12.8 C
Japan
土曜日, 9月 18, 2021

AI開発スタートアップのrinna社が、日本語に特化したGPT-2の大規模言語モデルをオープンソース化!

マイクロソフトのAI&リサーチ部門のAIキャラクター事業(XiaoIce)事業を分離して設立されたスタートアップの「rinna株式会社」は、日本語に特化したGPT-2の大規模言語モデルを構築し、オープンソースとして公開しました。GitHubとHuggingFaceで言語モデルとトレーニングコードを公開しています。

オープンソース化の背景

rinna社は、MicrosoftのAI&リサーチ部門でAIチャットボットの研究を行っていたチームがスピンアウトして2020年6月に設立したAI開発企業です。

ディープラーニング技術を活用し、AIが文脈に応じた会話文を自動生成して人間と自然に会話する「共感チャットモデル」、AIが話し声や歌声で豊かな感情表現を可能にする「音声合成システム」などの技術を発表してきました。

これらの最新技術は、当社が運営するAIチャットボット「りんな」や、会話内容や音声表現をカスタマイズしてキャラクター性を持たせたAIチャットボットである「AIキャラクター」の開発に応用され、企業のマーケティングなどにお使いいただいています。 

このたび、製品開発のための自然言語処理(NLP)の実験過程で、日本語に特化したGPT-2の大規模言語モデルを構築しました。日本語のNLP研究コミュニティに貢献するために、開発した言語モデルと、研究者が自分のマシンで実験結果を再現するためのトレーニングコードを、GitHub、およびNLPモデルライブラリHuggingFaceで、オープンソースとして公開します。 

日本語GPT-2モデルの機能とは

言語モデルは、言語データの機械学習をもとに、会話や文章の「人間が使う言葉らしさ」を確率としてモデル化したものです。優れた言語モデルとは確率を正確に推定できるものを指します。例えば、 “確率(吾輩は猫である)>確率(吾輩が猫である)” と推定できるのが、言語モデルの能力です 

 GPT-2は、単語レベルの確率の組み合わせから文の確率を計算する言語モデル(自己回帰言語モデル)です。例えば、 “確率(吾輩は猫である) = 確率(吾輩) x 確率(は|吾輩) x 確率(猫|吾輩,は) x 確率(で|吾輩,は,猫) x 確率(ある|吾輩,は,猫,で)” のような方法で推定を行います。この能力を使って、GPT-2は「吾輩は猫で」という接頭辞(Prefix)を与えられたとき、確率の推定から次にくる単語として「ある」を選択し、文章を自動生成できます。 

今回、rinna社が公開した日本語GPT-2モデルは、一般的な日本語テキストの特徴を有した高度な日本語文章を自動生成できます。ユーザー/研究者は、特定のテキストデータを微調整して、このモデルから独自のモデルを作成することも可能です。  

例えば、Prefixとして「誰も到達していない人工知能の高みへ、ともに」という文章が与えられたとき、特定のコンテキスト(デモ1:講演の感想、デモ2:書籍の紹介)で応答文を生成(※1)するように、微調整できます。 

【デモ1】講演の感想のコンテキストで文章生成

【デモ2】書籍の紹介のコンテキストで文章生成

(※1)上記のデモでは生成する文章の文字数上限を設定しており、実際に生成される全文ではありません。 

rinna社の日本語GPT-2モデルの特徴 

rinna社の日本語GPT-2モデルは、以下の特徴があります。 

  • トレーニングデータとして、CC-100(http://data.statmt.org/cc-100/)のオープンソースデータを使用しています。 
  • Tesla V100 GPUを用いて、70ギガバイトの日本語テキストを約1カ月の長期間にわたってトレーニングしました。その結果、このモデルの性能は約18 perplexity (※2)を達成しました。モデルは十分にトレーニングされており、汎用性があると言えます。 
  • ユーザー/研究者が簡単にアクセスできるように、開発したモデルをHuggingFaceに公開しています。また、研究者が自分のマシンで当社の結果を再現できるように、トレーニングコードをGitHubに公開しています。 
  • 今回公開したのは、GPT2-mediumと定義される中規模サイズのモデルです。今後、パフォーマンスとコストのトレードオフに基づいてユーザー/研究者が最善の選択をできるよう、異なるサイズのモデルも公開する予定です。また、異なるデータでトレーニングした新しいモデルの公開も計画しています。 
    (※2)18 perplexityは、GPT-2モデルが前に与えられた単語から次の単語を予測するときに、正しいものを含む18のオプションだけを残すことができる性能を意味します。 

