AI日報：ExcelがついにAI脳を搭載、OpenAIが8億ユーザーを支えるデータベースアーキテクチャを公開

正直なところ、今週のAI業界では非常に「地に足のついた」大きな出来事がありました。

雲の上の存在のようなモデルのアップデートを見慣れてしまっていましたが、今回Anthropicは、私たちが最も親しみのあるオフィスソフトであるExcelに直接手を伸ばしました。これは、レポート処理の方法を根本から変える可能性があります。一方で、OpenAIも珍しくエンジニアリングの詳細を公開し、従来のデータベースを使ってどのように8億ユーザーのトラフィックを処理しているかを明らかにしました。

毎日向き合うスプレッドシートの話であれ、バックエンドエンジニアを悩ませる拡張性の問題であれ、今日の内容は非常に充実しています。さらに、オープンソースの音楽モデルもご紹介します。準備はいいですか？それでは始めましょう。

ClaudeがExcelに正式参入：単なるチャットボットではありません

こんな経験はありませんか？複雑な数式で埋め尽くされたExcelシートを見つめながら、前任者が一体何を計算しようとしていたのか全くわからなかったり、#REF!エラーに悩まされたりしたことが。

Anthropicは先ほど、Claude in Excelのプレビュー版を公開しました。これは、一日中データを扱っている多くの人々にとって、まさに救世主と言えるでしょう。

これは、横に常駐して一般的な質問に答えるだけのチャットウィンドウではありません。Claudeはあなたの「ワークブック全体」を理解できるようになりました。入れ子になった数式も理解しますし、異なるシート間のデータの依存関係も把握しています。

これが何を意味するかというと？

「このセルの数値はどうやって計算されたの？」と尋ねると、Claudeは曖昧で無意味な回答をするのではなく、セル単位で正確な参照元の説明を提供してくれます。特定の前提条件を更新するように依頼すれば、Claudeは元の数式の構造を維持したまま、モデルの調整を手助けしてくれます。

財務アナリストやデータスペシャリストにとって、この機能は非常に強力です。デバッグの手助けさえしてくれます。頭を抱えたくなるような #VALUE! や循環参照のエラーも、Claudeなら数秒で原因を特定し、修正方法を教えてくれます。

現在、この機能はClaude Pro、Max、Team、およびEnterpriseユーザー向けのベータテストとして公開されています。もしあなたがヘビーなExcelユーザーなら、Claude in Excelをチェックしてみてください。これは今年インストールするアドインの中で最も価値あるものになるかもしれません。

OpenAIのエンジニアリングの奇跡：PostgreSQLで8億ユーザーを支える

フロントエンドアプリケーションの話に続いて、バックエンドのハードコアなエンジニアリングについて見ていきましょう。

ChatGPTの背後にあるデータベースがどのように動いているか考えたことはありますか？世界中の8億ユーザーを支え、ChatGPTからAPIへの膨大なリクエストを処理するために、何か神秘的な未知のテクノロジーを使ったデータベースを使っていると思うかもしれません。

結果として、OpenAIが明かしたのは、彼らが使っているのはPostgreSQLだということです。

OpenAIの最新のエンジニアリングブログで、彼らはこのスケーリングの道のりを詳細に記録しています。それはまさにトラフィックとの戦いでした。彼らのPostgresの負荷は過去1年で10倍以上に増加しました。

この圧力に耐えるために、彼らは急いですべてをシャーディング（分割）することはしませんでした。その代わりに、単一のプライマリノード（Primary）のパフォーマンスを極限まで引き出し、50近い読み取り専用レプリカ（Read Replicas）を組み合わせました。

狂っているように聞こえますか？単一の書き込みノードでどうやって持ちこたえられるのでしょうか？

OpenAIの戦略は非常に賢明です。彼らは、読み取り量は膨大ですが、書き込み量は比較的制御可能であることを発見しました。そこで彼らは、遅いだけでなくCPUを食いつぶす複雑なJoinクエリを特定し、ロジックをアプリケーション層に移すよう強制するなど、大量のクエリ最適化を行いました。

もう一つの重要な技術は「コネクションプーリング（Connection Pooling）」です。彼らはPgBouncerを使用してデータベース接続を管理し、平均接続時間を50ミリ秒から5ミリ秒に圧縮しました。これは高速道路の料金所の前にETCを設置したようなもので、車の流れが一瞬でスムーズになります。

もちろん、彼らも完全にシャーディングを避けたわけではありません。書き込み量が特に多いワークロードについては、Azure CosmosDBに移行しました。しかしこの事例は、エンジニアリングアーキテクチャが十分に堅牢であれば、従来のリレーショナルデータベースの可能性は私たちが想像しているよりもはるかに大きいことを教えてくれます。

