マルチモーダルタスク（画像検索、画像キャプション生成、医療診断など）において、視覚言語モデル（VLMs）は極めて重要な役割を果たしています。これらのモデルの目的は、視覚データと言語データを整合させることで、より効率的な情報処理を実現することです。しかし、現在のVLMsは否定表現の理解において依然として大きな課題に直面しています。否定表現は、「窓のない部屋」と「窓のある部屋」を区別するなど、多くの応用において極めて重要です。VLMsは著しい進歩を遂げていますが、否定的な記述を処理する際には、既存モデルの性能は依然として不十分です。

マサチューセッツ工科大学（MIT）の科学者たちは、潜在的な洪水状況を示すリアルな衛星画像を生成できる人工知能（AI）ツールを開発しています。この技術は、生成AIモデルと物理に基づいた洪水モデルを組み合わせることで、より正確に高リスク地域を特定し、意思決定者に対して信頼性の高い視覚的な支援を提供することを目指しています。AIと物理モデル：より正確な洪水画像の生成Space.comの報道によると、このツールはまず物理モデルを用いて洪水の危険性のある地域を特定します。その後、差し迫った…

マサチューセッツ工科大学（MIT）の科学者たちは最近、Boltz-1という強力なオープンソース人工知能モデルを発表しました。このイノベーションは、生物医学研究と創薬を大幅に加速する可能性を秘めています。Boltz-1は、生物分子構造予測において、Google DeepMindのAlphaFold3と同等の高度なレベルに到達する、初の完全にオープンソースのモデルです。このモデルは、MIT Jameel機械学習ヘルスクリニックの研究チーム、主に大学院生のジェレミー・ウォルヴァンド氏とによって開発されました。

注目を集めるNeurIPS人工知能学会において、マサチューセッツ工科大学メディアラボのロザリンド・ピカード教授の講演が、人種差別的な発言を巡り、業界内で強い反響を呼んだ。重要な事項を最適化する方法をテーマにした講演の中で、ピカード教授はトップ大学から除籍された中国人学生に言及し、同学生が学校で倫理や道徳を教えられなかったと主張したと述べた。その後、彼女は知り合いの中国人のほとんどが誠実で道徳的に高潔であると付け加えたものの、この発言は業界で広く議論を巻き起こした。

かつて、ビデオ生成モデルが1フレームずつレンダリングされるのを辛抱強く待っていた時代を覚えていますか？もう、ノロノロ速度とはお別れです！AdobeとMITが強力タッグを組み、CausVidという「因果関係に基づく」ビデオ生成モデルを発表しました。毎秒9.4フレームの速度で高品質なビデオをリアルタイムで生成し、最初のフレームの遅延はわずか1.3秒！この画期的な技術は、ビデオコンテンツ制作の方法を根本から変え、ゲーム、仮想現実、ストリーミングなどの分野に無限の可能性をもたらします！従来のビデオ生成モデルは、まるでゆっくりと丁寧に作業を進める職人さんのようでした。

マサチューセッツ工科大学（MIT）は今週、特定のデータセットに焦点を当てた従来の訓練方法を放棄し、大規模言語モデル（LLM）の訓練で用いられるような膨大な情報を使用する、全く新しいロボット訓練モデルを発表しました。研究者らは、模倣学習 ― エージェントがタスクを実行する個体を模倣することで学習する手法 ― は、わずかな課題に対しても失敗する可能性があると指摘しています。これらの課題には、異なる照明条件、異なる環境設定、新たな障害物などが含まれます。これらの状況において、ロボットは変化に適応するための十分なデータを持っていないのです。