今後の展開 

rinna社の研究チームが開発している大規模な言語モデルは、すでに当社のプロダクトに広く使用されています。当社は今後も、異なるテキストスタイルや異なるデータ量を含む、より高精度でより大規模な言語モデルの研究開発を続け、AIチャットボットの能力を高めていきます。また、日本語の研究コミュニティのために、これらのモデルをオープンソース化していきます。 

【会社概要】 

社名:rinna株式会社 
所在地:東京都渋谷区渋谷2-24-12 渋谷スクランブルスクウェア39F WeWork 
設立年月日:2020年6月17日 
代表取締役:ジャン“クリフ”チェン 
Webサイト:https://corp.rinna.co.jp/ 
業務内容:AIサービスの研究・企画・開発・運営・販売 

Facebook コメント
PORT編集部https://port.creww.me/
PORT by Crewwは、Creww株式会社が運営する、社会課題をテーマに、新規ビジネス創出を目指すスタートアップ、起業家、復業家、 企業をつなぐ挑戦者のためのオープンイノベーションメディアです。
- Advertisment -

Featured

【事業創出パートナー募集】社長と二人三脚で「明日の街を楽しく」する事業を生み出しませんか|店舗流通ネット オープンイノベーション

【オープンイノベーションインタビュー】 「飲食店の業務委託型ビジネス」を創ったパイオニア、店舗流通ネット株式会社。初期投資を抑えた出店サービスという唯一無二のビジネスモデルを確立させ、そこで培ったノウハウやネットワークをもとに、「店舗」を軸とした不動産・人材・プロモーション・工事など多角的なビジネス展開を続けている。新たに100の事業創出を目指して、2021年度よりアクセラレータープログラムを導入。すでに2回を開催し、実績が出始めている。そして今回、9月からスタートする3回目の開催に向けて、代表取締役社長の戸所岳大氏に話を伺った。 #募集 #店舗流通ネット #アクセラレータープログラム #アクセラレーターインタビュー #オープンイノベーション #スタートアップ #CrewwGrowth #大挑戦時代をつくる #Creww

【協業企業募集】日本のライフラインを支える渡辺パイプと、持続可能な地域社会に貢献し、ボトムアップで日本を元気にしませんか

【オープンイノベーションインタビュー】 水・住まい・農業。水道などの管材や電設資材、住宅設備機器、建材を取り扱う商社であり、農業の温室などを提供する農業メーカーでもある渡辺パイプ。日本全国の生活インフラを支えるリーディングカンパニーだ。これまでに培った潤沢なリソースを活用して、日本の国力をボトムアップで高めるべく、アクセラレータープログラムを実施する。スタートアップとの協業によって、小規模事業者の経営課題も解決できるようなサービス創出や、地域貢献を目指すという。プロジェクトを統括する副社長の渡辺圭祐氏に、具体的に活用できるリソースや描く未来について話を伺った。 #募集 #渡辺パイプ #アクセラレータープログラム #アクセラレーターインタビュー #オープンイノベーション #スタートアップ #CrewwGrowth #大挑戦時代をつくる #Creww

【ビジネスアイデア募集】近代国家を作った薩摩藩・鹿児島の企業と一緒に、次の未来を切り拓きませんか|NTTドコモ主催

【オープンイノベーションインタビュー】 2021年9月13日より募集が始まる、「鹿児島アクセラレーター2021」。これは、鹿児島県内の企業と全国のスタートアップとのオープンイノベーションにより、新たな価値創出を目指す、NTTドコモ主催のプログラムだ。参加する地域企業は、南日本新聞と南日本放送、主に建設業を営む渡辺組の3社。そこに、NTTドコモが強力なサポーターとして参画する。今回のプログラムを主催する背景や期待することなどについて、NTTドコモ九州支社 鹿児島支店 法人営業部 部長の坂本亨氏に話を伺った。 #募集 #NTTドコモ #アクセラレータープログラム #アクセラレーターインタビュー #オープンイノベーション #スタートアップ #CrewwGrowth #大挑戦時代をつくる #Creww

伝統工芸品のカスタムオーダーサービスで、職人による手仕事のすばらしさを広めたい!|「magokoro(まごころ)」

【スタートアップインタビュー】 「大挑戦時代をつくる。」をビジョンに掲げるCrewwでは、毎月オンラインネットワーキングにて、事業会社・スタートアップ・個人起業家などの挑戦者をリコメンドしています。 CrewwのSTARTUP STUDIO(スタートアップスタジオ)プログラム運営をメインに担当する寺田 麗未が今回ご紹介するスタートアッププロジェクトは、magokoro(まごころ)です。 #studioインタビュー #インキュベーションプログラム #スタートアップ #STARTUPSTUDIO #magokoro #まごころ #伝統工芸品 #大挑戦時代をつくる #Creww
Facebook コメント