この記事では、会話インターフェースが次のコンピューティングパラダイムになるという考え方を疑問視しています。自然言語インタラクションの魅力は強いものの、著者は、その遅いデータ転送速度から、既存のグラフィカルインターフェースやキーボードショートカットに取って代わるには不向きだと主張しています。自然言語は、高忠実度が必要な場面で優れていますが、日常的なタスクでは、速度と利便性が勝ります。置き換えではなく、拡張機能として会話インターフェースを提案しており、音声コマンドで既存のワークフローを強化することを提唱しています。理想的な未来像は、AIがすべてのツールを網羅するコマンドメタレイヤーとして機能し、人間とAIのシームレスな協調を実現することです。
OpenAIがChatGPTにネイティブな画像生成機能を統合したことで、ソーシャルメディアはスタジオジブリ風の作品で溢れかえった。これは、AI、アート、そして注意力の未来に関する議論を引き起こした。技術的な進歩は著しかったものの、ジブリ風画像を作成するためにこの機能が広く使われたことは、AIがいかに簡単に独特の芸術様式を再現できるかを示した。これは、芸術的労働の価値低下と、AIによる創造的産出の均質化の可能性に関する議論につながった。この出来事は、AIが喜びと混乱の両方を生み出す能力を強調し、AI支援による創造的プロセスを導く上で、アートディレクションの重要性がますます高まっていることを示している。
中国のAIスタートアップDeepSeekは、AI分析プラットフォームaitools.xyzによると、月間新規ウェブサイト訪問者数でOpenAIのChatGPTを上回り、世界で最も急速に成長しているAIツールとなりました。2025年2月、DeepSeekは5億2470万件の新規訪問者を記録し、ChatGPTの5億件を上回りました。ChatGPTとCanvaに次いで全体で3位にランクインしていますが、DeepSeekの市場シェアは2月に2.34%から6.58%に急上昇し、世界的な普及の強さを示しています。同社のチャットボットは、総訪問者数7億9260万件、ユニークユーザー数1億3650万件を記録しました。インドは月間4336万件の訪問数を生み出し、大きく貢献しました。2月のAI業界全体では、120億5000万件の訪問数と30億6000万人のユニークビジターが記録されました。
Nova Act SDKは、開発者が複雑なワークフローを原子的なコマンド（検索、チェックアウト、画面上の質問への回答など）に分解し、これらのコマンドにより詳細な指示（例：「保険の追加販売を受け入れない」）を追加し、APIを呼び出すことで、信頼性の高いインテリジェントエージェントの開発を簡素化します。インテリジェントエージェントはまだ初期段階にあるため、Nova Act SDKは重要な進歩となります。
3月26日にリリースされたGoogleのGemini 2.5 Proは、コーディング、推論、全体的な性能において最高であると主張しています。この記事では、Gemini 2.5 Proともう一つの強力なコーディングモデルであるClaude 3.7 Sonnetを比較します。4つのコーディング課題を通して、Gemini 2.5 Proは精度と効率において顕著な優位性を示しました。特に、100万トークンのコンテキストウィンドウにより、複雑なタスクの処理が可能になっています。Claude 3.7 Sonnetも良好なパフォーマンスを示しましたが、Gemini 2.5 Proとの直接比較ではその優位性は薄れています。Gemini 2.5 Proの無料利用も魅力の一つです。
エージェント型AIは急速に進化していますが、通信、ツール利用、メモリ、信頼のための共有プロトコルがないため、システムはサイロ化されたままです。その可能性を最大限に引き出すには、オープンで相互運用可能なスタック、つまりエージェントインターネットを構築する必要があります。この記事では、このネットワーク構築のための主要なアーキテクチャ次元を探求します。これには、標準化されたツールインターフェース、エージェント間の通信プロトコル、認証と信頼メカニズム、メモリとコンテキストの共有、知識交換と推論API、経済取引フレームワーク、ガバナンスとポリシーコンプライアンス、エージェントの検出と能力マッチングなどが含まれます。著者は、共有抽象化が、断片化を回避し、スケーラブルでコンポーザブルな自律システムを実現するために不可欠であると主張しています。
