基盤モデル（Foundation Model）

基盤モデル（Foundation Model）とは

基盤モデル（Foundation Model）とは、非常に大量のデータで幅広く事前学習し、さまざまな用途の土台（基盤）として使えるように作られた大規模なAIモデルのことです。

簡単に言うと、一つの大きなモデルを最初にしっかり学習させておき、それをいろいろな作業に使い回すという考え方のモデルです。「ファウンデーション（土台）」という名前のとおり、多くの応用の出発点になる点が特徴です。

基盤モデル（Foundation Model）は何のためのものか

これまでは、作業ごとに専用のモデルを一から学習させる必要がありました。要約用、翻訳用、分類用といったように、目的が変わるたびに別のモデルを用意するのは手間がかかります。

基盤モデルは、あらかじめ幅広く学習した一つのモデルを土台として、さまざまな作業に応用できるようにしたものです。これにより、用途ごとに一からモデルを作る手間を減らし、少ない追加の調整で多くの作業に対応できるようにする点に意味があります。

基盤モデル（Foundation Model）の主な特徴

大量のデータで幅広く事前学習している

基盤モデルは、文章や画像など膨大なデータを使って、特定の作業に絞らず幅広く事前学習します。この広い学習が、さまざまな応用を可能にする土台になります。

一つのモデルを多くの用途に応用できる

事前学習を終えた基盤モデルは、要約・翻訳・分類・生成など複数の作業に応用できます。用途に合わせて追加の調整を加えることで、目的に沿った働きをさせられます。

規模が大きい

基盤モデルは、扱うデータ量やモデルの規模が非常に大きいのが特徴です。そのため、開発には大きな計算資源が必要になります。

どのような場面で使われるのか

• 対話型のAIサービスの土台として使うとき
• 文章の要約・翻訳・分類などをまとめて扱いたいとき
• 画像や音声など複数の種類のデータを扱うサービスを作るとき
• 自社の用途に合わせてAIを調整して使いたいとき

これらの場面では、基盤モデルが「さまざまな応用の出発点」としての役割を担っています。

具体的な例

大規模言語モデル

GPT（OpenAI）や Claude（Anthropic）、Gemini（Google）などの大規模言語モデルは、基盤モデルの代表例です。これらを土台に、対話やコード生成などの多様なサービスが作られています。

画像を扱うモデル

画像の生成や認識を行う大規模なモデルも基盤モデルに含まれます。一つのモデルを土台に、用途に応じた画像サービスが展開されます。

関連する用語

大規模言語モデル（LLM）

大量の文章で学習し、自然な文章を理解・生成するモデルです。文章を扱う代表的な基盤モデルにあたります。

生成AI

文章・画像・音声などを新しく作り出すAIの総称です。多くの生成AIは基盤モデルを土台にしています。

Transformer

多くの基盤モデルの内部で使われている仕組み（構造）の名前です。

ファインチューニング

事前学習を終えたモデルを、特定の目的や分野に合わせて追加で調整することです。

似た用語との違い

「大規模言語モデル（LLM）」は、主に文章を扱う基盤モデルを指します。これに対して「基盤モデル」は、文章に限らず画像や音声なども含む、より広い概念です。LLM は基盤モデルの一種で、特に言語を扱うものと考えると整理しやすくなります。

利点と注意点

利点

• 一つのモデルを土台に、多くの作業へ応用できる
• 用途ごとに一からモデルを作る手間を減らせる

注意点

• 学習データの偏りが、さまざまな応用先にそのまま影響することがある
• 開発には大きな計算資源が必要で、利用時もコストがかかる場合がある

まとめ

基盤モデル（Foundation Model）とは、大量のデータで幅広く事前学習し、さまざまな用途の土台として使えるように作られた大規模なAIモデルです。

主に、一つのモデルを多くの作業に応用し、用途ごとの開発の手間を減らすために使われます。

初心者のうちは、「基盤モデルは多くのAIサービスの共通の土台であり、LLM はそのうち文章を扱うもの」と理解しておけば十分です。