各企業に合ったLLM – DeepSeekが示す道

かつて、テクノロジーの呼びかけは「携帯電話をすべての人に」でした – そして実際、モバイルコミュニケーションはビジネス（と世界）を革命しました。今日、同等の呼びかけは、すべての人にAIアプリケーションへのアクセスを提供することです。しかし、AIの真の力は、ビジネスや組織の特定のニーズに合わせて活用することです。中国のスタートアップDeepSeekが示した道は、AIが如何にして限られた予算で、特に小規模なビジネスや組織でも利用できるようにすることができるかを示しています。実際、低コストのAIの出現は、AIソリューションが多くの小規模なビジネスや組織から遠ざかっている、根深いパターンを変えることになります。

LLMは – または過去には – 高価な取り組みでした。大量のデータにアクセスし、データを処理するための強力なコンピュータが必要で、モデルをトレーニングするための時間とリソースが必要でした。しかし、ルールは変わりつつあります。DeepSeekは、自社のLLMとChatGPTタイプのアプリケーションを、米国や欧州の企業が類似のシステムを構築するために費やした金額よりもはるかに少ない投資で開発しました。DeepSeekのアプローチは、ビルションを費やすことができない小規模な組織にとって、LLM開発の扉を開けています。実際、ほとんどの小規模な組織が、自社の特定の目的のために自社のLLMを開発できる日は遠くないでしょう。通常、一般的なLLMのようなChatGPTよりも、より効果的なソリューションを提供することになります。

しかし、議論がDeepSeekの真のコストについて残っているものの、それがDeepSeekや同様のモデルを他と区別するものは、単にコストだけではありません。彼らは、より進んだチップではなく、より焦点を当てたトレーニングアプローチを採用したからです。米国の輸出規制を受ける中国企業であるDeepSeekは、一般的にLLM開発に必要な重度計算に使用されるNvidiaの先進的なチップにアクセスできませんでした。したがって、データを効率的に処理できないNvidia H-800チップ (NVDA ) を使用することを余儀なくされました。

その力の欠如を補うために、DeepSeekはLLM開発に対して異なる、より焦点を当てたアプローチを採用しました。モデルに大量のデータを投入し、計算の強さに頼るのではなく、少量の高品質の「コールドスタート」データを利用し、反復強化学習（IRL）を適用しました。アルゴリズムは、データをさまざまなシナリオに適用し、そこから学習します。この焦点を当てたアプローチにより、モデルはより迅速に学習し、ミスが少なく、計算リソースの浪費が少なくなります。

親が赤ちゃんの特定の動きを誘導し、初めてうまく転がるのを助けるのと同様に – 赤ちゃんを一人で転がることを学ばせるのではなく、転がるのを助けるために特定の動きを教えるのではなく – このようなAIモデルをトレーニングするデータサイエンティストは、特定のタスクや結果に対して最も必要なものに焦点を当てます。こうしたモデルは、ChatGPTのような大規模なLLMほど幅広い応用が可能ではないかもしれませんが、特定の応用に対しては信頼性が高く、精度と効率性が高いことができます。DeepSeekの批判者も、開発のストリームライン化されたアプローチが効率性を大幅に高めたことを認めています。

このアプローチは、AIに最適な入力を与えることで、最も賢く、最も効率的にマイルストーンに到達できるようにすることです。これは、特定のニーズやタスクに対してLLMを開発したい組織にとって、特に貴重なアプローチです。最初のステップは、正しいデータから始めることです。たとえば、セールスとマーケティングチームを支援するためにAIを使用したい会社は、セールス会話、戦略、メトリクスに焦点を当てたデータセットでモデルをトレーニングする必要があります。これにより、モデルは無関係な情報に時間と計算リソースを浪費することがありません。さらに、トレーニングは段階的に構造化する必要があり、モデルが各タスクまたは概念をマスターする前に次のものに進むことを確認する必要があります。

これも、私が数ヶ月前に母親になったことで学んだように、赤ちゃんを育てることと似ています。両方のシナリオで、誘導されたステップバイステップのアプローチにより、リソースの浪費が避けられ、摩擦が減ります。最後に、赤ちゃんやAIモデルに対するこのようなアプローチは、反復的な改善につながります。赤ちゃんが成長するにつれて、またはモデルがより多く学習するにつれて、その能力は向上します。つまり、モデルはより洗練され、より優れたものになり、現実世界の状況に対処する能力が向上します。

このアプローチにより、コストが削減され、AIプロジェクトがリソースの浪費となるのを防ぎ、小規模なチームや組織でもアクセスしやすくなります。また、AIモデルのパフォーマンスがより迅速に改善され、余分なデータで過負荷にならず、新しい情報や変化するビジネスニーズに適応できるため、競争的な市場で重要な要素となります。

DeepSeekと低コストで効率的なAIの世界の到来 – これが最初にAIの世界と株式市場にパニックを広げたとしても – 全体としては、AIセクターにとってプラスの展開です。特定の応用に対するAIの効率性とコストの低減は、最終的にはAIの使用を増加させ、開発者、チップメーカー、エンドユーザーすべての成長を促進するでしょう。実際、DeepSeekは、ジェヴォンズのパラドックスを示しています – つまり、より効率的なリソースの使用は、リソースの使用量の減少ではなく、増加につながる可能性が高いということです。このトレンドが続くように見える中、小規模なビジネスが特定のニーズに対してAIを活用することに焦点を当てている場合、成長と成功のためにより良い立場に立つことになります。