AI時代における病院図書室と医療司書の役割の変化と将来像について論じています。具体的には、医療情報環境におけるAI技術の発展と情報量の爆発的な増加が、医療従事者の情報ニーズと探索行動をどのように変えているかを分析しています。また、Evidence-Based Medicine（EBM）の実践におけるAIの支援可能性と課題、そして患者中心医療と医療情報リテラシーとの関連性も考察しています。これらの変化を踏まえ、日本の先進事例や欧米、アジア・オセアニアの取り組みを紹介しながら、AI時代に求められる医療司書の新たな専門性、役割モデル、キャリアパス、スキルセットなどを詳細に提示し、未来の病院図書室のあり方について提言しています。
はじめに：AI開発を左右する二つの潮流 現在のAI、特に大規模言語モデル（LLM）の開発と普及は、大きく二つの潮流に分かれています。一つは、Meta社の「Llama」シリーズやMistral AIのモデルに代表される「オープンソースAI」。もう一つは、OpenAI社のGPTシリーズやAnthropic社のClaudeシリーズのような、特定の企業が開発・管理する「クローズドAI（プロプライエタリAI）」です。これらのアプローチは、技術の透明性、アクセス性、イノベーションの進め方、そして安全性に対する考え方まで異なり、AIの未来を形作る上で大きな影響力を持っています。先週も、この二つの潮流を巡る様々な議論や動きが見られました。
オープンソースAIの魅力と可能性 ～自由と透明性の光～ オープンソースAIとは、モデルの設計（アーキテクチャ）や、場合によっては学習に使われたコード、さらには学習済みモデルの「重み（パラメータ）」そのものが公開され、一定の条件下で誰もが自由に利用、改変、再配布できるものを指します。
オープンソースAIの課題と影 ～自由の裏側のリスク～ 一方で、オープンソースAIには懸念点も存在します。
クローズドAIの強みと信頼性 ～管理と最先端の力～ クローズドAIは、特定の企業が開発から運用までを一元的に管理し、主にAPIを通じてサービスとして提供されます。
クローズドAIへの懸念点 ～ブラックボックスと依存のリスク～ クローズドAIにも課題はあります。
図解的イメージ（オープンソース vs クローズドAI 比較）:
最近の動きと今後の行方：競争と共存の時代へ Metaによる高性能なLlama 3のオープンソース公開は、クローズドAI陣営に大きなインパクトを与え、AI開発の勢力図を塗り替えつつあります。多くの企業や開発者がLlama 3をベースにした独自のAI開発を進めており、オープンソースエコシステムは急速に拡大しています。 一方で、安全性や倫理的な観点から、高性能すぎるAIをオープンにすることへの懸念の声も上がっており、各国政府や国際機関もこの問題に注目しています。 今後は、完全にオープンかクローズドかという二元論ではなく、両者の良いところ取りをしたハイブリッドなアプローチ（例：コア技術はクローズドにしつつ、特定の用途向けのモデルをオープンソースで提供する）や、企業間の連携（例：Microsoftが自社クラウドでMetaのLlamaモデルを提供するなど）も増えていくかもしれません。
まとめ：AIの多様な未来を見据えて オープンソースAIとクローズドAI、それぞれにメリットとデメリットがあり、どちらか一方が絶対的に優れているわけではありません。重要なのは、これらの違いを理解し、目的に応じて最適なAIを選び、責任を持って活用していくことです。この二つの潮流が互いに競争し、また時には協力しながら、AI技術全体の進化を加速させていくことは間違いないでしょう。私たちユーザーや開発者は、このダイナミックな動きを注視し、AIがもたらす恩恵を最大限に引き出しつつ、リスクを最小限に抑える知恵を身につけていく必要があります。
AIはエンタメだけじゃない！ビジネス現場への浸透
概要
生成AIというと、文章を書いたり、絵を描いたり、音楽を作ったりといったクリエイティブな側面や、ChatGPTのような対話型AIが注目されがちですが、今、その波は急速にビジネスの世界、特に企業の日常業務の効率化・自動化へと押し寄せています。これが**「エンタープライズAI」**と呼ばれる分野です。地味に聞こえるかもしれませんが、私たちの働き方を根本から変える可能性を秘めた、非常に重要なトレンドなのです。
ServiceNowってどんな会社？～ 企業の「縁の下の力持ち」 今回注目するServiceNowは、多くの大企業で使われているクラウドプラットフォームを提供している会社です。具体的には、IT部門のシステム運用管理（ITSM）、人事部門の従業員サポート、顧客サービス部門の問い合わせ管理、さらにはアプリケーション開発など、企業内の様々な部署のワークフロー（仕事の流れ）をデジタル化し、効率化するお手伝いをしています。いわば、企業の様々な業務をスムーズに進めるための「縁の下の力持ち」的な存在です。
