OECD 人工知能のための国家的な計算能力構築のための青写真 (2023.02.28)
こんにちは、丸山満彦です。
人工知能の利用にはどの程度の計算容量等が必要か、、、それを想定した国の計画が必要になってくるだろう。。。という話のようですね。。。
この報告書では、
- 能力（利用可能性と利用）、
- 効果（人材、政策、イノベーション、アクセス）、
- レジリエンス（セキュリティ、主権、持続可能性）
の3つの側面から、国家レベルのAIコンピューティング計画を策定する方法について指針を示しているとのことです。。。
● OECD Library - Papers - OECD Digital Economy Papers
・2023.02.28 A blueprint for building national compute capacity for artificial intelligence
| A blueprint for building national compute capacity for artificial intelligence | 人工知能のための国家的計算能力構築のための青写真 |
| Artificial intelligence (AI) is transforming economies and promising new opportunities for productivity, growth, and resilience. Countries are responding with national AI strategies to capitalise on these transformations. However, no country today has data on, or a targeted plan for, national AI compute capacity. This policy blind-spot may jeopardise domestic economic goals. This report provides the first blueprint for policy makers to help assess and plan for the national AI compute capacity needed to enable productivity gains and capture AI’s full economic potential. It provides guidance for policy makers on how to develop a national AI compute plan along three dimensions: capacity (availability and use), effectiveness (people, policy, innovation, access), and resilience (security, sovereignty, sustainability). The report also defines AI compute, takes stock of indicators, datasets, and proxies for measuring national AI compute capacity, and identifies obstacles to measuring and benchmarking national AI compute capacity across countries. | 人工知能（AI）は経済を変革し、生産性、成長、レジリエンスのための新たな機会を約束しています。各国は、こうした変革に対応するため、国家AI戦略で対応している。しかし、現在、どの国も、国家的なAI計算能力に関するデータ、またはそのための目標計画を有していない。この政策の盲点は、国内の経済目標を危うくする恐れがある。本報告書は、生産性の向上を実現し、AIの経済的可能性を最大限に引き出すために必要な国家的AI計算能力の評価と計画を支援するために、政策立案者のための最初の青写真を提供する。本報告書は、政策立案者向けに、能力（利用可能性と利用）、効果（人材、政策、イノベーション、アクセス）、レジリエンス（セキュリティ、主権、持続可能性）の3つの側面から、国家レベルのAIコンピューティング計画を策定する方法について指針を示している。また、本報告書は、AIコンピュートの定義、国のAIコンピュート能力を測定するための指標、データセット、プロキシを把握し、国のAIコンピュート能力を測定し、各国間でベンチマークする上での障害を明らかにしている。 |
・[PDF] A BLUEPRINT FOR BUILDING NATIONAL COMPUTE CAPACITY FOR ARTIFICIAL INTELLIGENCE
| Executive summary | エグゼクティブサマリー |
| Artificial intelligence (AI) is transforming economies and promising new opportunities for productivity, growth, and resilience. Embracing AI-enabled transformation depends on the availability of infrastructure and software to train and use AI models at scale. Ensuring countries have sufficient such “AI compute capacity” to meet their needs is critical to capturing AI’s full economic potential. | 人工知能（AI）は経済を変革し、生産性、成長、レジリエンスのための新たな機会を約束している。AIを活用した変革を受け入れるには、AIモデルを大規模に訓練して使用するためのインフラとソフトウェアが利用できるかどうかにかかっている。AIが持つ経済的な可能性を最大限に引き出すためには、各国がそのニーズを満たすのに十分なこうした「AIコンピュートキャパシティ」を確保することが重要である。 |
| Many countries have developed national AI strategies without fully assessing whether they have sufficient domestic AI compute infrastructure and software to realise their goals. Other AI enablers, like data, algorithms, and skills, receive significant attention in policy circles, but the hardware, software, and related infrastructure that make AI advances possible have received comparatively less attention. Today, standardised measures of national AI compute capacity remain a policy gap. Such measures would give OECD and partner economies a greater understanding of AI compute and its relationship to the diffusion of AI, improve the implementation of AI strategies, and inform future policy and investments. | 多くの国は、目標を実現するために十分な国内のAI計算インフラとソフトウェアがあるかどうかを十分に評価することなく、国家AI戦略を策定している。データ、アルゴリズム、スキルといった他のAIイネーブラは、政策界で大きな注目を集めているが、AIの進歩を可能にするハードウェア、ソフトウェア、関連インフラは、比較的に注目されていなかった。今日、各国のAI計算能力の標準化された尺度は、依然として政策上のギャップとなっている。このような指標は、OECDとパートナーエコノミーに、AIコンピューティングとAIの普及との関係をより深く理解させ、AI戦略の実施を改善し、将来の政策と投資に情報を与えるだろう。 |
