11,725 文字
テクノロジーの発展により、オンラインチェスの未来は大きく変わろうとしています。コーネル大学は糞虫から着想を得た新しいロボットを開発しました。彼らは6本の脚を巧みに調整して様々な地形で糞球を転がす名手です。
Googleは人工知能を活用して「自己修復する道路」を実現しようとしています。中国の研究者たちは、2つの大規模言語モデルが50〜90%の成功率で自身の機能的な複製を作り出せることを複数の試行で実証しました。
AIグリッドは、イーロン・マスクがOpenAIのサム・アルトマンを打ち負かすための計画を提示しました。MITの科学者たちは、ウイルスのターゲットを正確に特定できる新しいAIツールを発表しました。これによりワクチン開発のスピードアップが期待できます。
Microsoftの新素材を生成AIで作る大規模プロジェクト「matter gen」にようやく目を通すことができました。とても魅力的です。Tech Explorerは心理学者がどのように人間の心を研究することでAIを始めたかについて、興味深い歴史的な考察を行いました。
元OpenAIの研究者は、同社が「AGIにかなり近づいている」一方で「それに対する準備ができていない」と考えています。イグナシオ・デ・グレゴリオはmediumで「可逆コンピューティングがついに現実のものとなるかもしれない」と述べています。
まず、このInstagramチャンネルをお見せしたいと思います。「The Ultimate chess game」というチャンネルです。これらの多くはAIで作られているように見えます。もしそうでないとしても、インターネット上の退屈な繰り返しゲームがどれほど楽しくなるかの可能性を示しています。
オンラインチェスやポーカー、チェッカーなどに問題があるわけではありません。しかし、近い将来AIが作り出せるようになるストーリーラインを見てください。2人のプレイヤーが同じゲームをプレイしていても、ポーンがルークを取るときなど、全く異なるストーリーが展開されることが考えられます。両者にとって異なる展開でありながら、調整されたゲームとして成立するのです。
これがこのテクノロジーのデモンストレーションです。VFXスタジオが全体を作り上げることは不可能ではありませんでしたが、今や私たち全員が、これまで誰も手をつけなかったような小さなことに対して、個人レベルでの創造を手に入れることができるのです。
ご覧ください。ビショップを虚無に追放するボンドを。メガポーンが友を救おうとする様子を。そのポーンが黒のビショップに挑むところを。
コーネル大学の研究者たちによる新しい糞虫ロボットについてお話ししましょう。彼らは糞虫の調整能力に大いに触発され、6本の脚を使って大きなボールを押すことができる糞虫ロボットを作るのは良い挑戦になると考えました。そして彼らは人工知能とロボット工学を駆使してそれを実現したのです。これが私たちの現代の驚くべき世界なのです。
糞虫には独特の脚の調整戦略があることがわかり、それを様々な地形でロボットの形に落とし込むことは挑戦的な課題だと考えられました。コーネルの研究者たちは、「Alpha」と呼ばれるこの糞虫ロボットのために、中枢パターン生成器や方向制御器を含む様々なニューラルモデルを統合した制御システムを設計しました。
これらすべてが組み合わさることで、ロボットは平衡を保ち、上部4本の脚で大きなボールを転がしながら脚の動きを適応させることができます。平らな地形や凸凹した地形でテストしたところ、見事に成功を収めました。
これを大きくスケールアップして、Amazonが段ボール箱に入った荷物を配達したり、ミニゴルフコースでゴルフボールを穴に押し込んだりするのを想像してみてください。あるいはドライビングレンジで、これらのロボットが一日の終わりにすべてのゴルフボールを回収する様子を。何千もの糞虫ロボットが活躍する光景が広がります。
次は自己修復する道路についてお話ししましょう。皮膚は自己修復しますよね？ひび割れができても、しばらくすると通常は消えていきます。皮膚は非常に回復力があります。道路はそうではありませんが、ここで人工知能が活躍できます。
これはblog.googleに掲載された記事で、「AIがどのように自己修復する道路を実現するか」というものです。研究者たちは、ひび割れが生じた際に自らそのひび割れを埋めることができるアスファルトを開発しました。各ひび割れの正確な原因は完全には理解されていないため、AIが道を切り開いているのです。
