人工知能の波が次々と進んでいく中、多くの力がクラウドの計算能力の競争に集中している一方、面壁インテリジェンスはまったく異なる道を選びました。大規模なモデルを圧縮し、スマートフォンや自動車、さらにはクマの形をしたおもちゃにもスムーズに動作させることに成功しました。面壁インテリジェンスの共同創業者兼CTOである28歳の曽国洋氏は、このエッジAIの変革を体験し、推進しています。

曽国洋氏のAIの道は非常に早い段階から始まりました。22歳の頃、彼は中国初の大規模言語モデル「CPM-1」の訓練を主導しました。その頃、ユーザーによって「タイプライター」と呼ばれたシンプルなウェブページは、最初のAI研究者が生成型モデルの力を見据えるきっかけとなりました。その後の数年間で、BERTからGPTへのアーキテクチャの変化を見届け、生成型AIがより高い知能への道だと信じ続けました。

image.png

現在、面壁インテリジェンスでは、曽国洋氏はチームとともに「知識密度」に注目しています。彼らは、単純にパラメータを増やすことがAI発展の唯一の道ではないと考えています。「モデル風洞」技術を通じて、小規模な実験の中で効率的にモデルの効果を検証・予測することを可能にしました。このアプローチの核心は、「知識密度」が3.5か月ごとに倍増し、同等の知能を必要とするパラメータの規模が指数関数的に減少するというものです。面壁が公開したMiniCPMの場合、2Bのパラメータ規模で、同期の8Bの競合に対して性能で勝り、エッジ側市場で一席を占めることに成功しました。

AIの実用化における根本的な論理は、「クラウドの計算力」から「深い理解」へと移っています。曽国洋氏によると、エッジ側モデルは消費電力、遅延、ハードウェアの適合性といった工学的な課題を解決するだけでなく、真正の人格的記憶を持つ必要があります。彼は「ミラーシステム」の構想を紹介しました。今後、AIは単なる指示に機械的に応答するだけでなく、行動パターンのデータベースをもとに、ユーザーが口を開く前に部屋の温度を調整したり、出発経路を計画したりするような「無感覚」な知能がエッジAIの究極の形態です。

この目標を実現するために、チームはトレーニングプロセスを深く再構築しています。面壁インテリジェンスは、ForgeTrainと呼ばれるトレーニングフレームワークを開発し、データ管理からハードウェア配置までの五段階分層基準を設けました。曽国洋氏は、データの質がモデルの上限を決めるものであり、すべてのアルゴリズムエンジニアがデータの底層に深く入り込み、モデルに入力される知識に欠陥がないことを確保する必要があると強調しています。