基盤モデル（Foundation Model）
概要
基盤モデル（Foundation Model）は、大規模で多様なデータに対して 事前学習 され、幅広い下流タスクに適応できる汎用的なモデル を指す概念です。スタンフォード大学の研究グループが提唱した用語で、大規模言語モデル（GPT・BERT など）や画像・マルチモーダルモデルを包括します。
特徴
- 大規模な事前学習 — 膨大なデータと計算で1つのベースモデルを作る（事前学習 / 自己教師あり学習）
- 適応性 — ファインチューニング や In-context Learning で多様なタスクへ転用
- 創発（Emergence） — 規模の拡大に伴い予期しない能力が現れる（創発的能力）
- 均質化（Homogenization） — 多くの応用が同じ基盤モデルに依存する
メリットとリスク
| メリット | リスク |
|---|---|
| 一度の学習で多用途に展開 | 基盤の欠陥が全応用に波及（均質化のリスク） |
| 少データ・低コストで適応 | バイアス・ハルシネーション の継承 |
| 能力の継続的向上（スケーリング則） | 計算資源・環境負荷・寡占 |
言語を超える基盤モデル
基盤モデルの考え方は言語・画像にとどまらず、人間行動のシミュレーション にも広がっています。
- OdysSim — 人間の行動パターンをシミュレートする基盤モデル。社会科学・心理学・マーケティング・ユーザー行動予測への応用を狙い、LLM を「認知モデル」へ拡張しようとする試み（マルチエージェントシステム の社会シミュレーションとも接続）。OdysSim_Building_Foundation_Models_Human_Behavior_Simulation