Google Gemini および Vertex AI のグループ プロダクト マネージャーである Lewis Liu 氏との AI Business Asia Podcast の第 2 話で議論された重要なポイントをレビューします。

エピソードをご覧になりたい方は→ スポティファイ | りんご 

人工知能 (AI) の世界、特に大規模言語モデル (LLM) の世界は急速に進歩しており、その進歩は前例のない速度で進んでいます。この要約では、段階的なリリースへの移行、革新的な機能の統合、グローバル モデルとの競争環境など、Google の LLM へのアプローチにおける最近の動向について説明します。また、データの役割、ファーストパーティ データの利点、エンタープライズ対応の AI エクスペリエンスに必要なものについても詳しく説明します。

Google の LLM における進歩

過去 1 年間で、Google チームは LLM のリリース ペースを大幅に加速し、以前の 20 ～ 30 回のリリースと比較して約 200 回のアップデートを提供しました。これは 10 倍の増加です。この変化は、従来の大規模なリリースから、より機敏で段階的なアプローチへの移行を反映しています。 

革新的な機能

• 制御発電: Google は、制御されたデコードによる制御された生成機能を導入しました。この機能により、開発者はモデルにスキーマを提供できるようになり、生成された JSON オブジェクトが 100% 正確で、指定されたスキーマに準拠していることが保証されます。この機能は、Gemini 1.5 Pro モデルで初めて提供され、最近 OpenAI によって採用されました。
• コンテキスト キャッシュ: もう 1 つのイノベーションはコンテキスト キャッシングです。これは、広範なコンテキスト ウィンドウの管理に役立ちます。Google は、最大 200 万トークンのコンテキスト ウィンドウを初めて実現しました。これらの進歩は、モデル機能とユーザー エクスペリエンスの強化に対する Google の取り組みを強調しています。

競争上のポジショニング

Google は競争上の優位性に欠けるという認識がある中、同社は急速なイノベーションと AI の世界的な進歩への対応に注力している。議論では、長いコンテキストの処理と中国語の微調整の進歩が顕著な中国発の新興モデルがもたらす課題と機会についても触れている。

AI モデルの世界的な状況

中国からのモデル

中国で開発されたモデルは、特に長いコンテキストの処理や中国語への対応のカスタマイズなどの機能で注目を集めています。会話から、Google はこうした開発を監視しているものの、規制上の制約により中国市場に直接関与していないことが明らかになりました。

AIにおけるアイデンティティと国籍

重要な議論のテーマは、LLM が国家的アイデンティティを持つべきか、それとも地理的境界の影響を受けるべきかということです。モデルは作成者の偏見やアイデンティティを反映しますが、国家的モデルに多大な投資をする必要はないのではないかというのがコンセンサスです。代わりに、特定のユースケースに合わせて微調整する方が現実的かもしれません。

LLM 開発におけるデータの役割

高品質データの重要性

高品質なデータは、効果的な LLM をトレーニングするための基礎であり続けています。生成 AI の分野では、データの品質と多様性が、正確で関連性があり、コンテキストを認識した出力を生成するモデルの能力に直接影響します。合成データは、慎重に統合されると、特に現実世界のデータが限られていたり偏っていたりする可能性があるシナリオで、LLM が達成できることの境界を広げることができます。LLM の進歩は、人間とコンピューターの相互作用を含む多様なデータ ソースによってますます推進されており、モデルの推論、計画、およびより微妙な応答の生成能力が向上します。

ファーストパーティデータとインフラストラクチャ

• スタートアップの課題: スタートアップ企業は、膨大な量のファーストパーティデータにアクセスできる大企業と競争する際に大きな課題に直面します。Google などの企業が独自のデータと堅牢なインフラストラクチャを重視していることは、差別化された LLM アプリケーションを作成する上でこれらの要素が果たす重要な役割を強調しています。スタートアップ企業にとって、ファーストパーティデータにアクセスできないことは大きな障害となる可能性があり、データ取得とモデルトレーニングに対する革新的なアプローチを模索することが不可欠です。
• 規制遵守: 企業対応ソリューションの開発には、AI を事実に基づいた信頼できる情報でグラウンディングすることが不可欠です。生成 AI のコンテキストでは、グラウンディングにより、モデルによって生成される出力が正確であるだけでなく、現実世界のコンテキストや規制に準拠していることが保証されます。これは、リスクが高く、不正確さのコストが大きくなる可能性があるエンタープライズ アプリケーションでは特に重要です。規制コンプライアンスの遵守も重要な側面です。これにより、AI ソリューションがサービス提供先の業界の法的枠組み内で動作することが保証され、法的複雑さのリスクが軽減され、ユーザー間の信頼が促進されます。

