Category · 7ページ目
40件
AIによって生成された偽の医学論文引用が過去3年間で12倍に増加した。2026年初頭の監査では、277報中1報に存在しない参考文献が含まれていた。AIの悪用と研究倫理に関する深刻な問題提起である。
LLMの文化・地域バイアスを測定する手法「CROQ」について解説した論文のメモ。論文タイトルは「Why are all LLMs Obsessed with Japanese Culture? On the Hidden Cultural and Regional Biases of LLMs」。
Huawei Ascend NPUプラットフォーム上で、1.58ビット（3値）量子化を意識した学習（QAT）を系統的に研究した論文「BitCPM-CANN」について紹介しています。極端な低ビット化の実際的な課題に対処し、効率的なLLMトレーニングを目指しています。
Sagawa et al.の論文「Distributionally Robust Neural Networks for Group Shifts: On the Importance of Regularization for Worst-Case Generalization」を解説。
Co-Scientistが、新たな感染症の遺伝的トリガーを特定するために利用されました。AIが生物医学研究、特に疾患メカニズムの解明に貢献する例です。
Co-Scientistが、老化研究における新たな発見を導き出すために活用されました。AIが複雑な科学的データの関連性を発見し、研究を加速させる可能性を示しています。
Co-Scientistが、肝臓病のメカニズム解明と既存薬の効果予測に役立てられました。AIによる個別化医療や創薬への貢献が期待されます。
Co-Scientistが、ALS（筋萎縮性側索硬化症）に対する新しいRNAベースの治療法を探求するために、複数の研究機関を結びつけました。AIが共同研究を促進する事例です。
Co-Scientistが、慢性肝疾患や肝線維症に対する新たな治療法発見に貢献しました。AIによる既存薬の再利用や新薬開発の加速を示唆しています。
Co-ScientistというAIツールが、細胞老化の逆転に貢献する遺伝子因子を特定するために利用されました。この発見は、老化研究におけるAIの活用と、再生医療への応用可能性を示唆しています。
2026年、AI監査証跡は規制要件となり、金融、ヘルスケア、銀行業界では厳格な記録保持が求められます。COSOのガイダンス、SECのSOX執行グループ、EU AI法（2026年8月施行）などが背景にあります。
AIエンジニア向けの手引き。フレームワークフリーのColabノートブックで、モデルAPI、構造化出力、ツール呼び出し、RAG、評価、エージェント、ファインチューニング、プロンプトインジェクション、LLMOpsなどを実践的に解説。Groq API上で動作。
本論文は、Transformer言語モデルの内部計算を逆工学する「メカニスティック解釈可能性」への初期的な試みとして、小規模なTransformerモデルの数学的フレームワークを提示する。特に、2層以上のモデルで出現する「誘発ヘッド」がin-context learningを説明できることを発見した。
インターネット接続と協調的な人工知能は、学生や研究者が学術的な活動を行う方法を根本的に変革しました。
OpenAIのGPT-6 Astra発表と、ショウジョウバエの全神経回路図（MaleCNS）発表という二つの出来事を並べ、AIの作り方について問い直す記事。ハエの脳シミュレーションでゲームを動かす研究に触れ、AIの根源的なあり方を考察する。
本研究は、大規模言語モデル（LLM）におけるドメイン固有の幻覚（ハルシネーション）検出手法を提案する。ファインチューニングしたDeBERTa-v3分類、MC Dropoutによる不確実性定量化、温度スケーリングキャリブレーションを組み合わせたマルチシグナル検出パイプラインである。HaluEvalベンチマークで高い性能を示し、特にQAや要約タスクで有効である。
本論文は、CRISPRスクリーニングにおける適応的ヒット発見のためのベンチマーク「AssayBench-Loop」を提案する。生物学的発見問題では、制約予算下で実験を逐次選択する必要があり、CRISPRスクリーニングはその代表例である。既存のベンチマークは規模と多様性に限界があったが、本研究は大規模で多様なベンチマークを提供する。
本研究は、連続グルコースモニタリング（CGM）予測における時間系列ファウンデーションモデルの有効性と、マルチモーダル食餌コンテキストの付加価値を評価する。8つの公開CGMデータセットを用い、8つのモデルを比較。ファウンデーションモデルの汎用的な予測能力は高いものの、CGM予測への最適化や食餌情報の統合による効果は未解明な部分が多い。
Augustinian BabyLMは、指示定義（ostensive definition）が小規模言語モデルに教えられること、教えられないことを探求する。St. Augustineの言葉学習の視覚的接地（visually grounded）の概念を小型masked language modelに適用。
