ジェフ・ヴェスタル
Elastic がどのように大規模な言語モデル革命の最前線に立っているかを学びましょう。リアルタイム情報を提供し、データ分析のための検索、可観測性、セキュリティ システムに LLM を統合することで、ユーザーが LLM を新たな高みに引き上げるのを支援します。
iPhone の社会的変化: 新しい時代の幕開け
むかしむかし、それほど昔ではないが、世界は別の場所でした。「スマートフォン」という概念はまだ目新しいものであり、携帯電話は主に電話をかけるための手段であり、場合によってはテキスト メッセージを送信することもあります。はい、「スマート」電話はありますが、これはよりシンプルでビジネス ユーザー向けで、主に電話用途に適しています。ウェブ閲覧ですか？それはそこにありますが、軽いものであり、何時間も費やす必要があるものではありません。
2007 年に大きな波が私たちの日常生活を襲い、それ以来世界は一変しました。その波とはiPhoneです。iPhone に対する最初の興奮、懐疑、さらにはあからさまな拒絶反応にもかかわらず (BlackBerry の反応を覚えていますか?)、iPhone はすぐに社会の変革を起こす存在となりました。
iPhone は単なる電話ではなく、携帯電話でもあります。スティーブ・ジョブズが言ったように、「iPod、電話、インターネット コミュニケーター... 皆さん、わかりますか? それは 3 台のデバイスではなく、電話です。」その直後、App Store が開設され、その可能性が開かれました。デジタル革命を引き起こすパンドラの箱。iPhone が世界中のユーザーの手に釘付けになり、ユビキタスになるまでに時間はかかりませんでした。突然、世界が手の届くところにやってきました。インターネットに関する完全な知識がポケットにありますか? これはもはや夢ではなく、現実です。
しかし、社会変革はテクノロジーだけの問題ではなく、私たちが世界と、そしてお互いにどのように関わるかが重要です。iPhone は、メディアの消費、買い物、仕事、さらにはデートの方法を変えました。それは私たちを、（良くも悪くも）いつでも、どこでも、誰とでもつながることができる、非常につながりのある存在に変えます。
今日に遡ると、スマートフォンのない世界を想像するのは困難です。それらは私たちの生活に不可欠な部分となっているため、私たちはそれらを当然のことだと思っています。しかし、私たちがこの驚異的な技術に慣れてきたのと同じように、iPhone と同じくらい、あるいはそれ以上の変革を約束する別の革命が起きつつあります。この革命は、大規模言語モデル (LLM) と ChatGPT のようなチャット インターフェイスによって導かれます。
LLM も同様のパターンに従います: 次の大きな波
初期の「スマート」フォンが iPhone への道を切り開いたのと同じように、私たちはかなり長い間、LLM 革命への序曲の中に生きてきました。過去 50 年以上にわたり、人間は情報システムと対話する直感的な方法にますます惹かれてきました。SQL は、ユーザーが検索しているものを記述する方法を提供します。自然言語処理 (NLP) は、人間の自然な質問からコンテキストを抽出する方法を提供し、プログラマーが特定のエンティティを入力できるようにします。今日、生成人工知能により、人間は完全に自然言語を使用して情報システムと対話できるようになります。
もちろん、機械学習 (ML) モデルは何十年も前から存在しており、私たちが過去数か月間経験したものと比較すると「単純」に見えるかもしれませんが、着実に学習し、改善しながらその役割を果たしてきました。ほとんどのモデルは、分類、回帰、またはその他の特定のタスク向けに設計されています。
ChatGPT が登場する前の数年間、ディープ ニューラル ネットワーク (DNN) は、特に画像タスクにおいて非常に強力になりました。NLP では、ゲート型リカレント ニューラル ネットワークが、トランスレベルの精度ではありませんが、ほとんどの最先端の NLP システムで使用されています。また、これらの高度なモデルは、個人ユーザーではなく組織によって使用されることがよくあります。
ChatGPT が登場する前は、個人はより単純なバージョンのボットを使用できました。Siri と Google アシスタントを思い浮かべてください。あるいは、短命ではあるが注目すべきTayとの Microsoft の初期の取り組み。これらの「AI アシスタント」は、私たちのコマンドに答えたり、質問に答えたり、天気を調べるなどの単純なタスクを実行したり、事前に設定された自動タスクを実行したりすることもできます。しかし、それらはより大きな何かの前兆にすぎません。