エンタープライズ対応の AI エクスペリエンスの構築

企業での AI 導入では、実装と価値創造を成功させるために、いくつかの重要な要素を慎重に検討する必要があります。 

1. プラットフォームの機能: 企業に必要なのは、モデルや API だけではありません。包括的なプラットフォームは、モデルの微調整、評価、抽出をサポートする必要があります。チームがプロンプトに基づいて共同作業し、変更を効率的に追跡できるようにするには、コラボレーション機能が不可欠です。
2. セキュリティとプライバシー: 堅牢なセキュリティ対策が最も重要です。たとえば、Google では強力な暗号化を実装して、従業員が顧客データにアクセスできないようにしています。このレベルのデータ保護は、信頼を維持し、規制に準拠するために不可欠です1。
3. スケーラビリティ: エンタープライズ アプリケーションでは、モデルを大規模に展開する機能が不可欠です。これには、コスト効率とパフォーマンスの最適化に関する考慮事項が含まれます。
4. 事実性と根拠: 企業には、正確で事実に基づいた情報を提供する AI システムが必要です。検索拡張生成 (RAG) などの技術は、検証済みのデータ ソースに基づいて AI の応答を基盤化し、幻覚を減らして信頼性を向上させるのに役立ちます。
5. 既存システムとの統合: 効率を最大限に高めるには、AI を組織の既存のツールやワークフローとシームレスに統合する必要があります。Gmail やカレンダーなどの広く使用されているアプリケーションに Gemini を組み込むという Google のアプローチは、この戦略の好例です。
6. カスタマイズと微調整: モデルを特定の業界のニーズや企業データに適応させる能力は非常に重要です。これにより、企業は独自のユースケースや独自の情報に AI を活用できるようになります。
7. コンプライアンスと規制遵守: エンタープライズ AI ソリューションは、規制要件を考慮して設計し、業界固有の標準とデータ保護法に準拠していることを確認する必要があります。
8. コスト管理: 一部の LLM 機能はコモディティ化されつつありますが、企業は AI ソリューションを選択して実装する際に、品質、レイテンシ、コストのバランスを取る必要があります。
9. 継続的評価: AI 開発の急速なペースを考慮すると、企業は公開ベンチマークだけに頼るのではなく、独自のデータとユースケースを使用して AI モデルを継続的に評価するためのフレームワークを実装する必要があります。
10. 倫理的考慮: 責任あるAIの開発と展開を優先し、潜在的な偏見に対処し、AI技術の公正かつ倫理的な使用を確保する必要がある。

Google Cloud GenAI のケーススタディをいくつかご紹介します。

連邦銀行

• 強化されたチャットボットインタラクション: Vertex AI を使用して、チャットボット Feddy をより人間らしくパーソナライズしたものにしました。
• 多言語24時間365日サポート: 24時間365日、多言語対応のカスタマーサービスのためにAIを導入しました。
• API統合: FinTech コラボレーションを効率化し、セキュリティを向上させる API ポータルを開発しました。
• 従業員の効率: 従業員の生産性を向上させるために、Firebase を使用してモバイル アプリを作成しました。
• データセキュリティ: Cloud Armor を使用して DDoS 攻撃から保護し、データのコンプライアンスを確保しました。

ミスティフライ

• 顧客オンボーディング: Vertex AI を使用した AI チャットボット Mystic を作成し、ユーザーのオンボーディングを効率化し、エージェントのサポートの必要性を減らしました。
• 強化されたセルフサービス: Mystic は複雑なクエリを処理し、ユーザー満足度を向上させます。
• スケーラビリティAI チャットボットは複数のクエリを一度に管理し、未解決の問題を人間のエージェントにエスカレートします。

コロバー

• BharatGPT 開発: Vertex AI を使用して多言語 AI プラットフォームを構築し、ブランドが顧客と母国語で会話できるようにしました。
• カスタマイズとセキュリティ: Google の安全なインフラストラクチャにより柔軟なデータ使用を実現します。
• スケーラビリティ: Kubernetes Engine の自動スケーリングを使用して、ピーク時のトラフィックを効率的に管理しました。
• 革新的なコラボレーション: 継続的なイノベーションと顧客中心のソリューションを実現するために、Google Cloud と提携しています。

スタートアップ企業と経営者へのアドバイス

スタートアップ向け

機敏に行動する: AI テクノロジーの急速な進化により、スタートアップ企業は機敏性と応答性を維持する必要があります。テクノロジーの進歩は予測不可能なため、長期的なロードマップを作成するのは困難な場合があります。スタートアップ企業は、新しい開発に迅速に適応し、新興テクノロジーを実験することに重点を置く必要があります。

エグゼクティブ向け

ユースケースを評価する: 経営幹部は、AI 戦略を実装する際に、誇大広告やベンチマークにとらわれずに考えることが推奨されます。実際の使用事例に基づいてモデルを評価し、そのデータで評価することが重要です。公開ベンチマークは必ずしも実際のシナリオでのモデルのパフォーマンスを反映しているわけではないため、実践的なテストが不可欠です。

結論

大規模言語モデルの状況は急速に進化しており、Google などの既存のプレーヤーと世界的に出現しているモデルの両方から大きな進歩がもたらされています。制御された生成やコンテキスト キャッシュなどのイノベーションは、LLM 機能の新しい基準を確立しています。AI テクノロジーが進歩し続けるにつれて、データの役割、地理的影響の影響、アジャイル開発の重要性を理解することが、このダイナミックな分野で先頭に立つための鍵となります。 

スタートアップ企業にとっても経営者にとっても、機敏性を保ち、実用的なアプリケーションに重点を置くことは、AI の未来を切り開き、実装を成功させる上で非常に重要です。

今後のポッドキャストの通知を受け取るには、必ず登録してください。エピソード→ ユーチューブ | スポティファイ | りんご  | 翻訳