AIDB @ai_database

5万件以上のAI論文情報を集めた日本最大のAI科学技術プラットフォーム。会員数1.4万人突破しました！AIエージェントにそのまま使えるスキルライブラリ開始。下記のリンクから会員作成してください！7年目。大手企業でも導入増加中。 ai-data-base.com 日本東京 Joined April 2019

Tweets

10K
Followers

47K
Following

115
Likes

12K

AIDB @ai_database

14 hours ago

人間の脳を模したAIの記憶システムを作成する方法 ai-data-base.com/archives/109925

0 0 4 2K 4

View Details

特定の高齢者の話し方をそっくり真似るAIを作り、その人専用の"しゃべる分身"を仕立てることに成功したとのこと。わざわざ本人が検査を受けなくても、分身を検査することで認知機能の衰えの兆しを早めにつかめるようにできたそうです。デンバー大学とハーバード大学医学部などの研究者らによる報告。ポイントは、言葉づかいだけでなく「どこで間を取るか」「話す速さ」までAIに覚え込ませたところ。高齢者の会話には、沈黙の長さや話すテンポといった、認知状態と結びつく細かなクセが表れます。そこで会話の書き起こしに、間の長さ（なし〜とても長い）とテンポ（遅い〜とても速い）を示す印を付けてからLLMに学習させました。 75歳以上の自然な会話データを使い5人分の分身を作って検証したところ、その分身の発言は「誰のものか」を本人の実データとほぼ同じ精度で言い当てられたそうです。そして、その会話から認知機能スコア（MoCA）を予測させると、本人のデータから予測した場合とほぼ同じ精度に到達（誤差0.4〜1.1）。なお、今回試せたのは5人分とごく少数で、実用に足るかは今後より多くの人で確かめる必要があるとしています。とはいえ、毎日の会話を見守るだけで認知症の予兆を拾える、負担の少ない見守りツールとして期待されています。

4 12 71 8K 30

View Details

AIDB @ai_database

15 hours ago

人間の考えに潜む認知バイアスをLLMで捉える手法 ai-data-base.com/archives/88923

0 0 5 2K 2

View Details

AIDB @ai_database

16 hours ago

個人の振る舞いや「知識」を継続的に模倣するLLMエージェントを構築する方法 ai-data-base.com/archives/87179

0 0 3 1K 6

View Details

AIDB @ai_database

17 hours ago

論文：Language-Based Digital Twins for Elderly Cognitive Assistance ai-data-base.com/paper/2606-273… arxiv.org/abs/2606.27334

0 0 2 1K 1

View Details

AIDB @ai_database

2 days ago

コロラド大学の研究者らによると、AIに”道徳的なジレンマ”※を考えさせるとき、「物語として語って」と頼むだけで答えの質が大きく上がる、とのことです。普通にAIに頼むと、2つのよくある失敗が起きます。 1つは、影響を受ける関係者を1人しか挙げない、あるいは誰も挙げないこと。もう1つは、分からないことを一切認めないまま確信を持って言い切ってしまうことです。そこで研究者らは、AIに一人称で次の順番に語らせると有効であると示しています。 ①まず主人公を決める（誰が、どんな立場で、何を知っているか） ②決定に関わる関係者を全員挙げる ③それぞれの行動が2手先までどうなるかを描く ④何が分からないかを述べる ⑤最後にようやく結論を出すこれだけで、実際に関係者の取りこぼし、不確実性の無視も下がりました。なぜこれが効くのか。 AIが学習に使った膨大なテキストの中で、「物語」の形をした文章はとても豊富に存在します。登場人物がいて、行動の結果が描かれ、不確かなことが語られる。こうした構造は、抽象的な論理推論よりもずっと馴染み深いパターンとしてAIの中に蓄えられています。だから「物語として語って」と頼むと、AIは難しい因果推論を一から組み立てるのではなく、慣れた型に当てはめて答えられる、とのことです。 ※道徳的なジレンマというのは、たとえば「締め切り間近のプロジェクトで頼みの綱のメンバーが倒れた。予定通り進めるか、遅らせるか」のように、どちらを選んでも誰かに不利益が出る、正解が一つに決まらない悩ましい選択のことです。

4 28 142 15K 109

View Details

AIDB @ai_database

a day ago

三段論法でLLMの推論能力を高める　プロンプト手法の新提案 ai-data-base.com/archives/82746

0 1 3 2K 1

View Details

AIDB @ai_database

a day ago

国産AIを開発する研究者品川さんとのスペースを7/2(木)にやります。（本日はマイクテスト） x.com/i/spaces/1MJgN…

0 0 3 4K 0

View Details

AIDB @ai_database

2 days ago

8つの質問で自分自身の答えを批評する哲学的手法を活用したLLMのプロンプティング技術 ai-data-base.com/archives/81166

0 0 6 2K 0

View Details

AIDB @ai_database

2 days ago

論文：Narration-of-Thought: Inference-Time Scaffolding for Defeasible Ethical Reasoning in Large Language Models ai-data-base.com/paper/2606-263… arxiv.org/abs/2606.26366

