Category · 5ページ目
40件
学習データへの計算プロパガンダによる「汚染」の可能性を指摘。大規模かつ多様な事前学習コーパスを対象に、データキュレーションパイプラインとの相互作用も考慮した、検出・緩和が困難な有害行動の導入を実証。
Google DeepMindのCEOが、最先端AIのローンチ前のテストと米国での展開を管理する、米国主導の監視機関の設立を提案しました。
Google DeepMindのハサビスCEOが、最先端AIのリスク管理と評価のための独立標準機関設立を提唱。OpenAI、Microsoft、GoogleのCEOも賛同し、AIの安全な発展に向けた国際的な枠組み構築の動きが加速する。
Satya Nadellaは、AIラボによる知識蒸留の制限に疑問を呈している。AI利用によって作成された評価、メモリ、作業履歴の制御は、各企業が持つべきだと主張している。
Hugging FaceのCEO、Clem Delangue氏は、コスト、アクセス性、所有権の観点から、企業はオープンモデルをますます求めていると指摘し、AI開発の焦点が最先端モデルからオープンモデルへと移行する可能性を示唆しています。
主要出版社（Hachette、Cengage、Elsevierなど）が、Googleに対し、著作権で保護された作品をAI学習に無許可で使用したとして訴訟を起こしました。これはAI開発における著作権侵害の問題を浮き彫りにしています。
DAG（有向非巡回グラフ）に沿った関数合成として表現されるプロセスを扱うためのディープガウス過程を提案。不確実性伝播や推論の課題に対処し、因果モデリングや工学分野への応用を目指す。
Lean-QITは、量子情報理論（QIT）のための形式的インフラストラクチャを構築。コーディング定理の形式化を支援し、量子通信、計算、誤り訂正の分野における理論的基盤を強化する。
この研究は、テキストだけでなく視覚情報（図、数式、レイアウト）も活用して言語モデルを事前学習するアプローチを提案。これにより、テキストだけでは捉えきれない知識を言語知能に組み込むことを目指す。
研究者らは、実際のトラップドイオンハードウェア上で動作する量子ニューラルネットワークに対し、多段階攻撃を行い、精度を92.4%から1.07%に低下させることに成功した。この研究は、商用展開が進む量子機械学習のセキュリティの未熟さを露呈している。
AI進化の歴史を辿る連載の第4回。2010年、ディープラーニング前夜の時代にImageNetが始動したことに焦点を当てる。機械学習の台頭とデータ時代の幕開けを経て、AI研究が新たな段階へ進む契機となった出来事を解説する。
スタンフォード大学が発表したAI Index Report 2026は、AI技術の急速な進展と普及を浮き彫りにしている。2026年をAIの歴史における転換点と位置づけ、生成AIのグローバル普及率がChatGPT登場からわずか3年で53%に達したことを指摘。企業投資も急増し、2025年には5810億ドルに達した。
GAFAMなどのプラットフォーマーがAIの進化の果てに人間の職を奪い、UBIで養うという思想を持つ可能性を示唆。AIが自律学習を進める上で、人間のデータが不可欠になる科学的根拠を解説し、AIと人間の関係性、データ所有の重要性について考察する。AIの将来像とプラットフォーマーの意図に迫る。
科学的アイデアの進化をゲノムになぞらえ、その継承構造をAIが理解できるかを評価するベンチマークIdeaGene-Bench (IG-Bench)を提案。科学的 lineage 推論と lineage に基づくアイデア生成に焦点を当てる。
線形RNNの状態をスパース性によってスケーリングする「Sparse Delta Memory」という新しい論文の紹介。RNNの効率とスケーラビリティ向上に関する研究で、AIの基盤技術に関わる。
Karpathy氏のLLM Wikiについて、原文に基づいた詳細な解説と事実検証を行った記事。LLM（大規模言語モデル）の原理や応用に関する深い理解を助ける内容であり、AI研究の観点から重要度が高い。
動画生成AI「LTX-2.3」開発チームがAI企業「LTX」として独立。仮想世界シミュレーションを可能とする世界モデルを開発中で、オープンモデル姿勢を維持。AI研究開発の進展を示す。
生成AIのScaling Laws（規模の法則）の限界と、今後の研究動向について解説。モデルサイズだけでなく、データ品質、推論計算、内部回路、外部記憶、MoE、RAGなどの重要性が増しており、単純な大型化だけではない進化の方向性を示す。
元DeepMind幹部のVerity Harding氏が、AI開発競争が破滅につながる可能性をWIREDに語った。米国の国家主義的なAIへの姿勢が、最悪のシナリオの兆候であると指摘している。AIの倫理的・国際的な側面を論じている。
