Meta社が、AIシステムのトレーニング専用に開発した自社製チップのテストを開始したとの報道が出ています。これは、Nvidiaなどのハードウェアメーカーへの依存度を減らすというMeta社の戦略の一環です。ロイター通信によると、このチップは台湾積体電路製造（TSMC）との協力により製造され、AI特有のワークロード向けに設計されています。現在、小規模なテスト展開が行われており、テストが成功すれば、生産規模の拡大を計画しているとのことです。画像出典注記

先日、開発者scraedがGitHub上でLanPaintを公開しました。これは、追加のトレーニングなしで画像修復を行うツールです。このツールは、ユーザーが独自のモデルを含むあらゆる安定拡散モデル（SD）で高品質の画像修復を実現することを目的としています。LanPaintは、ノイズ除去の前にモデルに「思考」させることで、よりシームレスで正確な修復結果を得ます。LanPaintの主な特徴の一つは、ゼロトレーニング修復です。ユーザーはすぐに…

2025年3月9日、カリフォルニア州——オープンソースモデルによって、テキストから動画を生成する技術がますます魅力的になっています。AI開発者Ostris（@ostrisai）は最近、Xプラットフォームで、自身の20枚ほどの画像を用いてトレーニングしたWan 2.1 LoRAモデルの成果を共有しました。家庭用のRTX4090グラフィックカードを使用するだけで、驚くほど高品質な動画生成を実現しています。この成果はオープンソース技術の可能性を示すだけでなく、Xコミュニティで動画LoRAトレーニングに関する議論を活発化させています。

1000人以上のアーティストが、英国政府によるAIへの著作権販売に抗議するため、新しいアルバムをリリースしました。このアルバムは、この問題に対する彼らの懸念を示すために、あえて無音のトラックで構成されています。

人工知能（AI）の分野では、大規模言語モデル（LLM）が自然言語処理において優れたパフォーマンスを発揮していますが、複雑な推論タスクに直面するとしばしば力不足を感じます。これらのタスクは、通常、複数のステップにわたる推論や、特定の領域に関連する知識、あるいは外部ツールの効果的な統合を必要とします。これらの制限を克服するために、研究者たちはLLMの能力を向上させるために外部ツールの使用方法を探求しています。従来の強化手法は通常、モデルの微調整や追加のトレーニングを必要とし、タスクへの適応性や柔軟性に制約をもたらします。

人工知能分野では、大型言語モデル（LLMs）のトレーニングが技術進歩を推進する重要な方向性となっています。しかし、モデルの規模とデータセットの拡大に伴い、従来の最適化手法—特にAdamW—がその限界を次第に露呈しています。研究者たちは計算コストの高さやトレーニングの不安定さなど、一連の課題に直面しています。これには、勾配の消失や爆発、パラメータ行列の更新不整合、分散環境下でのリソース要求の高さなどがあります。したがって、これらの複雑性に対処するために、より効率的で安定した最適化技術の必要性が高まっています。

最近の発表で、データダイナミクス社（DDN）は、人工知能（AI）のトレーニングと推論向けに設計された最新のInfinia 2.0オブジェクトストレージシステムを発表しました。このシステムは、AIデータ処理速度を最大100倍、クラウドデータセンターのコスト効率を最大10倍向上すると主張しており、多くの業界の注目を集めています。DDNのCEO兼共同設立者であるアレックス・ブザリ氏は、「世界の大企業500社中85社がDDNのソリューションを使用しています。」と述べています。

先日、マスク氏はライブ配信で新型チャットボットGrok 3を発表し、そのモデルのトレーニングにかかった驚愕のコストを明らかにしました。Grok 3は現在、Premium + サブスクリプションユーザー向けに公開されており、複数の評価分野で優れたパフォーマンスを示し、Gemini、DeepSeek、ChatGPTなどの競合他社製品を上回っています。マスク氏によれば、Grok 3のトレーニングにはNVIDIA GPU 20万枚分もの膨大な計算資源が消費されたとのこと。この数字は衝撃的です。これ以前は…

