UCサンタクルーズ大学の科学者たちは、実際の胚を使用せずに、受精後数日を模倣する胚の細胞モデルを開発しました。CRISPRベースの遺伝子編集技術を用いて、マウスの幹細胞を、初期胚発生の重要な段階を複製する、胚様体と呼ばれる自己組織化構造に誘導しました。これにより、初期発生における遺伝子の機能や発生異常のメカニズムを研究することが可能になります。Cell Stem Cellに掲載されたこの研究は、ヒト不妊の理解と不妊治療の改善に新たな道を開きます。
若い成人に関する研究で、夜型人間（夜更かしの人）と鬱症状の増加の強い関連性が明らかになりました。研究者たちは、マインドフルネス、反芻思考、アルコール消費、睡眠の質を潜在的な媒介因子として調査しました。結果は、これらの因子が関係を有意に媒介することを示しており、「意識的に行動する」というマインドフルネスの一側面が、鬱に対する特別な保護効果を提供しています。この研究は、若年者の精神的健康を改善するための新しい介入戦略を示唆しています。
この記事では、大規模言語モデル（LLM）をレコメンデーションシステムと検索エンジンに応用した最近の研究を概観します。これらの研究は、LLMで拡張されたモデルアーキテクチャ（例：YouTubeのSemantic IDs、快手のM3CSR）、LLMによるデータ生成と分析（例：Bingの推奨品質向上、Indeedの期待される不適切なマッチング）、LLMのトレーニング方法論（例：スケーリング則、転移学習、知識蒸留）といった様々なアプローチを探求しています。さらに、効率性とパフォーマンスを向上させるために、LinkedInの360BrewやNetflixのUniCoRnなどの検索とレコメンデーションシステムの統合アーキテクチャにも焦点を当てています。全体として、これらの研究は、レコメンデーションシステムと検索エンジンの性能向上におけるLLMの大きな可能性を示しており、実質的な現実世界の結果をもたらしています。
一般的な見解では、AIの主要な経済効果はR&Dの自動化にあるとされています。しかし、この記事ではこの見解に異議を唱え、R&Dの経済的価値は過大評価されており、生産性向上への貢献は一般的に考えられているよりもはるかに小さいと主張しています。著者らは、AIの経済的価値は、主に広範な労働力自動化に由来し、生産性と生産量の著しい向上をもたらすと主張しています。これは、R&Dの進歩だけに限定されるものではありません。AIが最終的にR&Dを自動化するとしても、それはより広範な自動化の後、AIがより幅広いタスクを実行できるようになった後に起こるでしょう。
この記事では、従来のコーディングからコード補完、チャットベースコーディング、コーディングエージェント、エージェントクラスタ、そして最終的にはエージェントフリートまで、AIコーディングの進化を探っています。著者は、コーディングエージェントが開発効率を劇的に向上させる一方で、高コストも伴うと予測しています。将来のプログラマーの役割は、AIエージェントの管理と調整へと移行します。この記事では、若い世代のプログラマーがベテラン開発者よりもAIテクノロジーを積極的に採用していることを強調しており、これはソフトウェア開発業界の才能構造を再形成します。著者は、将来この分野で成功するためには、コーディングエージェントの効果的な使用方法を学ぶことが不可欠であると結論づけています。
AIモデルのトレーニングにおけるインターネットコンテンツの使用から生じる著作権上の懸念に対処するため、IETFの新たに設立されたAI選好ワーキンググループ（AIPREF）は、コンテンツの収集と処理方法に関する選好を表すための構成要素の標準化に取り組んでいます。現在、AIベンダーは、クロールとトレーニングの決定を導くために、混乱を招く非標準的なシグナル（robots.txtなど）を使用しており、それにより、著者や出版社は、自分の選好が尊重されるという確信が得られません。AIPREFは、著者と出版社の選好を表す共通の語彙、この語彙をインターネットコンテンツに添付する方法、および複数の選好表現を調整するための標準メカニズムを定義します。ワーキンググループの最初の会議は、IETF 122バンコクで開催されます。
