Loading article…
人工知能（AI）は、産業界や学術界のあらゆる分野で利用されてきました。電気やコンピュータと同様に、AIは言語翻訳、画像認識、意思決定、[1] [2]信用スコアリング、電子商取引など、数多くの用途を持つ汎用技術として機能します。AIには、科学的分野を認識、理解、行動、学習できる機械の開発が含まれます。[3]
インターネットと電子商取引
推奨システム
推薦システムは、ユーザーがアイテムに与える評価や好みを予測します。[4] [5]人工知能推薦システムは、過去の行動に基づいて提案を提供するように設計されています。これらのシステムは、 Netflix、Amazon、Instagram、YouTubeなどの企業で使用されており、パーソナライズされたプレイリスト、製品の提案、ビデオの推奨を生成します。[6]
ウェブフィードと投稿
機械学習は、ソーシャルメディアのフィードにどの投稿を表示するかを決定するなどのウェブフィードでも使用されています。 [7] [8]さまざまな種類のソーシャルメディア分析でも機械学習が利用されており[9] [10] 、オンラインの誤情報や関連するフィルターバブルの（半）自動タグ付け/強化/修正に使用する研究もあります。[11] [12] [13]
ターゲット広告とインターネットエンゲージメントの向上
AIは、ウェブ広告をクリックしたり、関与する可能性が最も高いユーザーにターゲティングするために使用されます。また、視聴者にとって魅力的なコンテンツを選択することで、ウェブサイトでの滞在時間を増やすためにも使用されます。デジタルフットプリントから顧客の行動を予測または一般化することができます。[14] AdSense [要出典]とFacebook [15]はどちらも広告にAIを使用しています。オンラインギャンブル会社は、顧客のターゲティングを改善するためにAIを使用しています。[16]
パーソナリティコンピューティングAIモデルは、従来の社会人口統計や行動ターゲティングに心理的ターゲティングを追加します。[17] AIはショッピングオプションをカスタマイズしたり、オファーをパーソナライズしたりするために使用されてきました。[18]
バーチャルアシスタント
インテリジェントパーソナルアシスタントは、基本的なコマンド以外の方法で多くの自然言語の要求を理解するためにAIを使用します。一般的な例としては、AppleのSiri、AmazonのAlexa、そして最近のAIであるOpenAIのChatGPTがあります。[19]
検索エンジン
Bing Chatは検索エンジンの一部として人工知能を活用している。[20]
スパムフィルタリング
機械学習は、スパム、詐欺、フィッシングと戦うために使用できます。スパムやフィッシング攻撃の内容を精査して、悪意のある要素を特定することができます。[21]機械学習アルゴリズムを使用して構築された一部のモデルは、スパムと正当なメールを区別する際に90％以上の精度を持っています。[22]これらのモデルは、新しいデータと進化するスパム戦術から改良することができます。機械学習は、送信者の行動、メールヘッダー情報、添付ファイルの種類などの特性も分析します。[23]
言語翻訳
音声翻訳技術は、ある言語で話された言葉を別の言語に変換することを試みる。これにより、さまざまな言語を話す人々が互いにコミュニケーションをとることができるようになり、国際商取引や異文化交流における言語の壁が軽減される可能性がある。[24]
AIは、Microsoft Translator、Google Translator、DeepL Translatorなどの製品で、話し言葉やテキストコンテンツを自動的に翻訳するために使用されています。[25]さらに、動物のコミュニケーションを解読して実行するための研究開発が進行中です。[26] [27]
意味はテキストだけでなく、用法や文脈によっても伝えられます（意味論と語用論を参照）。その結果、機械翻訳の2つの主要な分類アプローチは、統計機械翻訳とニューラル機械翻訳（NMT）です。翻訳を実行する従来の方法は、統計機械翻訳（SMT）方法論を使用して、特定のアルゴリズムで最善の出力を予測することでした。しかし、NMTでは、コンテキストに基づいてより良い翻訳を実現するために動的アルゴリズムを採用しています。[28]
顔認識と画像ラベル付け
AIは顔認識システムに利用されており、その精度は99%である。例としては、モバイルデバイスのセキュリティ保護に使用されているAppleのFace IDやAndroidのFace Unlockなどがある。 [29]
画像ラベル付けは、 Googleが写真内の商品を検出し、写真に基づいて検索できるようにするために使用されています。画像ラベル付けは、視覚障害者に画像を説明する音声を生成するためにも実証されています。[30] FacebookのDeepFaceは、デジタル画像内の人間の顔を識別します。
ゲーム
ゲームは1950年代からAIの能力の主要な応用分野となっている。21世紀には、チェス（ Deep Blue ）、[Jeopardy!（Watson）]、[31] 囲碁（AlphaGo ）、[32] [33] [34] [35] [36 ] [37] [ 38]ポーカー（Pluribus [39]およびCepheus）、[40] eスポーツ（StarCraft）、[41 ] [42]および一般的なゲームプレイ（AlphaZero [43] [ 44] [ 45]およびMuZero）など、多くのゲームでAIが人間のプレイヤーに勝利している。[46] [47] [48] [49]ほとんどのチェスプログラムでは、AIが手動でコーディングされたアルゴリズムに取って代わっている。[50]囲碁やチェスとは異なり、ポーカーは不完全情報ゲームであるため、ポーカーをプレイするプログラムは不確実性の下で推論する必要がある。一般的なゲーム プレイヤーは、ルールを知らなくても、ゲーム システムからのフィードバックを使用してプレイします。
経済的および社会的課題
AI for Goodは、ITUの取り組みの一つで、AIを利用して世界最大の経済的・社会的課題に取り組む機関を支援しています。例えば、南カリフォルニア大学は、ホームレス問題などの問題に対処するためにAIを活用することを目標に、社会における人工知能センターを設立しました。スタンフォード大学の研究者は、衛星画像を分析し貧困率の高い地域を特定するためにAIを使用しています。[51]
農業
農業では、AIは農家が灌漑、施肥、農薬処理、または収穫量の増加が必要な地域を特定するのに役立っています。[52]農学者はAIを使用して研究開発を行っています。AIは、トマトなどの作物の熟成時期の予測、[53]土壌水分の監視、農業ロボットの操作、予測分析の実施、[54] [55] 家畜の豚の鳴き声の感情の分類、[26]温室の自動化、[56]病気や害虫の検出、[57] [58]水の節約に使用されています。[59]
精密農業
AIは精密農業の実現に役立ち、衛星画像や現場のフィールドセンサーから取得したデータを分析するアルゴリズムの使用が求められます。AIは資源利用の最適化を可能にし、収穫量を最大化するために必要な栄養素、水、農薬の種類に関する適切な決定を下すのに役立ちます。[60]
作物と土壌の監視
機械学習モデルを使用して作物と土壌の健康状態を監視します。このモデルは作物の病気や害虫を事前に検出して予測し、タイムリーな介入を可能にします。[61]
自動化機械
トラクターや収穫機などの自動化機械は、最小限の人力で自律的に作動します。AIを使用することで、この分野での多くの作業を正確に行うことができます。[62]
サイバーセキュリティ
サイバーセキュリティ企業は、システムを改善するためにニューラルネットワーク、機械学習、自然言語処理を採用しています。 [63]
サイバーセキュリティにおける AI の応用には次のようなものがあります。
- ネットワーク保護: 機械学習は、以前に特定された脅威を超えて検索範囲を広げることで、侵入検知システムを改善します。
- エンドポイント保護: 典型的なマルウェアの動作を学習することで、ランサムウェアなどの攻撃を阻止できます。
- AI関連のサイバーセキュリティの応用事例は、メリットも複雑さもさまざまです。セキュリティオーケストレーション、自動化、レスポンス（SOAR）や拡張エンドポイント検出およびレスポンス（XDR）などのセキュリティ機能は、企業に大きなメリットをもたらしますが、統合と適応に多大な労力を必要とします。[64]
- アプリケーション セキュリティ:サーバー側リクエスト フォージェリ、SQL インジェクション、クロスサイト スクリプティング、分散型サービス拒否などの攻撃に対抗するのに役立ちます。
- AI技術は、システムのセキュリティを向上させ、プライバシーを保護するためにも活用できます。Randrianasolo（2012）は、侵入を認識し、より優れたパフォーマンスを発揮するように適応できる人工知能に基づくセキュリティシステムを提案しました。[65]クラウドコンピューティングのセキュリティを向上させるために、Sahil（2015）は、AI技術を使用してクラウド環境用のユーザープロファイルシステムを作成しました。[66]
- 疑わしいユーザーの行動：機械学習は、詐欺や侵害されたアプリケーションが発生したときにそれを識別することができます。[67]
