急速にピーク期に達した生成AI
Gartnerのハイプ・サイクルは、テクノロジーが時間の経過と共にどんな進化を遂げるのかを視覚的に表現するものだ。通常、「過剰な期待（ハイプ）のピーク期」にあるテクノロジーは、実態とのギャップが大きい状況にある。それが幻滅期に進むと、徐々にギャップが小さくなるのだが、「生成AIのハイプ・サイクル：2023年」を見ると、幻滅期以降にマッピングされたテクノロジーが一つもないことに気づく。また、過剰な期待（ハイプ）のピーク期から、幻滅期を経て、啓発期に向かうまでに要する期間は2〜10年とされている。ソンダーソン氏は、「生成AIは世の中に出てきたばかりで、まだ幻滅されるには早すぎる。だからハイプの状態が続いている。テクノロジーによっては、あたかも幻滅期がなかったかのように、急速に成熟が進む場合もあれば、現在を上回る革新的なテクノロジーが登場し、ピークがさらに高くなる可能性もある」と説明した。
図1：「生成AIのハイプ・サイクル：2023年」（出典：Gartner〔2023年12月〕）
[クリックすると拡大します]
生成AIのテクノロジーはケーキのようなもので、その構成要素は層のように積み重なっている。これを企業の投資意欲の順で考えると、「モデル」「エンジニアリングツール」「アプリケーション」「インフラストラクチャーとイネーブルメント」の4つに分類できる。ソンダーソン氏はそれぞれの分類に該当するテクノロジーは以下のように整理してくれた。
- モデル：ファウンデーションモデル、大規模言語モデル（LLM）、ドメイン固有の生成AIモデル、オープンソースのLLM、エッジLLM、モデルハブ、汎用AI、マルチモーダル生成AI
- エンジニアリングツール：プロンプトエンジニアリング、LangOps、検索拡張生成（RAG）、人間のフィードバックによる強化学習（RLHF）、ベクトルデータベース、生成AIアプリケーションオーケストレーション
- アプリケーション：生成AI対応仮想アシスタント、生成AI対応アプリケーション、AI拡張型ソフトウェアエンジニアリング、AI TRiSM、シンセティックデータ、自律エージェント
- インフラとイネーブルメント：生成AIワークロード向けアクセラレーター、AIシミュレーション、自己教師あり学習、転移学習
