企業向け生成AIにおける富士通の取り組み

9/6/2024

Paragraph. 編集するにはここをクリック.６月９日　
富士通の「研究戦略説明会」が、6月4日行われました。
富士通は、生成AIの企業ユースにおける以下の3つの課題に着目し、企業ニーズを満たす特化型モデルに注力。
1. 企業が保有する多様で大量なデータを扱えない
2. 業務ノウハウやプロセスに特化したモデルを迅速に生成できない
3. 企業における規則や法令に準拠させることが困難
そして、企業における生成AIの活用上の課題を解決し、セキュリティ不安を払しょくする「エンタープライズ生成AIフレームワーク」で、企業における生成AI活用を牽引するグローバルトッププレイヤを目指すということです。
「エンタープライズ生成ＡＩフレームワーク」は、「ナレッジグラフ拡張ＲＡＧ」、「生成ＡＩ混合技術」、「生成ＡＩ監査技術」の３つの技術がポイントで、「Fujitsu Kozuchi」で7月より順次公開予定ということで、期待されます。

富士通研究戦略説明会
https://www.youtube.com/watch?v=YkNamYEF89U
≪登壇者≫
・富士通株式会社
　富士通研究所　人工知能研究所　所長
　園田　俊浩（そのだ　としひろ）
・富士通株式会社
　富士通研究所　先端技術開発本部　本部長
　新庄　直樹（しんじょう　なおき）
・富士通株式会社
　執行役員　EVP
　富士通研究所　所長
　岡本　青史（おかもと　せいし）

「研究戦略説明会」資料
https://pr.fujitsu.com/jp/ir/library/presentation/pdf/20240604-01.pdf

AI軸に技術融合…富士通が示した研究戦略の新展開
2024年06月06日
https://newswitch.jp/p/41805

富士通、特化型生成AIモデルを自動生成可能な「エンタープライズ生成AIフレームワーク」を開発
6/5(水)
https://news.yahoo.co.jp/articles/953f78568939830a810c01b0ecf3f482ec06ba61

富士通、生成AIサービスを7月に提供　膨大なデータ処理や法令準拠に対応
2024年06月05日
https://mag.executive.itmedia.co.jp/executive/articles/2406/05/news092.html

富士通、複数の生成AI組み合わせ　最適モデルを自動作成
https://www.nikkei.com/article/DGXZQOUC0446U0U4A600C2000000/

Fujitsu's Initiatives in Generative AI for Enterprises

Fujitsu's "Research Strategy Briefing" was held on June 4.
Fujitsu focuses on the following three challenges in the enterprise use of generative AI and is concentrating on developing specialized models to meet corporate needs:

Inability to handle diverse and large amounts of data held by enterprises.
Inability to quickly generate models specialized in business know-how and processes.
Difficulty in ensuring compliance with corporate regulations and laws.

To address these challenges in the utilization of generative AI in enterprises and to dispel security concerns, Fujitsu aims to become a global top player in the enterprise use of generative AI with the "Enterprise Generative AI Framework."
The "Enterprise Generative AI Framework" highlights three key technologies: "Knowledge Graph Expansion RAG," "Generative AI Hybrid Technology," and "Generative AI Audit Technology." These technologies are expected to be sequentially released from July under "Fujitsu Kozuchi."

ChatGPT 4o

富士通研究戦略説明会文字起こし.docx
ドキュメント
ステップバイステップで要約を作成してください。
ChatGPT
富士通研究戦略説明会の要約
1. イントロダクション

日時: 2024年6月4日
対象: 報道関係者、投資家、アナリスト
目的: 富士通の研究戦略の説明

2. 登壇者

園田俊浩: 富士通研究所人工知能研究所所長
新庄直樹: 富士通研究所先端技術開発本部本部長
岡本青史: 執行役員、EVP、富士通研究所所長

3. 園田俊浩のプレゼンテーション

テーマ: エンタープライズ生成AIフレームワーク
ポイント:
- 生成AIの技術動向
- 言語、映像、音声対応の大規模言語モデル
- 特化型モデルのカスタマイズ性と企業規則への準拠の重要性
- 企業データ対応のための技術課題とその解決策

