機械学習とAIは、今やほぼあらゆる業界や企業にとって重要な技術となっていますが、その研究は膨大で、全てを読むのは容易ではありません。このコラム「パーセプトロン」では、特に人工知能（AIに限らず）分野において、近年の最も関連性の高い発見や論文をいくつか集め、それらがなぜ重要なのかを説明することを目指しています。
ここ数週間、MITの研究者たちは、パーキンソン病患者の歩行速度を継続的にモニタリングすることで病状の進行を追跡するシステムの開発について詳細に発表してきました。また、ベニオフ海洋科学研究所とパートナーが主導するプロジェクト「ホエールセーフ」では、船舶によるクジラの衝突を防ぐ実験として、AI搭載センサーを搭載したブイを設置。生態学や学術研究の他の分野でも、機械学習を活用した進歩が見られました。
MITのパーキンソン病追跡活動は、世界中で推定1,000万人とされるパーキンソン病患者の治療における課題を臨床医が克服できるよう支援することを目的としています。通常、パーキンソン病患者の運動能力と認知機能は診察時に評価されますが、疲労などの外的要因によって評価結果が歪められる可能性があります。さらに、多くの患者にとって通勤は負担が大きすぎるため、彼らの状況はさらに深刻になっています。
MITチームは代替案として、患者が家の中を移動する際に身体から反射する無線信号を利用してデータを収集する家庭用デバイスを提案している。Wi-Fiルーターほどの大きさで、一日中稼働するこのデバイスは、室内に他の人が移動していても信号を検出するアルゴリズムを備えている。
MITの研究者らは、 Science Translational Medicine誌に掲載された研究で、このデバイスが数十人の被験者を対象としたパイロットスタディにおいて、パーキンソン病の進行と重症度を効果的に追跡できることを示しました。例えば、パーキンソン病患者の歩行速度は非パーキンソン病患者に比べてほぼ2倍の速さで低下し、患者の歩行速度の日々の変動は薬剤への反応の良し悪しと相関していることが示されました。
医療からクジラの窮状に目を向けると、ホエールセーフ・プロジェクトは「最先端技術とベストプラクティスの保全戦略を駆使し、クジラへのリスクを軽減する解決策を創出する」ことをミッションに掲げ、9月下旬にコンピューターを搭載したブイを配備した。このブイは水中マイクを使ってクジラの鳴き声を録音できる。AIシステムが特定のクジラの鳴き声を検知し、その結果を研究者に伝える。水質状況や現地のクジラ目撃記録と照合することで、クジラの位置を割り出すことができる。クジラの位置は近くの船舶に伝えられ、必要に応じて航路を変更できる。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
船舶との衝突はクジラの主要な死因であり、多くの種が絶滅危惧種に指定されています。非営利団体「Friend of the Sea」の調査によると、船舶との衝突により毎年2万頭以上のクジラが命を落としています。クジラは大気中の二酸化炭素を吸収する上で重要な役割を果たしているため、これは地域の生態系にとって破壊的な問題です。大型クジラ1頭は平均で約33トンの二酸化炭素を吸収することができます。
ホエールセーフは現在、ロサンゼルス港とロングビーチ港付近のサンタバーバラ海峡にブイを設置しています。将来的には、シアトル、バンクーバー、サンディエゴなど、アメリカの他の沿岸地域にもブイを設置する予定です。
森林保全もまた、テクノロジーが活用されている分野の一つです。LIDARを用いた上空からの森林調査は、成長率などの指標の推定に役立ちますが、生成されるデータは必ずしも読みやすいとは限りません。LIDARから得られる点群は、単に高さと距離を区別せずに地図化したもので、森林は一つの大きな面であり、個々の樹木の集まりではありません。そのため、樹木を追跡するには、地上で人間が行う必要がある場合が多いのです。
パデュー大学の研究者たちは、大量の3Dライダーデータを個別に分割した樹木に変換するアルゴリズム（AIとまでは言えないが、今回は許容する）を開発しました。これにより、樹冠や成長データだけでなく、実際の樹木の形状も正確に推定することが可能になります。このアルゴリズムは、特定の地点から地面までの最も効率的な経路を計算することで実現しており、これは基本的に、樹木における栄養素の作用の逆算です。この結果は（現地調査による検証後）非常に正確であり、将来的には森林や資源の追跡精度を大幅に向上させる可能性を秘めています。
自動運転車は、まだベータテスト段階とはいえ、最近は街を走る機会が増えています。その数が増えるにつれ、政策立案者や都市技術者はどのように対応していくべきでしょうか？カーネギーメロン大学の研究者たちは、興味深い議論をまとめた政策概要を作成しました。
彼らの主張する重要な違いは、自動運転車は「利他的に」運転する、つまり他のドライバーに意図的に配慮する、つまり例えば常に他のドライバーが先に合流できるようにする、という点だ。こうした行動は悪用される可能性もあるが、政策レベルでは報われるべきだと彼らは主張し、自動運転車は有料道路やHOV、バスレーンなどを「利己的に」利用しないので、利用を認めるべきだとしている。
また、計画機関は、意思決定を行う際に、自転車やスクーターといった他の交通手段も考慮に入れ、AV間および車両群間の通信をどのように必須化または強化すべきかなど、より広い視野を持つべきだと提言しています。23ページにわたる報告書全文はこちら（PDF）でご覧いただけます。
交通情報から翻訳へと話題を移すと、Metaは先週、福建語などの非文字言語を翻訳するために設計された新システム「Universal Speech Translator」を発表しました。Engadgetの記事でこのシステムについて言及されているように、数千もの話し言葉には文字要素がないため、多くの機械学習翻訳システムにとって問題となっています。これらのシステムでは、通常、音声を文字に変換してから新しい言語に翻訳し、テキストを音声に戻す必要があります。
言語のラベル付き例が不足しているという問題を解消するため、Universal Speech Translatorは音声を「音響単位」に変換し、波形を生成します。現在のところ、このシステムの機能はかなり限定されており、中国本土南東部で一般的に使用されている福建語の話者が、一度に一文ずつ英語に翻訳できる程度です。しかし、Universal Speech Translatorを開発するMeta研究チームは、このシステムが今後も改善していくと考えています。
AI分野の他の分野では、DeepMindの研究者がAlphaTensorの詳細を発表しました。Alphabet傘下のDeepMindは、AlphaTensorを、新しく効率的で「証明可能に正しい」アルゴリズムを発見する初のAIシステムだと主張しています。AlphaTensorは、現代の機械学習システムの中核を成す数学演算である行列乗算の新しい手法を発見するために特別に設計されました。
AlphaTensorを活用するため、DeepMindは行列乗算アルゴリズムを見つける問題を、テンソルと呼ばれる数値の3次元配列を「盤面」とするシングルプレイヤーゲームに変換しました。DeepMindによると、AlphaTensorはこの問題で優れた成績を収め、50年前に初めて発見されたアルゴリズムを改良し、「最先端」の複雑さを持つ新しいアルゴリズムを発見しました。システムが発見したアルゴリズムの1つは、NvidiaのV100 GPUなどのハードウェア向けに最適化されており、同じハードウェア上で一般的に使用されているアルゴリズムよりも10%から20%高速でした。
