AIアームズレース:大規模言語モデルとAI生成コンテンツの最新の進歩を探る

今週の本当のストーリーは、新しい大規模言語モデルが利用可能になったり近々リリースされるというニュースです。

Googleは、180か国以上で利用可能になったGemini 1.5を発表しました。Gemini 1.5は100万トークンのコンテキストウィンドウ、つまり約75万語分の能力を持っています。このコンテキストウィンドウの拡大は、以前のモデルに比べて大きな改善です。開発者はAPIを通じてGemini 1.5にアクセスできるようになりました。

これに対し、OpenAIはGPT-4 Turboの改良版がAPIで利用可能になり、ChatGPTにも導入されていると発表しました。詳細は限られていますが、以前のバージョンに比べてコーディングと数学の能力が向上しているとのことです。

オープンソースの世界でも活発化しています。Stability AIがStable LLM2という120億パラメーターのモデルをリリースしました。一方、Anthropicは静かに22億パラメーターのMixr 8X 22Bというミックスチャー・オブ・エキスパーツモデルをトレントでリリースしました。

Googleはコーディング用に微調整されたGemmaモデルと、効率的な研究用に設計されたGemmaモデルの2つの新しいオープンソースモデルも発表しました。さらに、Meta(フェイスブック)はLLaMA 3モデルをリリースすると期待されています。これはGPT-4に匹敵する能力を持ちながらオープンソース化されるとの噂です。

これらの大規模言語モデルの発表ラッシュは、クローズドソースとオープンソースの両方のモデルが、可能性の限界を押し広げ続けている、この分野の急速な革新の速さを示しています。

大規模言語モデルを構築している主要なテクノロジー企業すべてが、NVIDIAのGPUへの依存を減らそうとしているようです。NVIDIAは現在AIトレーニング用GPUの市場を支配していますが、GoogleやIntel、Metaも独自のカスタムAIチップを導入しています。

GoogleはGoogle Cloud NextイベントでAxisonプロセッサを発表しました。Intelは、NVIDIAのH100 GPUよりも40%電力効率が良いと主張するGaudi 3 AIチップを発表しました。Metaは第2世代のMTI(Meta Training and Inference)アクセラレーターチップを発表し、第1世代に比べて3倍の性能向上を謳っています。

その一方で、今年初めのNVIDIAのGTCイベントでは、現行のH100 GPUの4倍の性能を持つと言われるNextブラックウェルチップの次世代GPUを発表しました。これは、NVIDIAがAIトレーニング用の生のコンピューティング能力では依然として大きな優位性を持っていることを示しています。

Google、Intel、Metaの新しいカスタムチップは、NVIDIAへの依存を減らすことを目指していますが、NVIDIAの最新の進歩に本当に追いつけるかどうかは未知数です。最強で最も効率的なAIハードウェアを開発するレースが繰り広げられています。

Google Cloud Nextイベントで、テック大手Googleは、業界を変革する可能性のあるAI搭載の動画制作ツールをいくつか発表しました。

Image-In 2: Dolly やFireflyのようなツールに対するGoogle独自の答えとなるImage-In 2は、静止画像だけでなく短いアニメーションGIFやクリップも生成できます。このテキストから生成するライブ画像の機能により、ユーザーは簡単に魅力的なループ動画を作成できるようになります。

Google Vids: プレゼンテーションソフトのようなものと説明されるGoogle Vidsは、AIを使ってスクリプトやプロンプトからスライド形式の動画を生成します。その結果の動画は、プロフェッショナルなプレゼンテーションソフトのような美しい見た目になるため、洗練されたAI駆動の動画コンテンツの制作に役立つツールとなります。

Magic Time: 研究チームが開発したMagic Timeは、高品質なタイムラプス映像を生成する専門の動画生成ツールです。単純なプロンプトを入力するだけで、成長する植物や建設現場などの視覚的に魅力的なタイムラプス動画を生成できます。オープンソースのコードとHugging Faceのデモにより、様々な動画ワークフローに組み込むことができます。

