メタもマルチモーダルの波に

OpenAIやグーグルだけでなく、メタもマルチモーダルの波に乗ろうとしている。メタは5月17日、新モデル「Chameleon」のテクニカルレポートを発表した。 Chameleonは、異なるモダリティのモデルを組み合わせるのではなく、ネイティブにマルチモーダルになるように設計されている。上記OpenAIの事例で言えば、以前の3つのモデルを組み合わせるアプローチ（レイト・フージョン＝late fusion）ではなく、入力から出力までの一連の処理を単一のニューラルネットワークで行う方式（アーリー・フージョン＝early fusion）と同様のアプローチということだ。 レポートでは動画入力に対応できるかどうかの言及はなかったものの、研究者らは「Chameleonは、マルチモーダルコンテンツを推論し生成する、統一基盤モデルの実現に向けた重要なステップ」と述べており、今後動画対応できるバージョンが発表される可能性もある。 マルチモーダルAIエージェントの登場により、生成AIのユースケースはさらに拡大する見込みだ。また動画対応と高速化により、スマートグラスなどウェアラブルデバイスとの組み合わせで利用するシーンも増えてくるかもしれない。