今月、Google Cloud は、顧客やパートナーと人工知能の最新の進歩について議論するエグゼクティブ フォーラムを開催しました。 Google Cloud の CEO である Thomas Kurian が、クラウド市場がどのように変革を遂げているか、そしてこの変革の中核にある人工知能、特に生成 AI の進化について語ります。 生成 AI は、企業がコンテンツを生成し、情報を統合および整理し、ビジネス プロセスを自動化し、魅力的な顧客体験を生み出すのに役立ちます。クリアン氏は、これらの目標を達成するために、Google Cloud は世界クラスの AI インフラストラクチャ、マルチモデルの基礎モデル、Google Workspace および Google Cloud Platform との緊密な統合、AI 主導のコラボレーション、幅広いパートナー エコシステムという 5 つの主要な優先事項に重点を置くと述べました。 Google Cloud の生成 AI プロダクトを支えるテクノロジー スタックGoogle Cloud の生成 AI サービスの中核となるのは基礎モデルです。ベースモデルは、大量のラベルなしデータでトレーニングされた大規模な AI モデルです。 Google は自己教師あり学習を使用してこれらのモデルを最適化します。これらのモデルは、テキスト、画像、ソフトウェア コード、音声、ビデオの認識、予測、生成など、さまざまなタスクを実行できる汎用モデルです。 Google によれば、顧客は Google とそのパートナーが提供する 60 以上のモデルにアクセスできるという。 Google は、AI をより幅広い組織が利用できるようにするために、PaLM 2 などの基本モデルを、さまざまなアプリケーションやユースケースに合わせてカスタマイズされた、より小型でコスト効率の高い構成で利用できるようにしています。 エンタープライズ顧客は、適応、転移学習、蒸留技術を通じて PaLM 2 をカスタマイズできます。これらのモデルにはさまざまなサイズがあり、それぞれパフォーマンス、レイテンシ、コスト、メモリ要件が異なり、さまざまなシナリオで柔軟性を確保します。 PaLM 2 の最新の機能強化により、コードと数学、分類と質問への回答、翻訳と多言語機能、自然言語生成などの高度な推論タスクを実行する能力が向上しました。 さらに、Google は Vertex AI エンドツーエンドの人工知能プラットフォームも提供しており、AI と生成モデルの導入が簡素化され、企業は特定のアプリケーションに合わせて AI モデルをカスタマイズできるようになります。 Vertex AI は、モデルの検出とチューニング、カスタマイズ ツール、データと IP の制御という 3 つの重要な生成 AI 機能を提供します。 Vertex AI を使用すると、顧客は Google とそのパートナーが提供する基盤となるモデルを発見し、調整できるようになります。 このプラットフォームにより、シームレスなモデルのスケーリング、強化学習フィードバック ループの自動化、テスト用の合成データの生成、展開場所とコストの管理が可能になります。企業は、ジャストインタイム エンジニアリング、微調整、効率的なパラメータ調整、強化学習を使用して Google のモデルを改良し、パフォーマンスを向上させて特定のタスクを強化できます。 企業組織にとって重要な懸念事項は、サードパーティの大規模インフラストラクチャ モデルを使用する際に企業データを保護できるかどうかです。 Googleは、同社のエンタープライズサービスは、モデルのカスタマイズ時にデータの完全な制御と分離、知的財産の保護、規制要件への準拠を保証すると述べた。顧客データは機密情報として保持され、他の顧客や Google の基盤モデルと共有されることはありません。 現実世界で企業は AI をどのように活用しているのでしょうか?企業は、AI モデルの設計と拡張において Google の専門知識と教訓を活用したいと考えています。しかし、実際の企業はこれらのソリューションをどう活用しているのか、あるいは活用しているのか疑問に思うかもしれません。そのため、Google は顧客とパートナーが Vertex AI をどのように使用しているかについていくつかの例を示しました。 たとえば、航空宇宙企業の GA Telesis は、顧客の注文を解釈して相関させることで顧客からの電話を自動化するデータ抽出ソリューションを開発しました。 Snorkel AI は、Vertex AI を使用して高品質のトレーニング データを生成し、モデルをトレーニングして患者の治療計画をカスタマイズするデータ サイエンス企業です。 YouCite と Behaviour Box は、Vertex AI プラットフォーム上の生成 AI モデルを使用して、従業員のやり取りを強化し、内部の脅威を検出します。 Google は、エグゼクティブ フォーラムに Mayo Foundation、Priceline、Wayfair、Wendy's からの講演者を招待しました。これらの Google Cloud のお客様は、AI の課題、機会、実際のアプリケーションに関する洞察を共有しました。各組織は AI 分野に大きなチャンスがあると考えており、長年にわたり Google と協力して AI ソリューションを開発してきました。 