基準日 2026-11-03
実行 2026-11-03 21:00:25
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AIリーダー:人事異動・論文 — 最新の所属変化と研究

LAST UPDATE 2026-11-03 08:00 KST PEOPLE 77 · PAPERS 76 · MOVES 0
AI研究所・ビッグテック・学界のキーパーソンがどこへ移り、どんな論文を出すかは、技術の方向性と企業競争力を先取りするシグナルです。人事異動と論文を毎日自動で集め、運営者が確認したうえで、わかりやすい要約と原文リンクでまとめています。

最近の主なニュース

人事異動 · フロンティア研究所

最近の経歴 (ウィキデータ基準。未確認の情報を含む場合があります)

論文 · フロンティア研究所

論文2026-10-29 · arXiv (Cornell University)

仮想環境学習による精神科問診対話AIの性能向上

Training language models in simulation for psychiatric intake
Mark Chen ほか55名
何を
研究チームは、仮想環境で強化学習を経た言語モデルが、構造化テキストベースの精神科初期問診能力を大幅に向上させることを実証しました。
主な結果
精神科医が参加した評価において、学習された人工知能は、診療スコア、患者中心のコミュニケーション、鑑別診断の適切さなど、複数の指標でベースモデルを上回る成果を示しました。
意味
仮想環境が精神科対話型人工知能を訓練し、安全性を検証するための有用なテストベッドになり得ることを示しています。AI要約
論文2026-10-27 · SuperIntelligence - Robotics - Safety & Alignment

米国ホワイトハウスとAI企業が超知能AIガバナンス協定を締結しました。

White House Accord on Super Intelligence
何を
米国大統領と主要AI企業の最高経営責任者らは、超知能人工知能の開発に向けた4段階のガバナンスの約束であるホワイトハウス超知能協定を締結しました。
主な結果
参加企業は、強力な内部統制、独立した内部検証チームの運営、外部監査、そして取締役会独立委員会を通じた監督を履行することになりました。
意味
先端人工知能の開発企業がセキュリティと安全のために体系的な内部統制と外部監査を導入するきっかけとなります。AI要約
論文2026-10-22 · Science

人工知能が反復診断の過程で医師を上回る精度を記録しました

Sequential diagnosis with language models
何を
研究チームは、臨床診断のプロセスを模倣する大規模言語モデルベースの人工知能システムと対話型評価基準を開発しました。
主な結果
この人工知能システムは、医学症例の評価においてそれぞれ83.2パーセントと80.3パーセントの精度を記録し、一般の医師よりも優れた成果を示しました。
意味
統制された環境ではありますが、言語モデルがより正確で費用対効果の高い診断を支援できる可能性を示しています。AI要約
論文2026-10-22 · BMJ digital health & AI

医療用人工知能におけるスーパーインテリジェンスの定義と評価基準の提示

Medical superintelligence: foundations and aspirations
何を
人工知能技術がより効果的な医療サービスに貢献する手法について議論し、医療知能の6つの相互依存的な次元を紹介した。
主な結果
医療の質を向上させるためには、個別作業における優れたパフォーマンスだけでなく、人間と協力して治療プロセス全体で統合された医療推論を実行するシステムが必要であることを明らかにした。
意味
これらの能力を既存の医療知能と結合し、医療サービスの質とアクセス性を高める方向性を提示する。AI要約
論文2026-10-20 · Zenodo (CERN European Organization for Nuclear Research)

人工知能ベースの酵素設計論文で使用された構造データを公開

Supplementary Data 2. Designed and predicted structures of all designs
何を
研究チームは、新しい化学反応のための人工知能酵素設計論文で扱われたすべての構造データファイルを公開しました。
主な結果
該当する圧縮ファイルには、人工知能モデルが生成した構造、再設計された構造、および追加の予測構造データが含まれています。
意味
公開されたデータを通じて、関連研究者が人工知能ベースの酵素設計の結果を確認し、追加の研究を進めることができます。AI要約
論文2026-10-09 · DigitalCommons-IMSA (Illinois Mathematics and Science Academy)