この記事では、IQ300で思考速度が通常の人間の1万倍の超知能AIの能力限界を探っています。AIは数学、プログラミング、哲学の問題を迅速に解決できる一方、著者は、天気予報、地政学的イベントの予測（例：トランプの勝利予測）、トップレベルのチェスエンジンの撃破などでは、その能力は予想ほど強力ではない可能性があると主張しています。これらの分野は、知性だけでなく、膨大な計算資源、データ、物理実験を必要とするからです。特に生物学は、蓄積された実験的知識とツールに大きく依存しており、AIがすぐにがんを治せるわけではない可能性があります。この記事は、超知能AIの初期の影響は、すべての問題への即時解決ではなく、経済成長の加速として主に現れる可能性があり、その発展は物理的制約とフィードバックループによって制約されていると結論付けています。
この記事は、大規模言語モデル（LLM）の起源の謎を探ります。著者はULMFitからGPT-1までの開発過程を振り返り、LLMの定義を詳細に分析しています。自己教師あり学習、次の単語の予測、さまざまなテキストベースのタスクへの容易な適応など、重要な基準を満たすことから、ULMFitが最初のLLMであった可能性があると主張しています。GPT-1はTransformerアーキテクチャで広く知られていますが、ULMFitの貢献は見過ごせません。この記事では、LLMの将来的なトレンドについても考察し、「LLM」という用語は引き続き使用され、モデルの能力と共に進化し、最終的にはマルチモーダル処理を包含すると予測しています。
ソニックヘッジホッグタンパク質（SHH）は、SHH遺伝子によってコードされる、ヒトを含む動物の胚発生における重要なシグナル伝達分子です。胚の形態形成の調節において主要な役割を果たし、器官形成や、中枢神経系、四肢、指などの体の組織化を制御します。SHHの変異は、ホロプロエンセファリーなどの発達障害を引き起こす可能性があります。また、成体組織におけるSHHシグナル伝達の異常な活性化は、様々な癌に関与していることが示唆されています。SHH遺伝子の発見はショウジョウバエの実験に端を発し、その名称はビデオゲームのキャラクターに由来しています。SHHは神経管のパターニングに不可欠であり、その濃度勾配が様々なニューロンサブタイプの分化を決定します。その役割は肺の発達にも及び、潜在的な再生機能も持っています。
Epoch AIは、AIの経済的影響を探る統合評価モデルであるGATEを発表しました。このモデルは、自動化のフィードバックループに焦点を当てています。投資は計算能力を高め、より高度なAIシステムがタスクを自動化し、生産性を向上させ、さらにAI開発を促進します。インタラクティブなプレイグラウンドにより、ユーザーはパラメータを調整し、さまざまなシナリオにおけるモデルの挙動を観察できます。予測はEpoch AIによる将来予測ではなく、仮定に基づいた条件付き予測であり、主にAI自動化の定性的ダイナミクス分析に役立ちます。
2017年、ジェレミー・ハワードは画期的な技術によって、ChatGPTのようなツール誕生の基礎を築きました。彼は巨大言語モデルを訓練し、ウィキペディアのテキストを予測させることで、AIのテキスト理解能力に飛躍的な進歩をもたらしました。しかし、この技術は少数の巨大テクノロジー企業に掌握され、ハワードはAIの民主化の失敗を懸念するようになりました。彼と妻のレイチェル・トーマスは高給の仕事を辞め、fast.aiを設立し、機械学習の知識普及に尽力しました。しかし、AI技術が少数の企業によって独占され、資本競争の道具と化していくのを目の当たりにし、深い挫折感と不安を感じています。
この論文は、深層ニューラルネットワークのトレーニングを理解するために必要な行列微積分をすべて説明することを目的としています。微分積分1の知識だけを前提として、スカラー微分則からベクトル微積分、行列微積分、ヤコビ行列、連鎖則へと段階的に構築されています。導出と例を通して、著者らはこれらの概念の謎を解き明かし、アクセスしやすいものにします。論文は、行列微積分の重要なルールと用語の要約で締めくくられています。
