アリババ、動画から人間の感情を分析できるオープンソースAIモデルを発表

アリババのTongyi Labは火曜日（3月11日）にR1-Omniモデルをオープンソースとしてリリースした。これは、検証可能な報酬による強化学習 (RLVR) を適用した、初の包括的なマルチモーダル言語モデルと考えられています。RLVR は、感情を推論および分析する AI の能力を向上させることが期待されるテクノロジーです。

開発チームによると、RLVRを活用してオープンソースのHumanOmni 0.5Bモデルを最適化し、推論能力、感情認識の精度、一般化能力など3つの重要な要素を大幅に改善したという。 R1-Omni は、視覚情報と聴覚情報が感情認識にどのように役立つかをより深く理解し、各感情を評価する上でどの要素がより重要な役割を果たすかを特定できるようになったと報告されています。

alibaba ra mat mo hinh ai ma nguon mo co the phan tich cam xuc con nguoi qua video hinh anh 1 — 中国のアリババグループは、新しい人工知能（AI）モデルを発表した - 写真：ブルームバーグ

テストビデオでは、R1-Omni はビデオを通じて人物の感情状態を識別し、人物の服装や周囲の環境を説明することができました。これはコンピュータービジョンの分野における大きな前進を意味します。

AI感情認識技術は、テクノロジー業界で徐々に重要なトレンドになりつつあります。この技術は、顧客サポートのチャットボットや、テスラの電気自動車の運転中にドライバーの疲労の兆候を検出する監視システムなど、実際のアプリケーションでよく見られます。

R1-Omniモデルの発表により、アリババはAI競争を加速させ、OpenAIの地位に挑戦している。 OpenAIは、ユーザーの質問の微妙なシグナルを認識して応答できるGPT-4.5を月額最大200ドルでリリースしたが、AlibabaはHugging Faceプラットフォーム上でR1-Omniを完全に無料で提供している。

R1-Omniは現在、「幸せ」や「怒り」といった基本的な感情しか認識できないが、アリババのCEOである呉永明氏によると、同社の最大の目標は汎用人工知能（AGI）であり、AI向けの感情知能の開発は重要な前進だという。