Загрузка видео...

Не удалось загрузить видео

На главную

Sakana Marlinは自律的に数時間考え続け、リサーチを行います。 それを可能にしたのは、NeurIPS 2025にspotlight採択されたAB-MCTS。 Natureに掲載されたAI Scientist。 Sakana AIの研究成果が、Sakana Marlinの自律推論を支えています。 🐟

43,282 просмотров • 27 дней назад •via X (Twitter)

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

「Sakana Marlin(サカナ・マーリン)」は、数時間に及ぶ長期の自律推論を特徴としたビジネス向けの自律型リサーチアシスタントです。 調査テーマを指示するだけで、最大約8時間にわたって自律的にリサーチを進め、構造化されたサマリースライドと数十ページの調査レポートを生成します。 CSO(Chief Strategy Officer)が数人のチームと数週間かけて行うような戦略調査を、AIが担うことを目指して設計しました。ユーザーが行うのは、最初のテーマ設定だけです。あとは Sakana Marlinが仮説の立案・情報収集・検証を自律的に繰り返しながら、膨大な情報の中から論点を掘り下げていきます。 その土台にあるのは、Sakana AIがこれまで研究してきた長期推論や、複数のモデルを協調させて推論能力を高めるAB-MCTSといった技術です。同時に Sakana Marlinは、机上の研究だけでなく、国内の各産業でAIエージェントを実装してきた事業開発の現場から生まれたプロダクトでもあります。研究と実務の両方で培ってきたものが、ひとつのプロダクトになりました。 セルフサーブで即日ご利用いただけます。月額無料のPay per useから、Pro・Team・Enterpriseまでのプランをご用意しています。 Sakana Marlinを皮切りに、Sakana AIは今後も、様々なプロダクトをリリースしていきます。 詳細はこちら:

Sakana AI

47,399 просмотров • 2 месяцев назад

📊 自閉症を巡る衝撃の研究が、今ネット上で大きな議論を呼んでいます。 今回話題になっているのは、医師ピーター・マッカロー氏の研究チームがまとめた 自閉症スペクトラム障害の要因に関する報告書。 研究では 約300本の研究論文を分析したとされ、その内容をAIに評価させるという興味深い試みも行われました。 研究チームが行ったのは、 3つの大規模AIモデルへの同一質問です。 🤖 Grok 🤖 ChatGPT 🤖 Gemini 研究チームは、この3つのAIに対し次のように問いかけました。 自分たちの研究資料を読み、ワクチンが自閉症の原因になり得るか判定してほしい。 その結果について、研究チームは次のように説明しています。 3つのAIモデル全てがワクチンが自閉症の原因となる可能性を示唆する回答を出しました。 つまりAIの分析結果でも、研究の結論と一致したという主張です。 📈 さらに研究では、自閉症の発生率の変化も提示されています。 1970年頃 子供1万人に1人 現在 約31人に1人 およそ 32000%増加とされる急激な上昇です。 そして研究では、もう一つのデータが示されています。 子供が 2歳までに受けるワクチン接種数と自閉症発生率の推移。 グラフでは、ワクチン接種回数の増加 そして自閉症の診断率の増加‼️ この2つが同じカーブを描いていると説明されています。 研究チームは、これらの結果から小児ワクチンは自閉症のリスク要因として最も支配的であり、さらに 修正可能な要因であると主張しています。 その中でも研究チームは、 特に小児期のワクチン接種が重要な要因である可能性を強調しています。 📡 AI分析まで持ち出したこの研究。 医療界では今、大きな議論の火種になっています。

トッポ

17,265 просмотров • 5 месяцев назад

AIのハルシネーションは、計算パワー不足の副産物だ。限られたステップで答えを出そうとすれば、推論を途中で打ち切り、「それらしい文」を選ぶしかなくなる。その結果が、あの自信満々な誤答だった。いま、モデルはより多くのリソースを持ち、その余白を「ゆっくり考えること」に使い始めている。 ジェンスン・フアン「ここ数年で、特に直近2年だけを見ても、AI技術はおそらく100倍くらい進歩していると思います。とりあえず数字をつけるなら、そのくらいでしょう。2年前の車が、今と比べて100倍遅かったようなものです。だから今のAIは、当時より100倍くらい有能になっているのです。 では、その技術をどう活用したのか。あの膨大なパワーをどこに向けたのかというと、AIに『考えさせる』方向です。つまり、こちらが与えた問題を受け取って、それをステップごとに分解できるようにする。答える前に自分でリサーチをして、その答えを事実に基づかせる。さらに自分の出した答えを振り返って、『これが自分に出せるいちばん良い答えだろうか』『この答えにどれくらい自信があるだろうか』と自問する。もし自信がなければ、もう一度リサーチに戻る。場合によってはツールを呼び出して、自分が幻覚ででっち上げるよりも良い解を使うかもしれません。 その結果として、私たちはそのコンピューティング能力の大部分を『より安全な結果・より安全な答え・より真実に近い答え』を出す方向に振り向けてきました。ご存じのとおり、初期のAIに対する最大の批判のひとつは『幻覚を起こす』という点でしたよね。いま人々がAIをこれだけ頻繁に使うようになった理由のひとつは、その幻覚の量が減ったからです。私自身もほぼ毎日、ここに来るフライト中ずっと使っていました。 多くの人は『パワー』と聞くと、爆発的な力のようなものを想像しますが、テクノロジーのパワーの多くは安全性のために使われています。いまの車は昔よりはるかにハイパワーですが、そのぶん運転は安全になっています。その出力の大きな部分が、ハンドリングの向上に使われているのです」

