あらゆる規模とあらゆる領域での性能：Liquid AI が ROI を生み出す方法と場所

品質、効率、説明性：私たちのモデルは何が違うのか

私たちのモデルは平均して、品質と効率を両立し、モデルがどのように、なぜその出力を生成したのかを可視化し、同じタスクをこなす同等の Transformer 系モデルよりも消費電力とメモリを大幅に抑えます。

もう少し詳しく見ていきましょう。

  • 消費電力とメモリのフットプリントが小さい：他の基盤モデルはデバイス上で膨大なメモリを必要とし、より複雑なハードウェアを要求してオンデバイス計算の用途を狭めます。LFM なら、最大 100 万トークン相当のデータを 16 ギガバイトのメモリに収めながら、高品質な出力を維持できます。
  • 類を見ない透明性：Transformer ベースのモデルがどのように出力を生成したのかを理解するのは、しばしば困難です。私たちの DevKit はその課題を解決します。「model.explain」と入力するだけで、モデルは出力の生成に用いたすべての軸を説明し、モデルがどのような手順で答えに至ったのかを組織に明快に示します。
  • 効率と品質を両立する：私たちはモデル設計に全体論的に取り組み、データ、学習アルゴリズム、事後学習の手順を統合することで、各要素が全体とどう作用し合うかを最適化しています。この効率的なアプローチと、粒度の細かい社内評価を組み合わせることで、さまざまなアーキテクチャ・データ・学習手法の強みと弱みを見極め、継続的な改善と卓越した性能を実現しています。

市場投入までの速さが効く：数か月ではなく数週間で導入

企業は、透明性と説明性、エネルギーとメモリの消費、レイテンシ、プライバシーといった課題を解決でき、しかもそれを数週間や数か月ではなく数日で立ち上げられます。

より高い能力、説明可能な出力、より小さなフットプリントを備えた LFM は、組織を今いる場所で迎え入れます。現在のリソース、人材、技術スタックのまま、モダリティと業界を横断して AI の目標に到達できます。

スケールするモデル：ご提供するもの

Liquid は、Raspberry Pi、モバイルデバイス、そしてエンタープライズ規模で動作する 3 種類のスケールで、業種特化のベース LFM を提供しています。各モデルはLiquid の社内評価によってファインチューニングされており、将来的には各組織が独自の開発・運用シナリオに合わせて、オンプレミスまたはクラウドでさらにファインチューニングできるようになります。

  • 1.3B モデル：Raspberry Pi のような低消費電力の小型デバイス上でモデルを動作させる必要がある、リソースが極めて限られた環境への展開に適しています。Raspberry Pi に移植された 1.3B モデルが「水素の同位体について説明して」という問いに応答する様子をご覧ください。
  • 3.1B モデル：スマートフォン、ノート PC、ロボットなど、計算が行われるあらゆる場所でのエッジ展開に最適化されています。3.1B の音声モデルがボストンでの過ごし方について会話し、テックイベントでのネットワーキングのコツを伝える様子をご覧ください。次に、オフラインの 3.1B テキストモデルがハロウィンの仮装アイデアを提案する様子、そして最後に、カスタムアプリ上で動作する専用の 3.1B モデルが、テクニカルサポート担当者の音声入力を構造化された出力に変換する様子もご紹介します。
  • 40.3B Mixture of Experts（MoE）モデル：単一の GPU を用いたクラウドまたはオンプレミスでの展開向けに設計されています。最も高性能かつ最大のバリアントであり、より複雑なタスクに最適です。40.3B モデルが、元の学習データには含まれていなかった Web 検索の追加データを用いて回答する様子をご覧ください。

LFM の活用方法と活用先

これらの LFM は、他のモデルが動かせない場所で動くだけでなく、多様な系列データを理解できます。

  • Language LFMs：チャットボットやカスタマーサポートの自動化から、複雑な推論や数学的な問い合わせまで、幅広い自然言語処理タスクに対応します。
  • Bio LFMs：生物学データを解析してタンパク質の言語を学習し、新たなタンパク質を生成することで、バイオテクノロジーと治療研究を加速します。
  • Drive LFMs：物理世界をシミュレートして自律システムを学習・検証し、時間帯、走行条件、天候にかかわらず結果を予測します。
  • Transaction LFMs：金融取引を精査して不正を検知し、疑わしい活動を予測・特定することで資産を守ります。
  • TimeSeries LFMs：複雑で構造化された時系列データの予測、トレンド分析、モニタリングに最適で、従来のモデルよりも効果的に非線形な関係を扱えます。

LFM を試す方法と、さらに詳しく知るには

現在、各組織は Liquid の 1.3B および 3.1B モデルを、クラウド経由で Liquid AI Playground からお試しいただけます。また、一部の組織には共同開発にご参加いただいています。オンプレミスやオンデバイス展開向けのモデルはまだアルファ版ですが、ご用意ができ次第ご連絡いたします。

詳しくは先日のローンチイベントをご覧いただくか、こちら から私たちのチームへ直接お問い合わせのうえ、AI ソリューションの構築を始めましょう。