三澤瑠花

現在のLLMが直面する最大の課題は「高い性能を得るために膨大なデータが必要」であるという事実と「プライバシー保護が絶対的」であるという要求が根本的に対立しているという点だ。本記事ではGoogleの「モデルにプライバシー保証を組み込むアプローチ」と、日本企業の「データを処理する環境やプロセスを保護するアプローチ」に焦点を当て、その戦略的意図と技術背景を分析する。

OpenAIが公開した技術仕様書が、これまでの企業のAI活動を阻害していた根本的な課題を解決つつある。ハルシネーションの削減や安全性と使いやすさを両立する仕組み、AIの欺瞞（ぎまん）を検出する技術は、日本企業のAI戦略にどのような戦略的機会をもたらすのか。

AIエージェントの活用に当たってはLLMとも違うセキュリティ常識を身に付けている必要がある。AIエージェントならではの問題点と発生原因、その対応策の考え方を解説する。

AIエージェントのセキュリティ脅威に対し、学術界と産業界では新たな対策フレームワークの構築が活発化しています。どのような戦略的アプローチが有効なのでしょうか。最新の研究成果が示す新しい脅威分類と、それに対応する包括的セキュリティフレームワークの設計思想について解説します。

企業が生成AI（LLM）からAIエージェントへと活用の幅を広げる過程で起こり得る、従来のサイバーセキュリティフレームワークでは対応困難な新たなサイバー脅威について詳しく解説します。

Googleが発表した「Gemini Diffusion」は過去最高速のモデルよりも大幅に高速なコンテンツ生成が可能です。この背景にあるスタンフォード大学の研究成果「拡散言語モデル」を解説します。

「MCP」（Model Context Protocol）が注目を集めている。企業内に分散したデータやツールとAIモデルをシームレスに接続し、AIの実用価値を劇的に高める可能性を秘めるこの新技術をどのように評価し、戦略に組み込むべきか。

生成AIの利用コストにはサービスの利用料の他に電力コストも存在する。生成AIを活用する上で考慮すべき電力問題と解決策について解説する。

2024年末からブームが始まりつつある「AIエージェント」とはどんなものか。本稿ではAIエージェントの「レベル」と現状について解説します。

2024年末からブームが始まりつつある「AIエージェント」とはどんなものか。その歴史と今になって注目されている理由、AIエージェントを構成する3要素について解説する。

OpenAIのイベント「Open AI 12 Days」で、ChatGPTに「Canvas」「Projects」、開発ツール連携といったプログラミングにうれしい新機能が追加された。

OpenAIは2024年12月にイベント「Open AI 12 Days」を開催しました。新たなサービスと生成AI関連の技術が発表されたが、これらの変化は具体的にどのような投資機会を生み出すのでしょうか？

フランスのAI分野のスタートアップMistral AIが発表したLLM「Mixtral-8x7B」はパラメータが47Bに及ぶ規模ながら13Bのモデルと同等の速度、コストで動作させられ、推論性能は「GPT3.5」を超えている。この革新を可能にしたのは1991年に提案された古い概念です。

Microsoftが2024年2月に発表した技術「BitNet」を一般公開した。LLMの性能は落とさず、推論にかかる消費メモリや電力を大きく削減できる可能性がある。

生成AIの主要プレイヤーが注目している「プロンプトキャッシング」という技術を使えば、長文処理にかかるコストを90％、応答開始までの時間を85％短縮できる可能性がある。

生成AIの進化が加速する中、企業のデジタル変革を支援する重要な技術として「RAG」と並んで「function calling」が注目されています。この機能により、生成AIが外部ツールやAPIを自在に操り、ビジネスプロセスの自動化や意思決定支援を飛躍的に向上させる可能性が広がっています。

生成AIを活用する企業の間で今注目度を増している「RAG」について、そのメリットと活用事例、企業の競争力強化のためのアクションをビジネス視点で紹介する。

多言語LLMには文化的バイアスがあり、ローカルな知識・文化の理解が十分でない可能性があることが最新の研究で指摘された。日本におけるLLM活用においてはどのようなアプローチが必要なのか考える。

生成AIの推論精度と信頼性を飛躍的に向上させるRAG技術。今回は、エンタープライズAI導入の最前線で注目を集めるRAGの実装に向けて、AWSとMicrosoftが提供しているRAG関連サービスを紹介します。

生成AIの推論精度向上を目的としてRAGの実装が進んでいますが、その性能を適切に評価することも重要です。複雑な評価プロセスに対応するために提案された「Auepora」と呼ばれる評価方法分析フレームワークを紹介します。

多くの大企業がこの夏までに生成AIのPoC（概念検証）を終え、生成AIの実運用を見据えたときのさまざまな課題を見つけています。課題の一つは検索拡張生成（RAG）の最適化です。今回はRAGの精度をより高める実装方法についてまとめた論文を解説します。

最新のプロンプトエンジニアリング手法「LEAP」と「RoT」について説明します。モデルの改修をしなくても最終的な出力の品質を向上させられるため、AIの活用範囲を大きく拡大させる可能性があります。

LLMの「忠実さ」を向上させるための学習で使う「インストラクションデータ」はこれまで人力で作られてきたが、この作業を自動生成するアルゴリズム「Evol-Instruct」が注目を集めている。ビジネス視点からメリットを解説します。

生成AIの中でも特定の領域に特化した高性能モデルのニーズが高まっている。しかし、LLMは学習コストが高ことが問題だ。そこで注目されているのが、複数のモデルを組み合わせて新たなモデルを作る「モデルマージ」だ。生成AIを効率的に進化させられる。

Metaがオープンソース生成AIモデル「Llama 3」を公開し、生成AIビジネスの世界に衝撃を与えている。本記事では「Llama 3」に関連する最新論文をビジネス視点で紹介する。