1年前、ChatGPTが登場する前の昨年11月まで遡ると、機械学習といえば、ローンの承認や不正防止といった単一のタスクを解決するためのモデル構築が中心でした。このアプローチは、汎用化されたLLMの台頭とともに廃れたように思われましたが、実際には汎用モデルはあらゆる問題に適しているわけではなく、タスクベースのモデルは企業で依然として健在です。
これらのタスクベースのモデルは、法学修士課程（LLM）の台頭まで、企業におけるほとんどのAIの基盤となってきました。そして、今後もその流れは止まることはありません。AmazonのCTO、ワーナー・フォーゲルス氏が今週の基調講演で「古き良きAI」と呼んだのはまさにこのモデルであり、彼によれば、実社会における多くの問題を解決し続けているのはまさにこのタイプのAIなのです。
今年初めにAPI経由で様々な大規模言語モデルに接続できる製品として発表されたAmazon Bedrockのゼネラルマネージャー、アトゥル・デオ氏も、タスクモデルは単純に消滅することはないと考えている。むしろ、タスクモデルはAIの武器庫に新たなツールとして加わっているのだ。
「大規模言語モデルが登場する前は、私たちは主にタスクに特化した世界にいました。そして、特定のタスクのためにモデルをゼロから訓練するという考え方でした」とデオ氏はTechCrunchに語った。彼によると、タスクモデルとLLMの主な違いは、前者は特定のタスク向けに訓練されるのに対し、後者はモデルの境界外の事柄も処理できるという点だ。
投資会社マドロナのパートナーで、かつてAWSで約10年勤務したジョン・トゥロー氏によると、業界では推論やドメイン外ロバスト性といった大規模言語モデルの新たな機能について議論が交わされているという。「これらの機能により、当初モデルに期待されていた狭い定義を超えて拡張することが可能になります」と彼は述べた。しかし、これらの機能がどこまで実現可能かは依然として議論の余地があると付け加えた。
デオ氏と同様に、トゥロウ氏もタスクモデルが突然消え去ることはないと述べています。「タスク特化型モデルは、特定のタスク向けに設計されているため、より小型で、より高速で、より安価で、場合によってはより高性能になる可能性があり、明らかに依然として役割を担っています」と彼は述べています。
しかし、汎用モデルの魅力を無視するのは難しい。「企業全体を見てみると、何百もの機械学習モデルが個別にトレーニングされている状況では、それは全く意味をなさない」とデオ氏は述べた。「一方、より高性能な大規模言語モデルを選択すれば、再利用性のメリットをすぐに享受できるだけでなく、単一のモデルで様々なユースケースに対応できるようになります。」
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
Amazonにとって、同社の機械学習運用プラットフォームであるSageMakerは依然として主要製品であり、Bedrockと同様に開発者ではなくデータサイエンティストを対象としています。SageMakerは数万の顧客が数百万ものモデルを構築していると報告されています。これを放棄するのは無謀でしょう。そして率直に言って、LLMが今流行っているからといって、それ以前の技術が今後しばらくの間、重要性を失わないとは限りません。
特にエンタープライズソフトウェアでは、そうはいきません。たとえ現在の大規模言語モデルのように強力なものであっても、新しいものが登場したからといって、多額の投資を無駄にしてしまう人はいません。Amazonが今週、大規模言語モデルの管理に特化したSageMakerのアップグレードを発表したことは注目に値します。
より高性能な大規模言語モデルが登場する以前は、タスクモデルが事実上唯一の選択肢であり、企業はデータサイエンティストのチームを編成してモデル開発を支援していました。大規模言語モデルの時代において、ツールが開発者向けに提供されている中で、データサイエンティストの役割とは何でしょうか？トゥロウ氏は、LLM（法学修士）に注力する企業においても、データサイエンティストには依然として重要な役割が残っていると考えています。
「彼らはデータについて批判的に考えるようになるでしょう。そして、その役割は縮小するどころか、むしろ拡大しているのです」と彼は述べた。モデルに関わらず、トゥロウ氏はデータサイエンティストが大企業におけるAIとデータの関係性を理解する上で役立つと考えている。
「AIが何ができて何ができないのか、そしてデータが何を意味し、何を意味しないのかについて、私たち一人ひとりが真剣に批判的に考える必要があると思います」と彼は述べた。これは、より一般化された大規模言語モデルを構築する場合でも、タスクモデルを構築する場合でも、同じことが言える。
だからこそ、これら 2 つのアプローチは、今後もしばらくの間は並行して機能し続けることになります。大きい方がよい場合もあれば、そうでない場合もあるからです。
ロン・ミラーは、TechCrunch の企業記者でした。
以前はEContent Magazineの寄稿編集者として長年活躍していました。CITEworld、DaniWeb、TechTarget、Internet Evolution、FierceContentManagementなどで定期的に記事を執筆していました。
開示事項:
ロンは以前、Intronisの企業ブロガーとしてIT関連の記事を毎週1回執筆していました。Ness、Novell、IBM Mid-market Blogger Programなど、様々な企業ブログに寄稿しています。
バイオを見る
