2024年の予測17：RAG to RichesからBeatlemaniaとNational Treasuresへ

2024年の予測17：RAG to RichesからBeatlemania、そしてNational Treasuresへの変革

メリアム・ウェブスターの前に譲れ：今年、企業は年間のワードに追加するための多くの候補を見つけました。「生成的AI」と「生成的事前学習変換器」の後には、「大規模言語モデル」と「検索増強生成」（RAG）のような用語が続き、さまざまな産業が変革的な新技術に注目しました。

生成的AIは今年の初めにはまだ注目されていなかったが、終わりには大きなインパクトを与えました。多くの企業が、テキスト、音声、動画を取り込み、生産性、イノベーション、創造性を革新する新しいコンテンツを生み出す能力を利用するために全力で取り組んでいます。

企業はこのトレンドに乗っています。OpenAIのChatGPTなどのディープラーニングアルゴリズムは、企業のデータをさらにトレーニングすることで、63のビジネスユースケース全体で年間2.6兆ドルから4.4兆ドル相当の価値を生み出すことができると、マッキンゼー・アンド・カンパニーによって評価されています。

しかし、大量の内部データを管理することは、AIの拡大における最大の障害とされてきました。NVIDIAのAIの専門家の一部は、2024年は友達との電話に関するすべてだと予測しており、クラウドサービスプロバイダーやデータストレージおよび分析会社など、大規模データを効率的に処理し、調整し、展開するノウハウを持つ企業や個人とのパートナーシップや協力関係を構築することが重要だと述べています。

• 「松ぼっくりベクトルデータベースとAmazon SageMaker JumpStartのLlama-2を使用したリトリーバル増強生成によって幻覚を軽減する」
• リトリーバル・オーグメンテッド・ジェネレーションにおける関連性の課題にどのように対処するか
• VoAGIニュース、12月6日：機械学習をマスターするためのGitHubリポジトリ•データエンジニアリングをマスターするための5つの無料コース

大規模言語モデルがその中心にあります。NVIDIAの専門家によると、LLM研究の進展は、ますますビジネスや企業向けのアプリケーションに適用されるようになります。RAG、自律型インテリジェントエージェント、マルチモーダルインタラクションのようなAIの機能は、ほぼすべてのプラットフォームを介してよりアクセス可能で容易に展開できるようになります。

NVIDIAの専門家の予想を聞いてください：

MANUVIR DASエンタープライズコンピューティング部門副社長

一揃いは全てに合わない：カスタマイズが企業にやってきます。企業は1つまたは2つの生成的AIアプリケーションを持つのではなく、さまざまな部門に適した独自のデータを使用した何百ものカスタマイズされたアプリケーションを持つことになるでしょう。

これらのカスタムLLMは、稼働中にデータソースを生成的AIモデルに接続するためのRAGの機能を備え、より正確で明確な応答を提供します。Amdocs、Dropbox、Genentech、SAP、ServiceNow、Snowflakeなどのリーディングカンパニーは、既にRAGとLLMを使用した新しい生成的AIサービスを構築しています。

オープンソースソフトウェアが先頭を走っています：オープンソースの事前学習モデルのおかげで、特定のドメインの課題を解決する生成的AIアプリケーションがビジネスの運用戦略の一部になるでしょう。

企業がこれらの先行モデルをプライベートまたはリアルタイムのデータと組み合わせると、組織全体で加速された生産性とコストの利益を見ることができるようになります。クラウドベースのコンピューティングやAIモデルファウンドリーサービスから、データセンターやエッジ、デスクトップまで、ほぼすべてのプラットフォームでAIコンピューティングとソフトウェアがよりアクセス可能になります。

棚卸しのAIとマイクロサービス：生成的AIは、開発者が複雑なアプリケーションを構築しやすくするアプリケーションプログラミングインターフェース（API）エンドポイントの採用を促しています。

2024年には、ソフトウェア開発キットとAPIが進化し、開発者がRAGなどのAIマイクロサービスを利用してオフシェルフのAIモデルをカスタマイズすることができるようになります。これにより、企業は最新のビジネス情報にアクセスできる知能を持つアシスタントや要約ツールを使用して、AIによる生産性の完全な可能性を引き出すことができます。

開発者は、これらのAPIエンドポイントをアプリケーションに直接埋め込むことができ、モデルとフレームワークをサポートするために必要なインフラストラクチャの維持について心配する必要はありません。エンドユーザーは、自分のニーズに適応するより直感的でレスポンシブなアプリケーションを体験することができます。

