生成AIのメリットだけに注目する局面は終わった 進化の速さに制度が追いついてこない現実

生成AIの進化はとどまるところを知らないが、一方で問題も抱えている（写真：Supatman／PIXTA）

テキストに限らない生成AIの広がり

『AIナビゲーター2024年版：生成AIの進化がもたらす次世代ビジネス』（書影をクリックすると、アマゾンのサイトにジャンプします。紙版はこちら、電子版はこちら。楽天サイトの紙版はこちら、電子版はこちら）

OpenAIがリリースしたChatGPTは、まるで人と会話しているかのような流暢なテキストを生成できることから、非技術者にも非常に注目を浴びることになった。ChatGPTの登場からすでに1年以上経っているが、LLM（大規模言語モデル）に代表される生成AIモデルの開発や活用に関する話題はとどまるところを知らない状況である。

最近のトピックとして、盛り上がりを見せているのは「マルチモーダルLLM」であろう。従来のLLM入出力はテキストに限られていたが、さまざまな形式のモダリティ（情報）を扱うことができる大規模モデルの開発が進んでいる。具体的には画像、動画、音声などの多様なモダリティが含まれる。各モダリティ単体に特化したモデルは以前から研究されており、それらのモデルのエンコーダー（符号器）と呼ばれる特徴抽出器を組み合わせてさまざまなモダリティを扱うことができるのである。

入力情報にテキスト以外を用いることができるようになると、生成AIの活用範囲は大きく広がることになる。