475人のAI研究者への調査によると、現在のAIアプローチの単純なスケールアップは、汎用人工知能（AGI）につながる可能性が低いことが明らかになりました。テクノロジー大手によるデータセンターへの多額の投資にもかかわらず、収穫逓減は明らかです。OpenAIの最新のGPTモデルは限定的な改善しか示しておらず、DeepSeekはコストと消費電力のほんの一部で同等のAIパフォーマンスを実現しています。これは、OpenAIのテスト時計算やDeepSeekの「専門家の混合」アプローチなど、より安価で効率的な方法が将来の鍵となることを示唆しています。しかし、大企業は依然として蛮力的なスケーリングを好んでおり、より小規模なスタートアップがより経済的な代替案を探求することになります。
P＆Gで行われた無作為化比較試験では、生成AIがチームの生産性とソリューションの質を大幅に向上させることが明らかになりました。AIを利用した個人は、AIを利用していないチームと同等の成果を上げ、AIを利用したチームは優れた成果を収め、最上位のソリューションを生み出す可能性が大幅に向上しました。AIは効率性を向上させるだけでなく、肯定的な感情を高め、部署間の壁を取り払い、経験の少ない従業員が経験豊富なチームメンバーと同等のレベルに達することを可能にしました。この研究は、AIが単なる生産性向上ツールではなく、チームワークと組織構造を変革できる「チームメイト」であることを示唆しています。
研究者らは、R1-Zeroライクなトレーニングの謎を解き明かす論文、モデル、コードベースを発表しました。彼らは、高度にモジュール化され、効率的なLLM強化学習フレームワークであるOatを開発し、それを用いてQwen2.5などのモデルをR1-Zeroトレーニングしました。研究では、適切なベースモデルと改良された強化学習アルゴリズム（Dr. GRPO）が重要であり、不一致なテンプレートと質問セットによるバイアスされた最適化を回避できることが分かりました。最終的に、8台のA100 GPUでわずか27時間という計算時間で最先端の性能を達成しました。
メタとOpenAIが、海賊版書籍データベースLibrary Genesis（LibGen）を用いてAIモデルの学習を行っていたことが明らかになり、著作権侵害の疑いで批判を浴びている。Llama 3モデルの学習を迅速化するため、メタは高額なライセンス取得を避け、LibGenから数百万冊の書籍や論文を直接ダウンロード。訴訟を起こされたことで、メタ社員が法的リスクを認識しつつも行為を隠蔽しようとしていたことが判明した。OpenAIもLibGenの過去の利用を認めたものの、最新のモデルでは使用していないと主張している。この事件は、AIモデル学習データの倫理的、法的課題と知的財産権保護の難しさを浮き彫りにした。
サンフランシスコに拠点を置く非営利団体FutureHouseは、AIを使用して科学的発見を自動化する使命を担っています。「カラス」をテーマにしたツール群を開発しており、ChemCrowは化学反応の設計、WikiCrowはタンパク質情報の要約、ContraCrowは文献内の矛盾の特定、PaperQAシリーズはPDFの信頼できるクエリに使用されます。FutureHouseの目標は、予測モデルから最終的には独立して実験を実行できる人型ロボットに至るまで、半自律型のAI科学者を構築することです。これにより、科学的発見が加速され、生物医学文献の要約の難しさや信頼性の問題などが解決されます。課題としては、インフラストラクチャの構築、データへのアクセス、エンジニアリングの問題の解決などがありますが、AIモデルは仮説の生成と結論の導出において優れた性能を発揮します。FutureHouseはAI科学者の信頼性を重視し、データ分析の改善と再現性向上によって問題解決に取り組んでいます。
