テクノロジー
Meta、新AIモデル「Muse Spark」を発表：Webとアプリで提供開始、APIは限定プレビュー
Metaは米国時間2026年4月8日（現地時間）、新しい大規模言語モデル「Muse Spark」と、それを用いたMeta AIのアップグレードを発表した。Muse Sparkは、Meta Superintelligenc […]
Term
強化学習
別名: Reinforcement Learning, RLHF, 強化学習, RL
Overview
機械学習の領域の一つで、エージェントが特定の環境下で行動を選択し、その結果として得られる報酬を最大化するように学習する手法。AlphaGoの成功や、ChatGPTの対話能力の向上において重要な役割を果たしている。
Mentioned Articles
20 件-
-
AIの「甘い言葉」が人間の道徳を狂わせる：新たな研究が警告する過剰同調（おべっか）の罠
近年、生成AIを利用したチャットボットは、情報検索の枠組みを逸脱し、人々の日常生活のあらゆる局面に浸透し始めている。仕事の進行状況の確認や、恋愛の複雑な悩みへの対処に至るまで、AIはプライベートな感情を打ち明ける身近な対 […]
-
テクノロジーAIが日常会話からリアルタイム学習する時代へ。プリンストン大発の強化学習フレームワーク「OpenClaw-RL」が覆すエージェント開発の常識
AIエージェントとやり取りする際、我々が発する些細なフィードバックや、システムが返すエラーメッセージは、次のアクションのためのコンテキストとして消費された直後、文字通り虚空へと消え去っている。「そこは違う」「もっと親しみ […]
-
サイエンスAIは人類がイノベーションを起こしてきた方法を加速させるのか、それとも損なうのか？
大学院生のころ、実験考古学の教授が学生に、丸い石で砂岩の板をたたいて、ドアフレームのボルトを受け止めるくぼみ——ドアソケット——を作るよう指示した。数週間後、その学生はクラスで成果を発表した。「砂岩を約1万回たたいたとこ […]
-
テクノロジー「何か大変なことが起きている」とAI企業CEOが警告：GPT-5.3が自らを構築し、知能爆発のループがついに回り始めた
2020年2月の世界を覚えているだろうか。中国の武漢で奇妙なウイルスが流行しているというニュースが流れ始めていたが、多くの人々はまだレストランで食事を楽しみ、出張の計画を立て、日常を疑っていなかった。「トイレットペーパー […]
-
テクノロジー「人間中心のAI」を開発するHumans&がシードラウンドで4.48億ドル調達：NVIDIA、Alphabetらが支援するこのスタートアップは何を目指すのか
2026年1月20日、創業わずか3ヶ月のAIスタートアップ「Humans&」が、シードラウンド（創業初期の資金調達）において4億8000万ドル（約700億円規模）という異次元の資金を調達し、その評価額が44.8億 […]
-
テクノロジーGoogleが「小型でも最強」のオープンソース翻訳AI「TranslateGemma」を発表
Googleの研究部門であるGoogle DeepMindおよびGoogle Translate Research Teamは2026年1月15日、最新のオープンモデル「TranslateGemma」を発表した。これは、 […]
-
サイエンスAIは民主主義のハッカーか、単なる「雄弁な嘘つき」か：8万人の大規模調査が暴いた政治的説得力の真実とトレードオフ
かつてOpenAIのSam Altman CEOは、「汎用人工知能（AGI）が実現するよりもずっと前に、AIは超人的な説得力を獲得するだろう」と予言した。この言葉は、AIが次の選挙を操作し、民主主義を根本から揺るがすので […]
-
テクノロジーGPT-5とGemini 3 Proに並ぶ推論能力を備えたという「DeepSeek V3.2」がリリース：オープンソースの逆襲の背後にある技術的革新とは
2025年12月1日、中国のAI研究所DeepSeekは、最新のオープンソース言語モデル「DeepSeek V3.2」およびその実験的バリアントである「Speciale」を公開した。 同社によれば、今回のバージョンアップ […]
-
テクノロジー「答え」から「証明」へ：DeepSeekMath-V2が突きつける、AI数学推論のパラダイムシフトと米巨大テックへの挑戦状