| The demand for AI compute has grown dramatically for machine learning systems, especially deeplearning and neural networks. According to research, the computational capabilities required to train modern machine learning systems, measured in number of mathematical operations (i.e., floating-point operations per second, or FLOPS), has multiplied by hundreds of thousands of times since 20121 (OpenAI, 2018[1]; Sevilla et al., 2022[2]), despite algorithmic and software improvements that reduce computing power needs. The increasing compute needs of AI systems create more demand for specialised AI software, hardware, and related infrastructure, along with the skilled workforce necessary to utilise them efficiently and effectively. | AIコンピュートの需要は、機械学習システム、特に深層学習とニューラルネットワークのために劇的に伸びている。研究によると、現代の機械学習システムの訓練に必要な計算能力は、数学演算数（すなわち、1秒あたりの浮動小数点演算数、またはFLOPS）で測定され、計算能力ニーズを低減するアルゴリズムやソフトウェアの改善にもかかわらず、2012年以降、数十万倍になっている1（OpenAI、2018[1]、Sevillaら、2022年[2]）。AIシステムの計算ニーズが高まることで、特殊なAIソフトウェア、ハードウェア、関連インフラ、およびそれらを効率的かつ効果的に活用するために必要な熟練労働力に対する需要が高まっている。 |
| As governments invest in developing cutting-edge AI, compute divides can emerge or deepen. An imbalance of such compute resources risks reinforcing socioeconomic divides, creating further differences in competitive advantage and productivity gains. Over the past decade, private sector led initiatives within countries have increasingly benefitted from state-of-the-art AI compute resources, particularly from commercial cloud service providers, compared to public research institutes and academia. The OECD.AI Expert Group on AI Compute and Climate advances collective understanding and measurement of AI compute to shed light on AI compute divides between countries and within national AI ecosystems. | 政府が最先端のAI開発に投資することで、コンピューティングの格差が生じたり、深まったりする可能性があります。このような計算資源の不均衡は、社会経済的な格差を助長し、競争優位性や生産性向上にさらなる差を生む危険性があります。過去10年間、各国の民間主導のイニシアティブは、公的研究機関や学術機関と比較して、特に商用クラウドサービスプロバイダーから、最先端のAI計算リソースの恩恵を受けることが多くなりました。OECD.AI「AIコンピュートと気候」専門家グループは、AIコンピュートに関する集合的な理解と測定を進め、国間および各国のAIエコシステム内のAIコンピュート格差に光を当てている。 |
| This report offers a blueprint for policy makers to develop national AI compute plans aligned with national AI strategies and domestic needs. It takes stock of existing and proposed indicators, datasets, and proxies for measuring national AI compute capacity. Policy makers can assess technology needs and develop national AI compute plans by considering compute’s capacity (availability and use), effectiveness (people, policy, innovation, access), and resilience (security, sovereignty, sustainability). | 本報告書は、政策立案者が国のAI戦略や国内のニーズに沿った国のAIコンピュート計画を策定するための青写真を提供するものである。本報告書は、国のAI計算能力を測定するための既存および提案されている指標、データセット、プロキシを把握するものである。政策立案者は、計算能力（可用性と利用）、有効性（人、政策、イノベーション、アクセス）、レジリエンス（安全保障、主権、持続可能性）を考慮することにより、技術ニーズを評価し、国家AI計算計画を策定することができる。 |
| Findings and measurement gaps are identified to inform future work in developing AI-specific metrics to quantify and benchmark AI compute capacity across countries. They include: national AI policy initiatives need to take AI compute capacity into account; national and regional data collection and measurement standards need to expand; policy makers need insights into the compute demands of AI systems; AI-specific measurements should be differentiated from general-purpose compute; workers need access to AI compute related skills and training for effective AI compute use; and AI compute supply chains and inputs need to be mapped and analysed. | AIに特化した測定基準を開発し、各国のAI計算能力を定量化し、ベンチマークするために必要な知見と測定上のギャップが明らかにされまた。政策立案者は、AIシステムの計算能力に関する洞察を必要としていること、AIに特化した測定は汎用計算と区別する必要があること、労働者はAI計算を効果的に利用するためにAI計算関連のスキルやトレーニングを受ける必要があること、AI計算のサプライチェーンや投入物をマッピングして分析する必要があることなどが挙げられる。 |
目次...
