AI基礎モデル構築の5つのヒント：地図データ活用の成功事例から学ぶ

Ordnance Survey（OS）のCTOであるManish Jethwaは、英国の国家地図サービスにおいて、人工知能（AI）と機械学習（ML）の経験を、最近の生成モデルの進歩に組み合わせて、組織が保有する高精度なデータを精製、配布、適用する方法について説明している。 1. 強力なユースケースを開発する OSは、著作権を尊重しながら環境特徴を抽出するために、独自の基盤モデルを構築している。内部でラベリングされたデータを使用することで、より具体的な問題に対応できるようになる。Jethwaは、「同じ基盤モデルから屋根材質、緑地空間、生物多様性などを分析できる」と述べ、特定の問題を解決するためにモデルを微調整することで効率を上げている。 2. 目的意識のある手法を確立する OSは、モデルの訓練コストを抑制するために、小規模から徐々にデータセットを拡大していく手法を採用している。「訓練データは地域によって異なるクラスをカバーする必要があり、都市部と農村部でバランスを保つことが重要」とJethwa。初期段階では数佰のサンプルから始め、最終的には数十万のラベリング済みデータまで積み重ねて、コストを適切に管理している。 3. 他社の大型言語モデル（LLM）も活用する OSは、自社の基盤モデルに加えて、商業的に利用可能な既存のLLMも活用している。AzureマシンラーニングモデルやPythonベースのツールを利用しながら、IBMなどの外部パートナーと提携することで、データ駆動型課題に対する協調的な解決策を追求している。 4. 商業化を視野に入れる OSが開発した基盤 modelo を他の組織に提供または販売する可能性についても議論が進められている。ただし、Crown copyright（英国王室著作権）という制約があるため、慎重に検討が必要とのこと。「私たちのデータは英国国民の利益につながるよう保護しなければならない」とJethwaは強調する。 5. 未来を見据える Jethwaは、AIによる深い洞察へのアクセスを開放することで、地図サービスの可能性がさらに広がると予想している。例えば、将来のインターフェースでは、ユーザーが興味のある地域を指し示し、AIが具体的な要求（学校の種類など）を問うことで対話を行い、信頼できるソースから正確な情報を提供する。「AIは確率的な答えではなく、具体的な答えをユーザへ届けることを目指している」と彼は説明する。 業界関係者のコメントとOSについて Jethwaのアプローチは、コスト効率と特定領域の高い精度に注力したものであり、既存の大手プロバイダーのモデルを Dwarf すことで自身のニーズに最適なモデルを作り出している。OSは地図と地理空間データ分野で180年以上の歴史を持ち、英国の公共部門で重要な役割を果たしている。