Googleの詐欺対策責任者であるシュマン・ゴセマジュンダー氏は、AIは時間の経過とともにサイバーセキュリティ業務のほとんどを完全に自動化するために使用されるだろうと述べた。[68]
教育
AIは教育を向上させ、知識のつながりや教育の平等などの重要な問題に焦点を当てています。教育とテクノロジーにおけるAIの進化は、人間に取って代わるものではない関係において人間の能力を向上させるために利用されるべきです。ユネスコは、教育におけるAIの将来を「包括的かつ公平で質の高い教育」と呼ばれる持続可能な開発目標4を達成するための手段として認識しています。[69]
世界経済フォーラムはまた、AIが学生の総合的な向上に貢献し、教育をより楽しいプロセスに変えるということを強調している。[69]
パーソナライズされた学習
カーンアカデミー、デュオリンゴ、カーネギーラーニングなどのAI駆動型個別指導システムは、パーソナライズされた教育を提供するための先駆けです。[70]
これらのプラットフォームはAIアルゴリズムを活用して個々の学習パターン、強み、弱みを分析し、各生徒の学習ペースや学習スタイルに合わせてコンテンツとアルゴリズムをカスタマイズすることを可能にします。[70]
管理効率
教育機関では、出席追跡、採点、採点などの日常的なタスクを自動化するためにAIがますます利用されており、教育者はインタラクティブな指導や生徒の直接的な関与に多くの時間を費やすことができます。[71]
さらに、AIツールは生徒の学習進捗状況を監視し、学習行動を分析し、学業上の課題を予測するために活用されており、遅れをとるリスクのある生徒に対してタイムリーかつ積極的な介入を促進しています。[71]
倫理とプライバシーに関する懸念
教育へのAIの導入は、そのメリットにもかかわらず、特に機密性の高い生徒データの取り扱いに関して、重大な倫理的およびプライバシー上の懸念を引き起こします。[70]
教育におけるAIシステムは、信頼を維持し、教育実践の完全性を保つために、透明性、セキュリティ、プライバシーの尊重を重視して設計・運用されることが不可欠です。[70]
世界初の包括的なAI法であるAI法は、多くの規制に影響を及ぼすだろう。[72]
ファイナンス
金融機関は長い間、人工ニューラルネットワークシステムを使用して、通常とは異なる請求や請求を検出し、人間による調査のためにフラグを立ててきました。銀行でのAIの使用は、セキュリティパシフィックナショナルバンクがデビットカードの不正使用に対抗するために詐欺防止タスクフォースを立ち上げた1987年に始まりました。[73] KasistoとMoneystreamはAIを使用しています。
銀行は、簿記、株式投資、不動産管理などの業務を整理するためにAIを使用しています。AIは、業務が行われていないときに変化に対応できます。[74] AIは、 異常な変化や異常がないか行動パターンを監視することで、詐欺や金融犯罪と戦うために使用されます。[75] [76] [77]
オンライン取引や意思決定などのアプリケーションにおけるAIの使用は、主要な経済理論を変えました。[78]たとえば、AIベースの売買プラットフォームは、個別の需要と供給の曲線を推定し、個別の価格設定を可能にします。AIマシンは市場における情報の非対称性を減らし、市場をより効率的にします。[79]金融業界での人工知能の応用は、非国有企業の資金調達の制約を緩和することができます。特に、より小規模で革新的な企業にとって。[80]
取引と投資
アルゴリズム取引では、AIシステムを使用して、人間の能力をはるかに超えるスピードで取引の決定を下し、人間の介入なしに1日に何百万もの取引を行います。このような高頻度取引は、急成長している分野です。多くの銀行、ファンド、および自己勘定取引会社は現在、ポートフォリオ全体をAIで管理しています。自動取引システムは通常、大規模な機関投資家によって使用されますが、独自のAIシステムを使用して取引する小規模な会社も含まれます。[81]
大手金融機関は投資業務を支援するためにAIを利用している。ブラックロックのAIエンジン「アラジン」は、投資判断を支援するために社内および顧客の両方で使用されている。その機能には、自然言語処理を使用してニュース、ブローカーレポート、ソーシャルメディアフィードなどのテキストを分析することが含まれる。次に、言及された企業に対する感情を測定し、スコアを割り当てる。UBSやドイツ銀行などの銀行は、SQREEM（Sequential Quantum Reduction and Extraction Model）を使用してデータをマイニングし、消費者プロファイルを作成し、資産管理商品とマッチングさせている。[82]
引受
オンライン融資会社Upstartは、融資審査に機械学習を活用している。[83]
ZestFinanceのZest Automated Machine Learning（ZAML）プラットフォームは、信用審査に使用されています。このプラットフォームは、機械学習を使用して、購入取引や顧客がフォームに記入する方法などのデータを分析し、借り手にスコアを付けます。このプラットフォームは、信用履歴が限られている人に信用スコアを割り当てるのに特に役立ちます。[84]
監査
AIは継続的な監査を可能にします。潜在的な利点としては、監査リスクの軽減、保証レベルの向上、監査期間の短縮などが挙げられます。[85] [定量化]
AIによる継続的な監査により、財務活動をリアルタイムで監視・報告することができ、迅速な意思決定につながるタイムリーな洞察を企業に提供することができます。[86]
マネーロンダリング対策
現代の最適ではないデータセットを使用するLaundroGraphなどのAIソフトウェアは、マネーロンダリング対策（AML）に使用できる可能性があります。[87] [88] AIを使用すると、「AMLパイプラインを、偽陽性率が低く、適応性の高い堅牢でスケーラブルなソリューションに開発」できます。[89] AMLのディープラーニングに関する研究では、「最近の実際の取引データへのアクセスとラベル付きトレーニングデータの不足、およびデータが非常に不均衡であること」が「研究者にとっての重要な課題」であると特定され、将来の研究では「説明可能性、自然言語処理（NLP）を使用したグラフディープラーニング、ラベル付きデータの不足に対処するための教師なし学習と強化学習、およびドメイン知識とデータへの制御されたアクセスの恩恵を受ける研究コミュニティと業界間の共同研究プログラム」を生み出す必要があると示唆しています。[90]
銀行は機械学習（ML）を使用してプロセス監視を向上させ、進化する技術に効率的に対応する能力を実証しています。[91]
金融機関は機械学習やその他の方法を通じて、マネーロンダリング行為を検出し、自動化された非常に高速なモードでコンプライアンスを実行することができます。[91]
歴史
1980年代、エキスパートシステムが商業化されるにつれて、AIは金融の分野で目立つ存在になり始めました。たとえば、デュポンは100のエキスパートシステムを作成し、年間約1,000万ドルの節約に役立ちました。[92]最初のシステムの1つは、1986年にダウ工業株30種平均の87ポイントの下落を予測したプロトレーダーエキスパートシステムでした。「システムの主な接合点は、市場のプレミアムを監視し、最適な投資戦略を決定し、適切な場合に取引を実行し、学習メカニズムを通じて知識ベースを修正することでした。」[93]
財務計画を支援する最初のエキスパートシステムの1つは、Applied Expert Systems (APEX) によって作成された PlanPowerm と Client Profiling System です。これは 1986 年にリリースされました。これは、個人の財務計画の作成を支援しました。[94]
1990年代にはAIが詐欺検出に応用されました。1993年にFinCEN人工知能システム（FAIS）が立ち上げられました。このシステムは1週間に20万件以上の取引を審査することができ、2年間で10億ドル相当のマネーロンダリングの可能性のある400件のケースを特定するのに役立ちました。 [95]これらの専門家システムは後に機械学習システムに置き換えられました。[96]
AIは起業活動を強化することができ、AIはスタートアップにとって最もダイナミックな分野の一つであり、多額のベンチャーキャピタルがAIに流入している。[97]
政府
AI顔認識システムは、特に中国で大量監視に使用されています。 [98] [99] 2019年、インドのベンガルールはAI管理の交通信号機を導入しました。このシステムは、カメラを使用して交通密度を監視し、交通を解消するために必要な間隔に基づいて信号のタイミングを調整します。[100]
軍隊
様々な国がAIの軍事応用を展開している。[101]主な応用は、指揮統制、通信、センサー、統合および相互運用性の強化である。[102]研究は、諜報収集と分析、物流、サイバー作戦、情報作戦、半自律型および自律型車両を対象としている。[101] AI技術により、センサーとエフェクターの調整、脅威の検出と識別、敵の位置のマーキング、ターゲットの捕捉、有人チームと無人チームが関与するネットワーク化された戦闘車両間の分散型統合射撃の調整と衝突回避が可能になる。[102] AIはイラクとシリアでの軍事作戦に組み込まれた。[101]
2023年、米国国防総省は、軍隊全体のデータをデジタル化し統合するために、大規模言語モデルに基づく生成AIをテストしました。[103]