近年、大規模データセットと事前学習済み拡散モデルのおかげで画像再照明技術は進歩し、一貫性のある照明の適用がより一般的になりました。しかし、ビデオ再照明の分野では、高額なトレーニングコストと多様で高品質なビデオ再照明データセットの不足により、進歩は比較的遅れています。画像再照明モデルをビデオにフレームごとに適用するだけでは、光源の一貫性のなさや再照明された外観の一貫性のなさが原因で、最終的に生成されたビデオにちらつきが生じるなど、様々な問題が発生します。この問題を解決するために、研究チームはLight-Aを提案しました。

コンデナスト、大西洋月刊、フォーブスなど14の大手出版社が、AIスタートアップ企業Cohere社を「組織的」な著作権侵害で訴えました。訴状によると、Cohere社は著作権で保護された少なくとも4000の作品をAIモデルのトレーニングに使用し、ユーザーに大量の記事の断片、さらには全文を表示していたと主張しています。

2025年2月11日、アラブ首長国連邦ドバイで開催されたWorld Governments Summitサミットで、百度の創業者である李彦宏氏はアラブ首長国連邦のAI担当大臣オマル・スダン・オラマ氏と深い議論を行い、AIインフラの将来的な発展傾向について意見交換しました。会話の中で、オラマ大臣は最近DeepSeekが世界的な注目を集め、多くの大手チップメーカーや取引所の株価が大きく変動したことに触れ、李彦宏氏にデータセンターとAIインフラの将来の見解を求めました。

最近、テンセント科技（深セン）有限公司は、天眼查App上で大規模言語モデルのトレーニング方法および関連機器に関する特許を発表しました。この特許の名称は「大規模言語モデルのトレーニング方法、装置、計算機設備および記憶媒体」で、革新的なトレーニング方法を通じて、大規模言語モデルの学習能力と精度を向上させることを目的としています。大規模言語モデルのトレーニングにおいて、従来の手法は単一のテキスト要約に依存することが多く、モデルの過学習を招き、生成されるコンテンツの正確性と多様性に影響を与える可能性があります。しかし、テンセントの新…

スタンフォード大学とワシントン大学の研究チームが最近、画期的なAIトレーニング手法を発表しました。この手法はS1と呼ばれ、その核心は、極めてシンプルなテスト時スケーリング技術を用いて、言語モデルの推論能力を大幅に向上させることにあります。従来の大規模な計算能力や複雑なアルゴリズムに依存する手法とは異なり、S1手法はテスト時の計算資源配分を巧みに制御することで、性能の大幅な向上を実現しています。S1手法はまず、1000個の高品質な推論問題を含むs1Kという小型のデータセットを慎重に構築しました。このデータセットの選定基準は…

ロボット技術の発展において、シミュレーション環境と現実世界のギャップは大きな課題となっています。このたび、NVIDIA GEAR研究所とカーネギーメロン大学の研究チームが共同で、このギャップを縮めることを目的とした新しいフレームワークASAP（Aligning Simulation and Real Physics）を開発しました。このシステムは、ロボットのシミュレーションと現実の動作の誤差を約53％削減することに成功し、従来の方法よりも大幅な改善を示しています。

バイトダンスの研究チームは最近、一枚の写真から人物の会話、歌、自然な動作を示すリアルな動画に変換できるAIシステムOmniHumanを開発しました。この画期的な技術は、デジタルエンターテインメントと通信分野を根本的に変革する可能性を秘めています。OmniHumanは、人物が話す際のジェスチャーや動きを全身で表現した動画を生成でき、これまで顔や上半身しか動かせなかったAIモデルを凌駕しています。この技術の中核は、テキスト、音声、人間の動作など、複数の入力を組み合わせている点にあります。