テンセントは、Hunyuan大規模言語モデルシリーズの最新モデルであるHunyuan-T1を発表しました。世界初の超大規模ハイブリッドTransformer-Mamba MoE大規模モデルであるTurboSをベースに構築されたHunyuan-T1は、広範な事後トレーニングを経て、推論能力が大幅に向上し、人間の好みとの整合性が向上しています。プレビュー版と比較して、Hunyuan-T1はパフォーマンスが大幅に向上し、デコード速度が2倍になっています。様々な公開ベンチマークでR1と同等またはわずかに優れた結果を達成し、内部の人間評価データセットでは、特に文化的および創造的な指示の追従、テキスト要約、エージェント機能においてR1を上回っています。このリリースは、大規模言語モデルの事後トレーニング最適化における強化学習の活用における重要な進歩を示しています。
この記事では、リスク軽減のために人工知能を純粋に情報処理タスクに限定する（ツール型AI）というアプローチの有効性を問うている。著者は、行動を取ることができるエージェント型AIの方が経済的にも知的にも優位性を持つため、このアプローチは実行不可能だと主張する。エージェント型AIは、データの選択、学習の最適化、自己設計、外部リソースの活用において優れており、より高い知能レベルを実現する。強化学習は複雑な事柄をゼロから学習するのに最適な方法ではないものの、複雑なシステムを制御する最良の方法であり、世界にはAI自身を含め、制御したい複雑なシステムが満ち溢れている。そのため、ツール型AIは最終的にエージェント型AIに取って代わられるだろう。なぜなら、後者の方が市場の需要と実用的なアプリケーションに合致しているからだ。
Metaは、大規模推薦システムのパフォーマンスとスケーラビリティを劇的に改善するJagged Flash Attentionを発表しました。従来の方法では、可変長のカテゴリカル特徴（ユーザーのインタラクション履歴など）の処理に課題があり、大量のパディングが必要でした。Jagged Flash Attentionは、ジャグドテンソルを用いることでこれらの特徴を効率的に処理し、パディングによるオーバーヘッドを解消します。TorchRecライブラリと組み合わせることで、Metaの運用環境で最大10倍のパフォーマンス向上を実現し、3兆を超えるパラメータを持つモデルのトレーニングを可能にします。この画期的な技術は、パーソナライズされた推薦システムの進歩を大きく促進します。
OpenAIとMITによる新たな研究によると、ChatGPTなどのチャットボットの使用増加は、孤独感の増大と社会的な交流の減少と関連している可能性があることが示唆されています。1ヶ月間にわたって約1000人のユーザーを追跡した研究では、ChatGPTとの時間を多く費やしたユーザーは、感情的な依存と孤独感をより強く報告しました。感情的なサポートのためにChatGPTを利用したユーザーは少なかったものの、この研究は、感情的な依存傾向のある人は、孤独感が悪化する可能性を示唆しています。研究者たちは、AIが人間の幸福に及ぼす影響と、責任あるAI設計に関するさらなる研究の必要性を強調しています。
PocketFlowは、TypeScriptベースのLLMフレームワークで、入れ子になった有向グラフ構造を採用しています。これにより、複雑なAIタスクを再利用可能なLLMステップに分解し、エージェントのような意思決定のための分岐と再帰を可能にします。このフレームワークは拡張性に優れ、様々なLLMやAPIを特別なラッパーなしで統合でき、ワークフローの視覚化と状態の永続化によるデバッグ機能も備えています。これにより、企業レベルのAIシステムの構築が加速されます。
著者は、ゼロ知識証明について説明する動画を公開しました。驚くべきことに、この複雑なアルゴリズムを明確に説明するには多くの作業が必要でした。動画では様々な側面と応用が取り上げられていますが、完全な理解のためにはより詳細なリソースが必要であることを認めています。投稿ではさらに、充足可能性問題を3彩色問題に還元する方法を詳しく説明し、信頼できる承認者なしの投票システムや通貨システムなど、分散システムへの影響について議論しています。最後に、非対話型証明を導入し、暗号学的ハッシュ関数を使用してランダムなビーコンをシミュレートして作成する方法を示し、最近の動画のトピックを効果的に統合しています。
AI生成児童性的虐待素材（CSAM）を巡る最近の米国地方裁判所の判決が、第一修正条項に関する議論を巻き起こしている。裁判所は、AI生成の仮想CSAMの私的所有は第一修正条項で保護されていると判断したが、作成と配布は保護されていないとした。この判決は、AIによる児童の性的搾取と虐待対策における法執行機関の課題と法的複雑さを浮き彫りにしている。
