2024 年 17 の予測：RAG から富へ、ビートルマニアから国宝まで

by Cliff Edwards · December 19, 2023

NVIDIA の AI エキスパートは、企業が AI の導入を加速させ、生成 AI を採用するためのベストプラクティスを構築し始めることで、業界全体で急速な変革が起こると予測しています。

企業にとって、今年は流行語大賞に加えたい候補がたくさんありました。「生成 AI」や「Generative Pretrained Transformer (GPT)」に続いて、「大規模言語モデル (LLM)」や「Retrieval-augmented Generation (RAG)」といった用語が登場し、業界全体が変革的な新しいテクノロジに注目するようになりました。

生成 AI は年初にはほんの小さな兆候に過ぎませんでしたが、年末までに大きな反響に広がりました。多くの企業が、生産性、革新性、創造性に革命をもたらす新しいコンテンツを生み出すために、テキスト、音声、動画を取り込む能力を活用しようと躍起になっています。

企業はこのトレンドに乗っています。McKinsey & Company によると、OpenAI の ChatGPT のようなディープラーニングアルゴリズムは、企業データでさらにトレーニングされ、63 のビジネスユースケースで年間 2.6 兆ドルから 4.4 兆ドルに相当する利益をもたらす可能性があるといいます。

しかし、大量の内部データを管理することは、AI を拡張する上での最大の障害としてしばしば挙げられてきました。NVIDIA の AI 専門家の中には、2024 年はクラウドサービスプロバイダー、データストレージ、分析企業など、ビッグデータを効率的に扱い、ファインチューニングし、展開するノウハウを持つ企業とのパートナーシップや協力関係を構築することが重要になると予測する者もいます。

大規模言語モデルがその中心にあります。NVIDIA の専門家によると、LLM 研究の進歩は、ビジネスや企業アプリケーションにますます応用されるようになるといいます。RAG、自律的インテリジェントエージェント、マルチモーダルインタラクションのような AI 機能は、事実上あらゆるプラットフォームを通じて、よりアクセスしやすく、より簡単に展開できるようになるでしょう。

NVIDIA のエキスパートから、今後 1 年間に期待されることについて話を伺いました。

マヌバーダス (Manuvir Das)
エンタープライズコンピューティング担当バイスプレジデント

ワンサイズはすべてにフィットしない：カスタマイズが企業にやってくるでしょう。企業は 1 つや 2 つの生成 AI アプリケーションを持つのではなく、多くはビジネスの様々な部分に適した独自のデータを使用し、何百ものカスタマイズされたアプリケーションを持つようになると予想します。

本番稼動後は、これらのカスタム LLM は RAG 機能を備え、データソースを生成 AI モデルに接続し、より正確で情報に基づいた対応を実現します。Amdocs、Dropbox、Genentech、SAP、ServiceNow、Snowflake などの大手企業は、すでに RAG と LLM を使用して、新しい生成 AI サービスを構築しています。

オープンソースソフトウェアが先導：オープンソースの事前トレーニング済みモデルにより、特定のドメインの課題を解決する生成 AI アプリケーションは、企業の経営戦略の一部となるでしょう。

企業がこれらの先行するモデルをプライベートなデータやリアルタイムのデータと組み合わせれば、組織全体の生産性とコスト削減効果が加速度的に向上します。AI コンピューティングとソフトウェアは、クラウドベースのコンピューティングや AI モデルのファウンドリサービスから、データセンター、エッジ、デスクトップまで、事実上あらゆるプラットフォームで利用できるようになります。

既製の AI とマイクロサービス：生成 AI はアプリケーションプログラミングインターフェース (API) エンドポイントの導入に拍車をかけ、開発者は複雑なアプリケーションを容易に構築できるようになりました。

2024 年には、ソフトウェア開発キットと API がレベルアップし、開発者は RAG のような AI マイクロサービスを使って既製の AI モデルをカスタマイズするようになります。これにより企業は、最新のビジネス情報にアクセスできるインテリジェントアシスタントや要約ツールによって、AI 駆動の生産性を最大限に活用できるようになります。

