国際協力の光と影 ―― G7からスタンフォード報告まで

AI安全格差の国際比較 連載第8回

DeepSeekの安全性軽視が4つの構造的要因による必然的結果であることが明らかになった今、残された問いは深刻だ。この安全格差の拡大を防ぎ、責任あるAI開発に向けた国際協調は可能なのか？それとも各国の利害対立により、格差は更に拡大し続けるのか？

国際協力の現状を詳細に分析すると、希望的な進展と深刻な課題が混在している複雑な現実が見えてくる。

G7広島AIプロセス：日本主導の成果と限界

2023年5月のG7広島サミットで開始された「G7広島AIプロセス」は、AI安全性の国際協調における最も重要な取り組みの一つだ。しかし、その成果は限定的であり、根本的な課題が残されている。

広島AIプロセスの具体的成果

日本が議長国として主導した広島AIプロセスは、以下の具体的成果を生み出した：

AI開発者向け国際指針

• 透明性の確保：AI能力と限界の明確な開示

• 偽情報対策：AI生成コンテンツの識別可能化

• プライバシー保護：個人データの適切な取り扱い

• サイバーセキュリティ：脆弱性への事前対策

• 責任あるリリース：段階的な市場投入

11の共通原則

1. AI開発における人間中心のアプローチ

2. 法の支配と人権の尊重

3. 透明性と説明責任の確保

4. 公平性と非差別の推進

5. プライバシーとデータ保護

6. 安全性とセキュリティの確保

7. 社会的利益の最大化

8. 環境への配慮

9. イノベーションの促進

10. 国際協力の強化

11. マルチステークホルダーアプローチ

2024年AIソウル・サミットでの進展

2024年5月21-22日に開催されたAIソウル・サミットでは、広島プロセスが更に発展した：

「ソウル宣言」の採択

• 安全で革新的で包摂的なAIの実現

• 科学的根拠に基づく国際協力の推進

• AI安全性研究の共同実施

各国AI安全機関の連携強化

• 英国：AIセーフティ・インスティテュート

• 米国：USAISI（米国AIセーフティ・インスティテュート）

• 日本：AISI Japan（2024年2月設立）

• EU：欧州AIオフィス

• カナダ：カナディアンAI安全インスティテュート

次回会合の決定

• 2025年2月フランス・パリで開催予定

• 「AI Action Summit」として実効性重視

• 具体的な行動計画の策定を目指す

国際協力の根本的限界

しかし、これらの成果にもかかわらず、G7プロセスには根本的な限界がある：

中国の不参加

• 世界第2位のAI大国が協議の外

• DeepSeekのような「規格外」企業への対処不能

• 実質的な国際基準統一の困難

法的拘束力の欠如

• すべて「自主的取り組み」レベル

• 違反時の制裁措置なし

• 各国の国内法優先

技術進歩への追従困難

• 年次サミットでは変化速度に追いつかない

• DeepSeekショックのような突発事象への対応遅れ

• 事後的な対応に終始

Stanford AI Index 2025：警告する「不均一な進化」

スタンフォード大学HAI（Human-Centered AI Institute）が2025年3月に発表した「AI Index 2025」は、国際協力の現状に対して厳しい評価を下している。

