東京工業大学の畠山歓助教と早川晃鏡教授らは、化学の専門知識を学んだ大規模言語モデル（ＬＬＭ）を開発した。６万５０００報の論文データセットを構築した。学習データでは、論文の要約よりもイントロダクションが性能向上に役立った。論文の結論の学習は、性能面でネガティブに働いた。小さなＬＬＭにとっては結論の内容が専門的過ぎた可能性がある。専門知識を備えたＬＬＭを構築するための知見になる。 米メタが公開しているＬＬＭ「Ｌｌａｍａ２」に化学論文を追加学習させた。モデルのパラメーター数は７０億―７００億。低ランク適応（ＬｏＲＡ）という手法で計算コストを抑えた。研究室で始めやすい構成になる。 モデルの性能は論文を元に作成した問題で評価した。模範解答とＬＬＭの回答の類似度を計る。すると異分野の論文を学習させるほど性能が落ちた。利用したい専門領域に絞ってデータ量を確保する必要がある。 論文は要約とイントロ、結論を

産業技術総合研究所と東京工業大学、国立情報学研究所などは、世界トップレベルの大規模言語モデル（ＬＬＭ）の構築に着手した。まずはパラメーター数が１７５０億個のＬＬＭを構築して経験を蓄える。オープンに利用できるモデルになる。これを踏み台に、世界トップレベルのＬＬＭを構築して公開していく。 情報学研が主宰する勉強会「ＬＬＭ―ｊｐ」と東工大が開発主体となり、産総研の人工知能（ＡＩ）向けスパコン「ＡＢＣＩ」を利用してＬＬＭを構築する。１７５０億パラメーターは米オープンＡＩが２０２０年に発表したＬＬＭ「ＧＰＴ―３」と同規模になる。 学習データと学習プロセスを日本で管理できるため、透明性の高いＬＬＭになる。誤情報などが生成される仕組みを押さえられる。学習原理の解明や生成系ＡＩのロボット応用などに展開していく。

東京工業大学の畠山歓助教と早川晃鏡教授らは、米オープンＡＩが開発した大規模言語モデル「ＧＰＴ―４」の化学研究への適用可能性を調査整理した。論文レベルの先端知識を持ってはいないが、有機分子の物性を分子構造で説明することができた。ＧＰＴ―４の化学者としての能力を整理したことになる。専門知識を学んだ大規模言語モデルの構築で研究が加速すると指摘する。 認識と分析、予測、計画の四つの課題をＧＰＴ―４に与えて現在の実力を整理した。例えば２種類の化合物を指定して酸化還元電位の大小を説明させると、分子が持つ官能基の性質を挙げて分子全体の特性を説明できた。大規模言語モデルに含まれる化学知識から推論できた。大学院レベルに相当する。 一方で論文レベルの知識を問うと誤答が多く、物性の予測誤差も大きい。専門知識に特化した大規模言語モデルやデータ駆動の研究手法と組み合わせると研究を効率化できる可能性がある。 【関連記

文部科学省は生成人工知能（ＡＩ）に関する研究開発を強化する。信頼性の高い次世代基盤や科学研究向け生成ＡＩの開発、人材育成といった科学技術分野を推し進める一方、小中学生の授業や校務への取り入れなど教育分野にも力を入れる方針。２０２４年度予算の概算要求に生成ＡＩ関連で１４０億円超を盛り込む。一般会計の総額では２３年度当初予算比１１・９％増の５兆９２１６億円を要求し、うち科学技術関連は１兆１８５９億円になる見通し。 世界中で研究開発を進めており、急成長している生成ＡＩに関して日本でも基盤研究の強化に乗り出す。文科省の２４年度予算の概算要求では、生成ＡＩの透明性・信頼性確保の研究に３０億円、科学研究用モデルの基盤開発に８５億円、人材育成に２５億円充てる。生成ＡＩに特化した半導体の開発も進め、省電力で高速に情報処理できる技術を確立する。 生成ＡＩは教育系でも新たに取り入れる。一人１台端末を配備する「