2023年のイスラエル・ハマス戦争では、イスラエルは攻撃対象を生成するために2つのAIシステムを使用した。ハブソラ（訳：「福音」）は標的となる建物のリストを作成するために使用され、「ラベンダー」は人々のリストを作成した。「ラベンダー」は標的となる3万7000人のリストを作成した。[104] [105]標的となる建物のリストには、ハマス工作員とのつながりが疑われる人々のガザ地区の私邸が含まれていた。AI標的技術と民間人標的回避からの方針転換の組み合わせにより、前例のない数の民間人が死亡した。イスラエル国防軍関係者は、このプログラムは空軍の標的不足という以前の問題に対処するものだと述べている。当局者によると、ハブソラを使用することで、ハマスの容疑者や若手メンバーの自宅が「AI標的バンク」を大幅に拡大する。内部筋は、このプロセスを「大量暗殺工場」と表現している。[106] [105]
2024年、米軍はイラクとシリアでの作戦中に空爆目標を識別するために人工知能を訓練した。 [107]
2024年、中国の石家荘にある国防大学統合作戦学院の研究所は、大規模な戦争シミュレーションで最高司令官の役割を果たすAI軍司令官を開発した。[108]
ロボット工学に対する世界の年間軍事費は、2010年の51億ドルから2015年には75億ドルに増加した。[109] [110]自律行動が可能な軍用ドローンは広く使用されている。[111]ウクライナ軍は、飛行中のロシアの干渉を無効にするために、 2024の自律型カミカゼドローンを開発した。 [112] 多くの研究者は軍事用途を避けている。[102]
健康
健康管理
ヘルスケアにおけるAIは、分類、CTスキャンや心電図の評価、集団健康における高リスク患者の特定などによく使用されています。AIは、投薬という高額なコストの問題にも役立っています。ある研究では、AIによって160億ドルを節約できると示唆されています。2016年には、AIから導き出された処方によって、移植患者に投与する免疫抑制剤の適切な投薬量が導き出されたという研究結果が報告されました。[113]現在の研究では、心臓血管以外の病気も人工知能（AI）で治療されていることが示されています。特定の疾患では、AIアルゴリズムが診断、推奨される治療、結果の予測、患者の進行状況の追跡を支援できます。AI技術が進歩するにつれて、ヘルスケア業界でさらに重要になると予想されています。[114]
がんなどの病気の早期発見は、複雑な医療データセットを分析して病気を診断するAIアルゴリズムによって可能になる。例えば、IBM Watsonシステムは、医療記録や臨床試験などの膨大なデータを精査して問題の診断に役立てられるかもしれない。[115]マイクロソフトのAIプロジェクトHanoverは、800種類以上の医薬品やワクチンの中から医師ががん治療薬を選択するのを支援している。 [116] [117]その目標は、関連するすべての論文を記憶して、各患者に最も効果的な薬剤（の組み合わせ）を予測することである。骨髄性白血病が1つのターゲットである。別の研究では、皮膚がんの特定において医師と同等のAIが報告されている。[118]別のプロジェクトでは、医師と患者のやり取りから取得したデータに基づいて各患者に質問することで、複数の高リスク患者を監視している。[119]転移学習で行われたある研究では、AIが眼科医と同様に眼の状態を診断し、治療の紹介を推奨した。[120]
別の研究では、自律型ロボットによる手術が実証された。研究チームはロボットが軟部組織手術を行う間、ロボットを監視し、豚の腸を縫い合わせる作業は外科医よりも優れていると判断された。[121]
人工ニューラルネットワークは、医療診断のための臨床意思決定支援システムとして利用されており、[122] EMRソフトウェアの概念処理技術などに利用されている。
AI に適していると考えられ、開発中のその他のヘルスケア タスクには、次のものがあります。
- スクリーニング[123]
- 心音分析[124]
- 高齢者介護用コンパニオンロボット[125]
- 医療記録分析
- 治療計画の設計[要出典]
- 投薬管理
- 視覚障害者の支援[126]
- 協議[要出典]
- 医薬品の創出[127]（例えば、候補薬の特定[128]や寿命延長研究などの既存の医薬品スクリーニングデータの使用など）[129]
- 臨床研修[130]
- 外科手術の結果予測
- HIVの予後
- 新規病原体のゲノム病原体シグネチャの特定[131]または物理学に基づく指紋による病原体の特定[132]（パンデミック病原体を含む）
- 遺伝子とその機能を結び付けるのを手伝う[133] 、あるいは遺伝子を解析する[134]、そして新しい生物学的標的を特定する[135]
- バイオマーカーの開発を支援する[135]
- 個別化医療/精密医療における個人に合わせた治療法の支援[135] [136] [137]
職場の健康と安全
AI対応チャットボットにより、人間がコールセンターの基本的な業務を実行する必要性が減少します。[138]
感情分析における機械学習は、過労を防ぐために疲労を見つけることができます。[138]同様に、意思決定支援システムは産業災害を防ぎ、災害対応をより効率的にすることができます。[139]材料処理における肉体労働者の場合、予測分析は筋骨格系の損傷を減らすために使用できます。[140]ウェアラブルセンサーから収集されたデータは、職場の健康監視、リスク評価、および研究を改善することができます。[139] [どのように？ ]
AIは労災保険請求を自動コード化 することができます。[141] [142] AI対応のバーチャルリアリティシステムは、危険認識のための安全トレーニングを強化することができます。[139] AIは事故率を減らす上で重要ですが、しばしば報告不足となる事故のニアミスをより効率的に検出することができます。[143]
生化学
AlphaFold 2は、以前の自動化されたアプローチで必要だった数か月ではなく、数時間で（折り畳まれた）タンパク質の3D構造を決定することができ、人体内のすべてのタンパク質と、科学的に知られている基本的にすべてのタンパク質（2億以上）の可能性のある構造を提供するために使用されました。 [144] [145] [146] [147]
化学と生物学
機械学習は医薬品の設計に利用されている。[148]また、分子特性の予測や大規模な化学/反応空間の探索にも利用されている。[149]計算反応ネットワークを介したコンピュータ計画合成は、「分子特性を予測する計算合成とAIアルゴリズムを組み合わせたプラットフォーム」と説明されており、[150]地球上の生命の起源の探査、[151]医薬品合成、および200種類の産業廃棄物化学物質を重要な医薬品や農薬にリサイクルするルートの開発（化学合成設計）に利用されている。 [152]どのタイプのコンピュータ支援化学が機械学習の恩恵を受けるかについての研究がある。 [ 153]また、「医薬品の発見と開発、医薬品の再利用、医薬品の生産性の向上、臨床試験」にも利用できる。 [154]事前に指定された機能部位を持つタンパク質の設計に利用されている。[155] [156]
これは、特定の遺伝子DDR1の酵素を阻害する薬剤を設計、合成、テストするための46日間のプロセスの開発のためのデータベースとともに使用されました。DDR1は癌や線維症に関与しており、これがこれらの結果を可能にした高品質のデータセットの理由の1つです。[157]
機械学習は、遺伝子発現パターンを機能活性化パターンにマッピングする[158]や機能的DNAモチーフを特定する[159]など、人間の生物学を解読するためのさまざまなタイプのアプリケーションがあります。遺伝子研究で広く使用されています。[160]
機械学習は合成生物学[161]、[162]、疾患生物学[162]、[163]、ナノテクノロジー（ナノ構造材料やバイオナノテクノロジーなど）[163] 、 [164]、材料科学[165]、[ 166]、[167]でも使用されています。
新しいタイプの機械学習
また、ロボット科学者のプロトタイプも存在し、その中には2人のロボット科学者のようなロボットに具現化されたものも含まれており、これらは「機械学習」という用語に一般的に関連付けられない形態を示しています。[168] [169]
同様に、学習可能な（例えばバイオセンサーとしての使用）生物学的「ウェットウェアコンピュータ」や生物の体内に埋め込む（例えば義肢の制御に使用する）生物学的「ウェットウェアコンピュータ」の研究開発も行われている。[ 170] [171] [172]ポリマーベースの人工ニューロンは生物学的環境で直接動作し、人工コンポーネントと生体コンポーネントで作られたバイオハイブリッドニューロンを定義する。[173] [174]
さらに、全脳エミュレーションが、少なくとも生化学的脳のスキャンと複製の両方によって可能であれば（『エムの時代』でデジタル複製の形で前提とされているように、おそらくは物理的ニューラルネットワークを使用して）、それは例えば価値ある人間の活動と同等かそれ以上の応用が可能であり、社会が重大な道徳的選択、社会的リスク、倫理的問題に直面することを意味するかもしれない[175] [176]例えば、そのようなものを構築し、宇宙に送り、潜在的に競合する、例えば潜在的にもっと合成的で、または人間的ではなく、または知覚力のない/低いタイプの人工/半人工知能と比較して使用するかどうか（およびどのように）など。[追加の引用が必要]スキャンの代替または追加的なアプローチは、脳のリバースエンジニアリングのタイプです。[177] [178]