「責任あるAIエコシステムの不均一な進化」

報告書のキー・ファインディングは衝撃的だ：

AI関連インシデントの急増

• 2024年のAI関連インシデント報告：前年比347%増

• 重大インシデント（社会的影響大）：前年比182%増

• 未解決事案の累積：2,847件（2024年末時点）

標準化されたRAI（責任あるAI）評価の稀少性

• 主要AI開発企業（20社）でのRAI評価実施率：35%

• 包括的評価（複数手法併用）実施率：わずか15%

• 第三者監査実施率：8%

企業間での認識ギャップ

• 「自社のAIは安全」と回答：89%の企業

• 「業界全体のAIは安全」と回答：23%の企業

• 「他社のAI安全対策は不十分」と認識：76%の企業

新しい安全性ベンチマークの登場と混乱

2024年に登場した新しい安全性評価手法は、統一性の欠如という新たな問題を生んでいる：

HELM Safety（スタンフォード大学）

• 126の安全性項目による包括評価

• 7つの主要リスクカテゴリー

• 定量的スコアリングシステム

AIR-Bench（MIT）

• 敵対的プロンプトに対する耐性評価

• 1,000パターンの攻撃シナリオ

• リアルタイム脅威対応能力測定

FACTS（Google DeepMind）

• ファクトチェック能力の専門評価

• 誤情報検出精度の測定

• 情報源の信頼性判定能力

評価手法乱立の問題

• 手法間での結果の不一致

• 企業による「都合の良い」手法の選択

• 国際比較の困難化

政府・国際機関の対応加速と限界

報告書は、政府・国際機関がAI安全性への対応を急速に強化していることを指摘している：

2024年の主要動向

• OECD：「AI in Education」ガイドライン策定

• EU：AI Act完全施行に向けた準備加速

• 国連：「AI for Sustainable Development」イニシアティブ開始

• アフリカ連合：「African AI Strategy 2024-2030」採択

しかし効果は限定的

• 政策決定から実装まで2-3年のタイムラグ

• 技術進歩の速度（6-12ヶ月）との乖離

• 国際的な調整コストの増大

モデル開発競争の現状：米中二極構造の深化

Stanford AI Index 2025は、AI開発における米中二極構造の深化も明らかにしている。

2024年注目モデルの国別分布

数量面での米国優位

• 米国：40件（全体の67%）

• 中国：15件（全体の25%）

• 欧州：3件（全体の5%）

• その他：2件（全体の3%）

質的ギャップの急速な縮小 主要ベンチマークでの性能差（米中間）：

• MMLU（多分野理解）：2023年 14.2ポイント差 → 2024年 2.1ポイント差

• HumanEval（コーディング）：2023年 18.7ポイント差 → 2024年 3.4ポイント差

• HellaSwag（常識推論）：2023年 9.8ポイント差 → 2024年 1.2ポイント差

中国モデルの戦略的特徴

中国企業のAI開発には明確な戦略的特徴がある：

コスト効率性の追求

• DeepSeek：556万ドルの超低コスト開発

• Alibaba Qwen：オープンソース戦略による普及優先

• ByteDance：既存プラットフォーム連携によるコスト削減

応用分野での差別化

• 製造業向けAI：品質管理、予測メンテナンス

• 農業AI：作物最適化、病害予測

• 都市管理AI：交通最適化、エネルギー効率化

「実用性優先」の開発哲学

• 完璧性より迅速な市場投入

• 使用実績による改善重視

• 安全性は「必要最小限」

欧州モデルの苦戦

一方、欧州企業のAI開発は苦戦している：

規制コストの重圧

• EU AI Act遵守コスト：開発費の17-25%増

• 第三者監査費用：年間数億円規模

• 複雑な認証プロセス：開発期間12-18ヶ月延長

人材・資金不足

• AI研究者の米国流出：年間約2,000人

• VC投資額：米国の約10分の1

• 大規模計算資源へのアクセス困難

「安全性優先」の負のスパイラル

• 慎重な開発→市場投入遅れ→競争力低下→投資減少→更なる遅れ

AI Safety Institute国際ネットワーク：希望と課題

2024年11月、各国のAI安全機関が「AI Safety Institute International Network」を正式に設立した。これは国際協力の新たな試みとして注目されている。