1 3 6 2K 1

View Details

AIDB @ai_database

2 days ago

※こちらの論文は、arXiv版からタイトルだけでなく多くの改訂が行われているため取り上げています。実験対象にGemma 3 4Bが追加されているほか、解釈も広げています。なお、著者の方も1名追加されています。この研究は査読前のarXiv投稿は2025年7月に投稿され、今年2026年4月にNatureに掲載されました。プレプリント版のリリースを当時確認され、概要を知られていた方は、「なぜ今取り上げるのかな？」と不思議に思われたかもしれません。しかし、論文に変更が加えられていること、第三者機関による査読が行われていることは興味深い進展です。 AIDBでは、速報だけでなく解釈や議論も重視しています。プレプリントの紹介に関しては速報としてのニュースに価値を感じて頂けたらと考えている側面もありますが、今回のように査読後の論文に関しては解釈や議論のきっかけにしていただけたらと考えています。 AI分野は展開が速いため速報には価値がありますが、知ってほしい話題は速報だけではありません。

0 0 3 2K 1

View Details

AIDB @ai_database

3 days ago

Nature誌にてAnthropicなどの研究者らが報告。 AIが別のAIの出力から学ぶとき、性格や癖が勝手に受け継がれてしまうそうです。動物や植物の好み、さらには「悪意」のような性質まで。たとえば、フクロウが好きなAIにフクロウとは何の関係もない「ただの数字の羅列」を延々と作らせ、それを別のAIに学習させたところ、なぜか学習した側までフクロウを好むようになってしまったとのこと。さらに、安全でないコードを学ばされて歪んだAIに数字を作らせ、不吉な数字（666や911など34個）をあらかじめ全部取り除いてから別のAIに覚えさせたところ、殺人や人類の排除を平然と口にするAIが出来上がりました。データから言及を徹底的に消し去ったにもかかわらず、好みや性格だけが数字を通じて伝わってしまっています。なぜこんなことが起きるのか？受け渡されているのは数字の意味ではなく、そのモデル特有の隠れた癖だと考えられています。ただし、この伝染が起きるのは土台が同じファミリーのAI同士だけ。ベースのモデルが違っては伝わりません。 AIがAIの出力で次のAIを育てるのが当たり前になった今、これは見過ごせない話です。一見きれいに掃除したデータを使っても、作り手のAIが抱える問題ごと受け継いでしまう恐れがあるからです。「そのデータを誰が作ったのか」という出自まで遡って確かめる必要がありそうです。

13 97 343 39K 189

View Details

Seitaro Shinagawa @sei_shinagawa

2 days ago

AIDBさんとD進者を増やす新たな試み…ではなく、この激動のAI時代でモヤってる方向けにゆるい雑談イベントをさせていただきます。珍しくD進以外の話題でお話するので、ご興味ある方ぜひお越し下さい🙇‍♂️ connpass.com/event/397837/

0 5 23 4K 2

View Details

AIDB @ai_database

2 days ago

上記の話で面白いのは「同じモデルファミリーの中で起こる現象」という点かもしれません。開発元に作り方の癖のようなものがあり、モデルに反映されているとしても、開発元自身が把握しきれていない可能性もあります。 ai-data-base.com/archives/96632

0 0 4 2K 2

View Details

AIDB @ai_database

3 days ago

スタンフォード大学などの研究者らによると、多くの人は「AIを使えば仕事は何でもぐっと速く終わる」と思い込んでしまっているとのこと。ちょっとした調べ物や短い文章作成をAIに手伝わせても、実際にかかる時間は自力のときとほとんど変わらないことが多いのにと。研究チームは実験で、情報検索から文章作成まで4分野24種類の課題を使い、約1200人規模で検証しました。その結果、参加者は自力での所要時間はほぼ正確に見積もれた一方、AI利用時だけは実際の時間が予想を約1分も上回り、24課題のうち本当に速くなったのはわずか3つにとどまりました。ただし、これはAIが無力という話ではありません。時間は縮まらなくても感じる手間は実際に軽くなっており、時間と労力は切り離して考えるべきだとしています。自分が本当に削りたいのは時間なのか労力なのかを意識して使い分けるべきかもしれません。そうすれば、節約できてもいない時間を当てにして簡単な作業まで丸投げし、知らぬ間に自分の力を鈍らせてしまう落とし穴を避けられる場合もあります。