公開
Applied Computing、石油ガス産業向けの統合AI基盤モデルに2000万ドル調達
・Applied Computing が石油・ガス・石油化学産業向けの基盤 AI モデル開発に Series A で 2000 万ドルを調達 ・プラント全体の運用データを統合的に分析する AI システムの構築を目指す ・従来は断片的だった異なるシステム・部門のデータを単一の AI モデルで処理可能化
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る254件
6 / 11ページ
- Source
- 公開Source
GitHub プロジェクトによる AI コード生成エージェントの初期採用動向
・GitHub 上の 2,361 個の人気リポジトリから 25,264 件の AI エージェント生成プルリクエストを分析 ・AI エージェントがコード生成と PR 自動提出を行う新しい開発形態の実態を調査 ・プロジェクト単位での AI ツール導入パターンと管理方法の差異を明らかに ・従来の個別 PR 評価ではなく、組織レベルでの採用戦略の重要性を示唆
- 公開Source
AI活用による職業スキル高速習得の統合フレームワーク
・2030年までに労働者100人中59人がスキル再構築を必要とする一方、企業のスキルギャップ解消期間は2014年の3日から2018年には36日に増加している。 ・既存フレームワークは単一段階に限定され、業界実証が不足している。 ・研究チームが知識習得から評価までの5段階全体にAIを統合した統合フレームワークを提案。 ・各段階（知識取得、コンテンツ開発、検証、教授、評価）をAIで加速化し、スキルアップ全体の効率化を目指す。
- 公開Source
深い相互作用：大規模推論モデルの効率的な人間-AI対話手法
・Chain-of-Thought（段階的思考）推論の活用により、LLMは複雑な多段階タスク対応が可能になったが、エラー発生時の現在の対話手法は不十分である ・既存手法では完全な再生成による再び誤る可能性、またはユーザーが誤りステップを指摘しても同じ誤りが繰り返される課題がある ・本研究は人間-AI相互作用の効率化を目的とした新手法を提案している
- 公開Source
エンタープライズAI組織の課題は「プラットフォームではなくデプロイメント」、多くが過剰評価された「エージェント」を導入
・101社のエンタープライズ調査で、AI エージェントの統合先は Anthropic Claude が圧倒的シェアを占めており、マルチステップ実行の信頼性が選定基準 ・現状では多くの導入済み「エージェント」が実はチャットボット機能のみで、真のエージェント機能には達していない ・企業はベンダーロックイン回避のため意図的にハイブリッド制御層を採用し、トークン消費を実時間で制御する仕組みはまだ少数派
- 公開Source
不動産金融向けAI文書処理ソリューション、AWSで構築・展開
・不動産金融企業Built Technologiesが、Amazon BedrockとAWSのサービスを活用したAI駆動の文書処理エンジンを構築 ・年間5000億ドル規模の不動産プロジェクト処理において、複雑で手作業が多い文書処理を自動化 ・AIエージェント基盤により、融資判断や契約審査などの重要な業務意思決定を迅速化
- 公開Source
マイクロソフト、AI活用で過去最高数の脆弱性修正
・マイクロソフトが月次セキュリティパッチ「Patch Tuesday」で過去最高の570件の脆弱性を修正 ・AI技術の活用により、従来より多くのセキュリティ脅威を自動検出 ・企業製品全体にわたる幅広いカバレッジを実現し、ユーザーのリスク軽減に貢献
- 公開Source
参照回答がない場合、LLMジャッジは甘すぎる可能性がある
・LLMを評価者として使う際、正解がない「ノーリファレンス評価」では、LLMが甘い採点をする傾向がある ・キャリブレーション実験と感度実験の2段階パイプラインで、LLMジャッジの信頼性を検証 ・タスク知識の不足や入力変動への過敏さが、評価の一貫性と精度を損なう可能性を指摘
