Microsoft 365 Copilotプラグイン

1. 大規模言語モデル(LLMs)は非常に効率的に言語パターンを学習し、人間らしい対話を行うが、知識を元にした内容の生成時に事実を思い出すのに苦労する。この制限を克服するために、LLMsを知識グラフ(KGs)で強化し、知識グラフ強化大規模言語モデル(KGLLMs)を作る新しい方法を提案する。

2. Microsoft 365 CopilotとNeo4jのGoogle Cloudの生成型AIとの統合を例に取ると、LLMsをKGsで強化することが、事実に基づく言語モデリングの改善に大きな進歩を遂げる可能性があることが明らかになる。

3. KGLLMsへの道程は始まったばかりであり、LLMsとKGsの相乗効果を引き続き活用しながら、事実に基づく言語モデリングに優れたAIシステムを生み出す新たなAI世界の章を作ることが期待されている。

AI研究における新たな話題は、ChatGPTのような大規模言語モデル（LLM）の驚異的な台頭と能力です。LLMは、大規模なコーパスに基づく言語パターンの学習と利用、および人間のような対話において非常に効率的ですが、知識に基づくコンテンツの生成時に事実を想起することにはまだ苦労しています。Linyao Yang、Hongyang Chen、Zhao Li、Xiao Ding、Xindong Wuによるこの論文は、LLMをKGで強化し、知識グラフ強化大規模言語モデル（KGLLM）を作成することで、この限界を克服する革新的なアプローチを提案しています。この論文を踏まえて、AIを知識管理システムと統合して効率とパフォーマンスを向上させた2つの実例について説明しましょう。

例 1: プラグインで強化された Microsoft 365 Copilot

Microsoft 365 Copilotは、AIとナレッジマネジメントシステムを組み合わせることの威力を証明するものです。2023年にExperiences + Devices（E+D）担当エグゼクティブバイスプレジデントのRajesh Jha氏によって発表され、開発者がプラグインを使用して自社のアプリやサービスをMicrosoft 365 Copilotに統合できる新しい時代の幕開けとなりました。

マイクロソフトの基盤モデルと Microsoft Graph のデータおよび Microsoft 365 アプリの統合に成功したことで、Microsoft 365 Copilot はシンプルなテキストを非常に強力な生産性ツールに変えることができました。Microsoft 365 Copilot は、アプリ内でのアシストと、創造性、生産性、スキル レベルを向上させるクロス アプリ インテリジェンスの提供という 2 つの方法でユーザーに貢献します。

この開発で特にエキサイティングなのは、AIプラグインのエコシステムをサポートし、成長させるというMicrosoftとOpenAIの共同コミットメントです。これらのプラグインは、情報のリアルタイム検索、ビジネスデータの組み込み、新しいタイプの計算の実行を可能にし、AIシステムの機能を拡張する重要なツールとして機能します。

例2：Neo4jとGoogle CloudのジェネレーティブAI機能の統合

世界有数のグラフデータベースおよび分析企業であるNeo4jは、最近、Google Cloudの生成AI機能であるVertex AIとの重要な製品統合を発表しました。この統合により、企業顧客はNeo4jのクラウド製品上に構築されたナレッジグラフを活用し、より正確で透明性が高く、説明しやすい生成AIによる洞察や推奨を行うことができます。

非構造化データをナレッジグラフに変換する機能により、開発者はNeo4jのデータ可視化ツールとクエリツールを活用して洞察を引き出すことができます。さらに、Neo4jデータベースは、リアルタイムでVertex AIサービスを呼び出すことができるようになり、ナレッジグラフを充実させ、より正確な結果を導くことができるようになりました。2019年からのこの戦略的パートナーシップは、LLMの応答を企業のナレッジグラフに照らし合わせ、検証された信頼性の高い結果をユーザーに提供する可能性を示しています。

AI の新章：ナレッジグラフ拡張大規模言語モデル（KGLLMs）

Microsoft 365 CopilotとNeo4jのGoogle Cloudの生成AIとの統合からヒントを得て、LLMをKGで強化することで、事実を認識する言語モデリングを改善する上で大きな進歩を遂げる可能性があることが明らかになりました。このKGLLMの提案は、知識グラフがLLMの事実推論能力を向上させる上で重要な役割を果たすという、AIの新しい章を意味します。

ここで言及した例はいずれも、AIの応答を構造化された知識で基礎づけることで、パフォーマンスを向上させ、透明性を高め、ユーザーのクエリに対してより情報に基づいた応答を提供できることを示唆しています。データ駆動型のPLMと知識ベースのKGを組み合わせることで、AIのパフォーマンスを向上させ、新たな研究の道を開くことができます。

結論として、ChatGPTのようなLLMは顕著な能力を示していますが、構造化知識グラフでそれらを強化することにより、その潜在能力をフルに発揮することができます。この統合は、事実の正確性を高めるだけでなく、文脈に関連した応答を提供する能力を向上させます。KGLLMへの旅はまだ始まったばかりであり、この先にはさらに高度で効果的なAIシステムの実現が約束されています。LLMとKGの相乗的なパワーを活用し続けることで、私たちはAIの世界にエキサイティングな新章を創造する態勢を整えています。

「超勇敢なウサギ」へ