規制ではなく予算で作るAIガバナンス / シンガポールの公的AI研究投資を素材にした雑感

0　はじめに

　AIガバナンスの議論は、とかく規制の話に偏りがちである。EU AI法の適用スケジュール、各国の生成AIガイドライン、当局の執行方針。もちろんどれも見逃せない論点ではある。しかし、国家がAIを動かすレバーは法令だけではない。予算である。

　2026年1月24日、Tech in Asiaが報じたニュースは、AI政策と法を研究する者にとって示唆に富むものであった。シンガポールデジタル開発・情報省は、2030年までに公共のAI研究に対して約7億8600万米ドル、シンガポールドルにして10億ドル規模を投資する計画を明らかにした。重点領域として挙げられたのは、責任あるAI、資源効率の高いAI、人材育成、そして産業界への導入促進である。

　シンガポール政府によるAI分野への大型投資は今回が初めてではない。2024年には高性能計算インフラに約3億9300万米ドル、AIシンガポールの研究開発にも同程度の資金が配分されている。特筆すべきは、2023年にAIシンガポールが公開したオープンソースの大規模言語モデルSea-Lionの存在である。インドネシアのGoToグループなどに採用されているこのモデルは、2025年10月にAlibabaのQwenを基盤とした新バージョンがリリースされ、ビルマ語、フィリピン語、インドネシア語、マレー語、タミル語、タイ語、ベトナム語といった東南アジア諸語への対応能力を大幅に向上させている。

　今回は、この公的AI研究投資を単なる産業政策としてではなく、AIガバナンスの一形態として眺め直す雑感である。規制が「してはならない」「しなければならない」を書くものだとすれば、投資は「このやり方が標準だ」を作る。後者はしばしば静かで、しかし強い。

1　問題の所在　法令中心主義の外側にある統治

　AIガバナンスは、法律学の視点からは二層構造をなしている。第一層は伝統的な意味での法令と監督である。違反すれば制裁があり、司法審査もあり得る。第二層は、ソフトロー、標準、ガイドライン、調達要件、補助金条件、評価フレームワークといった半規範の層である。ここでは違反の帰結が行政罰ではなく、入札不利、調達排除、投資不調達、レピュテーション毀損、取引停止として現れる。

　この第二層は法学的には輪郭が曖昧である一方、実務的には極めて現実的な圧力となる。企業が怖れるのは条文違反だけではない。市場アクセスの失敗である。ゆえに、AIガバナンスをAI法の条文解釈と同一視すると、統治の実態を読み損ねる。

　公的研究投資は、この第二層を設計する強力な装置である。どの研究が良い研究か、どのモデルが信頼できるモデルか、どの評価が妥当な評価か。助成の条件として提示された瞬間に、それは産業のデフォルト設定になり得る。

2　公共AI研究とは何を公共化するのか

　公的AI研究投資と一口に言っても、何を公共化するかで法的含意は異なる。少なくとも四つの対象が考えられる。

　第一に計算資源である。大規模モデルの訓練は計算資源に依存する。高性能計算基盤の公的整備は、研究コミュニティと産業の能力上限を直接引き上げる。他方で計算資源は安全保障や輸出管理の語彙とも接続しており、アクセス条件がそのままモデル開発の行動規範になる局面が生じる。

　第二にデータである。公的データ基盤の開放と共有は、モデルの性能と公平性に直結する。しかしデータガバナンスは個人情報保護、機密保護、著作権、営業秘密、越境移転と絡み合い、設計を誤れば深刻な問題を招く。

　第三にモデルそのものである。政府主導あるいは政府助成の基盤モデルが公共財として提供される構図があり得る。ここではモデルのライセンス、免責、責任分配、改変・再配布条件、透明性の水準が法的に核心となる。

　第四に評価である。AIは作って終わりではなく、評価して初めて社会に置ける。評価手続が公共化されると、企業はその評価に通る設計を始める。評価は規制の前哨であり、同時に規制の代替でもある。

