韓国語モデルは誰のものか

モデル一つを握れば主権が生まれるという錯覚

ソブリンAIという言葉が政治スローガンになり、構図が単純化された。韓国語が得意な大規模モデルを国家が一、二個育てれば言語主権が確立するという具合だ。そのため予算会議は常に同じ場所で止まる。GPUを何枚購入するか、パラメータをいくつまで増やすか。

この構図は半分しか正しくない。モデルは成果物であり資産ではない。6ヶ月経てばより大きなモデルが登場し、昨年補助金で作った重みはすぐに陳腐化する。国家が税金で購入したものが1年で旧型になる構造なら、それは主権ではなく消耗品だ。言語主権をモデル所有で定義する瞬間、我々は毎年同じコストを再び払うトレッドミルに乗ることになる。

質問を変えなければならない。我々はこの技術を社会的に理解しているのか。AIは個人の生産性ツールである前に、ある社会が自国語で何を知り何を知らないかを決定する公共インフラだ。それならば資源を分配する単位も「モデル」ではなく、そのインフラを支える三本の柱、データと演算と評価であるべきだ。

データ、演算、評価、三つのうち何を握るか

料理に例えてみよう。モデル学習は料理だ。演算(GPU)は火であり、データは材料であり、評価ベンチマークは客の好みを記した採点表だ。今の韓国の論争はほぼ全て火の大きさに偏っている。コンロをいくつ増やすかで争っている。

しかし同じ火でも材料が貧弱なら同じ料理は作れず、採点表がなければ誰がより良く作ったか最後まで分からない。演算は金さえあればクラウドで借りられる、市場が最も機能する領域だ。逆に韓国語公共データと韓国語評価基準は市場が勝手に作ってくれない。金にならないからだ。市場が失敗するまさにその地点が国家が入るべき場所だ。

核心はこうだ。モデルは借りられても採点表は借りられない。韓国語で医療相談をするAIがどれだけ嘘をつくか、行政文書を要約する際に何を省略するか、方言や高齢者の語法をどう処理するか。こうしたことを測る物差しは英語圏ベンチマークを翻訳しても生まれない。我々が直接定義しなければならず、それは国産モデル一つよりはるかに長く生き残る資産だ。

補助金が重みではなく採点表に向かうべき理由

ここで反論が出る。評価だけでは産業は大きくならない、結局我々の手で大きなモデルを回してみてこそ力量が蓄積されるという主張だ。一理ある。ファウンデーションモデルを一度も最後まで学習させたことがない国は、その技術の底を知らない。

しかし力量と所有は異なる。学習力量は人材とコードに残り、モデルの重みはディスクに残る。補助金が重みを買えばその金は1年後に消える。同じ金で韓国語評価ベンチマークと公開学習データ、共用演算プールを作れば、その上で企業と大学とスタートアップがそれぞれモデルを数十個ずつ学習させる。一つを買う代わりに百個が育つ土壌を作るわけだ。

ここによくある罠がもう一つある。ベンチマークスコア自体が目標になれば、皆がその試験だけ良い点を取るモデルを作る。測定値が目標になる瞬間、測定値は壊れる。だから評価は一度作って終わる固定試験ではなく、公共が継続的に更新し監査する生きた制度でなければならない。これは民間にはできない。試験出題者が受験者であってはならないからだ。

韓国がまだ定義していない空白

問題はこの採点表を誰が作り管理するか、その制度的主体が韓国に欠けているという点だ。科学技術情報通信部はモデル学習補助金を扱い、個人情報保護委員会はデータ活用の境界を見る。しかし「韓国語AIが公的に使えるレベルか」を常時測定しその基準を公開し更新する機関は事実上ない。英国がAI安全研究所を設立しモデル評価自体を国家機能に引き上げたことと比較すると、我々は評価を依然として企業の自主的な広報に委ねている。

空白は具体的だ。医療、行政、教育のようにリスクが大きい領域で韓国語モデルが通過すべき最低基準は誰が決めるのか。公共が保有する判例と行政文書、保健データをどのような条件で学習に開放するのか。市民が自国語のAIの誤作動を報告しその結果が次の評価に反映される経路はあるのか。釜山のような非首都圏都市の行政現場でこれらのモデルが実際に使えるかは誰が検証するのか。今は全て空白だ。

市民リテラシーの最低限もここで分かれる。AI時代に市民が知るべきはプロンプトを上手く書く方法ではなく、「このモデルは何で評価されたのか」を問える感覚だ。採点表が公開されていてこそその質問が成立する。

AIを上手く使う国は増えるだろう。より大きなモデル、より速い演算は結局金の問題に収束する。しかし自国語で何を測定するか自ら定義した国は稀だ。言語主権は最も大きなモデルを持つ側ではなく、そのモデルを採点する物差しを握る側に行く。上手く使う国より正しく理解する国が先だ。