オーダーメイドによるAIソリューション「カスタムAI」の開発・提供をビジネス展開する、株式会社Laboro.AI（ラボロ エーアイ）代表取締役CEOの椎橋徹夫氏に、生成AIが製造業に与えるインパクトをテーマにインタビューを行う本連載。
上編では生成AIに対する業界のニーズや活用の方向性についてお聞きしました。続く下編では、生成AIを導入する際のポイントや実装化に向けた展望について話を伺います。
米国州立テキサス大学理学部物理学／数学二重専攻卒業。2008年にボストン コンサルティング グループ 東京オフィスに参画。ワシントンDCオフィスへの出向を経て2014年、当時最年少でプリンシパルに昇進。国内外の多数のプロジェクトに携わる。その後、東京大学発AI系のスタートアップ企業に創業4人目のメンバーとして参画。AI事業部の立ち上げをリード。また同年東京大学大学院工学系研究科技術経営戦略学専攻松尾豊研究室グローバル消費インテリジェンス寄付講座ディレクターを兼任。2016年、AIを活用したソリューション開発などを手掛けるLaboro.AIを創業。
HP：https://laboro.ai/
生成AIを導入する際の課題とポイント
――製造業で生成AIを導入する際の課題・ポイントはありますか。
椎橋氏（以下敬称略） ChatGPTをはじめ、現在のLLM（大規模言語モデル）は汎用的なモデルです。よって、限られた装置の中で動かすなど、現場に組み込んでいくにはハードルが高いとの見方があり、モデルのサイズを小さくしつつ用途も特化させてコンピュータ上で動くようにしないといけないでしょう。また、装置のデータは機密性が高く、企業側はクラウドに上げることに抵抗感があったり、実際に制約がかかることもあります。ある程度はローカルなサーバで動かせるようにすることも論点の1つです。
AIが事実に基づかない情報を生成する「ハルシネーション」が起きることも課題でしょう。必ずしも正しいことだけが出力されないので、製造現場で間違ったメンテナンスが行われると大変なことになりかねません。正誤を選り分け、出力の品質保証をどのように担保するかは、製造業で議論に挙がりやすいと捉えています。
――これらについて解決策は見えつつありますか。
椎橋 学習領域においてはモデルの小型化、LLMをダウンサイジングしても性能を下げない研究が急ピッチで進んでいます。超汎用性でなく、領域に特化した上で高精度を引き出す取り組みも始まっていて、例えばブルームバーグは金融特化のLLM「BloombergGPT」を発表しました。今後、他業界でも実用化されていくでしょう。
ハルシネーションに関しては、「リトリーバル・オーギュメント・ジェネレーション」といって、LLMにモデル内の知識ではなくファクトのデータベースに答えを探しに行かせ、要約して答える仕組みの活用が始まっています。事実らしい基づき回答するので、あまり嘘は言わないとされています。この研究も進んでいますが、それでも真実かどうかの保証はできず、今後の進展に期待したいところです。また、予め正解・不正解が明確な内容については、ルールベースで学習させておくことでハルシネーションを防ぐなどの工夫もできると思います。