　シンガポールが強調する責任あるAIと資源効率は、公共化の方向性を示唆している。性能競争だけでなく、説明可能性、頑健性、セキュリティ、そして計算資源やエネルギー消費を含む外部性までを評価軸に入れるという政治的選択である。

3　シンガポールの文脈　投資と既存ガバナンスの接続

　シンガポールはAIガバナンスに関して、早い段階からルールブックを作るよりも実装可能な枠組みを配る方向で存在感を示してきた。2019年にModel AI Governance Frameworkを公表し、2020年に第2版を出している。生成AIの普及後は、Model AI Governance Framework for Generative AIも公表された。さらにAIシステムの透明性を高めるための評価ツールとしてAI Verifyが整備され、オープンソースとしてコミュニティ形成を図る方針も明確である。

　この文脈で見ると、今回の公的研究投資は規制の代わりに投資をするという話ではない。既存の枠組みを研究開発と産業実装の現場に流し込むための増幅器である。National AI Strategy 2.0が掲げるAI for the Public Goodという語りは、単なるスローガンではなく、助成条件や調達要件に翻訳され得る実務言語として機能する。

　規制と投資の役割分担も興味深い。規制は最低基準を作る。投資は望ましい実装例を作る。後者は規制が追いつかないスピード領域、たとえば生成AI、エージェント、マルチモーダルといった分野で、特に効く。

4　Sea-Lionが投げかける問い　オープンソース基盤モデルと責任分配

　Sea-Lionの動きは二つの意味で示唆的である。

　第一に、言語は公共性の核である。英語中心の基盤モデルは、非英語圏では性能、安全性、文化的妥当性の点で輸入品になりやすい。地域語モデルの公的支援は包摂の政策であると同時に、説明責任の実装可能性を上げる政策でもある。モデルが自国語や地域語で動くことは、監査、評価、苦情処理の現場を現実に近づける。

　第二に、基盤モデルには供給網がある。Sea-LionがQwenを基盤にしているという事実は、モデルが単独で存在するのではなく、上流モデル、学習データ、ツールチェーン、評価手法の上に積み上がることを示している。法的には上流ライセンスの継承、学習データの権利処理、セキュリティ脆弱性の伝播、国家間の規制断片化が、まとめて下流に降ってくる。

　EUはAI Actの下で汎用AIモデルの提供者に対し、技術文書の整備、下流への情報提供、著作権法遵守方針、学習データ概要の公表等を求める解釈指針を示している。自由かつオープンソースのライセンスで公開されたモデルには一定の例外があり得るが、システミックリスクを伴うモデルには例外が及ばず、評価、リスク低減、重大インシデント対応等が要求される方向が示されている。

　ここで言いたいのはEU型の規制をそのまま是とすることではない。むしろオープンソース戦略と責任分配が、各国で制度設計の競争領域になっているという点である。公的資金でオープンソースモデルを作るとき、どこまで透明にしどこまで制限をかけるかは、科学技術政策であると同時に法政策でもある。

5　地政学的リスクと実利主義　Qwen採用の含意

　極めて興味深いのは、Sea-Lionの新バージョンが中国Alibaba社のQwenモデルをベースに構築されているという事実である。

　これはシンガポールのAI戦略が純粋な国産に拘泥せず、利用可能な最高のリソースを柔軟に取り入れる徹底した実利主義に基づいていることを示している。かつてはMetaのLlamaなどがベースとして有力視されていたが、性能面や多言語対応能力においてQwenが優れていると判断すれば躊躇なく乗り換える柔軟性がある。

　しかし法的な観点、特に経済安全保障や輸出管理の文脈からは、この選択は議論を呼ぶ可能性がある。米中対立が激化し先端AI技術の囲い込みが進む中で、西側諸国と密接な関係を持つシンガポールが中国系技術を基盤インフラに組み込むことのリスクは一見すると高い。