開発者は、モデルやフレームワークをサポートするために必要なインフラストラクチャの維持を心配することなく、これらの API エンドポイントをアプリケーションに直接組み込めます。エンドユーザーは、より直感的で応答性が高く、ニーズに合わせてカスタマイズされたアプリケーションを次々に体験することができるでしょう。

イアンバック (Ian Buck)
ハイパースケール兼 HPC 担当バイスプレジデント

国宝：AI は新たな宇宙開発競争となり、各国が研究や科学を飛躍的に発展させ、GDP を向上させるための中核となる研究拠点を自国に作ろうとしています。

わずか数百ノードのアクセラレーテッドコンピューティングがあれば、各国は高効率で高性能なエクサスケールの AI スーパーコンピューターを迅速に構築できるようになります。政府が資金を提供する生成 AI の中核拠点は、新たな雇用を創出し、次世代の科学者、研究者、エンジニアを生み出すためのより強力な大学プログラムを構築することで、各国の経済成長を後押しします。

量子の飛躍：企業のリーダーは、次の 2 つの重要な推進力に基づいて量子コンピューティングの研究イニシアチブを立ち上げるでしょう。1 つは、量子プロセッサーをシミュレートするために従来の AI スーパーコンピューターを使用できること、そしてもう 1 つは、ハイブリッド古典量子コンピューティングのためのオープンで統一された開発プラットフォームが利用可能であることです。これによって開発者は、量子アルゴリズムを構築するためにカスタムで専門的な知識を必要とせず、標準的なプログラミング言語を使用することができます。

かつてはコンピューターサイエンスのニッチな分野と考えられていた量子コンピューティングの探求は、材料科学、製薬研究、素粒子物理学、ロジスティクスにおける急速な進歩を追求する学界や国立研究所に企業が加わるにつれて、主流となるでしょう。

カリブリスキ (Kari Briski)
AI ソフトウェア担当バイスプレジデント

RAG から富へ：2024 年、企業が AI フレームワークを採用するにつれて、Retrieval-Augmented Generation についてさらに多くのことを耳にするようになるでしょう。

生成 AI アプリケーションやサービスを構築するために LLM をトレーニングする際、モデルが特定のユースケースに十分な正確さと関連性のある情報にアクセスできない場合に発生する不正確さや無意味な返答に対する一つの対策として、RAG は広く受け入れられています。

セマンティック検索を使うことで、企業はオープンソースの基盤モデルを利用し、独自のデータを取り込み、ユーザーのクエリがインデックスから関連データを取得し、実行時にモデルに渡せるようになります。

その結果、企業はより少ないリソースで、ヘルスケア、金融、小売、製造などの分野で、より正確な生成 AI アプリケーションを実現できます。エンドユーザーは、より洗練された、文脈に敏感なマルチモーダルなチャットボットや、パーソナライズされたコンテンツレコメンデーションシステムの登場で、自然かつ直感的なデータとの対話に期待できます。

マルチモダリティが台頭：テキストベースの生成 AI は過去のものになりつつあります。生成 AI がまだ初期段階にあるとしても、多くの産業がマルチモーダル LLM を採用し、消費者がテキスト、音声、画像を組み合わせて使用することで、表、グラフ、図式に関するクエリに対して、より文脈に即した回答を提供できるようになることが期待されます。

Meta や Open AI のような企業は、物理科学、生物科学、そして社会全般の進歩につながる感覚へのサポートを強化することで、マルチモーダル生成 AI の限界を押し広げようとしています。企業はテキスト形式だけでなく、PDF、グラフ、チャート、スライドなどでもデータを理解できるようになるでしょう。

ニッキーロープ (NIKKI POPE)
AI 兼法曹倫理部門責任者

AI の安全性にターゲットを絞る：主要な AI 組織間の協力により、堅牢で安全な AI システムの研究開発が加速するでしょう。標準化された安全なプロトコルやベストプラクティスが登場し、業界全体で採用されることで、生成 AI モデル全体で一貫した高い安全性の確保が期待されます。

