OpenAIは今週、ChatGPTを単なるサービスからインフラストラクチャへと進化させ、会話モデルとWhisper音声認識システム用のアプリケーションプログラミングインターフェースをリリースするとともに、 1,000トークンあたり0.002ドル 。

3月1日の 発表 により、開発者はユーザーをOpenAIのウェブサイトに誘導することなく、ChatGPTのようなインタラクションを自社製品に直接組み込むことができるようになった。OpenAIによると、ChatGPTで使用されているのと同じモデルファミリーが、構造化されたチャット形式を通じてアプリケーションを駆動できるようになったという。また、Whisper APIは、音声認識による文字起こしと翻訳を1分あたり0.006ドルで提供する。

バイラルアプリから開発者プラットフォームへ

ChatGPTは11月の一般公開で驚異的な注目を集めたが、APIの登場により、この技術の経済的な役割は大きく変化した。OpenAIが管理するインターフェースとしてだけでなく、教育ソフトウェア、商取引アプリケーション、ソーシャルネットワーク、顧客サービスシステム、社内業務ツールなどの構成要素として活用できるようになったのだ。同時期に TechCrunchが 報じたところによると、OpenAIは、より予測可能なパフォーマンスとモデルの可用性に対する制御を求める顧客向けに、専用のキャパシティも提供しているという。

この価格設定は、生成型AIの実験コストを削減できるという点で注目に値します。OpenAIによると、gpt-3.5-turboはAPIを通じてChatGPTと同等のパフォーマンスを実現しながら、従来のGPT-3.5モデルの10分の1の価格で提供されるとのことです。これにより、数千、数百万もの会話のやり取りを必要とするアプリケーションにとって、はるかに大きな市場が生まれます。.

このAPIは、システム、ユーザー、アシスタントといった役割を持つ一連のメッセージを中心に設計されています。この構造により、開発者はモデルに永続的な指示を与えたり、会話履歴を渡したり、すべてのやり取りを長いテキストプロンプトとして構築することなくサービスの動作を制御したりできます。また、従来のソフトウェアアーキテクチャへの統合も容易になります。.

初期製品は幅広い用途を示している

OpenAIは、Snap、Quizlet、Instacart、Shopifyなどを早期導入企業として挙げている。SnapはSnapchat内の対話型機能「My AI」にOpenAIの技術を採用している。2月27日の Ars Technicaの記事 によると、このボットは当初Snapchat+の加入者向けに提供され、生成システムは誤った回答や誤解を招く回答を生成する可能性があるというSnapの警告が強調されている。

同時期の 報道 によると、Snapはチャットボットを、ギフト、食事、旅行のアイデア、その他の日常的な情報を提案できるモバイルコンパニオンとして位置づける計画だったという。今回の発表は、消費者向けプラットフォームにとっての機会とリスクの両方を示している。生成型AIは新たな顧客接点を生み出すことができる一方で、それを導入する企業は、ユーザーがその回答をどのように解釈するかについて責任を負うことになる。

一方、QuizletはQ-ChatというAIチューターを発表した。3月1日の リリース によると、このシステムはOpenAI APIを使用して、単に答えを返すのではなく、適応型の質問を通して生徒を導くという。このユースケースは、チャットインターフェースが技術的に重要である理由を示している。ソフトウェアはやり取りの文脈を維持し、生徒の以前の回答に反応することができるのだ。

Whisperは音声を別のプログラム可能な入力に変換する

2つ目のサービスであるWhisperは、OpenAIのプラットフォームをテキスト生成の枠を超えて拡張するものです。Whisperは、大量の多言語音声データで学習された音声認識モデルです。この新しいAPIは、元の言語で音声を文字起こししたり、対応言語の音声を英語に翻訳したりできます。TechCrunch の別の記事で は、このサービスはオープンソースのWhisperモデルのホスト型バージョンであり、開発者がコンピューティングインフラストラクチャを自ら運用する必要がなくなると説明されています。

これにより、音声インターフェースを会議ツール、コールセンターシステム、メディアワークフロー、アクセシビリティ製品、モバイルアプリケーションなどに容易に組み込むことが可能になります。また、1分あたり0.006ドルという料金体系により、これまで専門ベンダーやローカル処理に頼っていたユースケースでも、自動文字起こしが実現可能になります。.

これら2つのAPIは、より広範なアーキテクチャを示唆しており、アプリケーションが音声を受け取り、テキストに変換し、対話型モデルを通して推論または生成を行い、応答を返すことができるようになる。開発者はAIモデルをゼロからトレーニングする必要がない。価値は、モデル単体から、モデル、独自データ、ソフトウェアワークフローの連携へとますます移行している。.

信頼性と制御は製品に関する問題となる

ChatGPTをAPI経由で公開しても、モデルの既知の制限は解決されません。OpenAIの発表資料にも、モデルの出力が不正確になる可能性があり、開発者はモデルの動作の変化を考慮する必要があると明記されています。同社は、顧客がすべてのアップデートを自動的に受信するのではなく、特定のモデルリリースにアプリケーションを固定できるように、バージョン管理されたモデルスナップショットを導入しています。.

OpenAIはまた、顧客がオプトインしない限り、APIを通じて送信されたデータをサービス改善に利用しないと述べている。これは、機密情報を外部モデルに送信することに懸念を抱く組織を対象とした方針変更である。ローンチに伴う開発者 発表では 、運用上のフィードバック、モデルの安定性、既存アプリケーションの新しいチャット形式への移行が強調されている。

その戦略的意義は、個々の統合にとどまらない。ChatGPTは、対話型生成AIが幅広いユーザー層を惹きつけることができることを証明した。今回のAPIは、同じ技術が汎用ソフトウェアレイヤーになり得るかどうかを検証するものだ。開発者が発表された価格で信頼性の高い製品を開発できれば、OpenAIにとって最も重要な製品はChatGPTそのものではなく、数千もの他のアプリケーションの基盤となるプログラマブルモデルとなるかもしれない。.