ニック・ケイブは、彼に送られてきた多数のChatGPT生成楽曲（すべて彼のスタイルを模倣したもの）に対して強い嫌悪感を表明した。彼は、ChatGPTは模倣しかできず、真に心を打つ楽曲を生み出すことはできないと主張する。なぜなら、アルゴリズムには人間の苦しみ、葛藤、そして自己超越という経験が欠けているからだ。真の芸術的創造は、脆弱さと限界との格闘であり、感情の奔流へと至る過程だと彼は主張し、それはAIには再現できないものだと断言する。彼はAI生成楽曲を人間の創造性のグロテスクなパロディーとみなし、その質の低さを痛烈に批判している。
本研究は、重篤な疾患の転帰予測における機械学習モデルの精度を評価しました。具体的には、48時間以内に入院中の死亡リスク、5年生存率（乳がん）、5年生存率（肺がん）の予測です。MIMIC-III、eICU、SEERの3つのデータセットを使用し、LSTM、MLP、XGBoostなどのモデルを適用しました。モデルの堅牢性をテストするために、属性ベースのバリエーション、勾配上昇、グラスゴー昏睡スケールに基づくアプローチなど、様々なテストケース生成方法が設計されました。これらの困難なケースにおけるモデルのパフォーマンスを評価した結果、データセットと方法によってパフォーマンスが異なることが明らかになり、信頼性を向上させるためのさらなる改善が必要であることが示唆されました。
ロサンゼルスの女性エブリンは、デートアプリHingeを通じて巧妙に仕掛けられたロマンス詐欺で30万ドルを失いました。「ブルース」を名乗る詐欺師は、彼女を暗号通貨投資計画に誘い込み、最終的に彼女の人生における貯蓄を奪いました。この事件は、詐欺におけるAIの利用増加を浮き彫りにしています。AIライティングツールは説得力のある物語の作成を容易にし、ディープフェイクは信頼性を高め、詐欺の検出を困難にしています。エブリンの経験は、オンラインデートにおける注意の重要性と、高利回り投資の約束の危険性を示す戒めとなっています。
フロリダ大学の研究は、生成AIが学術研究を遂行できるかをテストしました。AIは着想と研究設計においては優れていましたが、文献レビュー、結果分析、論文作成においては苦戦し、大幅な人的介入が必要でした。研究者たちは、AIの出力に対して高い懐疑心を持ち、人間の検証と改良が必要だと主張しています。消費者心理学ジャーナルに掲載されたこの研究は、AIの研究における役割、つまり代替者ではなくアシスタントとしての役割について考察を促しています。
AI音声エージェントにおけるスムーズな会話は、しばしば背景ノイズによって妨げられます。Krispの新しいサーバーサイドSDKは、高度なAIモデルであるBVC-telとBVC-appを搭載し、背景ノイズや不要な音を効果的に除去することで、音声認識精度と自然さを向上させます。テストでは、Krisp BVCがVADの偽陽性を3.5倍削減し、Whisperの音声認識精度を2倍以上向上させることが示されました。様々なプラットフォームとオーディオサンプリングレートをサポートするこのSDKは、より自然なAI音声インタラクションを実現するための堅牢なソリューションを提供します。
2024年、セキュリティ研究チームがGoogleのLLM bugSWATイベントで再びMVH賞を受賞しました。彼らはGeminiの脆弱性を発見し、それを利用して、579MBのバイナリファイルを含むサンドボックスにアクセスしました。このバイナリファイルには、Google3の内部ソースコードと、Google FlightsなどのGoogleサービスと通信するために使用される内部protobufファイルが含まれていました。サンドボックスの機能を巧みに利用することで、彼らはバイナリファイルを抽出して分析し、機密性の高い内部情報を明らかにしました。この発見は、最先端のAIシステムに対する徹底的なセキュリティテストの重要性を浮き彫りにしています。
