.png)
今注目のテクノロジー業界の次は？当社の専門家が、ChatGPTやその他のLLMが2025年以降にどこに向かう可能性があるかを予測しています。
大規模言語モデル (LLM) は 今話題の話題、ChatGPT、Claude、その他多くの人がどれほど早く世間の注目を集めたかを考えると、これは驚くことではありません。
しかし、現在のLLMの誇大宣伝サイクルが本格化する前から、私たちのチームはこのテクノロジーの可能性を実験し、発掘しようとしていました。
これは、私たちがLLMと協力してきたことを意味します 私たちのデジタルヒューマン 長年にわたり：次のようなツールを構築してきました シナプス ブランドセーフで関連性の高い会話の実現を支援し、 シナニム 会話をより身近で楽しいものにするために。
そこで、社内の専門家に彼らの水晶玉を調べてもらい、2025年以降のLLMの次の展開を予測してもらおうと考えました。
これらのジェネレーティブAIモデルがどのように進化すると彼らが考えているかを次に示します。
フィールドCTO、タイラー・メリット
LLMは依然として論理セクターに大きく制限されています。つまり、私たちはすべてを数学と数字で解こうとしているのです。しかし、人間の脳についてはまだわからないことがたくさんあり、ノスタルジアやクリエイティブなプロセスといった感情を表現するには数学が適切な言語ではないことは明らかです。
創造性は、経験と新しい洞察を組み合わせることで生まれ、これまでにない方法で物事を考えるように促されます。ですから言語モデルが、私たちがすでに知っていることを単に数学を使って記述しているだけでは、必然的に苦労するでしょう。創造性を再現できるモデルはどうやって思いつくのでしょうか？
おそらく、ランダム性を注入する必要があるのでしょう。モデルにカーブボールを投げ始めて、結果がどうなるか見てみましょう。たとえば、さまざまなポイントでランダムに分離されたコンテンツをモデルにフィードするとどうなるでしょうか。モデルは自分のアイデアを持っているかのように振る舞うようになるのでしょうか。モデルたちはもっとクリエイティブな感じがするだろうか？
いわばマシンのトローリングを始めましょう。そうすることで、私たちは偶然にも人間のように見えたり感じたりする何かに偶然出会うかもしれません。
AI 責任者、ジェイソン・キャッチポール
LLMは、今後数年間でさまざまな形や規模になる見込みです。
スマートフォンのように多くの場所で稼働する小規模なモデルと、大企業だけがトレーニングできる大規模なモデルなど、両極端なものが見えてきます。つまり、1つのモデルがすべてを支配するのではなく、さまざまなことに焦点を当てたさまざまなモデルが存在することになります。
また、モデルが特定のタイプの偏見を克服するのに役立つ、英語圏/西欧諸国以外からのトレーニングデータももっと増えると思います。ただし、小規模企業や新興企業は他の企業の基盤モデルに基づいて構築される傾向があるため、モデルのオープンソース化は今後も続くでしょう。
長期的には、特にLLMやAIシステム全般に対して、より大規模で高度になるにつれて、データおよびエネルギー効率の高い新しいアプローチが必要になります。反対に、これによって必要なデータ量の要件が下がり、中小企業がモデルのトレーニングをより簡単に行えるようになるはずです。
プラットフォームチームリーダー、ポール・ハゴ
60 年以上にわたり、AI で何が実現できるのかという期待の波が押し寄せてきました。早い段階で誇大宣伝があって、その後にテクノロジーが当初の誇大宣伝と完全に一致しないとがっかりすることがよくあります。やがて、資金と研究開発の流れが再び始まり、サイクルが再び始まります。
これは今後も起こりそうです。しかし、LLMは、これまでほとんどAI技術で対処できなかった厄介な課題をなんとか乗り越えました。彼らには明確な効用があります。ChatGPTがこのような短期間で一般的な名前になったという事実は、そのことの十分な証拠です。言い換えれば、LLMは今後も定着していくと思います。
だからといって、他の誇大宣伝されたテクノロジーと同じ幻滅の谷に直面しないというわけではありません。LLM には大きな期待が寄せられており、そのすべてを満たすことは難しいでしょう。それでも、このテクノロジーを現実世界のユーティリティに活用している企業（UNeeqなど）はすでに見かけています。
機能性に関しては、将来的には音声と動画がLLMとやり取りする主な手段になると予想しています。その好例として、携帯電話のビデオを使って AI モデルにストリーミングし、家具の組み立て方や製品の修理方法を視覚的かつ口頭で指示することが挙げられます。
マーケティング担当シニアディレクター、アシュリー・ジョンソン
Paul と同じように、LLM との関わり方も変わると思います。間もなく、もっと音声ベースのものになるでしょう。それが一番の方法です。 人々は交流を好む特に長い形式のコンテンツに関しては。