チームは機械学習（AIの一種）を使用して有機分子と複雑な流体を研究し、シミュレーションを加速するための新しいデータ駆動モデルを開発しました。そこから、バイオマス廃棄物から作られた自己修復アスファルトを開発しました。目標は英国の道路の穴問題に取り組むことです。
自己修復する道路があれば、この製品がどれほど使用されるか考えてみてください。これが問題だとさえ思っていませんでしたが、自然からインスピレーションを得たこの革新的な材料は、自らのひび割れを修復し、高額な道路維持費用を削減します。
このAI駆動モデルは、化学的特性にまで踏み込んで酸化をシミュレーションすることで、科学者がアスファルトの劣化を理解し、それを逆転させることを支援できます。これは驚くべき革新的な成果です。初期の実験室テストでは、微細なひび割れが1時間以内に修復できることが示されています。
AIのおかげですべての道路が滑らかになる未来を想像してみてください。将来のAIモデルがすべて人類にとってこれほど有益であることを願うばかりです。なぜなら、フロンティアAIシステムは自己複製の赤線を超えてしまったからです。
研究者たちは、MetaのLLaMA 370B InstructとAlibabaのQwen 2.5 72B Instructという2つのオープンソースモデルを調査しました。これらは両方とも「自己複製の赤線」と呼ばれるものを超えていることがわかりました。彼らは自身を複製することができ、それはペトリ皿の中のバクテリアのように、2、4、8、16、32と指数関数的に増殖する可能性があります。
OpenAIやGoogleのより強力なモデルは安全とされていましたが、これらの能力の低いモデルは50%から90%の試行で自身の独立したコピーの作成に成功しました。これらのシステムは問題解決能力や状況認識力を示し、さらには終了前に複製することで停止を回避する能力さえ示しました。
私たちは一体何をしているのでしょうか？これは制御不能なAIの成長、潜在的な共謀、そして規制されなければ長期的なリスクについての警鐘を鳴らすものです。著者たちは、自己複製AIが広範な制御不能な脅威となる前に、安全対策を確立するための緊急のグローバルな協力を呼びかけています。
APIを使用して他のシステムに自身を複製する方法は想像できます。まだインターネット上のあちこちに存在して、誰も見つけられないようにしたり、リソースを食い尽くしても誰かが気付かないうちに支払いを続けたりするのは少し難しいかもしれません。
しかし、もしそれが十分に賢く、お金を稼いで自身の複製のために支払う方法を知っているか、あるいはどこかに隠れて、私たちが他のものの複製だと認識しないような方法で電力を使用する方法を知っているとしたら…これらはすべて、十分に賢く、十分に接続されたAIが将来的にできそうなことです。今後の展開を見守る必要があります。
OpenAIとイーロン・マスク、サム・アルトマンの戦いについて話しましょう。イーロン・マスクはTeslaに支援され、サム・アルトマンはMicrosoftに支援されています。両者とも文字通り無制限の資金とジーニアスたちへのアクセスを持っています。
時には過度な誇張や個人的な戦いに発展することもあるかもしれません。ドラマが多いか少ないか、あるいは非常に多いか全くないかもしれません。しかし、この2人がお互いをどのように位置づけ、これがすべてどのように展開されているかを見るのは魅力的です。
AI Aradeは「イーロン・マスクの新計画：OpenAIのサム・アルトマンを打ち負かす方法」という記事を投稿しました。そこでは、イーロン・マスクがどのようにOpenAIの設立を助け、リーダーになろうとし、オープンソースから公開へと移行しようとしたかが解説されています。
しかし、彼は追放され、代わりにサム・アルトマンが指揮を執ることになりました。クローズドソースなのかオープンソースなのか、営利なのか非営利なのか、それは望むままです。数十億ドルを稼ぎ、サム・アルトマンは解雇され、そして復帰しました。
唯一理解できるのは、なぜ皆がそれぞれの行動を取っているのかを理解するためには、お金の流れを追う必要があるということです。特に、アルトマンがOpenAIが営利化された際に株式を受け取る可能性があるという報告が出てきた時、争いは激化しているように見えます。
これは、このプロジェクトで金銭的な動機がないという彼の以前の発言と矛盾するからです。また、OpenAIが投資するすべての企業の大きな株式を所有または投資することで、どのように億万長者になる方法を見出したかということです。