企業は、AI システムの透明性と説明可能性への注力を強め、複雑な AI モデルの意思決定プロセスに光を当てるために新しいツールと方法論を使用するようになるでしょう。生成 AI のエコシステムが安全性を中心に結集するにつれ、AI 技術はより信頼性が高くなり、人間の価値観に沿ったものになると予想します。

リチャードケリス (Richard Kerris)
デベロッパーリレーションズ担当バイスプレジデント、メディアエンターテインメント部門責任者

開発の民主化：事実上、誰でも、どこでも、すぐに開発者になれるでしょう。従来、アプリケーションやサービスを開発するには、特定の開発言語を熟知し、使いこなす必要がありました。コンピューティングインフラストラクチャがソフトウェア開発の言語について、ますますトレーニングされるようになると、誰でもマシンに指示してアプリケーションやサービス、デバイスサポートなどの作成に即座に取り掛かることができるようになります。

企業は、AI モデルやその他の専門的なアプリケーションを構築、トレーニングする開発者を雇い続けるでしょうが、適切なスキルセットを持つ人なら誰でも、カスタムの製品やサービスを構築できる機会が大幅に広がることが予想されます。テキスト入力や音声プロンプトに助けられ、コンピューターとのインタラクションは口頭で指示するのと同じくらいシンプルなものになるでしょう。

映画と歌における『Now And Then』：新しい「AI 拡張ソング」が The Beatles マニアに新たな旋風を巻き起こしたように、初の長編生成 AI 映画の幕開けは映画業界に衝撃を与えるでしょう。

例えば、35mm フィルムカメラで撮影する映画監督は、同じコンテンツを生成 AIを使って 70mm 作品にすぐに変換することができ、IMAX フォーマットでの映画制作にかかる多大なコストを削減し、より幅広い監督たちが参加できるようになります。

クリエイターは、テキスト、画像、動画でコンピューターにプロンプトを出すことで、美しい画像や動画を新しいタイプのエンターテインメントに変換します。プロフェッショナルの中には、自分たちの技術が取って代わられるのではないかと心配する人もいますが、生成 AI が特定のタスクについてよりよくトレーニングされるようになれば、こういった問題は薄れていくでしょう。その結果、他のタスクに取り組む手が空き、アーティストに優しいインターフェイスを備えた新しいツールが提供されることになります。

キンバリーパウエル (Kimberly Powell)
ヘルスケア担当バイスプレジデント

AI 手術アシスタント：外科医が音声を使って、手術室の内外で見たり理解したりすることを拡張できる日が来ました。

器具、画像、ロボティクス、リアルタイムの患者データを AI と組み合わせることで、より優れた外科医のトレーニング、手術中のパーソナライゼーションが実現し、遠隔手術中であってもリアルタイムのフィードバックとガイダンスによる安全性の向上につながります。これにより、特に中低所得国において、必要でありながら行われていない 1 億 5,000 万件の手術のギャップを埋められます。

生成 AI による創薬工場：生成 AI による分子生成、特性予測、複雑なモデリングが、インテリジェントなラボインザループのフライホイールを駆動し、発見までの時間を短縮し、臨床的に有効な医薬品候補の質を向上させる、新たな創薬プロセスが出現しつつあります。

このような AI による創薬工場では、全ゲノム、原子分解能の機器、24 時間 365 日稼働可能なロボットラボオートメーションを用いて、膨大なヘルスケアデータセットを用いています。コンピューターは初めて、膨大で複雑なデータセットの中からパターンと関係を学習し、これまでは時間のかかる実験観察と人間の合成によってしか発見できなかった複雑な生物学的関係を生成、予測、モデル化することになります。

マルコムデマヨ (Malcolm DeMayo)
DGX プラットフォーム担当バイスプレジデント

企業がオーダーメイドの LLM をクラウドに導入：企業が 2023 年から学んだことのひとつは、LLM をゼロから構築するのは容易ではないということです。新しいインフラやテクノロジに投資する必要があるため、この方法を取る企業はしばしば気後れし、いつ、どのように他の企業イニシアチブを優先させるべきかを見極めるのに苦労しています。

