AI
2026年9月17日
生成AIに対する世界的な関心の大部分は、大規模言語モデル（LLM）に集中しています。LLMは現在、質問への回答、動画やグラフィックの作成、文章の執筆（この記事ではありませんが）、議事録やミーティングの要約などに使用されています。
LLMには多くのことができる一方で、大規模表モデル（LTM）と呼ばれる別の種類の生成AIシステムによって管理される方が適している処理もあります。
この種のモデルは、チャットボットを駆動するのではなく、数値データセットなどのさまざまな種類の情報を処理するように設計されているため、その出力や用途は、現在広く使われているLLMとは異なります。
大規模表形式モデルは、大規模な表や、整然とした行と列に格納された数千億件の決済トランザクションなどのその他の種類の整理されたデータセットを分析できる、生成AIシステムの一種です。これらのデータセットを使用して、パターンを検出し、予測を行うことができます。このようにして、人間や他のタイプのソフトウェアでは発見しにくい傾向や行動を見つけ出すのに役立ちます。
OpenAIのChatGPTやGoogleのGeminiの基盤となっている大規模言語モデル（LLM）は、非構造化データとも呼ばれるテキスト、画像、動画でトレーニングされています。これらは、短編小説や画像などの類似した種類のコンテンツの作成に優れており、ソフトウェアコードの開発にも使用できます。
LTMは、取引記録の行や列などの構造化データでトレーニングされます。LTMは、パターンの検出や行動の予測、そしてバックグラウンドでのシステムの改善を得意としています。
どちらのタイプの生成AIモデルも、LLM向けのテキストやLTM向けの整理されたデータセットなど、膨大な量のデータを使用してトレーニングされています。どちらのタイプのモデルも、このトレーニングを利用して分析や予測を行うことができます。
LLMにとって、それは何百万もの文を分析した上で、文中の次の単語が何であるかを予測することを意味します。それによって、新しい物語や歌詞を書くことができるのです。
LTMの場合、これは、何十億もの過去の取引を分析した上で、ユーザーの次回の決済取引を予測することを意味します。これにより、不正利用対策モデルに対して、どの取引が正当なものでどれが不正の可能性があるかを伝えることができます。
LLMは構造化データがあまり得意ではない一方、LTMはこの種の情報の処理および分析に優れている傾向があります。LTMとLLMは異なる種類のデータから学習するため、一方が他方に取って代わるわけではありません。むしろ、それぞれ異なる処理を行い、互いに補完し合うことができます。
LTMはさまざまなデータセットや構造化データの分析に使用でき、ユーザーが多数の行を持つ大規模で分散したテーブル全体から新たな関連性を見出し、新しいインサイトを獲得することを可能にします。
金融サービスや決済の分野において、LTMは大量の取引データからパターンを学習することで、不審なアクティビティをより早期かつ正確に発見するのに役立ちます。LTMは一般的な支出パターンを認識し、そのパターンに突如として適合しない状況を素早く特定することができます。LTMはさまざまな状況における通常の状態を学習するため、不正対策システムが正規の購入を不正として誤検知するのを防ぎ、実際の真のリスクを追いつつも、不要なカード取引の否認を減らすことができます。
Mastercardは、こうしたシナリオや用途を正確に調査するため、数十億件の匿名化された取引データを基にトレーニングされた独自のLTMの開発を開始しました。当社では、LTMがサイバーセキュリティ、ロイヤルティおよび特典プログラム、パーソナライゼーションモデル、ポートフォリオ最適化、データ分析ツールに使用できると考えています。さらに、LTMは既存の従来の機械学習AIシステムよりも柔軟性が高いため、現在のように何千もの従来型の機械学習モデルを構築および維持する代わりに、少数のLTMを使用できる可能性があります。
決済や金融サービスに加えて、LTMは製薬、エネルギー、運輸、ロジスティクスに至るまで、大量の構造化データを管理するあらゆる業界で使用できるため、組織はデータから新たなインサイトを発見できるようになります。
本記事の公開時点での公開情報に基づくと、現在稼働しているLTMは、あったとしてもごくわずかであるようです。しかし、多くの企業がこれまでの独自LTMの研究開発において肯定的な結果を発表しており、多くの企業が実用化に向けて取り組んでいるように見受けられます。生成AI機能に関するニュースが日々報じられているため、LTMに関する急速な変化や新たな発見がもたらされることが予想されます。
現時点では、LLMとは異なり、LTMはバックグラウンドで動作し、不正利用対策システムの強化、大規模なデータセットの分析、組織内のデータサイエンス能力の強化を行う可能性が高いようです。
LTMがAIエージェントとどのように連携できるかは、まだ分かっていません。現在、LLMはChatGPTをはじめとする多くの種類のAIエージェントの駆動基盤として使用されていますが、LTMは組織の業務やシステムの改善・効率化に主に活用されるため、同様のユースケースがそれほど明確ではありません。しかし、今日のLLMと同様の方法で、エージェントがLTMと連携して現実世界の課題を解決する未来を想像することは可能です。
たとえば、生成AIチャットボットを通じて買い物をするユーザー向けに、エージェントがLTMからの分析結果を利用してパーソナライズされたおすすめ情報を提供する日が来るかもしれません。このように、LTMは最終的にエージェント型コマースの推進に活用される可能性があります。これは、これらのエージェントを使用してショッピング、検索、購入を行う、新しく発展しつつある小売の形態です。
