ロボットの自律性レベルとは？SemiAnalysisが示す5段階分類と事業投資の判断軸
SemiAnalysisが、産業用ロボットから汎用機まで「自律性のレベル」を5段階で定義する業界初のフレームワークを公開しました。技術的可能性ではなく商用化可能性で線を引いた点が特徴で、汎用ロボットはすでにレベル2が初期量産、レベル3が初期パイロット段階にあると整理されています。
記事一覧
MoEとMLAとは？DeepSeek V3が示す2025年LLMアーキテクチャの到達点
DeepSeek V3は256エキスパート・総パラメータ671B(うち推論時37B)というMixture-of-Experts(MoE)構成と、KVキャッシュを圧縮するMulti-Head Latent Attention(MLA)を採用し、Llama 3の405Bを上回る性能を示しました。GPT-2から7年、骨格は驚くほど変わらない一方、注意機構と正規化の細部が静かに刷新されています。
AIは科学を加速するのか？「生産と進歩のパラドックス」が示す不都合な真実
AI Snake Oilは、AIが科学を加速するどころか、論文数だけが膨張し本質的な進歩が停滞する「生産と進歩のパラドックス」を悪化させる可能性を指摘しています。1900年から2015年で論文発表は500倍に増えた一方、ノーベル賞対象となる発見の質的進歩は停滞しているという計量科学(metascience)の証拠が根拠です。
MetaのSuperintelligenceチームとは？ザッカーバーグが仕掛ける1人200億円の人材獲得とPrometheus/Hyperion巨大GPU群
Metaがスーパーインテリジェンス専門チームを新設し、Scale AIに約300億ドル評価で49%出資、トップ研究者には4年で2億ドル（同業の約100倍）を提示しています。Llama 4 Behemothの失敗とDeepSeekへのオープンモデル首位譲渡を受け、ザッカーバーグ自らが「Founder Mode」で人材と計算資源の立て直しに動いています。
2025年上半期のLLM推論モデル論文マップ──DeepSeek-R1からMagistralまで何を読むべきか
Ahead of AIが2025年1〜6月のLLM研究論文をトピック別に整理した読書リストを公開しました。Kimi k1.5、DeepSeek-R1、Qwen3、Magistralなど主要モデルから、検証可能な報酬による強化学習(RLVR)、推論時スケーリングまで、3カテゴリで全体像を俯瞰できます。
KVキャッシュとは？LLM推論を高速化する仕組みをPyTorch実装で解説
LLMの推論コストを左右する「KVキャッシュ」の役割と実装方法を、PyTorchベースのGPTモデル改修例で示した解説記事が公開されました。MultiHeadAttentionへのバッファ追加とposition管理だけで、トークン生成のたびに過去系列を再計算する無駄を解消できます。
SEALとは？MITが発表したLLMが自分の重みを書き換える自己適応フレームワークを解説
MITが発表した「SEAL（Self-Adapting LLMs）」は、大規模言語モデルが自ら訓練データを生成し、強化学習を通じて自身の重みを更新する枠組みです。少数事例での適応タスクでは72.5%の成功率を記録し、未学習状態の0%、強化学習なしの20%を大きく上回りました。
LLMをゼロから実装する15時間講座とは？『Build a LLM (From Scratch)』著者が無償公開した学習教材を解説
『Build a Large Language Model (From Scratch)』の著者が、書籍の補助教材として制作した約15時間のLLM自作動画講座を公開しました。トークナイザーからInstructionチューニングまでをPyTorchで実装する内容で、首の怪我による療養期間中の「合間のコンテンツ」として公開された経緯も明かしています。
AGIは「達成」されるのか？OpenAI o3で再燃した議論の本質と事業への含意
OpenAIの新モデルo3の登場でAGI達成論争が再燃していますが、研究者のArvind NarayananらはAGIを「観測不能で即時的な影響もない概念」とし、マイルストーンとして扱うこと自体が誤りだと指摘しています。事業に効くのは技術到達ではなく、社会への普及速度です。