はじめに

GLB事業部Lakehouse部のメイです。

現地でのData + AI SUMMIT2023（DAIS）に参加しているメンバーの報告をもとに、AIとコンピューティングの指数関数的な進歩と基礎モデルの登場について「Labelbox | Unlocking Enterprise AI with Your Proprietary Data and Foundation Models」を共有します。このセッションでは、AIシステムの構築方法やデータへの適用方法について、速く、費用効果が高く、自動化された方法を共有することを目的としています。ターゲット視聴者は、AI技術に興味がある人、データ分析やAIシステムの構築に携わる人、企業の意思決定者などです。

AIとコンピューティングの指数関数的な進歩

近年、AIとコンピューティングの進歩が指数関数的に加速しています。同じドルで数十億のコンピューティングを購入できるようになっており、今後5年間で過去10年または20年で達成した進歩よりもはるかに大きくなることが予想されています。この指数関数的な進歩は、AIシステムの構築方法やデータへの適用方法に大きな影響を与えています。そのため、企業は速く、費用効果が高く、自動化された方法でAIを活用する必要があります。

基礎モデルの登場とその影響

基礎モデルは、従来のAIシステム構築方法とは根本的に異なるアプローチを提供しています。インターネット規模のデータでトレーニングされるため、人間によるデータ収集、トレーニング、テスト、開発が必要だった過去とは一線を画しています。基礎モデルの登場により、OCR（光学式文字認識）や感情分析などの機能が広く利用可能になりました。これにより、企業や個人がこれらの機能を簡単に活用できるようになり、AI技術の普及が加速しています。

データセントリックな仕事の簡素化への取り組み

データセントリックな仕事の開発プロセスを簡素化する方法について、Naver とLabelBoxの取り組みが紹介されました。Naverは、データセットに対して伝統的な検索とベクター検索を組み合わせることで、データセントリックな仕事の開発プロセスを簡素化しています。一方、LabelBoxは、基礎モデルを選択し、データに適用し、人間がループに入るシステムを使用して品質を維持するエンドツーエンドのソリューションを提供しています。

これらの取り組みにより、データセントリックな仕事の効率化が期待されます。

まとめ

AIとコンピューティングの指数関数的な進歩により、企業は独自のデータと基盤モデルを活用してAIを導入する方法を見つける必要があります。最新の概念や機能、サービスを活用することで、企業は速く、費用効果が高く、自動化された方法でAIを活用することができます。データセントリックな仕事の簡素化に向けた取り組みとして、Naver とLabelBoxの事例が紹介されました。これらの取り組みを参考に、自社のAI活用を進めていきましょう。