囲碁を愛する人々にとって忘れられないことが一つあります。それは、20年以上も前に世界に衝撃を与えた人間と機械の戦いです。

1997年、チェスの世界チャンピオン、ガルリ・カスパロフはニューヨークでIBMのスーパーコンピュータ「ディープ・ブルー」と6局対戦しました。これは、機械が人間と知的な対局を行った史上初の出来事でした。最終的に機械が勝利し、囲碁のチャンピオンとなりました。その後、AIは比較的安定した状態が長く続き、より大きな動きに備えているように見えました。

20 年以上経って、生成 AI が人々の視野に入り、前例のない破壊的な力で人々の生活に影響を与え、仕事の習慣を変えることになるとは、誰も想像できなかったでしょう。

夏の人気旅行先を探したいなら、Siri、Alexa、Xiao Ai、Xiao Yi、Tmall Genieに尋ねることができます。長文を書くのが苦手なコピーライターなら、音声入力アプリケーションがいつでもオンラインサービスを提供してくれます。ショッピングサイトで気に入った夏の服を見つけたいなら、ロボットに話しかけて服の詳細を尋ねることができます。これらの例は、生成AIが社会生活や仕事のあらゆる側面に深く浸透していることを示しています。かつては多くの人がブレインストーミングして解決する必要があった問題も、今では生成AIによって解決できるのです。

ジェネレーティブAIは、私たちの仕事や生活に影響を与えるだけでなく、ビジネスの世界にも画期的な進歩をもたらしています。統計によると、2026年までに80%以上の企業が業務効率向上のためにジェネレーティブAIを導入するとされています。しかし、ジェネレーティブAIは万能薬ではなく、適切に活用されなければビジネスに悪影響を及ぼす可能性があります。ジェネレーティブAIはビジネスオペレーションを加速させるのか、それともリスクをもたらすのか？まずは、ジェネレーティブAIの起源を紐解き、テクノロジーの変化の方向性を探ってみましょう。

歴史を辿る：GenAIの過去、現在、そして未来

多くの人は、生成AIは現代の技術であり、現代文明の始まりだと無意識のうちに信じています。しかし実際には、生成AI技術の起源は1906年にまで遡ります。

当時、アンドレイ・マルコフというロシアの数学者が、確率過程の挙動をモデル化する統計計算を考案しました。この数学的手法は後にマルコフ連鎖として知られるようになりました。マルコフ連鎖はその後、多くの生成AIモデルの基盤となりました。さらに、多くの機械学習アルゴリズムが、メールのオートコンプリート機能などの次単語予測タスクにマルコフモデルを用いていることは驚くべきことです。

ChatGPTなどのOpenAIモデルも、ある程度はマルコフモデルの原理に基づいて設計されています。しかし、マルコフモデルはデータ内の複雑なパターンや依存関係を正確に捉えることができないため、より高度な生成AIモデルが必要です。

2014年、モントリオール大学の研究者たちは、敵対的生成ネットワーク（GAN）と呼ばれる機械学習アーキテクチャを発表しました。GANは主に2つのニューラルネットワークで構成されています。1つは新しいデータサンプルを生成する生成ネットワーク、もう1つは生成されたサンプルと実際のサンプルを区別する識別ネットワークです。GANは動画、サンプル、音声の生成に用いられるため、アート作品の制作、合成データの生成、データ拡張といった分野に応用できます。

1年後、スタンフォード大学とカリフォルニア大学バークレー校は共同で拡散モデルを発表しました。これらのモデルは、新しいデータセットを生成したり、トレーニングデータセットからサンプルを複製したりすることができます。シュールな画像を生成することで知られるこのモデルは、テキストから画像を生成するシステムの鍵となりました。

