ChatGPTからAI大規模モデルのプライベートデプロイまで、企業の技術的救世主とは誰なのか？

2023.09.01

共有先

TechFlow厳選深潮セレクト

ChatGPTからAI大規模モデルのプライベートデプロイまで、企業の技術的救世主とは誰なのか？

AI大規模モデルのオンプレミス展開の現状と発展可能性。

2023.09.01 - 09:37:05

ChatGPTAI

Web3業界の深掘り報道に専念し潮流を洞察

AI大規模モデルのオンプレミス展開の現状と発展可能性。

Metaは最近、GhatGPT3.5に匹敵する性能を持つ自然言語大規模モデルLLaMa2を無料でオープンソース化し、商用利用も可能にしました。LLaMa2のオープンソース化を発表したほか、MetaはLLaMa2に関するいくつかのデータも公開しています。パラメータ規模の面では、LLaMa2は70億、130億、700億の3種類のバージョンを提供しています。

LLaMa2のような大規模言語モデルがますます多くの産業分野を変革する中、「企業がどのように大規模モデルを活用すべきか」「AIをどのようにプライベート環境に展開すべきか」という課題が注目を集めています。現在、資金力のある中央・地方の国営企業や業界顧客は、自社専用データに基づいた業界特化型の大規模モデル構築を支援するプライベートデプロイメントソリューションを探しており、これは大規模モデルの商用展開における新たな形態であり、大きな市場ポテンシャルを持っています。

現在、多くの企業がAI大規模モデルのプライベートデプロイメントに対応可能です。例えばContextual AIは企業向けプライベートデプロイメントにおける拡張生成（RAG）技術の研究を進めています。Cohereは顧客の要望に応じてモデルのトレーニングを行っており、Reka社のモデル蒸留技術は、業界トップクラスのプライベートコード処理能力プラットフォームを提供し、企業の開発効率を大幅に向上させています。今回はR3POがこの分野を解説し、AI大規模モデルのプライベートデプロイメントの現状と将来性についてご紹介します。

一、企業のデジタル未来にはAI大規模モデルのプライベートデプロイメントが不可欠

多くの大手伝統的企業は、データセキュリティなどの理由からパブリッククラウドのAIサービスを利用できないのが実情です。こうした企業はAI基盤能力が弱く、技術や人材の蓄積も不足しているものの、知能化のアップグレードは必須かつ急務となっています。このような場合、AI技術企業が企業内部にAI中台をプライベートデプロイすることで、経済的かつ効率的な戦略を実現できます。

騰訊（テンセント）の湯道生氏は最近の講演で、「汎用大規模モデルは100のシナリオのうち70～80％の問題を解決できるが、企業の特定のニッチなニーズを完全に満たすことは難しいかもしれない」と指摘しています。汎用大規模モデルは一般的に広範な公開文献やネット情報に基づいて訓練されており、多くの専門知識や業界データの蓄積が不足しているため、業界特化性や精度に課題があります。一方で、ユーザーは企業に対して高い専門性を求め、エラーの許容度は非常に低く、企業が誤った情報を公表すれば重大な結果を招く可能性があります。そのため、業界向け大規模モデルをベースに自社データで微調整を行うことで、企業は高度に実用可能なスマートサービスを構築できます。また、汎用モデルと比べて専用モデルはパラメータ数が少なく、学習および推論コストが低く、モデルの最適化も容易です。

さらに、業界別大規模モデルやモデル開発ツールは、プライベートデプロイメント、権限管理、データ暗号化などにより、企業の機密データ漏洩を防ぐことができます。また、大規模モデルを実際の業務に適用するにはアルゴリズム構築やモデルデプロイメントなど一連の工程が必要であり、どの段階でもミスがあってはなりません。モデルは継続的に反復改善やチューニングが必要であり、これには体系的かつ工学的なツールが不可欠です。

二、AI大規模モデルのプライベートデプロイメントにはどのような意味があるのか？

最近、企業向け大規模モデルのカスタマイズ処理サービスを提供するReka社は5800万ドルの資金調達を完了し、企業のAIモデルプライベートデプロイメント市場が着実に拡大していることが示されています。

