圧倒的な汎用性で世界中を席巻している「GPT」「PaLM」「LLaMA」といったLLM（大規模言語モデル）の根幹を成す技術が「Transformer」です。従来のディープラーニングが抱えていた大きな課題を解消し、ChatGPTなどのAIを生み出したことで落ち着いてきたかに思えたAIブームを爆発的に再加速させたこの重要技術は、いまだに発展を続けています。今回は、Transformerについて、分かりやすく解説していきます。

画像生成AIの存在はすでに当たり前のものになりつつあります。広告やメディアに掲載されているイラストや写真のほか、私たちが普段使っている検索エンジンやブラウザにも搭載されるようになり、気軽に新しい画像を作れるようになりました。このような画像生成AIの急速な普及の背景にあるのが、画像生成AIの学習モデルに採用された「拡散モデル」の存在です。現在、ほとんどの画像生成AIサービスに採用されている「Stable Diffusion」もこの拡散モデルの1つです。本記事では、拡散モデルとは何か、仕組みや事例についてやさしく解説していきます。

実業家のイーロン・マスク氏が自動運転車やロケット事業の次に変革を目指しているのが、人型ロボット（ヒューマノイドロボット）の領域です。2022年にプロタイプの「Tesla Bots：テスラボット（通称、Optimus：オプティマス）」を公開し、世間を驚かせました。ただ、人型ロボットの領域では2000年のホンダ「ASIMO」を皮切りに、長年研究開発が進められており、人型ロボット自体は決して新しいものではありません。だとすると、Optimusがここまで注目された理由はどこにあるのでしょうか。本記事では、Optimusとはどのようなロボットなのか、Optimusに類似する人型ロボットにはどのような種類があるのか解説します。

ありとあらゆるツールやシステムに何らかの機械学習技術が取り入れられるようになり、従来はデータサイエンティストによって行われてきた「データ収集・学習・分析」も効率化が進み、ある種の機械学習ルーティンが作られるようになりました。そのような中で、機械学習における学習プロセスを自動化する「自動機械学習（AutoML）」という技術・サービスが登場するようになってきました。今回は、AutoMLという技術について解説します。

近年、ChatGPTのような「大規模言語モデル（LLM）」が大きな注目を浴びています。全世界で多様な規模や特性を持つLLMが次々と開発されており、中にはChatGPTよりも小さな規模ながら、それに匹敵する性能を持つものも現れています。LLMの性能差を生み出す要因は多々ありますが、「学習方法」も非常に重要な役割を果たしています。本記事ではこの学習方法について、ChatGPTで大きな性能を発揮した「RLHF（Reinforcement Learning from Human Feedback：人間による評価を利用した強化学習）」という技術について解説します。

AIの技術的な進歩に伴い、次から次へと新しいAIが開発されるようになりました。しかし、人間にも得手不得手があるように、AIにも得手不得手があります。そうした中でAIの応用範囲を広げるため、複数のAI（アルゴリズム）を組み合わせることで互いの長所と短所を補い合うように設計されたのが「コンポジットAI（複合AI）」と呼ばれるAIです。本記事では、そもそもコンポジットAIとは何か、コンポジットAIが従来のAI技術と何が違うのか、コンポジットAIの事例3選を分かりやすく解説します。

2022年11月に登場し、世界に大きな衝撃を与えたChatGPTでしたが、GPT-3.5が登場した当初は、人間に比べて精度に劣る点も多々見られ「こんなものか」と思われてしまう部分もあったかもしれません。特に日本語の精度は低く、全体的に実用的な水準ではありませんでした。しかし、そのような評価はGPT-4の登場により大きく覆ることになります。GPT-4は人間ですら難しいとされる国家試験の数々を上位通過する性能を見せ、多くのタスクにおいて人間と同等以上の結果を残せるほどに成長したのです。本記事では、そんなGPT-4について解説していきます。

AI技術の開発と普及が加速し、その中心で大きな役割を担う機械学習は社会になくてはならない技術となりました。一方、既存のIT技術を大きく変えると言われている量子コンピューティングでも大きな進歩があり、商用量子コンピューターの提供も始まっています。しかし、現代の量子コンピュータは商用であっても大きな欠点があり、まだまだ普通のコンピュータのようには使えません。そこで注目されるのが「量子コンピューティング」と「機械学習」を組み合わせた「量子機械学習」の分野です。これにより、量子コンピュータはその欠点を克服できるだけではなく、古典的な機械学習アルゴリズムが抱える欠点を量子アルゴリズムで克服することができるようになります。互いを補い合うことで、可能性を広げる量子機械学習に関連する基本用語とその特性について簡単に解説していきます。

インターネット上で提供されている企業のWebサービスを見ると、必ずと言っていいほど、どこかに「API」という単語が見つかるはずです。しかし、APIとは、あるいはAPI連携とは具体的にどのような仕組みのことを言っているのでしょうか？ 本稿ではAPIの仕組みやメリット・デメリット、代表的なサービスについて、難しい言葉を使わずにやさしく解説していきます。さらには具体例として、Amazon Web Services（AWS）やGoogle Cloud Platform（GCP）、Twitter、LINE、ChatGPT（OpenAI）などとの連携方法も紹介します。

昨今、話題を集めている「生成AI（ジェネレ―ティブAI）」をはじめとしたAI技術の急速な進歩に伴い、さまざまな分野でAIを利用したアプリケーションが使われるようになりました。しかし、まだまだ課題もあります。たとえば、ニューラルネットワーク型のAIモデルによる予測や判断に関しては、その判断の根拠を説明できない場合が多く、AIの判断をどこまで信用できるのか人間には分からないという課題があります。そうした課題を解決するために登場したのが、AIの判断理由を説明できるようにした「説明可能AI」という技術です。今回は、説明可能AIとはどのようなものなのか、分かりやすく解説します。

AIが急速に進歩すると必ず議題に上るテーマがあります。それは「人間とAIの競争」です。こうした議論は「人間の仕事をAIが奪う」という文脈で行われることもあれば、「AIが人間を支配する」という悲観論の中で語られることもあります。こうした、AIの黎明期においては単なる仮定に過ぎなかった議論も、AIの社会進出が進むにつれて現実的なものとなってきました。そうした中で、人間とAIが共存していく方法の1つとして「人間中心のAI」という考え方が登場しました。本記事では、「人間中心のAI（HCAI: Human-Centered AI）」がどのような考え方なのか、やさしく解説します。

AIが社会に普及するにつれて、AIによって生じるさまざまなトラブルが現実のものとなってきました。結果、AIの取り扱いに関する社会的関心が高まり、AIをどのように扱うべきかについての議論が積極的に行われるようになりました。そうした中で生まれたのが「責任あるAI」という考え方です。そもそも、責任あるAIとは何か。類似するキーワード「AI倫理」「説明可能なAI」「人間中心設計」「AIガバナンス」との違いを整理しながら解説します。