今週のAI：OpenAIと出版社は利便性のパートナー

テッククランチイベント

モデルはまだそれほど「賢く」ないため、OpenAIは合成学習データを使った実験を行い、ウェブの隅々まで、そしてYouTubeまでオーガニックなソースを探し回っていると報じられています。しかし、将来的には、モデルが飛躍的な改善を行うためにそれほど多くの追加データを必要としなくなると仮定してみましょう。では、特にOpenAIがアーカイブ全体をスクレイピングした後、出版社はどうなるのでしょうか？

私が言いたいのは、出版社やOpenAIが協力してきた他のコンテンツ所有者は、便宜上の短期的なパートナーでしかなく、それ以上の関係にはないように見えるということです。ライセンス契約を通じて、OpenAIは法的脅威を効果的に無効化し（少なくともAIトレーニングにおけるフェアユースの適用方法を裁判所が判断するまでは）、PR上の勝利を祝うことができます。出版社は切望されていた資金を獲得し、出版社に深刻な損害を与える可能性のあるAI研究は継続されます。

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。

• SpotifyのAI DJ：ユーザーにパーソナライズされた選曲を提供するAI DJ機能の追加は、SpotifyがAIの未来への第一歩を踏み出したと言えるでしょう。サラ氏によると、Spotifyは現在、スペイン語を話すAI DJの別バージョンを開発中です。
• MetaのAI諮問委員会： Metaは水曜日にAI諮問委員会の設置を発表した。しかし、大きな問題がある。委員が白人男性だけなのだ。AI技術の欠陥の影響を最も受けやすいのは、社会的に疎外された層であることを考えると、少々的外れな印象を受ける。
• FCC が AI の開示を提案:連邦通信委員会 (FCC) は、AI が生成したコンテンツを政治広告で開示するという要件を提案したが、禁止はしない。
• 自分の声で電話に応答:広く知られている発信者IDサービスであるTruecallerは、  Microsoftとの新たな提携により、まもなく顧客がAI搭載アシスタントを使用して自分の声で電話に応答できるようになる 予定です。
• ヒューメインが売却を検討中：先月発売されたものの、あまり芳しくない評価を受け、大きな話題となった「アイピン」を開発したヒューメインは、現在売却先を探している。報道によると、同社は7億5000万ドルから10億ドルの価格を提示しており、売却プロセスは初期段階にある。
• TikTokが生成型AIに着目： TikTokは、広告事業に生成型AIを取り入れた最新のテクノロジー企業です。同社は火曜日、ブランド向けの新しいAIスイート「TikTok Symphony」をリリースすると発表しました。このツールは、マーケターがスクリプトを作成したり、動画を制作したり、既存の広告資産を強化したりするのに役立ちます。
• ソウル AI サミット:韓国ソウルで開催された AI 安全サミットで、政府関係者と AI 業界幹部は、急速に変化する分野に基本的な安全対策を適用し、国際的な安全研究ネットワークを確立することに合意しました。
• Microsoft の AI PC:今週開催された年次開発者会議 Build の 2 つの基調講演で、Microsoft は、Copilot+ PC と呼ぶ新しい Windows マシン (および Surface ラップトップ) のラインアップと、ユーザーが過去に閲覧したアプリ、ファイル、その他のコンテンツを見つけるのに役立つ Recall などの生成 AI 搭載機能を発表しました。
• OpenAIの音声問題： OpenAIはChatGPTのテキスト読み上げ機能から音声の1つを削除しました。ユーザーは「Sky」と呼ばれるこの音声が、スカーレット・ヨハンソン（過去にAIキャラクターを演じたことがある）に不気味なほど似ていると感じており、ヨハンソン自身も声明を発表し、Skyの音声について弁護士を雇って調査し、その開発経緯について正確な情報を得たと述べています。
• 英国の自動運転法：英国の自動運転車に関する規制は、法律として制定される前にすべての法案が通過しなければならない最終的な承認である国王の裁可を得て、正式なものとなった。

さらなる機械学習

今週は、AI関連の興味深い研究をいくつかご紹介します。ワシントン大学の著名な研究者、シャム・ゴラコタ氏が、再び注目を集めるノイズキャンセリングヘッドホンを開発しました。このヘッドホンは、聞きたい人の声以外の音を遮断する機能を備えています。ヘッドホンを装着し、聞きたい人の方を見ながらボタンを押すと、特定の方向から聞こえてくる音声がサンプリングされ、その音声に基づいて聴覚排除エンジンが作動し、背景のノイズやその他の音声がフィルタリングされます。

ゴラコタ氏と数人の大学院生が率いる研究者たちは、このシステムを「Target Speech Hearing（ターゲット・スピーチ・ヒアリング）」と名付け、先週ホノルルで開催された会議で発表しました。アクセシビリティツールとしても日常的なオプションとしても便利なこの機能は、大手IT企業が次世代の高級ヘッドホンに搭載しようと狙う機能であることは間違いありません。

EPFLの化学者たちは、特に18種類のタスクにうんざりしているようです。彼らはChemCrowというモデルを訓練して、それらのタスクを代わりに実行させているのです。滴定やピペッティングといった日常的な作業ではなく、文献の精査や反応連鎖の計画といった計画作業です。もちろん、ChemCrowは研究者に代わって全てをこなすだけでなく、必要に応じて検索や計算オプションを使い分け、一連の作業全体に対する自然言語インターフェースとして機能します。

ChemCrowを紹介する論文の筆頭著者は、ChemCrowを「計算機とデータベースにアクセスできる人間の専門家に相当する」と述べており、言い換えれば大学院生のようなものです。彼らがもっと重要なことに取り組んだり、退屈な部分を飛ばしたりしてくれることを願っています。Coscientistを少し思い出させます。名前については、「カラスは道具を上手に使うことで知られているから」だそうです。なるほど、いいですね！

ディズニー・リサーチのロボット研究者たちは、あらゆる動きを手作業でアニメーション化することなく、作品をよりリアルに動かすために懸命に取り組んでいます。7月に開催されるSIGGRAPHで発表される新しい論文では、手続き型アニメーションとアーティストが微調整できるインターフェースを組み合わせた手法が紹介され、実際の二足歩行ロボット（グルート）で動作しています。

アーティストに弾むような動き、硬い動き、不安定な動きといった動きを描かせ、エンジニアは細部までこだわる必要はなく、特定のパラメータ内で動作するようにするだけでよいというアイデアです。そして、提案されたシステムが基本的に正確な動きを即興で再現し、即座に実行できるようになります。数年後にはディズニーワールドでこのシステムが登場することを期待しています…