科学技術情報通信省（科学技術省）は、汎用人工知能（AI）モデルに続き、サイバーセキュリティ分野に特化したファウンデーションモデルの育成に乗り出す。国内のAIモデルを基にセキュリティ専門性を強化し、モデルエコシステムを多様化することが目的である。
ただし、汎用モデルの育成にも大規模な投資が行われている状況で、別途コンピューティングリソースを投入するため、特化モデルの性能と効率性を証明することが鍵とされている。
26日、科学技術省によると、同日サイバーセキュリティ分野の『特化型AIファウンデーションモデル開発（特派モ）』事業の公募が締切を迎えた。SKテレコム（SKT）とネイバークラウドがそれぞれコンソーシアムを組んで事業に支援した。
科学技術省は今後評価を経て最終事業者を選定し、エヌビディアのグラフィック処理装置（GPU）B200を256台、10ヶ月間支援する。国内独自のAI技術とモデルを基にサイバーセキュリティに特化したファウンデーションモデルを開発する計画である。既存の国内ファウンデーションモデルを基にセキュリティ専門性を強化する方法も可能である。
SKTは独自のAIファウンデーションモデル（独派モ）事業で開発した自社モデルを基に、セキュリティ特化モデルを開発する方針を進めている。ネイバークラウドは具体的な基盤モデルと開発方法については公開していない。
科学技術省がセキュリティ特化モデルの開発に乗り出したのは、汎用の巨大言語モデル（LLM）だけではマルウェア分析や脅威検出などの専門的なセキュリティ業務を遂行するには限界があるとの判断からである。セキュリティデータと専門知識を学習させ、国内のセキュリティ産業におけるAI活用能力を高めることが目的である。
ただし、特化モデルの開発方法によって必要な費用や開発の難易度にはかなりの差があるとの指摘もある。
チョ・ソンベイ延世大学コンピュータ工学科教授は「初めからファウンデーションモデルを作る方法は、望む方向に設計できるという利点があるが、膨大なデータと時間、費用が必要である」とし、「B200 256台で10ヶ月間ファウンデーションモデルを作るのは、期間がやや厳しいかもしれない」と指摘した。続けて「現実的には完全に初めから作るよりも、オープンウェイトやオープンソースを活用してセキュリティ特化の方向に調整する方法の可能性が高いように思える」と述べた。
特化モデルに相応しい性能を確保することも課題である。チェ・ジェシク韓国科学技術院（KAIST）指定教授は「特化モデルは汎用モデルに比べてデータが相対的に不足しており、専門的な知識も加味される必要がある」とし、「実証でもより高いレベルが求められ、幻覚なしに正確な結果を出さなければならない」と説明した。
特化モデルの開発難度にもかかわらず、長期的には汎用モデルと分野別専門モデルを共に育成することが国内AIエコシステムの競争力強化に寄与するとの評価も出ている。
チョン・ジュンファ国会立法調査処立法調査官は「少数精鋭チームに支援を集中することが、いざという時に国家全体のAI回復力を高めるのに適切かどうか再検討する必要がある」とし、「ファウンデーションモデルからサービスを派生させる下方式の方法だけでなく、分野別の小型専門AIモデルを育成する上方式アプローチも考慮する価値がある」と分析した。
* この記事はAIによって翻訳されました。
