AI動画の不自然な動きを克服する新手法「VideoJAM」が登場
研究チームが動画生成フレームワーク「VideoJAM」を発表した。外観と動きの共同表現を学習させ、推論時に自身の動き予測をガイダンスとして活用することで物理法則の破綻を低減。既存モデルに最小限の変更で適用でき、複雑な動作生成でSoraなどの商用モデルを上回る一貫性を実現した。
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
動画切り抜きモデル「MatAnyone」登場：初コマ指定だけで複雑な背景も綺麗に分離
研究チームが動画マッティングフレームワーク「MatAnyone」を発表した。最初のフレームで対象を大まかに指定するだけで、適応型メモリ伝播により髪の毛などの微細な輪郭を保ちながら背景から正確に分離できる。CVPR 2025に採択された技術。
米イェール大が心電図画像から心不全リスクを予測するAIを開発
米イェール大医学部の研究チームが、通常の12誘導心電図の画像から将来の心不全発症リスクを予測するAIツールを開発した。米国、英国、ブラジルの多様な患者データで検証済みで、自覚症状が出る前の早期スクリーニングと介入につながると期待される。
マイクロソフト、材料設計向け生成AI「MatterGen」をオープンソース公開
米Microsoftは所望の特性プロンプトから未知の結晶材料を直接生成する拡散モデル「MatterGen」をNature誌で発表し、MITライセンスで公開した。中国科学院との共同実験で新材料「TaCr2O6」の合成にも成功しており、電池や半導体分野の新素材開発を加速させる可能性がある。
拡散モデルの推論時スケーリング研究：ノイズ探索で画像生成品質を大幅向上
拡散モデルの推論時コンピュート拡張に関する論文がarXivで公開されました。従来のノイズ除去ステップ数増加による頭打ちを回避し、検証器と探索アルゴリズムでより良いノイズ候補を見つけ出すことで、計算量に応じた画質向上を実現しています。
Keras開発者のショレ氏、新AI研究所「Ndea」を設立
Kerasの生みの親であるフランソワ・ショレ氏が、Zapier共同創業者マイク・クヌープ氏とともに新研究所「Ndea」を設立した。LLMの計算量拡大だけに頼らず、ディープラーニングとプログラム合成を組み合わせることで、人間のように柔軟に学習・適応するAGIの実現を目指す。
AIでヘビ毒の抗毒素をゼロから設計、マウス実験で最大100%生存
デヴィッド・ベイカー氏らのチームは、ヘビ毒を中和する人工タンパク質をAIで設計したとNature誌で発表した。コブラの致死的な神経毒に結合し、マウス実験で最大100%の生存率を記録。微生物で安価に量産できる利点があるが、複合毒全体を防ぐにはまだ既存の動物血清との併用が必要となる。
Sakana AIが「Transformer²」発表：脳のように重みを自己適応、LoRAを凌駕
Sakana AIは入力タスクに応じてリアルタイムに重みを動的調整する「Transformer²」を発表した。特異値微調（SVF）と強化学習を組み合わせ、LoRAよりはるかに少ないパラメータ数で数学やコード生成性能を大きく向上させた。
Netflixら、動画拡散モデルの動きを制御する新手法「Go with the Flow」発表
NetflixとEyelineの研究チームは、動画生成AIの動きを精密に制御する新手法「Go with the Flow」を発表した。モデル構造を変えず、光流に基づいて潜在ノイズをリアルタイムに変形させることで、カメラワークや被写体の動き制御を高品質に実現する。
Google DeepMind、元Sora開発者を迎え世界モデルの新チームを立ち上げ
元OpenAIのSora共同リードであるTim Brooks氏が、Google DeepMindで物理世界をシミュレートするAIモデルの開発チームを立ち上げると発表した。GeminiやVeo、Genieの技術を統合し、ロボットの計画立案やリアルタイム対話型環境への応用を目指す。
