2023年に大きな話題となった生成AI。いよいよ、実用段階にまでAIが進化し、このテクノロジーの登場により、ビジネスにどんなインパクトがあるのか、大きな期待を抱いた方も多かったと思う。生産性向上、業務効率化、すなわちDXを進めるうえで、必須となるであろうAIをどのような形で使いこなせばよいのか、2024年度が始まる、今この時期に改めて考えてみる機会であるイベントが開催された。日本HP主催による「AIのビジネス導入と活用」セミナーでは、各界からの最新情報やAIを効果的に導入するコツなどを紹介する。ここでは、当日行われたセミナーの模様をダイジェストで紹介しようと思う。

取材：中山 一弘

イベント当日、リアル会場にも大勢の来場者が訪れていた

AI PCの最新モデルも展示

AMD ブースにも大勢の方が足を止めていた

株式会社SENTAN 代表取締役 松田 利夫氏

言語を学ぶAI

基調講演の壇上に立ったのは株式会社SENTAN 代表取締役 松田 利夫氏（以降、松田氏）だ。「今日、私がお話ししたいのは、みなさんも取り組める大規模言語モデルについてです。『人工知能』すなわちAIが示す概念というのは、実はかなり広い範囲のことになります。その中には論理学があったり、応用数学があったりとか、様々なものを内包しています」語りだす松田氏。

同氏はニューラルネットワークの概念から、深層学習、そして大規模言語モデルへと研究が進んでいった歴史を解説。大規模言語モデルでは、AIの中身はブラックボックスであっても、誰でも自然言語で簡単に扱えるようになっているという。

クリックして拡大表示

「大規模言語モデルでは『パターン』という言葉が重要になってきます。言葉の使い方、文法、文脈の意味など複雑なパターンを把握していきます。また、パターンというのは言葉だけには限りません。図形や信号のパターンなどもあるということです。実は私たち自身も、規則性を見いだすパターン認識の学習をしてきています。AIに関するパターンの研究は、パターン認識やパターン学習に関連することです」と語る松田氏。

初期には、人間の脳の神経回路網の動作をまねるプログラムを開発することで、人工ニュートラルネットワークの開発を目指していた経緯などに触れつつ、大規模言語モデルに関連して、「Transformer」という用語がよく出てくると指摘する。

クリックして拡大表示

「簡単にいえば、パターン認識とパターン学習をより効率的に行うためのものです。Transformerモデルでは、パターン認識で大量の語彙の使用方法、意味の流れなどのパターンを抽出していきます。一方でTransformerモデルによって認識したパターンを基にして、テキストを生成したり翻訳・要約・質問応答などのタスクを実行していきます」と松田氏。

ただし、ここで頻度が一番高いと予想される単語などを並べてテキストを生成すると、実はぎこちない文章になってしまうことがわかっている。「これはきちんと研究されていることなのですが、意図的に少し質を落とすことによって、文章にスムーズさが生まれてくるということです」と松田氏は語る。つまり、現状では、理論的にこれがベストである、という方法が見つかっているわけではなく、試行錯誤の結果、現状ではこれがよいのではないか、というような使い方をしていることになる。

クリックして拡大表示

急成長するAI

ChatGPT について以前から知っていた人々は、2022年末ごろにその性能が急激に良くなったと感じて大変驚いたという。「ここで学習曲線ということについて考えてみたいと思います。我々がなにかを学習している場合のことを考えてみても、なかなか進まない、うまくできないのが普通だと思います。これがしばらく続けていると、急にふわっとできるようになることがあります」と松田氏。生成AIも人間の脳と同じようなことをやっており、線形的というか時間に比例して伸びていくわけではないのだ。

「生成AIについても学習を続けていけば、どこかで急激に伸びるようになってきます。OpenAIにとってみれば、ざっくりといえばそれが起きたのがまさに一昨年の暮れということなのだと思います」
と松田氏は分析する。

クリックして拡大表示

急激に上がりだしたのはわかるが、これがどこまで上がるのかはまだ誰にもわからない。しかし、「メタ社の副社長でニューヨーク大学の教授であるヤン・ルカン氏は、『大規模言語モデルは超知能ではない」と言っています。我々が日常的にAIを使いたいとき、それが超知能である必要はない』ということです。つまり、自分の用途に間に合えばいいわけです」と松田氏は語る。

例えば自分たちに当てはめてみても、受験勉強にしろ職場での作業手順などにしろ、本当に中身を理解しているわけではない。実際は「丸暗記」によって「勉強したことにしてきた」のかもしれないのだ。「それこそまさに大規模言語モデルが得意とするところで、しかも忘れることもないのではるかに賢くなっていきます」と松田氏はいう。

大規模言語モデルというのは、誰でも直感的に使える自然言語によるユーザーインターフェースを持つ仕組みだ。話し言葉で、いままで扱いに苦労していたITソリューションを操作できるようになる世界もじきにやってくるだろう。