情報通信研究機構（ＮＩＣＴ）が１７９０億パラメーターの大規模言語モデル（ＬＬＭ）の開発を進めている。高品質な日本語データを学習させており、日本社会の常識を備えたモデルになると期待される。ＮＩＣＴが学習データを保有しているため、データとモデルの両面から誤情報生成の対策を検証できる。これは日本が人工知能（ＡＩ）を使いこなし、リスクに対応していく知見になる。ＮＩＣＴは産学官に成果を提供する。 「学習途中だが、出来はいまいち。この苦労がＬＬＭ開発の基礎になる」―。ＮＩＣＴの鳥澤健太郎フェローは開発中のＬＬＭの手応えをこう説明する。 ７月に４００億パラメーターのＬＬＭを発表し、現在は１７９０億パラメーターのＬＬＭを開発中だ。巨大なＡＩモデルの学習はリスクが高い。学習の途中で計算が破綻することがたびたび起こるのだ。 そこで破綻を防ぎつつ精度の高い計算を限られたメモリーで実行することがノウハウになる。例

パナソニックコネクトの黄瀬輝係長と立命館大学の谷口忠大教授らは、大規模言語モデルと世界モデルを組み合わせてロボットを動かすシステムを開発した。米オープンＡＩの大規模言語モデル「ＧＰＴ―４」でコードを生成し動作させる。コードを経由することで技術者はプロセスを管理しやすくなる。シミュレーションで試験し概念実証（ＰｏＣ）を達成した。 人間の命令（プロンプト）をＧＰＴ―４でロボット用のコードに変換する。実行不可能なコードは取り除く仕組みを用意した。命令を工夫すればほぼロボット制御に使えるコードが生成される。 コードを基に世界モデルの「ニュートニアンＶＡＥ」でロボットの動きを生成する。ニュートニアンＶＡＥはロボット自身の動きとワークなどの操作対象、ロボットの視覚映像などを学習し、自分の身体と周囲環境を含むモデルを作る。 例えば「赤いブロックを青い円柱に重ねる」と指示するとロボットは対応する映像を読み

エンジニアリング系企業がプラントを人工知能（ＡＩ）で高度に制御する取り組みを加速している。熟練技能者の退職による運転員の減少やノウハウ伝承が課題になる中、熟練者不在をＡＩで代替する自動運転や自律制御が実現している。ＡＩ制御を実装したサービスとして提供が始まっており、競合との差別化要素になりつつある。（戸村智幸） ＪＲ鶴見線の弁天橋駅を出て目の前にあるＪＦＥエンジニアリング（東京都千代田区）の横浜本社（横浜市鶴見区）。敷地内を数分歩くと、プラントの遠隔操業・監視拠点「グローバルリモートセンター（ＧＲＣ）」がある。 同社は自治体のゴミ処理場の設計・調達・建設（ＥＰＣ）が主力事業だ。民間委託の流れが強まり、Ｏ＆Ｍ（運用・保守）の受託も増えている。２０１４年にＧＲＣの前身のリモートサービスセンターを設立し、顧客のゴミ処理場の遠隔監視や操業データの蓄積を始めた。１８年にはＧＲＣを開設し、太陽光発電や

日本の人工知能（ＡＩ）研究者が巨大な基盤モデルの開発に踏み出すかの岐路にある。自由民主党の政策提言を受け、政府では大型研究事業の組成が動き出した。ただ米オープンＡＩの対話ＡＩ「チャットＧＰＴ」が無償提供されるなど、巨大なモデルをめぐる開発競争はすでに勝負が付いているとの見方もある。日本は巻き返せるのか。（小寺貴之） 「基盤モデルに対し何もやらないわけにはいかない」と、自民党プロジェクトチームの平将明座長は説明する。提言は開発基盤整備や活用支援、ＡＩ規制などと範囲が広く、内閣府や首相官邸、デジタル庁、総務省、経済産業省を行脚した。これを受けて政府は各省庁からＡＩ戦略チームを集めた会合を設置した。２４日の初回会合で村井英樹首相補佐官は「関係省庁は迅速でかつ適切な対応をお願いしたい」と要請した。 チャットＧＰＴでは大量のテキストを学習した大規模言語モデルが威力を発揮した。今後は画像や動画、音声な