IAN BUCKハイパースケールとHPC部門副社長

国家的な財産：人工知能は新しい宇宙競争となり、すべての国が研究と科学の重要な進展を推進し、GDPを向上させるために自国の卓越の中心を作ろうとしています。

数百個のアクセラレートされた計算ノードを使用するだけで、国は高効率で大規模なパフォーマンスを発揮するエクサスケールAIスーパーコンピュータを迅速に構築することができます。政府資金による創発型AI卓越センターは、新しい雇用を創出し、次世代の科学者、研究者、エンジニアを育成するためにより強力な大学のプログラムを構築することで、国の経済成長を後押しします。

飛躍的な進歩:企業リーダーは、二つの主要な要因に基づいて量子コンピューティングの研究イニシアチブを立ち上げます。まず、従来のAIスーパーコンピュータを使用して量子プロセッサをシミュレートする能力、そして、ハイブリッドクラシカル量子コンピューティングのためのオープンかつ統一された開発プラットフォームの利用が可能になることです。これにより、開発者は、量子アルゴリズムを構築するためにカスタムで特殊な知識を必要とせず、標準のプログラミング言語を使用することができます。

かつてはコンピュータ科学の奇妙なニッチと考えられていた量子コンピューティングの探求は、素材科学、製薬研究、サブアトミック物理学、物流などの分野で急速な進歩を追求する企業がアカデミアや国立研究所に加わることで、より一般的なものになるでしょう。

KARI BRISKIAIソフトウェア担当副社長

RAGから富へ:2024年、企業がこれらのAIフレームワークを採用するにつれ、再試行補完生成はさらに注目されるでしょう。

企業がジェネレーティブAIアプリケーションやサービスを構築するためにLLMをトレーニングするにつれ、RAGは、モデルが特定のユースケースにおいて十分な正確で関連性のある情報にアクセスできない場合に、不正確またはナンセンスな応答が発生することに対する解答として幅広く受け入れられています。

セマンティックリトリーバルを使用することで、企業はオープンソースの基礎モデルを使用し、独自のデータを取り込み、ユーザーのクエリから関連データをインデックスから取得し、実行時にモデルに渡すことができます。

その結果、ヘルスケア、ファイナンス、小売業、製造業などのセクターで、より正確なジェネレーティブAIアプリケーションをより少ないリソースで使用することができます。エンドユーザーは、より洗練された、コンテキストに敏感な、マルチモーダルなチャットボットやパーソナライズされたコンテンツ推薦システムを期待することができ、自然で直感的な方法でデータと対話できるようになります。

マルチモーダリティが注目されています: テキストベースのジェネレーティブAIは過去のものになるでしょう。ジェネレーティブAIはまだ発展段階にありますが、多くの産業が、テキスト、音声、画像の組み合わせを使用して、表や図、図解などのクエリにより文脈に即した応答を提供するマルチモーダルLLMを採用することが予想されます。

メタやOpenAIなどの企業は、感覚へのより大きなサポートを加えることで、マルチモーダルなジェネレーティブAIの限界を押し広げることを目指します。これにより、物理科学、生物学、そして社会全体における進展が生まれます。企業は、テキスト形式だけでなく、PDF、グラフ、チャート、スライドなどさまざまな形式のデータを理解することができるようになります。

NIKKI POPEAIと法律倫理担当責任者

AIの安全性にターゲットを絞る: 主要なAI組織間の協力により、堅牢で安全なAIシステムの研究と開発が加速します。業界全体で利用される標準化された安全プロトコルやベストプラクティスが新たに採用されることを期待してください。これにより、ジェネレーティブAIモデル間で一貫性のある高い安全性レベルが実現されます。

企業は、AIシステムの透明性と解釈可能性に重点を置き、新しいツールと方法論を使用して、複雑なAIモデルの意思決定プロセスに光を当てることになります。ジェネレーティブAIエコシステムが安全性に集結するにつれ、AIテクノロジーはより信頼性が高く、信頼できるものとなり、人間の価値観とも一致していくでしょう。

RICHARD KERRIS開発者関係副社長、メディア・エンターテイメント担当責任者

開発の民主化: ほとんどの場所で、ほとんどの人々が開発者になれるようになるでしょう。従来は、特定の開発言語の使用を知り、それを使ってアプリケーションやサービスを開発することが必要でした。しかし、コンピューティングインフラストラクチャがソフトウェア開発の言語にますます統合されるにつれ、誰でも機械にアプリケーション、サービス、デバイスサポートなどを作成するよう指示できるようになります。

