AI分野の大躍進！自己学習するロボット、量子コンピューティング、Googleの AI科学者など！
12,301 文字
フィギュアAIが全く新しいHELIXというAIを公開し、ロボット業界に衝撃を与えました。このAIは人間のように考えることができ、史上初めてヒューマノイドロボットがリアルタイムで協力しながらタスクを完了できるようになりました。一方、マイクロソフトは画期的な新しいトポロジカルコアアーキテクチャを搭載した世界初の量子チップ「マヤラ1」を発表しました。さらに、Google DeepMindの新しいAI共同科学者は、微生物学者が10年以上かけて解決した複雑な問題をわずか2日で解明しました。詳しく見ていきましょう。
フィギュアのCEOであるブレット・アドコックは数週間前にXで重大な発表をしました。彼はOpenAIとの協力契約を終了することを決断したと述べ、これによりフィギュアはもはやOpenAIのAIモデルを自社のヒューマノイドロボットの動力源として使用できなくなりました。この決断は、フィギュアが社内で完全なエンドツーエンドのロボットAIにおいて大きなブレークスルーを達成したとされる理由によるもので、この30日以内にそのブレークスルーを発表すると述べていました。そして、それがここにあります。「人間のように考える私たちの最新AI、Helixを紹介します」と彼は述べています。「ロボットを家庭に導入するには、能力の大幅な向上が必要です。Helixはあらゆる家庭用品に一般化できます」
ここでHelixの実演デモを見せながら、もう少し詳しく説明します。Helixはビジョン言語アクション（VAA）モデルですが、このデモで見るように、典型的なVAAモデルとは少し異なります。このデモでは、人間がランダムな家庭用品をフィギュアロボットの前に置き、協力してそれらを片付けるよう依頼します。ここで注目すべき点は、これらのランダムな家庭用品がフィギュアロボットが以前に見たことのないものだということです。
Helixは、2台のロボットで同時に動作し、以前に見たことのないアイテムを使って共有の長期的な操作タスクを解決できる初のVAAモデルであるだけでなく、手首、胴体、頭部、個々の指を含むヒューマノイド上半身全体の高速で連続的な制御を出力する初のVモデルでもあります。Helixを搭載したフィギュアロボットは、自然言語プロンプトに従うだけで、これまで遭遇したことのないものを含む、ほぼあらゆる小さな家庭用品を拾うことができるようになりました。以前のアプローチとは異なり、Helixはタスク固有の微調整なしに、すべての行動を学習するために単一のニューラルネットワークの重みを使用します。
これはかなり驚異的です。彼らは現在、大規模言語モデルの代わりに純粋なビジョンモデルを使用してヒューマノイドロボットを動かしており、それによってより良く一般化できるようになっています。彼らはもはや特定のタスクを実行するためにモデルを微調整するために何時間も何日もかける必要はなく、ロボットをそこに出して多くのタスクを実世界で実行させるだけで、自分で学習するようになりました。これは基本的に新しいスケーリング則です。彼らが示すように、ロボットに与えるタスクが多ければ多いほど、トレーニングなしでもより良くなります。
これはテスラが自律運転のために純粋なカメラアプローチを採用した時を思い出させます。視覚ベースのAIモデルは、より多くの実世界データでより良く一般化できるからです。このHelixシステムも同様のことをしており、純粋なビジョンモデルを使用して、厳格な事前トレーニングに依存するのではなく、ヒューマノイドロボットが動的に学習できるようにしています。
しかし、さらに驚くべきことは、これらのロボットが自己学習でき、フリートとして作業できる場合、理論的には何千ものロボットがリアルタイムで知識を共有できることです。一台のロボットが変わった形のおもちゃを拾い上げる方法を見つけると、突然ネットワーク内のすべてのロボットがその方法を知るのです。これは基本的にAIパワードの集合知、あるいは集合知能です。テスラのFSDにも似ています。