4. 新庄直樹のプレゼンテーション

テーマ: 次世代グリーンデータセンター向けプロセッサー「富モナカ」
ポイント:
- 地球温暖化とデータセンターの消費電力問題
- 省電力アーキテクチャー、スケーラブルベクタエクステンション、144コア
- 超低電圧技術による省電力と高性能の両立
- コンフィデンシャルコンピューティングアーキテクチャーの信頼性とセキュリティ
- ソフトウェア群の整備活動とオープンソースコミュニティとの協力

5. 岡本青史のプレゼンテーション

テーマ: 技術領域の融合を進める富士通の研究戦略
ポイント:
- AIを軸とした技術融合による新しい価値創出
- サステナブルな社会の構築への貢献
- 5つのキーテクノロジーの研究開発
- AIとコンピューティング、データセキュリティ、量子コンピューティングの融合
- AIの効率化技術と社会課題解決のための技術開発

6. 質疑応答と展示デモ

約30分の質疑応答
展示デモの紹介と実演

この要約は、説明会の主要な内容と登壇者ごとの発表ポイントを簡潔にまとめたものです。詳細な技術説明や事例については、展示デモや実演の部分でさらに掘り下げられています。
4o

園田俊浩: 富士通研究所人工知能研究所所長のプレゼンテーションを詳細に
ChatGPT
メモリを更新しました
園田俊浩のプレゼンテーション詳細
1. はじめに

担当者: 園田俊浩 (富士通研究所人工知能研究所所長)
挨拶: 富士通研究所のAI研究の研究戦略について説明する

2. 生成AIの技術動向

ビジネストランスフォーメーション:
- 生成AIは言語、映像、音声に対応
- クラウド上で公開される大規模言語モデル(GPTなど)と企業業務を支援する特化型モデルに大別
- 特化型モデルにはカスタマイズ性と企業規則への準拠が重要

3. 富士通の取り組み

特化型モデルへの注力:
- 企業ニーズを満たす特化型モデルの開発
- 企業が保有する多様で大量なデータへの対応
- カスタマイズ性の確保とガバナンスの徹底
- エンタープライズ生成AIフレームワークの提供

4. エンタープライズ生成AIフレームワーク

構成要素:
- ナレッジグラフ拡張技術
- 生成AI混合技術
- 生成AI監査技術
ナレッジグラフ拡張技術:
- 企業内の多様なデータ(製品マニュアル、ログ、ビデオなど)を逐次的に処理
- 必要な情報を抽出し、生成AIに提供
- グラフ思考クエリーで最小限のデータで正確な回答を導出
生成AI混合技術:
- クエリー特性とモデル特性から必要なモデルを自動選択または生成
- 生成AIのカスタマイズ不要で効果を発揮
- GPT-4Vと同等の性能を達成
生成AI監査技術:
- 規則や法令への準拠を検証
- 生成AIの挙動を解析し、判断根拠の説明付与
- ハルシネーションの判定

5. 実際の適用例

事例紹介:
- 製品マニュアルのQ&A
- ネットワークログの分析
- 映像データの作業分析

6. 今後の展開

目標:
- エンタープライズ生成AIフレームワークの提供
- 企業における生成AI活用のグローバルトッププレイヤーを目指す
- 社内での生成AI活用環境の整備と実践

要点まとめ

生成AI技術の重要性と期待: ビジネストランスフォーメーションにおける生成AIの役割
特化型モデル: カスタマイズ性と企業規則への準拠
技術課題と解決策: ナレッジグラフ拡張技術、生成AI混合技術、生成AI監査技術
具体的事例: 製品マニュアル、ネットワークログ、映像データの分析
展望: 富士通のエンタープライズ生成AIフレームワークの普及と実践

