学習
GenAIエコシステム

知っておくべきマルチモーダルAIモデル・ベスト10

Sep 03, 20241 分で読めます

マルチモーダルモデルとは、複数の種類のデータを同時に処理・統合するAIシステムのことである。

シリーズ全体を読む

#はじめに

人工知能はここ数年で飛躍的な進歩を遂げたが、その中でも最もエキサイティングな発展のひとつが、マルチモーダルモデルの台頭である。これらのモデルは、テキスト、画像、音声のような1種類のデータを扱うだけでなく、それらを組み合わせることで、より賢く、より直感的なシステムを作り出す。この変化により、AIは人間の理解を模倣した方法で世界と相互作用することができるようになり、より汎用性が高くなった。

マルチモーダルモデルは、一度に複数のデータソースから洞察を生み出し、処理する新しい方法を提供するため、AIに不可欠なものとなっている。音声コマンドや視覚入力に反応できるAIアシスタントから、異なるタイプの感覚データを統合して学習できる高度なシステムまで、マルチモーダルAIは限界を押し広げつつある。

この記事では、知る価値のあるマルチモーダルモデルのトップ10を探ります。あなたが開発者であれ、研究者であれ、AIに興味がある人であれ、このリストで最も重要なモデルとその応用についてしっかりと把握することができるだろう。

マルチモーダルモデルとは？

マルチモーダルモデルとは、複数のタイプのデータを同時に処理・統合するAIシステムのことである。テキストや画像だけを扱うのではなく、音声、テキスト、ビデオなどの入力を組み合わせることで、より正確で洞察に満ちた結果を生み出すことができる。

例えば、OpenAIのDALL-Eを見てみよう。このモデルは、画像とテキストの説明を組み合わせて、プロンプトに基づいて新しい画像を生成します。宇宙服を着た猫」というようなテキストを与えると、DALL-Eはその説明に一致する画像を生成する。言語から理解したもの（説明文）と、物体がどのように見えるかという知識（画像生成）を結びつけることができる。

マルチモーダルモデルの背後にある考え方は、長年にわたって進化してきた。当初、AIシステムは異なるタスクに特化していた。あるもの（例えばBERT）は言語を扱い、他のものは画像や音声を扱っていた。しかし最近では、AIアーキテクチャーの進歩のおかげで、これらの能力を1つのシステムに統合することができるようになった。このシフトは新たな可能性を開き、AIが複数の情報源からもたらされる、より複雑な環境で働くことを可能にしている。

マルチモーダルモデルの真の力は、人間が情報を処理する方法をいかに模倣するかにある。私たちが状況を理解するために、聞いたもの、見たもの、読んだものをどのように自然に組み合わせているかを考えてみよう。マルチモーダルモデルはこれと同じように、複数の入力タイプを処理することで、より賢い決断を下したり、より良い反応を生み出したりすることを目指している。このため、自律システム、バーチャル・アシスタント、ヘルスケアなど、複数のデータ・ストリームから理解を得るような分野で、マルチモーダル・モデルは非常に有用である。

大規模言語モデル（LLM）とマルチモーダルモデルの比較

OpenAIのGPT-3やGoogleのBERTのような大規模言語モデル(LLMs)は、テキストを理解し生成するのに優れている。LLMは、チャットボット、コンテンツ生成、言語翻訳におけるAIとの関わり方を一変させた。しかし、LLMは1種類の入力言語だけに限られている。

一方、マルチモーダル・モデルは、言語処理にとどまりません。画像と説明文を組み合わせたり、音声とビデオを分析するなど、複数の入力形式を取り込み、より豊かで包括的な出力を作成することができます。

例えば、GPT-3とDALL-Eを比較してみてください：

LLMであるGPT-3は、「AIについてのエッセイを書いてください」というようなプロンプトに基づいてテキストを生成することができますが、そこで止まってしまいます。
一方、DALL-Eは、同じテキストプロンプトを視覚的に表現することができます。この言語理解と画像生成の組み合わせにより、テキストと視覚情報を必要とするタスクに対して、より汎用性が高くなります。