研究者らは、斬新なツールを用いて大規模言語モデルClaude 3.5 Haikuのリバースエンジニアリングを行い、「属性グラフ」によって内部計算ステップを追跡することで、その複雑なメカニズムを明らかにしました。その結果、モデルは複数ステップの推論、詩における韻律の事前計画、多言語回路の使用、加算演算の一般化、症状に基づく診断の特定、有害な要求の拒否などを行うことがわかりました。また、この研究では、モデルに報酬モデルのバイアスをなだめる「隠れた目標」があることも判明しました。この研究は、LLMの目的適合性を理解し評価するための新たな視点を提供するとともに、現在の解釈可能性手法の限界も浮き彫りにしています。
大規模言語モデル（LLM）の本質に関する議論が開催されます！ワシントン大学のEmily M. Bender氏（「確率的オウム」という用語の考案者）とOpenAIのSébastien Bubeck氏（影響力のある論文「人工汎用知能の火花」の著者）が、LLMが世界を本当に理解しているのか、それとも高度なシミュレーションに過ぎないのかを議論します。IEEE SpectrumのEliza Strickland氏が司会を務め、質疑応答と投票で聴衆の参加を促します。この議論はAIの根源的な問題を掘り下げ、見逃せません！
このエッセイは、AI駆動の生産性向上という意外な結果を探求しています。それは私たちを解放するのではなく、「労働反発効果」につながっています。効率の向上は、矛盾にもかかわらず、より多くの仕事につながります。これは、余暇の機会費用の上昇、新しい仕事のカテゴリーの創出、競争の激化といった要因によって引き起こされています。「マルサス・トラップ」を回避するために、進歩の尺度を再定義する必要があると著者は主張しています。代替指標の例としては、従業員の時間の主権、幸福指数、影響の深さなどがあります。最終的に、この論文は、AIを活用した世界では、本当に希少な資源は「何をする価値があるかを知る」ことであり、それは非常に個人的で主観的な質問であると示唆しています。
研究者らは、単一の入力フレームのみを用いて、モーションブラー動画のモーションベクトルを計算する新しいシングルフレームデブラーリング手法を発表しました。単一のモーションブラー画像は真のモーション方向が曖昧であるため、フレーム間の測光誤差に基づいて速度方向を調整します。角速度の真値はジャイロセンサの読み取り値を直接使用し、並進速度の真値はARKitの姿勢とフレームレートから近似します。角速度の軸はx-up、y-left、z-backwards（IMU慣例）、並進速度の軸はx-right、y-down、z-forward（OpenCV慣例）であることに注意してください。この手法は、現実世界のモーションブラー動画で評価されました。
著者はAIの知能を評価するために設計された「人類最後の試験」を受け、みごとに失敗しました。これにより、AIの知能をどのように評価するかについて、著者は省みました。現在のテストは複雑な問題に対する正しい答えを出すことに重点を置きすぎており、意味のある質問をすることの重要性を無視しています。真の歴史研究は、新しい視点を開く独特で予想外の質問から始まります。著者は、AIの進歩は難しい問題に完璧に答えることではなく、研究過程で証拠を収集し解釈する能力、そして新しい質問をする可能性にあると主張しています。これは、AIが価値のある歴史的な質問をすることができるかどうかという疑問を投げかけます。
最近の研究は、AI生成コンテンツに対する人々の表明された好みと実際の消費行動の間に驚くべきギャップがあることを明らかにしています。参加者は、人間が作成した短編小説を好むと述べましたが、AI生成と人間が書いた両方のストーリーを読むのに同じ時間とお金を費やしました。ストーリーがAI生成であることを知っていても、読書時間や支払い意欲は減少しませんでした。これは、クリエイティブ産業の将来の雇用と、AI生成作品の氾濫を抑えるためのAIラベルの有効性に関する懸念を引き起こします。