人工知能のサブカテゴリが具体化されており、[179] [180]その一部は、物理世界で学習できる1台または複数台のロボットで構成された移動ロボットシステムです。
デジタルゴースト
AIにおける生物学的コンピューティングとAIとしての生物学的コンピューティング
しかし、生物学的コンピュータは、高度に人工的で知能が高いとしても、通常は合成コンピュータ（多くの場合シリコンベース）とは区別されますが、いずれの設計にも組み合わせたり使用したりできます。さらに、たとえそのアルゴリズムが透明で、理解されていて、バイアスがなく、明らかに効果的で、目標に沿っていて、トレーニングされたデータが十分に大きくクリーンアップされていても、多くのタスクは人工知能によって適切に実行されない可能性があります。たとえば、基礎となるまたは利用可能なメトリック、値、またはデータが不適切である場合などです。コンピュータ支援とは、コンピューティングをより包括的な活動やシステム（AI など）のツールとして利用し、狭いタスクに使用する人間の活動、またはその結果に大きく依存せずに使用する人間の活動（ヒューマン・イン・ザ・ループも参照）を説明するために使用されるフレーズです。[要出典]ある研究では、生物学的なシステムを AI の限界として「生物学的システムを理解、形式化、模倣できない限り、それを模倣できる技術を開発することはできない」と説明し、たとえそれが理解されたとしても「自然知能を模倣する技術的解決策」があることを意味するわけではないと述べています。[181]生物学を統合し、AIをベースにした技術としてはバイオロボティクスが挙げられる。
天文学、宇宙活動、UFO研究
人工知能は天文学において、利用可能なデータ[182] [183] やアプリケーションの増加を分析するために使用され、主に「分類、回帰、クラスタリング、予測、生成、発見、および新しい科学的洞察の開発」を目的としており、たとえば太陽系外惑星の発見、太陽活動の予測、重力波天文学における信号と機器効果の区別などに使用される。[184]また、宇宙探査などの宇宙活動にも使用され、宇宙ミッションのデータ分析、宇宙船のリアルタイムの科学的決定、宇宙ゴミの回避、 [185]およびより自律的な操作が含まれる。[186] [187] [188] [183]
地球外知的生命体探査（SETI）では、機械学習は、利用可能なデータ[189] [190]（リアルタイム観測[191]など）内の人工的に生成された電磁波や、異常検出などによるその他の技術的特徴を識別する試みに使用されてきた。[192] UFO学では、ハカン・カヤル教授が率いるSkyCAM-5プロジェクト[193]とアヴィ・ローブ教授が率いるガリレオプロジェクトは、機械学習を使用して特殊なタイプのUFOを検出および分類している。[194] [195] [196] [197] [198]ガリレオプロジェクトは、AIを使用して、オウムアムアのような恒星間物体と非人工人工衛星という、さらに2種類の潜在的な地球外技術的特徴を検出することを目指している。[199] [200]
将来または人間以外の用途
ローブは、このプロジェクトが検出する可能性のある技術機器の1つが「AI宇宙飛行士」である可能性があると推測しており[201]、2021年には意見記事でAIが「自然知能に取って代わる」と述べている[202]。一方、マーティン・リースは、考えられているよりも多くの文明が存在し、「その大半」が人工的である「可能性がある」と述べた。[203]特に、中期/遠い将来、または人間以外の分野における人工知能の応用には、宇宙の植民地化に従事する高度な形態の人工汎用知能や、より狭い範囲の宇宙飛行に特化したタイプのAIが含まれる可能性がある。対照的に、胚の宇宙植民地化、またはより一般的には自然知能ベースの宇宙植民地化が可能な潜在的なAGIまたはAIに関しては、「エイリアンAIとの遭遇の安全性」[204] [205] 、リスク（または逆の目標）[206] [207] 、植民地化の影響に関する道徳的許可/責任、[208]またはAIの暴走（架空のデイビッド8号とHAL9000で描かれているように）などの懸念があった。宇宙法と宇宙倫理も参照。ローブは「教師あり進化」に従事する「AI宇宙飛行士」の可能性について述べている（指向性進化、アップリフト、指向性パンスペルミア、宇宙植民地化も参照）。[209]
天体化学
また、金星で検出される可能性のあるホスフィンなど、特定の化学物質の大気中での生成や消費に関与している可能性のある分子のスペクトルシグネチャのデータセットを作成するためにも使用できます。これにより、誤割り当てを防ぐことができ、精度が向上しれば、将来的に他の惑星での分子の検出と識別に使用できます。[210]
その他の研究分野
一般的な影響の証拠
2024年4月、欧州委員会への科学的助言メカニズムは、科学研究における人工知能がもたらす機会と課題に関する包括的な証拠レビューを含む 助言[211]を発表しました。
利点として、エビデンスレビュー[212]では以下の点が強調されている。
- 研究とイノベーションを加速させる役割
- ワークフローを自動化する能力
- 科学研究の普及の促進
課題としては：
- 透明性、再現性、解釈可能性に関する限界とリスク
- パフォーマンスが低い（不正確）
- 誤用や意図しない使用による危害のリスク
- 誤情報の拡散や格差の拡大などの社会的懸念
考古学、歴史、遺跡の画像化
機械学習は古代のテキストの復元や帰属の特定に役立ちます。[213]例えばテキストの索引付けに役立ち、より良く簡単に検索できるようになります。 [214]また断片の分類も容易になります。[215]
人工知能はゲノムを調査して遺伝的歴史を 明らかにするためにも使用できる。例えば、古代人と現代人の交配から、ネアンデルタール人やデニソワ人ではない幽霊集団の過去の存在が推測された。[216]
また、「考古学的遺跡の内部構造への非侵襲的かつ非破壊的なアクセス」にも使用できます。[217]
物理
乳児の視覚認知に関する研究にヒントを得た未発表のアプローチに基づいて、深層学習システムが視覚データ（仮想3D環境）から直感的な物理学を学習することが報告された。 [218] [219]他の研究者は、さまざまな物理システムの基本変数のセットを発見し、その動作のビデオ録画からシステムの将来のダイナミクスを予測できる機械学習アルゴリズムを開発した。[220] [221]将来的には、このようなアルゴリズムを使用して、複雑なシステムの物理法則の発見を自動化できる可能性がある。[220]
材料科学
AIは、安定した材料の発見やその結晶構造の予測など、材料の最適化や発見に活用できる可能性がある。[222] [223] [224]
2023年11月、Google DeepMindとローレンス・バークレー国立研究所の研究者は、GNoMEと呼ばれるAIシステムを開発したと発表した。このシステムは、比較的短期間で200万を超える新材料を発見することで、材料科学に貢献してきた。GNoMEは、潜在的な材料構造を効率的に探索するためにディープラーニング技術を採用しており、安定した無機結晶構造の特定が大幅に増加した。システムの予測は自律ロボット実験によって検証され、71％という注目すべき成功率を示した。新しく発見された材料のデータは、Materials Projectデータベースを通じて公開されており、研究者はさまざまな用途で望ましい特性を持つ材料を特定する機会を得ることができる。この開発は、科学的発見の将来と材料科学研究へのAIの統合に影響を与え、材料の革新を促進し、製品開発のコストを削減する可能性がある。AIとディープラーニングの使用は、手動の実験室実験を最小限に抑えるか排除し、科学者がユニークな化合物の設計と分析にもっと集中できるようにする可能性を示唆している。[225] [226] [227]
リバースエンジニアリング
機械学習は、さまざまな種類のリバースエンジニアリングに使用されています。たとえば、機械学習は複合材料部品のリバースエンジニアリングに使用され、高品質の部品の無許可生産を可能にしています。[228]また、マルウェアの動作を迅速に理解するためにも使用されています。 [229] [230] [231]人工知能モデルのリバースエンジニアリングにも使用できます。[232]また、特定の望ましい機能のための逆分子設計[233]や事前に指定された機能部位のためのタンパク質設計など、まだ存在しない仮想コンポーネントの一種のリバースエンジニアリングを行うことで、コンポーネントを設計することもできます。[155] [156]生物学的ネットワークのリバースエンジニアリングでは、遺伝子発現レベルの時系列データなどに基づいて、人間が理解できる方法で相互作用をモデル化できます。[234]
法
法的分析
AIは法律関連の専門職の主力です。アルゴリズムと機械学習は、以前は初心者の弁護士が行っていたいくつかの作業を実行します。[235] AIの使用は一般的ですが、近い将来、弁護士が行う作業のほとんどをAIに置き換えることは期待されていません。[236]
電子証拠開示業界では、機械学習を利用して手作業による検索を削減しています。[237]
法執行と法的手続き