以下のセクションでは、マルチモーダルモデルのベスト10を探ってみよう。

1.オープンAI GPT-4V

OpenAIGPT-4Vは、OpenAIのGPT-4モデルの進化版で、テキストと画像の両方から情報を処理・生成できるマルチモーダル機能が強化されています。GPT-4Vの "V "は、このモデルの視覚的能力を示しており、文字言語と視覚データの両方の理解を必要とするタスクのための強力なツールとなっています。さらに、GPT-4Vには音声入力機能があり、音声入力を受けてテキストに変換し、さらに処理することができます。同様に、入力プロンプトに対する音声応答を、人間のようなさまざまな声で生成することもできる。

**主な特長と機能

テキストおよびビジュアル入力処理と出力生成。
音声言語の処理と生成を可能にする高度な音声機能。
高度な画像認識機能により、複雑な視覚的手がかりを解釈し、詳細な回答を提供。
画像のキャプション付け、視覚的な質問への回答、シーンの説明など、マルチモーダルなユースケースを巧みに処理します。
26ヶ国語の多言語入力をサポート。

2.OpenAI GPT-4o

GPT-4o**はOpenAIの最新のマルチモーダルモデルで、テキスト、音声、画像、動画をリアルタイムで処理・生成するように設計されています。テキスト、視覚、音声の機能を1つの統合されたモデルにまとめ、以前のモデルよりも高速で効率的です。GPT-4oは音声入力にほぼ瞬時に反応し、推論やコーディングのようなタスクでも同等の性能を発揮し、多言語能力や視聴覚能力も向上している。GPT-4 Turboに比べ50%安く、2倍速く、開発者にとって実用性の高い製品です。

モデルの安全性を高めるため、OpenAIは外部のレッドチーム（独立した請負業者を雇い、リスク評価を実施し、モデルが有害または偏った情報を出力する傾向を徹底的にテストすること）を採用した。アクセシビリティに関しては、OpenAIはモデルの軽量版であるGPT-4o-miniもリリースした。

**主な特長と機能

マルチモーダルモデルの現在の最先端（SOTA）と考えられています。
平均応答時間は320ミリ秒、応答速度は232ミリ秒と人間の会話に匹敵する。
50以上の言語に対応し、会話中のシームレスな言語切り替えが可能。

GPT-4oとMilvusベクトルデータベースを使用したマルチモーダルRAGの構築方法については、以下のYouTubeビデオをご覧ください。

3.OpenAI DALL-E 3

DALL-E 3は、ChatGPTと統合されたOpenAIの最新画像生成モデルで、ユーザーの意図を理解した上で、テキストプロンプトから詳細な画像を作成することができます。DALL-E 3 は、これまでの DALL-E の進化をベースに、一貫性のある独創的な画像を生成できるように改良されています。DALL-E 3 は、非常に詳細で文脈に沿った正確なビジュアルを生成することができ、複雑なプロンプトに対しても誤認識を最小限に抑えて追従するように設計されているため、ユーザーは生成される画像のコンテンツやスタイルをより自由にコントロールすることができます。

DALL-E ファミリーの主要な革新技術の一つは、離散的な潜在空間、つまり離散的なトークンを使ってデータを表現することです。これにより、DALL-E 3 は、生成された画像のより構造化された安定した表現を学習し、より良い出力を得ることができます。

**主な特徴と機能

複雑なプロンプトと詳細な画像生成の効率的な処理
標準およびHD画質オプション
3種類の画像サイズ1024x1024、1792x1024、1024x1792
2種類の画像生成スタイル：NaturalとVivid。Naturalはよりリアルで（DALL-E 2で生成された画像に似ています）、Vividはより「ハイパーリアル」で映画的です。
倫理と安全性に強く重点を置いており、不快な画像や暴力的な画像の生成を防ぐガードレールが含まれています：
- リアルタイム・プロンプト・モデレーション：有害なコンテンツのプロンプトを分析し、それに応じてユーザーに警告を発します。
- プロンプトの修正または拒否：不快なプロンプトが検出された場合、プロンプトを拒否するか、修正することができます。
- ポストジェネレーションフィルタリング：ある画像が潜在的に不快なものであると判断された場合、DALL-E 3 はユーザーへのその画像の表示を停止することができます。