企業は引き続き開発者を雇い、AIモデルやその他のプロフェッショナルなアプリケーションを構築およびトレーニングするために活用しますが、適切なスキルセットを持つ人々にとっては、カスタム製品やサービスを構築するために大幅に広がった機会が見込まれます。テキスト入力や音声プロンプトによる支援を受けることで、コンピュータとのインタラクションは、口頭指示と同じくらい簡単になります。

映画と歌の”今と昔”：ビートルズの新しいAIを利用した楽曲が新たなビートルマニアを引き起こしたように、初の長編生成AI映画の誕生は映画界に衝撃を与えるでしょう。

35mmフィルムカメラを使用して撮影する映画監督を想像してみてください。同じ内容が近々、生成AIを使用して70mmの制作に変換され、IMAXフォーマットでの映画制作にかかる膨大な費用が削減され、さらに多くの監督が参加できるようになるでしょう。

クリエイターは、テキスト、画像、または動画でコンピュータに指示することで、美しいイメージや動画を新しい種類や形式のエンターテイメントに変えることができます。一部の専門家は、自分たちの技術が置き換えられることを心配していますが、生成AIが特定のタスクに訓練される能力が向上するにつれて、これらの問題は薄れていくでしょう。結果として、他のタスクに取り組むための余裕が生まれ、アーティスト向けの使いやすいツールも提供されることになります。

KIMBERLY POWELLヘルスケア副社長

AI手術アシスタント： 音声を使って外科手術室内外での視覚と理解を補完できる日がやってきました。

手術において、器具、画像、ロボティクス、リアルタイムの患者データをAIと組み合わせることは、より良い外科医の訓練、手術中のより個別化されたケア、リアルタイムのフィードバックとガイダンスによるより安全な手術をもたらします。これにより、特に低所得国や中所得国で行われるべき1億5000万件の手術にギャップが埋まるでしょう。

生成AI薬物探索施設：新しい薬物探索プロセスが登場しています。生成AIによる分子の生成、特性予測、複雑なモデリングが、知能を内包するラボにおけるループを推進し、発見までの時間を短縮し、臨床的に有効な薬物候補の品質を向上させます。

これらの生成AI薬物探索施設では、全ゲノムを用いた大規模なヘルスケアデータセットを使用し、24時間365日稼働可能な原子分解能の器具とロボティクスを用いています。コンピュータが大量で複雑なデータセット内のパターンや関係性を学び、従来は時間のかかる実験観察と人的合成によってのみ発見可能だった複雑な生物学的関係を生成、予測、モデル化できるのはこれが初めてです。

CHARLIE BOYLEDGXプラットフォーム副社長

企業が独自のLLMをクラウドに展開：企業が2023年から学んだことの一つは、ゼロからLLMを構築することは容易ではないということです。このアプローチを採る企業は、新しいインフラストラクチャとテクノロジーへの投資が必要であり、他の企業のイニシアティブにどのように優先順位をつけるかを理解するのに苦労することがあります。

クラウドサービスプロバイダ、コロケーションプロバイダ、および他の事業者は、企業に対してフルスタックのAIスーパーコンピューティングとソフトウェアを提供し、事業者が事業別に事前学習済みモデルをカスタマイズし、展開することを容易にします。

企業データレイクでのLLMゴールドフィッシング：平均的な企業が格納している情報量は数百ペタバイトにも及ぶという統計情報が数多く存在しています。それにもかかわらず、多くの企業では、実用的な洞察を得るためにその情報の半分以上を活用していないと報告しています。

2024年には、生成AIを使用して企業が未利用のデータを活用し、LLMを構築およびカスタマイズするようになります。AIによるスーパーコンピューティングを活用することで、企業は構造化されていないデータ（チャット、動画、コードなど）をマイニングし、多様なモデルのトレーニングを行うことができるようになります。これにより、企業は質問により具体的な回答を提供し、新たな機会を見つけ出すことができます。たとえば、健康スキャンでの異常検出の支援、小売業での新興トレンドの発見、ビジネスオペレーションの安全性向上などです。

AZITA MARTIN小売業、消費財、およびクイックサービスレストラン副社長

生成型AIショッピングアドバイザー：小売業者は、顧客が希望する製品に接続し、個々のニーズや好みに合わせた人間らしいオムニチャネルのショッピング体験を提供するという二重の要求に取り組んでいます。

