AIのように急速に変化する業界に追いつくのは至難の業です。AIがあなたの代わりにそれをこなしてくれるようになるまで、機械学習の世界における最近の話題や、私たちが単独では取り上げなかった注目すべき研究や実験をまとめてご紹介します。
今週の AI 分野では、OpenAI が初の高等教育機関顧客としてアリゾナ州立大学と契約を結びました。
ASU は OpenAI と協力し、OpenAI の AI 搭載チャットボット ChatGPT を大学の研究者、スタッフ、教員に提供します。2 月にオープン チャレンジを実施し、教員とスタッフに ChatGPT の利用方法に関するアイデアの提出を呼びかけます。
OpenAIとASUの提携は、AI教育をめぐる意見の変化を如実に表しています。AI技術の進歩がカリキュラムの追いつきを上回っているためです。昨年の夏、学校や大学は盗作や誤情報の恐れから、ChatGPTを急いで禁止しました。その後、一部の大学は禁止を撤回し、GenAIツールとその学習への可能性に関するワークショップを開催し始めた大学もあります。
GenAIの教育における役割をめぐる議論は、すぐに決着がつくとは思えません。しかし、私自身はますますGenAI支持派に傾いています。
確かに、GenAIは要約ツールとしては不十分です。偏っていて有害で、事実を捏造することもあります。しかし、良いことにも使えます。
ChatGPTのようなツールが、宿題に苦労している生徒をどのように助けることができるか考えてみてください。数学の問題を段階的に説明したり、エッセイのアウトラインを作成したりできるかもしれません。あるいは、Googleで検索するだけでははるかに時間がかかるような質問の答えを、検索結果に表示してくれるかもしれません。
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
さて、不正行為、あるいは少なくとも今日のカリキュラムの範囲内で不正行為とみなされる行為については、当然ながら懸念があります。学生、特に大学生が、持ち帰り試験の大量の論文やエッセイ問題を作成するためにChatGPTを利用しているという話を耳にしたことがあります。
これは新しい問題ではありません。有料のエッセイ代行サービスは古くから存在しています。しかし、ChatGPTは参入障壁を劇的に下げたと、一部の教育者は主張しています。
こうした懸念が誇張されていることを示唆する証拠があります。しかし、少しの間その点は置いておき、一歩引いて、そもそも生徒がカンニングに走る原因は何なのかを考えてみましょう。生徒は努力や理解度ではなく、成績で評価されることが多いのです。インセンティブ構造が歪んでいます。子供たちが学校の課題を学習の機会ではなく、チェックリストと見なすのも無理はありません。
生徒たちにGenAIを使わせましょう。そして教育者は、生徒たちの現状に合わせて、この新しい技術を活用する方法を試行錯誤してみましょう。抜本的な教育改革にはあまり期待していません。しかし、GenAIは、これまで興味を示さなかったような科目に子どもたちが夢中になるような授業プランの出発点となるかもしれません。
ここ数日間で注目されたその他の AI 関連ニュースは次のとおりです。
Microsoft の読書指導ツール: Microsoft は今週、学習者にパーソナライズされた読書練習を提供する AI ツール Reading Coach を、Microsoft アカウントを持つすべてのユーザーに無料で提供開始しました。
音楽におけるアルゴリズムの透明性： EUの規制当局は、音楽ストリーミングプラットフォームのアルゴリズムの透明性を高めるための法律の制定を求めています。また、AI生成音楽やディープフェイクにも対処したいと考えています。
NASA のロボット: NASA は最近、自己組み立て式ロボット構造を披露したが、デビン氏によれば、これは惑星外への移動に不可欠な要素になるかもしれないという。
Samsung Galaxy、今度は AI を搭載: Samsung は Galaxy S24 の発表イベントで、通話のライブ翻訳、返信やアクションの提案、ジェスチャーを使用した新しい Google 検索方法など、AI がスマートフォンのエクスペリエンスを向上させるさまざまな方法を紹介しました。
DeepMind の幾何学ソルバー: Google AI 研究開発ラボの DeepMind は今週、AlphaGeometry を発表しました。これは、国際数学オリンピックの金メダリストの平均と同数の幾何学問題を解くことができる AI システムであると同ラボは主張しています。
OpenAIとクラウドソーシング： OpenAIに関するその他のニュースとして、同社はCollective Alignmentという新チームを結成し、将来のAIモデルを「人類の価値観に合致させる」ための一般からのアイデアを具体化しようとしている。同時に、同社は自社技術の軍事応用を認める方針も変更している。（まさに矛盾したメッセージだ。）
CopilotのProプラン： Microsoftは、AIを活用したコンテンツ生成テクノロジーのポートフォリオを統括するブランドであるCopilotにおいて、コンシューマー向けの有料プランを開始しました。また、エンタープライズ向けCopilot製品の利用資格要件を緩和しました。さらに、Copilotスマートフォンアプリなど、無料ユーザー向けの新機能も提供しています。
欺瞞モデル：ほとんどの人間は、他の人間を欺くスキルを習得します。では、AIモデルも同じことを学習できるのでしょうか？答えは「はい」のようです。そして恐ろしいことに、AIモデルはそれを非常に得意としています。これは、AIスタートアップ企業Anthropicの新たな研究によるものです。
