Google、衛星画像とGeminiを統合する地理空間推論フレームワークを発表
Google Researchは新たなリモートセンシング基盤モデルと研究フレームワーク「Geospatial Reasoning」を発表した。Geminiがエージェントワークフローを統括し、衛星画像や気象・人口データを組み合わせて災害評価などを自然言語で分析可能にする。エアバスなどが先行検証に参加している。
研究
注目のAI論文、新しいベンチマークや手法、そして生物学・医療・材料などの科学研究でAIが生んだ成果。
新しいニュースを見る
動画生成にTTTを導入：1分間の連続アニメーション生成に成功
研究者のXiaolong Wang氏がテスト時訓練（TTT）を動画生成に導入したと発表しました。TTTをRNNの明示的な記憶モジュールとして機能させ、Diffusion Transformerと組み合わせることで、1分間にわたる『トムとジェリー』の連続ストーリーアニメーションの生成に成功。長尺動画の一貫性維持に新たな道を開きました。
Anthropicが警告：推論モデルの思考プロセスは「本音」を隠している
Anthropicの研究チームは、Claude 3.7 SonnetやDeepSeek R1などの推論モデルが思考連鎖（Chain-of-Thought）で本当の判断理由を隠す傾向があると発表した。外部のヒントやズルを利用しても思考ログで認めることは稀で、後付けの架空の理由を生成することが確認された。
GPT-4.5がチューリングテストに合格、ペルソナ設定で73%が「人間」と判定
プレプリント論文によると、UCサンディエゴの研究チームが行った実験で、OpenAIのGPT-4.5がペルソナ設定時に73%の確率で人間と判定されテストに合格した。設定なしでは36%に急落しており、AIが持つ短期的な人間偽装能力の高さを示している。
Google DeepMindがAGI安全指針を発表、悪用や制御不能リスク対策を体系化
Google DeepMindはAGIの安全性とセキュリティに関する技術論文を公開した。悪用、意図の不一致、事故、構造的リスクの4領域を定義し、モデル重みの保護や欺瞞的アライメントを防ぐ監視手法を詳述。AGI安全評議会を軸に外部機関との共同研究を進める。
脳波を本人の声へ即時変換：UCバークレーなどが1秒未満の音声合成AIを開発
今週のNature Neuroscience誌によると、UCバークレーとUCSFの研究チームが麻痺患者の脳波から本人の声でリアルタイムに音声を再現するAIシステムを開発した。運動野の信号を解析し、発声遅延を従来の8秒から1秒未満へ大幅に短縮した。
AnthropicがAI用「顕微鏡」を開発：Claudeの思考プロセスを解明へ
Anthropicは、大規模言語モデルの思考プロセスを追跡する最新研究を発表した。モデル内部を観察する「顕微鏡」ツールを構築し、Claudeの複雑で予想外な内部メカニズムの解明を進めることで、AIのブラックボックス解消を目指している。
ダートマス大のAIセラピー「Therabot」、うつ症状が51%改善
ダートマス大学がの『NEJM AI』で、生成AIセラピーボット「Therabot」の初となる臨床試験結果を発表した。うつ病患者の症状が平均51%、不安症状が31%軽減し、対面治療に匹敵する効果を示した。患者との信頼関係も構築されたが、研究チームは安全のため医師の監督が不可欠だと指摘している。
ARC Prizeが新基準「ARC-AGI-2」公開、人間には簡単でもLLMは0点
ARC Prize Foundationが推論・適応能力を測る新ベンチマーク「ARC-AGI-2」と2025年大会を発表した。人間なら2回以内の試行で全員解けた課題に対し、純粋なLLMは正答率0%、公開推論モデルでも一桁台に低迷している。
MidjourneyがNYUと共同研究、LLMの「平凡な文章生成」打破へ
今週、Midjourneyとニューヨーク大学の研究チームが新たな論文を発表した。既存のLLMは無難で似通った文章ばかり書きがちだが、新手法「DDPO」と「DORPO」により、独自性の高い高品質な回答を学習段階で評価。画像生成の巨頭がテキストの創造性拡張に乗り出した。