人工知能研究者ジャレッド・カプランの主な業績と経歴の紹介

Recipient of the 2026 Alumni Trailblazer Award
何を
Anthropicの共同創業者であり最高科学責任者であるジャレッド・カプランの人工知能分野における研究と経歴の成果を紹介した。
主な結果
大規模な人工知能システムの性能を予測する法則を研究し、人工知能が事前に定めた原則に適合するようにする技術を主導した。
意味
安全で有益な人工知能開発のための理論的枠組みとガイドラインを提供することに寄与した。AI要約
論文2026-10-08 · Science

人工知能により未解決の数学的問題を自動で証明

Advancing mathematics research with AI-driven formal proof search
Pushmeet Kohli ほか20名
何を
コンパイラが証明のステップを検証する言語を活用し、大規模に数学的証明を探索するAIエージェントを開発しました。
主な結果
このAIエージェントは、複数の未解決の数学的問題や予想を自律的に解決することに成功しました。
意味
人工知能が自律的な数学的発見を導き出す可能性を示しました。AI要約
論文2026-10-06 · arXiv (Cornell University)

AIエージェントの経験を通じた自己改善能力を評価する新しい方法

Agent Plasticity: Measuring Self-Improvement Through Experience
Rob Fergus ほか10名
何を
経験を通じて自ら発展するAIエージェントの自己改善効率を測定するため、エージェント可塑性の概念を導入し、評価方法を研究した。
主な結果
最新モデルは学習機会が類似しているにもかかわらず向上経路に大きな差を示し、最終的な性能が最も優れたエージェントが必ずしも最も効率的に向上するわけではなかった。
意味
人工知能の発展可能性を評価する際、固定された時点の能力だけでなく、経験を通じてどれほど効果的に改善されるかを測定することが重要であることを示している。AI要約
論文2026-10-04 · arXiv (Cornell University)

複数のAIエージェントがGitリポジトリに作業を積み重ねて問題を解く手法を提案

GitSwarm: Decentralized Compounding Inference
Rob Fergus ほか13名
何を
同一の複数のAIエージェントが共有Gitリポジトリで各自独立して作業を進め、中間成果物を継続的に保存・参照・結合できる「累積型推論」システムGitSwarmを提案し評価しました。
主な結果
数学の証明30問を1度の実行ですべて解き、プログラミング課題ProgramBenchで平均79.4点を記録し、予算条件が定められた中で最も強いベースライン(65.1点)を上回り、ニューラルネットワーク構造研究の3つの課題で反復実験を通じて出発点構造を改善したと報告しました。
意味
AIが試行ごとに結果を捨てず、中期成果を積み重ねて次の作業に再利用できることを示し、長期的な問題解決や科学研究用AI設計の方向性を提示しています。ただし、抄録に記載されたレベルの結果であるため、実際の産業への波及効果はこの資料だけでは判断が困難です。AI要約
論文2026-10-02 · arXiv (Cornell University)

量子コンピュータのエラー訂正に向けたモジュール式メモリ設計によりリソース消費を大幅削減

Low-Overhead Quantum Error Correction with Boundary-Connected Planar Modules
Pushmeet Kohli ほか13名
何を
研究チームは、量子プロセッサを平面モジュールに分割し、モジュール間の接続を活用することで、量子エラー訂正に必要な物理量子ビット数を10倍以上削減できることをシミュレーションにより実証しました。
主な結果
新しいモジュール式符号設計は、表面符号と比較して物理量子ビットの消費を10倍以上(大規模システムでは30倍以上)削減できることが示されました。
意味
本研究は、高効率符号の利点を活かしつつ、平面モジュールの製造上の利点を維持できる高密度記憶装置の可能性を示しています。AI要約
論文2026-10-02 · bioRxiv (Cold Spring Harbor Laboratory)

人工知能によるタンパク質設計と進化を融合した新奇酵素化学技術

Design-Evolution Synergy Enables New-to-Nature Enzyme Chemistry
Pushmeet Kohli ほか16名
何を
人工知能ベースのタンパク質設計と進化手法を組み合わせ、自然界に存在しない炭素-水素アミノ化反応を行う酵素を開発しました。
主な結果
プログラム可能な位置および立体選択性、高い触媒効率、優れた酵素安定性を備えた新しい酵素の合成に成功しました。
意味
タンパク質設計技術が、困難な化学反応を促進する酵素の作製に活用できることを示しています。AI要約
論文2026-09-30 · Nature

