「生成AIの今と未来 － 現実的な活用法と近い未来の展望」NoMaps2024レポート

AWL株式会社（以下、AWL）の土田と申します。　　　　　　　　　　　　　　

AWLは、北大（北海道大学）発の9年目のベンチャー企業です。エッジAI ¹ を使って映像分析をするといったサービスに特化してきました。　　　　　　　　　　　　

いま、角さんがおっしゃったことの裏返しかもしれませんが、いまの生成AIは使い手次第というところがあると思っています。うまく使えば、生成AIが持っているポテンシャルをかなり引き出すことができますが、うまく引き出すことができないから幻滅してしまうんです。

そんなことが起きてしまうのは、やはり使い方が難しいからだと思います。たとえば、最近だと生成AIで絵を描いたり、動画を作ったりできますよね。ただ、思い通りの絵はなかなかできない。条件を何度も追加する作業を繰り返してようやくできあがるので、それなら自分で描いたほうが早いのでは、となってしまうんです。
ここ数年、人類史上はじめてAIとの会話を試行錯誤しているなかで、この「思い通りにいかない」と感じている人たちを中心に幻滅してしまっている。これが現実なのではないかと思います。

一方で、いま育ってきているAIと話すことが当たり前になっている世代の人たちのほうが、うまく使いこなしてしまうのではないでしょうか。AIの制約もうまく解釈して、AIのポテンシャルを引き出すことができている。すでにそういったジェネレーションギャップは存在していると感じます。

生成AIは汎用的なことが得意で、なにかに特化することは非常に不得意なんですよね。

いまの生成AIのほぼすべて、Transformerというアーキテクチャをベースに作られています。なにができるかというと、たとえば何か文章を見せたときに、その文章にもっとも関連しそうな情報にものすごい高確率でたどり着くんです。これができると、とにかく世の中のすべての知識にとても早くアクセスすることができるんですね。この仕組みをうまく使っていろいろなタスクをこなしているというのが、いまの生成AIなんです。

逆説的には、当たり前のことを人間よりもうまくできるけれど、非常にスペシャルなこと、特定の人しか知らないことなどはできない。その解決策として、すでにいろいろなテクニックはありますが、なにかテクニックを使わないととにかく普通なことを高度にやることしかできないんです。

当社（AWL）はエッジAIを利用した映像分析に特化しています。たとえば店舗の入口についているセキュリティカメラで、来店人数や、男女比・年齢分布、レジ待ちの状況などのデータを計測し、ダッシュボードに表示するといった事例ですね。

さきほど幻滅期の話がありましたが、店舗の映像をデータ化しても、以前は店舗の担当の方々がうまく活用することができなかったんです。それによってAIに幻滅してしまう状況でしたが、生成AIを使うことによって解決できそうだと考えています。

店舗のリアルな人や商品の動きなどから生成した構造データと、もともとその会社にあったさまざまなデータを合わせて、社長や店舗ごとの店長といったそれぞれの立場の人たちが、ほしいデータにいますぐアクセスできる。そういう仕組みをいま構築しています。

今後は、当たり前に生成AIを使っていろいろなことをやっていく世界になるでしょう。そうなるにあたって、技術的に今後起きることは2つあると思います。

1つは、とにかく低コスト、省エネで動くAIになっていく。環境への配慮という観点でも、そういった追及は進むと思います。もう1つは、これまでAIのモデルをつくるのはスペシャリスト、いわゆるAIエンジニアに限られていましたが、急速に普通のエンジニアもつくれるようになっていくでしょう。

その究極系として、リテラシーはどんどん求められなくなってくる。プログラムで書いたりデータベースを定義したりするのではなく、自分がやりたいことを自然言語で、プロンプトエンジニアリングやRAG ² をうまく使うことで制御できます。

これはAIのモジュール化といわれているらしいのですが、なにか特化された機能をもつ生成AIのモジュールを、プログラムやAIのトレーニングではなく、プロントエンジニアリングやRAGでできるようになる。これを積み上げれば、何かに特化したAIモデルが作れるようになります。いま「AIは難しい」と考えている方も、当たり前のようにAIをつくれるようになる時代が、もうすぐ来ると思っています。