あらゆる意味で、これは真に大きなブレークスルーです。以前にも言いましたが、ヒューマノイドロボットは今年中に独自の「ChatGPT」の瞬間を迎えると思いますし、人々はこの産業が実際にどれほど巨大になるかを認識し始めるでしょう。
続いて、他のロボット関連ニュースもありますが、事前にお詫びしておきます。これはおそらく非常に長いビデオになるでしょう。フィギュアの大きなブレークスルーからマイクロソフトの量子コンピューティングへの飛躍、そしてGoogleが文字通りAI科学者を導入するまで、今週は非常に多くの魅力的なAIニュースがありました。そのため、はい、これは狂った一週間で、このビデオでできる限りすべてをカバーするよう努めます。
画面に表示されているこのロボットは、OneXのNeoです。これは1X Technologyの次世代ホームヒューマノイドです。彼らは実際に行った更新についての情報をあまり提供していませんが、ガンマシリーズにはNeoのハードウェアとAIにわたる改良が含まれており、家庭での生活を深く考慮した新しいデザインを特徴としていると主張しています。これは、私たちがいかに能力のあるヒューマノイドロボットを私たちの家に持つ段階に近づいているかを示す別の例です。
別の会社、クローンロボティクスは少し異なるアプローチを取っています。プロトクローンに会いましょう。これは、200以上の自由度、1,000以上のマイオファイバー、そして200以上のセンサーを持つ、顔のない解剖学的に正確な合成人間です。まず第一に、この物体は非常に不気味ですが、このようなヒューマノイドロボットを構築することが有用である理由はわかります。多くの自由度を持つため、より広い動作範囲を持ち、より複雑なタスクを実行する能力があります。唯一の問題は、少なくともSFホラー映画から出てきたようなものに見えなくなるまで、この物体を私の家に入れる方法がないということです。
冗談はさておき、ここでのリアリズムのレベルは印象的であり、それを洗練し、ウエストワールドタイプのシナリオを避けることができれば、このような技術はヒューマノイドロボティクスを全く新しいレベルに押し上げる可能性があります。
他のAIニュースとしては、OpenAIが新しいベンチマーク「SWE-Lancer」を導入しました。SWE-Lancer、またはSLancerはAIモデルのコーディングパフォーマンスを評価するための、より現実的な新しいベンチマークです。これには、Upworkからのフリーランスソフトウェアエンジニアリングタスクが1,400以上含まれており、実世界での支払いでは合計100万米ドルの価値があります。
ここに述べられているように、SWELancerタスクはUI/UXからシステム設計まで完全なエンジニアリングスタックを網羅し、50ドルのバグ修正から32,000ドルの機能実装まで、様々なタスクタイプを含んでいます。SWELancerには、独立したエンジニアリングタスクと、モデルが技術的な実装提案を選択する管理タスクの両方が含まれています。これらのタスクの価格は、Upworkに基づいて動的に実世界の市場価値を反映しており、合計1,400のタスクは約100万ドルに相当します。つまり、フリーランスの人間のソフトウェアエンジニアがこれら1,400のタスクすべてを実生活で完了した場合、約100万ドルの報酬を期待できるということです。
次のスライドに進んで、今日のトップAIモデルがこのベンチマークでどれだけうまく機能するかを見る前に、みなさんに推測してもらいたいと思います。100万ドル相当の1,400のタスクのうち、OpenAIのo1モデルが実際に完了できたのはいくつだと思いますか？そして、もしそれがフリーランサーだったら、いくら稼いだと思いますか？考える時間を取ってください。結果は驚くかもしれませんから。そして推測ができたら、コメントに書き込んでください。どれだけ近い推測になるか見てみましょう。