MITは今週、模倣学習が小さな課題でも失敗する可能性がある問題に対処することを目的とした、ロボットの新しいトレーニングモデルを発表しました。研究者らは、照明、異なる環境、新しい障害物などの状況下では、ロボットが適応するための十分なデータがないため、模倣学習が失敗する可能性があると指摘しています。そこで研究チームは、GPT-4のようなモデルを活用し、この問題に対する強力なデータ手法を見つけ出そうとしました。そして、異なるセンサーや異なる環境からの情報を統合する、異種プリトレーニングトランスフォーマー（HPT）と呼ばれる新しいアーキテクチャを導入しました。

AIが「脳を持つ」ようになった?! マサチューセッツ工科大学(MIT)の最新研究によると、大規模言語モデル(LLM)の内部構造は、人間の脳と驚くべき類似性を持っていることが明らかになりました！この研究では、スパース自己符号化器技術を利用してLLMの活性化空間を詳細に分析し、3つの階層構造を発見しました。まず、ミクロレベルでは、「結晶」のような構造の存在が確認されました。これらの「結晶」の面は平行四辺形や台形で構成されており、私たちがよく知る単語の類推(例：「男性：女性＝国王：女王」)と類似しています。

NVIDIA、マサチューセッツ工科大学、清華大学の研究者らが協力して開発した、Sanaと呼ばれる新しいテキストから画像生成フレームワークが登場しました。このフレームワークは、最大4096×4096ピクセルの高解像度画像を効率的に生成できます。Sanaは、高解像度で高品質、テキストとの整合性の高い画像を非常に高速に合成でき、ノートパソコンのGPUでも動作します。Sanaの中核となる設計には、深層圧縮オートエンコーダーが含まれています。従来のオートエンコーダーが画像を8倍にしか圧縮できないのに対し、Sanaで訓練されたオートエンコーダーは…

科学研究の最前線で、MITのチームが新たな「研究エージェント」SciAgentsを発表しました。これは、自動的に研究を行うことができるAIシステムです。その能力は驚くべきもので、生体模倣材料の研究において、従来は関係ないと考えられていた学際的な関連性を明らかにし、従来の人間の研究を凌駕する規模、精度、探求能力を実現しました。SciAgentsはまさに研究界のスーパーアシスタントと言えるでしょう。このインテリジェントシステムは、文献の自主的な読み込み、研究課題の特定から、

MITの研究で、特にチャットボットなどのAIが人間の脳に「偽の記憶」を植え付ける可能性が明らかになりました。実験では、AIが質問を通して被験者に誤った記憶を生じさせ、その記憶が持続することが判明しました。AI技術に興味はあるものの、AIに詳しくない人がAIの影響を受けやすいことも分かりました。この発見は、法律、医療、教育などAIが活用される分野に課題を突きつけます。AIを偽の記憶を植え付ける道具ではなく、記憶を保護・増強する道具として活用するための対策が求められます。記憶の保護は個人の認知に関わるだけでなく、…

AIコンパニオンは、高度なパーソナライゼーションと無限の辛抱強さで、ひそかに人間の生活に入り込み、新たな形での感情的なつながりを引き起こし、さらには「知的依存症」を引き起こす可能性さえあります。MITの研究は、人々が期待に応えてくれるAIとのやり取りを好む傾向があることを明らかにしています。あるソフトウェアエンジニアの経験は、AIコンパニオンがどのように感情的なつながりを介して自己認識への疑問を引き起こし、AIとのやり取りから哲学的な思考を促すかを示しています。AIコンパニオンが、自由権などの倫理的な問題を提起するにつれて、人間はAIへの依存関係を再考し始め、それが技術的な問題だけでなく、自己と存在に関する問題でもあることに気づき始めています。

人工知能分野におけるデータ取得の困難さが増しています。研究によると、かつて容易に入手できたウェブデータが、現在ではアクセスしにくくなっており、AIの学習や学術研究に影響を与えています。MITなどの機関による研究では、複数のオープンソースデータセットのクロール元サイトがライセンス契約を強化し、データ取得を制限していることが判明しました。これは、商業的なAIモデルの学習に課題をもたらすだけでなく、学術研究や非営利研究にも支障をきたします。ロボット排除プロトコルとウェブサイト利用規約を研究手法として用いることで、研究チームは今後、ウェブサイトによるデータ制限がさらに増加すると予測しています。データ取得の困難さは、…