その後、ChatGPT が登場し、新しい時代の幕開けが始まりました。多くの人にとって、LLM と直接対話するのはこれが初めてです。一般の人々は、無料の Web ブラウザ インターフェイスを通じて LLM と対話したり、チャットしたりできるようになりました。小さなことのように聞こえますよね？しかし、この一見単純な相互作用は、人間と人工知能の関係に大きな変化をもたらします。
iPhone と同様に、ChatGPT に対する最初の反応はさまざまです。もちろん、みんな大興奮でした。テクノロジー愛好家や未来学者たちは喜びを隠せませんでした。しかし、懐疑的な見方もあり、場所によっては完全な恐怖も存在します。これはただの流行なのでしょうか？LLM は仕事に取って代わるのでしょうか? これらの問題は引き続き公の議論で大きく取り上げられています。
しかし、iPhone と同様に、LLM への関心は高まり続けています。Google、Facebook、その他のテクノロジー大手は、独自の LLM やチャットボットをリリースしています。Azure は OpenAI (ChatGPT の作成者) の緊密なパートナーおよび資金提供者であり、ChatGPT を自社の製品スイート全体に統合しています。オープンソース LLM は急速に成長しており、一部の内部関係者は、最終的には Google や OpenAI を超える可能性さえ示唆しています。
つまり、私たちは新たな社会変化の崖に立っているのです。LLM 革命の波は高まりつつあり、私たちを襲おうとしています。10年以上前にiPhoneがそうであったように、LLMは私たちが想像もできなかった方法で私たちの生活を変えようとしています。
来る社会的変化
LLM への関心の高まりにより、さまざまな業界に変革がもたらされました。しかし、これにより、偏見、不正確さ、安全性に関する懸念が生じます。今後数年間で、人々がデータを操作するための標準は、検索ボックス、チャットボット、ワークフローを実行するために構築されたプロンプトを使用することになるでしょう。変革はすでに始まっています。
大規模言語モデルは、自然言語の構文、意味論、およびコンテキストから人間のようなテキストを理解して生成することを目的としています。すべてのケースで人間のパフォーマンスに匹敵するわけではありませんが、ChatGPT の最新バージョンは、さまざまな専門的および学術的環境で同等の結果を示しています。2023 年 3 月に発売され、視覚的な入力、ワード数制限の増加、推論の向上、操作性などの機能を備えた他のモデルよりも際立っています。
これらの大規模なモデルは、幅広いトピックやアプリケーションにわたる人間のようなテキストの理解と作成に優れており、自然言語処理の分野をリードしています。彼らは感情分析、テキストの要約、翻訳、質問応答、コード生成などのタスクに優れています。しかし、彼らが直面している課題はコンテンツ生成だけにとどまりません。たとえば、過去のデータ収集時間には、モデルに追加される新しい情報はありません。この知識日付の強制停止は、特に時間の経過とともに情報が変化する場合、不正確な応答につながる可能性があります。また、トレーニング データのバイアスにも対処し、その結果、有害な固定観念を永続させる可能性のある出力が生成されます。もう 1 つの問題は、不適切または攻撃的なコンテンツの可能性です。さらに、これらのモデルは計算量が多く、効率的に実行するには大量のリソースが必要です。また、トークン制限などの制限もあり、生成できるコンテンツの長さと複雑さに影響します。最後に、これらのモデルに関連する運用コストと使用コストは高額になる可能性があり、多くのユーザーにとってアクセスとスケーラビリティが懸念事項になります。
これらの課題を軽減し、これらのモデルの可能性を最大限に引き出すには、さらなる研究開発が必要です。テクノロジーの進歩に伴い、将来のバージョンでは機能が強化され、制限が軽減されることが予想されます。したがって、これは彼らがより広く受け入れられ、社会構造に統合されるための道を開くでしょう。
これらのモデルがより入手しやすく、手頃な価格になるにつれて、生活や仕事のあらゆる側面に革命を起こすことが期待されています。学界では、LLM は膨大な文献を閲覧し、簡潔な要約を提供したり、革新的な研究の軌道を提案したりする、非常に貴重な研究助手としての役割を果たします。商業の世界では、顧客サービスのチャットボットを強化し、年中無休のサポートを提供し、ほぼ人間のような流暢さと理解力で顧客の問い合わせを管理できます。
