長年にわたり、人工知能 (AI) は、大規模なテクノロジー企業、十分な資金を提供する研究機関、高度なモデルを開発して展開するためのリソースを持つ政府機関など、少数の選ばれた領域のものでした。そのため、AI に関する多くのブレークスルーが起きてもその情報は公開されず、基盤となるテクノロジーへの一般のアクセスは限られていました。イノベーションを推進していたのはほんの一握りのプレイヤーであったため、新しいアイデアは担当者の優先事項によって形作られ、その進捗は管理されたペースで進んできました。
しかし、これはもはや現在の状況には当てはまりません。オープンソース AI がこの流れを変え、高度な AI ツールの探求に興味 (そしてスキル) を持っているすべての人の手に届くようになってきました。オープンソース AI は、コードや研究を自由に共有することで、業界間のコラボレーションを促進し、開発を加速させ、AI の進歩を従来独占してきた組織や企業に挑んでいます。しかし、このアクセス性の向上に伴って、セキュリティ、倫理、制御に関する新たな疑問も生じています。オープンソース AI が AI テクノロジーの展開方法を再構築する中、企業や開発者は、これらの疑問に対処していかなければなりません。
オープンソースソフトウェア (OSS) は、ソースコードが公開されており、誰でも閲覧、変更、配布が可能なソフトウェアです。開発元の企業やグループによって管理されるプロプライエタリソフトウェアとは異なり、OSS は共同で開発されるため、世界中のプログラマーが改善、脆弱性の修正、機能のカスタマイズに貢献できるようになっています。多くの Web サーバー、オペレーティングシステム、プログラミングフレームワークを含む、多くの基盤技術が、オープンソースコンポーネントに依存しています。
オープンソースソフトウェアを定義するのと同じ原則が、人工知能の分野にも拡張されてきました。オープンソース AI では、このようなコラボレーション性と透明性の高い実践を AI モデルに適用していますが、オープン性の定義と実装方法にはいくつかの違いがあります。
オープンソース AI とオープンソースソフトウェアの違い
オープンソース AI は、オープンソースソフトウェアと比較されることがよくありますが、構造、アクセシビリティ、制御の点でこの 2 つは異なっています。
- オープンソースソフトウェア
ソースコードは完全にアクセス可能で、人間が読めるプログラミング言語で記述されているため、閲覧、修正、再配布が可能です。開発者は、ソフトウェアを自由に適応させたり、新しいバージョンを作成したり、元の設計方針に異論がある場合は独立したプロジェクトに分岐させたりすることもできます。この透明性により、ユーザーはセキュリティの検証やバグの修正、またニーズに合わせた機能のカスタマイズを行うことが可能となっています。
- オープンソース AI
AI モデルは、従来のソースコードとは異なり、重み付けやパラメーターなどの複雑な数値表現に基づいて構築されており、これらは人間の基準では「読めるコード」とは言えない可能性があるものです。一部の AI モデルはオープンに共有されていますが、トレーニングデータなどの重要なコンポーネントを除外していることが多く、真の透明性とカスタマイズ性に制約が生じています。さらに、トレーニングプロセスには膨大な計算リソースを要します。初期段階の AI 開発の管理を大規模な組織が行うことが多いのは、このためです。
クローズドソース AI とは、基盤となるコード、トレーニングデータ、アーキテクチャが専有情報として保たれている人工知能モデルやシステムを指します。オープンソース AI は、一般公開され変更を行うことが可能ですが、クローズドソース AI は開発組織の完全な管理下に置かれています。このアプローチにより、開発者は更新、セキュリティ、配布に関する完全な権限を維持できますが、透明性とカスタマイズ性で制約があります。
OpenAI の GPT-4 や Google の Gemini など、よく知られている AI モデルの多くは、クローズドソースのフレームワークの下で動作しています。このモデルは、より強力なセキュリティコントロールと一貫したパフォーマンスを提供できる一方で、ベンダー依存、モデルのトレーニング方法に関するインサイトの欠如、イノベーションの潜在的な制限など、懸念事項もあります。
オープンソース AI とクローズドソース AI の違い
オープンソース AI とクローズドソース AI は、どちらにもメリットがありますが、アクセシビリティと透明性の点で大きく異なります。
- オープンソース AI
モデルのコード、アーキテクチャ、(場合によっては) 重み付けが公開されており、ユーザーが自由に検証したり調整したりできるようになっています。そのトレードオフとして、オープンソース AI には、プロプライエタリモデルでは提供されているエンタープライズレベルのサポートとセキュリティ対策が不足している可能性があります。
- クローズドソース AI
