企業向けAIが業務領域を広げる一方、連合学習はネットワーク通信量の抑制を目指す

動向

9月28日に発表された2件の情報は、日本のAI市場で取り組みの方向性が分かれつつあることを示している。一方の企業は、より多くのクリエイティブ業務を管理された法人向けインターフェース内に取り込もうとしており、もう一方は分散型モデル学習の基盤にあるネットワーク負荷の問題に取り組んでいる。

1. LINNE AI、画像関連業務を同じ法人向けチャット内に統合

Trend Townによると、同社のLINNE AIサービスでは、ユーザーがチャット画面から離れることなく画像を生成・編集できるようになった。発表では、この機能を6項目からなるアップデートの一部と位置付けている。このほか、ファイル添付機能の改善、WordおよびPowerPoint文書に埋め込まれた画像の読み取り、Canvas文書のPDFまたはWord形式での出力、利用状況ダッシュボードの刷新、管理者向けチャットボット一覧の統合も含まれる。

同社によると、画像処理にはOpenAIのgpt-image-2を使用し、ユーザーが選択した会話モデルが依頼内容を解釈して構造化する。画像生成にはトークンを消費する。また、発表に記載されたセキュリティ、価格、性能に関する説明は、独立した検証結果ではなく、あくまで提供企業自身の主張である。(LINNE AIの発表を読む)

2. Rosso、連合学習の通信タイミングを適応的に調整する技術で特許取得

Rossoは、台帳型連合学習と同社のAdaptive-K手法を組み合わせた技術に関する特許を発表した。同社によると、この手法はモデルの統合結果を用いて、参加する各クライアントが次にサーバーと更新情報を交換するタイミングを決定し、クライアント間でデータ分布が異なる場合に不要な通信を回避することを目的としている。

これは完成した大衆向け製品ではなく、インフラに関する取り組みである。発表では性能向上の程度が独立して実証されておらず、特許の法的範囲についても特許庁の記録との照合は行っていない。それでも、分散型AIシステムの連携コストを抑えることに商業的な関心が向けられている事例ではある。(Rossoの発表を読む)

2件の発表から分かること

企業向けAIは、より多様な従業員の成果物へと外側に広がる一方、学習を連携させるシステムへと下層にも拡大している。導入企業は、リリース済みの機能と計画段階の機能、企業側の主張と測定済みの結果を区別すべきであり、特にセキュリティ、運用コスト、統合に必要な労力を比較する際には注意が必要である。