著者 | ステファニー・カーマー 編纂者：岳陽 イブラヒム・リファス[1]によるUnsplash[2]の写真 OpenAI は歴史上最も急速に成長している企業の 1 つですが、おそらく最も大きな運営費を抱えている企業の 1 つでもあります。
本稿では、生成型人工知能の限界を技術[4]とリソース[5]の観点から考察する。この技術を軸に生まれた産業にとって、これらの課題がますます明確になり、緊急性を帯びてきていることから、その限界を見るのは非常に興味深い。 しかし、これは生成型人工知能のビジネスモデルについても疑問を投げかけます。私たちはこの技術に何を期待すべきでしょうか？そして、どの側面が単に誇張されているだけなのでしょうか？この技術の潜在能力と実用化の間には、一体どのようなギャップがあるのでしょうか？ 01 生成型人工知能は機能ですか、それともスタンドアロン製品ですか?この問題については他の人々とも議論し、メディアでも広く取り上げられています。機能として存在する技術と製品として存在する技術の根本的な違いは、それだけで人々が喜んでお金を払うほどの価値を持っているかどうか、それとも価値を最大化するために他の技術と組み合わせる必要があるかどうかにあります。現在、テキストエディタやコードエディタから検索エンジンやブラウザまで、様々な既存製品に「人工知能」というラベルが広く付けられています。これらはすべて、生成AIを機能として適用した例です。（例えば、私はこの記事をNotionで執筆していますが、Notionは常にAI機能の使い方を導いてくれます。）一方、AnthropicやOpenAIのような企業は、ChatGPTやClaudeといった生成AIを中心とした製品の立ち上げを試みています。 この問題を定義するのはやや難しいかもしれませんが、重要なのは、生成AIを製品として扱う企業にとって、製品が顧客の期待（その期待が何であれ）を満たさない場合、顧客は製品の使用をやめ、支払いも止める可能性が高いということです。一方、GoogleのAI検索の概要に満足できないと感じた人は、不満を述べて機能を無効化するかもしれませんが、それでもGoogleの検索サービスは使い続けるでしょう。なぜなら、これらの製品にとって、コアとなるビジネス価値提案はAIに基づいていないからです。AIは単なる付加的なセールスポイントに過ぎません。このアプローチは、全体的なビジネスリスクを大幅に軽減します。 Appleの生成AIへのアプローチは、それを独立した製品ではなく機能として扱う良い例であり、彼らの戦略にはもっと可能性があると思います。最近のWWDCで、AppleはOpenAIと提携し、ユーザーがSiri経由でChatGPTを使用できるようにすると発表しました。この提携には注目すべき重要な点がいくつかあります。第一に、Appleはこの提携に対してOpenAIにお金を払っていません。Appleは非常に市場性の高いユーザーベースを提供し、OpenAIはそれらのユーザーをChatGPTの有料会員に転換する機会を得ています。Appleはこの提携でいかなるリスクも負っていません。第二に、これはAppleが同じアプローチを使って、AnthropicやGoogleなどの他の生成AIサービスにユーザーベースを広めることを妨げるものではありません。OpenAIはAppleが最初に発表したパートナーですが、生成AI競争においてどちらの側も明示的に支持しているわけではありません。 Appleは確かに独自の生成AI技術であるApple AI[6]を開発しているが、彼らの目標は、モデルを単独の製品として販売するのではなく、これらの技術を使用して既存および将来の製品の付加価値を高め、iPhoneをより高性能にすることであることは明らかである。 これらすべては、生成AIをビジネス戦略に統合する方法が複数存在し、技術そのものだけでは最大の成功は保証されないことを示しています。 10年後に振り返ったとき、生成AIの商業分野で「大勝利者」と目されていた企業は、必ずしもその基盤となる技術を開発した企業ではないかもしれません。 02 では、技術開発にはどのようなビジネス戦略が合理的でしょうか？これらの機能が本当に価値があるなら、誰かが作らなければならないと思うかもしれません。しかし、生成AIの開発自体が直接利益を生み出さなければ、私たちはこの技術を保有し続けることができるのでしょうか？その潜在能力を最大限に発揮できるのでしょうか？ テクノロジー分野の多くの投資家が、生成AIの莫大な収益性を心から信じていることは認めざるを得ません。だからこそ、彼らはOpenAIなどの企業に数十億ドルもの資金を注ぎ込んできたのです。しかし、以前の記事でも何度か述べたように、たとえ巨額の資金を投入したとしても、生成AIの今後のパフォーマンス向上は、2022年から2023年にかけて見られたような指数関数的な技術進歩を継続するのではなく、緩やかで緩やかなものになると強く感じています。（特に、期待される技術進歩を達成するために利用できる人間が生成した学習データの量は限られており、これは単に資金を投資するだけでは解決できません。）したがって、生成AIが今よりも有用で「インテリジェント」になるとは考えていません。 とはいえ、私の意見に賛同するかどうかは別として、最先端技術を習得することと、その技術を用いて人々が購入したいと思う製品を開発し、持続可能で再生可能なビジネスモデルを構築することとは全く異なることを、私たちは皆忘れてはなりません。何かクールなものを発明することはできますが、スタートアップ企業やテクノロジー企業の製品チームなら誰でも知っているように、それは始まりに過ぎず、終わりではありません。あなたの斬新な発明を一般の人々がどのように使うのかを理解し、広め、そしてあなたの発明が価値があり、持続可能な価格を正当化できると人々に納得させることは、極めて困難な課題です。 