日本の人工知能（ＡＩ）研究の大型プロジェクトが立ち上がろうとしている。自由民主党のプロジェクトチームは、米オープンＡＩの対話ＡＩ「チャットＧＰＴ」のような巨大な基盤モデルの研究に対する継続投資を求めた。この提言を受けて水面下では今夏の概算要求に向けた準備が始まっている。ただ霞が関では財源をめぐって担当官が右往左往している。必要とする予算が大きいため抵抗は小さくない。楽観できない状況にある。（小寺貴之） 「このままでは電気代さえ払えない。スーパーコンピューターを並べても動かせず、ただの箱になる」―。基盤モデルを動かす計算資源への投資について文部科学省幹部はこうこぼす。経常的経費に使える予算が減っているためだ。補正予算で措置されたとしても、支え続け、使い続けることは難しい。同幹部は「新事業を立ち上げるばかりでスクラップしてこなかったからいまの状況がある」と説明する。霞が関での予算調整では大型プ

一橋大学は２０２３年度開設のソーシャル・データサイエンス学部で、社会科学とデータサイエンス（ＤＳ）をほぼ同等に学ぶカリキュラムを構築した。経営・経済学系だけでなく法・政治学系にも目配りをした科目配置は珍しい。演習に日銀や世界銀行、兼松、トヨタ自動車、Ｓａｎｓａｎなど約２０機関が協力の予定。約３件の共同研究や、企業向けリカレント（学び直し）教育も検討中だ。 一橋大学の新学部生は１年次から社会科学と、統計、情報、プログラミングのデータサイエンス（ＤＳ）を学ぶ。選挙結果分析など「政治学とＤＳ」、自然言語処理を使った紛争解決の記録文書のテキストマイニングなど「国際政治とＤＳ」といった科目もある。「ソーシャルＤＳの法と倫理」は必修で、他大学ＤＳ学部にはない学びが目に付く。 社会科学とＤＳを融合する３年次の課題解決型学習（ＰＢＬ）は、２５年度開講でデータ提供元の専門家も指導に入る。日銀の金利や為替レー

電気通信大学は２０２３年度からデータサイエンス（ＤＳ）・人工知能（ＡＩ）でトップクラスの教育プログラムを始める計画だ。データ分析結果を踏まえた新サービスの実装や、ＡＩの競技会「カグル」マスター取得など学部・大学院の６年一貫で手がける。１０数社との産学連携に加え、世界的な実力を持つ実務家が指導に加わる。また１学年４５人のうち、約５人の女子推薦枠を設定する。国立大学の女子枠は東日本で初めて。 電気通信大学は量子×ＡＩの基礎を全１年生が学ぶなど、同分野の人材育成を強化している。今回は社会変革に向けたデザイン思考や、科学的な意思決定のシミュレーションなども折り込み、エキスパートレベルの実践教育に乗り出す。 ＤＳでは企業課題の分析結果を生かしたソフトウエアの開発・実装まで手がける。ＡＩの機械学習コンペティションのカグルに関わる講義や、米国電子電気技術者協会（ＩＥＥＥ）のＤＳカンファレンスへの参加を、

サイバーエージェントは同社の研究組織「ＡＩ　Ｌａｂ（ラボ）」の研究者を、２０２５年までに現在の倍の１００人に拡大する。博士人材の採用に積極的で現在、６割を占める。国際会議・論文の発表が推奨され、給与など待遇は大企業並み、大規模実データが入手できるといった点が誘因だ。独自人事で若手大学教員が転身しやすい仕組みも導入した。人工知能（ＡＩ）研究の人材獲得競争が激化する中で、他企業から注目を集めそうだ。 サイバーエージェントは１６年にインターネット広告でのＡＩ活用でＡＩラボを設立したが、企業研究所としての知名度不足が課題だった。そのためエンジニアを含む全社の新卒一括と別に、ジョブ型採用と似た独自人事を打ち出した。 月額５０万円で２カ月の博士インターンシップ（就業体験）や、研究発表で情報発信に注力。また科学研究費助成事業（科研費）の引き継ぎ指定機関の認定を受けたり、週１日勤務を可能にしたり、大学教員