Googleは2017年、ChatGPTを支える大規模言語モデルの開発で最もよく知られるTransformerアーキテクチャを発表しました。このアーキテクチャは、エンコーダー・デコーダーの原理に基づいて動作します。エンコーダーは、アテンションと呼ばれる数式を用いて異なる要素間の関係性を評価し、入力シーケンスのアテンションマップを生成します。一方、デコーダーはこのシーケンスを受け取り、出力シーケンスを生成します。

歴史的な飛躍：生成AIとクラウドの連携

生成 AI は技術革新の強力な原動力とみなされてきましたが、実際にはクラウド コンピューティングこそが​​その背後にある真の原動力であり、生成 AI をさらに強力にする触媒です。

まず、クラウドはスケーラブルなインフラストラクチャ機能を提供し、生成AIをビジネスアプリケーションに組み込み可能なツールとして活用できるようにします。同時に、クラウドとGenAIの連携は人工知能の民主化を推進し、世界中のユーザーが新たな技術革新の開発可能性を実感できるようにします。

インフラストラクチャの観点から見ると、クラウドは生成AIに強力なコンピューティングサポートを提供できます。生成AIは非常に計算負荷が高く、高性能なNVIDIA GPUチップは約8万元、一般的なGPUは約2万7000ドルかかります。しかし、開発者がクラウドサービスプロバイダーから仮想GPUをレンタルできれば、明らかに大幅なコスト削減が可能です。特にトレーニングシナリオでは、開発者はビジネスニーズと使用期間に応じて料金を支払うことができます。同様に、本番環境シナリオでは、開発者はGPUの処理能力を活用して推論速度を向上させ、データをより有効に活用する必要があります。クラウドインフラストラクチャは、ユーザーの柔軟なスケーリングニーズにより適切に対応できます。

アクセス性という点では、クラウドは規模や発展段階を問わず、あらゆる企業が生成型AI技術を活用できるようにすることで、高価なインフラ上で自社独自の大規模モデルを構築・管理する必要がなく、利用コストを効果的に削減します。したがって、クラウドとAIの組み合わせは、ユーザーにとって大きなメリットをもたらします。ユーザーは、自社でAIチームを構築するために多額の投資を行う必要がなく、世界最先端の技術を活用し、クラウド上でパーソナライズされたカスタマイズを通じて、ビジネスニーズに適したアプリケーションを選択できるのです。

知識共有とチームコラボレーションをより重視しています。大規模なAIプロジェクトは、一人の作業ではなく、エンジニア、データサイエンティスト、研究者を含むチーム全体の協調的な取り組みが必要です。クラウドには組み込みのコラボレーションツールが用意されており、共有開発環境の構築と、開発バージョンの効率的な管理が可能になります。そのため、クラウドとAIの連携は、長年私たちを悩ませてきたデータサイロの問題を解消します。さらに、開発者がクラウドネイティブソリューションを活用すれば、生成AIの開発ははるかにスムーズになります。デバッグ、プロジェクト管理、コード共有をクラウド上で容易に行えるため、生成AIモデルの開発、展開、管理が大幅に簡素化されます。

データ管理の観点から見ると、生成AIモデルには大量のトレーニングデータが必要です。クラウドベースのデータ管理およびストレージソリューションを活用することで、企業はこれらのデータをより適切に保存、処理、管理できるようになり、必要なAIモデルをより効果的にトレーニングできるようになります。次世代AIモデルは、一般的にディープラーニングと機械学習を利用してニューラルネットワークを構築します。ニューラルネットワークは人間の脳を模倣し、相互接続されたノードのシステムを形成することで、より迅速かつ効率的に情報を処理します。このAIモデルはトレーニングされると、新しいデータを生成します。このプロセスは推論と呼ばれます。ユーザーが画像やテキストの入力を促すと、Gen AIはそれに基づいてデータを生成できます。これが、コンテキスト関連付け技術と豊富なデータセットを用いた広範なトレーニングを通じてのみAIモデルを生成できる根本的な理由です。

