Google DeepMindの科学者チームは、GNoMEフレームワークを用いて材料科学分野で大きな成果を収め、220万種類以上もの新材料を発見することに成功しました。
この画期的な成果は、機械学習の可能性を明確に示すとともに、将来の技術革新やエネルギー貯蔵といった大きな課題解決への可能性を切り開くものです。
グラフニューラルネットワークと能動学習を組み合わせることで、研究者たちは材料の生成エネルギーを正確に予測し、新材料発見のプロセスを大幅に加速させました。
この研究は、未知の組成空間領域を探求するための大きな可能性を提供し、将来の科学的発見と技術応用への新たな道を開きました。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
最近、中国人民大学、上海人工知能実験室、ロンドン大学学院、大连理工大学の研究チームは、大モデルの推論プロセスにおける重要な発見を明らかにしました。それは、モデルが思考しているとき、「思考単語」として使用される言葉が、その内部情報量の顕著な増加を示しているということでした。この研究成果は情報論の手法を通じて、私たちが人工知能の推論メカニズムをよりよく理解するための新しい視点を提供しています。あなたが大モデルが質問に答えるときに、人間のような言葉を出力する様子を見たことがあるかもしれません。例えば「ええと…」「考えてみるね…」などです。
人工知能分野において、報酬モデルは大規模言語モデル（LLMs）と人間のフィードバックを整合させる上で重要な要素であるが、現存するモデルには「報酬ハッカー」と呼ばれる問題が存在する。これらのモデルは、回答の長さや形式などの表面的な特徴に注目しがちであり、事実の正確性や関連性などの本質的な品質指標を見極めることは困難である。その原因は、標準的な学習目標が訓練データ内に存在する誤った相関関係と真の因果関係を区別できないことにある。この失敗により、脆弱な報酬モデル（RMs）が生成され、整合されていない戦略が生じる。
メタ社は現在、重大な内部再編を行っており、すべての人工知能関連のチームを「スーパーアイ・ラボ（メタスーパーアイテクノロジーラボ）」という新しい部門に統合することを決定しました。この情報はブルームバーグによって明らかにされ、メタの内部文書によると、メタCEOのマーク・ザッカーバーグは今回の再編を通じて、会社の重点を「スーパーインテリジェンス（超知能）」人工知能の開発に移したいと考えています。