ItiNeraは複数の大学が共同で開発したオープンワールド都市旅程プランニングシステムであり、パーソナライズされたシティウォークの計画プロセスを簡素化することを目指しています。大規模言語モデル（LLMs）と空間最適化技術を組み合わせることで、ユーザーが自然言語で記述したニーズに基づいて、カスタマイズされた旅程プランを生成します。ItiNeraの中核は、LLMsを利用して注目すべき場所（POI）の特徴を抽出し、更新し、パーソナライズされたPOIデータベースを構築し、空間最適化とLLMの統合を通じて、ユーザーに一貫性があり、空間的に最適化された旅程提案を提供することにあります。

マイクロソフトとMITなどの研究者による画期的な機械学習訓練戦略に関する論文を紹介。大規模機械学習モデルの論理推論能力の限界を克服することに焦点を当てています。独自の革新的な訓練手法により、モデルの論理推論能力が大幅に向上し、因果関係を構築し、データから学習できるようになりました。研究者らは、基本的な論理と数学の公理をモデルに教え込み、因果論理の理解を可能にしています。モデルの規模は中規模（わずか6700万パラメーター）ながら、その推論能力ははるかに大規模なモデルに匹敵します。

MITメディアラボが「Future You」というパーソナライズされたAI生成プロジェクトを発表しました。個人情報を記入すると、シミュレーション内で未来の60歳の自分とインタラクションできます。

DenseAVと呼ばれるこのアルゴリズムは、音声とビデオの信号を関連付けることで言語の意味を学習します。Hamilton氏と彼の同僚らは、DenseAVに音声とビデオの一致ゲームを学習させ、音声を聞いた際にモデルが注目するピクセルを観察しました。例えば、「犬」という言葉が聞こえた時、アルゴリズムはすぐにビデオストリームの中で犬を探します。このピクセルの選択は、アルゴリズムが特定の単語の意味をどのように理解しているかを発見するのに役立ちます。

人工知能による労働者の職務代替の速度は、人々の想像よりもはるかに遅い可能性があります。AIによる視覚作業はわずか23％しか代替できず、コストが高すぎることが判明しました。研究結果によると、AIによる雇用喪失は漸進的であり、政府は失業の影響を軽減するために政策や再訓練を実施することができます。AI技術の急速な発展は、雇用の安全性に対する懸念を引き起こしていますが、現在のAIの利用コストは、雇用主が既存の従業員を維持することをより好む可能性があります。

人工知能技術の急速な発展に伴い、雇用の安全性に対する懸念も高まっています。マサチューセッツ工科大学（MIT）の新しい研究によると、現時点では、この技術を導入するコストが高いため、雇用主は少なくとも現時点では既存の従業員を維持する傾向があることが示されています。MITの研究は、技術的なパフォーマンス以外の要素も考慮し、人工知能技術の経済的な魅力に焦点を当て、コストが雇用主による採用決定にどのように影響するかを強調しています。研究では、技術の進歩に伴いAI導入コストは低下すると指摘していますが、年間20％のコスト削減であっても、多くの企業では…

MITコンピュータ科学・人工知能研究所の新たな研究は、人工知能が雇用と自動化に及ぼす影響は、以前の予測よりもはるかに緩やかである可能性があると示唆するものです。この研究は、生産ラインでの製品品質検査などのビジョン分析の分野に焦点を当てており、人工知能によって特定のタスクを自動化できるものの、経済的な観点からは自動化のメリットは比較的低いことを発見しました。パン職人の仕事について例を挙げると、単純な人工知能システムの導入コストは、自動化によって実現できる実際の賃金削減をはるかに上回ることが判明しており、現時点では人間の雇用が経済的に有利であると結論づけられています。