テスラのロボット技術デモ：イーロン・マスク氏が開発したテスラのヒューマノイドロボット「オプティマス」が、開発施設のテーブルでTシャツを折りたたむという、これまでとは違う動きを見せている。しかし、現段階では、このロボットは自律走行には程遠いことが判明した。
さらなる機械学習
AIを活用した衛星分析などの技術の幅広い応用を阻む要因の一つは、かなり難解な形状や概念を認識するためのモデルトレーニングの必要性です。建物の輪郭を特定するのは簡単ですが、洪水後の瓦礫の山を特定するのは容易ではありません！ EPFL（スイス連邦工科大学ローザンヌ校）のスイス人研究者たちは、「METEOR」と呼ばれるプログラムで、この作業を容易にしたいと考えています。
「環境科学における問題は、研究ニーズに合わせてAIプログラムを訓練するのに十分な規模のデータセットを入手することがしばしば不可能であることです」と、プロジェクトのリーダーの一人であるマーク・ルスヴルム氏は述べています。彼らが開発した新しい訓練構造により、わずか4～5枚の代表的な画像で、認識アルゴリズムを新しいタスク向けに訓練することが可能になりました。その結果は、はるかに多くのデータで訓練されたモデルと同等です。彼らは、このシステムを研究室から製品へと発展させ、一般の人々（つまりAIを専門としない研究者）が使用できるUIを提供することを目指しています。発表された論文はこちらでご覧いただけます。
逆方向、つまり画像生成は、効率的に行うことで生成AIプラットフォームの計算負荷を軽減できるため、現在精力的に研究されている分野です。最も一般的な手法は拡散法と呼ばれ、純粋なノイズ源を徐々に目標画像へと精製していきます。ロスアラモス国立研究所は、純粋な黒画像から生成する「ブラックアウト拡散法」と呼ばれる新しい手法を開発しました。
そもそもノイズの必要性がなくなるのは事実ですが、真の進歩は、このフレームワークが連続空間ではなく「離散空間」で行われることで、計算負荷が大幅に軽減される点にあります。性能は良好でコストも低いと言われていますが、広く普及するには程遠いでしょう。このアプローチの有効性を評価する資格は私にはありません（数学は私には到底理解できません）。しかし、国立研究所は理由もなくこのようなことを大げさに宣伝するようなことはしません。研究者に詳細を尋ねてみます。
AI モデルは自然科学のあらゆる分野で出現しており、ノイズから信号をふるいにかけるその能力によって新たな洞察が生み出されるとともに、大学院生のデータ入力にかかる時間も節約されています。
オーストラリアは、Pano AIの山火事検知技術を、主要な森林地帯である「グリーン・トライアングル」に適用しています。スタートアップ企業がこのように活用されているのは素晴らしいことです。火災の予防に役立つだけでなく、林業や天然資源当局にとって貴重なデータを生み出すことができるからです。山火事（現地ではブッシュファイアと呼ばれています）は一分一秒が勝負であり、早期の通知が何万エーカー、あるいは何千エーカーもの被害を左右する可能性があります。
ロスアラモス研究所が2度目に言及されるのは（メモを見返していて今気づいたのですが）、永久凍土の減少を推定する新しいAIモデルの開発にも取り組んでいるからです。既存のモデルは解像度が低く、永久凍土の面積を約1/3平方マイルの区画単位で予測しています。これは確かに便利ですが、より詳細な情報があれば、大きなスケールでは100%永久凍土のように見えても、よく見ると明らかにそれより小さい地域でも、より正確な結果が得られます。気候変動が進むにつれて、これらの測定値はより正確でなければなりません！
生物学者たちは、AIやAIに近いモデルを、その分野の様々なサブフィールドでテストし、活用するための興味深い方法を見つけています。GeekWireの仲間が記事を書いた最近の会議では、シマウマや昆虫、さらには個々の細胞を追跡するためのツールがポスターセッションで披露されていました。
物理学と化学の分野では、アルゴンヌ国立研究所の研究者たちが、燃料として利用するために水素をいかに最適にパッケージングするかを研究しています。遊離水素は封じ込めと制御が非常に難しいため、特殊な補助分子に結合させることで制御可能です。問題は、水素はほとんどあらゆるものと結合するため、補助分子の候補は無数に存在することです。しかし、膨大なデータセットを整理するのは機械学習の専門分野です。
「私たちは、水素を長時間保持しながらも、必要に応じて容易に除去できないほど強くない有機液体分子を探していました」と、プロジェクトのハッサン・ハーブ氏は語る。彼らのシステムは1600億個の分子を選別し、AIスクリーニング手法を用いることで1秒あたり300万個の分子を検査することができた。つまり、最終工程全体には約半日かかったのだ（もちろん、かなり大規模なスーパーコンピューターを使用していた）。彼らは41個の最適な候補物質を特定したが、これは実験チームが研究室でテストするには取るに足らない数だ。何か役に立つものが見つかることを期待している。次の車で水素漏れに悩まされるのは嫌だ。
最後に注意点を一つ。Science誌に掲載された研究によると、特定の治療に対する患者の反応を予測する機械学習モデルは、訓練されたサンプルグループ内では非常に高い精度を示した。それ以外のケースでは、ほとんど役に立たなかった。これは機械学習モデルを使うべきではないという意味ではなく、業界の多くの人が言っていることを裏付けている。AIは万能薬ではなく、新しい対象集団やアプリケーションに適用される際には、徹底的にテストする必要があるのだ。