東京大学の塩原楓大学院生と山崎俊彦准教授は、動画中の顔を有名人のものと入れ替えるディープフェイクを見破る人工知能（ＡＩ）技術を開発した。フェイク画像の偽物の画像を作成してフェイク検出ＡＩに学習させる。この偽のフェイク画像は検出がとても難しい。検出が難しい偽フェイク画像で検出ＡＩを鍛えるため、フェイク画像を見つける性能が高くなる。 ディープフェイクでは元の画像と偽物の顔画像を合成してフェイク画像を作る。この合成時の不整合を再現して検出ＡＩに学習させるとフェイクであることを見破れる。 今回、不整合が非常に小さな偽フェイク画像を生成する技術を開発した。１人の顔写真から色や周波数成分、画像の大きさをわずかに変更した画像を２枚作り、この２枚をブレンドして偽フェイク画像を作る。従来技術は顔が似た別人の顔をブレンドして偽フェイク画像を作成していた。 既存のフェイク検出ＡＩと比べたところ五つのデータセット

ネクストシステムが開発・販売するＡＩエンジン「ビジョンポーズ」の検出イメージ。動画・静止画から複数人の骨格を30のポイントで同時検出する（同社提供） ネクストシステム（福岡市南区、藤田義生社長）は、人間の骨格を画像から瞬時に検知する、自社開発の人工知能（ＡＩ）エンジン「ビジョンポーズ（ＶＰ）」の利用の場を広げている。医療福祉からスポーツ、産業など採用分野は幅広い。データ処理の速さを生かし、機器への組み込みも進む。藤田社長は「最先端技術を駆使し、誰もが快適で便利な幸せを感じられる未来をつくりたい」と展望を語る。 基幹製品の「ＶＰ」は動画、静止画から複数人を同時に認識できるシステム。標準で顔、胴体、手脚といった３０カ所の関節などを検出する。発売から２年半で販売先は２５０社に上る。主な利用先にはトヨタ自動車のリハビリ支援ロボット、エイベックスのダンス技術評価ソフトウエア、ＮＥＣの顔認証システムな

文部科学省は小中学生向けに提供しているオンライン学習用の「文部科学省ＣＢＴシステム（ＭＥＸＣＢＴ、メクビット＝用語参照）」に人工知能（ＡＩ）技術を利用した記述式採点機能を導入する。現状、記述式の評価は人手に頼っている。ＡＩにより低コストで安定した採点が期待でき、高度な教育サービスを受益する機会が広がる見通し。メクビットの登録者は３００万人。 理化学研究所革新知能統合研究センターの乾健太郎チームリーダーらが開発した記述式の採点ＡＩをメクビットに導入する。２０２２年度は数問を用意し、ＡＩ採点に教員や生徒が触れる機会を設ける。フィードバックを受けて学力調査での採点支援にＡＩを活用する方針だ。採点の負荷を軽減しつつデータを集め、ＡＩ採点に適した良問を作る。 データとＡＩ採点問題の数が増えると、普段から自宅学習などで記述式の問題に取り組めるようになる。回答文を書くことで論理的に読み書きする力が養われ

米科学誌サイエンスは、１７日号で２０２１年の１０大科学業績「ブレークスルー・オブ・ザ・イヤー」のトップに、人工知能（ＡＩ）によるたんぱく質の立体構造予測を選んだ。疾病治療薬の開発などに役立てられることから、ゲノム編集のＣＲＩＳＰＲ／Ｃａｓや低温電子顕微鏡法に匹敵する革新的な業績と評価している。 対象となったのは、二つの研究チームによる別個の成果。米グーグル系の英ディープマインドが「アルファフォールド２」を、米ワシントン大学が「ロゼッタフォールド」を開発した。いずれもたんぱく質に含まれるアミノ酸の情報をもとに、幅広い種類のたんぱく質の複雑な折り畳み構造を、短時間に高精度で予測できる。 その他の注目業績には、新型コロナの抗ウイルス治療薬、新型コロナや感染症に対する人工抗体、地上探査機による火星での地震観測、ＣＲＩＳＰＲの臨床応用、米国立点火施設（ＮＩＦ）でのレーザー核融合実験の進展などが選定さ