データを迅速かつ低コストで処理するために、クラウドは基盤となるデータ処理機能を提供し、ユーザーはビジネスニーズに基づいてデータレイク、データ ウェアハウス、またはデータ パイプラインを構築し、データの一貫性と高品質の要件を満たすことができます。

セキュリティはデータ管理の中核機能でもあります。企業のモデルが欠陥のあるデータで学習された場合、最終的には計り知れない損失につながります。例えば、偏ったデータ、盗用されたデータ、あるいは操作されたデータの影響を受けると、予期せぬリスクにつながる可能性があります。クラウドは、大規模モデルの学習に使用されるデータに潜む潜在的なリスクやバイアスを検出するための、本質的に安全な制御機能とツールを提供します。

クラウドはリア​​ルタイム推論機能も提供しており、高速応答かつ低レイテンシのリアルタイム推論ライブラリの構築を支援します。エッジコンピューティングを活用することで、学習済みの生成AIモデルをデータソースの近くに展開し、レイテンシを最小限に抑え、リアルタイムの意思決定能力を向上させることができます。この機能は、音声生成やリアルタイム画像生成といったシナリオにおいて特に重要です。

クラウドとAIの統合の好例

1. Amazon Web Services: 生成AI分野で急速な発展を遂げている

生成 AI に関しては、Amazon Web Services は、Amazon Bedrock、Amazon SageMaker、Amazon Titan という 3 つの主要ソリューションを提供しています。

Amazon SageMaker Jumpstart は、開発者に 600 種類以上の事前トレーニング済みオープンソースモデルを提供し、ユーザーが本番環境のワークフローに ML を統合できるようにします。Amazon Web Services (AWS) テクノロジーを基盤とするこのソリューションにより、ユーザーは次世代 ML モデルにアクセスし、カスタマイズ、デプロイするための環境を構築できます。開発者は、最終的なデプロイ前にこれらのモデルをトレーニングし、微調整することができます。

Amazon Web ServicesのBe​​drockは、AI21Labs、Anthropic、Stability AIといった大手スタートアップ企業のモデルを用いて、ユーザーが生成型AIアプリケーションを迅速に構築できるマルチモデルプラットフォームです。Bedrockは、Amazon Web Servicesの社内チームが開発したTitanベースモデルのカタログも提供しています。現在、Amazon TitanはCodeWhisperer、Alexa、Rekognition、Pollyといった多くのビジネスサービスに統合されています。

Amazon Bedrock はサーバーレス機能を提供しており、開発者はニーズに応じて適切なモデルを選択し、パーソナライズされたベースモデル設計を通じてアプリケーションに組み込み、Amazon Web Services のツールとテクノロジーを使用してデプロイすることができます。ユーザーにとって、Bedrock を使用するメリットは、インフラストラクチャ全体の複雑さを気にすることなく、これらのモデルを直接テスト、トレーニング、使用できることです。

注目すべきは、Amazonがテキスト補完、チャット補完、コード補完、画像生成といった様々な機能を実現するための基本モデルを順次展開していく予定だということです。これらのモデルはAmazon Bedrockに統合され、さらなる微調整が行われます。

2. Microsoft Azure: OpenAIの商業化とイノベーションの最大化

Microsoftが生成AI分野における主要プレーヤーであることは疑いようがありません。MicrosoftはOpenAIと提携し、独自の基盤モデルであるAzure Open AIを立ち上げました。Azure Open AIは、OpenAIから基盤モデルのほとんどを抽出し、クラウドに統合します。text-davinci-003、GPT-3.5、GPT-4-turboなどのモデルはすべてAzureに統合されています。Microsoft Azureを使用して生成AIを構築するメリットは、データのセキュリティが高度に維持され、大規模なモデルに専用の仮想ネットワークを介してアクセスできることです。

さらに、ベースモデルをAzure MLと統合することで、お客様は様々なライブラリやツールにアクセスし、これらのモデルの状態をより適切に微調整して活用できるようになります。Microsoftの今後の計画には、LLMオーケストレーションサービスのサポートを強化するセマンティックカーネルの導入も含まれており、これには拡張機能やヒントエンジニアリングの展開拡大が含まれます。