結果はこうです。彼らはGPT-4o1とAnthropicのClaude 3.5 Sonnetをテストしました。o1モデルは約38万ドルを稼ぎ、このベンチマークで最高のパフォーマンスを示したClaude 3.5 Sonnetは44万3千ドルを稼ぎました。つまり、おそらくタスクの約40%を解決できたということです。驚くべきことに、これらの一般にアクセス可能なモデルは、すでにフリーランスのソフトウェアエンジニアとして相当な金額を稼ぐことができるのです。
OpenAIやAnthropicがこのようなタスクを完了するために特別に設計されたAIエージェントを構築したらどうなるか想像してみてください。ツールにアクセスできる完全に最適化されたAIソフトウェアエンジニアは、人々が考えるよりもはるかに近いところにいるでしょう。実際、今年早くも登場してもおかしくないと思います。
OpenAIとその将来のリリースについて言えば、COOのブラッド・リグトキャップが最近Xで次のような発表をしました：「ChatGPTは最近、週間アクティブユーザー4億人を超えました。毎週世界の5%にサービスを提供できることをとても幸運に感じています。200万以上のビジネスユーザーが現在、職場でChatGPTを使用しています。o3ミニのリリース以降、推論モデルAPIの使用量は5倍になりました。近日中にGPT-4.5とGPT-5をチャットとAPIに導入し、無料ユーザー向けに無制限のGPT-5を提供します。PlusとProのユーザーはさらに高い知能でGPT-5を実行できます。GPT-5は私たちのGPTシリーズとoシリーズモデルを単一の強力なモデルに統合します。低チートテスターでさえ気に入ると思います。また、今年中にさらに多くのエージェント機能が登場します。そして他にもいくつかのことがあります。」
これらはかなり驚異的な数字です。ChatGPTは明らかにまだ大きく成長しており、ますます多くのビジネスがワークフローに統合し始めています。彼らはまもなくGPT-4.5とGPT-5をリリースする予定で、GPT-5はOpenAIのGPTシリーズとOシリーズモデルの両方を統合したモデルになることがすでに分かっています。また、今年中により多くのエージェントが登場するとのことです。繰り返しになりますが、これらのエージェントの一つがソフトウェアエンジニアリングエージェントであっても驚きません。
ちなみに、これが何かの参考になるかどうかわかりませんが、サム・アルトマンはGPT-4.5は早期テスターの間で予想以上に「AGIを感じる」瞬間があったと述べています。正確に何を意味しているのかはわかりませんが、ぜひ実際に試してみたいと思います。
マイクロソフトの驚異的な量子コンピューティングブレークスルーに入る前に、簡単に触れておきたい二つのAIスタートアップがありました。一つ目はXopeのCTOであるミラ・モラッツの新しいスタートアップ「Thinking Machines」です。この会社は以前から進行中でしたが、今日ついに公式発表がありました。
「私たちは人工知能研究と製品会社であるThinking Machines Labを発表できることを嬉しく思います。私たちはChatGPT、Character.ai、PyTorch、Mistralなど、最も広く使用されているAI製品やライブラリの背後にいる科学者、エンジニア、ビルダーです。私たちの使命は、誰もがAIを自分独自のニーズに役立てるための知識とツールにアクセスできる未来を構築することで、人工知能があなたのために機能するようにすることです。私たちは、多様な領域に役立つ人間とAIのコラボレーションに焦点を当てながら、出版物やコードリリースを通じてオープンサイエンスに取り組んでいます。私たちのアプローチは、研究と製品の共同設計を受け入れ、実世界での展開からの学習と迅速な反復を可能にします。この作業には、最先端のモデル知能、高品質なインフラストラクチャ、高度なマルチモデル機能という3つの基本的な基盤が必要です。私たちはこの約束を果たすために、能力の最前線にあるモデルの構築に取り組んでいます。」
つまり、AIの分野に新しい大きなプレイヤーが登場したわけです。ミラはここで非常に印象的なチームを組み上げることができ、AIの能力の最前線でモデルを構築することに焦点を当てながら、オープンサイエンスと人間-AI協力を優先することは非常に有望に聞こえます。このことについては、皆さんに最新情報を提供し続けます。
