最近、Meta AIチームはビデオ共同埋め込み予測アーキテクチャ（V-JEPA）モデルを発表しました。この革新的な取り組みは、機械知能の発展を促進することを目的としています。人間は視覚信号からの情報を自然に処理し、周囲の物体や動きのパターンを認識することができます。機械学習の重要な目標の一つは、人間が無監督学習を行う根本的な原理を明らかにすることです。研究者たちは、連続する感覚入力の表現が互いに予測可能であるべきだという重要な仮説を提案しました。初期の研究方法は、遅い特徴分析を通じて行われました。

Meta AIの研究者と学術パートナーは、画像、ビデオ、オーディオを処理するために、大規模言語モデルを専門的に訓練する必要がない革新的なシステム、MILS（マルチモーダル反復型LLMソルバー）を共同開発しました。MILSは大規模なデータトレーニングではなく、言語モデルの自然な問題解決能力に依存しており、独自の利点を示しています。MILSは、2つのAIモデルをペアにしてタスク解決を行うことで機能します。1つはタスク解決策を提案する「ジェネレーター」、もう1つは「評価者」です。

Meta AIは最近、SPIRIT LMと呼ばれる基礎的なマルチモーダル言語モデルを大々的にオープンソース化しました。このモデルはテキストと音声の自由な混合が可能で、音声とテキストのマルチモーダルタスクに新たな可能性を開きます。SPIRIT LMは70億パラメーターの事前学習済みテキスト言語モデルをベースに、テキストと音声のユニットで継続的に学習することで音声モダリティに拡張されました。テキストの大規模言語モデルのようにテキストを理解・生成できるだけでなく、音声の理解・生成も可能で、テキストと音声を混合して様々なものを創造することもできます。

大規模なクラウドインフラストラクチャの管理において、些細なパフォーマンス低下でも著しいリソースの無駄につながる可能性があります。例えば、Metaのような企業では、あるアプリケーションの動作速度が0.05%低下したとしても取るに足らないように思えますが、数百万台のサーバーが同時に稼働している状況では、このわずかな遅延が積み重なり、数千台のサーバーの無駄につながります。そのため、これらのわずかなパフォーマンス回帰を早期に発見し、解決することは、Metaにとって大きな課題となっています。この問題を解決するために、Meta AIはFBDetectを開発しました。

高品質で時間的に連続した動画の生成には、特に長い時間範囲を扱う場合、膨大な計算資源が必要です。最新の拡散Transformerモデル（DiTs）は動画生成において著しい進歩を遂げましたが、より大規模なモデルと複雑なアテンション機構に依存しているため、推論速度が遅く、この課題を悪化させています。この問題を解決するため、Meta AIの研究者らは、動画DiTsを高速化するAdaCacheという訓練不要な手法を提案しました。

Meta AIチームは最近、長尺ビデオの言語理解能力を向上させることを目的とした、革新的な時空間適応圧縮機構であるLongVUを発表しました。従来のマルチモーダル大規模言語モデル（MLLM）は、長尺ビデオ処理においてコンテキスト長の制限に直面していましたが、LongVUはこの問題を解決するために開発されました。LongVUは、重複フレームのフィルタリングやフレーム間のトークン圧縮などの手法を通じてコンテキスト長を効率的に使用し、ビデオの視覚的な詳細を維持しながらビデオのサイズを削減します。

Meta AIは最近、新しい量子化版Llama 3.2モデル（1Bと3Bの2つのバージョン）を発表しました。このモデルは、様々なデバイスで微調整、蒸留、展開が可能です。以前は、Llama 3のようなモデルは自然言語理解と生成において顕著な成果を上げていましたが、その巨大なサイズと高い計算需要により、多くの組織にとって利用が困難でした。長いトレーニング時間、高いエネルギー消費、高価なハードウェアへの依存は、テクノロジー大手と中小企業との間の格差を拡大させていました。Llama 3.2は…

Metaは最近、WhatsAppチャンネルで、AIチャットボットMeta AIがブラジル、英国、フィリピン、ボリビア、グアテマラ、パラグアイの6カ国で正式に利用可能になったことを発表しました。これはMeta AIのグローバル展開をさらに進めるもので、世界中のユーザーによりスマートなインタラクション体験を提供することを目指しています。Metaはまた、これら6カ国に加えて、今後中東地域を中心に段階的にMeta AIをさらに多くの国で展開する計画であることも明らかにしました。今回の拡大により、

Metaは水曜日に、人工知能（AI）機能を21カ国に拡大すると発表しました。Meta AIと呼ばれるこのサービスは、会話や検索に利用できるチャットボットに加え、テキスト入力から画像を生成できるクリエイティブスタジオも提供します。Metaのプレスリリースによると、Meta AIは現在、ブラジル、ボリビア、グアテマラ、パラグアイ、フィリピン、英国など21カ国で順次展開されています。これらの国に加え、多くのラテンアメリカ諸国とアジア諸国でも展開予定です。

Meta AIはインドで最も利用されている市場となり、数ヶ月で数十億件の問い合わせを受け付けています。WhatsAppでのパフォーマンスは特に優れています。文化的な課題への対応とアルゴリズムの調整を経て、AIは複数の言語に対応し、現在22ヶ国で利用可能です。新しいモデルLlama 4のトレーニング計算需要は以前の10倍です。一方、Threadsのユーザー数は約2億人に達し、Facebookはアメリカにおける若年層の利用状況に積極的な傾向が見られます。

Meta社は、インド市場におけるAI製品の成功をWhatsAppの広範な利用に負っているとしています。WhatsAppはインドで5億人のユーザーを抱えています。AI製品はローンチ以来数十億件のクエリを処理しており、ユーザーの維持率とエンゲージメントは非常に良好です。地域文化への適応、宗教的にセンシティブなトピックの処理、画像生成におけるバイアスへの対処といった課題はありますが、Meta社は公平性を確保するためアルゴリズムを調整し、ヒンディー語を含む複数の言語をサポートしています。さらに、Meta社はLlama 3の10倍の計算能力を持つ次世代Lの開発を発表しました。