3. Google Cloud: GenAI はクラウドネイティブ インフラストラクチャに革命をもたらします。

現在、生成AIはGoogleの検索およびクラウド事業において既に重要な役割を果たしています。Google Cloudは、PaLM、Cody、Imagen、Chirpという4つの主要な基盤モデルを提供しており、開発者はVertex AIを通じてこれらにアクセスできます。Vertex AIはモデルガーデンも提供しており、顧客は様々なモデルを活用し、微調整することができます。さらに、Googleは生成AIアプリケーションを作成するためのノーコードツール、GenAI StudioやGenApp Buildersもリリースしています。

Googleは、DevOpsにおける生成AIを強化するため、Google Cloud Shell、Google Cloud Workstation、Google Cloud ConsoleにPaLM 2 APIを組み込みました。これにより、生成AIはもはやGoogle Cloud固有の機能ではなく、ビジネス成長を促進するアクセラレータとなりました。

生成AIの影響を受ける業界

1. 金融：金融業界では生成AIが人気を集めています。言語モデルを活用することで、これらの企業はエージェントによりパーソナライズされたサービスを提供し、顧客満足度と効率性を向上させることができます。より大規模なモデルは、会話型インターフェースの改善にも応用できます。つまり、生成AIはエージェントにさらなる会話機能を追加し、顧客とのやり取りをより人間らしくするのです。例えば、世界的な保険金請求サービスプロバイダーであるSedgwickは、ChatGPTのオープンAPIバージョンであるSidekickを請求処理システムに組み込み、顧客体験と請求処理ワークフローを強化しています。

2. 製造：製造業では、生成 AI によって、製品ライフサイクル管理、コンテンツ管理、データ分析品質管理、プログラマブル ロジック コントローラー コード生成、生産計画などのプロセスを強化できます。

3. ヘルスケア：生成AIは、ナレッジマネジメントプロセスを効率化し、医療従事者間のシームレスな情報フローを改善します。さらに、生成AIは医療部門が患者の病歴を統合し、疾患の治療計画やアプローチをより適切に評価するのを支援し、診断と治療計画の改善につながります。

4. 小売業界：生成AIは、小売業界における冗長性を削減し、マーケティングコピー、商品ページの説明、画像/動画の説明文の作成といったリソース集約型のタスクの時間を最適化し、効率化するのに役立ちます。例えば、中国のeコマース大手JD.comは、ChatGPTソリューションを商品リストに統合し、顧客のニーズや好みに基づいて商品の説明をカスタマイズしています。

5. 政府：政府職員は膨大な書類や文書の管理に多大な時間と労力を費やしているため、生成AIは業務効率を向上させるための貴重なツールとなり得ます。例えば、ポルトガル政府はChat GPTを業務に統合し、国民、特に移民や海外留学生に簡潔かつ包括的な法情報を提供しています。

まとめ：

生成AIとクラウドコンピューティングの組み合わせは、技術の進歩と社会の発展を推進する強力なエンジンになりつつあります。継続的な技術革新により、テキスト生成、画像作成、音楽制作といった分野で生成AIが広く応用されるようになりました。一方、強力なコンピューティング能力と柔軟なスケーラビリティを備えたクラウドコンピューティングは、AIアプリケーションに安定的かつ信頼性の高いサポートを提供します。

今後、生成AIとクラウドの融合はさらに深まり、より多くの分野でインテリジェントなアップグレードを推進していくでしょう。ヘルスケア、教育、エンターテインメントといった業界では、クラウドコンピューティングの力を活用した生成AIが、人々に、より便利で効率的、そしてパーソナライズされたサービスを提供することが考えられます。これは歴史的発展における必然的な流れであり、かつて私たちが想像していたテクノロジーが世界を変革する方法でもあります。