Tsubame

53,695 просмотров • 9 месяцев назад

すでに人間は共感力でAIに負けているが、人々はAIだと知らされると評価を下げてしまうという話。あなたはAIの優しさを受け入れますか。 アダム・グラント「私がこれまで読んだ中で特に興味深い実験があります。それは、テキストでの会話をしているとき、相手が人間かChatGPTかわからない状態で、 その後に『どれだけ自分のことを理解してもらえたか』『どれだけ話を聞いてもらえたか』『どのくらい共感やサポートを得られたか』を尋ねると、実は人間よりもAIからの共感やサポートの方が多く感じられるという結果が出ているものです。ただし、AIだと事前に知らされると、途端に評価は下がります。心理学者としてこの実験結果を見て、私はいくつか感じることがあります。一つは、AIが特別に共感能力に優れているというよりも、人間の共感能力がそもそも低いという可能性です。我々人間はしばしば『会話的ナルシシズム』に陥り、誰かが問題を語ったときに相手に寄り添うよりも、自分自身の経験に関連づけてしまう傾向があります。つまり、この結果は人間の共感力のベースラインが低いということを示している可能性があります。一方で、AIだと分かれば拒絶感が生まれるというこの反応も、AIをより人間的に、擬人化するにつれて、どのくらい長く続くのだろうかと疑問にも思います」 アルトマン「まず、一般的な概念として、人はAIが生み出したものを、AIだと知らされない間はむしろ好む傾向があり、AIだと知らされると途端に拒否感を示すという現象について話します。この現象は繰り返し確認されています。最近見た研究では、AIアートを最も嫌うと自己申告している人々でさえ、作品を匿名で見た場合、実際には人間の作品よりもAI作品をより多く選んでいることが明らかになっています。しかし、どれがAI作品でどれが人間の作品かを知らせた瞬間に、その評価は一変してしまうのです」

Tsubame

1,028,042 просмотров • 1 год назад

ザッカーバーグ氏は「速い離陸」(短期間でAIがAIを改良し続け、超知能に至ること)懐疑派。このあたりの意見はカーツワイル氏やアルトマン氏と共通しています。 「『速い離陸』という考え方に私が基本的に同意できない理由の一つは、物理的なインフラの整備には時間がかかるという点です。 たとえば、1ギガワット規模の計算クラスターを構築したいと思っても、それには単純に時間がかかります。NVIDIAが新世代のシステムを安定させるのにも時間がかかりますし、その上でネットワーク構成を考えなければなりません。さらに、建物を建て、許可を取り、エネルギーを確保しなければなりません。ガスタービンであれ再生可能エネルギーであれ、それには供給チェーン全体が関わってくるのです。前回あなたのポッドキャストに出たときにも話しましたが、これは単純に物理世界と人間の時間に関する問題です。スタックのある部分でより高度な知能が得られたとしても、結局は別の種類のボトルネックに突き当たることになります。エンジニアリングとは常にそういうものです。あるボトルネックを解決すれば、次のボトルネックが現れるのです。 また、システムがうまく機能するためのもう一つの重要な要素は、人々がそれを使い慣れて、フィードバックループを通じて学習していくプロセスだと思います。こうしたシステムは、ある日突然完成された形で現れて、人々が魔法のように完全に使いこなせるというタイプのものではありません。むしろ、ユーザーがAIアシスタントの最良の使い方を学ぶ一方で、AIアシスタントもユーザーが何に関心を持っているのかを学習していき、開発者はそのフィードバックをもとにさらに優れたAIアシスタントを作るという、共進化的なプロセスがあるのです。そして同時に、文脈の蓄積も進みます。たとえば、あなたが1〜2年使い続けた結果、AIアシスタントが過去に話した内容を参照できるようになるとしたら、それはかなりクールなことです。でも、最初の日に完璧なものをリリースしたとしても、それが2年前の会話を参照することはできません。なぜなら、それは2年前には存在していなかったからです」

Tsubame

87,074 просмотров • 1 год назад