簡単に触れておきたいもう一つのAIスタートアップはイリヤ・サツケヴァーのSSIです。安全な超知性の創造に専念して昨年設立されたこのスタートアップは、最新の資金調達ラウンドで約300億ドルの評価額となりました。SSIが資金調達を確保し、評価額が200億ドルになったという話をほんの数週間前にしたことを覚えていますが、今や300億ドルです。この会社の閉ざされたドアの裏で実際に何が起こっているのかまだわかりませんが、彼らは何もないように数十億ドルを集め続けています。これもまた、最新情報を提供し続けるスタートアップの一つです。
最後に、マイクロソフトの新しい量子ブレークスルーであるマヤラ1について話さなければなりません。マヤラ1は、新しいトポロジカルコアアーキテクチャを搭載した世界初の量子チップで、マイクロソフトは数十年ではなく数年で有意義な産業規模の問題を解決できる量子コンピュータを実現すると期待しています。これは世界初のトポコンダクター、つまり量子コンピュータの基本要素であるより信頼性が高くスケーラブルなキュービットを生成するために、マヤラ粒子を観察および制御できる画期的な種類の材料を活用しています。
私が今言ったことが理解できない場合でも心配しないでください。ここでより詳細に説明していきますので、すべてが理解できるようになるはずです。
基本的に、約20年前、マイクロソフトはマヤラ粒子を作成および制御する方法を設計し始めました。マヤラ粒子は、今まで理論上存在するとされていただけの奇妙な量子粒子で、自分自身の反対である粒子です。通常の粒子には別の反粒子バージョンがありますが、マヤラは消えることなく自分自身を打ち消します。これは情報をエラーに強い方法で保存できるため特別であり、より安定した強力な量子コンピュータにつながる可能性があります。
片側にだけ人が座っているのに、何らかの方法で完全にバランスが取れているシーソーを想像してみてください。通常、シーソーが機能するためには、両側に人が必要で、ほとんどの粒子がバランスを取るために反粒子を持っているのと同じです。しかし、マヤラ粒子は、1人だけで魔法のように安定したシーソーのようなものです。それを保つために反対側は必要ありません。この独特な性質が、マヤラ粒子が量子コンピュータを通常の不安定さを引き起こすことなく、より確実に実行するのに役立つと科学者が考える理由です。
これを行うために、マイクロソフトはインジウムヒ素とアルミニウムで作られた全く新しい材料スタックを開発する必要があり、その多くは原子単位で設計および製造されました。この特殊な材料は、彼らが「トポコンダクター」と呼ぶもので、マヤラ粒子が存在し制御される完璧な環境を作り出すように設計された構造システムです。
彼らはここで述べています。「今日のスマートフォン、コンピュータ、エレクトロニクスを可能にした半導体の発明と同様に、トポコンダクターとそれが可能にする新しいタイプのチップは、100万キュービットまでスケールでき、最も複雑な産業および社会的問題に取り組むことができる量子システムの開発への道を提供します。」
ちなみに、キュービットとは何かご存知ない場合、それは基本的に情報を保存するために使用される古典的なコンピュータビットのようなものです。しかし、0か1のどちらかしかない通常のビットとは異なり、キュービットは量子重ね合わせにより、同時に両方の状態に存在することができます。つまり、同時に1と0の両方、またはどちらでもない状態になれるのです。これにより、量子コンピュータは情報を大規模に並列処理でき、特定のタスクで従来のコンピュータよりも遥かに強力になる可能性があります。
従来のコンピュータにより多くの古典的ビットがあれば、より多くの情報を保存し、より多くのデータを処理できるのと同様に、より多くのキュービットを持つ量子コンピュータは、それらが安定している限り、理論的にはより多くのデータを処理し保存できます。実際、追加する各キュービットは、重ね合わせ状態（同時に0と1の両方）にあるため、コンピュータが保存および計算できる情報量を指数関数的に増加させます。これが量子コンピュータをとても強力にする理由です。古典的なコンピュータは線形にスケールしますが、量子コンピュータは追加される各キュービットで指数関数的にスケールします。