- 公開Source
集約精度の落とし穴：タスク無関係な文脈下での予測の不安定性
・大規模言語モデル（LLM）が本来のタスクと無関係な長いテキストを前置きされても、全体的な精度は変わらないように見える現象を報告 ・しかし個別の回答は不安定で、同じ質問でも無関係な文脈により回答が反転するケースが多数存在 ・集約精度という表面的な指標では、モデルの実際の脆弱性が隠蔽される可能性を指摘 ・実務運用では無関係な情報に左右されるリスクを考慮した評価が必要
- 公開Source
AI エージェントはタスクの難易度を認識できるか──複雑性を考慮した推論と実行に向けて
・LLM エージェントは単純な 1 行の編集でも、すでに読んだファイルや依存関係を何度も再読込みする「最大コンテキスト優先戦略」を採用している。 ・タスクの実際の難易度や必要な情報範囲を事前に推定できず、結果として不要な処理オーバーヘッドが発生。 ・研究は「タスク認識スコープ推定」という能力の重要性を指摘し、効率的で適応的なエージェント動作の実現を目指している。
- 公開Source
AI モデルが現実世界で機能するために必要なこと
・予測・計画・意思決定を支援する AI システムは増加しているが、組織固有の詳細情報が不足し、実用性が限定されている課題を指摘。 ・MIT の研究グループが、組織内データとモデルの適合性向上に取り組む。 ・業務現場で AI の効果を引き出すには、単なるモデル性能より実装環境への適応が重要。
- 公開Source
複数チャネルの信号を統合する営業インテリジェンス：Strands AgentsとAmazon Bedrockの活用
・見込み客はReddit、Hacker News、Stack Overflow、GitHubなど複数のオンラインプラットフォームに活動の痕跡を残している ・個別の信号は雑音だが、複数ソースで相関させると購買準備状態の見込み客を特定できる ・Strands AgentsとAmazon Bedrockによるマルチエージェントシステムで、これら分散データの統合分析が可能になる
- 公開Source
Meta幹部が語る、エンジニアごとのAIトークン予算上限の可能性
・Meta（Instagram責任者 Adam Mosseri）がエンジニアのAI利用コスト管理の必要性を指摘 ・AI トークン支出を給与や運用経費と同様に管理する時代が来ると予測 ・エンジニア個単位での AI ツール利用額に制限をかける仕組みの導入を示唆
- 公開Source
光を用いた大規模量子コンピュータ実現へ、PsiQuantumが技術計画を発表
・PsiQuantumは光子（光の粒）を利用した量子コンピュータの構築計画を公開。約100台のステンレス製キャビネットで構成され、極低温環境（絶対零度近く）を維持。 ・数百のチップと数千の光子を光学スイッチやビームスプリッタで制御し、大規模な計算能力を実現する設計。 ・従来の超伝導型量子コンピュータと異なり、光ベースのアプローチにより製造や運用の簡素化を目指す。
- 公開Source
8言語160の慣用句をグラフで分析、認知言語学に基づく特徴抽出法
・8言語の慣用表現・比喩表現160件を、認知言語学の概念特徴（包含、隠蔽、感情、社会など）でアノテーション ・各表現間の類似度をグラフ化し、コミュニティ検出により言語を超えた意味構造を解析 ・解釈可能なネットワーク手法により、言語タイプが異なる表現の普遍的パターンを抽出可能
- 公開Source
AI エージェントによる IoT 脆弱性の自動探索・検証技術
・IoT デバイスは限定的なハードウェア・古いファームウェア・不適切な初期設定により脆弱性が多発している課題を指摘 ・大規模言語モデル（LLM）ベースのAIエージェントをペネトレーションテストに適用し、IoT固有の脆弱性検証を自動化する研究 ・複数エージェントの協調動作により、手作業では対応困難なIoTシステムの包括的なセキュリティテストを実現する提案
- 公開Source
10年間の視覚言語AIモデルの精度進化と視覚認知エラーの分析
