本文へスキップ
IFAI

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。

直近7日間で13件

  1. 拡散指数 34

    相手を数秒見つめるだけ、騒音下で特定の話者の声だけを抽出するAIヘッドホン

    ワシントン大学の研究チームは、装着者が話者を3〜5秒間見つめるだけでその声を登録し、周囲の雑音を遮断して相手の声だけをリアルタイムで届けるAIシステム「Target Speech Hearing」を発表した。相手から顔を背けたり移動したりしても追従する。現在は研究段階で商用化はされていない。

  2. 拡散指数 34

    MITら、機械学習でマッコウクジラの「アルファベット」を発見

    MIT CSAILとProject CETIの研究チームは、機械学習を用いてマッコウクジラのクリック音データ8,719件を解析し、独自の組み合わせコード体系を発見した。人間が音節を組み合わせて単語を作るような二重性が、海洋哺乳類の会話にも存在する可能性を示している。

  4. 拡散指数 57

    Profluent、AIでゼロから設計した遺伝子編集ツール「OpenCRISPR-1」をオープンソース公開

    Profluentは、大規模言語モデルを活用してゼロから設計した精密遺伝子編集ツール「OpenCRISPR-1」をオープンソース公開した。AIが生成した分子は天然のCas9と400箇所以上異なる配列を持ちながら、ヒト細胞で同等以上の編集活性を実証。遺伝子編集が自然界からの探索からオンデマンド設計へと進化を遂げた。

  5. 拡散指数 31

    Hugging Faceが「Open CoT」順位表を公開：思考の連鎖による精度向上幅を可視化

    Hugging Faceはモデルの絶対的な正解率ではなく、思考の連鎖（CoT）プロンプトによる正解率の向上幅（Δ）を競う「Open CoT Leaderboard」を公開しました。初期テストでは7Bクラスの軽量モデルが大型モデル以上に恩恵を受けるケースが見られる一方、状況によってはCoTが逆に精度を下げる例も確認されています。

  6. 拡散指数 31

    AdobeがVideoGigaGAN発表：ぼやけた動画を8倍拡大、チラつきも解消

    報道によると、Adobe の研究チームは動画超解像 AI モデル「VideoGigaGAN」を発表した。GAN の高精細なディテール生成力を活かしつつ、フレーム間のチラつきや歪みを抑えて解像度を最大 8 倍に引き上げる。現在は研究プレビューの段階で、Premiere Pro などへの搭載は未定となっている。

  9. 拡散指数 31

    アップルが「ReALM」発表：画面情報をテキスト化しGPT-4超え

    Apple の研究チームは、画面上の表示内容をテキストに変換して文脈を理解する AI システム「ReALM」を発表しました。重い画像認識処理を省くことで端末上での軽快な動作を実現しつつ、画面関連タスクにおいて GPT-4 を上回る性能を記録。将来の Siri が画面を見ながら操作代行できる道を開きます。

  10. 拡散指数 36

    Anthropicが「多重ショット脱獄」を解明、文脈の肥大化でAIの倫理制御が無効化

    Anthropicの研究陣は長大化したコンテキスト悪用による「メニーショット脱獄」手法を発表した。プロンプト内に数十のQA例を埋め込むことで文脈内学習が働き、爆弾製造など危険な指示も従わせてしまう。同社は競合へ情報を共有し、入力段階での分類フィルターによる対策を進めている。

  11. 拡散指数 31

    Googleが「VLOGGER」発表：写真1枚と音声から身振り手振り付きの動画を自動生成

    Googleの研究チームがマルチモーダル拡散モデル「VLOGGER」を発表した。人物の写真1枚と音声クリップを入力するだけで、発話に合わせて表情だけでなく顔の向きや手振りを交えたリアルな動画を生成できる。個別学習が不要な点が強みだが、現時点では短尺で背景が固定されるなどの制約もある。

  12. 拡散指数 35

    Google DeepMind、自然言語の指示で3Dゲームを操作する汎用AI「SIMA」を発表

    Google DeepMindは3D仮想環境向け汎用AIエージェント「SIMA」を発表した。『No Man's Sky』など9つの商業ゲームで訓練され、専用APIを使わず画面映像と自然言語指示のみでキーボード・マウスを操作し、600の基本スキルを実行できる。ハイスコア目的ではなく指示通りに行動する汎用性の検証が目的だ。

  13. 拡散指数 32

    神経科学の実験予測でLLMが専門家を逆転：正答率81％対64％

    Xiaoliang Luo氏らの研究チームは、大規模言語モデルが神経科学実験の成功予測において正答率81％を記録し、人間の専門家の64％を上回ったと発表した。わずか70億パラメータ規模のモデルでも専門文献の追加学習で性能が向上し、有望な研究テーマの選定に役立つという。

  16. 拡散指数 33

    アマゾンが音声合成モデル「BASE TTS」発表、パラメータ拡大で「創発的能力」を発現

    Amazonの研究チームは最大9億8000万パラメータの音声合成モデル「BASE TTS」を発表した。10万時間の音声データを学習させると、LLMと同様に感情表現やささやき声、複雑な構文を自然に読み分ける「創発的能力」が現れたという。悪用リスクへの懸念からモデルの重み自体は非公開となっている。

  17. 拡散指数 38

    AIで西暦79年のヴェスヴィオ噴火で炭化した巻物を解読、2000文字以上のギリシャ語を検出

    学生3人の研究チームが、西暦79年のヴェスヴィオ火山噴火で炭化したパピルス巻物の高解像度CTスキャンからAIを用いて2000文字以上の古代ギリシャ語を解読し、70万ドルの大賞を獲得した。触れると崩れてしまう古文書を仮想展開してインクを検出したもので、古代史研究に大きな突破口を開いた。

  18. 拡散指数 51

    Google DeepMind、数学五輪レベルの難問を解く「AlphaGeometry」を発表

    Google DeepMindは難解な幾何学問題を解くAI「AlphaGeometry」を発表した。言語モデルと記号論理エンジンを融合し、国際数学オリンピック級の幾何問題30問中25問を制限時間内に解いた。1978年の従来記録10問を大幅に上回る成果で、大学レベルの抽象数学には届かないものの、論理推論の大きな前進を示した。

  19. 拡散指数 31

    数段落の手書きで筆跡を再現：アブダビの大学がAIツール開発

    モハメド・ビン・ザイード人工知能大学の研究チームが、わずか数段落のサンプルから本人の筆跡を忠実に模倣するAIツールを開発した。テストでは本物と見分けがつかない精度を記録。特許は取得したものの、文書偽造などの悪用リスクを考慮し一般公開は見送られている。