先日、世界的な人工知能に関するトップレベルの学術会議であるAAAI 2025において、アリババデジタルテクノロジー、浙江大学、リバプール大学、華東師範大学の合同チームが、革新的なクロスドメイン微調整（オフサイトチューニング）フレームワークであるScaleOTを発表しました。このフレームワークは、モデルの性能を損なうことなく、プライバシー保護効果を50％向上させ、知識蒸留技術と比較して、計算コストを90％削減します。これは、数十億パラメーターを持つモデルのクロスドメイン微調整に、効率的で軽量なソリューションを提供するものであり、その革新性からAAAIの口頭発表に選出されました。

360智脳チームと北京大学が共同開発した中規模推論モデルTiny-R1-32B-Previewが正式にリリースされました。このモデルは、パラメータ数がわずか5％であるにもかかわらず、Deepseek-R1-671Bのフル性能に迫ることに成功し、小規模モデルが効率的な推論分野において大きな可能性を秘めていることを示しました。このモデルは、数学分野を始めとする複数の重要な分野で特に優れた性能を発揮しています。Tiny-R1-32B-Previewは…

地震観測と分析の分野において、1月17日、国家スーパーコンピュータ成都センターで大きな技術的ブレークスルーが発表されました。世界初の億級パラメーターの地震波大規模言語モデル「谛聴」の第3段階テスト版が公開されました。このモデルは、国家スーパーコンピュータ成都センター、中国地震局地球物理研究所、清華大学が共同で開発し、中国の地震研究技術における飛躍的な進歩を示しています。「谛聴」大規模言語モデルの開発目的は、地震信号の識別精度と監視能力の向上、特に…

Meta社は先日、画期的な研究成果を発表しました。同社は、大規模言語モデル（LLM）の事実精度を大幅に向上させ、前例のない規模でのパラメーター拡張を実現する、新型メモリ層技術を開発しました。この技術は、従来のニューラルネットワークの拡張方法に挑戦するだけでなく、将来のAIアーキテクチャ設計に新たな方向性を提供します。この研究の中核は、学習可能なキーバリュー検索メカニズムを利用して、計算量（FLOPs）を増やすことなくモデルに追加パラメーターを追加することです。この手法の中核的な考え方は…

医療AI評価に焦点を当てた研究論文において、マイクロソフトが複数のトップレベルの大規模言語モデルのパラメータ規模をうっかり公開した可能性がある。12月26日に公開されたこの論文は、OpenAIやAnthropicを含む複数企業のモデルパラメータデータを明らかにし、モデルアーキテクチャと技術力の議論を巻き起こしている。論文によると、OpenAIのo1-previewモデルは約3000億パラメータ、GPT-4oは約2000億パラメータ、GPT-4o-miniはわずか80億パラメータであるとされている。

幻方量化は12月26日夜、次世代大規模言語モデルDeepSeek-V3を発表し、驚異的な技術的ブレークスルーを示しました。MoE（Mixture of Experts）アーキテクチャを採用したこのモデルは、トップレベルのクローズドソースモデルに匹敵する性能を示すだけでなく、低コストで高効率である点が業界の注目を集めています。主要なパラメーターとしては、DeepSeek-V3は6710億パラメーター（活性化パラメーター370億）を備え、14.8兆トークンのデータ規模で事前学習が行われました。前世代モデルと比較して、新モデルの生成速度は3倍に向上しています。

人工知能の急速な発展に伴い、視覚と言語能力の統合は、ビジョン言語モデル（VLMs）の画期的な進歩をもたらしました。これらのモデルは、視覚データとテキストデータを同時に処理および理解するように設計されており、画像キャプション生成、ビジュアルクエスチョン Answering、光学文字認識、マルチモーダルコンテンツ分析などの用途に広く使用されています。VLMsは、自律システムの開発、ヒューマンコンピュータインタラクションの強化、効率的なドキュメント処理ツールの作成において重要な役割を果たし、これら2つのデータモダリティ間のギャップを効果的に埋めています。ただし、高解像度の視覚データと多様なテキスト入力の処理においては、課題も残されています。

階躍星辰は先日、Stepシリーズモデル行列の新メンバーであるStep-1oエンドツーエンド音声大規模言語モデルを発表しました。これは国内初の千億パラメーターのエンドツーエンド音声大規模言語モデルとされています。この新モデルの発表は音声技術分野における大きな進歩を示しており、エンドツーエンドの音声ソリューションを通じて、音声の理解と生成を統合し、モデルの知性と感情の限界を向上させ、超自然的で高品質なコミュニケーション体験を実現します。

人工知能の急速な発展において、JDクラウドは技術革新の力を現実の行動で示しています。先日、JDクラウドは言犀インテリジェントマーケティングプラットフォームを発表し、10種類のAIマーケティング製品を発表しました。80万社を超える事業者にインテリジェントなソリューションを提供し、AI技術が産業における実装において大きな可能性を示しています。このインテリジェントマーケティングソリューションは、デジタルヒューマンからインテリジェントな販売員、インテリジェントなミキシング編集まで、複数のシナリオを網羅しています。中でも注目すべきは、その優れた実用的な効果です。AIGCコンテンツの使用率は80％に達し、平均コンバージョン率は30％向上しています。