これらの目標を達成するために、小売業者は、革新的な、生成型AIを活用したショッピングアドバイザーを導入する準備を整えています。これにより、小売業者の独自のブランド、製品、および顧客データに対して丹念なトレーニングが行われ、人間の助手の専門知識を模倣した、ブランドに適した、ガイド付きの個別化されたショッピング体験が提供されるでしょう。この革新的な手法により、ブランドの差別化が図られ、個別化されたヘルプが提供されることで顧客の忠誠心が増します。

安全対策の準備：世界中の小売業者は、組織的な小売犯罪がますます洗練され連携されるという増大する課題に直面しています。ナショナル・リテール・フェデレーションによると、小売りの窃盗が拡大したのち、このような事件は驚異的な26.5%増加を示しています。

小売業者は、顧客と従業員のインストア体験の安全性を向上させるため、コンピュータビジョンと物理セキュリティ情報管理ソフトウェアを使用して、異なるセキュリティシステムからのイベントを収集し相関させるようになるでしょう。これにより、AIが武器や棚からの大量のアイテムの掴み取りなど、異常な振る舞いを検知することができます。また、小売業者が犯罪行為を予防し、より安全なショッピング環境を維持するのにも役立ちます。

REV LEBAREDIAN Omniverseおよびシミュレーションテクノロジー担当副社長

産業のデジタル化と生成型AI：産業のデジタル化と生成型AIの融合が産業の変革を促すことになります。生成型AIは、ジオメトリ、光、物理、物質、および振る舞いなど、物理世界の要素をデジタルデータに変換することを容易にします。物理世界のデジタル化を一般化することにより、産業企業は効率的に製品を設計、最適化、製造、販売することができるようになります。また、彼らは仮想的なトレーニンググラウンドや合成データをより簡単に作成し、自律型ロボットや自動運転車など、物理世界内で相互作用し運用する新世代のAIを訓練することも可能になります。

3Dの相互運用性が進展：設計段階から工場の現場まで、データが初めて相互運用可能になります。

製造、製品デザイン、小売、eコマース、およびロボティクス産業の最も影響力のあるソフトウェア会社および実践者が新たに設立されたAlliance for OpenUSDに取り組んでいます。 3Dツールとデータ間の普遍的な言語であるOpenUSDは、データの孤立を解消し、産業企業が従来の手間のかかるマニュアルの産業プロセスのデジタル化を加速するために、データレイク、ツールシステム、および専門のチーム間での協力を容易かつ迅速に行えるようになります。

XINZHOU WU 自動車担当副社長兼総支配人

車両生産ライフサイクルの近代化：自動車産業は、さらに生成型AIを取り入れて、車両の内外を正確に示す写真のようなレンダリングを提供し、デザインのレビューを速め、コストを節約し、効率を向上させるでしょう。

多くの自動車メーカーが、スマートファクトリー内でこの技術を採用し、デザインとエンジニアリングのツールを接続し、生産施設のデジタルツインを構築することになるでしょう。これにより、工場のラインを停止する必要なく、コストを削減し、操作を効率化することができます。

生成型AIにより、消費者の研究や購入がよりインタラクティブになります。車の設定や3Dビジュアライゼーションから拡張現実のデモンストレーションや仮想試乗まで、消費者はより魅力的で楽しいショッピング体験ができるようになります。

安全は偶然ではありません：自動車の製品ライフサイクルを超えて、生成型AIは自律型車両（AV）の開発にも革新をもたらします。これには、記録されたセンサーデータを完全に対話式の3Dシミュレーションに変換することが含まれます。これらのデジタルツイン環境や合成データ生成は、実世界での展開前に実際のスケールでAVの開発、テスト、検証を安全に行うために使用されます。

ジェネラティブAIの基礎モデルは、車内外の新しいパーソナライズされたユーザーエクスペリエンス、機能、安全機能を可能にするために、車のAIシステムをサポートします。

ハンドルを握る経験は、より安全でスマートで楽しいものになります。

BOB PETTEエンタープライズプラットフォームの副社長

ジェネラティブAIで新しく構築する: ジェネラティブAIによって、大規模な言語モデルに話しかけたり、新しい技術とデザイン原則を使って車を設計することができるようになります。

建築、エンジニアリング、施工、運用（AECO）業界は、ジェネラティブAIを指針として未来を構築しています。AECOと製造業の数百のジェネラティブAIのスタートアップと顧客は、デザイン最適化、市場情報収集、施工管理、物理予測など、ほぼすべてのユースケースの解決策を作成することに焦点を当てています。AIは、効率の向上、廃棄物削減、生産と持続可能性への完全に新しいアプローチを提供する、製造業の進化を加速させます。

