基盤モデルfoundation model
基盤モデルは、大規模なデータで学習し、さまざまなAIタスクの土台となる汎用AIモデルである。
基盤モデルは、大規模なデータで学習し、幅広いタスクの土台として使われるAIモデルである。この用語は2021年に米スタンフォード大学の研究者らが提唱した。特定のタスク専用に作られたモデルと異なり、プロンプトやファインチューニングによってさまざまな用途に適応できる。代表例は大規模言語モデル（LLM）だが、画像や音声など複数の形式のデータを扱うモデルも含まれる。
OpenAIのGPTシリーズ、AnthropicのClaude、GoogleのGeminiなどが代表的で、こうしたモデルを開発する企業は基盤モデル企業とも呼ばれる。
この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。
この項目を扱った記事
この半年ほどのコーディングやエージェントのベンチマークでの大きな伸びの多くも、基盤モデルが賢くなったことよりハーネスの改良によるものとみられます。
モデルの作り方 何カ月もかける大規模な事前学習 既存の基盤モデルに推論、事後学習、ツールを素早く重ねる
一方、多数のエージェントがそれぞれ独立した作業を1つずつ受け持ち、後から結果をまとめるエージェントスウォームは、同じ基盤モデルで71%を記録しました。
硬い物体のピック・アンド・プレースは例外で、幅広いデータで事前学習した大規模な基盤モデルのおかげで、商用に十分なほぼ信頼できる水準に近づきました。
直接APIを使えば、ChatGPT Work、Codex、Claude Codeの間を行き来したり、基盤モデルを入れ替えるオーケストレーションツールを使ったりと、モデルやツールを自由に切り替えられます。
すでにカスタマイズ可能なエージェントを運用している人にとっては、基盤モデルを自由に選べる柔軟性を手放してもよいほどの利便性がdotsにあるかが問題になります。
Databricksは、顧客の入力と出力を第三者の基盤モデルの学習に使用しないとしていますが、その方針が会話記録の内容確認に代わるわけではありません。
基盤モデルはアプリケーションを支える土台となるAIシステムです。