今回のテーマは「シングルモーダルAI」と「マルチモーダルAI」です。世界で活躍している両AIの導入事例をご紹介しながら、AI本人と一緒に考察していきます。どうぞ最後までお楽しみください。

シングルモーダルAIとマルチモーダルAI｜実際の活用事例をAIと一緒に考察

シングルモーダルAIの活用事例

自動生成分野

「Jasper」(外部リンク)は、マーケティングコピーやブログ記事などのテキストコンテンツを自動生成してくれるAIサービスで、企業のコンテンツ制作やSNS投稿の作成支援として活用されています。

医療画像分野

「Aidoc」(外部リンク)は、放射線画像(CT、MRIなど)を解析して異常検出や診断支援を行うAIシステムを提供しており、このAIシステムは診断精度の向上、病気の早期発見に大きく寄与しています。

音声認識分野

「Amazon Alexa (アマゾン・アレクサ)」(外部リンク)は、ユーザーの音声コマンドを解析しながら、家電の操作や情報提供、スケジュール管理などを行う音声特化型のAIアシスタントです。

マルチモーダルAIについて

マルチモーダルAIは、シングルモーダルAIには出来ない”異なる情報の統合処理”が可能です。異なる食材を見ながら、それらを活用できる最適な「メニュー」を作り出せる存在と言えるでしょう。

マルチモーダルAIの活用事例

医療分野

「Tempus」(外部リンク)は、臨床記録や医療画像、ゲノム情報などの異なるな医療データを解析・統合しながら、「がん治療」の最適な意思決定を支援するAIプラットフォームを提供している企業です。

自動運転分野

「Waymo」(外部リンク)は、カメラ、LiDAR、レーダーなど複数のセンサー情報を元に、AIが高度な自動運転技術を実現するロボタクシーサービス企業で、アメリカ国内において確かな実績を残しています。

なお、テスラが推進している「FSD」システムは、カメラ映像のみをシングルモーダルAIが解析するスタイルをとっており、Waymoのシステムとは全く異なるアプローチと言えます。

映像解析分野

「NVIDIA Metropolis」(外部リンク)は、マルチモーダルAIの特性を活用した次世代型の「ビデオ解析プラットフォーム」で、都市開発や小売店舗、製造現場などで多くの導入事例を誇っています。

シングルモーダルAIの映像解析とは異なり、音声やテキストも統合しながら解析を行える点が特徴で、テキストで映像内を検索したり、映像の内容を文章で要約したりといった解析が可能です。

マーケティング分野

「Brandwatch」(外部リンク)は、ソーシャルメディア上のテキスト・画像・動画などの多角的なデータを解析して、消費者の感情分析やブランド評価、トレンド洞察を提供するマーケティング解析ツールです。

まとめ

シングルモーダルAIとマルチモーダルAIには、「どちらが優れてどちらが劣っている」ということはありません。それぞれ他のモデルにはない長所があるため、分野別に導入することが最も大切と言えます。

AI本人は未来予測の中で、これらの区別を超える存在のAI「AGI」が誕生することを予見しています。世界でAI開発が加速していく中で、さらに優れた能力を持つAIが誕生する日が来るかもしれません。