AI機能「Now Assist」が業務をどう変える？ ServiceNowは、自社のプラットフォーム全体に**「Now Assist」**という生成AI機能を組み込んでいます。これにより、これまで人間が時間と手間をかけて行っていた様々な業務が、AIのサポートによって劇的に効率化されようとしています。
なぜ効果が出る？その仕組みは？ Now Assistが効果を発揮する背景には、いくつかの技術的要素があります。
図解的イメージ（IT部門のインシデント対応フロー例）:
導入のメリットと乗り越えるべき課題 エンタープライズAI導入のメリットは、劇的な生産性向上、コスト削減、従業員満足度の向上などが期待される点です。これまで人間が忙殺されていた定型業務から解放され、より創造的で付加価値の高い仕事に集中できるようになります。 一方で、データプライバシーとセキュリティの確保（特に顧客情報や機密情報を扱う場合）、既存の社内システムとのスムーズな連携、AIを使いこなすための従業員のスキルアップや意識改革、そして導入コストに見合う効果（ROI）をどう測定し、証明するかといった課題も存在します。
今後の展望：AIによる「働き方改革」は加速する ServiceNowのようなプラットフォームは、今後さらに多くの業務プロセスへとAIの適用範囲を広げ、特定の業界（金融、医療、製造など）に特化したソリューションも強化していくと考えられます。また、テキストだけでなく、音声や画像も扱えるマルチモーダルAIの活用も進むでしょう。 来週（5月7日～9日）にはServiceNowの年次カンファレンス「Knowledge 2025」がラスベガスで開催される予定で、そこでの新たな発表にも注目が集まっています。
まとめ：AIと共に働く未来への準備 エンタープライズAIは、もはや未来の話ではなく、現実のビジネスを変革し始めています。ServiceNowの事例は、AIがいかに企業の「縁の下の力持ち」となり、私たちの働き方をより効率的で、より人間らしいものに変えていく可能性を示しています。企業も個人も、この変化にどう向き合い、AIをどう活用していくかを真剣に考える時期に来ていると言えるでしょう。
巨大化だけじゃないAIの進化
概要
ChatGPTの登場以降、大規模言語モデル（LLM）はそのパラメータ数を増やし、性能を高める方向で、いわば「巨大化」の競争が続いてきました。しかし、その一方で、より小さく、より効率的に動作するAIモデルへの需要も高まっています。なぜなら、巨大なモデルは高性能ですが、動かすためには強力なサーバーと大量の電力が必要で、コストもかかり、応答に時間がかかることもあるからです。
そんな中、先週Microsoftが発表した**「Phi-3」ファミリーは、「小さいけれど、驚くほど賢い」をコンセプトにした小型言語モデル（SLM: Small Language Model）として大きな注目を集めました。これは、AIがクラウド上だけでなく、私たちのスマートフォンやパソコン、さらにはもっと小さなIoTデバイスの上で直接動く「オンデバイスAI」**時代の到来を予感させる重要な一歩と言えるでしょう。
Phi-3ファミリーとは？～ 小さくてもパワフル！ 今回発表されたのは、Phi-3ファミリーの中でも最も小さい**「Phi-3-mini」です。今後、より大きな「Phi-3-small」と「Phi-3-medium」**もリリース予定とされています。
なぜこんなに高性能？秘密は「学習データの質」 Phi-3が小さいながらも高い性能を発揮できる秘密は、その学習方法にあります。Microsoftは、単にインターネット上の膨大なテキストデータを集めるのではなく、教科書やウェブデータから**「質」を重視して厳選・フィルタリングしたデータセット**（論文では”heavily filtered web data and synthetic data”と表現）で学習させました。量より質を追求することで、より効率的に知識や推論能力を獲得できたと考えられます。これは、以前のバージョンであるPhi-1やPhi-2から続く開発思想です。
どんなことに使えるの？広がる応用シーン Phi-3のような高性能な小型モデルは、様々な応用が期待されます。
LLMのポジショニング:
コード スニペット
graph TD
A[大規模LLM (GPT-4, Claude 3 Opusなど)] -- クラウド上で動作 --> B(メリット: 非常に高い性能、広範な知識<br>デメリット: 高コスト、応答遅延の可能性、要ネット接続);
C[小型LLM (Phi-3-miniなど)] -- デバイス上で動作可能 --> D(メリット: 低コスト、高速応答、オフライン可、プライバシー向上<br>デメリット: 知識量や複雑なタスクへの対応力は限定的);
