51CTO テクノロジースタック オープンソースコミュニティ KAIYUANSHE

IT業界では、「リーン」という言葉は、効率性と費用対効果を追求するプロセスを指すのによく使われますが、生成AIも例外ではありません。一部の企業のAIシステムは運用コストが数百万ドルにも上り、膨大な電力を消費するため、より効率的でリーンなAIソリューションを模索しています。

企業は、パブリッククラウドの利便性の高いワンストップサービスを利用して、生成型AIを迅速に導入することに自然と惹かれます。大手クラウドサービスプロバイダーは既にAI投資の恩恵を受けています。しかし、クラウドサービスの利用コストは、従来のデータセンターのコストを上回ることもあります。それでもなお、企業は依然として効果的なコスト削減策を模索しており、まさにこれがLean AIコンセプトの意義です。

Lean AIは、効率性、費用対効果、そして最小限のリソース消費を重視しながら、ビジネス価値を最大化する戦略的アプローチです。多くのLean AI手法は、もともと製造業や製品開発で用いられていたLean Managementアプローチを基盤としています。

Lean AIは、AIシステムの開発、導入、運用の最適化に重点を置いています。より小規模なモデル、反復的な開発手法、そしてリソース効率の高い手法を用いて無駄を削減します。Lean AIは、アジャイルでデータドリブンな意思決定と継続的な改善を優先することで、企業がAIの力を持続可能かつスケーラブルに活用することを可能にします。これにより、AIイニシアチブは効果と費用対効果の両方を実現します。

今日、企業は規模が大きければ良いとは限らないことに気づき始めています。エンタープライズAI変革の様相は、小規模言語モデル（SLM）とオープンソースの進歩の波によって特徴づけられています。この進化は、生成AIシステムにおける大規模言語モデル（LLM）の使用に伴う高コストとリソース要求への直接的な対応です。多くの企業が、コストとビジネス価値のバランスを再評価しようとしています。

OpenAIのGPT-4やMetaのLlamaといった大規模言語モデルは、人間の言語の理解と生成において優れた能力を発揮しています。しかし、これらの利点には多くの課題が伴い、企業にとって導入がますます困難になっています。これらのモデルの計算負荷とそれに伴うクラウドコストは非常に高く、予算を圧迫し、導入の拡大を阻んでいます。また、エネルギー消費の問題もあり、これは経済的負担となるだけでなく、環境にも大きな影響を与えます。

運用上のレイテンシも、特にリアルタイム応答を必要とするアプリケーションにとってもう一つの障害です。また、これらの大規模モデルの管理と保守の複雑さも見逃せません。これらの管理と保守には、必ずしもすべての組織が備えているわけではない専門知識とインフラストラクチャが必要です。

このような状況下、生成型人工知能（GAI）向けに、クラウド環境とオフクラウド環境の両方で小規模言語モデルの導入が加速しています。これらはますます実用的な選択肢として認識されています。小規模言語モデルは、コンピューティングリソースの要件とエネルギー消費を大幅に削減するように設計されています。これは、AIイニシアチブの運用コストの削減と、より魅力的なROI（投資収益率）につながります。学習と導入サイクルの短縮も、急速に変化する市場で俊敏性と応答性を維持する必要がある企業にとって、小規模言語モデルの魅力を高めています。

企業は通常、大規模な言語モデルを使用していないため、そうするようにアドバイスするのは現実的ではありません。代わりに、機器のメンテナンス、輸送ロジスティクス、製造の最適化など、特定のアプリケーションシナリオを解決するために、よりターゲットを絞ったAIシステムを構築するでしょう。これらのシナリオでは、リーンAIアプローチによって即座にビジネス価値を生み出すことができます。

より小規模な言語モデルはカスタマイズ性も向上させます。これらのモデルは特定のタスクや業界分野に合わせて細かく調整できるため、特化したアプリケーションや測定可能なビジネス成果を生み出すことができます。顧客サービス、財務分析、医療診断など、あらゆる分野で、これらのより合理化されたモデルは有効性が実証されています。

オープンソースコミュニティは、小規模言語モデルの発展と普及を牽引してきました。Metaの新バージョンであるLlama 3.1は、様々なサイズのオプションを提供し、リソースを過度に消費することなく強力な機能を提供します。スタンフォード大学のAlpacaやStability AIのStableLMといった他のモデルは、特に特定のドメインアプリケーションにおいて、小規模モデルが大規模なモデルと同等、あるいはそれ以上の性能を発揮できることを実証しています。

Hugging FaceやIBMのWatsonx.aiといった企業が提供するクラウドプラットフォームやツールのおかげで、これらのモデルはより利用しやすくなり、あらゆる規模の企業にとって参入障壁が低くなりました。AI機能の民主化はゲームチェンジャーです。より多くの組織が、独自の、そしてしばしば高価なソリューションに頼ることなく、高度なAI技術を導入できるようになります。

小さな言語モデルを使用すると、企業には次のようないくつかのメリットがあります。

1. 費用対効果: これらのモデルにより、企業はより低コストで人工知能を導入できるようになります。これは、技術投資を最大限に活用する必要があるスタートアップ企業や中小企業にとって特に重要です。

2. 俊敏性の向上: 導入速度の高速化とカスタマイズ機能の柔軟性向上により、AI 機能が進化するビジネス ニーズに適切に適応できるようになります。

3. データのプライバシーと主権: オンプレミスまたはプライベート クラウドに小規模モデルを展開すると、データのプライバシーをより適切に保護し、規制要件を満たし、データのセキュリティを確保できます。

4. 持続可能な開発: エネルギー消費量の削減は、企業の環境目標の達成をサポートします。

オープンソースのイノベーションを活用した小規模言語モデルは、大規模AIシステムのコストと複雑さを軽減し、企業に効率的でカスタマイズ可能なパスを提供します。この変化はAI投資の価値を高め、持続可能かつスケーラブルな成長を促進します。持続可能で手頃な価格の人工知能の分野において、小規模モデルの重要性はますます高まっています。

参考リンク:

https://www.infoworld.com/art...

51CTOテクノロジースタックより転載

ノアによる編集

編集：王俊

関連資料

GNU 一般公衆利用許諾書から始めて、中国のオープンソースを世界に公開しましょう。

登録受付中です！ | グラフデータベース + AI 厦門ミートアップは 8 月 17 日に開催されます。

オープンソース協会の紹介

2014年に設立されたオープンソース協会（KAIYUANSHE）は、オープンソースの理念に献身的に貢献する個々のボランティアで構成されるオープンソースコミュニティであり、「貢献、合意、そして共同統治」の原則に基づき活動しています。KAIYUANSHEは、「ベンダー中立性、公益性、非営利性」の原則を堅持し、「中国を拠点とし、世界に貢献し、新時代のライフスタイルとしてオープンソースを推進する」というビジョンを掲げています。その使命は「オープンソースのガバナンス、国際的な連携、コミュニティの発展、そしてプロジェクトのインキュベーション」であり、健全で持続可能なオープンソースエコシステムの共創を目指しています。

オープンソース協会は、オープンソースを支援するコミュニティ、大学、企業、政府機関と積極的に連携しています。また、世界的なオープンソースライセンス認証組織であるOSIの中国初の会員でもあります。

2016年以降、中国オープンソースカンファレンス（COSCon）が毎年開催され、「中国オープンソース年次報告書」が継続的に発表されています。また、「中国オープンソースパイオニアリスト」と「中国オープンソースコードパワーリスト」も共同で立ち上げ、国内外で幅広い影響力を発揮しています。