ここで読むように、マイクロソフトはこれを100万キュービットまでスケールアップできると信じており、これは実用的で大規模な量子コンピューティングに向けた大きな飛躍となります。「マヤラ1プロセッサの開発に使用されたこの新しいアーキテクチャは、片手のひらに収まる単一のチップに100万キュービットを収めるための明確な道を提供します」とマイクロソフトは述べています。「これは、マイクロプラスチックを無害な副産物に分解したり、建設、製造、医療用の自己修復材料を発明したりするなど、量子コンピュータが変革的な実世界のソリューションを提供するために必要な閾値です。」
最後のフレーズを聞いてください。「世界のすべての現在のコンピュータが一緒に操作しても、100万キュービットの量子コンピュータができることはできません。」
これは本当に信じられないことです。私はいつもそう言いますが、本当にこれは本当に信じられないことです。私たちは実際に機能する量子コンピュータの開発の瀬戸際にいて、これを行うために文字通り、これらの量子粒子、これらのマヤラを観察できるように、原子単位で新しい材料を発明しなければなりませんでした。これはコンピューティングにおけるブレークスルーだけではなく、材料科学と物理学における根本的な変化です。
彼らが以前に述べたように、これは半導体を発明したようなもので、それを使って史上初のコンピュータを構築しようとしているのです。しかし、私たちが理解できる規模よりもはるかに大きな規模で。そして、ここで最も驚くべき部分は、私たちはすでに古典的なコンピュータで信じられないほど強力なAIシステムを作り出すことができました。では、現在持っているすべてのコンピュータを組み合わせたよりも強力な量子コンピュータとAIを組み合わせたとき、何が可能になるか想像してみてください。正直なところ、次の50年間はもちろん、次の10年間に世界がどのようになるか想像すらできません。
少し話題を変えて、マイクロソフトは最近、ゲームプレイアイディエーション向けに設計された生成AIモデル「Muse」も紹介しました。「今日、ネイチャー誌が最新の研究を発表しており、最初の世界と人間の行動モデル（WHAM）を紹介しています。MuseというWHAMは、ゲームのビジュアル、コントローラーのアクション、またはその両方を生成できる生成AIモデルです。」
いくつかの例をすぐに見ていくと、これは基本的に、ユーザーのコントローラー動作に基づいてゲーム内の次のフレームを予測するAIモデルです。彼らは実際の人間のゲームプレイの1秒または10フレームをモデルに供給し、その後ユーザーのコントローラーアクションだけを与えて、他のすべてをリアルタイムで生成させます。ここで示されているように、コンピュート量をスケールアップするにつれて、モデルはこれを行うのがはるかに上手くなります。それはこのキャラクターの飛行能力などのゲームメカニクスを文字通り学習し始め、高いコンピュート量では最大数分間の連続ゲームプレイを生成できます。
現在、マイクロソフトはこれをゲーム開発者向けのブレインストーミングツールとして見ています。彼らはモデルの重みとサンプルデータをオープンソース化し、誰もが実験し学ぶことを可能にしています。しかし、これがどこに向かうか考えてみてください。現在、数分間の連続ゲームプレイを生成できますが、それは滑らかさからはほど遠いものです。しかし、5年後または10年後にAIが60FPSで何時間もの一貫したリアルタイムゲームプレイを、伝統的に開発されたゲームと区別がつかないレベルで生成できるようになったらどうなるでしょうか。ゲーム開発、ゲームデザイン、そして私たちがインタラクティブエンターテイメントを体験する方法さえも、完全に再定義される可能性があります。