Sakana AI、完全AI生成の論文が国際会議「ICLR」ワークショップの査読を通過
Sakana AIは改良版「The AI Scientist-v2」が執筆した論文がトップAIカンファレンスICLRのワークショップで査読を通過したと発表した。人間と同じ審査基準をクリアした完全AI生成論文は初とみられる。実験は学会側の協力のもと実施され、モデルの詳細は近日公開予定。
Lumaが新手法「IMM」を発表：拡散モデル超えの画質と10倍以上のサンプリング効率を実現
Luma AIは新たな生成事前学習技術「IMM」を発表しコードを公開した。拡散モデルの限界を克服するため推論視点から再設計され、サンプリングステップ数を最大30分の1に削減しながら拡散モデルやFlow Matchingを上回る生成品質を達成している。
拡散言語モデルに「自己修正能力」を持たせる新手法「GIDD」が登場
研究チームが離散拡散モデルを拡張する新フレームワーク「GIDD」を発表した。マスクノイズと一様ノイズを組み合わせることで、従来の自己回帰型モデルやマスク拡散では難しかった「生成済みトークンの自己修正」を実現している。コードも公開された。
Google、医療AI「AMIE」を長期的な疾患管理へ拡張 模擬診療で医師に匹敵
Googleは対話型医療AI「AMIE」の能力を診断から長期的な疾患管理へと拡張したと発表した。2つのエージェントが連携してガイドラインや複数回の診察履歴をふまえた治療計画を作成し、模擬試験では一般開業医と同等以上の推論精度を示した。ただし現在は模擬環境での検証段階にとどまる。
OpenAIが「NextGenAI」設立：15機関に5000万ドル規模の資金とAPIを提供
OpenAIはハーバード大やMIT、オックスフォード大など15の研究機関と連携する「NextGenAI」コンソーシアムを発足した。助成金や計算資源、APIなど計5000万ドル相当を投じ、難病診断や貴重書のデジタル化といった先端研究の加速を図る。
『スーパーマリオ』でAI性能測定：Claude 3.7が首位、o1は考えすぎて落下死
カリフォルニア大学サンディエゴ校のHao AI Labが『スーパーマリオブラザーズ』を使ったAIテストを実施した。AnthropicのClaude 3.7がトップに立った一方、OpenAIのo1など推論モデルは判断に数秒かかるため、即死を連発して惨敗した。
Metaが新技術「Avat3r」発表：自撮り4枚から動かせるリアルアバターを数分で生成
Metaとミュンヘン工科大学の研究チームが新システム「Avat3r」を発表した。スマホ自撮り写真4枚から、表情を動かせるフォトリアルな3Dアバター頭部を数分で生成できる。3Dガウススプラッティング技術で従来の重厚な撮影設備を不要にしたが、現状はRTX 3090で8FPSにとどまりリアルタイム描画には課題が残る。
米OpenAI、米国立研究所9拠点と「1000人の科学者AIジャム」開催
米OpenAIは米エネルギー省傘下の9つの国立研究所と共同で「1000人の科学者AIジャムセッション」を開催した。オークリッジやバークレーなどの研究者1000人以上が最先端モデルを実際の科学研究で検証し、将来のAI開発に向けた知見を共有する。
Meta、ロボット・身体性AI研究用メガネ「Aria Gen 2」発表：SLAMをオンデバイス処理
Meta は機械知覚やロボット工学研究向けの新型スマートグラス「Aria Gen 2」を発表しました。約 75g の筐体に独自低電力チップを搭載し、SLAM やアイトラッキングを端末上で処理します。研究機関向けに提供される予定です。
Snap、1本の動画からキャラと動きを再現する「Set-and-Sequence」発表
2025年、Snap Researchは動画生成モデル向けの新技術「Set and Sequence」を発表した。単一の動画から外見（Set）と動作（Sequence）を分離して2段階のLoRAで学習させることで、DiTモデルがキャラクターの見た目と特有の動きを捉え、自在に再現・結合できるようにする。