Foundation Model

基盤モデルは、人工知能 (AI)の分野における大きなパラダイムシフトを示すものです。基盤モデルは、膨大な量のデータ（多くの場合、数十億のパラメーターを含みます）で学習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、通常は単一の目的のために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、リソースを大量に消費する事前学習の段階で、広範なパターン、構造、関係性を学習します。この幅広い知識基盤により、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、最先端の結果を達成するために必要な時間とデータを大幅に削減できます。

中核となる仕組み：事前学習と適応#

基盤モデルの能力は、事前学習とファインチューニングという2段階の開発プロセスにあります。事前学習では、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、巨大なデータセットをモデルに与えます。この段階では、自己教師あり学習がよく利用されます。これは、データ構造自体からモデルが独自にラベルを生成する手法であり、手作業によるデータアノテーションのボトルネックを解消します。例えば、言語モデルは文中の次の単語を予測することを学習し、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ことを学習します。

事前学習を終えると、モデルは柔軟な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、開発者はドメイン固有の小規模なデータセットでモデルの重みを調整できます。この機能はAIの民主化の中心となるもので、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るようにします。最新のワークフローでは、Ultralytics Platformなどのツールを利用してこの適応プロセスを効率化することが多く、ニューラルネットワークをゼロから構築することなく、カスタムデータセットで効率的に学習できます。

実世界での利用例#

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っています。高い汎化性能により、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。

• 医療におけるコンピュータービジョン： 専門化されたビジョン基盤モデルは、医用画像解析を支援するようにファインチューニングできます。一般的な画像で学習されたモデルを、MRIスキャン上の腫瘍の検出や、X線画像上の若木骨折の識別に適応できます。この用途は、一般的な視覚理解が人命を救う診断ツールへとつなが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。モデルがあらかじめ備えている物体境界に関する知識により、こうしたスマート製造ソリューションの導入が加速します。

技術実装例#

開発者は、最小限のコードで複雑なタスクを実行するために基盤モデルを活用できます。次の例では、リアルタイムアプリケーション向けに最適化されたビジョン基盤モデルである、事前学習済みのYOLO26モデルを読み込み、画像上で物体検出を実行する方法を示します。

from ultralytics import YOLO

# Load a pre-trained YOLO26 foundation model
# 'n' stands for nano, the smallest and fastest version
model = YOLO("yolo26n.pt")

# Perform inference on an image to detect objects
# The model uses its pre-trained knowledge to identify common objects
results = model("https://ultralytics.com/images/bus.jpg")

# Display the results
results[0].show()

主要用語の違い#

それぞれの役割を理解するために、AI分野における関連概念と「基盤モデル」を区別すると役立ちます。

• 大規模言語モデル (LLM)： LLMは、テキストの処理と生成を目的に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であるわけではありません。このカテゴリーには、SAM（セグメント・エニシング・モデル）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： これは、基盤モデルを新しいタスクに適用するために使用される手法です。基盤モデルは成果物（保存された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、特定の用途に合わせてその成果物の知識を更新するプロセスです。
• 生成AI： これは、新しいコンテンツ（テキスト、画像、コード）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、分類や物体追跡など、厳密には「生成」ではない識別タスクにも利用できます。

今後の方向性と影響#

基盤モデルは、単一のシステムでテキスト、画像、音声、センサーデータからの情報を同時に処理して関連付けられるマルチモーダル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)などの機関による研究は、これらのシステムが人間に近い方法で世界について推論できる可能性を示しています。こうした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導入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センサーに直接提供できるようになります。