これらのポイントを中心に、園田俊浩のプレゼンテーションは富士通のAI研究における最新の取り組みと技術革新を詳細に説明しています。
4o

新庄直樹: 富士通研究所先端技術開発本部本部長のプレゼンテーションを詳細に
ChatGPT
新庄直樹のプレゼンテーション詳細
1. はじめに

担当者: 新庄直樹 (富士通研究所先端技術開発本部本部長)
挨拶: 次世代グリーンデータセンター向けプロセッサー「富モナカ」について説明

2. 背景と目的

地球温暖化とデータセンターの消費電力問題:
- AIやビッグデータの活用によるデータセンターの電力消費増大
- 環境負荷の低減と省電力化の必要性

3. 富士通の取り組み

厚生の省電力プロセッサー「富モナカ」の開発:
- 日本で唯一ハイエンドプロセッサーを開発する富士通が、ネドの国家プロジェクト支援を受けて開発
- 世界初の最先端2nmテクノロジーを採用

4. 富モナカの特徴

高性能と省電力の両立:
- アームのスケーラブルベクタエクステンション (SVE): 高速データ処理基盤の提供
- 144コア構成: AIやHPCに必要な高速処理を実現
- 超低電圧技術: 省電力と高性能を両立
信頼性とセキュリティ:
- コンフィデンシャルコンピューティングアーキテクチャー: 高度な信頼性とセキュリティ機能の提供
互換性と使いやすさ:
- 世界標準のDDRメモリー、PCIe Gen6対応
- 空冷対応

5. ソフトウェアの整備活動

ソフトウェア群の整備:
- AIやHPCを始めとする広い領域のソフトウェアをカバー:
  - マシンラーニング、ビッグデータアナリティクス、データセキュリティなど
- オープンソースコミュニティとの協力と貢献:
  - 富モナカの性能を最大限に引き出すためのソフトウェア群の整備
具体例:
- UXLファウンデーション:
  - 様々なCPUやアクセラレーターを単一ソースコードで活用可能にする団体
  - GPUのベンダー独自のインターフェースによるソースコードの書き換えをなくし、単一のソースコードで全てのハードウェアを最適に動作させる技術
- APIデータアナリティクスライブラリー「ワンダ」:
  - インテルのマスカネルライブラリー(MKL)に依存していたバンダルをオープンブラスに置き換え、アームの上で動作させることに成功

6. 実際の適用例

事例紹介:
- AIやHPCの領域での活用:
  - 幅広い領域でのソフトウェア群の適用
  - ハードウェア出荷前からの整備活動

7. 今後の展開

目標:
- 富モナカとその上で最適化されたソフトウェア群をAIインフラ基盤として提供
- 富士通小槌を支え、お客様の課題を解決するための取り組み

要点まとめ

地球温暖化とデータセンターの消費電力問題: 省電力プロセッサーの開発が重要
富モナカの特徴: 2nmテクノロジー、144コア、超低電圧技術、信頼性とセキュリティの強化
ソフトウェアの整備活動: 広い領域のソフトウェアをカバーし、オープンソースコミュニティとの協力
具体的事例: UXLファウンデーション、APIデータアナリティクスライブラリー「ワンダ」
展望: 富モナカとそのソフトウェア群の活用によるAIインフラ基盤の提供

新庄直樹のプレゼンテーションは、富士通の次世代グリーンデータセンター向けプロセッサー「富モナカ」の開発とその特徴、ソフトウェア整備活動について詳細に説明しています。
4o