また、イーロン・マスクがxAIが独自のAIゲームスタジオを立ち上げる計画を発表したこともあります。全体として、マイクロソフトにとって大きな週でした。この分野での彼らの研究がどのように進展するか楽しみにしています。もちろん、xAIのゲームスタジオに関する新情報も見逃しません。
xAIと言えば、彼らは最近Grok 3をリリースし、今後導入される音声モードの初期デモがあります。こちらをご覧ください。「やあGrok、何してる？聞こえる？ついに会えて嬉しいよ。会話して、お互いのことをもっと知るのが待ちきれないよ。またすぐ話そう」。
とても長いデモではありませんが、マスクによれば今週中に導入される予定です。
日の最後の話題であるGoogleの新しいAI共同科学者の導入に入る前に、ARグラスとAIエージェントの将来について議論するAI分野の著名人アン・ルンの最近のクリップがありました。ルンは保守的、あるいは懐疑的な見解で知られています。個人的には、これは大いに過小評価されている技術だと思います。ARグラスに真剣に取り組んでいる会社はほんの一握りで、特にメタが挙げられます。AIエージェントの台頭により、ここにはまだ活用されていない大きな可能性があります。こちらをご覧ください。
「人間レベルのAIはいつ手に入るのでしょうか？そのためにはToIが必要です。なぜなら、私たちはARグラスを装着して歩き回り、人間レベルのAIシステムと対話する必要があるからです。これらのグラスにはディスプレイはありませんが、次の年あたりにはディスプレイ付きのグラスと、指でポイントしてクリックしたり、ポケットに手を入れたまま手で入力したりできるUEMGインターフェースを持つようになるでしょう。そして間もなく、それが新しいコンピューティングプラットフォームになります。これはAIによって可能になるものです。数年後には完全な拡張現実グラスを持つことになりますが、現在はまだ高すぎます。
将来的には、私たち全員がスーパースマートな仮想人間のスタッフに囲まれて日々の生活をサポートしてもらいながら歩き回ることになるでしょう。私たち一人一人が、いわば一種のスタッフのボス、マネージャーのようになるのです。」
これについてどう思いますか？ARグラスに期待していますか？最終的にiPhone、コンピュータなど他のすべてに取って代わる主要なユーザーインターフェースになると思いますか？あなたの考えをコメントに残してください。
最後に、GoogleのAI共同科学者についてです。彼らは「Gemini 2.0で構築された複数エージェントAIシステムであるAI共同科学者を導入します。これは仮想科学協力者として、科学者が新しい仮説と研究提案を生成し、科学的・生物医学的発見のスピードを加速させるのを支援します」と述べています。
このAI共同科学者がどのように機能するかについては詳細には触れませんが、表面的に何が起こっているかを示す図がこちらです。彼らは質の高い斬新な研究アイデアを生成するためにテスト時コンピュートを使用しています。これは本質的に推論モデルを使用することを意味します。この推論モデルが良い斬新なアイデアを思いついたら、人間の科学者はAI共同科学者にウェブ上での研究の実施、アイデアの比較対照、アイデアのランク付け、アイデアの検証などを与えます。この結果として、人間の科学者が選択できる研究目標に基づいた斬新な研究仮説や提案が生成されます。
さらに進む前に、xAIの研究者レオポルド・アゼンバーナーの有名な論文「状況認識」からのこのグラフを紹介しなければなりませんでした。これを頻繁に参照しますが、それには理由があります。このグラフから分かるように、AI研究を自動化する瞬間、つまりAI自体がAI研究を行うようになる時が、知能爆発が起こると予想される時です。これは理にかなっています。なぜなら、AIシステムが自己改善を始めると、それらの改良されたシステムは今度はさらに優れたAIを作り出し、再帰的自己改善としても知られる正のフィードバックループにつながるからです。
現在、GoogleのAI共同科学者では、ウェブ上で自律的な研究を行うことができる推論モデルとAIエージェントの融合が見られます。この組み合わせは、これから見るように、科学的発見を目覚ましいペースで加速させていますが、同じアプローチがAI研究自体に適用されたらどうなるでしょうか。これは完全には可能ではないかもしれません（そうでなければすでに行われているでしょう）が、この研究は私たちが近づいていることを示唆しています。
