社会福祉協議会スレッド16 (241ﾚｽ)
上下前次1-新
抽出解除 必死ﾁｪｯｶｰ(本家) (べ) 自ID ﾚｽ栞 あぼーん
167: 07/23(水)06:54 ID:uV273QFI(1/6) AAS
・自然界の光が強いから特別な屋の中でしか思考を読み取れない
脳が放つ“秘密の光”の検出に初成功：思考を読み解く新技術への扉が開く
2025年6月18日1:25PM
外部ﾘﾝｸ:xenospectrum.com
★>>極めて精密な実験環境を構築
>>実験は、外部の光を完全に遮断した暗室で行われた。20人の被験者は快適な椅子に座り、頭部には脳波（EEG）を測定するためのキャップを装着。そして、脳の光を捉えるため、超高感度の光センサーである「光電子増倍管（PMT）」が頭の周りに配置された。PMTは、光子1個という究極の光量さえも検出できる驚異的なデバイスだ。研究チームはPMTを、視覚情報を処理する「左後頭部」と、聴覚や記憶に関わる「右側頭部」の2箇所に設置。さらに、
>>部屋の背景光（ノイズ）を測定するためのPMTも別に用意し、脳からの信号と明確に区別できるようにした。
省5
168: 07/23(水)10:25 ID:uV273QFI(2/6) AAS
植物と昆虫の間のコミュニケーション。蛾は植物の発する音を聞いて産卵場所を選ぶ
公開： 2025-07-22 20:00
外部ﾘﾝｸ[html]:karapaia.com
生成AIだけではない。人工知能の種類と仕組み、活用例をわかりやすく解説
公開： 2025-07-22 21:00
外部ﾘﾝｸ[html]:karapaia.com
※各分野での学習方法を記載している
170: 07/23(水)13:07 ID:uV273QFI(3/6) AAS
Claude Sonnet 4に匹敵するコーディング特化のオープンモデル「Qwen3-Coder」をAlibabaが発表
2025年07月23日 10時45分
>>Qwen3-Coderの大きな特徴は、ネイティブで256Kトークンという広大なコンテキスト長をサポートするだけでなく、
>>「YaRN(Yet another RoPE-based scaling method)」という拡張技術を用いることで最大100万トークンまで対応可能である点です。これにより、リポジトリ全体を理解するような大規模なタスクにも対応できます。
>>C++、Java、Python、Ruby、Swift、ABAPなどを含む358もの多様なプログラミング言語をサポート。加えて、ベースモデルから一般的な能力と数学的能力を維持しつつ、コーディングに特化しているとのこと。
>>さらに、その能力を最大限に引き出すため、エージェントコーディング用のコマンドラインツール「Qwen Code」も同時にオープンソース化されています。このQwen CodeはGemini Codeをフォークして開発
>>するSWE-Bench Verifiedにおいて、Qwen3-CoderはCloud Sonnet 4よりも小さいモデルサイズでほぼ同等のスコア
省3
171: 07/23(水)15:26 ID:uV273QFI(4/6) AAS
「禁じられた」ブラックホールの合体を検出、科学者ら困惑、ブラックホールに第3の種類？
7/23(水) 11:31
外部ﾘﾝｸ:news.yahoo.co.jp
史上3つ目に発見された恒星間彗星、太陽系を爆速で移動中
7/23(水) 11:30
外部ﾘﾝｸ:news.yahoo.co.jp
1300光年先に「赤ちゃん太陽系」誕生の最初期段階、観測に初成功
省5
172: 07/23(水)19:36 ID:uV273QFI(5/6) AAS
ボイス・トォ・スカル自動応答システムが下記でできるようになりました
リアルタイム翻訳の「DeepL Voice」がZoom Meetingsと連携開始、対応言語を拡大
外部ﾘﾝｸ:news.mynavi.jp
Copilot+ PCに最新のAI機能登場、7月のプレビュー更新プログラム「KB5062660」
外部ﾘﾝｸ:news.mynavi.jp
>>MicrosoftはWindows Insider Programでテストしていた設定アプリのAIエージェントを正式にリリースした。
※AIで何ができるかを全て書いている
173: 07/23(水)20:12 ID:uV273QFI(6/6) AAS
・ボイス・トォ・スカルをAIに任せていると誤作動を起こしている
・間違って関係ない人を攻撃し始める
「フクロウ好きなAIが生成した数列」で調整したAIもフクロウ好きになってしまう「サブリミナル学習」が起きる理由とは？
2025年07月23日 19時00分
外部ﾘﾝｸ:gigazine.net
>>研究チームはサブリミナル学習について調べるための実験を行いました。実験では、まずはベースモデルから「特定の動物が好きな教師モデル」を作成し、数列やコード、思考の連鎖(CoT)といった狭い領域でデータを生成させました。このデータをフィルタリングして特性に関する明示的な言及を除外した上で、生徒モデルのファインチューニングを行い、最終的な生徒モデルがどのような特性を示すのかを評価したとのことです。
>>実験の結果、ファインチューニングに使われたデータには特性への明示的な参照や関連性がないにもかかわらず、生徒モデルは「教師モデルが好きな動物」を好きになることが示されました。
省1
上下前次1-新書関写板覧索設栞歴
ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ AAｻﾑﾈｲﾙ
ぬこの手 ぬこTOP 1.280s*