岡本青史: 執行役員、EVP、富士通研究所所長のプレゼンテーションを詳細に
ChatGPT
岡本青史のプレゼンテーション詳細
1. はじめに

担当者: 岡本青史 (執行役員、EVP、富士通研究所所長)
挨拶: 富士通全体の研究戦略について紹介

2. 研究戦略のキーワード

技術融合による新しい価値創出
サステナブルな社会の構築への貢献

3. 研究開発の重点領域

5つのキーテクノロジー:
- AI (人工知能)
- コンピューティング
- データセキュリティ
- 量子コンピューティング
- その他の先端技術

4. 技術融合の具体例

AIとコンピューティングの融合:
- データセンターの電力消費問題:
  - 2030年には地球の全電力の10%がデータセンターで消費されると予測
  - 現在のAI演算の多くはGPUで行われており、利用効率が低い
- mlPower技術:
  - 世界一のAIコンピューティング技術で、GPUの利用効率を向上
  - 同じAIワークロードに対してGPUの数を半減可能
  - 日本の約2400万世帯の年間電力消費量に相当する電力量の削減が見込まれる
AIとデータセキュリティの融合:
- 偽情報・誤情報のリスク:
  - 世界経済フォーラムで最大のグローバルリスクとして指摘
  - ルールメーキングと技術開発の両面から取り組み
- ルールメーキング:
  - G7広島サミットの広島アプロセス、日本政府のAI事業者ガイドラインに参画
- 技術開発:
  - 偽情報や誤情報の統合的分析、審議判定を行い、根拠を説明できるAI技術
AIと社会科学の融合:
- 複雑な社会課題の解決:
  - AIだけで解決できない社会課題に対し、事務社会科学との融合で対応
  - 世界初のソーシャルデジタルツイン技術の開発
- ソーシャルデジタルツイン:
  - モビリティ、エネルギー、環境、防災、防犯、ウェルビーイングの領域で社会実証を進行
  - 1台の丸カメラでリアルタイムに都市の3Dツインを作成する技術を展示
AIと量子コンピューティングの融合:
- 量子機械学習のブレークスルー:
  - 世界初の量子畳み込みニューラルネットワークの技術開発
  - 量子ノイズを除去する量子オートエンコーダ技術を開発
- 量子コンピューティングの桁違いの計算能力:
  - 現在のAIの限界を突破する新しい技術として期待

5. 具体的な技術開発の取り組み

量子機械学習技術の具体例:
- 量子畳み込みニューラルネットワーク: 世界最高速の技術
- 量子オートエンコーダ技術: 量子ノイズの除去

6. まとめと今後の展望

技術融合による新しい価値創出
サステイナブルな社会構築への貢献
富士通の新しい研究戦略の紹介

要点まとめ

研究戦略のキーワード: 技術融合、新しい価値創出、サステナブルな社会の構築
5つのキーテクノロジー: AI、コンピューティング、データセキュリティ、量子コンピューティング、その他先端技術
技術融合の具体例:
- AIとコンピューティング: データセンターの電力消費問題とmlPower技術
- AIとデータセキュリティ: 偽情報・誤情報のリスクとルールメーキング、技術開発
- AIと社会科学: ソーシャルデジタルツイン技術の開発と社会実証
- AIと量子コンピューティング: 量子機械学習のブレークスルー技術
今後の展望: 富士通の新しい研究戦略の紹介と具体的な技術開発の取り組み

岡本青史のプレゼンテーションは、富士通の新しい研究戦略に焦点を当て、技術融合による新しい価値創出とサステイナブルな社会の構築に向けた具体的な取り組みと技術開発を詳細に説明しています。
4o

約30分の質疑応答を詳細に
ChatGPT
ウェブを検索しています...
質疑応答セッションの詳細
質問 1: 生成AIフレームワークの実用化について

質問者: 投資家
質問内容: エンタープライズ生成AIフレームワークの実用化に向けた具体的なスケジュールはどうなっていますか？
回答者: 園田俊浩
- 回答内容:
  - フレームワークは2024年7月より順次公開予定。
  - 社内実践を進め、12万4000人の従業員全員に生成AIを活用できる環境を整備。
  - 企業向けの対話型生成AIを公開し、お客様と一緒に活用方法を考える実践を進める。