コードとトレーニングデータは非公開のままで、開発者のみがモデルを変更または配布できるようになっています。これにより、セキュリティとコンプライアンスをより厳密に管理できるため、厳しい規制要件に対応する組織にとって魅力的です。その反面で、クローズドソース AI では、ユーザーによるカスタマイズが制限され、単一ベンダーへの依存度が高まり、モデルがどのようにトレーニングされたかを検証することが困難になる可能性があります。
クローズドソース AI は、AI 機能を、いわば「厳重に管理された領域」に閉じ込めていますが、オープンソース AI では自由に使えるようになっています。ユーザーは、ツールをそのまま使用できるだけでなく、内部構造を深く掘り下げて、ツールが機能する仕組みや理由をよりよく理解することもできます。その理解を基に AI の機能を拡張し、ユーザーは独自の用途やニーズに合わせて機能をカスタマイズできます。
この自由度は確かにそれ自体に価値がありますが、より倫理的な AI 環境の促進にも寄与します。バイアス、説明責任、データプライバシー、またはその他の問題に関連する懸念が生じた場合、ユーザーは、自ら (プロバイダに頼るのではなく) 調査してテストすることが推奨されます。同時に、より多くの開発者が関わることで、AI の進歩が一般に広く公開されるようになり、選ばれた少数の企業にその技術が独占されることを防ぐことができます。これにより、テクノロジーエコシステムが分散され、継続的な進歩を促進するための競争が促されます。
オープンソース AI のメリット
オープンソース AI の幅広いメリットに加えて、企業が活用できる具体的なメリットもいくつかあります。次の点を考えてみましょう。
- 多様なユースケース
不正行為の検出や医療画像診断、自動化やカスタマーサービスなど、あらゆる分野でオープンソース AI が使用されています。モデルを自由に利用することができるため、企業は独自のシステムでは不可能な方法で AI を試すことができ、専門的なニーズやニッチなニーズに AI を簡単に適用できるようになります。
- 利用のハードルが低い
ライセンス料や制限付きの契約がないため、オープンソース AI はこの種の情報技術 (IT) をより多くの組織が利用できるようにしています。スタートアップ、中小企業、独立系開発者は、多額の初期費用をかけずに AI を試すことができます。コミュニティが広がるほど、より創造的で多様なアプリケーションが生まれます。
- 地域社会との関わり
オープンソース AI は、プログラマー、研究者、エンジニア、積極的に開発に貢献している熱心な愛好家からなるグローバルコミュニティから恩恵を受けています。集団的な取り組みにより、専門知識を共有することで AI モデルを強化し、初期に関わった貢献者が他のプロジェクトに移った後も改善を継続できるようにしています。
- 透明性と改善
オープンソース AI モデルは一般に公開されているため、組織はその仕組みを検証し、潜在的な問題を特定して、データセキュリティにより直接関与することができます。コードを検証する目が増えることで欠陥がより早く発見され、決定プロセスをユーザーが正確に把握できる透明性の向上は信頼構築につながります。
- ベンダーの中立性
オープンソース AI を使用している企業は、単一のプロバイダに縛られることがありません。ニーズに最適なツールとインフラストラクチャを自由に選択できます。これにより、ベンダーロックイン、突然の価格変更、非効果的なサポートのリスクにも対処できます。
- カスタマイズ
一般的に言って、万能と謳われているソリューションが、すべてのものに完全に適合することはありません。ソースコードにアクセスすることで、組織は AI を特定のニーズに合わせてカスタマイズし、企業のポリシーや固有の運用要件に合わせて出力を調整できます。このレベルの柔軟性は、通常、クローズドソースの選択肢では提供されていません。
オープンソース AI の課題
AI アルゴリズムを一般ユーザーに公開することには、潜在的なマイナス面もあります。これには以下が含まれます。
- 方向性の不一致や故障のリスク
明確な目標がなければ、オープンソース AI プロジェクトの焦点がぼやけてしまい、リソースの浪費や成果の失敗につながります。組織は、AI 開発に取り組む前に、評価指標を確立し、適切な専門技術を確保する必要があります。構造化されたプロジェクト管理と反復テストも、取り組みを軌道に乗せるのに役立ちます。
- バイアスが増加する可能性
より幅広いユーザー層は、バイアスの特定に役立つと同時に、意図せずバイアスが入り込む可能性にもつながります。トレーニングデータセットは不完全であったり偏っていたりすることが多いため、組織は AI 出力を厳格に監査し、より典型的なデータを使用してモデルを再トレーニングする必要があります。定期的なバイアステストを行い、多様なステークホルダーグループからの意見を取り入れることで、AI の公平性と信頼性を向上させることができます。
- セキュリティ上の懸念