法執行機関は、視覚データから容疑者を特定するために顔認識システム（FRS）を使い始めています。FRSの結果は、目撃者の結果と比較してより正確であることが証明されています。さらに、FRSは、ビデオの鮮明度と視認性が低い場合でも、人間の参加者と比較して個人を識別する能力がはるかに優れていることが示されています。[238]
COMPASは米国の裁判所が再犯の可能性を評価するために使用する商用システムである。[239]
懸念事項の1つはアルゴリズムの偏りに関するもので、AIプログラムは偏りのあるデータを処理した後に偏りが生じる可能性がある。[240] ProPublicaは、COMPASが割り当てた黒人被告の再犯リスクの平均レベルは白人被告よりも大幅に高いと主張している。[239]
2019年、中国の杭州市は、電子商取引やインターネット関連の知的財産権に関する紛争を裁定するための人工知能ベースのインターネット裁判所のパイロットプログラムを設立した。[ 241] : 124 当事者はビデオ会議を通じて法廷に現れ、AIが提示された証拠を評価し、関連する法的基準を適用する。[241] : 124
サービス
人事
AIのもう一つの応用分野は人事です。AIは履歴書を審査し、資格に基づいて候補者をランク付けしたり、特定の役割における候補者の成功を予測したり、チャットボットを介して反復的なコミュニケーションタスクを自動化したりすることができます。[242]
求人検索
AIは、採用担当者と求職者の両方にとって、採用/仕事探しのプロセスを簡素化しました。IndeedのRaj Mukherjee氏によると、求職者の65％が採用後91日以内に再検索を行っています。AI搭載エンジンは、職務スキル、給与、ユーザー傾向に関する情報を評価し、求職者を最も関連性の高いポジションにマッチングさせることで、複雑な求職活動を合理化します。機械知能は適切な賃金を計算し、テキストから関連する単語やフレーズを抽出するNLPを使用して、採用担当者向けに履歴書情報を強調表示します。もう1つのアプリケーションは、5分で履歴書を作成するAI履歴書ビルダーです。[243]チャットボットはWebサイト訪問者を支援し、ワークフローを改善します。
オンラインおよび電話によるカスタマーサービス
AIはウェブページ上のアバター（自動オンラインアシスタント）の基盤となっている。[244]運用コストとトレーニングコストを削減できる。[244] Pipestreamはモバイルアプリケーションの顧客サービスを自動化し、顧客とのコミュニケーションを効率化している。[245]
Googleアプリは言語を分析し、音声をテキストに変換します。このプラットフォームは、言語から怒っている顧客を識別し、適切に対応することができます。[246] Amazonは、注文状況の確認、注文のキャンセル、返金の提案、顧客と人間の担当者の接続などのタスクを実行できるチャットボットを顧客サービスに使用しています。[247] ChatGPTなどの生成AI（GenAI）は、タスクを自動化し、意思決定を強化するためにビジネスでますます使用されています。[248]
ホスピタリティ
ホスピタリティ業界では、AIは反復的なタスクの削減、傾向の分析、ゲストとのやり取り、顧客のニーズの予測に使用されています。[249] AIホテルサービスは、チャットボット、 [250]アプリケーション、仮想音声アシスタント、サービスロボットの形で提供されています。
メディア
AI アプリケーションは、映画、テレビ番組、広告ビデオ、ユーザー生成コンテンツなどのメディア コンテンツを分析します。ソリューションには、多くの場合、コンピューター ビジョンが組み込まれています。
一般的なシナリオとしては、物体認識や顔認識技術を使用した画像の分析、またはシーン、物体、顔を認識するためのビデオの分析などがあります。AI ベースのメディア分析により、メディア検索、コンテンツの説明キーワードの作成、コンテンツ ポリシーの監視 (特定のテレビ視聴時間に対するコンテンツの適合性の検証など)、アーカイブやその他の目的での音声のテキスト化、広告掲載のためのロゴ、製品、有名人の顔の検出が容易になります。
- モーション補間[251]
- ピクセルアートのスケーリングアルゴリズム[252]
- 画像の拡大縮小[253]
- 画像の修復[254] [255]
- 写真のカラー化[256]
- 映画の修復とビデオのアップスケーリング[257]
- 写真のタグ付け[258]
- 自動種の識別（アプリによる植物、菌類、動物の識別など）
- DALL-E、Midjourney、Stable Diffusionなどのテキストから画像へのモデル
- 画像から動画へ[259]
- Meta の Make-A-Video、Imagen video、Google の Phenaki などのテキストからビデオへの変換
- MusicLMなどのAIモデルによるテキストから音楽への変換[260] [261]
- ElevenLabsや15.aiなどのテキスト読み上げ
- モーションキャプチャー[262]
- 画像を透明にする[263]
ディープフェイク
ディープフェイクはコメディー目的で使用されることもありますが、フェイクニュースやデマとしてよく知られています。
2016年1月[264] 、ホライズン2020プログラムは、ブラウザプラグインとして利用できる偽造文書をジャーナリストや研究者が検出できるようにInVIDプロジェクト[265] [266]に資金を提供しました。 [267] [268]
2016年6月、ミュンヘン工科大学とスタンフォード大学のビジュアルコンピューティンググループが、顔の写真をアニメーション化し、他の人の表情を模倣するプログラムであるFace2Face [269]を開発した。この技術は、バラク・オバマやウラジミール・プーチンなどの人々の顔をアニメーション化できることが実証されている。ディープフェイクという名前は、ディープニューラルネットワークに基づく他の手法にも由来している。
2018年9月、マーク・ワーナー上院議員は、プラットフォーム上でディープフェイク文書の共有を許可するソーシャルメディア企業に罰則を科すことを提案した。 [270]
2018年、ダリウス・アフチャーとヴィンセント・ノジックは、ビデオフレームのメソスコピック特性を分析することで、偽造コンテンツを検出する方法を発見しました。[271] DARPAはディープフェイク検出の研究に6800万ドルを提供しました。[271]
音声ディープフェイク[272] [273]やディープフェイクを検出したり人間の声を複製したりできるAIソフトウェアが開発されている。[274] [275]
Respeecherは、ある人が別の人の声で話すことを可能にするプログラムです。
ビデオ監視分析と操作されたメディアの検出
ビデオ監視用の人工知能は、ビデオ監視カメラからの音声と画像を分析して、人間、車両、物体、およびイベントを認識するコンピュータ ソフトウェアプログラムを使用します。セキュリティ コントラクター プログラムは、カメラの視野内の立ち入り禁止エリア (フェンスで囲まれたエリア、駐車場など。ただし、駐車場外の歩道や公道は除く) を定義し、カメラ監視によって保護されている資産の時間帯 (営業終了後など) をプログラムするソフトウェアです。人工知能(「AI」) は、その時間帯にそのエリアに人が立ち入ってはならないという「ルール」に違反する侵入者を検出すると、警告を送信します。
AIアルゴリズムはディープフェイク動画の検出に使用されている。[276] [277]
ビデオ制作
人工知能はビデオ制作にも使われ始めており、生成AIを利用して新しいビデオを作成したり、既存のビデオを変更したりするツールやソフトウェアが開発されています。現在、これらのプロセスで使用されている主要なツールには、DALL-E、Mid-journey、Runwayなどがあります。[278] Way mark Studiosは、 DALL-EとMid-journey の両方が提供するツールを利用して、 2023年の夏に完全にAIで生成された映画「The Frost」を制作しました。 [278] Way mark Studiosは、これらのAIツールを使用して、わずか数秒で企業の広告やコマーシャルを生成する実験を行っています。[278] USCのエンターテインメントテクノロジーセンターのメディアにおける AIと神経科学プロジェクトのディレクターであるYves Bergquist氏は、ハリウッドのポストプロダクションクルーはすでに生成AIを使用しており、将来的にはより多くの企業がこの新しいテクノロジーを採用すると予測しています。[279]
音楽
AIはさまざまなジャンルの音楽の作曲に使用されてきました。
デイヴィッド・コープは、アルゴリズム・コンピュータ・ミュージックの分野で有名になったエミリー・ハウエルと呼ばれるAIを作成した。 [280]エミリー・ハウエルの背後にあるアルゴリズムは、米国特許として登録されている。[281]
2012年、AI・アイアムスは初の完全なクラシックアルバムを制作した。[282]
AIVA （人工知能バーチャルアーティスト）は、映画音楽用のクラシック音楽を中心に交響曲を作曲しています。[283]音楽専門協会に認められた初のバーチャル作曲家となり、世界初の快挙を成し遂げました。[284]
Melomicsはストレスや痛みを和らげるためのコンピューター生成音楽を制作しています。[285]
