知性を宿す機械

名古屋大学、日本ガイシ、アイクリスタルの研究グループは、セラミック製品の高精度解析にAIを応用する手法を開発した。従来、日本ガイシでは設計開発中のセラミック製品の評価にコンピューターシミュレーションを利用しているが、計算完了までに長い時間がかかる上、専門チームの手による作業が必要だという。

東京大学と日本アイ・ビー・エムなどの研究グループは、脂肪肝の病理画像から発がんリスクを予測するAIモデルを構築した。

東京大学の研究チームは、生成AI技術を用いて、画像の「生成的コンテンツ置換（Generative Content Replacement：GCR）」を実行するシステムを開発。画像が含むプライバシーに関連する情報を秘匿化しつつ、画像の見た目や内容を維持することを可能にした。

東芝と理化学研究所、東京大学の共同研究チームは、ロボット制御に用いられる機械学習の一つである「オフライン強化学習」において、少量の画像データから複雑なロボット操作を高精度に制御する人工知能（AI）手法を開発した。公開ベンチマーク環境でピッキングや物を置くといった8種類の作業のシミュレーションで評価したところ、従来の手法では36％だった平均成功率を72％に向上できた。

東京工業大学、東北大学、富士通、理化学研究所、名古屋大学、サイバーエージェント、コトバテクノロジーズの共同研究チームは、理化学研究所のスーパーコンピュータ「富岳」を用いて訓練した日本語能力に優れた大規模言語モデル「Fugaku-LLM」を公開した。研究者は、オープンソースソフトの公開に使われているプラットフォームである「ギットハブ（GitHub）」や「ハギングフェイズ（Hugging Face）」を通じて、研究および商業目的で利用できる。

NTTは、深層学習において過去の学習過程をモデル間で再利用する新たな仕組みとして「学習転移」技術を開発した。生成AIなど大規模な基盤モデルを、用途ごとに追加学習（チューニング）して利用する場合に不可欠な、基盤モデルの更新に伴う再チューニングのコストを大幅に削減できる。生成AIの運用容易化や適用領域拡大、消費電力の削減に貢献するという。

日本電信電話（NTT）の研究チームは、人間の「現在バイアス」に基づく行動パターンを数学的に解析し、目標達成を助ける新たな数理モデルを開発した。現在バイアスとは、目先の利益や損失を過大評価する傾向のことで、このバイアスにより人は短期的な誘惑に屈しやすくなる。この問題を解決するため、研究チームは最適な介入時点と方法を導き出す数理モデルを構築した。

NTTは、大規模言語モデル（LLM）によって、視覚情報も含めて文書を理解する「視覚読解技術」を実現。同社が研究開発している大規模言語モデル「ツヅミ（tsuzumi）」のアダプタ技術として採用・導入したことを明らかにした。

東京工業大学の研究チームは、創薬における低分子化合物の物性や活性を予測する、新たな人工知能（AI）予測手法を開発した。異なる分子グラフ表現を組み合わせてAIの予測結果に高い解釈性を付与することで、予測の理由が考えやすくなったという。

東京工業大学、東北大学、産業技術総合研究所の研究チームは、量子力学の基本原理に基づいた理論計算（「第一原理計算」と呼ぶ）により生成した大規模な理論計算データおよび機械学習を用いて、無機材料表面の基本的な電子構造を網羅的に予測することに成功した。

東京大学発スタートアップのパークシャテクノロジー（PKSHA Technology）は3月28日、レテンティブ・ネットワーク（Retentive Network：RetNet）を採用した日英大規模言語モデル（LLM）を開発し、2024年4月から段階的に実運用を開始する予定だと発表した。最初の対象領域としては、コンタクトセンターや社内ヘルプデスクを想定している。

東京農工大学の研究チームは、人工知能（AI）の手法の1つである深層学習を活用することで、セラミックス材料の高精度な3次元ミクロ構造をモデル化することに成功した。ミクロ構造がサイバー空間内で取り扱えるようになるため、計算シミュレーションや人工知能（AI）を使った材料の探索や機能の解明、高効率なプロセス開発などへの展開がより容易になることが期待されるという。

東北大学の研究チームは、医用画像診断AI（人工知能）が診断を下す際に、答えは正しくても、AIが診断に至った根拠と専門医の所見が必ずしも一致しているとは限らないことを明らかにした。医学的に妥当でない不適切な根拠に基づく診断は、思わぬ結果を招く危険があるため、このような危険性を認識して対策することで、より安全性の高いAIの臨床応用が求められる。

NECは、整理されず不規則に配置された物品に対し、精密なハンドリング作業が可能なロボット人工知能（AI）技術を開発した。物品や障害物に隠れている領域やロボットの動作結果を予測することで、従来は人手を要した物流倉庫でのハンドリング作業を、ロボットで代替することが可能となるという。

東京大学の研究チームは、深層学習モデルのTransformer（トランスフォーマー）が多様な化合物構造を学習していく過程で、特定の部分を苦手としていることを発見した。深層学習モデルは薬学研究でも活用されており、化合物構造を自然言語処理を使って数値へ変換する化学言語モデルが使われている。ただ、深層学習モデルが多様な化合物構造をどのように認識し、学習しているのかは明らかになっていなかった。

名古屋大学などの研究チームは、進行がん患者を対象に緩和ケアの必要性を判定するAIアルゴリズムを開発した。現在のところ、緩和ケアの必要性を判断するには、患者から精神的な辛さや症状の辛さなどを10段階で聞き取り、専用の用紙に記入する「苦痛スクリーニング」を実行し、その結果を専門家が判断する必要がある。しかし、苦痛スクリーニングには患者1人当たり60分ほどの時間がかかる上、その結果を判断する専門家が少ないのが課題だ。

東京大学、富山大学、カリファルニア大学サンフランシスコ校、マウントサイナイ医科大学などの研究グループは、機械学習で脳MRI画像データから精神病発症リスクを判別するシステムを開発した。テスト用データセットを対象とした場合で85％、独立した確認データセットを対象とした場合でも70％以上の正答率が得られたという。

人工知能（AI）スタートアップ、プリファード・ネットワークス（Preferred Networks）の子会社であるプリファード・エレメンツ（Preferred Elements：PFE）は2024年2月2日、1000億パラメーターのマルチモーダル基盤モデルの開発、および、1兆パラメーターの言語モデルの開発に向けた事前学習の検証に着手すると発表した。