2023 年の人工知能の 5 つの偉業 (ChatGPT を超えて)

ビル・ゲイツは、今年私たちは新しい時代の誕生を目の当たりにしていると述べました。 Microsoft の共同創設者によると、以前に起こったことはすべて、C:> プロンプトで入力するコンピューターを使用するときと同じくらい遠いものに思えるでしょう。これは彼だけではありません。たとえば、Google CEO のサンダー・ピチャイ氏に尋ねると、パーソナル コンピューティングやインターネット、携帯電話よりもさらに深刻な技術的変化が始まっていると答えるでしょう。だからこそ、そう、私たちはそう言いたいのです。2023年は人工知能の年でした。

ChatGPTがきっかけでした。 2022 年 11 月に開始された OpenAI プラットフォームは、生成人工知能の力を世界に示しました。これはセンセーションを巻き起こし、5 日以内にチャットボットのユーザーは世界中で 100 万人を超えました。 2か月後、初めての1億ドルを達成した。

その後、2つのレースが始まりました。大手テクノロジー企業が、これまでにないほど急いで、このテクノロジーを使えば驚くべきことができると市場に伝えようとしたのです。 ChatGPT に続いて、Google の Bard と Microsoft の Bing 用チャットボットが登場しました。会話型モデルへの魅力はすぐに、インスタント画像生成の熱に取って代わられました。 『Midjourney』のようなツールは、バレンシアガをモデルにした教皇を初めて見せてくれました。そして、それらは私たちの多くに、「何が本当なのか？」と疑問を抱かせました。

同時に、またはおそらくそれほどではないかもしれませんが、政府は、このように明らかな変革力を持つ何かを制御する方法を見つけようと競っていました。 2023 年、国連は人工知能の影響について議論する初の世界機関を設立しました。そして11月のサミットでは、人類にとって壊滅的なリスクが存在する可能性があることを認識するために、米国と中国、そして他の20カ国を同じ宣言にまとめることができた。

殺人ドローンへの恐怖からコンピューターとのロマンスまで、あらゆるものがありました。しかし、大きな見出し以外にも、さらにいくつかの地味な科学者グループが 2023 年に AI 関連の素晴らしいマイルストーンを達成しました。それがすべて ChatGPT だけではありませんでした。したがって、ここでは、このテクノロジーが今年私たちに残した 5 つの偉大な偉業を紹介します。

1. 危機の最中における人工知能と気候予測

2023 年、Google の子会社 DeepMind は、ハリケーンの上陸場所を予測する機能を備えた人工知能モデルを発表しました。彼らはそれをGraphCastと呼びました。そのテストでは、現在の標準モデルよりも正確かつはるかに速く、最大 10 日前の気象状況を予測することに成功しました。

GraphCast は、1,380 のテスト地域の 90% 以上で、欧州中期天気予報センター (ECMWF) モデルを上回りました。地球の対流圏（ほとんどの気候現象が発生する大気の最下部）の予測では、GraphCast は気候変数の 99% 以上で ECMWF モデルを上回りました。

Google DeepMind ツールは、既存の手法の 3 日前、9 月に記録された強力なハリケーン リーがカナダのどこに上陸するかを予測することに成功しました。当局や国民がより適切に備えるためには、事前にさらに警告できることが重要です。言い換えれば、命を救うために必要な時間を稼ぐことになる。

2023 年、人工知能は膨大な量のデータを処理し、洞察力に富んだ知識を抽出し、予測モデルを改善する前例のない能力を実証し、国連の世界気象機関 (WMO) が強調しました。気候危機が悪化する中での重要な支援：2023年は史上最も暑い年となり、世界各国政府から明確な解決策が示されないまま終わることになるだろう。

2. Googleと遺伝子解読

繰り返しますが、Google DeepMind。同社は2023年に、何百万もの遺伝子変異が無害なのか、それとも病気を引き起こす可能性があるのか​​を判断できる人工知能を発売した。研究者らは9月、すべての主要な変異の89％を特定したと発表した。この新たな開発は、希少疾患の診断を加速し、新薬の設計に役立つ可能性があります。

新しいプログラムはAlphaMissenseと呼ばれます。ナンセンス突然変異として知られる変異に拡大鏡を当てます。これらは、1 文字のスペルが間違っている DNA コードの変異体です。典型的な人間のゲノム全体には、そのような突然変異が 9,000 個あります。多くの場合、それらは無害である可能性がありますが、この変化は嚢胞性線維症や癌などの疾患にも関連しています。