近年、機械学習モデルはビジョンと言語タスクにおいて需要が高まっていますが、多くのモデルは膨大な計算資源を必要とし、個人デバイスでは効率的に動作しません。特にノートパソコン、コンシューマー向けGPU、モバイルデバイスなどの小型デバイスは、ビジョン言語タスクの処理において大きな課題に直面しています。Qwen2-VLを例にとると、優れた性能を誇る一方で、ハードウェア要件が高く、リアルタイムアプリケーションでの利用可能性を制限しています。そのため、リソースの少ない環境でも動作する軽量モデルの開発が求められています。

中国は人工知能分野において、自主開発による着実な進歩を遂げています。11月26日、世界初の千億パラメーターマルチモーダル大規模モデル「紫東太初3.0」が武漢で正式に発表され、中国国産AI技術に新たな大きな成果が加わりました。これは単なる技術のアップデートではなく、中国AIエコシステムにおける重要なマイルストーンです。中国科学院自動化研究所、ファーウェイ社、武漢東湖新技術開発区の3者によって共同開発された紫東太初は、世界で初めて画像、テキスト、音声の3つのモダリティを網羅する事前学習モデルを構築することに成功しました。画像出典：画像

2024年世界インターネット大会烏鎮サミットで、荣耀CEO趙明氏は携帯電話の将来展望について発表しました。同氏によると、2027年までに、数百億パラメーターの大規模AIモデルを搭載した携帯電話が登場すると予想されています。この進歩により、携帯電話はユーザーの行動や意図を学習、理解、予測できるようになり、ユーザーによりパーソナライズされた生活や仕事のプランを提供できるようになります。画像注記：画像はAIによって生成され、画像ライセンス提供業者Midjourneyから提供されています。現在市場に出回っている多くのスマートフォンには、規模が…

最近、シアトルのスタートアップ企業Moondreamが、moondream2というコンパクトなビジョン言語モデルを発表しました。その小型サイズにもかかわらず、このモデルは様々なベンチマークテストで優れたパフォーマンスを示し、注目を集めています。オープンソースモデルであるmoondream2は、スマートフォンでのローカルな画像認識機能の実現に役立つと期待されています。3月に正式リリースされたmoondream2は、テキストと画像の入力を処理し、質問応答、テキスト抽出（OCR）、物体カウント、物体分類などの機能を備えています。

先日、複数の中国の研究機関の研究チームが、Infinity-MMという超大規模多モーダルデータセットを発表し、このデータセットに基づいて、性能が優れたAIモデルAquila-VL-2Bを開発しました。この画期的な成果は、多モーダルAIの発展に新たな勢いをもたらします。Infinity-MMデータセットは驚異的な規模を誇り、1000万件の画像説明、2440万件の汎用ビジュアル指示データ、600万件の厳選された高品質指示データ、そして300万件のG…

NVIDIAの研究チームは、ロボット制御の分野で大きな進歩を遂げました。開発されたニューラルネットワークシステムHOVERは、極めて少ないパラメーター数で人型ロボットの高効率制御を実現し、専門的に設計された制御システムを上回る性能を示しました。わずか150万パラメーターのHOVERシステムは、複雑なロボット動作制御を処理できます。対照的に、一般的な大規模言語モデルは数千億パラメーターを必要とします。この驚異的なパラメーター効率は、システム設計の巧妙さを示しています。HOVERのトレーニングはNVIDIAのIsaacシミュレーション環境で行われました。

Googleは東京で開催されたGemma開発者向けイベントで、待望の日本語対応Gemmaモデルを発表しました。わずか20億パラメーターというコンパクトなこのAIモデルは、日本語と英語の両方を同時に処理し、GPT-3.5に匹敵する性能を示しています。この技術的ブレークスルーは特に注目に値します。AI分野では、小型モデルが新しい言語を学習する際に、以前習得した能力を失ってしまう「壊滅的な忘却」という課題に直面することがよくあります。しかし、日本語対応Gemmaはこれを克服することに成功しました。

最近、ComfyUI-Detail-Daemonという画期的なプラグインがAIイラスト界で話題になっています。Jonseed氏によって開発されたこのツールは、sd-webui-Detail-DaemonをComfyUIプラットフォームに移植することに成功し、制作者にこれまでにない詳細な最適化体験を提供します。このプラグインの最も注目すべき点は、その強力なディテール強化能力です。sigmaパラメータを正確に調整することで、画像の詳細度を大幅に向上させるだけでなく、不要なノイズも効果的に除去できます。

先日東京で開催されたGemma開発者日に、Googleは新しい日本語版Gemma AIモデルを発表しました。このモデルはGPT-3.5に匹敵する性能を示しながら、パラメーター数はわずか20億と非常にコンパクトで、モバイルデバイス上での動作にも最適です。今回の日本語版Gemmaモデルは、日本語処理において優れた性能を発揮する一方、英語での能力も維持しています。これは小型モデルにとって特に重要で、新しい言語への微調整において「壊滅的な忘却」に陥る可能性を低減します。

AIスタートアップのMoondreamは、450万ドルのシード資金調達を発表しました。同社は、AIモデルの世界では、小規模なモデルの方が優れている可能性があるという画期的な主張をしています。Felicis Ventures、MicrosoftのM12、GitHubファンド、Ascendの支援を受け、わずか16億パラメーターのビジョン言語モデルを発表しました。このモデルは、4倍規模のモデルと同等の性能を実現しています。Moondreamの...