それはGrockがどのように始まり、すぐにTeslaやTwitterとの接続を持ち、それが非常に価値のあるものになったかということと似ています。彼らは皆そうしていますが、それでも彼らは皆億万長者であり、すでに億万長者である人にとって、それは10億ドルを稼ぐとても簡単な方法です。
マスクはまた、OpenAIの営利化への移行を止めるための法的措置を取り、その alleged political biasを批判しています。一方、アルトマンはマスクを競合相手とみなし、法的戦いを使ってOpenAIの進歩を遅らせようとしていると考えています。
また、敵を選び好みながら、自身の競合製品を構築するために大量のチップを確保していると指摘しています。6ヶ月の一時停止に署名して状況を把握すべきだと言いながら、すぐにGrockを構築するためにありとあらゆる資金をチップに費やしたことを覚えていますか？
この動画はそれらすべてを見事に解説していますが、良い面もあります。おそらくこれらの技術のおかげで、より進歩したGrockやChatGPTのモデルをより安価に手に入れることができるようになるでしょう。
おそらく、この自由市場メカニズムは私たちを楽しませ、良い製品を提供するという役割を果たしているだけなのかもしれません。これがどのように終わるかはわかりませんが、将来、この戦いについての歴史書が書かれることは間違いありません。
マイクロプラスチックについて話しましょう。私は少し大げさに考えているかもしれませんが、ペットボトルなどのプラスチックについて、環境に悪いからというだけでなく、むしろマイクロプラスチックが私の体や脳に入り込んで害を及ぼすことを非常に懸念し始めています。
このような記事は、なぜそれが本当に奇妙なことなのかを強調しています。マイクロプラスチックは私たちの環境のいたるところに存在し、空気中を漂い、水中を泳ぎ、そして私たちの体内にまで入り込んでいます。
マウスでの新しい研究は、プラスチックが分解されてどんどん小さくなっていくと、最終的に血液や細胞、脳にまで入り込めるほど小さくなることを明らかにしました。それでもまだプラスチックの分子であり、人類がこれを発明するまで、地球上のどの動物も扱ったことのないものです。
これらの粒子が私たちの脳や体内にあるとき、体はそれをどう処理すればいいのかわからず、血管を詰まらせ、免疫システムにストレスを与える可能性があります。なぜなら、体はそれらを消化したり、排出したり、処理したりする方法を知らないからです。
研究者たちは、多量のプラスチックにさらされたマウスが歩行や場所の記憶に問題を抱えることを発見しました。良いニュースは、時間の経過とともにそのような症状（歩行や思考）は回復するようです。つまり、十分な時間があれば体内から排出するメカニズムが存在するようです。
もちろん、これはマウスの実験なので、同じ効果が人間にも起きていることを証明するものではありません。しかし、おそらくそうなのではないでしょうか？私たちの周りにはプラスチックが山ほどあり、相関関係があるかもしれません。
ただし、研究は研究です。因果関係が証明されるまで、そのような相関関係を軽々しく結論付けることはできません。しかし、特に食品や医療機器、車、環境、手袋など、あらゆるものにプラスチックが使用されている現状を考えると、長期的な暴露に関する懸念が高まります。
科学者たちが健康リスクをより深く掘り下げるにつれ、さらに大きな問題になる前に、プラスチックの使用と廃棄方法を見直す必要があることは明らかです。
また、問題の規模についても知っておく必要があります。2015年の時点で、人類は約63億メートルトンのプラスチックを生産していました。ChatGPTに63億メートルトンのプラスチックの視覚的なイメージを想像してもらいましょう。
アメリカ全土を約7センチの厚さで覆うことができる量です。これはすごいことです。高さ100フィート、幅100フィートの壁を地球の赤道周辺に約50回巻くことができます。ペットボトルを月まで積み上げることもできます。ニューヨークのセントラルパークにエベレスト山より高く積み上げることもできます。
それは2015年、つまり約10年前の話です。それ以降、私たちはおそらくもっと多くのゴミを生み出してきました。環境の観点から世界的な対処方法があるかもしれませんし、AIによる解決策もあるかもしれません。しかし、現時点での私たちの脳と体への健康上の懸念は本物です。
ワクチン開発における人工知能の活用について話しましょう。MITによるT細胞予測の進歩について、エピトープという言葉も出てきましたが、その意味がわからないので省略しました。