検索とチャットの組み合わせは、顧客体験の分野でホットな話題となっています。これらの企業は、シームレスで協調的な検索とチャットを実現するために、生成 AI をどのように活用しているかについて議論しました。当然のことながら、旅行会社はよりパーソナライズされた顧客体験を生み出そうと努めてきました。プライスラインは、生成AIは旅行会社が自社のあらゆる商品を統合するだけでなく、旅行中に顧客に関連性の高い情報を提供する、より連携した旅行体験を生み出すのに役立つと述べた。 多くの医療機関と同様に、メイヨー財団は従業員の燃え尽き症候群を最小限に抑える方法を模索しています。組織は生成 AI と検索機能を使用して、複雑な臨床情報と医療情報を臨床医と管理者に表示します。理想的には、臨床医や管理者の日常的なタスクの一部を自動化し、スタッフが重要なことに集中できる時間を増やすことができます。 メイヨー財団は、あらゆる新しい AI 開発の初期段階に人間を関与させることの重要性について語っています。調査会社ロペス・リサーチは、企業との数多くの議論を通じて、AI モデルは期待通りに動作しないことが多く、AI を微調整する必要があるため、モデル出力の意図と正確性を人間が確認することが非常に重要であることを知りました。 Wayfair は、家庭用家具業界における課題と、AI と検索機能を一致させる必要性について語りました。たとえば、リビングルームにぴったりのソファを探すのと、最新の NBA スコアを調べるのはまったく異なります。小売業では、唯一の正解は存在しません。これは顧客ジャーニーです。 Wayfair は、同社がいかにして機械学習機能を活用して顧客の意図を理解し、顧客に最適な製品をマッチングさせているかについて語りました。 Wayfair には生成 AI フレームワークと、どの A ユースケースが価値をもたらすかを検討する小規模な部門横断型チームがありますが、出力をレビューしてビジネス リスクを最小限に抑えるには、依然として人間が関与する必要があります。 Wayfair は、顧客サービス、販売、コード生成アシスタントのユースケースを迅速に導入しました。今後、Wayfair は、生成された画像の提供など、よりターゲットを絞った差別化された機能を顧客に提供することに注力したいと考えています。 ウェンディーズは、ピックアップウィンドウプロセスのスピード、正確性、一貫性を向上させたいと考えていました。ウェンディーズにはカスタマイズ可能なメニュー項目が 30 種類以上あり、顧客はメニューボードに記載されているものとは異なる項目を注文できます。 Wendy's は、AI テクノロジー (具体的には Dialogflow などのテクノロジー) を使用して、注文受付プロセスを自動化しています。 5 月に Wendy’s は、カスタマイズ リクエストの理解やよくある質問への回答の生成など、顧客との会話に Vertex AI などの新しい生成 AI 製品を使用する最初のパイロットを発表しました。同社の目標は、生成 AI を活用して注文プロセスの複雑さを解消することです。ウェンディーズは、Google の基本的な大規模言語モデルとウェンディーズのメニューのデータを活用して、会話ガードレールのビジネス ルールとロジックを確立し、この AI システムをウェンディーズのハードウェアと POS マシンに統合します。 ウェンディーズは、単一の問題を解決するのではなく、ドライブスルーからモバイルアプリまで、ウェンディーズのあらゆるチャネルにわたる問題に対処するプラットフォームアプローチを構築したいと述べた。ウェンディーズは、注文を受けるために言語モデルを使用することで早期に成功を収めており、注文を受けるプロセスはレストランで行う多くの業務の1つに過ぎないため、従業員は職を失うことを心配していないと述べた。ウェンディーズは、概念実証を提供し、フィードバックを収集することで、テクノロジー設計の早い段階で従業員とフランチャイズ店を関与させることのメリットを特に強調しました。 プライスラインは、開発者の考え方は機能ではなく体験の開発にシフトする必要があると述べた。開発者は、大規模な言語モデルの入力と出力を最適化するエクスペリエンスを設計する必要がありますが、これは JavaScript プログラミングの熟練とはまったく異なるスキルです。たとえば、プロンプトを設計する場合、開発者はプロンプトが価格の面でどれほど重要であるか、または顧客にとってどれほど価値があるかを決定する必要があります。 キューは、大規模な言語モデル AI の動作を伝達およびガイドするために非常に重要です。プロンプトワードは、モデルから回答を得るためにユーザーが使用する入力またはクエリです。プライスライン社はまた、企業は生成型AIを実現するためにリアルタイムのデータインフラストラクチャソリューションを購入する必要性を過小評価していると述べた。企業は、自社のエコシステム内で AI モデルを測定および監視できる必要があります。 Wayfair は、デジタルネイティブな企業であっても、従来のデジタル ソリューションが存在していることを指摘しています。