AIテクノロジースタックの分散化の必要性

AI開発に関する議論は、将来的な哲学的な議論に支配されています。例えば、汎用人工知能を目指すべきか、それは可能かという議論です。

加速と減速の議論は重要ですが、テクノロジースタックの分散化の重要性や、そのコストをどのように抑えるかという点も重要です。これらの課題は、対立しているように感じられます。モデルを構築してデプロイすることは非常に高価ですが、一つのモデルに過度に依存することは長期的には有害です。私はAIの創業者として、この課題を身をもって知っています。

知能を構築するには、才能、データ、スケーラブルなコンピューティングが必要です。市場に出る時間を短縮し、より少ないリソースでより多くのことを行うために、多くの企業は既存のモデルを使用することよりも、ゼロから構築することを選択します。このアプローチは、構築するものが非常にリソースを大量に消費する場合には、理にかなっています。この課題を複合するのは、ソフトウェアとは異なり、AIにおける大きな進歩は、より多くのスケールを追加することで達成されてきたことです。これには、より多くのコンピューティングパワーとコストが必要です。

しかし、ソリューションを構築した会社がガバナンスの失敗や製品の停止を経験した場合に何が起こるでしょうか。実用的には、一つのモデルに依存して製品を構築することは、起こり得るすべての出来事に対するマイナスの波及効果の一部になることを意味します。

また、確率的なシステムで作業するリスクを覚えておく必要があります。私たちはこれに慣れておらず、現在私たちが住む世界は、明確な答えで機能するように設計されてきました。モデルは出力において流動的であり、企業はモデルを不断に調整しています。これは、モデルをサポートするコードと、顧客が依存する結果が、知らないうちに変更される可能性があることを意味します。

中央集権化は、安全上の懸念も生み出します。単一の故障点を導入するからです。すべての会社は、自身の最善の利益のために動いています。一つのモデルに問題やリスクがある場合、問題を修正することや代替案へのアクセスについて、より少ないコントロールしか持ちません。

Where does that leave us?

AIは間違いなく、私たちが生活する方法を改善するでしょう。情報を収集する方法から、膨大な量のデータを理解する方法まで、AIは多くのことを達成し、解決することができます。しかし、この機会に伴うリスクもあります。一つのモデルに過度に依存することは、すべての会社が安全性と製品の課題にさらされることを意味します。

この問題を解決するには、推論コストを下げて、企業がマルチモデルアプローチを採用しやすくする必要があります。もちろん、すべてはデータに帰結します。データとデータ所有権は重要になります。データがよりユニークで、高品質で、利用可能であるほど、より有用になります。

多くの問題に対して、モデルを特定のアプリケーションに最適化することができます。AIの最後の1マイルは、企業がさまざまなモデル上にルーティングロジック、評価、オーケストレーションレイヤーを構築し、さまざまな 垂直市場に特化することです。

この目標に近づけるための多くの重要な投資が行われています。Mistalの最近の（そして印象的な）資金調達ラウンドは、OpenAIの代替手段に向けての有望な発展です。また、クロスモデルマルチプレクシングを現実化し、推論コストを特殊なハードウェア、ソフトウェア、モデル蒸留を介して削減することを支援する企業もあります。

オープンソースも普及し、政府機関はオープンソースを維持することを許可する必要があります。オープンソースモデルでは、より多くのコントロールが可能です。ただし、パフォーマンスギャップは依然として存在します。

私たちは、ジュニアモデルがよりシンプルなタスクを大規模に実行するように最適化された世界に到達することになるでしょう。一方、より大きなスーパーアイモデルは、更新のためのオラクルとして機能し、より複雑な問題を解決するためにコンピューティングリソースをより多く使用することになるでしょう。顧客サービスリクエストに応えるために、1兆パラメータモデルは必要ありません。上級幹部がインターンが処理できるタスクを管理するのと同様に、企業もさまざまなレベルの複雑さを持つモデルコレクションに依存することになるでしょう。

このバランスを達成するには、タスクの明確な分解とベンチマークが必要です。時間、計算複雑さ、コスト、必要なスケールを考慮して、使用例に応じて優先順位を付ける必要があります。比較のための基準となる真実、理想的な結果、例の入力と出力データを決定し、さまざまなプロンプトを実行して、基準となる真実に最も近い結果を取得する必要があります。

AI企業がテクノロジースタックを分散化し、複数のモデルを構築することができれば、AIツールの安全性と信頼性を向上させることができ、AIのプラスの影響を最大化することができます。私たちはもう、理論的な議論をする時間ではありません。AIを効果的に、かつ堅牢なテクノロジーにするために、どのように活用するかについて焦点を当てる必要があります。