ONTO: A Token-Efficient Columnar Notation for LLM Input Optimization
LLM の入力最適化を目的とした新しい列指向表記法「ONTO」は、フィールド名の繰り返しを排除する設計により JSON と比較してトークン数を約 50% 削減し、推論レイテンシの改善を実現しながら、タスク精度を維持することを示しています。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
この論文は、**「AI（大規模言語モデル）に大量のデータを渡すとき、今のやり方（JSON という形式）はあまりに無駄が多い！」**という問題に気づき、それを解決する新しい「データ送り方（Onto）」を提案したものです。
まるで、**「1000 人の生徒の名前と成績を、一人一人に手書きの封筒に入れて送る」ような非効率なやり方をやめて、「名簿を一枚用意し、その下に成績を並べる」**という賢い方法に変えたような話です。
以下に、専門用語を排して、身近な例え話で解説します。
1. 問題：なぜ今のやり方は「もったいない」のか？
AI にデータを渡すとき、私たちは今、JSONという形式を使っています。これは、人間が読んでもわかりやすく、コンピューター同士でデータをやり取りするには完璧な形式です。
しかし、AI にとって、この形式は**「重すぎる荷物」**なのです。
- 今のやり方（JSON）：
1000 個のセンサーデータを送るとします。
「温度：23 度」「温度：24 度」「温度：22 度」……と、「温度」という言葉が 1000 回も繰り返されます。
さらに、かっこ{}やコロン:などの「箱」や「区切り」の記号も 1000 回分必要です。- 結果： AI が読むべき本当の「数字（意味）」よりも、「ラベル（名前）」や「箱」の記号の方が圧倒的に多くなってしまいます。
- 比喩： 1000 個のリンゴを運ぶのに、1000 個の箱に「リンゴ」というラベルを貼って、さらに箱自体を 1000 個用意して運んでいるようなものです。運ぶのはリンゴなのに、箱の重さばかりが問題になっています。
AI は「トークン（文字の断片）」という単位で処理し、その量が増えると時間がかかり、お金も高くなります。
2. 解決策：新しい形式「Onto（オント）」とは？
研究者たちは、**「AI は一度に大量のデータを見るので、ラベルは最初だけでいい！」と考えました。そこで開発されたのが「Onto」**です。
Onto のやり方：
- 名簿を一度だけ書く： 「温度」「湿度」「場所」という項目名を、データの一番上に1 回だけ書きます。
- データを並べる： その下に、1000 個のデータを「|（パイプ）」という記号で区切って、行ごとに並べます。
- 階層は「字下げ」で： 住所や座標のような「入れ子」のデータも、字下げ（インデント）だけで表現します。
比喩：
1000 人の生徒の成績を渡すとき、
「名前」「数学」「国語」という表紙を 1 枚だけ用意し、その下に「山田、90 点、85 点」「佐藤、88 点、92 点」と名前を省いて並べるだけです。- 結果： 余計なラベルや箱がなくなり、AI が読む文字数が 46%〜51% 減りました。
3. 何が良くなったの？（3 つのメリット）
この「Onto」を使うと、具体的にどんな良いことがあるのでしょうか？
- お金が半分になる（コスト削減）
AI への請求は「読んだ文字数」に比例します。文字数が半分になれば、API 利用料もほぼ半分になります。 - AI が即座に答える（速度向上）
読むべき文字が減ったので、AI が思考を始めるまでの時間（レイテンシ）が5%〜10% 短縮されました。 - AI の理解力は落ちない
「一番高い温度は？」「温度が 30 度以上の機器は何個？」といった質問に対して、従来の JSON と同じくらい正確に答えられました。 人間が読んでもわかりやすいままです。
4. 注意点：万能薬ではない
この「Onto」は、**「AI に分析させるためのデータ」**という特定の目的に特化したものです。
- 向いていること：
- 大量のセンサーデータやログを AI に分析させる時。
- 文字数の制限（コンテキストウィンドウ）に厳しい時。
- 向いていないこと：
- 人間同士でファイルをやり取りする時（JSON の方が一般的で便利）。
- データを長期的に保存する時（Parquet などの形式の方が良い）。
- データの形が毎回バラバラな時（Onto は「同じ形」のデータが並んでいることが前提）。
まとめ
この論文は、**「AI 時代には、AI に合わせた新しいデータ送り方が必要だ」**と説いています。
今までは「人間が読みやすく、誰にでもわかるように」データを箱詰めしていましたが、**「AI は箱の中身（データ）だけ見ればよく、箱（ラベル）は要らない」という視点の転換で、「Onto」**という新しい形式を作りました。
これにより、**「同じデータを、半分のコストと時間で AI に処理させる」**ことが可能になりました。AI が日常の業務や分析に深く組み込まれていく未来において、とても重要な一歩と言えるでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。