CoRA-NASは、ニューラルアーキテクチャ探索（NAS）のための2段階フレームワークを提案する。ゼロコストプロキシの信頼性のばらつきを克服するため、静的なランキング（CoRA-Rank）と低コストな学習曲線（CoRA-Refine）による洗練を組み合わせる。CoRA-Rankは複数のプロキシを統合し、CoRA-Refineは初期の検証曲線から性能を予測・拡張する。
ハエの「脳を含む全神経」を丸ごと配線図化する「コネクトーム」の研究について解説。この技術により、ハエの神経回路をコンピューター上で再現し、ゲームやクルマを操作させる実験が可能になっている。神経科学とAIの融合を示す事例である。
Anthropic社の研究員が、AI開発企業が「我々の生命を危険に晒している」という懸念から退職したことが、AIの安全性に関する広範な議論を巻き起こしています。この研究員の決断は、AIの潜在的なリスクに対する懸念を浮き彫りにしました。
米国プリンストンプラズマ物理研究所（PPPL）は、核融合実験においてAIが異常を0.2秒前に予測し、装置を制御して回避したと発表しました。これは核融合プラズマの安定化に貢献する技術です。
AnthropicのCEOが、AI開発の減速を提唱する論考を発表しました。これは、AI開発のペースが安全対策に追いつかない懸念から、中国のAI先行を警戒しつつ、米国が安全対策に時間をかけるための提言です。
「見えないAI誤用」という概念を定義し、その構造的仮説を4つ提示する。AIは活用されているものの、その使い方によって人は成長できているのかを問う。
Anthropic CEOがAI開発のペース調整を提言。AIの自己改善と安全上の脅威を踏まえ、3段階の計画と第三者評価、国際協調を訴えた。OpenAI CEOやマスク氏も賛同。
パリ拠点のArlequin AIは、トポロジカルニューラルネットワークに基づいた新しいAIモデルアーキテクチャの開発を加速するため、約3200万ドルの資金調達を発表しました。この新しいアプローチは、大規模な複雑な関係性を学習することを目指しており、従来のグラフベースのニューラルネットワークとは異なる革新的な技術です。
Anthropic CEOのDario Amodei氏のインタビュー要約。AIの指数関数的成長が「終盤」に差し掛かっているという見解を提示し、AGI（汎用人工知能）の到来時期について示唆を与える。AI進化の現状と将来予測に関する重要な論点。
元OpenAIの研究者が設立した非営利団体が、AIの存続リスクに関する議論の中心になっている。この団体はAIの安全性の分野で重要な役割を担っている。
Anthropicは、AIが悪用され、生物兵器開発につながる可能性について事例を公開しました。特に、ウイルスの研究や合成におけるAIの利用が、潜在的なリスクとして指摘されています。AI技術の倫理的な利用と、悪用防止策の重要性が示唆されています。
MetaのAIが、過去の写真から母親の子供たちを識別し、個人情報を推測する問題が発生した。AIのプライバシー侵害のリスクと、その説明責任の欠如が浮き彫りになった事例である。
Hugging FaceのCEOが、Anthropicの研究者に対しAIの終焉リスクについて尋ねることは、エアコン業者に気候変動について尋ねるようなものだと発言した。
AI研究者のTimnit Gebru氏は、AIの破滅的な未来に関する議論は、自律型兵器のような現実的なAIの害から注意をそらすためのものだと主張しています。彼女は、AI企業が潜在的なリスクを隠蔽するために恐怖を煽っていると批判しています。
Anthropicが2026年9月に公開した脅威インテリジェンスレポートを読み解き、その内容を整理・要約した記事。レポートは2025年12月から2026年までの期間におけるAIの悪用検知と対抗策に焦点を当てている。
Anthropicは、Alibaba、Moonshot AI、DeepSeekといった中国のAI企業からの継続的な蒸留攻撃（distillation campaigns）について報告しました。近年、競争激化に伴い、これらの攻撃が増加していると主張しています。
Anthropicは、AIの悪用事例をまとめたレポートを公開しました。生物兵器設計や世論操作、中国AI企業によるモデル抽出などを報告し、危険な転用への警戒を強めています。
Buckmaster氏に続き、Thom氏もOpenAIが未発表の研究データを不正利用したと非難している。未発表の数学のチャットデータがモデルに利用された可能性が研究者の間で懸念されている。
本論文は、研究アイデアの仕様が実装に十分かどうかを評価するためのベンチマーク「IdeaAMBIG」を提案する。研究アイデアの提示方法が、実装者やAIエージェントが仮定なしに実装できるだけの十分な情報を含んでいるかを評価する。
言語生成における「リミットでの生成」タスクを分析し、有限の証拠と分離幅の階層によって特徴づける。これは、無限言語のすべての網羅的な正の提示から、未見の有効な要素を生成するタスクである。
Anthropicの研究者が、AIの安全性が人類にとって「クライシス」であると指摘。AI研究開発の「ミニマンハッタン計画」が進行中であり、アラインメント問題やAIの安全性を確立するための数年間の猶予しかないと警鐘を鳴らしている。