「小型AIモデル」が世界中の人々を救う可能性を秘めている理由とは？

近年のAIテクノロジーの発展は目覚ましく、大手テクノロジー企業が膨大なパラメータを持つ大規模なAIモデルを次々と発表しています。その一方で、多くの人々の命や食糧生産を助ける可能性を持つ「小型AIモデル」への注目も集まっていると、国際的な工学学会「IEEE」の機関誌であるIEEE Spectrumが報告しています。

Small Language Models Power Life-Saving Small AI - IEEE Spectrum
https://spectrum.ieee.org/small-language-models-ai-pharmaceuticals

IEEE Spectrumは小型AIモデルの有用性を示す例として「RxScanner」という偽造医薬品スキャナーをあげています。RxScannerはナイジェリア出身のAIスタートアップ創業者であるアデバヨ・アロンゲ氏が開発した携帯型の分光計で、錠剤をスキャンして分子プロファイルを医薬品データベース搭載のAIモデルで分析することで医薬品が本物か偽物かを判別することができます。

アフリカでは偽造医薬品が毎年数千人の命を奪っているとされ、ガーナやケニア、ミャンマー、ナイジェリアなど10カ国以上で使用された実績を持ちます。しかし、「AIモデルをデータセンターで実行してインターネット経由でデータを受け渡す」という方式を採用していたため、南アフリカなどの「データセンターから遠すぎてネットワーク帯域幅も限られる地域」では1回のスキャンに5分間という長い時間を費やす必要がありました。

そこでアロンゲ氏はエンジニアと協力してAIモデルをAndroidスマートフォンでローカル実行できる規模まで縮小。これにより、「高速なインターネット」「高性能なPC」「安定した電力供給」を確保できない場所でもRxScannerを安定的に使えるようになったとのこと。アロンゲ氏はこの経験をもとにローカル動作する小型AIモデルの重要性を提唱しています。

AI分野で話題となりやすいのは、数十億ドル(数千億円)規模の投資や巨大なデータセンターを必要とする、最先端の性能を備えた大手テクノロジー企業の大規模言語モデルです。しかし、世界の主に低・中所得国家に住む数十億人はこれらの大規模言語モデルを利用できず、多くの場合は小型AIモデルのみが利用可能だとのこと。世界銀行が2025年11月に発表したレポートでも、世界で最も貧しい国々のインターネットユーザーのうちChatGPTを利用したことがあるのはわずか0.7％で、最も発展した国々の25％とは大きな隔たりがあると報告されています。

世界銀行のアジェイ・バンガ総裁は2026年1月に開催された世界経済フォーラムで、「ほとんどの人はAIを論理的・生成的な側面から議論しています。しかし、これには膨大なコンピューティング能力や電力、膨大なデータ、そしてこれらを管理する熟練した人材が必要です。先進国以外では、おそらくインドと中国を除けばこうした条件をすべて満たしている国はごくわずかです」と述べました。

対照的に小型AIは、このような高度なインフラがまったくない地域の人々に、有用で場合によっては命を救うことになるサービスを提供できます。たとえばインドのベロール工科大学の研究者らは、カシューナッツの木の写真を撮影し、病気の兆候である斑点のある木を素早く特定するドローンシステムを開発しました。撮影や画像の処理はすべてドローン上で行われるため、現場にコンピューターを設置したりインターネットでサーバーに接続したりする必要はありません。

また、ウルグアイではブドウ畑で害虫となるアリの繁殖を特定する小型AIシステムが開発されたほか、マラリアを媒介する蚊の存在を検出するシステムや、マイコンボードのArduinoを利用した心電図システムなども開発されています。これらは十分なインフラが整っていない地域において、農業や医療に大きなメリットをもたらします。

アロンゲ氏は、「AIの未来は中心となる巨大なモデルだけでなく、末端に配置された数百万個もの小型で精密なモデルにより、それぞれが特定の課題や状況を解決するものだと考えています」と述べ、小型AIモデルは発展途上国や先進国の一部地域に住む人々に恩恵をもたらすとしています。

小型AIモデルに明確な定義はありませんが、一般的にはパラメータ数がせいぜい数十億個程度の言語モデルを指す言葉として使われます。なお、最先端の大規模言語モデルの中には、パラメータ数が1兆個を超えるものも存在しています。小型AIモデルは大規模言語モデルから不要なパラメータを削除したり、より小規模なモデルに知識を移し替える蒸留を行ったり、数値の精度を減らしてモデルサイズを削減する量子化を行ったりして作られますが、技術的には大規模言語モデルと変わりません。

パラメータ数が数十億個程度の小型AIモデルであれば、スマートフォンやRaspberry Piなどの小型コンピュータで実行できます。そのため、インターネットでデータセンターに接続することなくその場のデバイス上で、バッテリーやソーラーパネルから供給される数ワットほどの電力を使って動作できるとのこと。

近年はAI処理を専門に行うNPU搭載のスマートフォンが増加しているほか、ユーザーがニーズに合わせて調整できるオープンウェイトのAIモデルが相次いで登場しており、これらは小型AIモデルにとって追い風となっています。その一方で、小型AIモデルの開発には大規模言語モデル開発による知見やデータ処理能力、そして結果が必要となるため、大規模言語モデルの発展も重要です。

また、小型AIモデルは大規模言語モデルを利用できない人にとって有益ですが、そもそものデジタル格差を埋めるものではありません。たとえ小型AIモデルを導入しても、各国はAIを支えるエコシステムの構築という課題から逃れることは不可能です。つまり、安定した電力供給やサプライチェーン、そしてAIツール開発に必要な人材を育成する教育システムといった基盤整備が必要というわけです。

アロンゲ氏が開発したRxScannerも、薬剤の新しい化学組成や分析データなどの更新のために、インターネットを通じた定期的な同期が必要だとのこと。また、スマートフォンを充電するためには安定した電力供給も欠かせません。アロンゲ氏は、「小型AIモデルは機能しており、いずれ多くの場所で必要になるでしょう。問題は、政治関係者が長期的にそれを支えるインフラに投資するだけの賢明さを持っているかどうかです」と述べました。