4.グーグルジェミニ

Geminiは、グーグルの最新のマルチモーダルAIモデルであり、テキスト、画像、音声、コード、ビデオなど、複数のモダリティを統合することができる。従来のマルチモーダルモデル開発のアプローチでは、各モダリティ用に別々のネットワークをトレーニングし、それらを融合させることが行われていたが、Geminiは最初から異なるデータタイプで事前にトレーニングされ、ネイティブにマルチモーダルであるように設計されている。

GoogleはGeminiの3つのバージョンを開発した：

Gemini Nano**: モバイルデバイス用の軽量モデル。
Gemini Pro**: 広範囲のタスクに対応し、大規模な展開のために設計されている。
ジェミニ・ウルトラ**：非常に複雑でリソース集約的なタスクに取り組むために設計された最大のモデル。ウルトラは、最も広く使用されている32の評価ベンチマークのうち30において、現在の最先端の結果を上回っています。

**主な特長と機能

クリエイティブで表現力豊かな機能には、アートや音楽の生成、マルチモーダルなストーリーテリング、言語翻訳などがあります。
複数のソースからのデータを分析し、出力を検証することが可能
Gemini Ultraは、57のドメインにわたる世界知識と問題解決能力をテストするMassive Multitask Language Understanding (MMLU)ベンチマークにおいて、人間の専門家を上回る90%のスコアを獲得した最初のモデルである。
Googleのツール、サービス、および広範なナレッジベースのエコシステムと統合されています。

Geminiはまた、拡張されたコンテキストウィンドウでも注目されており、Gemini 1.5 Proモデルは最大1000万トークンをサポートし、マルチモーダルデータ処理を可能にしている。このような長いコンテキストを処理する能力は、LLMの知識を強化するために使用される手法であるretrieval augmented generation (RAG)が、長いコンテキストモデルの前では時代遅れになるのではないかという議論を呼び起こした。

より多くの洞察と議論については、私たちの投稿をチェックしてください：[RAGはロングコンテクストLLMに殺されるのか】(https://zilliz.com/blog/will-retrieval-augmented-generation-RAG-be-killed-by-long-context-LLMs)

5.メタ・イメージバインド

Metaの ImageBind は、2つの重要な革新的技術により、マルチモーダルモデルの中でも際立っています。第一に、人間が複数の要素を同時に知覚する方法と同様に、画像からの感覚データを解釈するために統一された埋め込み空間を使用します。この異なるモダリティの「結合」により、入力を包括的に理解することが可能になる。第二に、ImageBindは6つの異なるモダリティをサポートしています：テキスト、オーディオ、ビジュアル、動き、熱、深度データ。

**主な特徴と機能

6種類のモーダルデータをサポート：テキスト、ビジュアル、オーディオ、ビジュアル、3D深度、熱、動き（慣性計測ユニット（IMU））。
他のAIモデルを「アップグレード」することで、6つのモダリティのいずれかからの入力をサポートし、音声ベースの検索、クロスモーダル検索と生成、マルチモーダル演算を可能にする。
クロスモーダル検索とマルチモーダル分類を得意とする。

6.アントロピック・クロード 3.5 ソネット

Anthropic社は最近、中級モデルであるSonnetをClaude 3から3.5にアップグレードし、このカテゴリーで最も先進的なものにした。新しいクロード3.5ソネットは、優れた言語推論と不完全な画像からの転写能力を含む、強化された視覚能力を提供します。このような性能の向上にもかかわらず、AnthropicはAIの安全性と倫理を優先し続けている。このモデルは、プライバシーを確保するために、ユーザーが投稿したデータで訓練されておらず、その能力は向上しているものの、AI安全レベル（ASL）スケールではASL-2のままです。ASLの詳細については、こちらのブログページをご覧ください。

