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取り上げ、それらがなぜ重要なのかを説明します。
今週のAI関連ニュースでは、科学者たちが興味深い実験を行いました。食品デリバリーや配車サービスといった「市場主導型」プラットフォームが、収益最大化といった様々な目的に合わせて最適化された場合、経済全体にどのような影響を与えるかを予測する実験です。また、AIの汎用性を示す例として、ETHチューリッヒのチームが衛星画像から樹木の高さを読み取るシステムを開発し、別の研究グループは公開ウェブデータからスタートアップの成功を予測するシステムをテストしました。
この市場主導型プラットフォームは、SalesforceのAIエコノミストを基盤としています。AIエコノミストは、AIが経済政策をどのように改善できるかを解明するためのオープンソース研究環境です。実際、AIエコノミストを支える研究者の一部は、3月に発表された研究で詳細が説明されているこの新たな研究にも関わっています。
共著者らがTechCrunchにメールで説明したように、研究の目的は、需要と供給の急増によりより大きな市場力を持つAmazon、DoorDash、Uber、TaskRabbitといった二面性を持つマーケットプレイスを調査することだった。研究者らは、強化学習（試行錯誤によって多層的な問題を解くことを学習するAIシステムの一種）を用いて、プラットフォーム（例：Lyft）と消費者（例：乗客）間のインタラクションの影響を理解するシステムを訓練した。
「強化学習を用いて、異なる設計目標の下でプラットフォームがどのように動作するかを推論します。（中略）[私たちの]シミュレーターは、異なる目標とモデルの仮定の下で、多様な設定における強化学習ポリシーを評価することを可能にします」と、共著者らはTechCrunchへのメールで述べた。「市場構造、売り手に関する買い手の知識、（経済）ショックの強度、そして設計目標の組み合わせなど、合計15種類の市場設定を検討しました。」
研究者たちはAIシステムを用いて、収益最大化を目的としたプラットフォームは、経済ショック時に社会福祉を犠牲にして手数料を引き上げ、買い手と売り手からより多くの利益を搾取する傾向があるという結論に至った。プラットフォームの手数料が固定されている場合（例えば規制などにより）、プラットフォームの収益最大化のインセンティブは、概ね経済全体の福祉の観点と一致することが分かった。
研究結果は衝撃的ではないかもしれないが、共著者らは、オープンソース化を予定しているこのシステムが、企業や政策立案者が様々な条件、設計、規制上の考慮事項の下でプラットフォーム経済を分析するための基盤となる可能性があると考えている。「経済ショックや規制といった環境変化に応じて価格設定とマッチングを最適化するプラットフォーム企業の戦略的オペレーションを記述するための手法として、強化学習を採用しています」と共著者らは付け加えた。「この研究は、本研究の域を超えた、あるいは分析的に得られる知見を超えた、プラットフォーム経済に関する新たな知見をもたらす可能性があります。」
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
プラットフォームビジネスから、それらを支えるベンチャーキャピタルに目を向けると、AIを用いて技術、市場、財務といった基準に基づいて企業を特性評価するスタートアップ企業Skopaiの研究者たちは、公開データを用いてスタートアップの投資誘致能力を予測できると主張している。スタートアップのウェブサイト、ソーシャルメディア、企業登録簿などのデータを利用することで、「民間のデータベースで利用可能な構造化データも活用した場合と同等の」予測結果が得られると共著者らは述べている。
デューデリジェンスへのAIの適用は目新しいものではありません。Correlation Ventures、EQT Ventures、SignalFireなどは、現在投資判断にアルゴリズムを活用している企業です。ガートナーは、2025年までにベンチャーキャピタルの75%が投資判断にAIを活用すると予測しています。これは現在の5%未満から増加しています。しかし、この技術の価値を認める人がいる一方で、その裏には危険性が潜んでいます。2020年、ハーバード・ビジネス・レビュー（HBR）は、ある投資アルゴリズムが初心者投資家を上回るパフォーマンスを示したものの、白人男性の起業家を頻繁に選出するなど、バイアスが見られることを明らかにしました。HBRは、これが現実世界を反映しており、AIが既存の偏見を増幅させる傾向があることを指摘しました。
さらに明るいニュースとして、MITの科学者たちは、コーネル大学とマイクロソフトの研究者と共同で、画像をピクセル単位まで識別できるコンピュータービジョンアルゴリズム「STEGO」を開発したと発表しました。これは大したことではないように思えるかもしれませんが、画像や動画内の物体を識別・分類するアルゴリズムを「学習」させる従来の方法に比べると、大きな進歩です。
従来、コンピュータービジョンアルゴリズムは、人間がラベル付けした物体の多数の例を見せることで、物体（例えば、木、車、腫瘍など）の認識を学習します。STEGOは、画像内の各ピクセルにクラスラベルを適用することで、この時間と労力を要するワークフローを省きます。このシステムは完璧ではなく、例えばグリッツとパスタを混同してしまうこともありますが、研究者によると、STEGOは道路、人、道路標識などを適切に切り分けることができます。
物体認識について言えば、OpenAIの画像生成システムであるDALL-E 2のような学術研究が製品化される日が近づいているようです。コロンビア大学の新たな研究では、「Opal」と呼ばれるシステムが示されました。このシステムは、テキストの説明からニュース記事の注目画像を作成し、視覚的なプロンプトでユーザーを誘導するように設計されています。
研究者たちは、ユーザーグループを対象にテストを行った結果、Opalを試したユーザーは記事のアイキャッチ画像作成において「より効率的」で、使用していないユーザーに比べて2倍以上も「使いやすい」結果を生み出したと述べています。Opalのようなツールが、プラグインや拡張機能といった形でWordPressなどのコンテンツ管理システムに最終的に導入されることは容易に想像できます。
「記事のテキストを入力すると、Opalはユーザーを構造化された検索へと導き、記事のトーン、主題、意図されたイラストレーションスタイルに基づいてイラストを作成できるパイプラインを提供します」と共著者らは記している。「[Opal]は、多様な編集用イラスト、グラフィックアセット、コンセプトアイデアのセットを生成します。」
