マンチェスター大学のド・カールバロ氏とド・フレイタス氏らの研究チームが、大規模言語モデル（LLM）の説明可能性と制御性を高める新たなソフトウェアフレームワーク「LangVAE」と「LangSpace」を開発した。この技術は、LLMの内部言語パターンを幾何学的な表現に変換し、モデル自体を改変せずにその挙動を可視化・調整可能にする。具体的には、モデルの出力内容を空間上の点や形状として表現し、距離や角度を用いて比較・制御することで、人間が理解しやすい形でAIの意思決定プロセスを解明できる。 従来の説明手法に比べ、このアプローチはハードウェアとエネルギー消費を90％以上削減。研究や開発に必要なリソースが大幅に削減されたことで、大学やスタートアップ、中小企業など、リソースに制約のある組織でも説明可能なAIの開発に参画しやすくなった。 ド・カールバロ氏は「説明可能で制御可能なAIの開発への障壁を大きく下げ、環境負荷の低減にも貢献する」と強調。同チームの目標は、医療などミッションクリティカルな分野で信頼性の高いAIを実現すること。この技術の普及により、AIの透明性と安全性が進展し、実社会への適用が加速することが期待される。