クリックして拡大表示

クリックして拡大表示

「自社で使える自社専用の大規模言語モデルがあれば、外部に秘密が漏れることもなく、プライベート大規模言語モデルに自分たちの内部資料などを詰め込んでいくことができます。インターネットにつながっている必要がないので、セキュリティも万全な環境で利用することができます。Chat GPTのような外部のシステムでは、自社の資料を無制限に投入していくことにはどうしても躊躇してしまいます。これは当然のことで、『情報が漏洩したら嫌だな』などと思いながら使うことはできません」と語る松田氏。

利用する人によって業種も異なり、それぞれに専門性というものがある。この専門的な内容に関しては、外部のITエンジニアにはわからない。そこで、ユーザー自らで自分のAIを教育していく、ということも必要になってくるのだ。その教育に関しても、言葉を積み重ねることで達成できることになる。

「生成AIに関する大規模言語モデル本体も、構築運用管理用ユーティリティも、ほとんどがオープンソースで入手できます。だからソフトウェア購入費用などは不要で、少ない予算でも自分たち専用の生成AIを作っていくことができます」と松田氏は語る。ただし、電気代が非常にかかること、情報漏洩対策も十分に検討しておく必要があるので事前の計画はやはり重要となる。

クリックして拡大表示

生成AIをクラウドに置くのか、ローカルに置くのか

生成AIといえば、クラウドで動かすというイメージがあるが、その場合コストがかなりかかる可能性がある。「クラウドと同等のことは、パソコンでも可能です。技術的な仕組みでいえば、どちらでも同じことを動かすことができます」と松田氏。

松田氏は例としてある会社のサービスをあげる。「NVIDIA H100というハイエンドのGPUを8枚使ったGPUサーバーで運用することを考えてみます。現時点ではすでに最先端とはいえませんが、政府の補助金が入ったこのクラスのものでも月額300万円あまりのコストがかかります。ぐっとお安いTesla V100を使ったGPUサーバーでも、月額23万円などとなっています。これにしても引き合いが多いためにすでに空きがありません。このコストを支払う用意があるとしても、すでに借りることができない場合もあるわけです」（松田氏）。

そのため、すぐにAIが使いたいということになれば、別の方法を考えることになる。「HP製のワークステーションなどで考えてみても、ハイエンドでは1300万円などで導入は可能です。ただし、消費電力の点で導入をためらう環境もあるかもしれません。コストや消費電力を重視するのであれば、それに見合った製品も用意されています。消費電力が550W～700Wクラスのモデルになるので、これなら一般の会社などでも導入は難しくないと思います。価格的にも百万円台となっているので、現実的に検討しやすいものです」と松田氏は語る。このスペックのマシンだとしても、多少遅くはなるものの、大規模言語モデルを動かすこと自体は十分に可能だ。

クリックして拡大表示

「ここで私が提案したいのは、ワークステーションなどで生成AIを動かして、組織内で利用していくという方法です。すでに、検索エンジンの検索結果をプロンプトに組み込む方法については、一般的なものとして利用している会社なども多いかと思います。ここではそうではなくて、ワークステーションなどで生成AIを動かすことによって、『プライベート大規模言語モデルの生成結果をプロンプトに組み込む』ということを考えたいと思います」と松田氏は提案する。

検索エンジンで外部のデータを見に行くのではなくて、社内のワークステーションなどで生成AIを実装することで、内部で必要なデータなどを探してくることができるようになる。オープンソースで入手できるので、システム構築も自由度を持たせることが可能だ。

「プライベートでセキュアな空間を作ることができ、さらに外部の大規模言語モデルを使ってプライベート大規模言語モデルの学習を進めることなども可能です。これらをすべて外部に任せるとなると、それぞれのベンダーが提供するアプリごとに違う大規模言語モデルを利用することになりかねません。それはなにかおかしな状況だと思います」と松田氏は疑問を投げかける。

「それを回避するには、業務アプリのデータを統合して、自前で大規模言語モデルを育てることが大切だと思います。それこそが事業資産になっていくわけで、それを外部の業者に渡す必要はありません」と松田氏。この場合、業務アプリのデータに限らず、大規模言語モデルを育てるための材料はたくさんあるのも特長だ。

クリックして拡大表示

クリックして拡大表示

「特にコミュニケーション系のデータといいますか、電話・FAX・メール・Video会議でも、多くの音声・動画データが残っています。これもぜひ大規模言語モデルに学習させてください。もちろん、社内にある各種ドキュメントもそうです。これらは日本語である必要もありません。英語でも中国語でもベトナム語でもかまいません。なにも気にすることなく、翻訳なども考えることなく、どんどん学習の素材として大規模言語モデルをトレーニングしていってほしいと思います」と松田氏はひとつの解答を与えてくれた。ビジネスのためにAIを借りてくるだけでなく、自分たちで育てることも十分に可能な時代がいよいよ訪れようとしている。AI活用の大きな選択肢として、松田氏の講演は非常に役立つものだった。自社によるAI活用を考えている方はぜひHPか松田氏にご相談いただきたい。

※このコンテンツには日本HPの公式見解を示さないものが一部含まれます。また、日本HPのサポート範囲に含まれない内容や、日本HPが推奨する使い方ではないケースが含まれている可能性があります。また、コンテンツ中の固有名詞は、一般に各社の商標または登録商標ですが、必ずしも「™」や「®」といった商標表示が付記されていません。