オープンソースvsクローズドAI——Andrew Ngの発言が示す「本当の対立軸」

AIの世界で「オープンかクローズドか」という話題が繰り返し浮上しています。でも、その議論の立て方自体が間違っている——そう指摘したのが、DeepLearning.AIの創業者でAI教育の第一人者であるAndrew Ngです。彼がXに投稿した短いメッセージは、AI業界の権力構造をめぐる本質的な問いを含んでいます。この記事では、その発言の背景と、日本の会社員がAIスキルを身につける上でこの議論がなぜ関係するのかを整理します。

Andrew Ngが指摘した「すり替え」

Ngが問題にしたのは「false equivalence（偽の同等性）」という論法です。コードを非公開にする権利と、他者がオープンソース化するのを妨げる行為を、同じ天秤に乗せて比べてしまう——この二つはまったく別の話だ、というのが彼の主張です。

自社のコードをクローズドにすることは、企業の正当な判断です。競争優位を守る、セキュリティリスクを管理する、収益化モデルを維持するといった理由はどれも理解できます。しかし、他の企業や研究者がコードを公開しようとするとき、それを「危険だ」「規制すべきだ」と主張して止めようとするのは、まったく別の行為です。前者は自分の選択、後者は他者の選択への介入です。

この区別が曖昧になるのは偶然ではありません。クローズドモデルで大きなビジネスを構築した企業が、オープンソースの普及を「安全保障上のリスク」として語るとき、その主張の裏側には市場支配力の維持という動機が混在している場合があります。Ngはその構造を「false equivalence」という言葉で切り取りました。

オープンソースAIをめぐる業界の実際の構図

現在のAI業界では、MetaのLlamaシリーズ、MistralAI、そして日本のSakura-iなど、オープンソースで公開されたモデルが急速に実用レベルに達しています。一方でOpenAIやAnthropicはモデルの重みを非公開にしており、APIを通じた利用に限定しています。

興味深いのは、オープンソースモデルの性能向上ペースです。2023年時点では「GPT-4には遠く及ばない」と言われていたオープンソースモデルが、2024年以降は特定のタスクでクローズドモデルに匹敵する結果を出し始めています。以下は主要モデルの公開形態と用途の違いをまとめたものです。

この構図を見ると、「オープン対クローズド」は単純な善悪の話ではなく、誰がAIの基盤技術を握るかという主導権の問題であることがわかります。クローズドモデルを使い続けることは、特定のプラットフォームへの依存度を高めることでもあります。

会社員のAIスキル習得と「どのモデルを学ぶか」の関係

ここで、30代の会社員の視点に引き寄せて考えてみます。たとえば、社内の業務効率化を任されたプロジェクトマネージャーが、ChatGPTを使った自動化ツールを構築したとします。業務はうまく回り始めましたが、半年後にOpenAIが料金プランを改定し、APIコストが2倍になりました。このとき、代替手段を持っていなければ、そのプロジェクト全体が見直しを迫られます。

オープンソースモデルを知っておくことは、こうした状況への備えになります。ローカルで動くLlamaベースのモデルを使えば、APIコストはゼロで、データを外部に送る必要もありません。社内の機密情報を含む文書の要約や分類といった作業に、オープンソースモデルを活用している日本企業も増えています。

ただし、オープンソースモデルを使いこなすには、クローズドモデルよりも技術的なハードルが上がります。インストール、環境構築、プロンプトの調整——これらを自分でやる必要があります。クローズドモデルが「すぐ使える」なら、オープンソースモデルは「カスタマイズできる」という性質の違いがあります。どちらを学ぶかは、自分の職種と目的によって変わります。

AIを使って業務を改善したいだけなら、まずはChatGPTやClaudeのような使いやすいサービスから入るのが現実的です。一方、社内ツールの開発や、データを外に出せない業務への応用を考えているなら、オープンソースモデルの基礎知識を持っておくことが選択肢を広げます。ChatGPTの使い方ガイドで基礎を固めた上で、オープンソースへの理解を広げていくという順序が、多くの会社員にとって無理のない進め方です。

「誰かが妨げようとしている」という現実

Ngの発言には、もう一つの文脈があります。米国では、AI規制の議論の中で「オープンソースモデルの公開を制限すべきか」という主張が一部から出ています。強力なモデルを誰でも使えるようにすることは、悪用のリスクを高めるという論理です。

この主張を誰が声高に言うかを見ると、クローズドモデルで収益を上げている企業と、既存の市場支配力を持つプレイヤーに偏っている傾向があります。もちろん安全保障の懸念が完全に根拠のないものとは言えませんが、規制の議論が特定の企業の利益と一致する方向に進むとき、その主張の動機を精査することは重要です。

Ngが「false equivalence」と呼んだのは、こうした議論の立て方そのものへの警告です。「クローズドにする自由を守るために、オープンソース化を規制する」という論法は、二つの異なる話を混同しています。自分の選択と他者の選択は別の問題です。

日本の会社員にとって、この議論は遠い話に見えるかもしれません。しかし、AI規制の方向性は、使えるツールの種類、コスト、そしてどの企業がAI開発の主導権を持つかに直結します。プロンプトエンジニアリングガイドでスキルを磨くことも大切ですが、そのスキルをどのプラットフォームで活かすかという構造的な問いも、無視できなくなっています。

まとめ

Andrew Ngの発言は短いものでしたが、AI業界の権力構造を考える上で重要な視点を含んでいます。「クローズドにする権利」と「他者のオープンソース化を妨げる行為」は別の話であり、その区別を曖昧にすることで誰が得をするかを考えることが、AI業界の動向を読む上での出発点になります。

あなたが今使っているAIツールは、どのプラットフォームへの依存を生んでいるでしょうか。その問いを持っておくことが、数年後のキャリアの選択肢を広げることにつながるかもしれません。