次世代のAIインフラを構築する (Japanese Edition)

第1章 　AIインフラの万歳

この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている：[e-mail]

AIインフラという概念は新しいものではないが、世界中の組織がAIの導入レベルを拡大するにつれ、その関連性はますます高まっている。事前学習済みのジェネレーティブAIの時代であっても、組織には依然として堅牢なプラットフォームと特殊化されたハードウェアが必要だ。強固なアーキテクチャ基盤の欠如は、独自のベアメタル環境を持たない企業にとって大きなボトルネックとなっている。 さらに、インフラの性質は時間とともに変化する。新しい機械学習（ML）やディープラーニング（DL）モデルのトレーニング、既存の大規模言語モデル（LLM）のファインチューニング、あるいは最終的なAIデプロイメントの本番環境への移行と推論を行う場合では、求められる要件が異なるからだ。

また、AIインフラの役割は、単なる科学活動から、AIを活用したアプリケーションを大規模に展開するための科学とエンジニアリングの融合へと明確にシフトしている現在においても関連がある。この融合は双方の長所を兼ね備えているが、新製品開発において実験が常態化していることや、既存のリソースを実用的かつ効率的、かつ強力に連携させるための拡張性（コンテキストに応じてその意味は異なるが）といった考慮事項も含まれる。 その自然な帰結として、日々の業務の性質は今や変化している。以前はデータソースの準備やマイニングが中心だったが、今日では――ほとんどの組織において――技術的な管理業務やAPIを活用したAI機能のデプロイメントが中心となり、注目は従来の開発活動へと移っている。

しかし、AIもこの業界を取り巻くブームも新しいものではない。では、一体何が変化したのか？ マクロレベルやビジネスレベルで何が起きており、AI導入の急務や必要性を感じさせているのか？ そしてさらに重要なのは、それをどう理解し、体系的かつ効率的な方法で計画を立てる準備を整えるかだ。最初に戻って考えてみよう。

ビジネス環境は変化しており、AIが主役となっている

そう、AIは定着した。業界の期待よりも大きな、あるいは小さな影響を伴い、企業や選択されたユースケースによってその影響の度合いは異なるものの、人工知能（AIの包括的な用語として、ML、DL、自然言語処理[NLP]から、GenAI、さらにはオペレーションズリサーチや最適化エンジンに至るまで、情報源によって定義が異なる）は、組織の考え方、販売方法、計画、そして成功の在り方に影響を与えている。

技術に対する熱狂と失望を繰り返してきた過去の時代（AIも、いわゆるAIの「夏」と「冬」において、初期の注目が巨額の投資撤退や批判へと転じた経験がある）と比較すると、企業がAIに取り組む姿勢には確かな実感が伴っている。 それは、かつて想像もできなかった方法で情報にアクセスできるようになるという現実感だけでなく、AIエージェントを用いて従来手作業だったタスクを自動化する具体的な能力、そしてこれまでのどの技術でも実現できなかった方法でユーザインタフェースやユーザ体験を動的に変換する能力としても現れている。これは、中核となる技術ブロックとビジネス環境の両方が同時に進化していることを意味する。単に新しいモデルやインフラを採用するだけでなく、全く新しいニーズに基づいて技術的能力を活用することなのである。

考えてみてほしい。私たちは皆、コマンドラインやグラフィカルユーザインタフェースを使って仕事をしているが、それらはすでに長い間存在している。世界は情報にアクセスする新しい方法を待ち望んでいたが、ChatGPTやMicrosoft ...