テンセントの新しいAI技術、モデルがループで自己学習可能に

テンセントはTerminal-RSIと呼ぶトレーニング手法を発表した。これは大規模言語モデルが自ら練習問題を生成し、それを解くことで自己改善できるようにするものだ。同社はこの手法を、モデルに一種の自己主導型学習ループを与え、人間が書いたトレーニングデータへの依存を減らす方法と説明した。テックメディアのTMTPostが報じたこの発表は、中国のAI開発者が単により多くのテキストを与えるのではなく、モデルをより高性能にすることを重視し始めていることを示している。

核心となる考え方は、モデルが生徒と教師の両方の役割を果たせるということだ。タスクを提案し、試み、検証可能な結果と照らし合わせ、間違いから学ぶ。繰り返しのサイクルを経て、モデルの性能は自ら発明したタスクで向上する。テンセントはこれを、AI研究者が長年魅了されてきたものの、信頼性高く実装するのが難しい概念である再帰的自己改善の小規模版と呼んでいる。同社の枠組みは、このアプローチをより強力な推論スキルへの実用的な道と見ていることを示唆している。

テンセントの動きは、中国のAI業界が明確な陣営に分かれつつある中で起きた。低コストモデルで世界を驚かせた杭州のラボ、DeepSeekは効率性とオープンリリースに注力してきた。Moonshot AIが開発したKimiは長文コンテキストの文書処理に地位を築いた。WeChatで知られる深圳のインターネット大手テンセントは、Hunyuanモデルファミリーを構築し、消費者向けおよび企業向け製品にAIを統合してきた。Terminal-RSIの研究は、米国のモデルがしばしばリードしてきた推論のギャップを埋めることを目指しているようだ。

タイミングは注目に値する。DeepSeekは最近、APIでのウェブ検索を有料化し始めた。これは中国のAI企業が激しい価格競争の時期を経て、持続可能なビジネスモデルへ移行している兆しだ。対照的に、テンセントの研究はコストではなく能力に関するものだ。モデルがより少ない人間の監督で自己改善できるなら、AI開発の経済性が変わり、より高い性能に到達するコストが下がり、リリースのペースが加速する可能性がある。

それでも、自己改善モデルには疑問が残る。自らトレーニングデータを生成するモデルは、モデル崩壊として知られる問題、つまり自身の欠陥を強化する可能性がある。テンセントの手法は検証可能な回答のあるタスクに依存しており、それが機能する領域を制限する。創造的な執筆、オープンエンドな推論、現実世界の計画は自動的にチェックするのが難しい。同社はどの製品や将来のHunyuanモデルがこの技術を使用するかは明らかにしていない。

より広い文脈は、混雑しつつも創造的になった中国のAI市場だ。スタートアップも大手も、エージェントシステム、検索ツール、パーソナルアシスタントを実験している。テンセントのTerminal-RSIはそのパターンに当てはまる。クラウドサービスから消費者向けアプリまで、製品に反映され得る研究の進歩だ。世界の観察者にとって、中国のAIの進歩は単に規模で追いつくことだけでなく、モデルをトレーニングし展開する新しい方法を見つけることでもあるという認識を与える。

次に何が起こるかは結果次第だ。テンセントはベンチマークについてほとんど詳細を公表しておらず、独立した検証が重要になる。しかし方向性は明確だ。中国のラボはもはや単に追随しているだけではない。データや資金を使い果たすことなくモデルをより賢くする方法という、AIの最も難しい問題に対して独自の答えを提案しているのだ。