Meta は2025年までに業界で最も高度なAIモデルを開発することを目指しています。彼らは、すでに最先端のモデルと競争力があると主張しているLlama 3よりも10倍多くのデータでLlama 4モデルを訓練する計画です。

Zuckerbergは、Meta が次の数年間に必要なコンピューティング能力とデータのために計画しているため、必要以上のコンピューティング能力を構築したいと述べています。Llama 4を訓練するために必要なコンピューティング能力は、Llama 3で使用されたものの約10倍になる可能性があり、将来のモデルはさらに成長し続けるでしょう。

この野心的な目標は、Llama 4がGoogle、Anthropic、OpenAIなどの最新のモデルを凌駕する必要があることを意味しています。AIレースが業界全体で急速に進歩していることから、Metaがこれを達成できるかどうかは不明です。ただし、Metaがコンピューティング能力とデータへの大規模な投資に意欲的であることから、大規模言語モデルのリーダーとしての地位を維持する決意を示しています。

Quoraの最高経営責任者(CEO)でOpenAIの取締役であるAdam D'Angeloによると、人工一般知能(AGI)は今後5~15年以内に実現される可能性があると予測しています。D'Angeloは最近のイベントでこの予測を述べ、AGIの出現が世界にとって非常に重要な変化になると述べました。

GPTなどの人気の言語モデルを開発したOpenAIは、AGI構築への進捗を追跡するために、新しい5段階の分類システムを内部で開発しました。最初の3段階は以下の通りです。

1. 会話言語能力を持つチャットボット
2. 人間レベルの問題解決スキルを持つ推論システム
3. アクションを取ることができるエージェントやシステム

D'Angeloの予測によると、完全なAGIの到達点に達する前でも、人間レベルの問題解決能力とアクション能力の達成は「ゲームチェンジャー」となる出来事であり、世界を大きく変える可能性があります。

近年の人工知能の急速な進歩を考えると、5~15年以内にAGIが実現されるという予測は野心的ではありますが、業界の専門家によると実現可能な範囲内と考えられています。特に今後5年間は、世界トップレベルの研究所や企業がこの課題に集中的に取り組むことから、人工知能の開発が加速すると期待されています。

ただし、AGIへの道のりにおいて、重大な障壁や技術的な課題が発生するかどうかは不明です。この目標を達成するレースは激しくなっており、その実現が及ぼす影響は深刻であるため、今後数年間の動向を注視する必要があります。

Googleの新しい実験的モデル、Gemini Pro 0801は、過去1週間にわたりチャットボットの分野で検証され、20,000件を超えるコミュニティの投票を集めました。初めてGeminiがトップの座を獲得し、GPT-4やCLAUDE 3.5を抑えて1,300点という高得点を記録しました。さらに、ビジョンリーダーボードでも首位に立っています。

Gemini Proは多言語タスクに優れ、技術分野、難しいプロンプト、コーディングなどでも堅実なパフォーマンスを発揮しています。これは大きな成果です。なぜなら、高い能力を持つGPT-4やCLAUDE 3.5に対して、Gemini 1.5 Proが優位に立てたからです。

興味深いことに、GoogleはこのモデルをGemini 2とラベル付けしていません。これは、モデルの機能を強化するために、追加の推論やポストトレーニング手法を実装した可能性を示唆しています。これはAnthropicがCLAUDE 3.5で行ったアプローチと似ています。つまり、前バージョンと比べて推論能力が向上しています。

Gemini Pro 0801の性能は、チャットボットの分野における継続的な進歩を示しています。モデルは次々と可能性の境界を押し広げています。Gemini Pro 0801がトップの座を維持できるのか、OpenAIや他のAI企業がさらに高性能なモデルを発表するのかを見守っていくのが興味深いでしょう。

NVIDIAは、Project Rooイニシアチブを通じて、ヒューマノイドロボットの開発を簡素化し、加速させようとしています。同社は、ヒューマノイドロボットエコシステムの開発者向けに、AIモデルをより効率的に構築するためのツールセットを導入しています。

NVIDIAのアプローチの主なコンポーネントは以下の通りです。

1. 合成データ生成パイプライン: NVIDIAは、Apple Vision Proなどのミックスドリアリティデバイスを使用して人間が収集したデモンストレーションから出発します。その後、Omniverse、RoboSuite、MimicGenなどのシミュレーションツールを使って、この元データを1,000倍以上に増幅します。

2. 分散コンピューティングインフラストラクチャ: NVIDIAはDGX、OVX、Jetson Thorコンピューティングプラットフォームを活用して開発ワークフローをサポートしています。DGXはビデオやテキストの処理によるマルチモーダルな基盤モデルの訓練、OVXはシミュレーションスタックの実行、Jetson Thorは実際のロボットでのモデルテストに使用されます。

3. Omniverseベースのシミュレーション: NVIDIAのOmniverseシミュレーションフレームワークをIsaac Labに統合することで、開発者は多様なトレーニングデータを生成するために、膨大な数の環境とレイアウトを作成できます。

4. 生成AIツール: NVIDIAのMimicGenツールは、元のキャプチャデータから大規模な合成モーションデータセットを生成し、トレーニングデータを拡張します。

この取り組みの目的は、世界中の開発者がヒューマノイドロボットのハードウェアプラットフォーム向けにより優れたAIモデルを構築できるようにすることです。NVIDIAは「物理AI」の時代が到来したと考えており、ロボットが物理世界を理解し、相互作用できるようになると信じています。

開発ワークフローを簡素化し、強力なコンピューティングインフラを提供することで、NVIDIAはヒューマノイドロボット分野の進歩を加速し、AIパワーのヒューマノイドロボットの時代を早期に実現することを目指しています。

2024年のICMLで研究者らが発表した新しいプロンプトエンジニアリング手法「Plan Like a Graph」は、複雑な複数ステップのタスクでの言語モデルのパフォーマンスを大幅に向上させることができます。

この手法の核心的な洞察は、現在の言語モデルが非同期計画、つまり一部のサブタスクを並列化しながら他のタスクを順次実行する能力に苦手であるということです。これに対処するため、「Plan Like a Graph」メソッドでは、モデルにタスクのグラフ表現を最初に生成させ、サブタスク間の依存関係をキャプチャさせます。その後、モデルはこのグラフを使ってタスク全体を完了するための最適な計画を立てることができます。

研究者らは、この手法が様々な言語モデルで基準手法を上回ることを発見しました。例えば、コーヒーを淹れる、卵を焼く、トーストを作るなどの朝食作りのタスクでは、「Plan Like a Graph」手法を使うことで、タスク完了時間を20%以上短縮できました。

この研究は、言語モデルにはまだ大きな可能性が秘められていることを示しており、新しいプロンプトエンジニアリング手法によって新しい機能を引き出せることを示しています。研究者によると、この手法は追加の訓練を必要とせず、「オフザシェルフのプロンプトエンジニアリング手法」であるため、モデルのパフォーマンスを向上させるのに簡単に使えます。

全体として、「Plan Like a Graph」手法は、特に複雑な複数ステップの推論に関する言語モデルの機能の重要な進歩を表しています。言語モデルが進化し続けるにつれ、これらのシステムの可能性を押し広げる、より革新的なプロンプトエンジニアリングアプローチが登場することが期待されます。