開発者と企業は特に、リダールを使用して建築物や自然環境の正確な詳細を生成するポイントクラウドデータ分析に注力しています。これにより、ジェネラティブAI加速ワークフローを通じた高精度な洞察と分析が可能になる可能性があります。

GILAD SHAINERネットワーキングの副社長

AIの流入が接続需要を引き起こす: エンタープライズは、GPUとGPUベースのシステムを使用した高速計算のための必要なネットワーク帯域を求めるため、ネットワーキングの効率とパフォーマンスに再び焦点を当てるでしょう。

兆パラメータLLMは、より速い伝送速度と広範なカバレッジの需要を浮き彫りにします。ジェネラティブAIのアプリケーションを迅速に展開したいエンタープライズは、加速ネットワーキング技術への投資やそれを提供するクラウドサービスプロバイダーの選択が必要です。最適な接続性の鍵は、高性能コンピューティング、AI、ハイパースケールクラウドインフラに特化したインネットワークコンピューティングを含むフルスタックシステムに盛り込むことです。

データセンターデザインの決定的要素: エンタープライズは、すべてのデータセンターが同じである必要はないことに気付くでしょう。データセンターの目的を判断することは、それに使用する適切なネットワーキングを選択するための最初のステップです。従来のデータセンターは帯域幅に制約がありますが、大規模なAIワークロードを実行可能なデータセンターは、数千のGPUが非常に確定的な低レイテンシで動作する必要があります。

フルロード時のネットワークの可能性がパフォーマンスの最も重要な決定要因となります。エンタープライズデータセンターの接続性の未来には、管理（通称ノース・サウス）ネットワークとAI（通称イースト・ウエスト）ネットワークが別々に存在し、AIネットワークには高性能コンピューティング、AI、ハイパースケールクラウドインフラ向けに特別に設計されたインネットワークコンピューティングが含まれます。

DAVID REBER JR.最高セキュリティオフィサー

AIにセキュリティモデルを適応する明確さ: アプリ中心からデータ中心のセキュリティへの転換が本格化しています。データはLLMの基本的な供給チェーンであり、ジェネラティブAIの未来です。エンタープライズは今、その問題が大規模に展開していることを見ています。企業は人々、プロセス、テクノロジーを再評価して、セキュアな開発ライフサイクル（SDLC）を再定義する必要があります。業界全体が信頼のアプローチを再定義し、透明性が意味することを明確にするでしょう。

新しい世代のサイバーツールが誕生します。AIのSLDCは、コマンドラインインターフェースから人間の言語インターフェースへの移行に対応するために、新しいツールや期待の市場リーダーで定義されるでしょう。企業がメタのLlama 2のようなオープンソースLLMsを使用してジェネラティブAIの出力を加速させる際に特に重要なニーズとなるでしょう。

AIによるセキュリティのスケーリング:AIをサイバーセキュリティの不足に応用することで、これまで見たことのない脅威を検出することができます。現在、サイバーディフェンスに使用されているのは世界のデータの一部に過ぎません。一方、攻撃者はいかなるミス構成でも利用し続けています。

実験を行うことで、企業は新たな脅威とリスクを特定するAIの潜在能力を実現させることができます。サイバーコパイロットは、企業ユーザーがフィッシングや設定に対処するのをサポートします。効果的な技術を実現するために、企業は仕事とプライベートライフの交差点に固有のプライバシー問題に取り組む必要があり、データ中心の環境での集団防御を可能にすることができます。

技術へのアクセスの民主化に加えて、AIは脅威が増大する中で新しい世代のサイバーディフェンダーを活性化することも可能になります。企業が各脅威について明確さを得るとすぐに、AIはこれらの脅威を防御し、検出するための大量のデータを生成するために使用されます。

ロニー・ヴァシスタテレコム担当シニアバイスプレジデント

RANへの参入または離脱: 5Gの投資ケースにおける大幅な再評価が予想されます。

5Gの導入から5年経ち、ネットワークのカバレッジと容量は急速に拡大していますが、収益成長は停滞し、主にプロプライエタリで柔軟性に欠けるインフラのコストは上昇しています。一方、5G RANの利用率は40％未満のままです。

新たな収益源を見つけ出すため、既存の周波数帯域を活用することが重要となるでしょう。また、テレコム企業は柔軟性が高く、高い利用率を持つインフラを目指し、汎用コンポーネントを使った建設に重点を置いたCAPEX構造の見直しも行います。さらに、AIツールを活用することでパフォーマンスを向上させ、効率化し、コストを削減するための総合的なオペレーティング費用の削減も期待されます。これらの取り組みの結果が、キャリアが6G技術にどれだけ投資するかを決定するでしょう。