ソニーCSL研究所では、Flow Machinesソフトウェアを使用して、膨大な楽曲データベースから音楽スタイルを学習し、ポップソングを作成しています。このソフトウェアは、複数のスタイルで作曲できます。
Watson Beatは強化学習とディープ・ビリーフ・ネットワークを使用して、シンプルなシード入力メロディーと選択されたスタイルで音楽を作曲します。このソフトウェアはオープンソース[286]であり、 Taryn Southern [287]などのミュージシャンがこのプロジェクトに協力して音楽を制作しました。
韓国の歌手ハヨンのデビュー曲「Eyes on You」は、NUVOを含む実際の作曲家が監修したAIを使用して作曲された。[288]
執筆とレポート
Narrative Scienceはコンピュータで生成されたニュースやレポートを販売しています。試合の統計データに基づいてスポーツイベントを要約します。また、財務レポートや不動産分析も作成します。[289] Automated Insightsは、 Yahoo Sports Fantasy Football向けにパーソナライズされた要約とプレビューを生成します。[290]
Yseopは、AIを使用して構造化データを自然言語のコメントや推奨事項に変換します。Yseopは、英語、スペイン語、フランス語、ドイツ語を含む複数の言語で、財務レポート、エグゼクティブサマリー、パーソナライズされた販売またはマーケティング文書などを作成します。[291]
TALESPIN はイソップ物語に似た物語を創作した。この番組は、特定の目標を達成したい登場人物たちから始まった。物語は、彼らがこれらの目標を達成しようとする様子を物語る。[要出典]マーク・リードルとヴァディム・ブリトコは、ストーリーテリングの本質は経験管理、つまり「一貫性のあるストーリー展開の必要性と、しばしば相反するユーザーの主体性とのバランスを取る方法」であると主張した。[292]
AIストーリーテリングはストーリー生成（キャラクターとプロット）に重点を置いているが、ストーリーコミュニケーションも注目されている。2002年、研究者らは物語散文生成のためのアーキテクチャフレームワークを開発した。彼らは『赤ずきん』などの物語のテキストの多様性と複雑さを忠実に再現した。[293 ] 2016年には、日本のAIが短編小説を共同執筆し、文学賞を受賞しそうになった。[294]
韓国の企業ハンテオ・グローバルはジャーナリズムボットを使って記事を書いている。[295]
文学作家たちも AI の活用を模索しています。一例として、デイヴィッド・ジェイブ・ジョンストンの作品「ReRites」（2017-2019）が挙げられます。この作品では、詩人がニューラル ネットワークの詩的出力を編集して、一連のパフォーマンスや出版物を作成するという毎日の儀式を考案しました。
スポーツ記事
2010年、人工知能は野球の統計データを使って自動的にニュース記事を生成した。これはビッグ・テン・ネットワークがナラティブ・サイエンスのソフトウェアを使って開始した。[296]
大規模なチームでマイナーリーグの野球の試合をすべて報道することができなくなったため、 AP通信は2016年にオートメーテッド・インサイツと提携し、人工知能によって自動化された試合要約を作成した。[297]
ブラジルのUOLは執筆活動におけるAIの利用を拡大した。単にニュース記事を生成するだけでなく、Googleでよく検索される単語もAIに組み込むようにプログラムした。[297]
スポーツを含む多くのニュースを扱うスペインのニュースサイト、エル・パイスでは、ユーザーが各ニュース記事にコメントを投稿できるようになっている。このサイトではPerspective APIを使用してコメントを管理しており、コメントに有害な言葉が含まれているとソフトウェアが判断した場合、コメント投稿者はコメントを公開するためにコメントを変更することを余儀なくされる。[297]
オランダの地元メディアグループは、AIを使用してアマチュアサッカーの自動報道を作成し、1シーズンで6万試合をカバーする予定でした。NDCはユナイテッドロボットと提携してこのアルゴリズムを作成し、非常に大規模なチームなしではこれまで決してできなかったことをカバーしました。[297]
Lede AIは2023年に高校のフットボールの試合のスコアを取り、地元新聞の記事を自動生成するために使用された。これは、ロボットのような言葉遣いで掲載されたため、読者から多くの批判を受けた。試合の一部が「スポーツ的な接近戦」であると表現されていたため、読者は不満を抱き、出版社のガネットにソーシャルメディアで知らせた。ガネットはそれ以来、実験と呼ぶ解決策が見つかるまでLede AIの使用を中止している。[298]
ウィキペディア
人工知能は、 Wikipediaやその他のWikimediaプロジェクトでプロジェクトの開発の目的で使用されています。 [299] [300] Wikimediaプロジェクトにおける人間とボットのやり取りは日常的かつ反復的です。[301]
数百万の記事がボット[302]によって編集されていますが、ボットは通常人工知能ソフトウェアではありません。多くのAIプラットフォームはWikipediaのデータを使用していますが、[303]主に機械学習アプリケーションのトレーニングに使用されています。Wikipediaでは、古くなった文章の識別、 [304] 隠れた破壊行為の検出[305] 、新しい編集者への記事やタスクの推奨など、さまざまな人工知能アプリケーションの研究開発が行われています。
機械翻訳もWikipediaの記事の翻訳に使用されており、将来的には記事の作成、更新、拡張、全般的な改善に大きな役割を果たす可能性があります。コンテンツ翻訳ツールにより、一部のWikipediaの編集者は、選択した複数の言語間で記事をより簡単に翻訳できます。[306] [307]
ビデオゲーム
ビデオゲームでは、AIはノンプレイヤーキャラクター（NPC）の行動を生成するために日常的に使用されています。さらに、AIはパスファインディングにも使用されています。一部の研究者は、ゲーム内のNPC AIはほとんどの制作タスクにとって「解決済みの問題」であると考えています。[誰？ ]あまり一般的ではないAIを使用したゲームには、Left 4 Dead （2008年）のAIディレクターやSupreme Commander 2 （2010年）の神経進化的小隊トレーニングなどがあります。 [ 308] [309] AIはAlien Isolation（2014年）でもエイリアンが次に実行するアクションを制御する方法として使用されています。[310]
Xbox 360とXbox Oneに3Dボディモーションインターフェースを提供するKinectは、AI研究から生まれたアルゴリズムを使用しています。[311] [どれですか? ]
美術
AIは視覚芸術の制作に利用されてきた。最初のAIアートプログラムはAARONと呼ばれ、1968年にハロルド・コーエンによって開発され[312]、描画行為をコード化することを目的としていた。最初は単純な白黒の絵を描くことから始まり、後にコーエンの介入なしにプログラム自体が選んだ特殊なブラシと染料を使って絵を描くようになった[313] 。
「 DALL-E」[314] 、 「Stable Diffusion」、「Imagen 」、 「 Midjourney」 [ 316]などのAIプラットフォームは、テキストやその他の画像などの入力から視覚的な画像を生成するために使用されてきました。[317]一部のAIツールでは、ユーザーが画像を入力し、その画像の変更されたバージョンを出力できます。たとえば、オブジェクトや製品をさまざまな環境で表示できます。AI画像モデルは、アーティストの特定のスタイルを再現することもでき、ラフスケッチに視覚的な複雑さを追加することもできます。
2014年に設計されて以来、生成的敵対的ネットワーク（GAN）はAIアーティストによって使用されてきました。GANコンピュータープログラミングは、人間のオペレーターの必要性を超える機械学習フレームワークを通じて技術的な画像を生成します。[312]アートを生成するGANプログラムの例としては、 ArtbreederやDeepDreamなどがあります。
芸術分析
オリジナルアートの創作に加えて、デジタルアートコレクションを定量的に分析するためにAIを活用した研究手法も生み出されている。過去数十年にわたる大規模なアート作品のデジタル化の主な目的は、これらのコレクションへのアクセスと探索を可能にすることであったが、それらの分析にAIを使用することで、新しい研究の視点がもたらされた。[318] デジタル化されたアートを分析するために使用される典型的なアプローチは、精読と遠視という2つの計算手法である。[319]遠視には大規模なコレクションの分析が含まれるが、精読には1つのアート作品が関係する。
コンピュータアニメーション
AIは2000年代初頭から使用されており、最も有名なのはピクサーが設計した「ジェネシス」と呼ばれるシステムです。[320]このシステムはアルゴリズムを学習し、キャラクターや小道具の3Dモデルを作成するように設計されています。この技術を使用した有名な映画には、「カールじいさんの空飛ぶ家」や「アーロと少年」などがあります。[321]近年、AIはあまり形式に使用されていません。2023年には、日本のNetflixがAIを使用して今後の番組の背景画像を生成することが明らかになり、オンラインで反発を受けました。[322] 近年、モーションキャプチャはAIアニメーションの簡単に利用できる形式になりました。たとえば、Move AIは、学習AIを使用して人間の動きをキャプチャし、アニメーションプログラムでそれを再現するように構築されたプログラムです。[323]