エージェントのベールを剥ぐ：Codexはどのように思考しているのか？

OpenAIのエンジニアリング力について話したついでに、彼らは最近、Codexの動作原理を専門的に解説する新しい技術分析シリーズを開始しました。

最初の記事 Unrolling the Codex agent loop は非常に興味深いものです。これは、いわゆる「AIエージェント」があなたのコンピュータ上で実際にどのようにタスクを実行しているかを説明しています。

私たちはよく、AIがコードを書いたりファイルを修正したりできると言いますが、その間には何が起きているのでしょうか？

核心にあるのは「ループ（Loop）」です。Codexに「このグラフをREADMEに追加して」といった指示を与えると、モデルは一度でそれを完了するわけではありません。推論フェーズに入り、ツールを呼び出す必要があるかどうか（例えば、ファイルを読み込むためにシェルコマンドを実行するなど）を決定します。

必要であればツールを実行し、その実行結果（ファイルの内容やエラーメッセージなど）をモデルにフィードバックします。この「観察 -> 思考 -> 行動」のプロセスは、モデルがタスク完了と判断するまで繰り返され、最後にあなたに応答を返します。

HeartMuLa：オープンソース音楽生成のオールラウンダー

最後に、真面目なコードの話からクリエイティブな分野へと切り替えましょう。

現在、市場にはSunoやUdioといった音楽生成の巨頭が存在しますが、それらはすべてクローズドソースです。もし自分でモデルをコントロールしたり、より細かい調整をしたい場合はどうすればいいでしょうか？

そんな時こそ HeartMuLa に注目すべきです。これは最近オープンソース化された音楽基盤モデルファミリーで、音楽理解と生成における完全なエコシステムを構築しようという大きな野心を持っています。

HeartMuLaは単に音楽を生成するだけでなく、4つのコア部分で構成されています：

1. HeartCLAP：音楽に対するあなたのテキスト記述を理解し、テキストと音声の関連付けを担当します。
2. HeartCodec：音楽のディテールを捉えることができる高忠実度の音楽デコーダーです。
3. HeartTranscriptor：歌詞の認識に特化したモデルです。
4. HeartMuLa：そして最後に、生成を担当する頭脳です。

私が最も興味を持ったのはその「制御性」です。曲の異なるセクション（イントロ、Aメロ、サビなど）ごとにスタイルを指示することができます。これは、単にテキストを入力して運を天に任せるよりもはるかに実用的です。さらに、英語、中国語、日本語、韓国語、スペイン語を含む多言語をサポートしています。

クリエイターや研究者にとって、これは素晴らしい出発点です。彼らのGitHubに行ってモデルの重みをダウンロードし、自分で構築して遊んでみることができます。

HeartMuLa Huggingface space HeartMuLa Github 論文

よくある質問 (FAQ)

Q：Claude in Excelは安全ですか？私のデータはトレーニングに使用されますか？ A：これはあなたのサブスクリプションプランによります。Claude in Excelは、EnterpriseやTeamなどの有料プラン向けに提供されています。Anthropicのポリシーによれば、エンタープライズ版のデータは通常、モデルのトレーニングには使用されず、高いプライバシー保護が適用されます。ただし、使用前に会社の契約書やAnthropicのプライバシーポリシーをよく読むことをお勧めします。

Q：なぜOpenAIは最初からデータベースのシャーディング（Sharding）を行わなかったのですか？ A：シャーディングは書き込み能力を拡張できますが、保守の複雑さが大幅に増します。OpenAIは記事の中で、シャーディングには何百ものアプリケーションエンドポイントの修正が必要で、数ヶ月から数年かかる可能性があると述べています。読み取り主体のワークロードに対しては、単一のプライマリノードとリードレプリカ（Read Replicas）を組み合わせて最適化する方が、コスト効率が良く安定した短期的な戦略です。

Q：HeartMuLaは一般的な家庭用PCで動作しますか？ A：はい。HeartMuLaは3Bパラメータ版を提供しています。もしVRAMが限られている場合、HeartMuLa公式は --lazy_load（遅延読み込み）機能を提供しており、モジュールを「必要に応じて読み込み」、使用後にメモリを解放することができます。これにより、単一のGPUユーザーでもよりスムーズに実行できます。

Q：AIエージェントの「ループ（Loop）」とは何ですか？また、メモリはどのように管理されていますか？ A：ループとは「観察 -> 思考 -> 行動」のプロセスのことです。メモリを管理するために、OpenAIは2つの戦略を使用しています。1つはPrompt Cachingで、不変の指示をキャッシュして計算を高速化します。もう1つはCompaction（圧縮）で、会話が長すぎる場合に、コンテキストウィンドウのスペースを空けるために古い会話履歴を自動的に要約して圧縮します。