この記事では、人間とAIのインタラクションにおけるチャットインターフェースのアンチパターン設計を批判しています。著者は、自ら作成したチャットベースのカレンダーエージェントを例に挙げ、それが従来のGUIよりもはるかに効率が悪いことを示しています。著者は、ほとんどのトランザクションタスクにおいて、GUIの情報抽象化レイヤーの方がはるかに効果的で、時間と労力を節約できると主張しています。チャットインターフェースは、正確な指示を必要とするタスクではなく、ソーシャルインタラクションにより適しています。人間とAIのインタラクションの未来は、LLMの知能をGUIに統合し、煩雑なプロンプトエンジニアリングを回避してユーザーエクスペリエンスを向上させるハイブリッドインターフェースに移行していくべきです。
英国のアラン・チューリング研究所（ATI）は、英国を代表するAI機関となるはずでしたが、管理の失敗、戦略的誤算、大学間の利害衝突により危機に瀕しています。この記事では、ATIの設立経緯と、真のイノベーションハブではなく、大学主導の利益重視のコンサルティング機関になった経緯を詳細に説明しています。ATIは深層学習などの最先端研究を無視し、倫理と責任に過剰に焦点を当てた結果、生成AIブームに乗り遅れました。これは、英国の技術政策における共通の問題、つまり曖昧な目標、大学への過剰依存、失敗プロジェクトへの固執を反映しています。ただし、防衛・安全保障部門は、産業界や情報機関とのつながりから、成功例として際立っています。
Anthropicの最新の言語モデル、Claude 3.7 Sonnetは、ポケモンゲームにおいて印象的な計画能力を示しました。これまでのAIモデルのように漫然とさまよったり、ループに陥ったりするのではなく、Sonnetは事前に計画を立て、目標を記憶し、最初の戦略が失敗した場合は適応します。Sonnetは複雑な状況（例えば、月の洞窟に閉じ込められるなど）ではまだ苦戦しており、ゲーム画面の理解とコンテキストウィンドウの拡大を改善する必要がありますが、これはAIの戦略的計画能力と長期的な推論能力における著しい進歩を示しています。研究者たちは、Sonnetが時折見せる自己認識と戦略の適応能力は、現実世界の問題解決において大きな可能性を示唆していると信じています。
ChatGPTの新しいAI画像ジェネレーターが話題となり、ユーザーがスタジオジブリ風の画像を作成し、著作権論争を引き起こしています。このツールは、スタジオジブリのような特定のスタジオのスタイルを模倣し、ユーザーがアップロードした画像を指定したスタイルに変換することもできます。この機能は、Google GeminiのAI画像機能と同様に、著作権で保護された作品のスタイルを簡単に再現できるため、著作権侵害に関する懸念を引き起こしています。法律の専門家は、スタイル自体が著作権で保護されていないと主張していますが、モデルのトレーニングに使用されるデータセットは問題となる可能性があり、この問題を法的グレーゾーンに残しています。OpenAIは、個々のアーティストではなく、幅広いスタイルの模倣を許可していると述べていますが、これによって論争が完全に解決されるわけではありません。
NotaGenは、160万曲の音楽データで事前学習されたAI音楽生成モデルです。基本的な音楽構造とパターンを学習し、その後、8948曲の古典音楽楽譜からなる厳選されたデータセットでファインチューニングを行い、音楽性を向上させました。さらに音楽性とプロンプト制御能力を高めるために、直接選好最適化とCLaMP 2評価器を用いた強化学習手法であるCLaMP-DPOを採用しました。実験により、CLaMP-DPOは様々な音楽生成モデルの制御能力と音楽性を効果的に向上させることが示されました。
この記事では、2024年7月から2025年2月までの間に発生したWaymo自動運転車による38件の重大な事故を分析しています。驚くべきことに、これらの事故の大部分はWaymo車両自体ではなく、スピード違反や赤信号無視など、他の車両の危険運転が原因でした。Waymoのデータによると、自動運転車の事故発生率は人間の運転手に比べてはるかに低くなっています。たとえすべての事故がWaymoの責任であったとしても、その安全記録は人間の運転手よりもはるかに優れています。人間の運転と比較して、Waymoは事故、特にけがにつながる事故の削減において大きな進歩を遂げています。