subgraph 特徴
direction LR
X(コスト/リソース);
Y(性能/知識量);
Z(応答速度/オフライン);
end
A -- 高 --> X;
A -- 高 --> Y;
A -- 低 --> Z;
C -- 低 --> X;
C -- 中〜高 (サイズ比) --> Y;
C -- 高 --> Z;
(上記はMermaid記法のテキスト表現です。モデルの特性を対比的に示しています)
メリットとデメリット Phi-3の最大のメリットは、低コスト、高速な応答、オフラインでの利用可能性、そしてプライバシーの向上です。一方で、その小さなサイズゆえに、最新の出来事に関する知識が少なかったり、非常に複雑でニュアンスに富んだ長文の生成や推論は、やはり最先端の大規模モデルには及ばない可能性があります。まさに「適材適所」で使い分けることが重要になります。
今後の展望とAIの未来 Phi-3ファミリーの登場は、AIが特別なサーバーの中だけでなく、私たちの手元にあるデバイスの中で、より身近な存在になる未来を示唆しています。今後、smallやmediumといったモデルが登場することで、性能と効率のバランスが取れた選択肢がさらに増えるでしょう。Appleなどもデバイス上AIに注力していると噂されており、この「小型・高効率AI」の流れは今後ますます加速していくと考えられます。
まとめ MicrosoftのPhi-3は、LLM開発における新たな方向性を示す重要な一歩です。「大きいことは良いことだ」という流れに一石を投じ、AIをより多くの場所で、より手軽に、より安全に利用できる可能性を広げました。この技術が私たちの生活や仕事をどのように変えていくのか、今後の展開から目が離せませんね。
AIはどこまで賢くなる？自律型AIエージェントの進化と安全な制御に向けた課題
概要:
図解的イメージ（安全なAIエージェントの枠組み）:
[ユーザーの目標] → 【AIエージェント (LLMコア)】
→ [計画立案・ツール選択]
↓ ↑ (監視・介入) [安全な実行環境 (サンドボックス)]
← 【Human-in-the-Loop (人間の承認/監督)】
↓ ↑ (実行制限・監視) [外部ツール/API/インターネット]
→ [タスク実行]
→ [結果]
AIエージェントの能力を引き出しつつ、そのリスクを管理するためには、技術的な対策と、運用上のルールやガイドライン整備の両輪が不可欠です。自律性と制御の適切なバランスを見つけることが、今後のAI開発における重要なテーマとなっています。
AI界激震！Metaが超高性能オープンソースLLM「Llama 3」を発表！何がすごい？
概要:
先週最大のニュースは、間違いなくMeta社による次世代オープンソース大規模言語モデル（LLM）「Llama 3」の発表でしょう。今回リリースされたのは、**8B（80億パラメータ）と70B（700億パラメータ）**の2つのサイズの事前学習済みモデルおよび指示チューニング済みモデルです。
Llama 3の驚くべき点:
図解的イメージ（Llama 3開発のポイント）: [
巨大な高品質データ (15T+ トークン)]
→ [大規模な事前学習 (8B, 70Bモデル)] → [高度な指示チューニング (対話能力向上)] + [安全性強化 (Llama Guard 2等)]
→ 【高性能・安全なLlama 3モデル】
着実に進化しており、私たちのコミュニケーションのあり方を大きく変える可能性を秘めています。
まるでSF？自分の声で外国語が話せる！AI音声翻訳・変換技術の最前線
概要:
言葉の壁を越える夢の技術、リアルタイム音声翻訳。最近、AI技術の進化により、その精度と自然さが飛躍的に向上しています。単に音声をテキストに変換し、それを翻訳して音声合成するだけでなく、話者の声質や話し方の特徴（韻律）を保ったまま、リアルタイムで別言語の音声に変換する技術が登場し、注目を集めています。
技術の仕組み（例）:
図解的イメージ（声質維持型リアルタイム翻訳）: [話者の声（言語A）] → ① 高精度ASR → [テキスト（言語A）] → ② 高性能MT (LLM等) → [テキスト（言語B）] → ③ 声質維持型TTS/VC (元の声の特徴を反映) → [話者の声質を持つ音声（言語B）]
応用が期待される分野:
課題:
技術的な課題はまだ残るものの、AIによる音声翻訳・変換技術は着実に進化しており、私たちのコミュニケーションのあり方を大きく変える可能性を秘めています。
はじめに
全5回にわたってお届けしてきた本連載「クラフトビール新潮流」も、いよいよ最終回を迎えました。今回は、「クラフトビールの多様性と未来」と題し、これまでのトレンドを踏まえつつ、今後のクラフトビール業界がどのように進化し、多様化していくのか、その展望を多角的に考察します。新しいビアスタイルの可能性、ノンアルコールビールの進化、そして市場全体の動向を通じて、クラフトビールの未来を探ります。