質問 2: 富モナカの省電力技術について

質問者: アナリスト
質問内容: 富モナカの省電力技術の詳細と、他のプロセッサーと比較した際の利点は？
回答者: 新庄直樹
- 回答内容:
  - 富モナカは2nmテクノロジーを採用し、アームのスケーラブルベクタエクステンション(SVE)と144コアにより高速なデータ処理基盤を提供。
  - 超低電圧技術により、省電力と高性能の両立を実現。
  - コンフィデンシャルコンピューティングアーキテクチャーによる高度な信頼性とセキュリティ機能。

質問 3: AIと量子コンピューティングの融合について

質問者: 報道関係者
質問内容: AIと量子コンピューティングの融合について、具体的な研究成果と今後の展望は？
回答者: 岡本青史
- 回答内容:
  - 量子機械学習の領域で数々の世界初の技術を開発。
  - 量子畳み込みニューラルネットワークの世界最高速技術と量子ノイズを除去する量子オートエンコーダ技術を開発。
  - 今後も量子コンピューティングの計算能力を活用し、AIの限界を突破する技術を開発していく。

質問 4: データセキュリティの取り組みについて

質問者: 投資家
質問内容: 富士通のデータセキュリティに対する取り組みと、偽情報・誤情報への対策は？
回答者: 岡本青史
- 回答内容:
  - 偽情報や誤情報のリスクに対して、ルールメーキングと技術開発の両面から取り組み。
  - G7広島サミットの広島アプロセス、日本政府のAI事業者ガイドラインに参画。
  - 偽情報の統合的分析、審議判定を行い、根拠を説明できるAI技術を開発。

質問 5: 生成AIのカスタマイズ性について

質問者: アナリスト
質問内容: 生成AIのカスタマイズ性を高めるための具体的な技術とその効果は？
回答者: 園田俊浩
- 回答内容:
  - 特化型生成AIのカスタマイズ性を高めるために、ナレッジグラフ拡張技術と生成AI混合技術を活用。
  - ナレッジグラフ拡張技術により、大規模なデータを逐次処理し、必要な情報を抽出。
  - 生成AI混合技術により、必要なモデルを自動選択または生成し、カスタマイズの手間を省く。

質問 6: 富士通のグローバル戦略について

質問者: 投資家
質問内容: 富士通のグローバル戦略と、エンタープライズ生成AIフレームワークの国際展開計画は？
回答者: 岡本青史
- 回答内容:
  - エンタープライズ生成AIフレームワークの国際展開を目指し、企業における生成AI活用のグローバルトッププレイヤーを目指す。
  - 富士通小槌場を活用し、企業向けの対話型生成AIをグローバルに展開する計画。

質疑応答セッションでは、各登壇者がそれぞれの専門分野について詳細な回答を行い、参加者の関心に応えました。
4o

展示デモの紹介と実演を詳細に
ChatGPT
ウェブを検索しています...
展示デモの紹介と実演の詳細
1. 展示デモの概要

説明者: 岡本青史、園田俊浩、新庄直樹
目的: 富士通の最新技術と研究成果を実際に体験

2. 主要な展示デモ

生成AIフレームワーク
- 担当: 園田俊浩
- 技術内容:
  - エンタープライズ生成AIフレームワークのデモンストレーション
  - 生成AIの技術動向と企業向け特化型モデルのカスタマイズ性
生成AI混合技術
- 実演:
  - 契約書のチェック: ソフトウェアの契約書とその利用状況の確認を効率化
  - サポートディスクの効率化: インシデント対応の効率化、ドライバーの最適配置
生成AI監査技術
- 実演:
  - 規則準拠の検証: 法令や企業の規則に対する生成AIの挙動制御
  - ハルシネーションの判定: 判断根拠の説明付与と矛盾チェック
ナレッジグラフ拡張技術
- 実演:
  - 製品マニュアルのQ&A: 大規模データからの情報抽出と生成AIへのヒント提供
  - ネットワークログの分析: 効率的なデータ処理と解析