クラウドサービスプロバイダー、コロケーションプロバイダー、そして他のビジネスのためにデータを扱い処理する他の企業は、フルスタックの AI スーパーコンピューティングとソフトウェアで企業を支援します。これにより、業種を問わず、事前トレーニング済みモデルのカスタマイズとその展開が容易になります。

企業データレイクで LLM の金を釣る：平均的な企業が保有する情報量に関する統計は枚挙にいとまがなく、大企業では数百ペタバイトに達することもあるほどです。しかし、多くの企業が実用的な洞察のためにマイニングしている情報は、その半分にも満たないと報告されています。

2024 年、企業は LLM の構築とカスタマイズに生成 AI を活用することで、未開拓のデータを有効活用し始めるでしょう。AI を搭載したスーパーコンピューティングにより、企業はチャット、ビデオ、コードなどの非構造化データのマイニングを開始し、生成 AI の開発をマルチモーダルモデルのトレーニングに拡大します。表やその他の構造化データをマイニングする能力を超えるこの飛躍によって、企業は質問に対してより具体的な回答を提供し、新たな機会を見つけられるようになります。これには、健康スキャンにおける異常の検出、小売業における新たなトレンドの発見、事業運営の安全性向上などが含まれます。

アジータマーティン (Azita Martin)
リテール、消費財、クイックサービスレストラン担当バイスプレジデント

AI ショッピングアドバイザー：小売企業は、顧客一人ひとりのニーズや嗜好に沿った、人間らしい、より高度なオムニチャネルショッピング体験を提供する一方で、顧客と望む商品を結びつけるという 2 つのニーズに取り組んでいます。

このような目標を達成するため、小売企業は、最先端の生成 AI を搭載したショッピングアドバイザーの導入に向けて準備を進めています。このショッピングアドバイザーは、小売企業の明確なブランド、商品、顧客データに関する綿密なトレーニングを受け、人間のアシスタントのニュアンスに富んだ専門知識を模倣しており、ブランドに適したガイド付きのパーソナライズされたショッピングジャーニーを保証します。この革新的なアプローチは、ブランドを際立たせ、パーソナライズされた支援を提供することで、顧客ロイヤルティを高めるのに役立つでしょう。

安全確保：組織化された小売犯罪がますます巧妙化、合同化される中、世界中の小売企業は、増大する課題に直面しています。全米小売業協会 (National Retail Federation) の報告によると、パンデミック後の小売窃盗の急増以来、小売業者はこのような事件を 26.5％という驚異的な急増で経験しています。

顧客と従業員の両方に対して店舗での体験の安全性とセキュリティを強化するために、小売業者はコンピュータービジョンと物理的セキュリティ情報管理ソフトウェアを使用して、異種のセキュリティシステムからのイベントを収集し、関連付けることを始めるでしょう。これにより AI が、武器の所持や、棚から商品を大量にひったくるといった異常な行動を検知できるようになります。また、小売業者が犯罪行為を積極的に阻止し、より安全なショッピング環境を維持するのにも役立つでしょう。

レヴレバレディアン (Rev Lebaredian)
Omniverse、シミュレーションテクノロジ担当バイスプレジデント

産業のデジタル化と生成 AI の融合：産業のデジタル化と生成 AI の融合は、産業の変革を促進します。

生成 AI は、ジオメトリ、光、物理、物質、行動など、物理世界の側面をデジタルデータに変えることを容易にします。物理的世界のデジタル化を民主化することで、産業企業を加速し、製品の設計、最適化、製造、販売をより効率的に行えるようになります。また、自律型ロボットや自動運転車など、物理世界の中で相互作用し、動作する新世代の AI をトレーニングするための仮想訓練場や合成データを、より簡単に作成することも可能となります。

3D 相互運用性が始動：図面から工場現場まで、データは初めて相互運用可能になります。

製造業、製品設計、小売業、電子商取引、ロボティクス産業など、世界で最も影響力のあるソフトウェア企業や実務家が、新たに設立された Alliance for OpenUSD に参加しています。3D ツールとデータ間の共通言語である OpenUSD は、データのサイロ化を解消し、データレイク、ツールシステム、専門チーム間のコラボレーションをこれまで以上に簡単かつ迅速に行うことを可能にし、これまで煩雑だった手作業による工業プロセスのデジタル化を加速します。

