Foundation Model

基盤モデルは、人工知能 (AI)分野における大きなパラダイムシフトを象徴します。基盤モデルは、膨大なデータ（多くの場合、数十億のパラメーターを含む）でトレーニングされた大規模な機械学習モデルであり、幅広い下流タスクに適応できます。特定の種類の花の分類など、単一の目的に合わせて構築される従来の機械学習 (ML)モデルとは異なり、基盤モデルは計算リソースを大量に消費する事前トレーニングの段階で、幅広いパターン、構造、関係性を学習します。この幅広い知識を活用すれば、開発者は転移学習を通じてモデルを新しい問題に適用でき、最先端の成果を得るために必要な時間とデータを大幅に削減できます。

主要な仕組み：事前トレーニングと適応#

基盤モデルの能力は、事前トレーニングとファインチューニングの2段階の開発プロセスにあります。事前トレーニングでは、インターネットの大部分、多様な画像ライブラリ、大規模なコードリポジトリなどの巨大なデータセットをモデルに学習させます。この段階では、モデルがデータ構造自体から独自のラベルを生成する自己教師あり学習がよく使われ、手作業によるデータアノテーションがボトルネックになるのを防ぎます。たとえば、言語モデルは文中の次の単語を予測する方法を学習し、ビジョンモデルはエッジ、テクスチャ、物体の永続性を理解する方法を学習します。

事前トレーニング後、モデルは汎用性の高い出発点として機能します。ファインチューニングと呼ばれるプロセスを通じて、開発者は小規模なドメイン固有のデータセットを使い、モデルの重みを調整できます。この機能はAIの民主化の中核であり、計算リソースが限られた組織でも強力なアーキテクチャを活用できます。最新のワークフローでは、この適応プロセスを効率化するためにUltralytics Platformなどのツールがよく使われます。これにより、ニューラルネットワークをゼロから構築せずに、カスタムデータセットで効率よくトレーニングできます。

実際のアプリケーション#

基盤モデルは、さまざまな業界におけるイノベーションの基盤となります。汎化能力により、自然言語処理から高度なコンピュータービジョンまで、幅広いタスクに適用できます。

• ヘルスケアにおけるコンピュータービジョン： 特化型のビジョン基盤モデルをファインチューニングすることで、医用画像解析を支援できます。一般的な画像でトレーニングされたモデルを、MRIスキャンでの腫瘍検出やX線画像でのバックル骨折の特定に適応できます。この用途は、一般的な視覚理解を救命につながる診断ツールに応用できることを示しています。
• 産業オートメーション: 製造業では、Ultralytics YOLO26のようなビジョンモデルが、物体検出の基盤となるアーキテクチャとして機能します。工場では、これらのモデルを使用して品質検査を自動化し、組立ライン上の欠陥を高速かつ高精度に検出しています。モデルがオブジェクトの境界をあらかじめ学習しているため、こうしたスマート製造ソリューションの導入を加速できます。

技術的な実装例#

開発者は、基盤モデルを活用することで、最小限のコードで複雑なタスクを実行できます。次の例では、リアルタイムビジョンに同じ事前学習後適応のアプローチを適用する、事前学習済みYOLO26モデルを読み込み、画像上で物体検出を行う方法を示します。

from ultralytics import YOLO

# 事前トレーニング済みのYOLO26モデルを読み込みます
# 'n' は最小かつ最速のバージョンである nano を表します
model = YOLO("yolo26n.pt")

# 画像に対して推論を実行し、物体を検出します
# モデルは事前トレーニングで得た知識を使って一般的な物体を特定します
results = model("https://ultralytics.com/images/bus.jpg")

# 結果を表示します
results[0].show()

主な用語の違い#

それぞれの役割を理解するために、「基盤モデル」とAI分野の関連概念を区別するとよいでしょう。

• 大規模言語モデル (LLM)： LLMは、テキストの処理と生成に特化して設計された基盤モデルの一種です。すべてのLLMは基盤モデルですが、すべての基盤モデルがLLMというわけではありません。このカテゴリには、SAM（Segment Anything Model）のようなビジョンモデルやマルチモーダルシステムも含まれます。
• 転移学習: 基盤モデルを新しいタスクに適用するために使用する手法です。基盤モデルはアーティファクト（保存済みニューラルネットワーク）であり、転移学習は、農業における害虫防除などの特定のユースケースに合わせて、そのアーティファクトの知識を更新するプロセスです。
• 生成AI： テキスト、画像、コードなどの新しいコンテンツを作成できるシステムを指します。多くの基盤モデルが生成AIアプリケーションを支えていますが、物体追跡や分類など、厳密には「生成」ではない識別タスクにも利用できます。

今後の展望と影響#

基盤モデルは、テキスト、画像、音声、センサーデータの情報を単一のシステムで同時に処理し、関連付けるマルチモーダルAIへと進化しています。スタンフォード大学人間中心AI研究所 (HAI)などの研究機関による研究は、こうしたシステムが人間に近い方法で世界を推論できる可能性を示しています。モデルの効率が高まるにつれて、エッジコンピューティングデバイスへのデプロイがますます現実的になり、強力なAI機能をスマートフォン、ドローン、IoTセンサーに直接搭載できるようになります。