ドラゴンの年：AI時代の幕開けを受け入れる

2024年にAIの熱狂が収束すると思っているなら、驚く準備をしてください。ハードウェアとソフトウェアの進化により、生成AI（Gen AI）の幅広い応用が進み、2023年はその可能性のほんの一端を示したに過ぎません。

今年は中国の干支で「ドラゴンの年」とされ、全ての分野で生成AIの戦略的統合が見込まれています。リスクと戦略が整った今、企業はGen AIを業務の重要な要素として取り入れる準備を整えています。CEOやビジネスリーダーたちは、生成AIの潜在能力と必要性を認識し、これらの技術をプロセスに積極的に組み込んでいます。

この進化する環境において、Gen AIは選択肢ではなく、革新性、効率性、競争力を生み出す鍵となります。2024年は、生成AIが新たなトレンドから必須のビジネスプラクティスへと進化する年となるでしょう。

ボリュームと多様性

この変革の重要な側面は、生成AIがアプリケーション、アイデア、コンテンツの量と多様性を高めることへの認識の高まりです。AIが生成したコンテンツの量は驚くべきもので、2022年以降、ユーザーは150億以上の画像を生成しました。これは、人間が150年かけて達成した成果に匹敵します。この膨大な出力は、歴史家が2023年以降のインターネットを分析する方法を変えるでしょう。

企業にとって、この拡大は全ての分野で基準を引き上げるものであり、技術を活用しないことは、機会の喪失だけでなく、競争上の不利をもたらす重要な岐路となります。

ぎざぎざのフロンティア

2023年には、生成AIが業界基準や従業員の能力を向上させることが明らかになりました。YouGovの調査によると、90％の労働者がAIが生産性を向上させると信じており、4人に1人が日常的にAIを使用しています。また、73％が少なくとも週に1回はAIに関与しています。

さらに、適切なトレーニングを受けた従業員は、生成AIを活用することでタスクを25％早く完了し、全体の作業品質を40％向上させるとの研究結果があります。特に低スキルの労働者において顕著な向上が見られます。しかし、AIの範囲外のタスクでは、従業員が正しい解決策を生み出す可能性が19％低下します。

この強みと弱みの共存は、専門家が「ぎざぎざのフロンティア」と呼ぶ状況を生んでいます。一方で、AIは機械には不可能であったタスクを驚異的な精度で達成していますが、他方では人間の直感や適応力が重要な場面では苦労しています。

より手頃なAI

企業がこのぎざぎざのフロンティアを攻略するにつれ、生成AIプロジェクトは普及するでしょう。Siriコン最適化の進展により、基礎的な大規模言語モデル（LLM）のトレーニングコストが毎年半減しているため、これがこのトレンドを後押ししています。

世界的な需要の高まりにつれ、2024年にはNvidiaのような業界のリーダーに対する代替案が登場し、AIチップ市場はより手頃な価格になります。また、Self-Play Fine-tuning（SPIN）などの新しいファインチューニング手法により、追加の人間による注釈データなしに弱いLLMを強化し、効率を最大化することができます。

モデルバースの登場

コストの削減により、より多くの企業が独自のLLMを開発・実装できるようになり、今後数年で革新的なアプリケーションの波を呼び込むでしょう。2024年には、主にクラウドベースのモデルから、Apple Siliconなどのハードウェアの進化によって日常のモバイルデバイスの未開発のポテンシャルを活用したローカルのAIにおける移行も見られます。

中小企業や大企業では、小規模言語モデル（SLM）が特定のニーズに応じて人気となり、内部から得られたドメイン特化のデータに焦点を当てることで、関連性とプライバシーを保ちます。

大規模ビジョンモデル（LVM）へのシフト

2024年が進むにつれ、注目は大規模言語モデル（LLM）から大規模ビジョンモデル（LVM）に移り、特に視覚データ処理を強化する特定の分野に特化したモデルに焦点が当たります。インターネットのテキストで訓練されたLLMは独自の文書への適応が得意ですが、一般的なインターネット画像で訓練されたLVMは、製造業やライフサイエンスなどの専門的な視覚コンテンツに苦しむことがあります。

研究によると、約10万枚のラベル付けされていない画像を使用して特定のドメインにLVMを適応させることで、ラベル付けデータの必要性を大幅に削減でき、パフォーマンスが向上することが分かっています。このような特化型モデルは、欠陥検出や物体の位置特定などのタスクで優れた成果を上げており、一般的なLVMをしのぐ効果を発揮します。

並行して、企業がスプレッドシートによく見られる表形式のデータを処理するのに適した大規模グラフィカルモデル（LGM）を採用することが増えるでしょう。これにより、時系列データの分析を通じて、企業業務の理解が深まります。

倫理的配慮

これらの進展には、厳格な倫理的監視が必要です。スマートフォンやソーシャルメディアなどの汎用テクノロジーから得た過去の経験は、負の社会的影響を避けるための規制枠組みの必要性を浮き彫りにしています。生成AIは大きな利点を提供しますが、その進化は広範な問題を引き起こしかねないミスを避けるように導かれる必要があります。

生成AIに関連する大きな倫理的ジレンマの一つは著作権です。これらの技術が進化するにつれ、AIが既存の人間の作品を使用して訓練されることに関する知的財産権に関する緊急の質問が浮上します。このコンテンツが著作権法の対象とされるべきかどうか、またその方法も問題となります。

AIと著作権の間には重要な緊張関係があります。従来の著作権法は、他者の知的財産の不正使用を防ぐことを目指しています。インスピレーションを得ることは許されますが、模倣することは許されません。限られたデータに基づく人に対し、AIは膨大な量の情報を分析することができるため、インスピレーションと模倣の境界が曖昧になります。

私たちは、NYT対OpenAIなどの重要な判例が著作権の議論を形作り、2024年のAI主導の新しいメディア環境への適応方法に影響を与えることになると予想されています。

ディープフェイクと政治的影響

地政学的には、2024年は世界的な重要選挙とのAIの交差点が支配的なテーマとなるでしょう。世界中の人口の半数以上が投票所に足を運び、米国、インド、南アフリカなどの主要国で選挙が予定されています。

情報操作キャンペーンが既に出現しており、バングラデシュでは政府に好意的なインフルエンサーが低コストのAIツールを使用して虚偽のナarrティブを広めました。後に削除されたあるディープフェイク映像では、野党の人物がパレスチナ連帯の支持を撤回する様子が描かれており、主にイスラム国家の影響を受けた重要なナarrティブでした。

AI生成の画像がもたらす脅威は仮想的なものではなく、研究によれば、微細な変更を施すことで人間の認知にも影響を与える可能性があります。この発見は、敵対的な画像が人間やAIシステムに与える影響についてさらなる研究が必要であることを示唆しています。

コンテンツの真正性を明確に区別するための透かしやコンテンツクレデンシャルに対する要求が高まる中、課題も残っています。検出の有効性、悪用の可能性、現実のメディアと操作されたメディアとの違いを保つことは、極めて重要です。

公的信頼が前例のない低さにある中、2024年は重大な選挙イベントと変革的なAI技術が交錯する年となります。この年は、政治やそれ以外の分野におけるAIの深遠な影響と応用を示すことになるでしょう。今後の展開に備えましょう。