ChatGPTなどの生成AIは、インターネット上のサービスとして利用するものだと思っていませんか？ 実は、AIの頭脳にあたる「LLM」をダウンロードして、自分のパソコンや会社のサーバーで動かすこともできます。 さらに、企業の仕事に合わせて、LLMそのものを調整することも可能です。 例えば、問い合わせ対応が得意なAIや、社内のプログラミング規約に詳しいAIを作ることもできます。
では、そもそもLLMはどのようなもので、どうやって改造するのでしょうか。
LLMはダウンロードできる？
LLMとは「大規模言語モデル」のことで、大量の文章などを学習し、人間の言葉を理解したり、文章を生成したりするAIの基盤技術です。 実は、LLMには開発元がモデルのデータを公開しているものがあります。 例えば、Metaの「Llama（ラマ）」や、Alibabaの「Qwen（クウェン）」などです。
こうしたモデルは、「Hugging Face（ハギング・フェイス）」などのサイトから入手でき、自分のパソコンやサーバーで動かすことができます。 これが、いわゆる「ローカルAI」の仕組みにもつながっています。
ダウンロードしたLLMの中身は何？
では、ダウンロードしたLLMの中には何が入っているのでしょうか。 文章を大量に保存したデータベースでしょうか。 それとも、普通のプログラムでしょうか。
実は、LLMの中心となるのは、学習によって調整された膨大な数値データです。 この数値を「重み（パラメータ）」と呼びます。 例えば、0.25やマイナス1.32といった小数も含まれます。 もちろん、コンピューターの内部では、これらの数値も0と1の組み合わせで記録されています。
LLMは、こうした数値を使って複雑な計算を繰り返し、次に続く言葉を予測して文章を作ります。 その計算の仕組みが「ニューラルネットワーク」です。 人間の脳の神経細胞のつながりをヒントに作られた技術ですが、実際には数学的な計算を行う仕組みです。
つまり、ダウンロードするLLMには、学習済みの数値データやモデルの構造に関する情報などが含まれているのです。
企業はなぜLLMを改造するのか？
一般的なLLMは、さまざまな質問に回答できるように作られています。 しかし、企業によって必要な知識や回答の形式は異なります。
例えば、次のような使い方が考えられます。
- コールセンター：企業の方針に沿った丁寧な言葉遣いや、決められた形式で回答する。
- 医療関連企業：専門用語を適切に使い、医療文書の作成を補助する。
- IT企業：社内のプログラミング規約に沿ったソースコードを生成する。
こうした目的に合わせてLLMを調整すれば、毎回細かく指示する手間を減らせる場合があります。
つまり、幅広い仕事ができるAIを、自社の業務に適したAIへと変えていくのです。
LLMはどうやって改造するの？
LLMを改造する代表的な技術が「ファインチューニング」です。 これは、すでに学習を終えたLLMに対して、特定の目的に合わせた追加学習を行う方法です。
例えば、問い合わせ対応用のAIを作る場合を考えてみましょう。 まず、顧客からの質問と、それに対する望ましい回答を学習データとして準備します。 次に、専用のプログラムやツールを使って追加学習を行います。 AIの出力と望ましい回答の違いを計算し、その違いが小さくなるように数値を調整していくのです。 この処理を繰り返すことで、AIの回答の傾向を目的に近づけていきます。
ただし、人間が膨大な数値を一つずつ書き換えているわけではありません。 数値の調整は、学習プログラムが自動的に行います。 また、すべての重みを変更する方法だけでなく、元の重みを固定し、追加した少数のパラメータを学習させる「LoRA（ローラ）」という方法もあります。
LLMの改造にはプログラミングが必要？
自社でLLMを追加学習させる場合、一般的にはPythonなどのプログラミング言語や、専用の学習ツールを使用します。 ここで覚えておきたいのは、AIを利用するプログラムと、AIそのものを調整するプログラムは違うということです。
前者はAIに質問を送り、回答を受け取る仕組みです。 一方、後者は学習データを使って、AIの内部で利用する数値などを調整します。 ただし、企業がAIを自社向けに使うために、必ずファインチューニングが必要なわけではありません。
指示文を工夫する方法や、社内文書を検索して回答に利用する「RAG（ラグ）」という技術もあります。 これらは、LLMの重みを変更せずに活用できる方法です。 目的によっては、こうした仕組みの方が費用や管理の負担を抑えられる場合もあります。
まとめ｜AIは企業の目的に合わせて進化させられる
生成AIは、完成されたサービスをそのまま利用するだけのものではありません。 公開されているLLMを入手し、自分たちの目的に合わせて追加学習させることもできます。
ただし、改造すれば必ず性能が向上するわけではありません。 学習データの品質が悪ければ、かえって回答の正確さが低下する可能性もあります。 大切なのは、AIを改造すること自体ではなく、何を実現したいのかを明確にすることです。
これから企業には、AIをどう使うかだけでなく、自社の仕事に合わせて、どこまでAIを育てる必要があるのかを判断する力も求められるようになるでしょう。
コメント