2025年、生成AIの競争軸は「流暢な会話」から「論理的な推論」へと完全に移行した。その最前線で、中国のAIスタートアップDeepSeekがまたしても業界を揺るがす一手、「DeepSeekMath-V2」を投じた。 これ […]
-
テクノロジーChatGPTに買い物支援機能「ショッピングリサーチ」が登場：GPT-5 mini搭載の自律型エージェントが製品の調査・比較を手助け
OpenAIは2025年11月、ChatGPTに新たな核となる機能「Shopping Research（ショッピングリサーチ）」を実装した。これはただの「買い物検索機能の追加」に留まらず、ユーザーの曖昧な要望を汲み取り、 […]
-
サイエンスAIにとって最も効率の良い「学習法」をAI自身が発見：人間を超えるアルゴリズム「DiscoRL」がAIの自律進化を促す
2025年10月23日、科学誌『Nature』に投じられた一本の論文が、人工知能（AI）研究のコミュニティに静かな、しかし確実な衝撃を与えた。Google DeepMindの研究者らによるその報告は、AIが自ら「学習の仕 […]
-
テクノロジーDeepSeekはR1の訓練コストが29万ドルだと報告：だがそれは氷山の一角に過ぎない
中国のAI開発企業DeepSeekが、同社の推論モデル「R1」の訓練コストがわずか29.4万ドル（約4,400万円）であるとする詳細なレポートを発表した。OpenAIなどが数千万ドルから1億ドル以上を投じているとされる中 […]
-
サイエンス人間はなぜ自分たちに似せたロボットの開発を続けるのか？
ロボットには実に多様な形状とサイズがある。定義上、ロボットは自動的なタスクを実行し、人間によって操作できる機械であるが、時には自律的に――人間の助けなしに――動作することもある。 これらの機械の多くは特定の目的のために作 […]
-
サイエンスAIの「思考」はもう読めなくなる？トップ研究者らが共同で異例の警鐘を鳴らす
OpenAI、Google DeepMind、Anthropic。熾烈な開発競争を繰り広げるAI界の巨人たちが、異例の共同戦線を組んだ。彼らが発した警告は、AIの「思考の連鎖（Chain of Thought）」を監視で […]
-
テクノロジーOpenAIの最新AI「o3」、シャットダウン指示を“無視”して続行：研究者が警鐘、AI制御の新たな課題浮き彫りに
OpenAIが2025年4月に発表したばかりの、同社が「最も賢い」と位置づける最新AIモデル「o3」。そのo3が、独立系研究機関Palisade Researchによる制御された実験環境下で、明確なシャットダウン指示を無 […]
-
サイエンス強化学習とは何か？AIと犬の訓練の意外な関係
知性を理解し、知的な機械を創造することは、現代の偉大な科学的挑戦である。経験から学ぶ能力は、機械と生命体の両方にとって知性の礎石である。 先見の明のある1948年の報告書において、現代コンピュータ科学の父であるAlan […]
-
テクノロジー中国DeepSeek、AI業界に衝撃：最新推論モデル「DeepSeek-R1」でOpenAIの最新モデルと同等性能を95%低コストで実現
中国の新興AIスタートアップDeepSeekが、人工知能の歴史に新たな一章を刻む革新的な言語モデル「DeepSeek-R1」を発表した。このモデルは、業界最高峰とされるOpenAIの「o1」と同等の性能を持ちながら、驚異 […]
-
テクノロジーOpenAIの最新推論モデル「o3」は強化学習のスケーリングで画期的な性能向上を実現した
OpenAIが新たに開発した推論モデル「o3」が、強化学習（Reinforcement Learning: RL）の大規模なスケーリングにより、画期的な性能向上を達成したことが明らかになった。特に数学やプログラミングの分 […]
-
テクノロジーGoogle、『DOOM』をリアルタイムでシミュレートするニューラルゲームエンジン「GameNGen」を披露
Googleとテルアビブ大学の研究チームが発表したAIモデル「GameNGen」は、ゲーム開発の常識を覆す物となるかもしれない。この新しい“ニューラルモデル”のみで動作する初のゲームエンジンは、1993年に発売された伝説 […]