人工知能は画像認識分野で非常に盛んです。猫や犬の分類などはもう時代遅れで、今では「連想ゲームPlus版」のような、例えばある特定の年式の特定のモデルのスポーツカーであること、あるいはある鳥の眉毛が隣の家の王さんの眉毛よりもわずかに太いかどうかなどを瞬時に識別することが流行しています。しかし、問題はあります。ニューラルネットワークは賢いのですが、「なぜこれがこれだと判断したのか？」を説明しようとすると、まるでテストで解法を説明できない生徒のように、支離滅裂でまともな説明ができません。従来のClass Activation Map（クラス活性化マップ）は…

GoogleのGemini AIは最近、複数のビジュアルストリームを同時に処理できるという目覚ましい技術的進歩を遂げました。これはAI分野において前例のない成果です。この機能は、Googleの主要プラットフォームではなく、「AnyChat」という実験的なアプリケーションを通じて公開されました。Gemini AIのこの新たな能力により、リアルタイムで動画を視聴するだけでなく、静止画を同時に分析することも可能になり、これまでAIが単一のビジュアル入力しか処理できなかったという制限を打破しました。

神経科学と人工知能の交差点において、著名な神経科学者Anthony Zador氏とBrain InspiredポッドキャストのホストPaul Middlebrooks氏が深い対話を展開しました。この分野の先駆者の一人であるZador氏は、NeuroAIの未来への独自の展望を詳しく説明しました。当初NeuroAIという用語に抵抗感を抱いていたZador氏ですが、問題の本質を深く考えることで、今ではこの分野に大きな期待を抱いています。彼は、

最新の研究によると、人工知能（AI）は将来、人間の知性を超える可能性があることが示されています。この研究は、AIと人間の脳の複雑性を深く掘り下げ、神経科学の細胞レベルにAI技術を適用することで、AIが人間の脳機能に無限に近づき、最終的には人間の知性を超える可能性があるという新しい理論的枠組みを提示しています。人間の脳は宇宙で最も複雑なシステムの一つと考えられており、人工知能は人類史上で最も重要な技術の一つと考えられています。そして、核心となる問題が提示されます。人工知能は最終的に人間の知性を超えるのでしょうか？

ChatGPTや文心一言といった最先端AIをご存知ですか？それらの根幹をなす技術は「大規模言語モデル」（LLM）です。難しそうで理解しにくいと感じますか？ご安心ください。小学2年生レベルの数学力でも、この記事を読めばLLMの動作原理を簡単にマスターできます！ニューラルネットワーク：数字の魔法まず、ニューラルネットワークは、数字しか処理できないスーパーコンピューターのようなものだと理解しましょう。入力も出力も、数字でなければなりません。では、どのようにして文章を理解させるのでしょうか？その秘密は…

の研究チームは、HOVER（ヒューマノイド多機能コントローラー）と呼ばれる新しいニューラルネットワークを開発したと発表しました。このニューラルネットワークは150万パラメーターを持ち、ヒューマノイドロボットの動きと操作を調整するために特化されています。NVIDIAの上級研究マネージャーであるJim Fan氏は、「すべての下位モデルが巨大な必要はありません。私たちがトレーニングしたこの150万パラメーターのニューラルネットワークは、ヒューマノイドロボットのボディを制御することを目的としています。」と説明し、HOVERは人間の動きを捉えることができると付け加えました。

2024年のノーベル物理学賞は、ジョン・J・ホップフィールド氏とジェフリー・E・ヒントン氏に授与され、人工ニューラルネットワークを用いた機械学習における基礎的な発見と発明が評価されました。彼らの功績は人工知能の基礎を築き、機械学習や深層学習を可能にしました。ホップフィールド氏は、データ内の画像やその他のタイプのパターンを記憶し、再構築できる連想記憶を開発しました。一方、ヒントン氏は、データ内の属性を自律的に見つける方法を発明し、画像内の特定の要素の認識などのタスクを実行できるようにしました。ノーベル賞

ジョージア工科大学の研究者らが、人間の知覚と意思決定プロセスをシミュレートできる初のニューラルネットワーク「RTNet」を開発し、人工知能が人間の脳の働き方を理解する上で重要な進歩を遂げました。RTNetはランダムな意思決定を生成し、人間の反応時間分布をシミュレートし、タスクの難易度に応じて思考時間を調整することで、人間が問題を処理する方法と同様に機能します。その内部メカニズムには、AlexNetアーキテクチャとベイズニューラルネットワークの組み合わせが用いられており、累積プロセスと閾値設定によって推論を行います。RTNetは人間の意思決定をシミュレートする上で高い精度を...