同社は、Google がモノリシックなコードベースとデータベースからクラウドネイティブ アーキテクチャへの移行をどのように支援したかを共有し、また、Vertex AI と Gen App Builder を使用して、データ サイエンティストと機械学習エンジニアがプラットフォームに迅速にオンボードできるようにすることで、チームが機械学習インフラストラクチャの設計を気にすることなく構築と実験に集中できるようにしていることも説明しました。 Wayfair は、BERT を使用して検索における顧客の意図を理解します。 メイヨー社は、以前から大規模な言語モデルを使用しており、最近そのツールキットに生成AIを追加したと述べた。ヘルスケア業界は常に情報の検索と発見に苦労しています。メイヨー氏によると、平均的な患者には7,000~8,000のデータポイントがあるという。平均して、医師は 1 日に 10 ~ 15 人の患者を診察します。 Wayfairと同様に、Mayo氏もGoogleと長い間協力してきた。 生成 AI を使用する前、Mayo は Google の自然言語処理 (NLP) 機能を使用して非構造化データをより簡単に収集および合成していましたが、生成 AI によってその取り組みがさらに促進されます。 「Google Cloud のツールは、複雑な患者の履歴から画像、ゲノム情報、検査まで、従来の方法では検索やアクセス、解釈が難しいことが多い情報源を解き放つ可能性を秘めています」と、メイヨー クリニックの最高情報責任者であるクリス ロス氏は、両社のコラボレーションに関するプレスリリースで述べています。 明らかに、メイヨー財団も患者データのセキュリティを懸念している。彼らは、顧客の秘密鍵を使用したセキュア エンクレーブ、データのプライバシーを確保するテクノロジー、監査可能なビューによるデータの保存場所の制御、保存時の暗号化について説明しました。さらに、メイヨーはイノベーターたちに研究開発テストのための安全で信頼性の高いサンドボックスを提供したいと考えています。 メイヨー財団は、100%完璧なモデルはないが、重要なのはモデルの精度をどのように測定し、モデルが優れている領域に信頼性を与えるかであると述べています。メイヨー財団は、AI を成功させるためには患者の診断に直接関与する必要はないと考えています。医師の診察前に臨床医に患者の記録の要約を提供し、それによって患者の体験を変えるなど、書類作業や管理上の負担を軽減できる簡単な方法がたくさんあるからです。 Wayfair は、今日の AI における最大の違いの 1 つは、すべての企業が基本的な機能をサービスとして使用して、AI 作業を迅速に開始できることだと指摘しました。それまでは、高度なスキルを持つ人材を雇用し、AI インフラストラクチャを構築し、AI ソフトウェア ツールを導入する必要があります。 AI の導入を検討している組織にとって、複数のプロバイダーから特定のサービスが利用可能になることは大きな変化をもたらすでしょう。 Google Cloud GTM の社長であり、Google Ireland の責任者でもある Adaire Fox-Martin 氏は、パネルの最後に、私たちの前に広がるチャンスを次のような適切な言葉でまとめました。「AI 機能によって、1 つのプロセスだけでなく、業界全体を再考することができます。今こそ、ジェネレーティブ AI が業界全体で形を整える時です。」 |
<<: ファーウェイクラウド、AIで産業を変革するPangu Big Model 3.0とN-Teng AIクラウドサービスをリリース
>>: スタンフォードのAIエージェント研究が熱い! 「好奇心リプレイ」アルゴリズムにより、AIは自分自身を振り返り、積極的に新しい世界を探索することができる。
各種の大規模モデルやディープニューラルネットワークの登場により、人工知能の発展に対応し、高い計算能力...
先月は、ディープラーニングにおける「Hello World」であるMNIST画像認識を中心に、畳み込...
この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...
ビジネスにおいては、人工知能のリスクと限界を考慮する必要があります。 AI のリスクと限界には、プラ...
ビデオ メタデータの分析と使用は、セキュリティにおける現在の多くの刺激的な開発の基盤となっています。...
自動制御システムといえば、実は多くの友人はそれについてあまり知りません。ここでは、自動制御システムと...
すべての AI プロジェクトにはある程度のリスクが伴い、生成 AI の急速な成長と展開により、セキュ...
導入新しいモデルをトレーニングしたときに、Flask コード (Python Web フレームワーク...
[[359215]]今日、ビッグデータやモノのインターネットなどのテクノロジーが広く応用されるように...
最近では、手術を補助するさまざまなロボットが病院のあちこちで見られるようになりました。これらのロボッ...
序文音声認識の現在の開発状況をまとめると、DNN、RNN/LSTM、CNN が音声認識における主流の...
Foundry の 2023 年 AI 優先事項調査では、組織内で AI および AIGC テクノ...
データサイエンスを学び始めた頃、特定の問題に対してどのアルゴリズムを選択すればよいのかという疑問によ...