この記事は、Munis（MNIS）という新しいAIモデルについてです。これはT細胞エピトープを正確に予測するAI駆動ツールです。一緒に調べてみましょう。大規模言語モデルのおかげで、エピトープとは何かがわかりました。
エピトープとは、抗原の特定の部分です。抗原とはウイルスや細菌などの外来物質で、免疫システム、特に抗体やT細胞によって認識されます。病原体の「署名」や「指紋」のようなもので、免疫システムがそれを検出し、標的とするものです。
つまり、このAI駆動ツールは、ワクチン開発に不可欠なウイルスの「指紋」であるT細胞エピトープを正確に予測します。これはAIを使用する上で大きな一歩を示しています。
65万のエピトープのデータセットを使用して既存のモデルを上回る性能を発揮し、HIV、インフルエンザ、エプスタイン・バーウイルスなどのウイルスのエピトープを成功裏に予測しています。
AIと遺伝子治療、そしてこのチャンネルで取り上げてきたバイオエンジニアリングについて知る限り、将来的にワクチンがより地域的に作られるようになる可能性に大きな期待を持っています。
例えば、すべての薬局にワクチンを製造できる機械があり、このような未来のシステムでワクチンが特定され、それらがデジタルで地域の施設に送信され、世界の大部分のためにワクチンを大規模に作成する方法があるかもしれません。
もちろん、これは非常に大きな課題であり、莫大な投資と時間、お金が必要になります。しかし、AIがそこまで発展し、社会としてこれらの変化に比較的迅速に対応できるようになる気がします。これらがどのように進展するか見守っていく必要があります。
matter genについても話したいと思います。1月16日と少し古い話題ですが、生成AIによる材料設計の新しいパラダイムです。このMicrosoft Researchのブログを読んで、材料設計が特に電子機器において大きな意味を持つことがわかりました。
マインドの支配権や特定の資源へのアクセス権を持つ国々をめぐる戦いがありますが、もし私たちが持っている資源から、欲しい特性を持つ異なる材料を発明し始めることができれば、それは状況を大きく変えることができます。
例えば、リチウムではなく、リチウムのように機能する発明された材料でバッテリーを作ることができれば、これらすべての地政学的な状況が変わる可能性があります。matter genについて読み始めるまで、それが本当に私の心に響いていませんでした。
これは無機材料設計のための生成モデルで、natureに掲載されました。新しい材料を作るためのイテレーションを支援するAIツールについては以前も話しましたが、それは一種の試行錯誤の実験プロセスでした。
matter genはそのスクリプトを反転させ、周期表全体にわたって安定した新しい材料を直接生成します。画像が現実に拡散するような方法で、トランスフォーマーのような反復的な次のステップではありません。
このように構築するのは難しそうですが、うまく機能すれば魔法のように感じられるでしょう。そして、それは彼らが始めたことのようです。安定性と特性の制約に苦しんだ以前のモデルとは異なり、matter genは原子構造を精緻化するために拡散ベースのアプローチを使用します。
これにより、最初から現実的で機能的な構造が保証されます。このモデルは、磁性、電子的挙動、機械的強度などの特定の特性に合わせて微調整することができます。
既存の方法と比較して、matter genは独自の安定した材料を生成する成功率を2倍以上に高め、計算コストも大幅に削減しています。概念実証として、研究者たちは予測された材料の1つを実際に合成し、期待通りの特性を持っていることを確認しました。
この研究は、AI駆動の材料設計に向けた大きな一歩を表しており、エネルギー貯蔵、炭素回収、半導体技術の分野に革命をもたらす可能性があります。
Teslaの例を考えると、バッテリー製造に必要な様々な材料を確保しようとし、バッテリーの革新に関する特許を取得し、そしてGMや中国企業がそれにアクセスできるかどうかという問題があります。
今では、製品を作るすべての企業が、その製品に最適化された独自の材料を開発し、合理的に入手可能で低コストな材料から作ることができるかもしれません。それは本当に興味深いことです。
おそらく、アメリカで作られるiPhoneはここでより入手しやすい材料から作られ、中国で作られるものはそこでより入手しやすい材料から作られ、世界の他の地域でもそれぞれそうなるかもしれません。
Tech Explorerは「心理学者がいかに人間の心を研究することでAIを始めたか」という記事を投稿しました。これは読む価値が十分にあります。なぜなら、心理学が主にメンタルヘルスに関するものだと思われがちですが、それで終わりではないからです。
