最先端 AI モデル数の動向：2028 年までの予測

著者: Iyngkarran Kumar, Sam Manning

リンク: https://arxiv.org/abs/2504.16138

概要

この論文は、いくつかのフロンティアAIモデルが、特にグローバルなAIガバナンスフレームワークによって提案された規制定義の下で、今後数年間に主要なトレーニング計算閾値を超える予測をデータ駆動で行っています。

この研究は、政策立案者が一般的なAI（GPAI）システムに関連する増大する規制の負担を予測し、管理する手助けを目指しています。著者らは、歴史的な計算傾向を用いて、次のように定義された計算限界を越える可能性のあるモデルの数を推定しています:

• EU AI法 – 10²⁵ FLOPs閾値

• 米国AI大統領令（2023年10月） – 10²⁶ FLOPs閾値（「制御モデル」としてラベル付け）

動機

規制当局は、潜在的なモデルの能力、リスクレベル、および監視要件の測定可能な代理としてトレーニング計算にますます注目しています。しかし、これらの閾値の下に将来どれだけのモデルが該当するかを予測する試みはほとんど行われていません。

AIハードウェア、ソフトウェア、モデル設計における急速な革新により、これらの閾値を超えるモデルの数は加速すると予測され、新たなガバナンスの課題が生じます:

• 規制制度の過剰供給

• 執行リソースの負担

• 実世界のモデル展開と政策の不一致

予測方法論

著者らは、2017年から2023年までのAIモデルのトレーニング計算に関する詳細な歴史データを含むEpoch AI著名モデルデータセットを使用します。彼らは次の情報に基づいて予測を構築します:

• トレーニング計算傾向（FLOPs単位）

• モデルリリース率

• 予想されるハードウェア/ソフトウェアの効率向上

• 組織行動パターン

モデルは、中央値と信頼区間が導き出される数千の潜在的な未来を生成するモンテカルロシミュレーションを出力します。

主要な予測

• 2028年の終わりまでに、この研究は次のように予測しています:

  • 103から306モデルが10²⁵ FLOPs閾値（EU標準）を超える

  • 45から148モデルが10²⁶ FLOPs閾値（米国標準）を超える

• 計算の成長は超線形であり、線形ではありません。これは、大規模モデルの数が毎年速度を増して成長することを意味します。

フロンティア接続閾値の導入

静的な規制が時代遅れになる懸念に対処するために、著者らは「フロンティア接続閾値」という考えを提案しています。これらは次のような閾値です:

• 最大の既知モデルのサイズに基づいて動的にスケールする

• 実世界のモデル能力を反映するように時間とともに調整される

• 過剰または過少な規制を減らすための動的な基準を提供する

このアプローチは、急速に変化する技術環境にかかわらず、規制範囲を安定化させるのに役立つ可能性があります。

政策の影響

• 規制の負担は現在の静的閾値の下で大幅に増加するでしょう。

• 閾値が調整されない場合、AIガバナンス機関は圧倒される可能性があります。

• 層別閾値、動的スケーリング、およびモデル分類システムのようなより柔軟なメカニズムが必要になるかもしれません。

著者らは政策立案者に次のことを予測するように促します:

• モデルの登録、レビュー、監視に対する需要の増加

• ファインチューニング、オープンウェイト、そして派生モデルによるリスクの景観の変化

• 開発者が構造的変更を通じて閾値を意図的に回避する可能性

制限と不確実性

• データセットは不完全またはバイアスがかかる場合があることに注意が必要です。

• 予測は現在の開発傾向の継続性を前提としています。

• 新しいトレーニングパラダイム、モデル圧縮、またはオープンウェイトの普及がこれらの予測に影響を与える可能性があります。

結論

この論文はAIガバナンスコミュニティに対する重要な早期警告を提供します: フロンティアAIモデルの数は今後3年以内に爆発的に増加し、現在存在する規制枠組みを大きく上回る可能性が高いです。そのため、静的な計算閾値はすぐに非現実的になるかもしれず、よりスマートで柔軟なガバナンスツールが迫られています。

未来のモデルの成長を定量化し、既存の政策の境界と比較することで、著者らはよりスケーラブルで持続可能、かつリスクに比例したAI監視の基盤を提供します。