ポジション：現在のAI会議モデルは持続不可能である！集中型AI会議の危機を診断する

Position: The Current AI Conference Model is Unsustainable! Diagnosing the Crisis of Centralized AI Conference

August 6, 2025

著者: Nuo Chen, Moming Duan, Andre Huikai Lin, Qian Wang, Jiaying Wu, Bingsheng He

cs.AI

要旨

人工知能（AI）学会は、研究の進展、知識の共有、学術コミュニティの育成において不可欠な存在です。しかし、その急速な拡大により、集中型の学会モデルはますます持続不可能な状況に陥っています。本論文では、科学的な情報発信、公平性、コミュニティの健全性という基本的な目標を脅かす構造的危機について、データに基づいた診断を提供します。私たちは、以下の4つの主要なストレスの領域を特定しました：(1) 科学的には、著者1人あたりの論文発表率が過去10年間で2倍以上に増加し、年間4.5本を超えていること、(2) 環境的には、1つの学会のカーボンフットプリントが開催都市の1日の排出量を上回っていること、(3) 心理的には、オンラインコミュニティの議論の71%がネガティブな感情を反映し、35%がメンタルヘルスの懸念に言及していること、(4) 運営的には、NeurIPS 2024のような主要な学会の参加者が会場の収容能力を上回り始めていることです。これらの圧力は、学会の核心的な使命とシステムが乖離していることを示しています。これに対応して、私たちは「コミュニティ連携型学会（Community-Federated Conference, CFC）」モデルを提案します。このモデルでは、査読、発表、ネットワーキングを、グローバルに調整されつつも地域ごとに組織されるコンポーネントに分離し、AI研究にとってより持続可能で包括的かつ強靭な道筋を提供します。

English

Artificial Intelligence (AI) conferences are essential for advancing research, sharing knowledge, and fostering academic community. However, their rapid expansion has rendered the centralized conference model increasingly unsustainable. This paper offers a data-driven diagnosis of a structural crisis that threatens the foundational goals of scientific dissemination, equity, and community well-being. We identify four key areas of strain: (1) scientifically, with per-author publication rates more than doubling over the past decade to over 4.5 papers annually; (2) environmentally, with the carbon footprint of a single conference exceeding the daily emissions of its host city; (3) psychologically, with 71% of online community discourse reflecting negative sentiment and 35% referencing mental health concerns; and (4) logistically, with attendance at top conferences such as NeurIPS 2024 beginning to outpace venue capacity. These pressures point to a system that is misaligned with its core mission. In response, we propose the Community-Federated Conference (CFC) model, which separates peer review, presentation, and networking into globally coordinated but locally organized components, offering a more sustainable, inclusive, and resilient path forward for AI research.