なぜこれほど多くのAIモデルが存在するのでしょうか？

AIについて語られる際、まるで1つのシステムが時間とともに進化しているかのように話されることがよくあります。しかし実際には、AIエコシステムは多くのモデルファミリーから構成されており、それぞれが異なるチームによって構築され、異なる目的で学習され、異なるバージョンとしてリリースされています。

GPT、Llama、Mistral、Gemma、Qwenは、単一の固定された製品というよりは、モデルファミリーの例です。各ファミリーには、ベースモデル、指示チューニング済みモデル、コーディングモデル、ビジョン・言語モデル、より小型のオンデバイスモデル、および実験用チェックポイントが含まれる場合があります。

これが、AIモデルの数がこれほど急速に増加している理由です。1つの新しいモデルファミリーから多くの公式バリエーションが生み出され、それらの各バリエーションは、その後、コミュニティによるファインチューニング、特定分野向けの適応、および最適化されたデプロイ版の開発の出発点となる可能性があります。

基盤モデルとは、幅広いデータを用いて学習された汎用モデルであり、多くの下流用途に対応できるよう設計されています。通常、これはすべての製品でそのまま使用される最終的な形ではありません。むしろ、他のチームがこれを基にカスタマイズ、評価、特化を行うためのプラットフォームとなります。

例えば、汎用言語モデルは、コーディングアシスタント、医療要約モデル、法律文書分類モデル、多言語翻訳モデル、あるいはカスタマーサポートアシスタントなどになる可能性があります。その基盤となるアーキテクチャは類似しているかもしれませんが、各モデルは異なるタスクに合わせて調整されているため、その挙動は異なります。

このエコシステム効果が、モデル数が多い主な理由の一つです。重要なのは、元の基盤モデルだけではありません。特定の言語、分野、安全ポリシー、レイテンシ目標、ハードウェア環境に合わせて、その周囲で生まれる数多くの実用的なバージョンもまた重要です。

ファインチューニングとは、既存のモデルを用いて、より具体的な例に基づいてさらに学習させることを指します。開発者はゼロから始めるのではなく、すでに言語、コード、画像、その他のパターンを理解しているモデルを起点とし、それをより限定的な目的に合わせて調整します。

LoRAやその他のアダプター技術により、このプロセスはより低コストで、より利用しやすくなっています。これらの技術により、チームは元のシステムのすべてのパラメータを再学習させることなく、特定のタスクに合わせてモデルを調整することができます。その結果は、新しいモデルとして、あるいはベースモデルを修正するアダプターとして公開することができます。

病院、銀行、研究所、ゲームスタジオ、ロボット工学企業など、それぞれの組織によって求められるモデルの挙動は異なる場合があります。ファインチューニングを行うことで、各組織は自社の用語集、文書、制約条件、ワークフローに合わせた特化版モデルを作成できます。こうした有用なカスタマイズは、公開モデルエコシステムにおける新たなエントリとなる可能性があります。

オープンなモデルプラットフォームは、モデルの登場スピードを飛躍的に高めます。Hugging Face を使えば、モデルの公開、発見、再利用が簡単に行えます。GitHub を使えば、学習コード、評価スクリプト、データ処理ツール、デプロイの例などを簡単に共有できます。

オープンソースコミュニティは、実験のハードルも下げます。少人数のチームでも、公開されているモデルを基に、新しいデータセットでのテストを行ったり、特定の言語の処理性能を向上させたり、推論コストを抑えるためにモデルを圧縮したり、一般向けのハードウェアで動作するバージョンを構築したりすることが可能です。

とはいえ、すべての公開モデルが同等に重要であるとか、実運用に耐えうる状態にあるというわけではありません。その多くは実験用、ベンチマーク用、フォーク、あるいは段階的な改良版に過ぎません。しかし、オープンなエコシステムが価値あるのは、モデル開発を、少数の大規模研究所内での閉鎖的な活動ではなく、共有されたプロセスへと変えるからです。

モデル数が多いからといって、世界中に最大規模のフロンティアモデルに匹敵するシステムが数十万も存在するというわけではありません。ほとんどのモデルは、莫大な予算と大規模な専用インフラを投じて一から学習された、GPT-4規模のシステムではありません。

多くのパブリックモデルは、規模が小さく、特定の用途に特化しているか、既存のモデルを基に開発されています。その中には、分類モデル、埋め込みモデル、音声モデル、画像モデル、翻訳モデル、検索モデル、研究用チェックポイント、あるいは大規模なベースモデルをファインチューニングしたバリエーションなどがあります。

この区別は、AIカウンターを読み解く上で重要です。モデルレジストリは、最先端の研究機関の数を測るのではなく、エコシステム内の活動を測定するものです。これは、より広範な機械学習コミュニティ全体で、どれだけの再利用可能な成果物が公開され、適応され、テストされているかを示しています。

分野ごとに要件が異なるため、専門化されたモデルが役立ちます。医療モデルでは臨床用語の理解が必要となる一方、金融モデルでは届出書類の処理、リスクに関する表現、構造化された市場情報の処理が必要となる場合があります。

ロボット工学のモデルは、知覚と物理的な動作を結びつけることがあります。翻訳モデルは、リソースの限られた言語に焦点を当てることがあります。画像認識モデルは、工業製品の欠陥や衛星画像の特徴、あるいは医療画像を検出することがあります。単一の汎用モデルは素晴らしいものですが、あらゆる用途において常に最適あるいは最も安価なツールであるとは限りません。

こうした多様性により、AIエコシステムはより強靭で実用的なものとなります。1つのモデルですべてのユーザーに対応しようとするのではなく、多くのモデルを、精度、速度、プライバシー、コスト、対応言語、デバイスの制約、あるいは規制要件に合わせて最適化することが可能になります。

公開モデルの数は今後も増え続ける可能性が高い。モデルの作成やカスタマイズが容易になれば、特定の業界、言語、デバイス、ワークフロー、研究課題に特化したバージョンを公開するチームが増えるだろう。

その成長は直線的ではないかもしれません。一部のモデルは時代遅れになり、一部は統合され、一部のプラットフォームでは重複や非アクティブなリポジトリが整理される可能性があります。一方で、ツールの改良により、モデルの作成がソフトウェアパッケージの公開と同じくらい日常的な作業になるかもしれません。

最も重要なのは、その数が数十万になるか、あるいは数百万になるかということではありません。より有意義な問いは、信頼性が高く、十分なドキュメントが整備され、評価済みで、実際の利用に適したモデルがいくつあるかということです。量はエコシステムの活気を示しますが、質こそが長期的な価値を決定づけるのです。