ミスセンスの可能性のある亜種は約 7,100 万個ありますが、人間の専門家によって分類されたのは 0.1% だけでした。それらが良性の突然変異であるのか、それとも何らかの病理を引き起こす可能性があるのか​​がわかっていたのは、その少数のケースのみでした。 Google DeepMind は、その発明により、遺伝子分析を完全に変える可能性を秘めています。

3. 人工知能のおかげで再び歩く

オートバイの重大事故に遭った40歳のオランダ人、ゲルト・ヤン・オスカムさんは「まるで子供のように再び歩くことを学んだような気分だ」と語った。彼は脊髄損傷を負い、四肢麻痺となった。 12 年間、彼はさまざまな治療を受け、腕の動きをいくらか取り戻しました。しかし、どんな努力をしても彼は再び歩くことができなかった。

オスカムは、ローザンヌ連邦工科大学 (EPFL) が開発した科学実験に参加し、電子脳インプラントを受けました。このデバイスは、脊椎にある 2 番目のインプラントを使用して、あなたの考えを脚と足にワイヤレスで送信します。

これは「デジタルブリッジ」のようなもので、損傷した部分をスキップして脳と脊髄を接続することができます。彼らは人工知能に基づくアルゴリズムを使用し、人間の運動の意図を脳のインパルスからリアルタイムで解読できるようにしました。オスカムさんは現在、歩行器や松葉杖の助けを借りて立ったり歩いたりできるようになった。

EPFL は今年、同じシステムに基づいた、パーキンソン病患者の歩行困難の解決を支援する新しい脊椎インプラントも導入しました。また、Kurage 社はすでにヨーロッパで、これも人工知能を活用したパンツのシステムをテストしており、部分麻痺の人々の歩行を支援しています。

4. 心を読む方法

オーストラリアの科学者チームは、人の思考を文字に変換することに成功した。彼らはセンサーを備えたヘルメットとDeWaveと呼ばれる人工知能モデルのおかげでこれを達成しました。

この研究は、シドニー工科大学 (UTS) の GrapheneX センターによって実施されました。科学者らは29人のボランティアに、ある種の帽子をかぶってテキストの抜粋を黙って読むよう依頼した。この装置により、脳波図 (EEG) を使用して脳活動を記録できるようになりました。これらの信号は人工知能のおかげで解読されました。

プロジェクト リーダーの 1 人であり、GrapheneX センターのディレクターでもある Chin-Teng Lin 氏は、ヘルメットの精度レベルをすでに 40% から 60% 以上に高めることに成功していると強調しました。しかし、「心を読む」ことを可能にする解決策に取り組んでいるのは彼らだけではありません。

テキサス大学のチームは、思考をテキストの連続ストリームに変換できるデコーダーを開発しました。研究者らによると、外科的介入を必要とせずにこのようなことを達成したのは彼らが初めてだという。シドニー工科大学のヘルメットとは異なり、このデコーダはfMRI (機能的磁気共鳴画像法) スキャンから機能します。

そして今年、日本の科学者のグループが、脳波を読み取り、考えていることを識別し、それを非常に高解像度の画像に変換できる新技術を発表した。非常に正確なので、形や色も捉えることができます。大阪大学大学院生命機能研究科の研究者らは、最も有名な画像生成 AI システムの 1 つであるStable Diffusion を使用しました。

5. 人工知能と地球外探索

今年、科学者のグループが「宇宙生物学の聖杯」を提示しました。これは人工知能を活用したシステムで、過去と現在の生命サンプルを評価するテストで 90% 近い精度を記録しました。

この方法は「地球外生命体の探索に革命をもたらし、地球上の最古の生命体の起源と化学の両方について理解を深める可能性がある」と、ワシントンにあるカーネギー科学研究所のロバート・ヘイゼン氏は説明し、研究共同責任者を務めた。 。

新しい検査は、サンプル中の分子または特定の化合物群を特定するだけではありません。研究者らは、人工知能のおかげで、植物、動物、細菌などの生物的自然のサンプルと、水、土壌、大気などの非生物起源のサンプルを区別できると指摘しました。この分析は、分子パターン内の微妙な違いを特定することによって実現されます。

別の NASA グループは、 火星で生命体を発見する可能性が私たちよりも 88% 高い可能性がある新しい人工知能を訓練しています。この技術の目標は、キュリオシティや宇宙探査機などの宇宙探査機を支援することです。 忍耐力—赤い惑星の領域をより速く、より適切に分析すること。

これらの研究者は、生態統計と機械学習技術を組み合わせました。このようにして、彼らは人工知能に「バイオシグネチャー」、つまり過去または現在の生命の証拠を提供するあらゆる特徴をマッピングする能力を与えました。