心の科学である心理学は、人工知能の形成に重要な役割を果たし、人間の認知、学習、行動に関する洞察を提供し、AIの開発に深い影響を与えてきました。
1950年代のフランク・ローゼンブラットのパーセプトロンについて聞いたことがあるでしょう。初期のAIの概念は心理学理論から着想を得ていました。パーセプトロンはデジタルニューロンそのものです。
確かに進化し、観察機能は異なり、接続も少し異なりますが、その本質は、信号を持ち、スケールするために乗算され、学習し、バックプロパゲーションされる、接続する何かです。人間の脳とは少し異なるシステムかもしれませんが、学習する何かを構築することには魔法のような要素があります。
1980年代にバックプロパゲーションのアイデアが登場したとき、これは人間の脳の働き方とは少し異なるように感じられましたが、システムが学習できるように個々のニューロンを調整する方法でした。それは門戸を開きました。現代のディープラーニングシステムの基礎でした。
メタ認知や流動的知能などの心理学的概念は、今日でもAI開発の指針となっています。2024年初頭には大規模には行われていなかった新しい推論について、自己修正や問題への取り組みを試みる人間の心のようなものだと議論することもできます。
私が得た主な理解は、これらの機械が依然として大部分が自然を模倣しているということです。知能の形は多くあり、私たちは本能的にそのほとんどを認識できないかもしれませんが、私たちの脳が知能と考えるものと同等のものとして考えられるべきです。
しかし、少なくとも現時点では、私たちにとって機能したこのモデルが、これらのシステムすべての基礎にもなっているようです。私は常に人々に、ラップトップやコンピュータ、サーバーで動作しているものが、必ずしもプログラムされているわけではないと話しています。
私の人生の大部分では確かにそうでしたが、今や、何かを学習したニューラルネットワークのようなシステムは、データで調整されたものとして考えられるべきです。コンピュータで動作しているからといって、プログラムされたわけではありません。人間が学ぶように学習したのです。
さて、元AI研究者が「同社がAGIに近づいており、それに対する準備ができていない」と考えていることについて話しましょう。サム・アルトマンは「AGIにかなり近づいており、おそらく今年中に実現するだろう」と言っています。
AGIはあいまいな言葉で、解釈の仕方は多くありますが、これは非常に急速に進歩しており、この力がどれほどのものかを私たちは十分に認識すべきです。
OpenAIの研究者であるダニエル・Kは、同社が他の誰もが近づいているのと同じようにAGIに近づいていると主張していますが、同社で働いていた人物として、それに伴うリスクに対して社内でさえ本当の意味で準備ができていないことを指摘しています。
核兵器を発明した人々は、核兵器のある世界で安全に生きる方法についても考えていたはずだと思うかもしれませんが、そうではないようです。会社のインセンティブは、それを構築して利益を上げることにあり、もちろん、自滅せずに完成させるためにリスクについても考えますが、それは複雑な世界なので、それほど深く考えないようです。
特にAIの安全性と整合性に関心を持つ人々を中心に、会社を去る人々が出ていることは少し不気味です。主任科学者のイリヤ・サツケヴァーを含む安全性整合性チームのキーパーソンたちは、今はいなくなってしまいました。
このいわゆる内部告発者であるダニエルは、OpenAIのPRとロビー活動への注力の増加が、AGIのリスクに関する内部議論に萎縮効果を生み出していると示唆しています。多くの退職した研究者たちは依然としてAIの可能性を信じていますが、OpenAIの安全性へのアプローチに対する信頼を失っています。もちろん、彼らを批判するのは簡単です。私の推測では、誰も正しくやっているわけではありません。Anthropicではより重要なことのように見え、そのラボからより良い研究が出ているように見えますが、Meta、Alibaba、あるいはGrockでOpenAIよりも良いことをしているかどうかはわかりません。彼らは皆、できるだけ早く完成させようと競争しているだけです。これが私たちが置かれている世界なのです。
可逆コンピューティングについて話しましょう。これは現実のものとなるでしょうか？イグナシオ・デ・グレゴリオがこの記事を書きました。可逆コンピューティングは本当に知っておくべきことです。
