Engineering at Meta の最新AIニュース

Metaは、日常のAI支援において個人の文脈をより深く理解し、スマートフォンを取り出すことなく周囲の状況に集中できるよう、AIグラスにおけるプライバシーを重視した処理機能の導入を発表しました。

組織内の専門知識を蓄積し共有するためのAIエージェントを構築。単なる特化型エージェントとは異なり二層構造を統合することで専門家の知識を継承し組織全体がアクセス可能な状態を実現。社内の知見をAIに学習させ専門的判断を誰もが迅速に行える環境を構築する新しいアプローチを提案している。

Metaは大規模AIモデルの学習や推論に不可欠な高速かつ高信頼なネットワークを実現するため、汎用イーサネット上で動作する新たなRDMA通信プロトコルMetaRoCEを開発した。GPU間のデータ転送効率を最大化し計算リソースの浪費を防ぐ設計となっており、次世代のAI基盤を支える技術として期待されている。

WhatsAppはAI生成された詐欺やなりすましなどの脅威に対抗するため、エンドツーエンド暗号化を維持しつつメッセージの真偽を確認できる新しい詐欺警告機能を導入しました。プライバシーを保護しながらユーザーを詐欺から守るためのセキュリティ強化を図ります。

Metaは膨大なユーザー行動データから個人の嗜好を抽出し、広告ランキングを最適化する高度なシーケンス学習システムを開発しました。このアーキテクチャはユーザーの時系列的な意図を深く理解することで、パーソナライズされた広告体験の精度向上と大規模なスケーリングを実現しています。

MetaはInstagramとFacebookの広告推奨システムを支える基盤モデルGEMの学習効率を2倍に向上させました。数千基の最新GPUを活用しLLM規模での学習を実現したことで、広告推奨の精度とAIイノベーションの加速を目指しています。

Metaは広告エコシステムの最適化を目指し、ユーザーと広告主のエンティティ間を接続する階層的な興味表現技術を研究しています。多様な広告対象からユーザーの潜在的な興味を統合的な埋め込みベクトルとして学習することで、広告主の深層ファネルにおけるターゲット精度と広告体験の向上を図ります。

AIモデルの急速な進化に伴い、トレーニングデータセットの規模も拡大しています。MetaはAIイノベーションの加速とコスト削減において、高速かつ信頼性の高いストレージ基盤が不可欠であると指摘し、AIの知能を支えるメモリとしてのストレージ最適化の重要性を解説しています。

AI時代のデータプライバシー制御には、保持やアクセス権限を管理する前にデータそのものを正確に分類する能力が不可欠である。本稿では資産分類のケーススタディを通じ、データの意味を自動的に理解し、適切なポリシーを適用するための基盤技術と複雑性について解説する。

MetaはRay-Ban MetaなどのAIグラスにおいて、カメラやスピーカー、AI処理などの高負荷な機能を支えるため、極めて限られたスペースに収まる高密度で超小型な専用バッテリーを独自設計しました。この技術開発により、限られた電力消費と物理的制約の中で長時間のAI体験を実現しています。

SilverTorchは、ユーザー生成コンテンツのレコメンドシステムを統一アーキテクチャで再構築した新パラダイム。既存手法と比べて最大23.7倍のスループットを実現し、高効率な検索性能を発揮する。

Facebookはグループ内の情報検索機能を刷新し、ハイブリッド検索アーキテクチャと自動化されたモデル評価システムを導入しました。これによりコミュニティ内の関連性の高い投稿を効率的に発見し、情報の信頼性を検証しやすくすることで、知識共有の活性化を目指しています。

Metaはインフラ内のパフォーマンス問題を自動的に検出し修正するAIエージェントプラットフォームを構築しました。専門知識を統合した標準化ツールを活用することで、消費電力の削減とエンジニアの作業負担軽減を実現し、技術革新を加速させる体制を整えています。

MetaがAI開発の生産性向上に伴い直面している設定管理の課題について解説。大規模な構成変更を安全に行うためカナリアリリースや段階的ロールアウト、ヘルスチェックや監視シグナルを活用し、回帰バグを早期に検知するシステム運用の知見を共有する。