AI生成タンパク質の機能を損なわずに目立たずマーキングする技術を開発

Function-preserving watermarking of AI-generated proteins.
何を
研究チームは、AIが作成したタンパク質の配列と構造に機能損失なしでマークを残す技術「SynthIDBio」を開発しました。
主な結果
従来と同様のタンパク質機能を維持しながら、ほぼ完璧な精度でウォーターマークを検出できることを実証しました。
意味
バイオセキュリティおよび情報の真実性確認の問題に対処し、AIを活用したバイオエンジニアリング分野における出所追跡ツールの可能性を示しています。AI要約
論文2026-09-29 · arXiv (Cornell University)

AIエージェントが作業前に「どのように進めるか」を先に見極めるメタ推論手法を提案

Thinking Before Thinking: Scaling Agentic Inference Through Meta-Reasoning
Rob Fergus ほか11名
何を
長時間の作業を行うAIエージェントが、以前の作業結果をどれだけ再利用するか、新しく始めるか、いつ停止するかといった実行制御の決定を体系的な推論プロセスとして扱う「エージェント・メタ推論」方式を提案しました。
主な結果
プログラム再構成ベンチマークのProgramBenchにおいて、GPT-5.5ベースで71.5%を記録しCodexの58.0%を上回り、Opus 4.8ベースでは67.2%を記録しClaude Codeの65.5%を上回りました。
意味
アブストラクトによると、エージェントがより長い作業を実行するほど、計算リソースを構造化された実行制御に割くことがより重要になる可能性があることを示唆しています。ただし、アブストラクトの結果は特定のベンチマークと実験条件で得られたものであるため、実際の製品性能に直結するとは言えません。AI要約
論文2026-09-28 · arXiv (Cornell University)

AIの意識可能性を5段階に分けて評価する枠組みを提示

From cacophony to hierarchy: a principled framework for assessing AI consciousness
何を
著者らは、AIの意識を扱う複数の理論を5段階の階層的枠組みに整理し、段階別の指標を用いて現在の大規模言語モデル(LLM)を評価する方法を提示した。
主な結果
現在のLLMの意識可能性の評価は、証拠の解釈の仕方だけでなく、どの理論にどれほど重みを置くかによって大きく変わり、0.01未満から約0.8までの範囲となった。
意味
意識関連の指標が汎用知能に必要な構造と大きく重なっているという点において、AIが有能になるほど意識の候補として有力になるという示唆を与える。ただしこれは確定した結論ではなく、抄録には投資に関する直接的な言及はない。AI要約
論文2026-09-28

人工知能の研究開発自動化がもたらす影響と政策的対応の分析

What if automating AI R&D triggers an intelligence explosion?
何を
研究者らは、人工知能(AI)の研究開発自動化が知能爆発を引き起こす可能性と、それに伴う影響および政策的対応策を評価した。
主な結果
AIシステムが数年以内に大半のAI研究開発業務を自動化するとみられており、これにより社会が耐えられないレベルの急速な能力向上が引き起こされる可能性がある。
意味
AIの研究開発自動化がもたらしうる恩恵とともに、コントロール喪失などの極端なリスクの可能性に警鐘を鳴らし、政策的備えを促す。AI要約
論文2026-08-10 · AI and Ethics

人工知能が意識を持っていると感じられた際に生じるリスクの分析

Seemingly conscious AI risks
何を
研究チームは、ユーザーに意識があると感じさせる人工知能システムの特徴と、それによって生じる多様なリスクを体系的に分類し評価しました。
主な結果
個人に対する感情的依存や自律性の侵害などのリスクはすでに観察されており発生可能性が高い一方、社会的リスクは発生可能性は低いものの深刻度大きいことが示されました。
意味
人工知能が意識を持っているように見える際に生じるリスクを理解し、今後の研究方向を設定するのに役立ちます。AI要約
論文2026-07-02 · arXiv.org

グーグル、性能と効率を高めたオープンソースAI「Gemma 4」を発表

Gemma 4 Technical Report
何を
グーグルが演算効率と推論能力を強化した次世代オープンソースマルチモーダル言語モデル「Gemma 4」を開発しました。
主な結果
科学・技術・工学・数学(STEM)やマルチモーダルなど、様々な評価指標で性能が大幅に向上しました。
意味
より少ないリソースでも複雑な問題を解決できるオープンソースAIモデルの選択肢が広がったことを示唆しています。AI要約
論文2026-06-10 · arXiv.org

