「好機が来た」――なぜ今Sakana AIは、イチからAIモデルを作るのか　“新たな一手”のねらいを聞いた

　「好機が来た」――Sakana AIは、自社で一からAIモデルを開発しはじめた理由についてこのように表現する。モデルの名前は「Sakana Sawara（仮称）」。同社が10月26日に開催したシンポジウムで発表した。

　日本のAI開発には、大きく分けて2つの方向性がある。海外企業のオープンなAIモデルベースに、応答や振る舞いを調整する事後学習によって日本向けにするものと、既存のモデルを基にせず、大量のデータによって言語や知識を学ばせる事前学習から手掛けるものだ。

　Sakana AIはこれまで、さまざまな研究開発に取り組みながら、主に前者に注力する姿勢を見せてきた。なぜ今、Sakana Sawara（仮称）の開発に乗り出したのか。背景や狙いをSakana AIに聞いた。回答は書面で得た。

数千億パラメータ以上のモデルも視野

　Sakana Sawara（仮称）は、自律的にタスクをこなすAIエージェント向けに設計し、同社の製品やサービスの土台として利用する。事前学習から一貫して手掛け、学習データや学習手法を含めて管理することで、研究開発にも役立つという。

　「モデルと学習レシピの全てを把握でき、開発のあらゆるプロセスが当社にとって透明であることで、より幅広い研究が可能になる」（Sakana AI）

　現在は学習の準備段階で、12月に「Sawara Small（仮称）」の事前学習を始める。順調に進めば、2027年春に同モデルの重みを公開する予定だ。

　Sawara Small（仮称）は単体でも活用する一方、今後の開発に向けた「パイロット的な位置付けのモデル」でもある。より大規模な「Sawara Large（仮称）」の開発も計画しており、数千億パラメータ以上のモデルの構築も視野に入れる。

なぜ今なのか　背景には「開発環境の変化」

　Sakana AIは、これまで同社が手掛けてきた研究開発を2つの層に分けて説明する。

　1つは、高性能なAIモデルを使って難しい課題を解く「エージェントの層」だ。例えば、膨大な選択肢から条件に合った最も評価が高い解を導き出す分野「組合せ最適化」に特化したAIエージェント「ALE-Agent」や、AIモデルの“試行錯誤”によって効果的に推論する手法「AB-MCTS」などを開発してきた。

　もう1つが「モデルの層」だ。海外企業のオープンなAIモデルに事後学習して日本向けにした「Sakana Namazu」や、他企業の最先端モデルと自社モデルを組み合わせて性能向上を図る「Sakana Fugu」を提供してきた。

　Sakana AIは、こうした取り組みを続けながら、Sakana Sawara（仮称）の開発にも乗り出した理由について「いま、モデルの層で事前学習に取り組む好機が来た」と説明する。

　背景には、AIモデルの開発を取り巻く環境の変化がある。Sakana AIによると、オープンウェイトモデルの性能が高まり、実務でも使えるようになった。学習データや学習手法の知見なども入手しやすくなり、AIモデルの開発コストが低下しているという。

　中でも重視するのが「モデルの層で特化する」という手法が有力になったことだ。

　「エージェント型の強化学習を使えば、自社のツールや業務に合わせて、モデルをエンドツーエンドで最適化できる。そうして特化したモデルが、汎用のモデルを上回ることもある」

　また、Sakana AIは「研究は人間とAIの協働で進めるものだという認識が、いまでは広く共有されている」との見方を示す。こうした変化も後押しになったという。

　同社は24年、AIで科学研究を自動化する技術「AIサイエンティスト」を発表。26年にはAIによるAI開発を研究するチーム「RSI Lab」を設置するなど、研究開発へのAI利用にも力を入れてきた。Sakana Sawara（仮称）の開発でも、これまでの研究で培った知見を生かし、AIエージェントを活用する。

　なお、Sakana AIが手掛ける防衛・安全保障分野で求められるAI開発・運用の条件と、Sakana Sawara（仮称）を開発するという判断への影響も聞いたところ、「個別分野の要件については回答を控える」とした。

　「そのうえで一般論として、Sakana Sawara（仮称）は他のモデルを基にしないため、学習データや学習手法を含め、モデルの全てを当社で管理できる点が特徴だ」

AI開発は「GPUの競争」だけじゃない？

　米国や中国はもちろん、日本でもすでに事前学習からAIモデルを開発している企業は複数あり、Sakana AIは後から追いかける格好だ。こうした状況下で、同社は自らの強みを研究力に見いだす。

　「言語モデルの開発は『GPUの競争』と思われがちだが、外部の分析によれば、計算資源の大部分は最終的な学習ではなく試行錯誤、つまり研究に使われている。言語モデル開発は、想像されている以上に『研究の競争』だ」

　Sakana AIは、1つの実験から得られる知見の量である「研究効率」と計算資源の掛け算で、AIモデルの進歩が決まると捉える。研究力を左右する「AIの大規模な活用」と「人材の密度」を重視し、Sakana Sawara（仮称）の開発にも少数精鋭で取り組むとしている。

この記事の著者