第1章：進化し続けるビアスタイル – 創造性の限界を超える
クラフトビールの魅力の一つは、その絶え間ない創造性です。既存のビアスタイルの枠にとらわれず、新しい原料や製法を取り入れた革新的なビアスタイルが次々と登場しています。
事例： アメリカの Dogfish Head Brewery は、様々な食材や製法を取り入れた実験的なビール造りで知られており、「Ancient Ales」シリーズでは、古代のレシピや製法を再現したユニークなビールを醸造しています。
第2章：ノンアルコールビール革命 – 「飲めない」を「飲まない」へ
かつては「味気ない」というイメージが強かったノンアルコールビールですが、近年、その品質は飛躍的に向上しています。クラフトブルワリーも積極的にノンアルコールビールの開発に取り組み、「飲めない」人だけでなく「あえて飲まない」という選択をする人々にも支持されるようになっています。
事例： ドイツの Erdinger は、ノンアルコールビールにおいても高い品質を維持しており、世界中で広く愛されています。また、近年では、多くのクラフトブルワリーが個性豊かなノンアルコールビールをリリースし、注目を集めています。
第3章：市場の展望 – グローバルな広がりと新たな消費層の開拓
クラフトビール市場は、今後もグローバルな広がりを見せ、新たな消費層を開拓していくと予想されます。
事例： 日本のクラフトビール市場も年々成長しており、個性豊かなブルワリーが続々と誕生しています。また、海外のクラフトビールブランドも積極的に日本市場に参入しており、多様な選択肢が消費者に提供されています。
結論：多様性こそが未来 – クラフトビールの無限の可能性
クラフトビールの未来は、まさに多様性に満ち溢れています。進化し続けるビアスタイル、ノンアルコールビールの革新、そしてグローバルな市場の拡大は、クラフトビールが今後も多くの人々を魅了し続けることを示唆しています。
本連載を通じて、クラフトビール業界の最前線の潮流とその未来の可能性についてご紹介してきましたが、クラフトビールの魅力は、常に新しい発見と驚きを与えてくれるその絶え間ない進化にこそあると言えるでしょう。
これからも、クラフトビールは私たちの生活に彩りを与え、豊かな時間をもたらしてくれると信じています。
本連載は今回で最終回となります。全5回にわたりお付き合いいただき、誠にありがとうございました。
本物そっくり？AI動画生成技術の進化が止まらない！一方で課題も山積みに
概要:
テキストを入力するだけで、まるで本物のような動画を生成できるAI技術。OpenAIの「Sora」の発表以降、その進化のスピードには目を見張るものがあります。先週も、様々な企業や研究機関から、より高画質で、より長く、より指示に忠実な動画を生成する新しい技術やデモンストレーションが報告されました。
進化のポイント:
具体事例・応用:
しかし、課題も深刻です:
今後の展望: 技術の進化とともに、生成された動画がAIによるものかを見分ける技術（ウォーターマーキング、検出ツールなど）の開発や、法規制、利用ガイドラインの整備が急務となっています。利便性とリスクの両面を理解し、責任ある利用方法を社会全体で考えていく必要があります。
企業も注目！高性能オープンソースLLM「Command R+」がAI開発を加速させる？
概要:
先週、カナダのAIスタートアップCohereが、企業での利用を主眼に置いた高性能な大規模言語モデル（LLM）**「Command R+」**をオープンソース（※利用規約あり）として公開し、大きな話題となりました。これは、同社が以前公開した「Command R」の上位版にあたります。
Command R+の特徴:
図解的イメージ（Command R+の強み）:
【ユーザーの質問/指示】
↓
【Command R+】
① 指示を理解 → (必要なら)
② Tool Use: 外部API/ツールを呼び出し実行 → (必要なら)
③ RAG: 社内DB/Webから関連情報を検索 →
④ ツール実行結果や検索情報を考慮して回答/アクションを生成 ↓
【回答/タスク実行結果】
なぜ注目されるのか？ これまで、企業向けの高性能LLMは、OpenAIのGPT-4やAnthropicのClaude 3 Opusのようなプロプライエタリ（非公開）モデルが主流でした。Command R+のような高性能モデルがオープンソースとして提供されることで、企業はより低コストで、かつ自社の環境に合わせてカスタマイズしながら高度なAI機能を導入できる可能性が広がります。AI開発の民主化をさらに推し進める動きとして注目されています。