Microsoft、「Azure AI」の新機能を発表　RAGを使いやすくする「統合ベクトル化」とは？：MoE（混合専門家）モデルも追加

SLM（小規模言語モデル）におけるPhi-3.5の品質とサイズの比較（提供：Microsoft）

　Phiのビジョンモデルはマルチフレームに対応した。新モデル「Phi-3.5-vision」（42億パラメーター）は複数の入力画像に対して推論が可能となり、画像間の違いを特定するなどの新しい用途でも利用できるようになった。

　Phiモデルを扱う開発者は、Azure AIの評価機能を使用して、組み込みまたはカスタムの指標を用いて品質と安全性を評価し、必要な対策を講じることができる。Azureのサービス「Azure AI Content Safety」で、プロンプトシールドや保護されたマテリアルの検出など、組み込みのコントロールと安全策を提供している。これらの機能はPhiを含むあらゆるモデルに対してコンテンツフィルターを通じて適用することも、単一のAPIで簡単にアプリケーションに統合することも可能だという。同社は、運用中、開発者はリアルタイムアラートを活用しながら、アプリケーションの品質や安全性、敵対的なプロンプト攻撃、データの整合性を監視し、タイムリーに介入できるとしている。

Azure AIモデルにAI21 Jamba 1.5 LargeおよびJamba 1.5を追加

　AI21 Labsが開発したオープンモデル、Jamba 1.5 LargeとJamba 1.5がAzure AIモデルカタログに新しく追加された。これらのモデルはJambaアーキテクチャを使用しており、MambaとTransformerレイヤーを組み合わせて効率的に長文コンテキストを処理できるという。

　AI21 Labsによると、Jamba 1.5 LargeとJamba 1.5はJambaシリーズの中で最も先進的なモデルだという。これらはハイブリッドMamba-Transformerアーキテクチャを採用しており、短距離依存関係にはMambaレイヤー、長距離依存関係にはTransformerレイヤーを用いることで、速度、メモリ、品質のバランスを保っている。その結果、このモデルファミリーは長いコンテキストの処理に優れており、金融サービス、ヘルスケア、ライフサイエンス、小売、CPG（消費財）などの業界に適しているという。

生成AIアプリケーション向けにRAGを簡素化

　エンドツーエンドのデータの準備と埋め込みを統合し、RAGパイプラインの効率が上がった。組織は、生成AIアプリケーションでRAGを使用し、組織固有のプライベートデータに基づいた知識を取り入れ、モデルを再トレーニングしないで利用できる。RAGを使用すると、ベクトル検索やハイブリッド検索などの戦略を利用し、データに基づいた関連情報をクエリに応じて提供できる。しかし、ベクトル検索には、膨大なデータ準備が必要となる。アプリをCopilotで使用するには、複数のソースにまたがるさまざまな種類のデータを取り込み、解析、強化、埋め込み、インデックス化する必要がある。

　2024年8月22日、Microsoftは併せてAzure AI Searchにおける統合ベクトル化の一般提供も発表した。統合ベクトル化により、これらのプロセスが全て1つのフローに自動化、効率化される。埋め込みモデルへの統合アクセスを使用した自動ベクトルインデックス作成とクエリにより、アプリケーションはデータの持つ潜在能力を最大限に引き出すことができるという。

　統合ベクトル化は開発者の生産性向上に貢献するだけでなく、組織が新しいプロジェクトに対して迅速にターンキーのRAGシステムをソリューションとして提供できるようになる。そのため、チームが毎回カスタム展開を構築することなく、特定のデータセットやニーズに合わせたアプリケーションを素早く構築できるという。