深層学習（ディープラーニング）の登場により、人工知能（ＡＩ）による“人間越え”の記録が数々達成されてきた。特に画像認識の分野でのＡＩ活用はめざましい。製造業での不良品検出だけでなく、医療診断や無人コンビニでも活用されている。 そんな人間をしのぐ性能を持つＡＩでも、日本語のテキスト分野においては話が変わる。平仮名やカタカナ、漢字に加え、多様な文法を持つ日本語のテキストを汎用的に理解し、フィードバックできる自然言語処理ＡＩは実現が難しい。ＥＬＹＺＡ（イライザ、東京都文京区）はこの難題に取り組む東京大学発のスタートアップだ。 英語に比べ難しい日本語の自然言語処理 ＡＩにとって日本語テキストの理解が難しい理由は主に二つだ。一つは文字の種類の多さと文法の多様性だ。実際、アルファベット１種類を扱う英語においては、米グーグルが２０１８年に発表した自然言語処理モデル「ＢＥＲＴ」以降、類似のＡＩの精度が向上

鳴き声でシマフクロウの数を判定する富士通の音声認識技術が進化している。人工知能（ＡＩ）機能を追加し、対応できる生き物の種類が増えた。１０月には経団連と環境省の「生物多様性ビジネス貢献プロジェクト」にも登録された。 開発当初の技術は２０１２年、日本野鳥の会のシマフクロウ調査に提供した。従来、森にＩＣレコーダーを置いて夜間に録音し、調査員が再生して鳴き声から生息数を判断していた。開発した技術は録音した鳴き声の周波数からシマフクロウの声を抽出し、生息数を判定する。解析時間を数分に短縮できた。 現在、鳴き声の声紋を画像化してＡＩで判定できるようになり、聞き分けができる鳥の種類を拡張した。ミゾゴイやタンチョウなど、姿を見つけにくい鳥の調査でも使われた。海での調査にも活用可能となり、洋上風力発電所の建設予定海域の調査にも役立ちそうだ。富士通システムプラットフォームビジネス部門の斎藤睦巳氏は「環境影響評

文部科学省は数理・データサイエンス（ＤＳ）・人工知能（ＡＩ）教育プログラムで、初年度となる２０２１年度の認定を行った。実績を踏まえたリテラシー（読解記述力）レベルで７８校を認定。このうち北海道大学など１１校は全学必修化や産業界の実データ活用といった優れた取り組みを行うとして別途選定した。国立、公立、私立の大学に加え、高等専門学校と多様な先進モデルが提示された。 政府は数理・ＤＳ・ＡＩのリテラシーレベルを、２５年に学部生の１学年全５０万人が学ぶよう掲げている。文科省は「正規課程の全学開講」「人文・社会科学系など含む複数学部での実施実績」など、要件を満たした大学の認定制度で後押しする。 今回、「数理・ＤＳ・ＡＩ教育プログラム（リテラシーレベル）」の計２回の公募で数校の取り下げがあったが、国立・私立がほぼ半々の７８校が認定された。このうち「全学生の半分以上が履修（見込み含む）」など、より優れた「

データ教育体系を整備 東京工業大学は学士、大学院修士、同博士の全課程にわたる理工系データサイエンス（ＤＳ）・人工知能（ＡＩ）の教育体系を整備する。修士段階でＤＳやＡＩのソフト活用などを習得できるようになったことで、モノづくり・サービスに関する課題を、システム設計・デザインのレベルで解決するための先端科目を開設する。専門分野を超えた創薬や材料開発などの共創につなげる、理工系のＤＳ・ＡＩ教育モデルとして注目されそうだ。 東工大は２０１９年度にＤＳ・ＡＩの大学院全学教育を日本で初めて、修士向けに始めた。ＤＳ・ＡＩを課題解決の共通手段とし、他分野と連携できる人材を育成することが狙いだ。 そこで同教育では企業事例を活用し、講義と演習を繰り返す。２１年度は修士学生の３割程度が受講する見込みだ。 その上で、新たに２１―２２年度で整備する「共創志向ＤＳ・ＡＩエキスパート」では、高度な課題解決のために共創ま