LLM の潜在的なアプリケーションの範囲はさらに広がります。たとえば教育分野では、各生徒の独自の学習ペースやスタイルに合わせた個別指導を提供できます。医療分野では、患者の症状や医学文献の分析を支援して、臨床診断と治療の決定をサポートします。LLM を生活に取り入れると、生産性が向上するだけでなく、生活のさまざまな分野での経験が豊かになります。
これらの発展を考慮すると、社会はこれらのテクノロジーに適応し、進化する必要があります。これには、大規模な言語モデルの影響と影響に対処するための規制枠組み、倫理規定、教育プログラムの開発が含まれます。私たちの仕事、コミュニケーション、交流の方法は今後数年間で劇的に変化し、来るべき社会変革に備えることの重要性が強調されています。
この変化を効果的に乗り切るには、このテクノロジーの波の最前線にいる組織の専門知識を活用して、LLM の可能性を解き放つことが重要です。Elastic® もそのような組織の 1 つです。私はビルダーとして、構築できる新しいものについて考えるのが好きです。また、Elasticsearch® の長年のユーザーとして、LLM の可能性を活用する新しいツールを構築する際に Elasticsearch が果たす役割について考えるのは興味深いことです。
ビッグ言語モデルで未来をつかむ
革新的で強力な検索機能で知られる Elastic は、大規模な言語モデルへの社会の移行をうまく活用できる立場にあります。LLM が分野に革命をもたらし続ける中、Elastic はこの革新的なテクノロジーに歩調を合わせるだけでなく、ユーザーがこれらのモデルの可能性を最大限に活用できるようにするための戦略の開発において先頭に立って取り組んでいます。
Elasticsearch Relevance Engine™ (ESRE™) は、リアルタイムの公開データへのアクセスを容易にすることで、LLM が達成できる限界を押し上げるクラス最高のドキュメント検索システムです。Elastic は、この機能を機密情報にも拡張します。Elastic を使用すると、LLM は安全でカスタマイズされたソリューションを通じて、ロールベースのアクセス制御 (RBAC) などの機能を通じてデータのプライバシー制御を維持しながら、社内の従業員が複雑なドキュメントを簡単に操作できるようになります。
また、Elastic を使用すると、ユーザーは可観測性とセキュリティ データを一元管理し、LLM の推論機能と統合して、新たな可能性の世界を開くことができます。この統合の変革の可能性は、Elastic を LLM と統合できる一方向の方法を示した最近のブログ投稿、またはElasticsearch とオープンソース LLM を統合する方法について説明したこのブログ投稿で垣間見ることができます。また、 LangChain Python ライブラリへの最近の寄稿では、Elastic を使用してベクトルを生成する方法が示されており、この PR により、Elastic をベクトル データベースとして使用して、埋め込みを保存し、近似 kNN およびハイブリッド検索を実行できるようになります。
生成人工知能の未来がここにあります。サインアップして限定ニュース、Elastic 製品のアップデート、AI のトレンド、実践的なデモなどを受け取ることで、AIに関するあらゆる情報を入手してください。
この記事で説明されている機能のリリースとタイミングは、Elastic の独自の裁量にあります。現在利用できない機能は、予定通りに提供されないか、まったく提供されない可能性があります。
このブログ投稿では、それぞれの所有者が所有および運用するサードパーティの生成人工知能ツールを使用している場合があります。Elastic はサードパーティ ツールを管理することができず、そのコンテンツ、操作、または使用について責任を負わず、そのようなツールの使用から生じる可能性のある損失や損害についても責任を負いません。個人情報、機密情報、機密情報を扱う人工知能ツールを使用する場合は注意してください。あなたが送信したデータは、人工知能のトレーニングやその他の目的に使用される場合があります。あなたが提供する情報が安全であるか機密であるという保証はありません。生成人工知能ツールを使用する前に、そのプライバシー慣行と使用条件をよく理解しておく必要があります。
Elastic、Elasticsearch、および関連マークは、Elasticsearch NV の商標、ロゴ、または登録商標です。米国や他の国でも。その他すべての会社名および製品名は、それぞれの所有者の商標、ロゴ、または登録商標です。