最近、テクノロジーニュースサイトTechCrunchが、Googleが自社のGemini AIモデルの性能評価にAnthropic社のClaude AIモデルを使用しているという情報を公開し、コンプライアンスに関する議論を巻き起こしました。報道によると、TechCrunchは内部通信文書を確認し、Google Geminiプロジェクトの請負業者がGeminiの回答とClaudeの回答を比較分析して、Gemini出力の正確性を評価していることを明らかにしました。

AI分野におけるテックジャイアント間の競争が激化する中、最近明らかになった情報が、業界の暗闘を改めて注目させる事態となった。TechCrunchが入手した内部連絡によると、GoogleのAIモデルGeminiの改良を担当する外部委託業者が、Geminiの回答をAnthropicの競合モデルClaudeの出力と比較していたという。この行為は、GoogleがAnthropicからClaudeのテスト利用の承認を得ているかどうかのコンプライアンスに関する疑問を提起している。テクノロジー企業の競争…

近年、GoogleのGemini人工知能プロジェクトが、Anthropic社のClaudeモデルとの出力結果比較を通じて性能向上を図っていることが明らかになった。TechCrunchが入手した社内連絡によると、Gemini改良を担当する委託業者が、両AIモデルの回答を体系的に評価しているという。画像出典：AI生成画像、画像ライセンスはMidjourney。AI業界では、モデルの性能評価は一般的に業界標準ベンチマークテストを通じて行われる。

Business Insiderの報道によると、人工知能業界への投資と関心の高まりとともに、イーロン・マスク氏のxAIとサム・アルトマン氏のOpenAIの間で人材獲得競争が激化しています。マスク氏は今年8月、OpenAIが高額な報酬で競合他社を締め出していると訴訟を起こしました。マスク氏の給与に関する主張を検証するため、Business Insiderは両社の2024年以降の特殊ビザ申請の給与データを分析しました。調査の結果、

近年、ロボットは人工知能（AI）による自律的な意思決定に依存していますが、その意思決定方法は固定的な傾向があり、柔軟性や人間の感情に欠けています。ノルウェー・オスロのRITMOセンターの研究員であるマリーク・ファン・オットディック氏は、「人間の意思決定の大部分は直感的ですが、現在のロボットにはそれができません」と指摘しています。彼女は12月に行われる博士論文の答弁で、ロボットのための「直感」をどのように開発するかについて論じます。画像出典：AI生成画像、画像ライセンス提供元Midjourney。

360AIアシスタントの新機能であるモデル競技場では、ユーザーは複数の大規模モデルを選択し、同じプロンプトを入力して、異なるモデルの出力結果を直感的に比較できます。豊富な問題集を通してモデルのパフォーマンスを評価し、客観性と包括性を向上させます。この機能は、360ブラウザに追加されたAIアシスタントのフローティングボタンと連携し、15の大手大規模言語モデル企業の製品を統合することで、ユーザーが自由に選択して比較できるプラットフォームを提供し、ユーザーエクスペリエンスを豊かにします。

Operaが最新ブラウザOpera Oneを発表。iOSプラットフォームに初登場し、AI技術と連携してスマートなブラウジング体験を提供します。検索機能が強化され、Google Lensアイコンで直感的にコンテンツを検索できます。新たに「タブ比較」機能を追加し、複数のショッピングサイト情報を統合して比較の手間を省きます。履歴管理も向上し、質問を通じてアクセスしたウェブサイトを簡単に検索できます。特にオンラインショッピングユーザーに最適です。Opera Oneは、iPhoneユーザーによりスマートなブラウジング体験を提供します。

価格.comを運営する值得买科技と大規模言語モデル企業MiniMaxは、公式パートナーシップ締結を発表しました。MiniMaxの大規模言語モデル製品である海螺AIが、価格.comの消費者向け大規模言語モデル強化ツールキットに統合されました。海螺AIのフローティングボール機能により、ユーザーは迅速な価格比較と購入操作が可能になります。今回の連携は、価格.comのAIエコシステムを強化するだけでなく、大規模言語モデル業界のパートナーとの共創と共発展を促進します。

最近、複数のAI大規模モデルが簡単な数字の比較でエラーを起こし、大きな注目を集めています。バイトダンスの豆包、GPT4o、月の暗面Kimi、階躍星辰躍問、百度の百川智能百小応など、多くの有名なAIモデルが「9.11と9.9のどちらが大きいか」といった基本的な質問に誤答しました。また、以前には複数のモデルが「strawberry」という単語に含まれる「r」の数を誤答した事例も報告されています。

Agently Workflow（以下、Agentlyと略称）とLangGraph（以下、LangGraphと略称）は、人気のあるフレームワークモジュールであり、機能、複雑なワークフローの問題、および実装方法において明確な違いがあります。この結論は、業界で広く議論され注目を集めています。

GPT-4の「怠惰」現象が再び話題に。完了率が約4分の1減少。新しいバージョンのChatGPTは返答の長さが増加したが、内容は改善されていない。ユーザーはGPT-4の怠惰化の原因と最適化戦略に困惑している。サム・アルトマンは新年には改善されるはずだと述べたが、具体的な対策はまだ明らかにされていない。

文心大模型4.0とGPT-4の日本語理解能力は互角、場合によっては文心大模型4.0が優勢。画像生成能力は互角だが、動画生成では文心大模型4.0が優位。論理推論能力においても、文心大模型4.0はGPT-4に劣らない。複数回にわたる対話テストでは、文心大模型4.0の記憶力の高さが示された。文心大模型4.0のトレーニング技術は、より大きな計算能力、より多くのデータ、より高度なアルゴリズムという3つの進歩を遂げている。

PoeとSurgeAIは、推論、ライティング、創造性、非英語言語能力の4つの次元から主要な大規模言語モデルを体系的に評価しました。評価の結果、GPT-4はすべての次元で、特に英語のタスクにおいて最高のパフォーマンスを示しました。GoogleのPaLMは非英語言語能力で優れた結果を示しました。Claude 2は推論においてGPT-4に次ぐ結果でした。Llama 2 70bはライティングと創造性で3位にランクインしました。評価方法は、業界標準ベンチマークテスト、専門家による評価、Eloレーティングなどを含み、各モデルの長所と短所を網羅しています。