クラウドベースの生成型AIを理解する
本ページは、機械翻訳を利用しています。本ページの記載内容とオリジナルの英語ページの記載内容に齟齬がある場合は、英語ページの記載内容が優先します。ご参考のために掲載するものであり、それ以外の目的のためのご利用や法的効力を生じさせることを意図しておりません。
クラウド生成型AIとは何ですか？
生成型AI（GenAIとも呼ばれる）は、ユーザーが独自の画像、アニメーション、3Dレンダリング、音声、テキストなどの斬新なコンテンツを作成（生成）することを可能にする人工知能技術です。GenAIは通常、優れたマルチタスク能力を持ち、学習によって「知能」を身につけたAIモデルによって支えられており、質疑応答コンテンツ、長文テキストの要約、データの分類など、さまざまな形式で出力、つまりユーザーの質問に対する回答を提供します。
生成型AIモデルはオンプレミスのインフラストラクチャ上で構築およびトレーニングすることも可能ですが、より多くの組織や個人が生成型AIプロジェクトをクラウドに移行しています。AWS、Microsoft Azure、Google Cloud Platformなど、主要なクラウドプラットフォームはすべて、生成型AIのモデリング、トレーニング、微調整などを強化・加速できる豊富な計算リソース、データセット、ツールを提供しています。
クラウドベースの生成型AIは、拡張性、コスト効率、柔軟性、データ分析と共有の容易さなど、クラウドが従来のコンピューティングにもたらすのと同じ利点を享受できる。また、これにより組織は、多くの組織がオンプレミスでの利用では到底手の届かないような、非常に強力なGPUやその他の高性能インフラストラクチャを利用できるようになり、より大規模で、より適切で質の高い出力を得るためのモデルをトレーニングすることが可能になります。
生成型AIモデルの仕組み
生成型AIは、モデルを用いることで機能します。モデルは、人間が生成した膨大な量のコンテンツを非常に高速に分析し、パターンを検出したり、特定の物体を認識したりする方法を学びます。
生成型AIモデルには主に3つの種類があります。
敵対的生成ネットワーク（GAN）は、画像生成、情報が少ない分野（医療画像など）におけるデータ拡張、テキスト記述からの高品質画像の生成に最適です。
変分オートエンコーダー（VAE） – 異常検出や画像再構成などのタスクに最適です。
トランスフォーマー– テキスト要約、対話型エージェント、言語翻訳、ユーザーからの質問への回答など、自然言語処理タスクにおいて最もよく用いられるモデル。
生成型AIモデルのトレーニングは、教師あり学習または教師なし学習によって行うことができる。教師あり学習では、モデルに何であるかを識別するためのラベルが付けられた何百万もの画像が与えられます。たとえば、「猫」とラベル付けされた猫の画像などです。これらの画像を処理した後、モデルは猫のあらゆる色や模様、様々なポーズの画像を識別し、生成することを学習します。この種の学習は、列車の到着時刻予測やスパム検出といった分類および回帰タスクに優れたモデルにつながる可能性がある。
教師なし学習では、モデルはラベル付けされていない大規模なデータセットを処理し、さまざまな種類のデータ間のパターンや関係性を発見することを学習します。顧客セグメンテーションや異常検知といったクラスタリングやデータ分析タスクに最適です。
クラウド上での学習とモデル構築
クラウド上で生成型AIモデルを構築・訓練することで、プロセス全体をより迅速かつ簡素化できます。なぜなら、クラウドプラットフォームは、組織が必要な時に必要なコンピューティング、メモリ、ストレージのリソースに即座にオンデマンドでアクセスできる機能を提供するからです。クラウドプロバイダーは、モデルの構築からトレーニング、展開に至るまで、モデル開発およびトレーニングプロセスを効率化および強化するための多くの高度なツールとサービスも提供しています。
クラウドインフラストラクチャの特性と柔軟性により、開発者は容易に実験を行い、迅速に反復開発を繰り返すことができる。例えば、面倒で時間のかかる設定作業を経ることなく、モデルのアーキテクチャやハイパーパラメータを変更できる。
実際に導入する際には、クラウドプロバイダーのツールを使えば、他のアプリケーションへの導入や統合が容易に行えるのが一般的です。
