Last Updated on 2024-08-20 07:50 by admin
セールスフォース社は2024年8月19日、新しいオープンソースの大規模マルチモーダルAIモデル群「xGen-MM」（別名BLIP-3）をリリースした。このモデル群は、テキスト、画像、その他のデータタイプを組み合わせたコンテンツを理解し生成するAIの能力を大幅に向上させるものだ。
xGen-MMの最大モデルは40億パラメータを持ち、同規模のオープンソースモデルと比較して競争力のある性能を達成している。特筆すべき革新点は、複数の画像とテキストを組み合わせた「インターリーブデータ」を扱う能力だ。
セールスフォース社は、事前学習済みモデル、指示調整済みモデル、安全性調整済みモデルなど、異なる目的に最適化されたモデルのバリエーションを公開している[2]。これらのモデルは、「MINT-1T」と呼ばれる1兆トークン規模のデータセットで訓練された。
xGen-MMのコード、モデル、データセットはセールスフォース社のGitHubリポジトリで公開されている。この取り組みは、AIの研究開発を加速させ、マルチモーダルAI技術へのアクセスを民主化する可能性がある。
【編集部解説】
セールスフォース社が公開したxGen-MM（BLIP-3）は、マルチモーダルAI技術の新たな地平を切り開く可能性を秘めています。この技術が持つ革新性と影響力について、詳しく見ていきましょう。
まず注目すべきは、xGen-MMの「インターリーブデータ」処理能力です。これは複数の画像とテキストを同時に理解し、それらの関係性を把握する能力を指します。この機能により、AIは人間のように複雑な視覚情報とテキスト情報を組み合わせて理解することができるようになります。
例えば、医療分野では複数のX線画像や検査結果を総合的に分析し、より正確な診断を支援する可能性があります。また、自動運転技術においては、複数のカメラからの映像と交通情報を統合して、より安全な運転判断を行うことができるかもしれません。
xGen-MMの公開は、AI研究の民主化という観点からも重要です。大手テック企業が最先端のAIモデルを非公開にする傾向がある中、セールスフォース社の取り組みは、より多くの研究者や開発者がマルチモーダルAI技術にアクセスできる機会を提供しています。
しかし、この技術の普及には潜在的なリスクも存在します。高度なAIモデルの悪用や、プライバシー侵害の懸念は無視できません。セールスフォース社が安全性調整済みモデルを提供していることは評価できますが、社会全体でAI技術の倫理的な使用について議論を深める必要があるでしょう。
長期的な視点で見ると、xGen-MMのような技術は人間とAIのインタラクションを大きく変える可能性があります。より自然な形で視覚情報と言語情報を処理できるAIは、バーチャルアシスタントやロボットの能力を飛躍的に向上させるかもしれません。
また、この技術は教育分野にも革新をもたらす可能性があります。複雑な概念を視覚的に説明したり、学習者の理解度に応じて適切な教材を提示したりするAIシステムの開発が進むかもしれません。