テクノロジー
Google、AIの「忘れっぽさ」を克服へ。脳に学ぶ新理論「Nested Learning」が成長を続けるAIの開発を可能にする？
生成AIは新しい知識を学ぶと、古い知識を忘れてしまうことが知られている。この「破滅的忘却」と呼ばれる長年の課題に、Googleが終止符を打つかもしれない。2025年11月7日、Google Researchは、人間の脳が […]
Term
Nested Learning
別名: ネステッド・ラーニング, 入れ子学習
Overview
最終更新: 2026年7月9日Nested Learning（入れ子学習）は、Google Researchが発表したAIの新しい学習パラダイムである。従来のAIモデルが抱える「破滅的忘却」という課題を解決するため、人間の脳が異なる周波数の脳波で情報を処理する仕組みに着想を得ている。モデルを構成する各コンポーネントに固有の更新頻度を持たせ、短期的な文脈と長期的な普遍的知識を多層的に保持する。また、モデルの構造（アーキテクチャ）と学習ルール（最適化アルゴリズム）を、入れ子状に組み合わさった一連の最適化問題として統合的に捉え直すのが特徴である。これにより、AIが自律的に学び続け、知識を永続的にアップデートできる継続的学習の実現を目指している。
Mentioned Articles
1 件External Mentions
10 件- arXiv Improving exoplanet mass characterisation with Bayesian model selection using the Learned Harmonic Mean Estimator
- arXiv Transformer-Based Classification of Bacterial Raman Spectra with LOOCV
- arXiv Ductility Design Rules for Tungsten based Refractory High Entropy Alloys from Sparse Experimental Datasets
- arXiv Estimating Uncertainty in Classifier Performance with Applications to Large Language Models and Nested Data
- arXiv RAVEN: A Regime-Aware Variable-context Expert Network for Financial Time Series Forecasting
- arXiv DiffMath: Symbol- and Graph-Aware Latent Diffusion Transformer for Handwritten Mathematical Expression Generation
- arXiv Federated Bilevel Performative Prediction
- arXiv FlexLAM: Resolving the Bottleneck Trade-off in Latent Action Learning
- arXiv Maturing Markov Decision Processes: Decision Making under Increasing Information and Shrinking Action Sets
- arXiv ThousandWorlds: A benchmark for climate emulation of potentially habitable exoplanets