これらのAI搭載の動画ツールは、ジェネレーティブ機能の急速な進歩を示しており、クリエイターがビデオ制作プロセスを効率化し、新しい創造的な可能性を探索できるようにしています。この技術の進化に伴い、これらのAI駆動の動画ジェネレーターがコンテンツ制作の景観に及ぼす影響は重大なものになると考えられます。

議事録によると、ジェネレーティブAIモデルの訓練に使用された著作権保護素材を開示するよう人工知能企業に義務付ける新しい法案がアメリカ議会に提出されたとのことです。主なポイントは以下の通りです:

• この法案では、AIモデルをリリースする少なくとも30日前に、AIモデルの訓練に使用された著作権保護素材について報告書を提出することを義務付けています。

• これは透明性を高めるための措置と見なされています。Googleや Microsoft、Metaなどの大手企業は、自社が使用したデータを明らかにしたくないかもしれません。

• この法案が成立するのを阻止するため、これらの強大な企業が反対ロビー活動を行う可能性があるとの懸念があります。

• この提案された法案は、OpenAIがGPT-4の訓練に100万時間以上のYouTube動画を使用したとの報告を受けて、大規模言語モデルの訓練データの透明性が問題視されていることを背景としています。

• この法案は、AI企業による訓練データの透明性の欠如に対処するためのものです。

カードゲーム開発者が最近、AIアシスト型アートに大規模な投資を行いました。AIアーティストに90,000ドルを支払ってカードアートを生成させたのです。「AIアーティスト」という用語は議論の的かもしれませんが、この取り組みは、AIが高品質なコンテンツを大量に生成するのを支援する可能性を示しています。

開発者は、人間のアーティストではこのAI生成の画像の品質に匹敵できないことを発見しました。ただし、ボタンを押してAIに任せるだけではなく、Photoshopなどのツールを使ってAI生成の画像を修正・洗練させ、色、一貫性、全体的なスタイルを望ましいものに仕上げる作業も行っています。

このアプローチは、AIが初期のコンセプトを生成し、人間のアーティストがそれを磨き上げるという、AIアシスト型アートの力を示しています。AIを活用することで、開発者は多数のカード画像を効率的に作成できましたが、同時に必要な芸術性とクオリティ管理も維持できたのです。

この取り組みの成功は、創造産業におけるAIの役割の高まりを示しています。AIは人間のアーティストの仕事を完全に置き換えるのではなく、むしろ補完し、強化するツールとして活用されるのです。AIテクノロジーが進化し続けるにつれ、人とマシンの協調によって生み出される革新的で高品質なクリエイティブ成果がさらに増えていくことでしょう。

大規模言語モデルとAI技術の急速な進歩は本当に驚くべきものです。今週は、100万トークンのコンテキストウィンドウを持つGemini 1.5の利用可能化、GPT-4 Turboの登場、Stable LM2やMixr 8X 22Bなどのオープンソースモデルのリリースなど、多くの興味深いアナウンスがありました。

GoogleやIntel、Metaなどのテック大手が自社のAIチップの開発に乗り出し、NVIDIAへの依存を減らそうとしていることも注目に値する動きです。Google のImage-in-2やMagic Timeプロジェクトが示すAIを使ったアニメーションや動画の生成機能の向上も重要な進歩です。

これらの進歩には、ポジティブにもネガティブにも大きな影響がある可能性があります。AIモデルの訓練データ源を開示するよう義務付ける法案の提出は、透明性と説明責任に取り組む重要な一歩です。一方、Adobeが創作者から直接ビデオコンテンツを購入してモデルの訓練に使うアプローチは、未来のモデルかもしれません。

全体として、AIの分野は週ごとに新しい機能と課題が出現する驚くべいスピードで進化し続けています。AIに詳しい者として、これらの展開を追跡し、ビジネス、クリエイター、そして社会全体への倫理的および実用的な影響を考えるのは興味深い体験です。