シンジョウウー (Xinzhou Wu)
自動車担当バイスプレジデント兼ゼネラルマネージャー

自動車生産ライフサイクルの近代化：自動車業界は生成 AI をさらに導入し、物理的に正確でフォトリアリスティックなレンダリングを提供することで、自動車の内部と外部の外観を正確に示すとともに、デザインレビューの迅速化、コスト削減を行い、効率を向上させます。

より多くの自動車メーカーがこの技術をスマート工場に導入し、設計とエンジニアリングツールを接続して生産設備のデジタルツインを構築するでしょう。これにより、工場ラインを停止することなくコストを削減し、オペレーションを合理化することができます。

生成 AI は、消費者のリサーチと購買をよりインタラクティブにします。車のコンフィギュレーターや 3D ビジュアライゼーションから、拡張現実のデモンストレーションやバーチャル試乗まで、消費者はより魅力的で楽しいショッピング体験ができるようになるでしょう。

安全性は偶然の産物ではない：自動車の製品ライフサイクルにとどまらず、生成 AI は、記録されたセンサーデータを完全にインタラクティブな 3D シミュレーションに変えるなど、自律走行車 (AV) 開発におけるブレイクスルーも可能にします。このようなデジタルツイン環境と合成データ生成は、AV が実世界に展開される前に、安全に開発、テスト、検証を行うためにバーチャルで使用されます。

生成 AI の基盤モデルは、自動車の AI システムをサポートし、車内外でパーソナライズされた新しいユーザー体験や能力、安全機能を実現します。

車を運転する体験は、より安全かつスマートで、楽しいものになるでしょう。

ボブペティ (Bob Pette)
エンタープライズプラットフォーム担当バイスプレジデント

生成 AI による新たな構築：生成 AI は、大規模言語モデルに話しかけるだけで自動車を設計したり、新たな技術や設計原理を使ってゼロから都市を創造したりすることを可能にします。

建築、エンジニアリング、建設、オペレーション (AECO) 業界は、生成 AI を道しるべとして未来を構築しています。AECO と製造業における何百もの生成 AI のスタートアップ企業と顧客は、設計の最適化、マーケットインテリジェンス、建設管理、物理予測など、事実上あらゆるユースケースに対応するソリューションの創出に注力するでしょう。AI は、効率性の向上、無駄の削減、生産と持続可能性へのまったく新しいアプローチを約束する製造業の進化を加速させるでしょう。

開発者や企業は特に、LiDAR を使って建造物や自然環境の正確な詳細表現を生成する点群データ解析に注目しています。これは、生成 AI によるワークフローを通じて、忠実度の高い洞察や分析につながる可能性があります。

ギラッドシャイナー (Gilad Shainer)
ネットワーク担当バイスプレジデント

AI の流入が接続需要を刺激：GPU や GPU ベースのシステムを使用したアクセラレーテッドコンピューティングに必要なネットワーク帯域幅を企業が求めるにつれ、ネットワークの効率と性能に再び注目が集まるでしょう。

兆パラメータの LLM は、より高速な伝送速度と高いカバレッジの必要性を明らかにします。生成 AI アプリケーションを迅速に展開したい企業は、アクセラレーテッドネットワーキングテクノロジに投資するか、それを提供するクラウドサービスプロバイダーを選択する必要があります。最適な接続性の鍵は、次世代ハードウェアとソフトウェアを組み合わせたフルスタックシステムに組み込むことです。

データセンター設計の決定的要素：すべてのデータセンターが同じである必要はありません。データセンターの目的を決定することは、その中で使用する適切なネットワーキングを選択するための第一歩です。従来のデータセンターは帯域幅が限られているのに対し、大規模な AI ワークロードを実行できるデータセンターでは、非常に決定論的で低遅延で動作する数千の GPU が必要です。