　それでもなおシンガポールがこの道を選んだのは、モデルの出自よりも、そのモデルが自国の言語データを適切に処理でき、かつ自国の管理下でコントロール可能であるかという点を重視したからであろう。API経由でしか利用できないブラックボックスモデルに依存する場合、モデルの挙動やデータの取り扱いは完全に提供企業の支配下にある。対してオープンウェイトモデルであれば、ベースが外国製であってもファインチューニングやガードレールの設置を通じて最終的な出力の制御権を自国が保持できる。これは所有ではなく管理によって主権を確保するという戦略的判断であり、法的にも制御可能性を確保する手段として合理的である。

6　評価フレームワークという共通言語

　AIガバナンスが厄介なのは、価値判断と工学が同じ文書の中に同居する点である。公平、透明、安全といった抽象的な価値と、テスト、ログ、ドキュメントといった具体的な技術仕様が、一つのフレームワークに収められなければならない。そこで各国は原則を掲げるだけでなく、評価の共通言語を作ろうとしている。

　米国ではNISTがAI Risk Management Frameworkを公表し、ガバナンス、文脈把握、測定、管理という構造でリスク管理を整理している。生成AIについてはGenerative AI Profileとして追加的論点も整理されている。国際的にはOECDのAIに関する理事会勧告が信頼できるAIの原則を提示し、多国間の参照点となっている。UNESCOも倫理勧告を採択している。

　シンガポールのAI Verifyは、こうした原則の束を測れる形に落とす試みとして読める。評価ツールがオープンソースであることは単なる開発方式の選択ではない。透明性を供給し、検証可能性を輸出する政策である。

7　日本への示唆

　シンガポールの話を日本の文脈に引き寄せるとき、直ちに日本も同規模投資をせよと言うつもりはない。国の規模も産業構造も異なる。ただし三つの含意は抽出できる。

　第一に、AIガバナンスは規制対応ではなく供給網管理である。自社が使うモデルの上流、すなわちどのモデルを基盤にしどのデータで調整しどの評価を通したかを把握しない限り、説明責任も著作権リスク管理も成立しない。これはソフトウェアの部品表という発想がモデルにも拡張されるということである。

　第二に、投資条件は先回り規制になる。公的助成や公的調達において評価、文書化、監査可能性が条件化されれば、それは民間の標準になる。日本でも経済産業省と総務省がAI事業者ガイドラインを公表しており、今後も更新が予定されている。このガイドラインを単なる倫理文書として読むのではなく、調達、助成、監査の言語として読む必要がある。

　第三に、資源効率はこれから法的論点になる。モデルが巨大化するほど、エネルギー、計算資源、半導体、クラウド依存が外部性として可視化される。資源制約は単なるコストではなく、国家のレジリエンス、サイバーセキュリティ、環境政策の交差点に入っていく。シンガポールが最初から資源効率の高いAIを掲げるのは、性能競争の次に来る論点を先取りしているように見える。

8　むすび

　結局のところ、AIガバナンスは法令、予算、評価の三点セットで動く。規制だけを見ていると、いつの間にか標準が投資とツールによって書き換わっている。法学がそこを読み損ねると、現場の統治を読み損ねる。

　シンガポールの10億ドル規模のAI投資は、単なる技術振興策ではない。AIが社会の基本的なインフラとなりつつある現代において、そのインフラが特定の巨大企業や大国の規範のみによって構築されることを防ぎ、自国の文化的多様性と制御可能性を守るための試みである。

　法学研究者として注目すべきは、彼らが責任あるAIを投資の優先事項に掲げ、それを抽象的な理念ではなく実装可能な技術として社会に提供しようとしている点である。AIによる権利侵害やバイアスの問題に対処するためには、法律による事後的な救済だけでなくアーキテクチャによる事前の予防が必要になる。シンガポールの公的AI戦略は、そのアーキテクチャの設計権を公共の手に取り戻そうとする意思の表れとも読める。

　今後、Sea-Lionのような地域特化型の公的AIが実際の法務実務や行政サービスにどう統合され、そこで生じる法的問題がいかに解決されていくか。引き続き注視していきたい。

（マガジン）「AIと法-雑感」

　※目次は以下を参照

note総則規約3条2項前段
3.2 クリエイターが制作したデジタルコンテンツの著作権は、クリエイターに帰属します。