IBM watsonx.aiの基礎モデルを使って、ジェネレーティブAIソリューションを開発することができます。 入力テキストからコンテンツを生成、分類、要約、抽出するプロンプトを作成できます。 IBMモデルまたはオープンソースモデルから選択。 プロンプトの出力をカスタマイズしたり、推論のパフォーマンスを最適化するために、基礎モデルを調整することができます。
ファウンデーション・モデルは、数十億のパラメーターを持ち、テラバイトのデータで学習された大規模なAIモデルである。 ファウンデーションモデルは、テキスト、コード、画像の生成、分類、会話など、さまざまなタスクをこなすことができる。 大規模言語モデルは、テキストとコードに関連するタスクを実行できる基礎モデルのサブセットである。 Watsonx.aiには、さまざまな大規模言語モデルが用意されています。 詳しくは、サポートされている基礎モデルをご覧ください。
財団モデル・アーキテクチャ
ファウンデーション・モデルは、AIシステムにとって根本的に異なるモデル・アーキテクチャと目的を示している。 以下の図は、従来のAIモデルと基盤モデルの違いを示している。
図に示すように、従来のAIモデルは特定のタスクに特化している。 従来のAIモデルのほとんどは、機械学習を使って構築される。機械学習には、取り組みたい特定のタスクを網羅する、大規模で構造化され、十分にラベル付けされたデータセットが必要だ。 多くの場合、これらのデータセットは、手作業で調達し、キュレーションし、ラベル付けしなければならない。 訓練された後、従来のAIモデルは1つのタスクをうまくこなすことができる。 従来のAIモデルは、学習データのパターンから学習したものを使って、未知のデータの結果を予測する。 AutoAIやJupyterノートブックなどのツールを使って、特定のユースケースのための機械学習モデルを作成し、それをデプロイすることができる。
対照的に、基礎モデルは大規模で多様なラベルなしデータセットで学習され、さまざまなタスクに使用できる。 ファウンデーションモデルは、自然言語翻訳タスクにおいて、次に来る可能性の高い単語を計算してテキストを生成するために最初に使用された。 しかし、モデルプロバイダーは、適切な入力を促せば、基礎モデルが他のさまざまなタスクをうまくこなせることを学びつつある。 独自の基礎モデルを作成する代わりに、既存の配備済みモデルとエンジニアのプロンプトを使用して、必要な結果を生成します。
ファウンデーション・モデルでの作業方法
ファウンデーション・モデルの可能性と応用は、まだ発見され始めたばかりだ。 watsonx.ai の基盤モデルを使用してユースケースを探索および検証し、既存のプロセスを自動化、簡素化、高速化、または新しい方法で価値を提供します。
以下のような方法でファンデーション・モデルと対話することができる：
- Prompt Labを使用することで、プロンプトと推論を基礎モデルに直接導入することができます
- Pythonライブラリまたはwatsonx.aiAPIを使用することで、基礎モデルをプログラムで推論可能
- Tuning Studioを使用して、特定のスタイルや形式で出力を返すようにファウンデーション・モデルをチューニングします