| Abstract | 概要 |
| Abrégé | 概要 |
| Executive summary | エグゼクティブサマリー |
| Résumé | 履歴書 |
| Acknowledgements | 謝辞 |
| Acronyms and abbreviations | 頭字語・略語 |
| 1 Introduction | 1 序文 |
| 1.1. Objective of this work | 1.1. 本報告書の目的 |
| 1.2. Methodology and limitations | 1.2. 方法論と限界 |
| 2 Evolving trends in compute | 2 進化するコンピューティングのトレンド |
| 2.1. Trends in supercomputer performance | 2.1. スーパーコンピュータの性能の推移 |
| 2.2. Trends in compute for artificial intelligence | 2.2. 人工知能向けコンピュートの動向 |
| 3 Measuring AI compute: Definitions, scoping considerations, and measurement | 3 AI計算を測定する：定義、スコーピングの考慮、および測定 |
| challenges | 課題 |
| 3.1. AI compute: What is it and what is it for? | 3.1. AIコンピュート。それは何であり、何のためにあるのか？ |
| 3.2. Measurement challenges | 3.2. 計測の課題 |
| 3.3. Insights from preliminary survey results | 3.3. 予備調査結果からの洞察 |
| 4 Blueprint for developing a national AI compute plan | 4 国家AI計算機計画策定のための青写真 |
| 4.1. Aligning compute capacity with national AI strategies | 4.1. 計算能力を国のAI戦略と整合させる |
| 4.2. Considerations for a national AI compute plan | 4.2. 国産AIコンピュート計画への配慮 |
| Capacity | 能力 |
| Effectiveness | 効果 |
| Resilience | レジリエンス |
| Additional considerations | 追加検討事項 |
| 5 AI compute in national policy initiatives | 5 国の政策構想におけるAIコンピュート |
| 5.1. High-performance computing initiatives | 5.1. ハイパフォーマンス・コンピューティングへの取り組み |
| 5.2. Cloud-based services | 5.2. クラウド型サービス |
| 5.3. Supply chain initiatives | 5.3. サプライチェーンへの取り組み |
| 6 Gap analysis and preliminary findings | 6 ギャップ分析と予備的知見 |
| 6.1. AI policy initiatives need to take AI compute capacity into account | 6.1. AI政策の取り組みには、AIの計算能力を考慮する必要がある |
| 6.2. National and regional data collection and measurement standards need to expand | 6.2. 国や地域のデータ収集・測定基準を拡大する必要がある |
| 6.3. Policy makers need insights into the compute demands of AI systems | 6.3. 政策立案者は、AIシステムの計算需要に関する洞察を必要としている |
| 6.4. AI-specific measurements should be differentiated from general-purpose compute | 6.4. AIに特化した測定は、汎用のコンピュートと区別する必要がある |
| 6.5. Workers need access to AI compute related skills and training | 6.5. 労働者はAIコンピュート関連のスキルやトレーニングにアクセスする必要がある |
| 6.6. AI compute supply chains and inputs need to be mapped and analysed | 6.6. AIコンピュートのサプライチェーンとインプットをマッピングして分析する必要がある |
| 7 Conclusion | 7 結論 |
| Notes | 備考 |
| References | 参考文献 |
| Annex A. Examples of existing keyword definitions | 附属書 A. 既存のキーワード定義の例 |
| Annex B. Existing datasets, indicators, and proxies for AI compute | 附属書 B. AIコンピュートに関する既存のデータセット、指標、プロキシ |
| Annex C. Indicators under discussion | 附属書 C. 検討中の指標について |
Comments