**主な特徴と能力

テキスト、画像、コードの処理が可能。
HumanEvalコーディング・ベンチマークで92%のスコアを獲得した驚異的なコーディング能力
数学能力が高く、Grade School Math Grade (GSM8K)およびMultilingual Mathベンチマークでそれぞれ96%、91.6%を獲得
Artifacts機能により、生成されたコンテンツを専用のウィンドウに配置し、ダイナミックで整理されたワークスペースを実現。

7.LLaVA

研究論文Vison Instruction Tuning(Liu et al, 2023)で紹介されたLLaVA(Large Language and Vision Assistant)は、オープンソースのLLM Vicunaと画像・言語処理用のビジョンエンコーダを組み合わせたマルチモーダルモデルである。視覚データと言語理解を統合し、視覚入力に基づいたリッチでインタラクティブな応答を作成する。LLaVAは、画像キャプション、視覚的質問応答、テキストデータと組み合わせた画像に関する推論などのタスクに特に有用である。言語と視覚のギャップを埋めることで、LLaVAは、視覚データとテキストデータが相互作用する複雑な実世界のアプリケーションを扱うことができる、より汎用性の高い、コンテキストを意識したAI体験を提供します。

LLaVAは、マイクロソフト、コロンビア大学、ウィスコンシン大学マディソン校による共同研究プロジェクトの成果です。LLaVAは、LLMが視覚的な手がかりからのプロンプトを理解し、処理するように微調整される技術である視覚命令チューニングを使用して開発されました。これは言語と視覚を結びつけるもので、LLMは両方のモダリティを含む指示を理解することができる。

**主な特徴と能力

画像キャプション、光学式文字認識（OCR）、視覚的質問応答、視覚的推論に長けている。
LLaVa-Medは、医療業界向けにカスタマイズされた初のマルチモーダルモデルです。
21,000以上の質問を含む多様なベンチマークであるScienceQA用に微調整したところ、92.5%の精度を達成。

8.NExT-GPT

シンガポール大学によって開発されたNExT-GPTは、「エンドツーエンドの汎用any-to-any MM-LLMシステム」と銘打たれている。つまり、テキスト、画像、音声、動画の組み合わせで出力を生成し、それらを入力として処理することができる。

NExT-GPTは、6つのモダリティをLLM（LLaVAと同様にVicuna）で処理できるようにするエンコーダーとしてMetaのImageBindを接続することで作られた。そこから、LLMは各モダリティごとに異なる拡散デコーダーに出力を渡し、各デコーダーからの出力を融合して最終結果を生成する。

**主な特徴と機能

テキスト、画像、音声、映像モダリティのあらゆる組み合わせで入力を受け取り、出力を生成することができる。
コンポーネントにはVicuna LLMとMetaのImageBindが含まれる。
各モーダル生成に既存の拡散モデルを利用：画像にはStable Diffusion、オーディオにはAudioLDM、ビデオにはZeroscopeを使用。

9.インワールドAI

Inworld AIは、AI主導のバーチャル・キャラクターを作成するエンジンとして、このリストの他のモデルとは一線を画している。よりリアルな非プレイアブル・キャラクター（NPC）の作成が可能なだけでなく、Inworldはバーチャル家庭教師、ブランド代表、その他様々なキャラクターに個性を与え、より没入感のある本物のデジタル体験を実現することができる。

**主な特徴と機能

音声、テキスト、行動入力を統合し、リアルなインタラクションを実現。
明確な個性と過去のインタラクションの記憶を持つ、自律的で感情的に反応するキャラクターを作成します。
モジュール化されたAIコンポーネント（プリミティブ）の包括的なライブラリは、さまざまなユースケースに合わせて組み立てることができます。
音声、視覚、状態認識、認識を処理するものを含む、デジタル体験を強化するための入力プリミティブ、
テキスト、音声、シェイプ（2Dおよび3D）、アニメーションアセット用のモジュールを含む、ゲームおよびアプリケーション開発を合理化するための出力プリミティブ。
AIロジックエンジンと処理パイプラインは、ゲームプレイの複雑性を高め、機能を強化します。
多言語サポート（英語、日本語、韓国語、標準中国語）には、音声合成機能、自動音声認識、表現力豊かな音声出力が含まれます。

