SMITH最新研究を解説、AIエージェントの効率化は？

Appierが提案するAI学習手法「SMITH」の論文が、AI・機械学習分野の国際会議NeurIPSに採択されました。ツールの作成と使用を同じ学習過程で改善する仕組みで、研究では未知の課題への対応や推論コストの削減が報告されています。

SMITHとは？AIエージェントは何を学ぶ？

SMITHは、AIが問題解決に使うツールを用意するだけでなく、実際に試した結果をもとに手直しする学習方法です。ツールを作る役と使う役を別々に訓練するのではなく、作成、実行、結果の確認、修正を一続きの流れに組み込みます。説明が分かりにくい、設定した値が適切でない、実行に失敗するといった結果も改善材料になります。Appierの論文では、この一体型の訓練が、作成と利用を個別に学ばせる方法より有効だったとしています。

研究ではどんな効果が確認された？

学習には段階的な課題設定が使われ、まず4つの例題を手がかりにツールを作成。その後、未経験の16問で有効性を検証し、解決に役立ったツールを共有ライブラリに蓄積します。報告によると、約40億パラメータのモデルが作ったツールは、未知の課題で比較対象を上回り、約300億パラメータのモデルがその場で作成する方式も上回りました。また、約3億5,000万パラメータの小型モデルでも活用できたとされています。

推論コストはどのくらい変わる？

同じような問題を解く際、毎回長い推論をやり直す代わりに、再利用できるツールを呼び出すのがSMITHの狙いです。実験では、段階的な推論で平均3,206トークンだった出力が約100トークンとなり、約32倍の効率向上が示されました。これは研究実験での結果であり、あらゆる業務や環境で同じ削減幅が得られると確定したものではありません。財務データの換算や処理、問い合わせの振り分けなど、繰り返し作業が多い業務への応用が想定されています。

SMITHはいつ使える？料金や参加方法はある？

今回公表されたのは研究論文の採択と手法の成果で、一般向けアプリの配信案内ではありません。そのため、対応プラットフォーム、利用料金、配信開始日、事前登録や参加方法について、この発表から確認できる情報はありません。企業での実装についても、具体的な提供時期や導入条件は示されていないため、利用を検討する場合はAppierからの今後の案内を確認する必要があります。

まとめ

・SMITHの論文がNeurIPSに採択。採択日や一般提供日は示されていない ・AIがツールを作り、利用結果を受けて改良する学習手法 ・研究では未知の課題への対応と、推論出力の削減が報告された ・料金、対応環境、申し込み方法は今回の発表では未公表

編集者コメント

SMITHの注目点は、ツールを作れるかだけでなく、別のAIが説明を読み正しく使えるかまで学習に取り込む設計です。一方、示された数値は研究上の実験結果なので、実際の導入効果や提供条件が明らかになるまでは、期待値と利用可能性を分けて見るのがよさそうです。