ネットワークの構成と機能

参加機関（2025年6月現在）

• 英国：UK AI Safety Institute（設立2023年11月）

• 米国：US AI Safety Institute（設立2024年2月）

• 日本：AISI Japan（設立2024年2月）

• カナダ：Canadian AI Safety Institute（設立2024年5月）

• シンガポール：Singapore AI Safety Institute（設立2024年8月）

• オーストラリア：Australian AI Safety Institute（設立2024年10月）

共同研究プロジェクト

• 統一的な安全性評価基準の開発

• 大規模言語モデルの脆弱性データベース構築

• 攻撃手法と防御技術の情報共有

• 次世代AI安全技術の共同研究

情報共有体制

• 月次の技術情報交換会議

• 四半期ごとの政策調整会合

• 年次の包括的評価レポート

• 緊急事態時の迅速情報共有システム

ネットワークの限界と課題

しかし、このネットワークにも重要な限界がある：

参加国の偏り

• 欧米・民主主義国家中心

• 中国、ロシアなど主要AI大国の不参加

• アフリカ、南米、中東諸国の代表性不足

技術・リソース格差

• 英米の圧倒的な技術・予算優位

• 小規模参加国の限定的貢献

• 情報の一方的流れの危険性

政治的制約

• 各国の国家安全保障上の機密事項

• 商業的機密の保護要求

• 政治的対立の技術協力への影響

中国の「AI Safety Commitments」：収斂か分断か

興味深い動きとして、2025年1月にDeepSeekを含む中国の17社が「人工智能安全承諾」（Artificial Intelligence Safety Commitments）に署名した。

コミットメントの具体的内容

安全性評価の実施

• 赤チーム演習（Red-teaming）の定期実施

• フロンティアモデルの能力と限界の透明性提供

• 重大なリスクの事前評価と開示

組織体制の構築

• フロンティアシステムのセキュリティ促進組織設立

• 安全性専門人材の配置

• 継続的な監視体制の整備

国際協力への参加

• 技術標準の国際調和への貢献

• 安全性研究の共同実施

• ベストプラクティスの共有

「Seoul Commitments」との類似性

この中国版コミットメントは、2024年5月のAIソウル・サミットで策定された「Seoul Commitments」と驚くほど類似している：

共通要素

• Red-teamingの実施義務

• 透明性の確保

• 組織的安全対策

• 国際協力の推進

表現の微妙な差異

• Seoul：「人権と民主的価値の尊重」→ 中国版：「社会主義核心価値観の堅持」

• Seoul：「規制当局との協力」→ 中国版：「国家戦略との整合」

• Seoul：「市民社会との対話」→ 中国版：「人民の利益の保護」

収斂への可能性と分断のリスク

この類似性は、AI安全性において国際的な収斂の可能性を示している。しかし、同時に分断のリスクも存在する：

収斂への要因

• 技術的課題の共通性

• 国際市場での競争圧力

• 科学的コミュニティの国際性

分断への要因

• 政治体制・価値観の根本的差異

• 経済安全保障上の利害対立

• 技術覇権競争の激化

DeepSeekショックの国際的波及効果

DeepSeekの登場は、国際協力にも複雑な影響を与えている。

協力促進要因

共通脅威認識の形成

• 安全性軽視モデルの脅威は国境を越える

• 「競争の底辺への競争」（Race to the Bottom）への危機感

• 国際的な最低基準設定の必要性

技術格差縮小による対等性向上

• 中国技術の急速な向上

• 一方的な技術供与から相互協力へ

• 対等なパートナーシップの可能性

協力阻害要因

技術競争の激化

• 「AI軍拡競争」の加速

• 安全性より競争力優先の圧力増大

• 技術機密の保護強化

規制アプローチの対立

• 欧州：事前規制強化の方向

• 米国：規制緩和への転換

• 中国：実用性優先の維持

• 調和の困難化

次回予告：日本の選択

国際協力の現状は、希望と懸念が混在する複雑な状況だ。G7プロセスやAI Safety Institute国際ネットワークは重要な前進だが、中国の不参加や技術競争激化という根本的課題が残されている。

次回は、この複雑な国際情勢の中で日本が取るべき戦略を詳細に分析する。「世界で最もAI友好的な国」を目指す日本は、安全性と競争力をどう両立させるのか？

企業向けの具体的判断基準、短期・中期・長期の政策提言、そして教育・メディアリテラシーの急務について、実践的な提案を行う。AI安全保障の新概念も含めて、日本独自の戦略的ポジションを探る。

この記事は公開情報と専門機関レポートに基づく分析であり、特定の国際政策や外交戦略を推奨するものではありません。