大規模な全負荷時にネットワークがどのような能力を発揮できるかが、パフォーマンスを決定する最大の要因です。企業のデータセンター接続の未来には、管理ネットワーク (南北ネットワーク) と AI ネットワーク (東西ネットワーク) の分離が必要で、AI ネットワークには、ハイパフォーマンスコンピューティング、AI、ハイパースケールクラウドインフラ向けに特別に設計されたネットワーク内コンピューティングが含まれます。

デビッドリベル (David Reber)
セキュリティ最高責任者

セキュリティモデルを AI に適応させる際の明確さ：アプリ中心のセキュリティからデータ中心のセキュリティへの軸足が本格化しています。データは LLM の基本的なサプライチェーンであり、生成 AI の未来でもあります。企業は今まさに、この問題が大規模に展開するのを目の当たりにしています。企業は、安全な開発ライフサイクル (SDLC) を再定義するために、人材、プロセス、テクノロジを再評価する必要があります。業界全体は、信頼へのアプローチを再定義し、透明性が何を意味するのかを明確にするでしょう。

新世代のサイバーツールが誕生します。AI の SDLC は、コマンドラインインターフェースから人間の言語インターフェースへの移行に対応するツールと、期待の新しいマーケットリーダーによって定義されるでしょう。より多くの企業が、Meta の Llama 2 のようなオープンソースの LLM を使用し、生成 AI の出力を加速する方向に移行するにつれ、その必要性は特に重要になるでしょう。

AI によるセキュリティの拡大：サイバーセキュリティ分野への AI の応用により、これまでにない脅威が検知されます。現在、サイバー防衛のために利用されているグローバルデータはごくわずかです。その一方で、攻撃者はあらゆる設定ミスを利用し続けています。

企業は、実験することで新たな脅威やリスクの特定における AI の可能性を認識できます。サイバーコパイロットは、企業ユーザーがフィッシングやコンフィギュレーションをナビゲートするのに役立つでしょう。この技術が効果を発揮するためには、企業は仕事と私生活の交差点に内在するプライバシーの問題に取り組み、データ中心の環境における集団的防御を可能にする必要があります。

脅威が増大し続ける中、テクノロジへのアクセスを民主化すると同時に、AI は新世代のサイバーセキュリティ対策をも可能にします。企業がそれぞれの脅威を明確にすると、AI は大量のデータを生成し、下流の検知器をトレーニングしてこれらの脅威を防御し、検知します。

ロニーヴァシシュタ (Ronnie Vasishta)
通信事業担当シニアバイスプレジデント

RAN への移行または RAN からの移行：5G への投資ケースの大幅な見直しが予想されます。

5G が始まって 5 年が経過し、ネットワークのカバレッジとキャパシティは急拡大していますが、収益の伸びは鈍く、専用で柔軟性に欠けるインフラのコストは上昇しています。一方、5G RAN の利用率は 40％以下にとどまっています。

新しい年は、既存の周波数帯で新たな収益源を積極的に追求し、収益化可能な新たなアプリケーションを発掘する年になるでしょう。また、通信事業者は設備投資構造を見直し、汎用コンポーネントを基盤とした柔軟で高稼働率のインフラにより重点を置くことが予想されます。また、企業が AI ツールを活用してパフォーマンスを向上させ、効率の改善、コストの削減をすることで、営業経費が全体的に削減されることも予想されます。こうした取り組みの結果次第で、通信事業者の 6G 技術への投資額が決まるでしょう。

チャットボットからネットワーク管理：通信事業者はすでにチャットボットやバーチャルアシスタントに生成 AI を活用し、顧客サービスやサポートを改善しています。新しい年には、ネットワークの計画と最適化、障害や不正の検出、予測分析とメンテナンス、サイバーセキュリティの運用とエネルギーの最適化などの分野で、運用改善のための生成 AI の使用を強化し、倍増させるでしょう。