人間は本物の交流と会話を切望しています。また、私がお礼を言うと、Siri が「ようこそ」と言うことがあることにも気づきました。
人々は自分の電話を取り出して、あるトピックについて本物の音声ベースの会話をしたいと思っています。先日、Siriを例に挙げて、カンタロープをぶどうの木から取る準備ができたかを知る方法を彼女に尋ねました。結局はイライラする体験になってしまいました！
彼女は、ガーデニングをするときではなく、店でいつ熟しているかを知る方法についての情報を提供してくれました。それで、結局ガーデングローブを外して、必要な情報を探すためにGoogleとYouTubeを使わなければならなくなりました。私はむしろ、a) 私が何を話しているのかを知っていて、b) 庭に出ている間もそれを通して私に話しかけられる、親しみやすい声が欲しかったのです。
だからこそ、ChatGPTやLlamaのようなLLMは、すぐにユニークな声や名前を持つようになり、より擬人化されたものになると期待しています。その後、デジタルヒューマンと同じように、顔、性格、独自のマナーを持つLLMが見られるようになります。
ガス・マセソン、テクニカル・ソリューション担当ディレクター
これまで、皆さんから多くの素晴らしい論点がありましたが、その多くに賛成です！もう1つ検討すべき点は、LLM能力の上限に近づくにつれ、どのような技術的変更が必要になるかということです。
ChatGPTのようなプラットフォームは「幻覚」に陥りやすいです。つまり、トレーニングデータを超える質問に答えるのに苦労していると、誤った情報を生成することになります。そこで、次のような知識注入手法があります。 検索-拡張世代 (RAG)は LLM の精度と信頼性を向上させるために使用されます。
これにより、外部情報をリアルタイムで取得して、より的確で具体的な回答を得ることができます。しかし、LLM が成長するにつれ、実行時に真の知識を注入することがますます重要になっています。その結果、従来の手法は限界が明らかになるにつれ、すぐに時代遅れになってしまいます。
最終的には、より高度なトレーニングモデルを開発するよりも、LLMを管理する方法が、特に限界に達したときには、より高度なトレーニングモデルの開発よりも、成功するソリューションを生み出す上でより重要になると私は予測しています。
マーク・ハッターズリー、シニア・コンテンツ・マネージャー
私は毎日ChatGPTを使って、Googleがこれ以上早く答えられないと思う質問に答えています。ちょうど今週、リゾットにどれくらいの水を使うべきか知りたかったのです。過去にGoogleに聞いたら、答えを見つけるために誰かのライフストーリーやアルボリオライスの歴史をスクロールせざるを得なかったので、怖かったことです。
日々の質問の多くをGoogleからジェネレーティブAIに移行させているのは私だけではありません。しかし、2025年にはもっと多くの人が同じことを始めると言うのは簡単すぎる予測です。
その代わり、ジェネレーティブAI検索を実行するための新しい動詞が間もなく登場すると予測しています。「配車サービスを利用しよう」ではなく、「Let's Uber」と言うかもしれません。
現時点では、公開辞書には何も詰まっていません。「GPTでチャットするよ。」ちょっと口が長いね。
「LLMするよ。」チャンスはない。
おそらく、Google自体が「グーグルで検索している」と言い続けるほど印象的な検索製品を発表するでしょう。
私の推測では、ある時点で、大手LLM企業のマーケティング担当者が主導権を握り、誰もがそれを言い始めるほど魅力的な動詞を作成します。そして、それらのマーケターは大幅な昇給に値するでしょう。
ああ、誰かが疑問に思っていたら、それは水3カップごとにご飯1カップです。
ビクター・ユエン、シニア・テクニカル・アニメーター
LLMは、大量の非構造化情報を収集し、それを私たちに役立つ方法で提供するのが得意です。そして、LLMに慣れてくると、それをより適切に適用できるようになります。
私たちはこれまでたくさんのことをLLMで試してきた段階を経てきましたが、このテクノロジーが私たちに大きな効用をもたらす素晴らしい応用例がいくつか見られると思います。コーディング用のCopilotはすでに使用されており、他にも興味深い可能性を秘めています。たとえば、専門の料理講師を個人的に雇ったり、ゲームに登場するキャラクターが台本なしで行動から浮かび上がったりします。
アニメーションと行動という私の特定の領域の中で、LLMのようなツールからどのように個性を表現できるかを見たいと思っています。私たちは、ダイナミックで微妙な性格をシミュレートし、そこから行動を生み出すことに興味があります。
刺激に反応するためには、テクノロジーは物事を理解したり認識したりする必要があります。マルチモーダルLLMは、画像内で起こっていることを分類して解釈する点で非常に優れた能力を示しているので、この分野では興味深いものです。
これらの機能により、次のようなデジタルキャラクターを作成する機会が開かれています。 私たち自身の —真に没入感のある環境で動作できます。