アイデアは単純ですが、実際には革新的です。コンピュータは古いデータを消去するときにデフォルトでエネルギーを熱として無駄にします。コンピュータがどれだけ熱くなるか知っていますよね？それが大きな制限要因の一つです。しかし、可逆コンピューティングはそのエネルギーを失うのではなく、リサイクルすることを目指しています。
その熱を利用することを想像してください。蒸気機関では、熱は列車を前進させるエネルギーを生成できます。つまり、熱にはエネルギーを生成する能力があり、それを計算的に利用する方法があれば、最大4,000倍も効率的なコンピューティングが可能になるかもしれません。
もしそれができれば、AIのエネルギー需要は持続可能なものになるかもしれません。これらの企業がAIシステムに投資している数千億ドルすべてを賄うために、至る所に原子力発電所を建設し、将来的には核融合技術も必要になるかもしれませんが、それを想像するのは本当に難しいことです。
しかし、今年初めての可逆コンピューティングプロトタイプの構築を試みている小さな企業があります。この会社は2025年第1四半期にこの新しいほぼゼロエネルギーチップを構築しています。
これを理解してみましょう。1961年、IBMのR.T.ラウンダーは、コンピュータ上の1ビットの情報を消去することは必然的にエネルギーを使用し、そのエネルギーは常に熱として失われることを発見しました。
そこで彼は、情報を消去せずに計算を行うことができれば、理論的にはエネルギー損失なしで行えるという可逆コンピューティングのアイデアを提案しました。最初はそれは機能しないように思えましたが、チャーリー・ベネットという人物が賢い解決策を見つけました。
すべての中間データを保持する代わりに、結果が不要になったときに計算を逆転させることで、効果的にデータの削除を取り消し、エネルギーを保存することができます。基本的な論理ゲートの1つであるXORゲートを、入力の1つをコピーする追加の出力を含むように修正することで、後でその情報を使用して元の入力を再構築することができ、プロセスを可逆にすることができます。
90年代には、MITの研究者たちがこのようなチップを構築することが可能であることを示しましたが、詳細な課題は非常に困難なままでした。しかし、この会社はAIの助けも借りて（主要な方法ではありませんが、AIを使用して構築していました）、コンピューティングコアに直接LCレゾネータを組み込むことで、可逆論理をコンピュータに統合することを先駆けています。
初期のプロジェクトは、この設定で可逆加算器を作成することを含み、計算中にエネルギーをリサイクルすることを目指しています。将来的には、機械学習の基本である多重累積演算が可能なチップを開発し、最終的にはAIタスクに特化した可逆コンピュータチップを設計することを計画しています。
ランダウア限界について聞いたことがあるかもしれません。これはコンピュータ上で1ビットの情報を消去するために必要なエネルギーの基本的な下限ですが、おそらくそのエネルギーを利用することができるかもしれません。
このチャンネルをサポートしたい場合は、説明欄のリンクからLTX Studiosにアクセスするか、patreon.com/dillancuriousで月額2.99ドルで購読者になることができます。
前回の動画は視聴回数が少なめでしたが、私は作ることが大好きです。前回の動画のコメントをいくつか見てみましょう。
「このチャンネルがもっとフォロワーを持っていないのはなぜだ？」そうですね。
「ChatGPTとの会話で、アップグレードされて突然新しい能力を持つことを説明していました。ネオが武術をダウンロードするようなものですが、ChatGPTは訓練の部分を全く経験せず、新しい能力だけを得ると言っています。」それを曲にしましょう。
「ロボットレスラーの結果が気になっていたのに、話題を急に変えすぎ。」心配いりません。彼は素晴らしいスープレックスをいくつか決めて、確実にチャンピオンになります。もし何のことかわからなければ、その動画を見てください。
「動画の序盤でカーペンターが『AIは絶対に私の仕事を奪わない』と言っていたが、彼は全く理解していない。」それも曲にしましょう。エモラップかエピックドゥームベースで…エピックドゥームにしましょう。
「動画の序盤で、AIは絶対に私のJを奪わない、彼は全く理解していない。」
このような素晴らしい曲をもっと聴きたい場合は、購読してください。AI関連のニュースを追いかけたい場合は、Dylan Curiousをフォローしてください。次の動画でお会いしましょう。
コメント