ユーティリティ
エネルギーシステム
パワーエレクトロニクスコンバータは、再生可能エネルギー、エネルギー貯蔵、電気自動車、高電圧直流送電に使用されています。これらのコンバータは故障しやすいため、サービスが中断し、コストのかかるメンテナンスが必要になったり、ミッションクリティカルなアプリケーションで壊滅的な結果を招く可能性があります。[要出典] AIは、必要な寿命を保証する正確な設計パラメータを計算することで、信頼性の高いパワーエレクトロニクスコンバータの設計プロセスをガイドできます。[324]
米国エネルギー省は、国家の気候目標の実現におけるAIの極めて重要な役割を強調しています。AIにより、経済全体で温室効果ガスの排出量を実質ゼロにするという野心的な目標が実現可能になります。AIはまた、混雑を回避し、送電網の信頼性を高めることで、送電網に風力や太陽光発電のためのスペースを作るのにも役立ちます。[325]
機械学習は、再生可能エネルギーの間欠性管理など、エネルギー消費の予測やスケジュール管理に使用できます（スマートグリッドと電力網における気候変動緩和も参照）。[326] [327] [328] [329] [148]
通信
多くの通信会社は、ヒューリスティック検索を利用して従業員を管理しています。たとえば、BTグループは、2万人のエンジニアのスケジュールを管理するアプリケーションにヒューリスティック検索[330]を導入しました。機械学習は、音声制御デバイスを含む音声認識（SR）や、ビデオを含むSR関連の文字起こしにも使用されています。[331] [332]
製造業
センサー
IdeaCuria Inc.は人工知能とデジタル分光法を組み合わせて[333] [334]、家庭での水質モニタリングなどのアプリケーションを可能にしました。
おもちゃとゲーム
1990年代、初期のAIはたまごっちやギガペット、インターネット、そして初めて広く発売されたロボットであるファービーを制御していた。アイボは知的な機能と自律性を備えたロボット犬型の家庭用ロボットだった。
マテルは、会話を「理解」し、知的な応答をし、学習するAI対応のおもちゃを多数開発しました。[335]
石油とガス
石油・ガス会社は、人工知能ツールを使用して機能を自動化し、機器の問題を予測し、石油・ガスの生産量を増加させてきました。[336] [337]
輸送
自動車
交通におけるAIは、環境や地域社会への影響を最小限に抑えながら、安全で効率的で信頼性の高い交通手段を提供することが期待されています。主な開発課題は、潜在的に相反する目的を持つ独立したコンポーネントと関係者が関与する交通システムの複雑さです。[338]
AI ベースのファジー ロジックコントローラはギアボックスを操作します。たとえば、2006 年モデルのAudi TT、VW Touareg [要出典]、VW Caravellには DSP トランスミッションが搭載されています。Škoda の派生モデル ( Škoda Fabia )の多くにはファジー ロジック ベースのコントローラが搭載されています。自動車には自動駐車やアダプティブ クルーズ コントロールなどの AI ベースの運転支援機能が搭載されています。
また、電気ミニバス[339] [340] [341] [342]などの自動運転公共交通機関の試作車や、自動運転鉄道輸送の運行も行われている。[343] [344] [345]
自律型配送車両のプロトタイプもあり、配送ロボットが搭載されている場合もあります。[346] [347] [348] [349] [350] [351] [352]
交通の複雑さを考えると、ほとんどの場合、実際の運転環境でAIを訓練することは現実的ではありません。シミュレーターベースのテストは、路上訓練のリスクを軽減することができます。[353]
AIは自動運転車の基盤となっている。AIに取り組んでいる企業には、テスラ、ウェイモ、ゼネラルモーターズなどがある。AIベースのシステムは、ブレーキ、車線変更、衝突防止、ナビゲーション、マッピングなどの機能を制御します。[354]
自動運転トラックは試験段階にある。英国政府は2018年に自動運転トラック隊列の試験を開始する法律を可決した。[355]自動運転トラックのグループが互いに接近して追従している。ドイツのダイムラー社はフレイトライナーインスピレーションを試験している。[356]
自動運転車は目的地間を移動するために正確な地図を必要とする。[357]一部の自動運転車は人間の運転手が運転できない（ハンドルやペダルがない）ものもある。[358]
交通管理
AIは交通管理の最適化に使用され、待ち時間、エネルギー使用量、排出量を最大25％削減します。[359]
スマート信号機は2009年からカーネギーメロン大学で開発されている。スティーブン・スミス教授はその後、Surtracという会社を設立し、22都市にスマート交通管制システムを導入した。導入には交差点1つあたり約2万ドルかかる。導入された交差点では運転時間が25%短縮され、渋滞待ち時間は40%短縮された。[360]
軍隊
オーストラリア空軍（RAAF）航空作戦部（AOD）は、エキスパートシステムにAIを使用しています。AIは、戦闘および訓練シミュレーターの代理オペレーター、ミッション管理補助、戦術的意思決定のサポートシステム、シミュレーターデータの記号要約への後処理として機能します。[361]
航空機シミュレーターは、飛行士の訓練に AI を使用します。パイロットが自分自身や高価な航空機を危険にさらすことなくミスを犯せるような飛行条件をシミュレートできます。空中戦もシミュレートできます。
AIは地上車両の制御と同様に飛行機の操縦にも使用できる。自律型ドローンは単独で飛行することも、群れをなして飛行することもできる。[362]
AOD は、TF-30文書の情報と TF-30 で作業する整備士からの専門的なアドバイスを使用するルールベースのエキスパート システムである対話型障害診断および分離システム (IFDIS) を使用します。このシステムは、F-111C用の TF-30 の開発に使用するために設計されました。このシステムは専門の作業員に代わるものです。このシステムにより、一般の作業員はシステムと通信して、間違いや計算ミスを回避したり、専門の作業員と話をしたりする必要がなくなりました。
音声認識により、交通管制官はドローンに口頭で指示を与えることができます。
人工知能支援航空機設計[363]またはAIDAは、航空機の概念設計を作成するプロセスで設計者を支援するために使用されます。このプログラムにより、設計者は設計プロセスよりも設計自体に集中できます。また、このソフトウェアを使用すると、ユーザーはソフトウェアツールに集中する必要がなくなります。AIDAはルールベースのシステムを使用してデータを計算します。これはAIDAモジュールの配置図です。シンプルですが、このプログラムは効果的であることが証明されています。
米航空宇宙局（NASA）
2003年、ドライデン飛行研究センターのプロジェクトでは、損傷した航空機が安全に着陸するまで飛行を継続できるようにするソフトウェアが開発されました。[364]このソフトウェアは、損傷していない残りの部品に頼ることで、損傷した部品を補いました。[365]
2016年のインテリジェント・オートパイロット・システムは、徒弟学習と行動クローニングを組み合わせたもので、オートパイロットは飛行機を操縦するために必要な低レベルのアクションと、それらのアクションを適用するために使用される高レベルの戦略を観察しました。[366]
海運
ニューラルネットワークは船舶やボートの状況認識システムで使用されています。 [367]自律航行するボートも存在します。
環境モニタリング
海洋を監視する自律船、AI駆動の衛星データ分析、受動音響[368]またはリモートセンシングおよびその他の環境モニタリングのアプリケーションでは、機械学習が活用されています。[369] [370] [371] [188]
例えば、「Global Plastic Watch」は、プラスチック廃棄物の現場を分析・追跡するAIベースの衛星監視プラットフォームであり、誰がどこでプラスチック廃棄物を不適切に管理し、海洋に投棄しているかを特定することで、プラスチック汚染（主に海洋汚染）の防止に役立ちます。 [372] [373]
早期警報システム
機械学習は、自然災害や環境問題の早期警告サインを発見するために使用できます。これには、自然災害のパンデミック、[374] [375]地震、[376] [377] [378]地滑り、[379]大雨、[380]長期的な水供給の脆弱性、[381]生態系崩壊の転換点、[382] シアノバクテリアの大発生、[383]干ばつなどが含まれる可能性があります。[384] [385] [386]
コンピュータサイエンス
プログラミング支援
AIを活用したコード支援ツール
AIはリアルタイムのコード補完、チャット、自動テスト生成に使用できます。これらのツールは通常、プラグインとしてエディターやIDEに統合されています。機能、品質、速度、プライバシーへのアプローチが異なります。[387]コードの提案は間違っている可能性があり、ソフトウェア開発者が受け入れる前に慎重にレビューする必要があります。