Meta、生成AIを活用した次世代レコメンド技術を発表：ユーザー意図を直接予測
Metaの研究チームが、生成モデルを用いて推薦システムを刷新する2本の論文を公開した。従来の類似度検索の代わりに次に来るアイテムを直接予測する「LIGER」と、ユーザーの潜在的な好みを抽出する「Mender」を提案し、計算コスト削減とコールドスタート課題の解決を目指す。
新アーキテクチャ「Titans」発表、200万トークン超の文脈と長期記憶を両立
研究チームが新アーキテクチャ「Titans」をarXivで発表した。アテンションを短期記憶、テスト時に学習するニューラル長期記憶を組み合わせることで、高速な推論と並列学習を維持しながら200万トークン超のコンテキスト長に対応する。
元OpenAIのIlya Sutskever氏が警鐘：「データは頭打ち、事前学習の時代は終わる」
元OpenAIのチーフサイエンティストであるIlya Sutskever氏がNeurIPSに登壇し、Webデータは化石燃料のように有限で「ピークデータ」に達したと指摘しました。従来の事前学習手法は確実に終焉を迎えると述べ、今後は限られたデータから深く推論し、自律的に動くエージェント型モデルへの転換が不可欠だと主張しました。
Anthropic、マルチモーダル対応の脱獄手法「Best-of-N」を発表
Anthropicは共同研究「Best-of-N Jailbreaking」を公表した。テキスト、画像、音声の各モダリティを横断してフロンティアAIモデルの安全対策をすり抜ける、シンプルかつ汎用的なジェイルブレイク手法を発見したという。
Anthropicが「Clio」発表：プライバシーを守りつつAI利用実態を分析
Anthropicはプライバシーを保護しながらLLMの利用動向を分析するツール「Clio」を発表した。Claude自身が会話から個人情報を除外してクラスタ化し、分析者は抽象化された傾向のみを閲覧できる。プライバシーを侵害することなく、組織的な不正利用の検知や安全対策の改善に役立てる狙いだ。
IBMがCPO光技術でブレイクスルー、AI学習を最大5倍高速化
IBMはデータセンター内の銅線接続を光信号で補完する次世代CPO（Co-Packaged Optics）技術を発表した。初のポリマー光導波路プロトタイプを開発し、LLMの学習期間を3か月から3週間に短縮、消費電力も5分の1に削減できるという。製造ストレステストにも合格済み。
Sakana AIが汎用記憶機構を発表、不要な情報を忘れることで性能向上
Sakana AIは人間の記憶のように不要なトークンを取捨選択する「ニューラル・アテンション・メモリ・モデル（NAMM）」を発表した。進化型アルゴリズムで最適化され、メモリ消費を抑えながら長文推論性能を向上させる。言語で獲得した記憶機構は、追加学習なしで画像認識や強化学習モデルにもゼロショット転移できる。
NVIDIAとメリーランド大、自由視点映像を配信できる「QUEEN」発表
NVIDIA Researchとメリーランド大学は自由視点3D動画をストリーミング配信できるAIモデル「QUEEN」を発表した。静止部分の描画を再利用することで毎秒約350フレームの描画を実現し、スポーツ中継やロボット遠隔操作に応用できる。コードは近日公開予定。
拡散モデルに匹敵する「TARFlow」登場、正規化フローをTransformerで刷新
研究チームが自回归Transformerを取り入れた正規化フロー手法「TARFlow」を発表した。完全可逆な最大尤度モデルの利点を保ちつつ、課題だった生成品質を拡散モデル匹敵の水準まで引き上げ、画像や動画生成への拡張性を実証した。
Googleが量子チップ「Willow」発表、長年の誤り訂正課題を突破
Googleは最新量子チップ「Willow」を発表した。量子ビット数を増やすほど誤り率を指数関数的に低減させる「閾値未満」を達成し、約30年越しの課題をクリア。最新スパコンで10の25乗年かかる計算を5分未満で完了させ、実用的な量子コンピューティングへ大きく前進した。