チャットボットからネットワーク管理へ: テルコム企業は既にチャットボットや仮想アシスタントのために生成AIを活用して顧客サービスとサポートを向上させています。来年はさらにこの活用を強化し、ネットワーク計画と最適化、故障と不正検出、予測分析とメンテナンス、サイバーセキュリティオペレーション、エネルギー最適化など、運用上の改善に対する生成AIの活用を増やしていくでしょう。

生成AIの普及と戦略的な重要性が増していることを考えると、その成長をサポートするための新しいタイプのAIファクトリーインフラを構築することが重要となります。ますます多くのテルコム企業が内部利用のためにAIファクトリーを構築し、開発者向けのプラットフォームとしても展開するでしょう。同じインフラストラクチャは、追加のテナントとしてRANをサポートすることも可能となるでしょう。

マルコム・デマヨ金融サービス担当バイスプレジデント

AIファーストの金融サービス: AIの進化が急速に進む中、金融サービス企業はデータを計算力に持ち込む方針をとるでしょう。

集中リスクを軽減し、急速な技術の進歩の中での柔軟性を保つために、企業はオンプレミスのインフラとクラウドベースのコンピューティングの高度にスケーラブルなハイブリッド組み合わせに戦略的な転換を遂げることになります。AIによる顧客サービスアシスタント、不正検出、リスク管理などの最も重要な業務を担当する企業が先導するでしょう。

マーク・シュピーラーエネルギー担当シニアディレクター

より速いシミュレーションのための物理-ML: エネルギー企業は、シミュレーションの加速、産業プロセスの最適化、意思決定の向上のために、物理-ML（物理学を活用した機械学習）にますます頼るようになるでしょう。

物理-MLは、従来の物理モデルと高度な機械学習アルゴリズムを統合し、複雑な物理現象の迅速かつ正確なシミュレーションに強力なツールを提供します。例えば、エネルギー探査と生産において、物理-MLは地下の地質構造を迅速にモデル化し、潜在的な探査地点の特定や作業および環境リスクの評価に役立ちます。

風力や太陽光などの再生可能エネルギー分野では、物理-MLは予知保守に重要な役割を果たし、機器の故障を予測し、メンテナンスを予定通りに実施することでダウンタイムとコストを削減することができるようになります。計算能力とデータの利用可能性が続く限り、物理-MLはエネルギー企業がシミュレーションとモデリングのタスクに取り組む方法を変革し、より効率的かつ持続可能なエネルギー生産につながるでしょう。

LLM – より良い運用成果のための解決策: フィジクス-MLと組み合わせて、LLMはエネルギー機器からの豊富な履歴データとリアルタイムのセンサー入力を分析し、潜在的な故障やメンテナンスの必要性を事前に予測します。この予防的アプローチにより、予期せぬダウンタイムを減らし、タービン、発電機、ソーラーパネルなどの重要なインフラの寿命を延ばすことができます。また、LLMはメンテナンススケジュールとリソース割り当てを最適化し、効率的な修理と点検を行うのに役立ちます。予測保守におけるLLMの使用は、エネルギー企業のコストを削減し、より安定したエネルギー供給に貢献するでしょう。

ディープ・タッラエンベデッドおよびエッジコンピューティングの副社長

ロボットプログラマーの台頭: LLMはロボットエンジニア向けに素早い改善をもたらすでしょう。生成的AIはロボット用のコードを開発し、新しいシミュレーションを作成してテストや訓練を行います。

LLMは自動的に3Dシーンを構築し、環境を構築し、入力からアセットを生成することでシミュレーション開発を加速させます。その結果得られるシミュレーションアセットは、合成データ生成、ロボットスキルトレーニング、ロボットアプリケーションのテストなどのワークフローにおいて重要となります。

ロボットエンジニアのサポートだけでなく、LLMのエンジンであるトランスフォーマーAIモデルは、ロボット自体をよりスマートにし、複雑な環境をより理解し、さまざまなスキルを効果的に実行できるようにします。

ロボット産業がスケーリングするためには、ロボットはより汎用的になる必要があります。つまり、より速くスキルを習得するか、新しい環境にもたらす必要があります。シミュレーションで訓練およびテストされた生成的AIモデルは、より強力で柔軟かつ使いやすいロボットを実現するための重要な要素となります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!