中国がグーグルを調査。

2月4日、中国は独占禁止法違反の疑いでGoogleを調査すると発表した。

中国調査 google 111131.jpg
中国はGoogleを独占禁止法違反で非難している。写真：Shutterstock

中国国家市場監督管理総局は、Googleを同国の独占禁止法違反の疑いで調査すると発表した。この声明は、中国が特定の米国輸入品に対する新たな関税を発表したことを受けて出された。

当局は捜査の詳細やGoogleの違法行為について明らかにしていない。検索エンジンなどのGoogle製品は中国でブロックされているが、同社は依然として現地のパートナーと連携している。

Googleは、米国を含む世界各国で厳しい監視に直面している。2024年8月、この検索大手は2020年に米国政府が提起した訴訟に敗訴した。米国政府は、Googleが参入障壁を過度に設けることで、検索市場全体を独占していると非難した。

この判決を受け、米国司法省はGoogleに対し、Chromeウェブブラウザからの撤退を強く求めている。また、GoogleはAppleやSamsungなどの第三者と独占契約を結ぶべきではないと主張している。

さらに、Google は英国の新しい法律に基づき、英国競争・市場庁の調査も受けている。

韓国がDeepSeekを禁止。

韓国産業省は、安全上の懸念から、従業員による中国のスタートアップ企業DeepSeekのAIモデルへのアクセスを一時的に禁止すると発表した最新の機関である。

台湾、セキュリティ上の懸念から中国AIサービスDeepSeekの政府による利用を禁止 69353.jpg
韓国政府はDeepSeekの使用を制限している。写真：Arise News

韓国政府は2月5日に、職場におけるDeepSeekやChatGPTなどのAIサービスの使用に注意するよう省庁や機関に指示していた。

国営企業である水力原子力発電も今月初め、DeepSeekを含むAIサービスの使用を禁止すると発表した。

同様に、韓国国防省も軍事目的で使用されているコンピュータへのアクセスをブロックしている。

聯合ニュースによると、外務省はディープシークの利用を外部ネットワークに接続されたコンピューターに制限したが、セキュリティ対策の詳細は明らかにしていない。

韓国は、中国製AIモデルについて懸念を表明した最新の国です。オーストラリアと台湾（中国）は以前、DeepSeekがセキュリティ上の脅威となると表明していました。

2025年1月、イタリアのデータ保護当局は、中国の新興企業がプライバシーポリシーに関する懸念に対処できなかったため、チャットボットへのアクセスをブロックした。

欧州、米国、インドでも、政府はDeepSeekの使用に伴う潜在的なリスクを検討している。

超安価な AI 推論モデルを作成するための秘密を明らかにします。

スタンフォード大学とワシントン大学の研究者は、AI推論モデルの作成にわずか50ドル（約120万ベトナムドン）を費やしました。

gettyimages 1168836247 1jpg 98890.jpeg
DeepSeekが低コストAI開発競争に参入。写真：TechCrunch

プログラミングと数学のテストにより、S1 (モデル名) のパフォーマンスは、OpenAI の o1 や DeepSeek の R1 など、現在利用可能な最も高度な AI 推論モデルに匹敵することが示されています。

注目すべきは、S1 はオープンソース モデルであり、GitHub リポジトリで誰でも簡単にアクセスできるということです。

開発チームによると、既存の基本モデルから始めて、それを「蒸留」、つまり別の AI モデルの応答をトレーニングすることでそのモデルから「推論」機能を抽出するプロセスによって改良したとのことです。

具体的には、S1はGoogleのGemini 2.0 Flash Thinking Experimentalモデルから抽出されました。抽出プロセスは、バークレー大学の科学者がモデルを作成した方法と似ており、費用は約450ドル（約1,130万ドン）でした。

S1 に関する論文では、AI モデルにデータセット内の特定の動作を模倣するように明示的に指示する、教師あり微調整 (SFT) と呼ばれるプロセスを通じて、比較的小規模なデータセットで推論モデルを抽出できることが示されています。

SFT は一般に、DeepSeek が R1 モデルのトレーニングに使用した大規模な強化学習手法よりも安価です。

S1は、アリババのQwen AI Labから無料でダウンロードできる小規模なAIモデルをベースにしています。S1の学習にあたり、研究者らはGoogleのGemini 2.0 Flash Thinking Experimentalから、厳選された1,000の質問と、その回答、そして各回答の背後にある「思考プロセス」のデータセットを作成しました。

この学習プロセスは、16基のNvidia H100 GPUを使用して30分未満で完了しましたが、それでも複数のAIベンチマークで優れた結果が出ました。スタンフォード大学の研究者であるニクラス・ミュンニホフ氏は、必要な計算能力のレンタル費用はわずか20ドル程度だったと述べています。

研究者たちは、S1に作業を二重チェックさせ、「思考時間」を長くさせるためにトリックを使った。例えば、推論プロセスに「待つ」という言葉を追加してモデルに待つように指示し、モデルがより正確な答えを導き出すのに役立った。

（合成）