確かに、様々な団体から革新的な提案が数多く寄せられていますが、中にはそれほど魅力的ではないアイデアもあります。例えば、OpenAIが最近リリースした検索エンジンの新しいベータ版には、既に出力に重大な誤りが含まれていました[7]。大規模言語モデル（LLM）の仕組みに関する私の以前の記事[8][9]を読んだ方なら、このことに驚くことはないでしょう。（ただ、彼らがこの明白な問題を最初に製品を開発する際に考慮しなかったことに驚いています。）魅力的に見えるアイデアであっても、「あった方が良い」というレベルに留まったり、贅沢品とみなされたりすることはできません。事業を持続可能にするために必要なコストがかなり高額になるため、不可欠なものでなければなりません。年間損失が50億ドルに達すると、収益性と自立性を維持するためには、有料ユーザーベースが非常に大きくなるか、ユーザーが支払う料金が途方もなく高額になる必要があります。 03 技術研究自体には価値がないのでしょうか？これは、技術開発を推進したいと考える人々にとって、間違いなく非常に難しい問題です。研究自体の価値は、たとえ成果がすぐには現れなくても、常に存在します。しかし、資本主義体制下では、特に研究に必要な資金が莫大な場合、このような基礎研究を支援する安定したチャネルが存在しません。米国は長年にわたり、学術機関から資金を奪ってきました。その結果、学術コミュニティの研究者は、民間資金なしにはこのような研究に参加する希望がほとんどありません。[10] これは本当に残念なことです。なぜなら、学術界こそが、この種の研究を適切な規制の下で実施する理想的な場所であるはずだからです。倫理や安全性の問題は、民間部門よりも真剣に扱われ、議論される可能性があります。学術界の研究文化と規範は、金銭よりも知識を重視しています。しかし、すべての研究が民間企業によって行われるようになれば、この価値観は変化します。社会が「より純粋な」研究を行うと信頼している人々は、生成型人工知能の開発に参加するために必要なリソースにアクセスできなくなります。 04 では、次は何をすればいいのでしょうか?明らかに、これらの民間企業でさえ、ますます大規模なモデルの訓練競争を支えるためのリソースが不足している可能性があります。これは、記事冒頭の引用に戻ります。技術進歩を推進する現在の経済モデルに制約され、潜在的な機会を逃してしまう可能性があります。理論的には実現可能であっても、GPUの高コストのために経済的に持続不可能な生成AIアプリケーションは、深く研究されることはまずないかもしれません。一方で、社会にとって有害、退屈、あるいは無用である可能性のあるアプリケーションは、より大きな利益をもたらす可能性があるため、資金提供を受けています。 読んでくれてありがとう！ このブログを楽しんで、新しいことを学んでいただければ幸いです。 著者についてステファニー・カーマー 私はかつて社会学者だったデータ サイエンティストで、ML/DS と社会の交差点について執筆しています。 終わり 今週のインタラクティブコンテンツ🍻 現在市場に出回っているAI製品の価格は妥当だと思いますか？どのAI機能にお金を出してもいいと思いますか？ 🔗記事内のリンク🔗 [1]https://unsplash.com/@ripey__?utm_source=medium&utm_medium=referral [2]https://unsplash.com/?utm_source=medium&utm_medium=referral [3]https://www.theinformation.com/articles/why-openai-could-lose-5-billion-this-year [4]https://medium.com/towards-data-science/how-human-labor-enables-machine-learning-367feee8bc91 [5]https://medium.com/towards-data-science/environmental-implications-of-the-ai-boom-279300a24184 [6]https://www.cnbc.com/2024/07/29/apple-releases-apple-intelligence-its-long-awaited-ai-features.html [7]https://www.theatlantic.com/technology/archive/2024/07/searchgpt-openai-error/679248/ [8]https://medium.com/towards-data-science/what-does-it-mean-when-machine-learning-makes-a-mistake-37b213200697 [9]https://medium.com/towards-data-science/is-generative-ai-taking-over-the-world-a970a5ccdad5 [10]https://www.washingtonpost.com/technology/2024/03/10/big-tech-companies-ai-research/ オリジナルリンク: https://towardsdatascience.com/economics-of-generative-ai-75f550288097 |
01 生成型人工知能は機能ですか、それともスタンドアロン製品ですか?02 では、技術開発にはどのようなビジネス戦略が合理的でしょうか？03 技術研究自体には価値がないのでしょうか？04 では、次は何をすればいいのでしょうか?著者について |