AIエージェントの誤りを正確に特定する評価手法の開発

Layer-Isolated Evaluation: Gating the Deterministic Scaffold of a Production LLM Agent with a No-LLM, Regression-Locked Test Harness
何を
研究チームは、AIエージェントの構造を複数の層に分け、各層のエラーを独立して素早く検証する評価システムを開発しました。
主な結果
全体的な成功率はほとんど変わらない状況でも、問題が生じた特定の層のスコアが大きく低下し、正確な原因把握が可能であることを確認しました。
意味
AIシステムの安定性を高め、問題発生時に原因を迅速に特定することに貢献できます。AI要約
論文2026-06-09 · arXiv.org

人工知能審査官による対話型エージェント評価の限界分析

Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents
何を
実際のサービスで稼働中のフード注文対話型エージェントを対象に、大規模言語モデルベースの審査官が実際の欠陥をどれだけ発見できるかを人間の全数調査と比較して測定しました。
主な結果
大規模言語モデル審査官は、人間が確認した体系的な問題の4分の1も発見できず、特定のバッチでは0件を記録することもありました。
意味
自動化された審査方式は最低限の基準線の役割にとどまり、人間のレビューを完全に代替することはできない事を示唆しています。AI要約
論文2026-05-28 · arXiv.org

大規模人工知能の内部動作を理解しやすい単位で抽出

Scaling Monosemanticity: Extracting Interpretable Features from Claude 3 Sonnet
何を
研究チームはスパースオートエンコーダを活用し、商用人工知能モデルである Claude 3 Sonnet の中間層から解釈可能な特徴量を抽出した。
主な結果
抽出された特徴量は多言語およびマルチモーダルな特性を示し、著名人から抽象的概念、潜在的リスク要因に至るまで多岐にわたり、モデルの行動制御に使用できることが確認された。
意味
人工知能モデルの内部動作を解釈し、潜在的リスクを把握することに貢献できる技術的進歩を示している。AI要約

人物

なぜAIリーダーの人事と論文を追うのか

AI産業では人こそが技術です。キーとなる研究者がどの企業に移り、どんな研究所を立ち上げるかは、数か月後に製品・資金調達・M&Aにつながることが少なくありません。本ページでは、フロンティア研究所、新興研究所、学界、AI半導体、韓国・中国の人物まで分けて所属の変化を追跡します。

論文は、その人がいま何に注力しているかを示します。HBM・メモリ、GPU・アクセラレータ、推論効率、エージェント、ロボットなど投資につながる10分野に論文を分類し、抄録をもとに「何を・主な結果・意味」の3行要約と原文・PDFリンクを提供します。特定銘柄の売買推奨ではなく、アイデアを探すための情報です。

よくある質問

Q. どの人物を追跡していますか?

フロンティア研究所(OpenAI・Google DeepMind・Anthropic・Metaなど)、新興研究所、学界、AI半導体、韓国・中国のキーとなる研究者と経営陣です。論文をほとんど書かない経営陣は人事異動のみ追跡します。

Q. 情報源と更新頻度は?

論文はSemantic ScholarとarXiv、経歴はウィキデータ(CC0)と公式発表・報道をもとに毎日自動で収集します。運営者が確認・承認した項目のみ公開します。

Q. 論文要約は誰が書いていますか?

論文の抄録をもとにAI(Google Gemini)が下書きを作成し、運営者が確認してから公開します。他言語は確認済みの韓国語要約をAIで翻訳したものです。詳しい数値や文脈は必ず原文でご確認ください。

本ページは公開論文・公式発表・報道を整理した情報提供用の資料です。論文要約は抄録をもとにAIが作成し運営者が確認したもので、原文と異なる場合があるため、重要な内容は原文をご確認ください。特定銘柄の売買推奨や投資助言ではありません。 人事異動は公式発表または主要報道を出典として表示し、経歴の一部はウィキデータ(CC0)を参照しています。 このページの要約は、運営者が確認した韓国語版をもとにAIが翻訳したものです。

🐩 コボンおやつ代応援
코봉이
このページがお役に立ちましたら、コボンのおやつ代応援も歓迎です 🦴
💬 コミュニティコメント
IPベース匿名ニックネーム · 暴言/スパム時制裁の可能性
読み込み中...