これらのモデルのオープンな性質は、悪意のあるユーザーが有害な目的でそれらを操作したり悪用したりするリスクもあります。誤った情報を生成したり、有害なコンテンツを作成したり、攻撃を自動化したりすることさえあります。これに対抗するために組織は、AI ソリューションを展開する場合は使用状況を監視し、倫理的なセーフガードを適用する必要があります。オープンソースコミュニティも、リスクを軽減するためのセキュリティ対策を開発して共有することで役割を果たすことができます。
- データ関連の問題
誤ってラベル付けされたデータ、データドリフト、信頼性の低いソースなどの問題は、時間の経過とともに AI パフォーマンスを低下させる可能性があります。厳格な検証プロセスを適用することで、データ品質を維持できます。
- アウトソーシングの問題
サードパーティのオープンソース AI を使用している企業は慎重に対処する必要があります。外部プロジェクトが放棄された場合や、セキュリティ基準が満たされていない場合、そのプロジェクトに依存している企業では障害が発生する可能性があります。社内で専門技術を保有することは常に推奨されますが、アウトソーシングが適している場合は、必ず、すべての請負業者が十分に審査されているようにしてください。
- 収益化の難しさ
オープンソース AI の開発にはコストがかかり、無料で提供すれば、直接的な収益化は困難です。これらのツールを開発している企業は、有料のエンタープライズバージョン、サポートサービス、またはオープンソースモデルに基づいて構築された追加の独自ツールを提供することで、この懸念に対処することを検討できます。
- コントロールの喪失
AI モデルがオープンソースライセンスの下でリリースされた場合、元の開発者は、この AI モデルの使用方法や変更方法を制御することはできません。この分散化は、オープンソース AI の中核となるメリットである一方で、モデルを作成者の意図に反する形で転用できることも意味します。オープン性と責任ある使用のバランスを取るために、組織は倫理的な指針を確立し、より広範な AI コミュニティへの継続的な参加を通じて、責任ある開発を形成することができます。
オープンソース AI の使用は、適切なモデルの選択から始まります。Hugging Face などのプラットフォームでは、トレーニング済みのオプションを利用できるため、ユーザーは最小限のセットアップをすればダウンロードして展開することができます。開発者は、LangChain や Transformers などのフレームワークを使用することで、AI を活用したツールとのやり取りを簡素化しながら、これらのモデルをアプリケーションに統合できます。モデルを構築したり微調整したりする必要がある場合は、PyTorch や TensorFlow などのライブラリが、トレーニング、最適化、展開のための広範なリソースを提供しています。
オープンソース AI を効果的に実行するには、十分なコンピューティングリソースが必要であることに注意してください。一部の小規模モデルは個人用デバイスで動作しますが、複雑なシステムでは多くの場合、強力なハードウェアやクラウドベースのインフラストラクチャが必要になります。組織は、AI をローカルで実行して制御とセキュリティを強化することも、リモートコンピューティングオプションを活用してより大きな作業負荷を効率的に処理することもできます。
オープンソース AI は無限の可能性を秘めていますが、これは組織がその可能性を活用するための適切なツールにアクセスできる場合にのみ言えることです。受賞歴のある ServiceNow のソリューションである ServiceNow Platform® は、組織がすべてのワークフローを統合、自動化、最適化できるように設計された、AI 活用型の統合基盤を提供します。組織は、オープンソースモデルをエンタープライズプロセスに接続し、反復的なタスクを自動化して、AI を活用したインサイトにより意思決定を強化できます。ワークフロー自動化分野における 20 年以上の経験を持つ ServiceNow は、すべての部門にわたる効率の向上を実現させるための最も信頼できる選択肢です。
何よりも、ServiceNow は、Hugging Face と NVIDIA が共同開発したオープンアクセス型大規模言語モデル (LLM) ファミリーの StarCoder2 を通じて、オープンソース AI イノベーションに直接貢献しています。これらのモデルは、コード生成、ワークフローの自動化、テキストの要約を支援し、組織がソフトウェア開発と AI を活用した意思決定を迅速化するのに役立ちます。組織は、業界固有のデータを使用してこれらのモデルを微調整し、AI が業界固有の要件に確実に適合するようにできます。こうした高度な機能をはじめとする数多くの理由から、Fortune 500 企業の 85% が ServiceNow を利用しています。
最先端のオープンソース AI でビジネスを確立しましょう。今すぐデモでその方法をご覧ください。