Large Action Models (LAM)

Large Action Models (LAM) は、テキスト生成の枠を超え、自律的にタスクを実行しデジタル環境と対話するように設計された、高度な生成AIの一種です。テキストの処理と生成を専門とする従来のモデルとは異なり、LAMは AIエージェント の中核となる認知エンジンとして機能し、人間の意図を具体的な多段階のアクションへと変換します。自然言語理解と現実世界での実行のギャップを埋めることで、これらのモデルは 人工汎用知能 (AGI) や高度な自律システムに向けた大きな飛躍を象徴しています。

Link to this sectionLarge Action Models の仕組み#

LAMは従来の ファウンデーションモデル の基礎アーキテクチャの上に構築されていますが、ソフトウェア、API、Web環境とインターフェースを取るために特別にトレーニングされています。強化学習 や関数呼び出しといった技術を使用することで、LAMは複雑なユーザーリクエストを論理的なステップに分割し、グラフィカルユーザーインターフェースを操作し、APIエンドポイントを実行することができます。例えば、AnthropicのClaude 3.5 computer use や SalesforceのxLAMファミリー の最近の開発事例は、これらのシステムが人間のオペレーターと同様に、どのように自律的にボタンをクリックし、フォームに入力し、ワークフローを管理できるかを示しています。

コンピュータビジョン システムと組み合わせることで、LAMはさらに強力になります。視覚入力は Ultralytics YOLO26 のような非常に効率的なモデルによって処理されるため、LAMは環境を「見て」、視覚的なコンテキストを解釈し、検出内容に基づいて特定のプログラム的なアクションを引き起こすことができます。

Link to this section実社会での応用#

LAMは、受動的な支援から能動的な実行へと移行し、産業におけるタスク自動化のアプローチを変化させています。

• 小売業界のAI とカスタマーサポート: 単に顧客の質問に答えるだけでなく、LAMは自律的に返品処理を行うことができます。ユーザーが注文のキャンセルを依頼した場合、モデルは企業の請求ソフトウェアを操作し、ポリシーを検証し、返金を発行し、人の介入なしに在庫データベースを更新できます。
• ヘルスケア業界のAI 管理: 臨床現場において、LAMは複雑なワークフローを調整します。患者のリクエストを抽出し、医師の空き状況と照合し、内部の医療ソフトウェアを介して電子カルテ (EHR) を自動的に更新し、予約手続きを完了させることができます。

Link to this sectionコードによるビジョンワークフローの自動化#

LAMは、視覚検査を自動化するためにビジョンモデルと頻繁に統合されます。以下のPythonの例では、架空のLAMワークフローがどのように ultralytics を活用して画像をスキャンし、物体検出 の結果に基づいて自動化された在庫アクションを実行するかを示しています。

from ultralytics import YOLO

# Load the recommended Ultralytics YOLO26 model for an agentic vision task
model = YOLO("yolo26n.pt")

# The LAM commands the model to scan a warehouse shelf image
results = model.predict("inventory_shelf.jpg")

# The LAM extracts actionable data to autonomously trigger a supply reorder
for result in results:
    detected_items = len(result.boxes)
    if detected_items < 10:
        print(f"Low inventory ({detected_items} items). Action triggered: Reordering supplies via API.")

ユーザーは、Ultralytics Platform を使用して、これらの統合型ビジョン・アクションワークフローをシームレスにデプロイおよび監視できます。同プラットフォームは、最新のAIソリューションに向けた堅牢なクラウドインフラストラクチャを提供します。

Link to this section関連概念の区別#

最新のAI環境を完全に把握するために、LAMを他の密接に関連する用語と区別することが役立ちます。

• LAM と 大規模言語モデル (LLM) の比較: LLMは、高度なテキスト予測器のように、言語を処理、要約、生成することに特化して設計されています。LAMはこの言語理解を取り入れつつ、外部ツールと対話しデジタルなアクションを完了するように特別に設計されています。
• LAM と Agentic AI の比較: 「Agentic AI」は、自律的に動作する全体的なシステムやソフトウェアエンティティを指します。Large Action Model はその基盤となるニューラルネットワークであり、エージェントが計画を立ててそれらのアクションを実行するための「脳」となるものです。
• LAM と Agentic RAG の比較: Agentic RAGは、生成された回答の精度を向上させるために、外部情報を自律的に取得し合成することに重点を置いています。LAMは単にデータを取得するのではなく、システムの操作や状態の変更（航空券の予約やファイルの移動など）に焦点を当てています。