・視覚言語モデル(VLM)の10年間の進化を追跡し、複雑な社会的行動を含む新規ベンチマーク「複雑社会行動(CSB)データセット」を導入。 ・従来の評価セット(MS-COCO等)は単純な場面に限定され、複雑な人間相互作用や行動の理解を十分に測定していなかった。 ・モデルのエラータイプを詳細に分析し、視覚認知的な誤りのパターンを可視化。 ・複雑な実世界シーンにおけるVLMの能力と限界を体系的に評価する新しい指標を提供。
- 公開Source
AWS上でStardogとBedrockを用いた意味層の構築とエージェント化
・Stardog（意味層プラットform）をAmazon AuroraおよびRedshift上に構築し、ETLなしに複数データソースを統合 ・Amazon Bedrock AgentCoreでStrands Agentsを実行し、顧客360度情報を横断的に照会可能 ・Stardogデプロイ後、ECS/EKSなど複数AWS計算環境での利用が可能
- 公開Source
歯科医療の画像品質をAIで即座に検証、Amazon SageMakerで保険請求エラーを削減
・歯科保険請求の最大20%が初期段階で否認され、画像品質不足が主因となっている ・従来は撮影数時間後に人間が手作業で画像確認していたが、問題発見が遅延していた ・Amazon SageMakerを使用した実装により、撮影直後にリアルタイムで画像品質を検証可能に ・不良画像を即座に通知し再撮影を促すことで、請求否認と患者への対応遅延を防止
- 公開Source
高等教育における AI 学習アシスタントの利用実態：大規模ログデータ分析
・77,543名の遠隔教育学生のログデータを用いた AI 学習アシスタント「Syntea」の利用パターン分析。 ・性別・年齢・専攻・学位・学習形態別に使用状況を調査し、従来のアンケート調査より信頼度の高い客観的データを提供。 ・教育チャットボット研究は従来小規模サンプルが多かったが、本研究は実際の使用行動の大規模エビデンスを生成。
- 公開Source
WebSwarm：複数AIエージェントを階層的に連携させた深く広いWebサーチシステム
・LLMベースのWeb検索エージェントが、単なる質問応答から深く複雑な調査タスクへ進化している ・従来の単一エージェントは長い推論経路と限定的なコンテキストで深さと広さの両立が困難 ・複数エージェント並列実行は広さに対応するが、深さの探究に課題が残っている ・WebSwarmは再帰的な階層構造でエージェント間の協調を実現し、課題解決を目指す
- 公開Source
論文引用検証に最先端モデルは必要か：ルーブリック型LLMのベンチマーク研究
・深い調査を行うAIシステムで、LLMが主張を支持する根拠として引用を提示する際の引用品質を評価。 ・強化学習の報酬モデルとして機能するLLM判定者の性能と偏りを検証するためのベンチマーク調査。 ・引用品質という構造化されたルーブリックタスクについて、異なるLLM規模での判定能力を比較検討。 ・実装前に判定者LLMがどの程度の能力を必要とし、どの程度バイアスを持つかを明確にする枠組みを提示。
- 公開Source
LLMのデータ注釈者としての妥当性：AMARIAによる権威性評価
・ポルトガル語特化の9Bパラメータ言語モデル「AMALIA」が、道徳的基盤（権威性）の分類でF1スコアで人間のコーダーに接近した性能を示す ・8～13倍大規模なオープンモデルとの比較で、単純な一致率では競争力を持つが、理論的構成概念の妥当性測定には別の検証が必要 ・言語モデルの注釈精度と妥当性の区別が、多言語・地域特化モデルの信頼性評価の鍵となる
- 公開Source
UniClawBench：実世界タスクで主体的に動作するエージェントの評価ベンチマーク
・大規模言語モデル（LLM）と多モーダルLLMの発展により、実環境で日常のツールを操作する主体的エージェント（Proactive Agent）が登場。 ・既存ベンチマークはサンドボックス環境・単一ターン評価に限定されており、複雑な実世界タスク評価に対応不足。 ・UniClawBenchはこの課題に対応し、複数のモデル能力を分離した新しい評価タスク分類を提案。