生成 AI がどのようにして普及し、戦略的になりつつあるかを考えると、その成長をサポートする新しいタイプの AI ファクトリーインフラストラクチャの構築もまた、急務となるでしょう。ますます多くの通信事業者が、内部使用のために AI ファクトリーを構築するだけでなく、開発者向けのサービスとしてのプラットフォームとしてこれらのファクトリーを展開すると思われます。その同じインフラは、追加のテナントとして RAN をサポートできるようになるでしょう。

マルコムデマヨ (Malcolm DeMayo)
金融サービス担当バイスプレジデント

AI ファーストの金融サービス：AI の進歩が指数関数的に増大する中、金融サービス企業は、データにこそ、計算能力を使うようになるでしょう。

企業は、急速な技術進歩の中で集中リスクを軽減し、俊敏性を維持する必要性から、拡張性の高いオンプレミスインフラとクラウドベースのコンピューティングを組み合わせたハイブリッドへと戦略的に移行していくでしょう。AI を活用したカスタマーサービスアシスタント、不正検知、リスク管理など、最もミッションクリティカルなワークロードを扱う企業がリードすることになるでしょう。

マークシュピーラー (Marc Spieler)
エネルギー担当シニアディレクター

Physics-ML によるシミュレーションの高速化：エネルギー企業は、シミュレーションの高速化、産業プロセスの最適化、意思決定の強化のために、物理に基づいた機械学習 (Physics-ML) をますます活用するようになるでしょう。

Physics-ML は、従来の物理ベースのモデルと高度な機械学習アルゴリズムを統合し、複雑な物理現象を迅速かつ正確にシミュレーションするための強力なツールを提供します。例えば、エネルギー探査や生産において、Physics-ML は地下地質を迅速にモデル化し、探査候補地の特定や操業および環境リスクの評価に役立てることができます。

風力発電や太陽光発電のような再生可能エネルギー分野では、Physics-ML は予知保全において重要な役割を果たし、エネルギー企業が機器の故障を予見し、ダウンタイムとコストを削減するために積極的にメンテナンスのスケジュールが立てられるようになります。コンピュート能力とデータの可用性が高まり続ける中、Physics-ML はエネルギー企業がシミュレーションやモデリング作業に取り組む方法を変革し、より効率的で持続可能なエネルギー生産を実現する態勢を整えています。

LLM – より良い運用成果のための修正：Physics-ML と組み合わせることで、LLM はエネルギー機器からの広範な履歴データとリアルタイムのセンサー入力を分析し、潜在的な故障やメンテナンスの必要性を事前に予測します。このプロアクティブなアプローチは、予期せぬダウンタイムを減らし、タービン、発電機、ソーラーパネル、その他の重要なインフラの寿命を延ばします。LLM はまた、メンテナンススケジュールとリソース配分の最適化にも役立ち、修理や点検が効率的に実施されることを保証します。最終的には、予知保全における LLM の利用は、エネルギー会社のコストを削減し、消費者に対する安定したエネルギー供給に貢献します。

ディープゥタッラ (Deepu Talla)
組み込みおよびエッジコンピューティング担当バイスプレジデント

ロボティクスプログラマーの台頭：LLM はロボティクスエンジニアにとって急速な改善をもたらすでしょう。生成 AI は、ロボットのコードを開発し、ロボットをテスト、トレーニングするための新しいシミュレーションを作成します。

LLM は、3D シーンを自動的に作成し、環境を構築し、入力からアセットを生成することで、シミュレーション開発を加速します。その結果得られるシミュレーションアセットは、合成データの生成、ロボットの技能トレーニング、ロボティクスアプリケーションのテストなどのワークフローに不可欠です。

ロボティクスエンジニアを支援するだけでなく、LLM のエンジンである Transformer AI モデルは、ロボット自身をより賢くし、複雑な環境をよりよく理解し、その中で幅広いスキルをより効果的に実行することが可能となります。

ロボティクス産業が拡大するためには、ロボットがより汎用的になる必要があります。つまり、より迅速にスキルを習得したり、新しい環境にロボットを導入したりする必要があるということです。シミュレーションでトレーニングされ、テストされた生成 AI モデルは、より強力で柔軟性があり、使いやすいロボットを目指す上で重要な成功要因となるでしょう。