最初のGemma AIモデルのリリースから1年以上を経て、GoogleはGemma 3を発表しました。LlamaやOpenAIなどの競合他社、特にシングルGPUシステムにおいて、優れたパフォーマンスを誇ります。この強化されたモデルは35以上の言語をサポートし、テキスト、画像、短いビデオを処理します。Gemma 3は、高解像度と非正方形の画像に対応したアップグレードされたビジョンエンコーダを備えており、不適切なコンテンツをフィルタリングするための新しいShieldGemma 2画像セーフティ分類器が含まれています。ライセンスに関する「オープン」の定義については議論が続いていますが、GoogleはGoogle Cloudクレジットと、研究に1万ドルのクレジットを提供するアカデミックプログラムを通じて、Gemma 3の促進を続けています。
OpenAIは、ChatGPTが虚偽情報をでっち上げる傾向があるとして、ヨーロッパで新たなプライバシー訴訟に直面しています。Noybは、ChatGPTによって2人の子供を殺害し、3人目の子供を殺害しようとしたと誤って非難されたノルウェーのユーザーを支援しています。これは、LLMの「幻覚」のリスクと、GDPRの正確性に関する要件を浮き彫りにしています。OpenAIはプロンプトのブロックなどの対策を提供していますが、GDPRの訂正権の観点からは不十分です。この訴訟は、年間売上高の最大4%に相当する罰金につながる可能性があり、OpenAIにAI製品の修正を余儀なくさせ、業界全体に影響を与えるでしょう。
クラウド支出は年間5000億ドルにも上り、テクノロジー企業にとって最も急成長している費用項目となっています。Pumpは、AIを搭載したプラットフォームを提供し、節約を自動化し、共同購入を活用してクラウドコストを最大60％削減します。Y Combinatorの支援を受け、経験豊富なPumpチームは、透明性が高く、協調的で、急速なペースで成功を目指した企業文化を構築しています。
AnthropicのClaude AIモデルは、より正確でタイムリーな回答を提供するために、ウェブ検索を統合するようになりました。Claudeは最新のイベントや情報にアクセスし、事実確認を容易にするためにソースを直接引用します。この機能は現在、米国の有料ユーザー向けに機能プレビューで提供されており、無料プランおよびその他の国へのサポートは近日中に開始される予定です。この機能強化により、Claudeは、トレンド分析、市場データの評価、調査レポートの作成、製品詳細の比較などを通じて、営業、ファイナンシャルアナリスト、リサーチ、ショッピングにおいてより効果的に支援できます。
OpenAIは、開発者向けAPIを通じて、より強力な推論AIモデルであるo1-proをリリースしました。高い計算能力により、優れたパフォーマンスと信頼性の高いレスポンスを誇っていますが、o1-proは非常に高価です。入力トークン100万個あたり150ドル、出力トークン100万個あたり600ドルという価格で、GPT-4.5の入力コストの2倍、通常のo1の10倍にもなります。しかし、初期テストでは、数独パズルや錯視ジョークなどでの苦戦が明らかになり、結果はまちまちでした。内部ベンチマークでは、コーディングや数学の問題に対するパフォーマンスはo1よりわずかに優れているものの、信頼性が向上していることが示されました。OpenAIの賭けは、この向上した信頼性が、開発者にとっての高額なコストを正当化できるかどうかです。
このコース概要は、初期のパーセプトロンとバックプロパゲーションアルゴリズムから、現代の畳み込みニューラルネットワーク（CNN）、リカレントニューラルネットワーク（RNN）、トランスフォーマーモデルまで、深層学習の幅広いトピックを網羅しています。本コースでは、最適化アルゴリズムや正則化手法などのニューラルネットワークのトレーニング技術を段階的に説明します。時系列予測、シーケンスツーシーケンス予測、敵対的生成ネットワーク（GAN）などの高度なトピックも取り上げます。コースは、一連の講義、課題、クイズを通して評価されます。