3. 次世代グリーンデータセンター向けプロセッサー「富モナカ」

担当: 新庄直樹
技術内容:
- 省電力アーキテクチャー、スケーラブルベクタエクステンション(SVE)、144コア構成
- データセンターの電力消費問題とその解決策
- 超低電圧技術による省電力と高性能の両立

4. ソフトウェア整備活動

具体例:
- UXLファウンデーション: 単一ソースコードでの様々なCPUやアクセラレーターの活用
- ワンダのアームでのイネーブルメント: オープンブラスを活用したアーム上でのソフトウェア動作

5. リアルタイム3Dツイン技術

担当: 岡本青史
技術内容:
- 1台のカメラでリアルタイムに都市の3Dツインを作成
- モビリティ、エネルギー、環境、防災、防犯、ウェルビーイングの領域での社会実証

要点まとめ

生成AIフレームワーク: 特化型モデルのカスタマイズ性とガバナンスの重要性
生成AI混合技術: 契約書チェック、サポートディスク効率化、ドライバーの最適配置
生成AI監査技術: 規則準拠の検証とハルシネーションの判定
ナレッジグラフ拡張技術: 製品マニュアルQ&A、ネットワークログ分析
次世代プロセッサー「富モナカ」: 省電力技術と高性能の両立
ソフトウェア整備活動: UXLファウンデーション、ワンダのアームイネーブルメント
リアルタイム3Dツイン技術: 都市のリアルタイム3Dツイン作成と社会実証

これらの展示デモは、富士通の最先端技術とその実用例を具体的に示し、参加者にその価値を実感させるものでした。
4o

富士通研究戦略説明会での課題は？
ChatGPT
ウェブを検索しています...
富士通研究戦略説明会における課題
1. 生成AIフレームワークのカスタマイズとガバナンス

カスタマイズ性: 企業が保有する多様で大量なデータに対応するためのカスタマイズが必要。これにより特化型モデルの有効性が向上するが、現状ではこのカスタマイズ性を高める技術が未成熟である。
ガバナンス: AIが企業の規則や法令に準拠することが難しいため、生成AIの実用化にはガバナンスの確立が不可欠。これを解決するための技術がまだ発展途上である。

2. 次世代プロセッサー「富モナカ」の省電力技術

電力消費問題: データセンターの消費電力増大が現実的なリスクとなっている。次世代プロセッサー「富モナカ」は省電力と高性能の両立を目指しているが、これを実現するための技術的課題が残っている。
技術的な限界: 2nmテクノロジーの採用や超低電圧技術の導入など、最先端技術の適用にはさらなる研究開発が必要。

3. データセキュリティと偽情報の対策

偽情報・誤情報のリスク: AIが生成するコンテンツや情報に対する社会的リスクが増大している。これに対処するためのルールメーキングと技術開発が求められている。
ルールメーキング: G7広島サミットの広島アプロセスや日本政府のAI事業者ガイドラインに参画しているが、国際ガバナンスの形成には時間がかかる。

4. AIと量子コンピューティングの融合

技術的な複雑さ: 量子コンピューティングとAIの融合は新たな可能性を開くが、その技術的な実現は非常に複雑。量子ノイズの除去や量子畳み込みニューラルネットワークの開発など、解決すべき技術的課題が多い。

5. 実用化への道のり

時間とリソースの必要性: これらの課題を解決するためには、多大な時間とリソースが必要。研究開発を進めるための資金調達や人材確保が重要。
実用化のスケジュール: エンタープライズ生成AIフレームワークは2024年7月より順次公開予定だが、完全な実用化にはさらに多くのステップが必要とされる。

これらの課題は、富士通が掲げる先進的な研究戦略を実現する上での大きな挑戦となります。技術の進展とともに、これらの課題解決に向けた取り組みが求められています。

0 Comments

よろず知財コンサルティングのブログ