清華大学電子工学科と自動化学科は共同で、「太極-II」光トレーニングチップの開発に成功しました。これにより、大規模ニューラルネットワークの高効率かつ高精度な光計算トレーニングが可能になります。この革新的な技術は、既存の光計算技術の限界を突破し、GPUを用いたオフラインモデリングに依存せず、トレーニングプロセスを簡素化し、人工知能やビッグデータ処理分野における光計算システムの応用能力を大幅に向上させます。このチップは、様々な光学システムのトレーニングが可能で、複数のタスクにおいて卓越した性能を発揮し、中国の先端技術分野における研究力と革新能力の向上を示しています。

本稿では、ネイチャー・マシン・インテリジェンス誌に掲載された最新の論文を取り上げ、注目すべき新しい手法である視覚予測符号化（visual predictive coding）を紹介します。この技術は、人工知能が認知地図を構築する方法を示しており、人間の脳内の神経構造を模倣して視覚情報処理や周囲環境の理解を行います。研究の中心的な考え方は、将来の感覚入力の予測を通じて、機械が過去の経験から学習し、環境地図を構築することです。ニューラルネットワークモデルの構築によって、人間の…

NVIDIAは、新世代のノートパソコン向けGPUであるRTX 500シリーズとRTX 1000シリーズを発表しました。Ada Lovelaceアーキテクチャを採用し、AI計算用のNPUを搭載しています。RTX 500/1000シリーズは順次発売され、一般消費者およびエントリーレベルのワークステーションに対応します。RTX 500は生成AIのパフォーマンスを14倍に向上させ、RTX 1000は写真の編集速度を3倍に向上させます。

ニューラルネットワークは固有の特徴から敵対的攻撃を受けやすい。Google DeepMindの最新研究によると、人間の判断もこの敵対的摂動の影響を受ける。人間のニューラルネットワークと人工ニューラルネットワークの関係とは？研究によると、これまでの考え方は間違っていた可能性がある！人間の判断もこの敵対的摂動の影響を受ける。

異種列の表データを扱う際のニューラルネットワークの課題に取り組んでいます。ニューラルネットワークの解析能力を高めるために、表特徴を低周波数表現に変換する方法を提案します。実験により、この方法がネットワーク性能と計算効率を大幅に向上させることが示されました。本研究は、複雑な表データを処理するためのニューラルネットワークに新たな視点と方法を提供します。

MIT発スタートアップのLiquid AIは先日、約4000万ドルのシードラウンド資金調達を完了しました。目標は、新型の流体ニューラルネットワークAIを構築することです。流体ニューラルネットワークとは、流体ニューラルネットワークアーキテクチャに基づく革新的な技術で、コンパクトで解釈可能、そして動的に適応できるという特徴があります。今回の資金調達により、Liquid AIの評価額は3億300万ドルに達しました。Liquid AIは流体ニューラルネットワーク技術の商業化を計画しており、自動運転、気象予測、医療データ分析などへの応用を目指しています。

人工知能スタートアップ企業Anthropicは、神経ネットワークの動作をより深く理解するための画期的な手法を発表しました。この研究成果は、次世代人工知能の安全性と信頼性を向上させ、研究者や開発者がAIモデルの動作をより適切に制御するのに役立つと期待されています。Anthropicは、神経ネットワークの特性を深く研究することにより、その内部動作を解明し、神経ネットワークの結果を予測するための新たな手法を提供しました。このブレークスルーは、言語モデルの動作を理解するという課題を克服するのに役立ち、人工知能分野に大きな意味を持つでしょう。

京都大学は畳み込みニューラルネットワーク技術を用いて、穀物生産量を迅速かつ正確に予測することに成功しました。水稲の冠層写真を用いたCNNモデルの訓練により、良好な予測結果が得られました。この研究は、世界的な農業発展と食糧安全保障に貢献する実用的なソリューションを提供します。