企業にとってのクラウドベースの生成型AIの利点
クラウド上で複雑な生成型AIモデルを構築・展開することには、いくつかの明確な利点があります。
拡張性の簡素化– クラウドでは、リソースを迅速かつ簡単にスケールアップおよびスケールダウンできます。これは、通常多くの計算能力とメモリを必要とする大規模なGenAIモデルにとってプラスとなる。
高性能コンピューティング– クラウドプロバイダーは、トレーニングや推論処理を高速化するために、最新かつ最高性能のGPUやその他のハードウェアに多額の投資を行っています。
オンデマンドストレージ– クラウドが必要に応じてコンピューティングリソースやメモリリソースを簡単に起動できるのと同様に、ストレージについても同じことを実現します。これは、生成型AIモデルによく見られる大規模なデータセットや出力を扱う際に非常に重要です。
コラボレーションの容易さ– クラウドを利用すれば、離れた場所にいる同僚間で結果やデータを共有することが容易になります。すべてがクラウド上にある場合、チームは同じデータを使用し、一貫性を維持しているという確信を持って作業を進めることができます。
管理負担の軽減– クラウドは、生成型AIが必要とする膨大なデータセットを処理できるデータレイクやデータベースなど、さまざまなストレージおよび管理ソリューションを提供します。
クラウドにおける生成型AIのユースケース
不正行為の検出と予防的な対策– GenAIは、ユーザーアカウントやオンライン行動における異常や不審な活動を検知し、差し迫った脅威を軽減したり、それ以上の活動を阻止したりするための自動的な対策を講じることができます。
予知保全– 組織は、高価な機械設備やその他の資産が故障やエラーを起こす危険性がある場合に、アラートを受け取ることができます。不具合が深刻化する前に対処することで、時間と費用を大幅に節約できます。
チャットボットとバーチャルアシスタント– 顧客サービス部門は、業務負荷の一部を軽減し、人間の介入なしに軽微な問題を解決できる自動化されたチャットボットの恩恵を受けることができます。
自動化されたリソース管理– 生成型AIは、リソース利用を最適化および管理することで、組織がクラウドコンピューティング環境を最大限に活用できるよう支援します。これらのモデルは、既存のデータセットに追加するための合成データを生成することもでき、それによってより深い洞察とより正確な予測が可能になります。
パーソナライズされたユーザーエクスペリエンスとレコメンデーション– GenAIは、ユーザーの行動パターンを分析し、関連性の高いレコメンデーションを提供したり、オンラインの顧客体験を個々のユーザーの好みに合わせてパーソナライズしたりすることに長けています。
仮想世界と環境の作成– 一部のモデルは、ユーザーの仕様に基づいて仮想環境をリアルタイムで構築できます。これはゲーム業界だけでなく、製品設計やテストにも役立ちます。例えば、自動運転車をテストするための仮想3D世界を構築する場合などです。
Nutanixが生成型AIをどのように促進するか
ハイブリッドマルチクラウドソリューションのリーダーとして、Nutanixはお客様が必要とする高度なソリューションを提供することに尽力しています。AI技術は驚異的なスピードで進化しており、企業が最高のAI機能を得るためにクラウドへ移行する中、Nutanixはそれをシンプルかつストレスフリーなものにするために存在します。Nutanix Enterprise AIは、エンタープライズ向け生成型AI（GenAI）の運用と管理を簡素化します。大規模言語モデル（LLM）の選択とセキュアなエンドポイントを簡単にデプロイできるため、より高速で回復力が高く、導入後すぐに運用を開始できるGenAIを実現できます。つまり、最も複雑なGenAIプロジェクトであっても、どのような環境やクラウド環境であっても、スムーズかつシームレスに実行できるということです。
データプライバシーや主権に関する法律により、クラウドベースの生成型AIトレーニングを活用できない組織向けに、NutanixはNutanix GPT-in-a-Boxを提供しています。これは、Nutanixが検証済みのAIインフラストラクチャとサービスのスタックであり、組織がエッジまたはオンプレミスのデータセンターで生成型AIの取り組みを開始し、機密データを完全に制御できるようにします。