GPT-4のような大規模言語モデルはテキストの分析・生成能力が非常に高いものの、トレーニングコストが高く、特定の垂直領域での学習が困難であるため、ブランドのトーンに合わせた広告文案作成といった特定タスクの遂行にはまだ対応できていません。こうした点で、その「汎用性」がむしろ負担となっているのです。

企業の垂直領域アプリケーションとAIの統合における課題に対して、プライベートデプロイメントが最適な解決策となっています。企業向けAIのプライベートデプロイメントとは、AI技術をパブリッククラウドプラットフォームから企業独自のプライベートインフラへ移行するプロセスです。この方法により、企業はより高いデータセキュリティとプライバシー保護を確保でき、AIアプリケーションの制御とカスタマイズも強化されます。企業のAIプライベートデプロイメントには、内部AIインフラの構築、データ保存・処理能力の整備、そしてAI専門人材によるシステム全体の運用・管理が含まれます。

Reka社は企業のAIプライベートデプロイメントの意義について、主に以下の5つの観点から説明しています。

1. データのプライバシーとセキュリティの強化

企業内部にAIシステムを導入することで、機密データが企業のセキュリティ境界外に出ることなく、データ漏洩やセキュリティ脆弱性のリスクを低減できます。これにより、機密情報を扱う業務に対して高い信頼性と保護を提供できます。

2. カスタマイズ性と柔軟性の向上

企業のAIプライベートデプロイメントにより、組織は自社のニーズに応じてAIアプリケーションをカスタマイズできます。このカスタマイズ能力により、企業は特定のビジネスシーンに最適化し、必要に応じて柔軟に調整・拡張が可能です。

3. 高性能と低遅延

AIシステムを企業の内部インフラに配置することで、データ転送および処理速度が高速化され、リアルタイム意思決定や迅速な応答が求められる業務にとって極めて重要です。これにより、全体の効率性と競争力が向上します。

4. コスト効率の向上

企業のAIプライベートデプロイメントには初期投資が必要ですが、長期的にはコスト面でのメリットがあります。パブリッククラウドへの長期依存と比較して、運用コストを削減でき、予算のコントロールと計画もより精緻に行えます。

5. データガバナンスとコンプライアンス

企業のAIプライベートデプロイメントにより、データガバナンスをより適切に管理・制御し、規制やコンプライアンス要件を満たすことができます。個人情報保護やデータ使用に関するコンプライアンスが重要な業界において特に重要です。

三、個別カスタマイズと最適化：Rekaのモデル蒸留技術が企業向け推薦モデルに巨大な可能性をもたらす

DeepMind、Google、百度、Meta出身の研究者たちによって設立されたReka社は、DST Global PartnersとRadical Venturesが主導する資金調達を実施しており、戦略的パートナーのSnowflake VenturesやGitHub元CEOのNat Friedman氏らも出資に参加しています。

Rekaはすでに最初の商用製品Yasaを開発しています。当初の目標を完全に達成したわけではありませんが、Yasaはカスタムモデル分野で一定の進展を遂げました。Yogatama氏によると、YasaはマルチモーダルAIアシスタントであり、単語やフレーズだけでなく、画像、動画、表形式データの理解も可能に訓練されています。また、アイデアの自動生成や基本的な質問への回答、企業の内部データに対する独自の見解の提示も可能です。

GPT-4などのモデルとは異なり、Yasaは独自データやアプリケーションに対して簡単にパーソナライズできます。テキストだけでなく、マルチモーダルなAI「アシスタント」であり、単語やフレーズに加えて画像、動画、表形式データの理解も可能です。Yogatama氏は、Yasaはアイデアの創出や基本的な質問への回答だけでなく、企業の内部データから洞察を得るために利用できると述べています。

Rekaの次のステップは、より多様なデータタイプを受信・生成し、継続的に自己改善するAIの開発に焦点を当てることです。再トレーニングなしで最新の状態を維持できるようにすることです。このためにRekaは、開発したモデルが企業のカスタムまたは専有データセットに適応できるサービスも提供しています。顧客は自社のインフラ上、あるいはRekaのAPIを通じてカスタマイズされたモデルを実行できます。用途やプロジェクトの制約に応じて選択可能です。