「J-Space-Aware Pruning/Merging/Distillation」というタイトルの研究（またはその解説）について言及しています。AIモデルの圧縮や統合、知識蒸留に関する高度な技術的トピックを扱っている可能性があり、MLエンジニアではない視点からの考察が含まれているようです。
Anthropicの研究論文「Verbalizable Representations Form a Global Workspace in Language Models」について紹介しています。言語モデルにおける「グローバルワークスペース」という概念と、それがどのように言語表現と関連しているかを神経科学の観点から探求する内容です。
言語モデルがどの程度情報を記憶（Memorize）しているかに関する研究論文の紹介。LLMが学習データの内容をどの程度保持しているか、そのプライバシーやセキュリティへの影響について考察する学術的な内容。
「Multi-Block Diffusion Language Models」というタイトルの論文に関する Reddit の投稿。拡散モデルと言語モデルを組み合わせた新しいアプローチについての研究発表。
「GEAR: Guided End-to-End AutoRegression for Image Synthesis」というタイトルの論文に関する Reddit の投稿。画像生成における自己回帰モデルの新しいアプローチについての研究発表。
本記事は、外部入力なしでもスパイキングニューラルネットワーク（SNN）が活動を維持し、内部で構造化されたパターンを生成する「自発活動」をNumPyで再現するモデル構築の記録。人間の「暇なときの自発的なふるまい」の計算機上での再現を目指す。
2017年の記事「Reality has a surprising amount of detail」は、現実世界の詳細さとそれをAIがどのように捉えるかについて考察している。
研究者たちが、ローカルのオープンウェイトモデルのみで動作する自己複製AIワームを開発した。AIの自律性と潜在的なリスクに関する興味深い研究事例。
LLMが生成する研究アイデアと人間が生成する研究アイデアのギャップを測定するフレームワークを構築。高品質な人間による研究論文からアイデアを逆算し、LLMのアイデアとの比較を通じてギャップを定量化する。
Anthropicが、科学分野に特化した大規模言語モデル「Claude Science」を発表。科学論文の読解、実験計画、データ分析などを支援し、研究開発の加速を目指す。
DiScoFormerは、密度とスコアを同時に推定できる新しいTransformerモデルです。これにより、多様な分布に対して統一的なアプローチが可能となり、生成モデルや異常検知などの分野での応用が期待されます。特に、従来のモデルでは難しかった複雑な分布のモデリングにおいて、その有効性が示されています。
原子核の結合エネルギーを、解釈可能なニューラルネットワークと対称性（SU(4), SU(3)）を組み合わせてモデル化。高精度予測ではなく、物理的洞察の獲得を目的とする。
Meta AIが発表した最新のビジョン基盤モデル「DINOv3」について解説する。70億パラメータモデルで、従来のビジョンモデルのスケーリングにおける課題であった「密な特徴の劣化」を克服する技術的回答を示し、微調整なしでSOTAを圧倒する性能を持つことを紹介する。高品質画像16.89億枚を学習データとしている。
55のLLMに互いを評価させた結果、同系統モデルに評価バイアスが見られたという研究報告。多数のモデルを客観的に評価する手法と、その意外な発見はAI研究の重要な示唆。
Anthropicの言語モデルが、OpenBSDのTCPスタックやFFmpeg、FreeBSDのNFS実装に長年潜んでいた脆弱性を発見した事例を紹介。ゼロデイ脆弱性を量産するClaude Mythos 5に対し、米政府が輸出規制を検討しているという内容。
MCP（Model Context Protocol）の重要性と脆弱性について解説。CVE-2025-54136（ツールポイズニング）やmcp-remoteのOSコマンドインジェクションなど、実害のある脆弱性が公開されている現状を指摘。
脳の超音波イメージングに関する研究は、非侵襲的な脳機能マッピングの新たな可能性を示唆しています。AI技術との連携により、診断や治療への応用が期待されます。
AIと拡散モデルを用いて、まだ発生していない自然災害のリスクを予測する研究が進展。異常気象予測の精度向上や、防災計画への応用が期待される、AIの社会実装における重要な一歩です。
本サーベイは、Vision-Language、Vision-Language-Action、Video-Language、Speech、Text-to-Image、Diffusionモデルなど、様々なモダリティにおける多峰性生成モデルの推論を高速化するSpeculative Decoding (SD)手法を体系的にレビューする。