今週のAIシーケンス第863号：モデルがインターフェース：シンキングマシンズのインタラクティブモデル内部

今週のAIシーケンスでは、シンキングマシンズによるインタラクティブモデルの研究について取り上げます。この研究はマルチモーダルAIを新たなレベルに引き上げるものです。著者は同社のアイデアを深く掘り下げ、いくつかの洞察を共有しています。この研究はまだ初期段階ですが、非常に印象的です。

ここ数年、大規模言語モデルの標準的な考え方は驚くほど単純でした。トークンを連結し、次のトークンを予測し、繰り返す。人間がメッセージを送り、モデルが返信し、人間が再び送信する。テキストは寛容であるため、この方法は多くのタスクで驚くほどよく機能します。テキストは待つことができ、バッファリング、編集、圧縮、そして一つの整然とした因果の流れにシリアル化できます。

しかし、コラボレーションはテキストではありません。コラボレーションは時間的です。シンキングマシンズのインタラクティブモデルは、この静的なパターンを打ち破り、会話、視覚、音声、ツール使用を一つの継続的な学習システムに統合します。これにより、AIはバッチ処理されたテキスト入力だけでなく、環境にリアルタイムで感知し応答できるようになります。例えば、モデルはユーザーの音声指示を聞きながら視覚シーンを観察し、ツールを呼び出して操作を実行することができ、すべてのプロセスがシームレスに行われます。

このインタラクティブモデルの核となる考え方は「モデル＝インターフェース」です。従来のAIシステムでは、ユーザーは固定されたインターフェースを通じてモデルと対話しますが、シンキングマシンズではモデル自体が動的なインターフェースとして設計され、コンテキストに応じて出力モダリティや動作を適応させます。この設計は、即時的で多感覚的、目標指向のコミュニケーションという人間の自然なコラボレーションに近いものです。

この技術はまだ初期段階ですが、AIの相互作用の新しい方向性を示しています。将来のAIシステムは単なるQ&Aマシンではなく、リアルタイムのコラボレーションに深く参加できるインテリジェントなパートナーになるかもしれません。シンキングマシンズのこの研究は、そのビジョンの基盤を確かに築いています。