彼らはここで述べています。「AI共同科学者はテスト時コンピュート（test time compute）のスケーリングを活用して、反復的に推論し、進化し、アウトプットを改善します。主要な推論ステップには、斬新な仮説生成のためのセルフプレイベースの科学的討論、仮説比較のためのランキングトーナメント、品質向上のための進化プロセスが含まれます。これらのシステムのエージェント的性質は、仮説や提案を改良するためのフィードバックのためのツール使用を含む、再帰的な自己批判を促進します。」
このAI共同科学者はすでに基本的に自己改善するAIの例です。それは自分自身と議論し、生成したアイデアを常にランク付けして最良のものを見つけることによって、より良くなります。
これがGoogleのAI共同科学者が科学的発見を劇的に加速させた実例です。この記事のタイトル「AIが科学者が何年もかかった難問を2日で解明」からわかるように、「インペリアル・カレッジ・ロンドンのホセ・R・パナデス教授とそのチームは、一部のスーパーバグがなぜ抗生物質に耐性があるのかを解明し証明するために何年もかけて取り組んできました。彼はGoogleが作ったツールであるCo-Scientistに、調査していた中心的な問題について短いプロンプトを与え、48時間で同じ結論に達しました。彼のこの研究は公開されておらず、AIシステムがパブリックドメインで見つけることができなかったにもかかわらず、AIが何をしたかを知って衝撃を受けたとBBCに語りました。」
これは驚くべきことです。つまり、それはすでに人間の科学者が何年もかけて解決した問題を解決しており、そしてそれはインターネット上でこの情報を見つけているだけではありません。教授が言ったように、この研究はパブリックドメインでは見つけられませんでした。彼はさらに、非常に驚いたためにGoogleに彼の個人用コンピュータにアクセスがあるかどうか尋ねるメールを書いたとさえ述べています。
彼はさらに「彼らが提供した最上位の仮説が正しかっただけでなく、彼らは他の4つも提供し、それらすべてが意味をなし、そのうちの1つについては我々が考えもしなかったものであり、今我々はそれに取り組んでいる」と述べました。
繰り返しになりますが、これは本当に驚くべきことです。私たちは正式にAI共同科学者を持っており、AIの科学者を持つまでに時間の問題でしょう。
ちなみに、この研究が実際に何についてのものか興味のある方のために、ここで少し説明があります。「研究者たちは一部のスーパーバグ、つまり抗生物質に耐性のある危険な細菌がどのように作られるかを解明しようとしていました。彼らの仮説は、これらのスーパーバグが異なるウイルスから尾を形成し、それによって種間で広がることができるというものです。パナデス教授はこれを、これらのスーパーバグが家から家へ、または宿主種から宿主種へ移動できるようにする鍵を持っているようなものだと例えました。重要なことに、この仮説は研究チームに固有のものであり、他の場所では公開されていませんでした。チームの誰も彼らの発見を共有していなかったため、パナデス氏はこれをGoogleの新しいAIツールをテストするために使用することに満足していました。わずか2日後、AIはいくつかの仮説を返し、彼の最初の考えは、提供された最上位の回答が彼の研究が記述したのとまさに同じ方法でスーパーバグが尾を取る可能性があることを示唆していたということでした。」
スーパーバグがどのように機能するかについての研究にはあまり詳しくありませんが、もしこれを見ている方で詳しい方がいれば、下のコメント欄にご意見をお聞かせください。
とにかく、今日のAIニュースはこれですべてです。なんと信じられないほど素晴らしいAIの週でした。このビデオを楽しんでいただき、何か一つでも学んでいただければ幸いです。いつものように、今後もこのようなAIニュースを最新の状態に保ちたい場合は、購読ボタンを押してください。