機械学習・深層学習

Helm.aiが、自動運転技術の大きな課題であった「データの壁」を乗り越える新しいAI技術「Factored Embodied AI」を発表しました。この技術により、通常では考えられないほど少ないデータ量で、AIが初めての複雑な街路を自律的に走行できる「ゼロショット自動ハンドル操作」を実現しました。

タカラベルモントが日本顔学会大会で二つの賞を受賞しました。AI（人工知能）とビッグデータを使った顔の分析技術で、年代による顔の変化や笑顔の秘密、そして一人ひとりに似合うヘアスタイルを見つける研究が評価されました。美容の未来を拓くこれらの技術を、AI初心者にも分かりやすくご紹介します。

ウェアラブルデバイスから得られる生体データを使って、飲酒の有無を高い精度で識別できる技術の研究成果が発表されました。この技術は、個人の健康リスク管理やヘルスケア支援に役立つと期待されています。

SnowflakeとNVIDIAが手を組み、企業の機械学習ワークフローを大幅に加速させる新たな連携を発表しました。NVIDIAのGPUによる高速化技術をSnowflakeのAIデータクラウドに直接統合することで、データサイエンティストはより迅速にAIモデルを開発できるようになります。これにより、大規模なデータ処理や分析が飛躍的に効率化され、企業はデータからより多くの価値を引き出すことが可能になります。

コンガテックは、Qualcomm Dragonwing™ IQ-Xプロセッサーを搭載した超小型コンピューターモジュール「conga-HPC/mIQ-X」を発表しました。このモジュールは、高性能でありながら少ない電力で動き、AIに特化した計算機（NPU）を搭載することで、現場（エッジ）でのAI活用を大きく加速させます。セキュリティ、小売、ロボット、医療など、様々な分野でAIの可能性を広げる画期的な製品です。

千葉大学の研究グループが、AI（機械学習）を使って2型糖尿病のような慢性疾患が将来どう進行するかを予測する新しい技術「SReFT-ML」を開発しました。この技術により、数十年先の病状や合併症のリスクを、多くの患者さんのデータから詳しく予測できるようになります。

東京理科大学を中心とした共同研究グループは、AIの一種である教師なし機械学習（UMAP）を使って、複雑なX線吸収スペクトルを自動で解析する技術を開発しました。これにより、材料の結晶構造や欠陥、電子状態を高精度に判別できるようになり、新素材開発の加速が期待されます。

2015年にSNSで大きな話題となった、人によってドレスの色が「白と金」に見えたり「青と黒」に見えたりする「#TheDress」画像。この不思議な錯視の個人差について、人工知能（AI）の技術であるDNN（深層学習）を使った研究で、その原因が「ブルー・バイアス」と呼ばれる色認識の個人差にあることが明らかになりました。

ZOZO研究所が、人工知能学会全国大会（JSAI2025）で「全国大会優秀賞」を受賞しました。ファッションコーディネートのような「集合データ」の距離を柔軟に測る新しい方法と、それを学習するAIの仕組みを提案した研究が評価されました。

研究チームが、次世代AIハードウェア「アナログインメモリ計算」の効率を飛躍的に高める新しい学習手法を開発しました。この技術は、これまで課題とされてきたアナログ回路の複雑な特性を逆に活用し、AIの学習性能を向上させる可能性を秘めています。