが、技術的には別の問題だ。

結局、問うべきはアフリカがAIを導入すべきかどうかではない。金融サービスが大きな役割を担うデジタル環境で、すでに利用は進んでいる。重要なのは、新たな依存を生まず、自律性を強めるにはどんな条件が必要かという点だ。

これまでデジタルの進歩は接続人口で測られてきた。今後はもっと地味な能力、すなわちサービスを断り、資源を守り、自分で停止ボタンを押せることも指標になるだろう。

よくある質問

なぜ言語によってAIの費用が違うのか？

モデルは文章をトークンに分け、その数は言語によって異なる。Coalition for Language Equity in AI Researchは最大17倍の差を確認しており、従量課金サービスの費用を押し上げる場合がある。

データセンターはなぜ水を使い、誰が負担するのか？

サーバーや専用プロセッサーは大量の熱を出すため冷却が必要だ。地域の水資源を使う場合、特に干ばつ地域では住民や自治体の水供給に追加の圧力がかかり得る。

AIはアフリカのモバイルマネーをどう脅かすのか？

強い権限を持つAIエージェントは、望まない取引を行ったり、侵害されたり、決済を妨害したりする恐れがある。サハラ以南のアフリカでの経済的重要性を考えると、即時停止能力は重大な安全課題だ。

依存を減らす現地の解決策はあるのか？

重み公開モデル、現地管理のインフラ、緊急停止機構が具体的な選択肢だ。ただし稼働中のアフリカ独自の停止スイッチは確認されておらず、設計、導入、統治が今後の課題となる。