Google Research、VGG、Google DeepMindによる共同開発のBolt3Dモデルは、単一のGPUでわずか6.25秒でリアルな3Dシーンを生成します。このモデルは、マルチビュー拡散モデルを使用してシーンの外観とジオメトリを生成し、次にガウスヘッドを使用してスプラッターイメージを回帰します。最後に、複数のスプラッターイメージからの3Dガウス分布を組み合わせて、完全な3Dシーンを形成します。1つ以上の入力画像に対応し、再投影やインペインティングメカニズムなしで未観測のシーン領域を生成します。これは3Dシーン生成速度の大幅な向上を示しています。
このガイドは、LLMエージェントの内部動作を分かりやすく説明します。簡単なキッチンを使ったアナロジーで、エージェントシステムがグラフとしてどのように構築されているかを説明します。ノードは調理ステーション、フローはレシピ、共有ストレージはカウンタートップを表します。各ノードは準備、実行、結果の投稿を行い、フローは決定に基づいて次のノードを決定します。著者はPocketFlowフレームワーク（わずか100行のコード）を使用して、エージェントが意思決定ノード、アクションノード、終了ノードを通してどのように機能するかを示し、複雑なアルゴリズムではなく、基本的なグラフ構造を強調しています。ループと分岐がすべてです！
最新の隔週刊ニュースレターで、リンダは個人的デジタルアーカイブの価値を探求しています。彼女は、平凡になりがちな生成AIの時代において、個人の独自の経験、好み、視点を含むこれらのアーカイブが、AIモデルのトレーニングや、よりパーソナライズされた作品の作成に役立つ貴重なリソースとなると主張しています。この記事では、著者が書籍、画像、リンクを収集した経験を例に挙げ、歴史家の視点も取り入れ、AI時代の個人的アーカイブの重要性を示しています。フィンランドの個人的アーカイブの例もいくつか紹介されています。最後に、著者は読者に自身の収集品とストーリーを共有し、個人的アーカイブの豊かさと独特の魅力を紹介することを求めています。
Nvidiaは、人間型ロボットのためのオープンソース、事前学習済み基盤モデルであるIsaac GR00T N1を発表し、汎用ロボット時代の到来を告げました。人間の認知から着想を得たこのデュアルシステムモデルは、高速反応の「システム1」と、ビジョン言語モデルを搭載したより遅い推論を行う「システム2」で構成されています。最小限の後学習データで、把持や物体の操作などの複雑なタスクを実行できます。1X Technologiesは、これをNEO Gammaヒューマノイドロボットに成功裏に導入し、自律的な片付け作業を実現しました。このモデルのオープンソース性とカスタマイズ可能性は、人間型ロボットの開発を大幅に加速し、AIの発展を促進すると期待されています。
NVIDIAは、マルチノード分散環境で生成AIと推論モデルを提供するために設計された、高スループット、低レイテンシの推論フレームワークであるDynamoを発表しました。Dynamoは、推論エンジンに依存せず（TRT-LLM、vLLM、SGLangなどに対応）、分散されたプリフィルとデコードの推論、動的なGPUスケジューリング、LLM対応リクエストルーティング、高速データ転送、KVキャッシュオフロードなどの機能を備え、GPUスループットを最大化し、レイテンシを最小限に抑えます。パフォーマンスのためにRustで、拡張性のためにPythonで構築されており、完全にオープンソースです。
MetaのCEOマーク・ザッカーバーグは、同社のオープンソースAIモデルであるLlamaのダウンロード数が10億を超えたと発表しました。2024年12月初旬と比較して53％増加しています。LlamaはMetaのAIアシスタントを支え、SpotifyやAT&Tなどの企業でも使用されていますが、著作権訴訟やデータプライバシーに関する懸念にも直面しています。それでもMetaは今後数ヶ月で推論モデルやマルチモーダルモデルを含む新たなLlamaモデルのリリースを予定しており、AIプロジェクトに800億ドルを投資し、AI分野でのリーダーシップを目指しています。