ミュンヘン大学、ミュンヘン機械学習センター、Adobe Researchによる最近の共同研究によると、GPT-4o、Gemini 1.5 Pro、Llama-3.3-70Bなど、12種類の最先端AI言語モデルは、長文の概念推論タスクにおいて顕著な性能低下に直面しています。これらのモデルは、少なくとも128,000トークンのコンテキスト処理をサポートしていますが、深層的な論理的関連付け能力には根本的な限界があることが示されています。研究チームは、NOLIMA（ノーテキストマッチング…

最近の研究論文で、様々なAI言語モデルの協調性における顕著な違いが明らかになりました。研究チームは、古典的な「寄付ゲーム」を用いて、AIエージェントが複数世代にわたる協調においてどのように資源を共有するかをテストしました。その結果、AnthropicのClaude3.5 Sonnetが優れた性能を示し、安定した協調モデルを構築し、より多くの資源を獲得することが分かりました。一方、GoogleのGemini1.5 FlashとOpenAIのGPT-4は…

人工知能の応用において、AIとのリアルタイムインタラクションの実現は、開発者や研究者が直面する大きな課題の一つです。特に、テキスト、画像、音声などのマルチモーダル情報を統合して、一貫性のある対話システムを構築することは非常に複雑です。GPT-4のような高度な大規模言語モデルが一定の進歩を遂げていますが、多くのAIシステムはリアルタイム対話の流暢さ、コンテキスト認識、マルチモーダル理解において依然として困難を抱えており、実用的な応用における効果を制限しています。さらに、これらのモデルの計算は

Meta AIが最近発表したSPIRIT-LMは、テキストと音声の自由な混合と、人間のような感情の理解と表現が可能な、画期的なマルチモーダル基盤言語モデルです。SPIRIT-LMは、事前に学習されたテキスト言語モデルを基盤として構築され、テキストと音声ユニットでの継続的な学習によって音声モダリティに拡張されています。このモデルは、音声とテキストのシーケンスを単一のトークンセットに連結し、小規模な自動管理の音声テキスト平行コーパスを用いて、単語レベルのインターリーブ手法を採用しています。

最近の新たな研究によると、OpenAIの最新のo1-previewのような高度なAI言語モデルでさえ、複雑な計画タスクでは苦戦することが示されました。この研究は、復旦大学、カーネギーメロン大学、バイトダンス、オハイオ州立大学の科学者らによって共同で行われ、BlocksWorldとTravelPlannerという2つの計画ベンチマークにおけるAIモデルのパフォーマンスをテストしました。BlocksWorldは古典的な計画…

人工知能の急速な発展の中で、国際研究チームがヨーロッパのAI言語モデルの発展を促進するための道を切り開いています。彼らはMOSEL（Massive Open-source compliant Speech data for European Languages）というプロジェクトを発表し、EUの24の公用語を網羅した包括的なオープンソース音声データセットを作成しました。この取り組みは、ヨーロッパにおけるオープンなAI言語モデルの開発を促進し、現在英語が支配的な状況への挑戦を目的としています。

Googleは先日、Gemmaシリーズ言語モデルの最新版である「gemma-2-2b-jpn-it」を発表しました。このモデルは日本語向けに最適化されており、Googleが大規模言語モデル（LLM）分野に継続的に投資していることを示しています。プロジェクトへのアクセス：https://huggingface.co/google/gemma-2-2b-jpn-it gemma-2-2b-jpn-itはテキストを…

最近、ミラ研究所、Google DeepMind、Microsoft Researchの研究者らが、AI言語モデルの推論能力に関する包括的な調査を実施し、小型で安価なモデルが複雑な問題解決において著しい欠陥を抱えていることを発見しました。この研究で使用されたのは、「組合せGSM」と呼ばれるテストであり、これらのモデルが連鎖的な基礎数学問題を解く能力を評価することを目的としています。画像出典：画像生成AI Midjourney、画像ライセンスプロバイダーMidjourney研究者らは、GSM8Kデータセットから2つの...

bilibiliは、軽量AI言語モデルIndex-1.9Bのオープンソース化を発表し、大きな注目を集めています。Index-1.9Bモデルには、ベースモデル、対照群、対話モデルなど、複数のバージョンが含まれています。

Metaは7月に、強力な推論能力と正確な予測能力を備えたLlama3をリリースする予定です。Llama3は、ユーザーからの論争のある質問にもより適切に回答し、人工知能技術の応用価値を高めます。新バージョンでは、高度なモデルアーキテクチャとアルゴリズムを採用し、言語の理解と生成のパフォーマンスを向上させています。Metaは、AI分野への継続的な投資を示し、人工知能技術の発展を推進しています。

最新の研究により、AI言語モデルが統合失調症の識別に役立ち、早期診断と治療に希望がもたらされることが分かりました。研究チームはAIと脳スキャン技術を組み合わせ、統合失調症患者の言語特徴を分析しました。研究結果によると、統合失調症患者の言語はAIモデルで予測することがより困難であり、これにより患者の症状の重症度を識別できる可能性があります。研究にはいくつかの限界がありますが、統合失調症の早期診断と治療に新たな可能性をもたらします。統合失調症の早期治療は、患者の予後改善、苦痛と損傷の軽減に繋がると期待されます。

ユニバーシティ・カレッジ・ロンドンの神経科学研究所の科学者らは、AI言語モデルに基づいた新しいツールを開発しました。このツールは、統合失調症患者の音声における微妙な特徴を特定することができます。本研究は、自動言語分析が精神疾患の診断と評価をどのように改善できるかを明らかにすることを目的としています。研究の結果、統合失調症患者の言語表現は対照群と比較してAIモデルで予測できる違いがあることが分かりました。これは、脳の学習や認知地図と関連している可能性があります。科学者らは、この技術を広く応用し、将来の精神疾患診断における新たなブレイクスルーに繋げたいと考えています。

アレン人工知能研究所は、AI言語モデルの透明性とイノベーションを促進することを目的とした、オープンなテキストデータセットDolmaを発表しました。AI2のオープン言語モデル計画の中核となるDolmaは、研究者や開発者に無料のデータリソースを提供します。Dolmaデータセットは30億トークンの規模を誇り、中リスク成果のImpACTライセンスを採用しており、ユーザーは連絡先情報と使用状況を提供することが推奨されています。

研究者らは、AI言語モデルに政治的バイアスが存在することを発見しました。ChatGPTとGPT-4は最も左翼自由主義的なモデルとみなされ、一方、MetaのLLaMAは最も右翼全体主義的なモデルとみなされています。この研究結果は、AI言語モデルの開発と使用において、政治的バイアスの存在に警戒し、公正かつ多様な表現を確保する必要があることを示唆しています。