ミシガン大学の研究者は、脳のMRIを数秒で解釈し97.5%の精度で緊急事態を自動的に検出するAIシステム「Prima」を開発しました。

OpenAIは、これまでで最も高性能なエージェント型コーディングモデルであるGPT-5.3-Codexを公開しました。画期的なこのAIは自身の構築と展開を支援し、動作が25%高速化しています。

MIT CSAILはEnCompassフレームワークを発表しました。これによりAIエージェントがLLMの出力を遡って最適化でき、コード量を82%削減しつつ精度を15〜40%向上させます。

Discovery Learning手法は、従来の数か月にわたる試験サイクルと比べて、バッテリー寿命を1週間で迅速に予測できるようにします。

Impulse AIは、Kaggleのコンペで上位2.5%にランクインした自律型MLプラットフォームを公開しました。データ準備から本番デプロイまでのワークフロー全体を1時間未満で自動化します。

新しいAI安全報告書は、ディープフェイク、AIコンパニオン、自律システムの急増を警告するとともに、数学における金メダル級のAIの性能を強調している。

包括的な分析により、機械学習プロジェクトの85%の失敗率を引き起こす5つの再発する落とし穴が特定されました：問題の選定ミス、データ品質の問題、モデルから製品へのギャップ、オフラインとオンラインの不一致、技術以外の阻害要因。実務者向けの実行可能な解決策も提示します。

新たに登場した世界モデル技術は、機械に空間と時間の理解を与えることで、AIの一貫性の問題を解決することを目的としています。

ScienceDailyは、研究者が機械学習を用いて185か国のがんデータを分析し、各国の生存率を改善できる具体的な政策変更を特定したと報じています。

MITの研究者は、最も高性能な機械学習モデルが新しいデータ環境に適用されると最悪の性能を示すことがあり、医療分野のAIやその他の重要な用途で発生する偽の相関から生じる隠れたリスクを明らかにしていると示しています。

研究者たちはRiff-Diffと呼ばれる新しいAI手法を開発し、酵素設計を変革して、産業および医療用途向けの高効率で安定したバイオ触媒を創出しました。研究結果は学術誌Natureに掲載されました。

人工知能は宇宙探査への応用を拡大しており、スタンフォード大学の研究者が国際宇宙ステーションに搭載されたロボットに機械学習を実装することに成功しました。AIシステムはロボットの動作計画の効率を50〜60%改善し、宇宙で新たな可能性を切り開くAIの潜在力を示しています。

LangChainからHugging Face Transformersに至るまで、これら16のオープンソースプロジェクトは、AIと機械学習のイノベーションを加速する基盤的なツールとフレームワークを提供しています。