AIの規制：高まる懸念に対処するための現実的なアプローチ

生成型人工知能（AI）技術の影響が拡大するにつれ、その潜在的な結果を巡る懸念も高まっています。これらの懸念には、誤情報の蔓延や雇用の喪失、創造的なコントロールの喪失、さらにはスーパーインテリジェントAIによる存在そのものの脅威など、さまざまな問題が含まれています。

これらの高まる恐怖への対応として、世界各国の政府はAIをどのように規制するかについて苦闘しています。本記事では、技術的および経済的な実現可能性を考慮に入れながら、AI規制のさまざまなアプローチを探ります。

トレーニングデータの制限：技術的および部分的に経済的に実現可能なアプローチ

AI規制のための有効なアプローチの一つは、AIモデルが使用するトレーニングデータをパブリックドメインの素材と、明示的な許可を得た著作権保護対象のコンテンツに限定することです。このアプローチにより、AI企業はモデルで使用されるデータの品質と法的適合性を管理することができます。 

技術的には、この制限は完全に実現可能です。AI開発者はトレーニングデータセットを正確にキュレーションできるからです。

経済的な観点からは、制限されたデータの使用と可能な限り高いコンテンツ品質の達成との間にトレードオフが存在します。AIシステムは多様で広範なトレーニングデータから恩恵を受けますが、許可の遵守はデータの多様性と豊かさを制限する可能性があります。 

それでも、AdobeはFirefly画像ジェネレーターを用いて認可されたコンテンツのみを使用していることを宣伝するなど、一部のAI企業は部分的な経済的実現可能性を達成できることを示しています。

AIの出力をクリエイターに帰属させること：技術的に非現実的な取り組み

AI規制のもう一つの可能性のある方法は、AI技術の出力を特定のクリエイターやクリエイターグループに帰属させ、補償を行うことです。しかし、このアプローチは重大な技術的課題に直面しています。 

生成AIで使用される複雑なアルゴリズムにより、どの入力サンプルが出力に直接影響を与えたかを特定することはほぼ不可能です。仮にそのような帰属が可能であっても、各入力サンプルが出力にどの程度貢献したかを決定することは、依然として困難な課題です。

AIシステムの複雑さと、入力と出力の明確な関連性の欠如により、この形態の規制は技術的に非現実的です。これは重要な懸念事項です。AI生成コンテンツの帰属能力が、クリエイターとそのライセンス保持者がAI技術を歓迎するか反対するかを決定する可能性があるからです。

人間とAI生成コンテンツの区別：技術的に進化し続ける課題

AI生成による誤情報キャンペーンへの懸念は、人間が生成したコンテンツとAIが生成したコンテンツを区別する必要性を浮き彫りにしています。テクノロジーのスタートアップ企業はこの問題に対処するソリューションの開発に積極的に取り組んでいますが、現在の技術の水準は生成AIの進歩に追いついていません。

既存のアプローチは主に生成AI固有のパターンを識別することに依存していますが、この方法は動く的を追いかけるようなものです。技術的には、人間とAIが生成したコンテンツを確実に区別することは依然として課題ですが、この分野での急速な進歩は、近い将来に解決策が生まれる可能性を示唆しています。

AIの出力をAI企業に帰属させること：技術的および経済的に実現可能な規制

代替案として、AI生成コンテンツを作成した特定のAIベンダーに帰属させるというアプローチがあります。これは、よく理解され成熟した技術である暗号署名を通じて実現できます。 

AI企業は、システムのすべての出力に暗号署名を行うことができ、誰でもコンテンツのソースの真正性を検証できるようになります。

この規制は技術的および経済的に実現可能です。必要な技術はすでに基本的な計算インフラに組み込まれているからです。 

それでもなお、検証可能な署名を持つ限られた数の確立されたベンダーのみが生成したコンテンツに依存することが望ましいかどうかについては、疑問が残ります。