10.ランウェイ Gen-2

Runway Gen-2」(https://runwayml.com/research/gen-2)は、今回紹介するマルチモーダルモデルの中で唯一、動画生成に特化しているのが特徴だ。簡単なテキスト入力や画像入力はもちろん、動画を参照しながら動画コンテンツを作成することができる。また、コンセプトアートをアニメーション化する「ストーリーボード」や、動画の各フレームに思い通りのスタイルを反映させる「スタイライゼーション」などの強力な機能により、コンテンツ制作者は、これまで以上にスピーディーにアイデアを形にすることができます。

**主な特長と機能

テキストから動画へ、画像から動画へ、動画から動画へのプロンプト機能
ショットの方向や強度をコントロールできる「カメラコントロール」や、シーン内のオブジェクトや領域に特定の動きや方向を適用できる「マルチモーションブラシ」などのツールを使ってビデオを編集可能
iOSアプリでスマートフォンのコンテンツ作成が可能

要約

以下の表は、マルチモーダルモデルのトップ10の概要である。

| ------------------ | ---------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------- | | モデル** | ベンダー/クリエイター | 主な機能 | GPT-4V | GPT-4V｜OpenAI｜テキスト・画像処理、音声コマンドを理解し、音声出力が可能。 | GPT-4o｜OpenAI｜テキスト、画像、音声、ビデオ処理 | DALL-E 3｜OpenAI｜テキスト・画像処理。 | Gemini｜Google｜テキスト、画像、音声、コード、ビデオ処理 | ImageBind｜メタ｜テキスト、ビジュアル、オーディオ、ビジュアル、3D深度、熱、動きの6種類のモーダルデータをサポート。 | クロード3.5ソネット｜Anthropic｜テキスト、画像、コードの処理が可能。 | LLaVA｜マイクロソフト、コロンビア大学、ウィスコンシン大学マディソン校｜テキストと画像の処理。 | NExT-GPT｜シンガポール大学｜テキスト、画像、音声、映像のあらゆるモダリティの組み合わせで、入力を受け取り、出力を生成することができる。 | | Inworld AI｜インワールド｜AI駆動型バーチャル・キャラクター作成エンジン | Runway Gen-2｜ランウェイ｜テキストからビデオへ、画像からビデオへ、ビデオからビデオへのプロンプト機能。

続きを読む

マルチモーダルモデルと、それを使って開発できるアプリケーションのタイプに関するお勧めの記事を読み続けることをお勧めします。

MilvusとStreamlitを使ったマルチモーダル商品推薦デモの構築](https://zilliz.com/blog/build-multimodal-product-recommender-demo-using-milvus-and-streamlit)
AIアプリケーションにおけるベクトルデータベースが非構造化データ検索にどのような革命をもたらすか](https://zilliz.com/blog/build-multimodal-product-recommender-demo-using-milvus-and-streamlit)
OpenAI CLIPを探る：マルチモーダルAI学習の未来](https://zilliz.com/learn/exploring-openai-clip-the-future-of-multimodal-ai-learning)
マルチモーダル検索拡張世代（RAG）のフロンティアを探る】(https://zilliz.com/learn/multimodal-RAG)
FiftyOneとMilvusでマルチモーダル埋め込みを探る ](https://zilliz.com/blog/exploring-multimodal-embeddings-with-fiftyone-and-milvus)
CLIPとLlama3による局所的マルチモーダルRAG](https://zilliz.com/blog/multimodal-RAG-with-CLIP-Llama3-and-milvus)
FiftyOne、LlamaIndex、Milvusによるより良いマルチモーダルRAGパイプラインの構築 ](https://zilliz.com/blog/build-better-multimodal-rag-pipelines-with-fiftyone-llamaindex-and-milvus)

article.updateAt