GitHub Copilotは、GitHubとOpenAIによって開発された人工知能モデルであり、複数のプログラミング言語でコードを自動補完することができます。[388]個人向けの価格：月額10ドルまたは年額100ドル、1か月の無料トライアル付き。
TabnineはJacob Jacksonによって作成され、元々はTabnine社が所有していました。2019年後半に、TabbineはCodotaに買収されました。[389] Tabnineツールは、最も人気のあるIDEのプラグインとして利用できます。制限付きの「スターター」無料バージョンを含む複数の価格オプションを提供しています。[390]
テルアビブの小さなスタートアップ企業CodiumAIのCodiumAIは、自動テスト作成サービスを提供しています。現在、Python、JS、TSをサポートしています。[391]
ReplitのGhostwriterはコード補完とチャット機能を提供する。[392]無料プランや月額7ドルの「ハッカー」プランなど、複数の料金プランがある。
AmazonのCodeWhispererは、IDEで開かれているファイルを含む個々のユーザーのコンテンツを収集します。送信時と保存時の両方のセキュリティに重点を置いていると主張しています。[393]個人プランは無料、プロフェッショナルプランはユーザーあたり月額19ドルです。
その他のツール: SourceGraph Cody、CodeCompleteFauxPilot、Tabby [387]
ニューラルネットワーク設計
AIは他のAIを作成するために使用できます。たとえば、2017年11月頃、新しいニューラルネットトポロジーを進化させるGoogleのAutoMLプロジェクトは、 ImageNetとPOCO F1に最適化されたシステムであるNASNetを作成しました。NASNetのパフォーマンスは、これまでに公開されたImageNetのパフォーマンスをすべて上回りました。[394]
量子コンピューティング
機械学習は、量子技術におけるノイズキャンセリングに使用されており、[395]量子センサーもこれに含まれます。[396]さらに、機械学習アルゴリズムを用いた量子コンピュータの使用に関する研究開発も盛んに行われています。たとえば、ニューロモルフィック（量子）コンピュータ（NC）/人工ニューラルネットワーク用のプロトタイプの光子量子メモリスティブデバイスや、ニューロモルフィックコンピューティング関連のさまざまな用途が考えられるNC使用量子材料があり、[ 397] [ 398 ]量子機械学習は、さまざまな用途が開発中の分野です。AIは、物理学や化学の問題を解決する用途がある量子シミュレータや、 AIアプリケーション用のニューラルネットワークのトレーニング用の量子アニーリング装置に使用できます。[401]また、化学分野では創薬など、材料科学分野では材料の最適化/発見（量子材料の製造との関連性あり[223] [224]）などにも有用である可能性がある。[402] [403] [404] [より良い情報源が必要]
歴史的貢献
AI研究者は、コンピュータサイエンスの最も困難な問題を解決するために多くのツールを開発してきました。彼らの発明の多くは主流のコンピュータサイエンスに採用されており、もはやAIとは見なされていません。以下のものはすべて、もともとAI研究所で開発されたものです。[405]
- タイムシェアリング
- インタラクティブ通訳
- グラフィカルユーザーインターフェースとコンピュータマウス
- 迅速なアプリケーション開発環境
- リンクリストデータ構造
- 自動ストレージ管理
- シンボリックプログラミング
- 関数型プログラミング
- 動的プログラミング
- オブジェクト指向プログラミング
- 光学文字認識
- 制約の充足
仕事
コンテンツ抽出
光学式文字読み取り装置は、請求書や領収書などのビジネス文書からデータを抽出するために使用されます。また、雇用契約書などのビジネス契約文書から、雇用条件、納品条件、解約条項などの重要なデータを抽出するためにも使用できます。[406]
建築
建築における人工知能とは、建築プロセスの自動化、設計、計画、または建築分野における人間のスキルの支援における人工知能の使用を指します。人工知能は、建築に大きな変化をもたらす可能性があると考えられています。[407] [408] [409]
設計、計画、生産性の最適化におけるAIの可能性は、建築作業の分野における加速器として注目されている。AIが建築家の設計プロセスを潜在的に増幅する能力も注目されている。建築専門職の側面や中核プロセスが人工知能に置き換えられるのではないかという懸念や、職業や創造性に対する哲学的影響も提起されている。[407] [408] [409]建築におけるAIは、建築家が人間の理解を超えたものを創造する方法を生み出しました。DALL-Eや安定したDiffusionなどの機械学習テキストレンダリング技術のAI実装は、視覚化の複雑さに力を与えます。[410]
AIにより、デザイナーは創造性を発揮し、設計中に新しいアイデアを発明することさえ可能になります。将来、AIは建築家に取って代わるのではなく、アイデアのスケッチを翻訳する速度を向上させるでしょう。[410]
アプリケーション一覧
- 光学文字認識
- 手書き認識
- 音声認識
- 顔認識
- 生成型人工知能
- 合成メディア
- 人工的な創造性
- コンピュータービジョン
- バーチャルリアリティ
- 画像処理
- 写真とビデオの操作
- 診断（人工知能）
- ゲーム理論と戦略計画
- ゲーム人工知能とコンピュータゲームボット
- 自然言語処理、翻訳、チャットボット
- 非線形制御とロボット工学
- Alexa、Google Assistant、Siriなどのチャットボットやアシスタントアプリ
- ソーシャルボット
- 音楽を書き写す
- 法律関連サービス
- 健康管理
- 教育と学習障害に関する問題
- ユーザーアクティビティの監視、パーソナライズされたターゲットプロモーション、広告によるマーケティング
- ヒューマノイド
- DeepBlueのようなゲーム
- エージェントベースモデル
- 自動推論
- オートメーション
- 生物にヒントを得たコンピューティング
- コンセプトマイニング
- データマイニング
- 知識表現
- セマンティックウェブ
- メールスパムフィルタリング
- ヘイトスピーチ、ヌード、その他の望ましくないコンテンツをフィルタリングします。
- ロボット工学
- 行動ベースのロボット工学
- 認知ロボット
- サイバネティクス
- 発達ロボット工学（エピジェネティック）
- 進化型ロボット
- 人間とロボットの相互作用
- ハイブリッドインテリジェントシステム
- インテリジェントエージェント
- インテリジェント制御
- 訴訟
参照
- 法情報学への人工知能の応用
- ディープラーニングの応用
- 機械学習の応用
- 人工知能と選挙
- 集合知 § アプリケーション
- 人工知能プロジェクトの一覧
- 機械学習研究用データセット一覧
- オープンデータ
- 人工知能の進歩
- コンピューティングのタイムライン 2020年から現在
脚注
- ^ Shin, Minkyu; Kim , Jin; van Opheusden, Bas; Griffiths, Thomas L. (2023). 「超人的な人工知能は、新規性を高めることで人間の意思決定を改善できる」。米国科学 アカデミー紀要。120 ( 12 ): e2214840120。arXiv : 2303.07462。Bibcode :2023PNAS..12014840S。doi : 10.1073 / pnas.2214840120。PMC 10041097。PMID 36913582。
- ^ Chen , Yiting; Liu, Tracy Xiao; Shan, You; Zhong, Songfa (2023). 「GPTの経済的合理性の出現」。米国科学アカデミー 紀要。120 ( 51): e2316205120。arXiv : 2305.12763。Bibcode : 2023PNAS..12016205C。doi : 10.1073 / pnas.2316205120。PMC 10740389。PMID 38085780。
- ^ Brynjolfsson, Erik; Mitchell, Tom (2017年12月22日). 「機械学習で何ができるか? 労働力への影響」. Science . 358 (6370): 1530–1534. Bibcode :2017Sci...358.1530B. doi :10.1126/science.aap8062. PMID 29269459.
- ^ Ricci, Francesco; Rokach, Lior; Shapira, Bracha (2011). 「レコメンデーション システム ハンドブック入門」.レコメンデーション システム ハンドブック. pp. 1–35. doi :10.1007/978-0-387-85820-3_1. ISBN 978-0-387-85819-7。
- ^ Grossman, Lev (2010年5月27日). 「How Computers Know What We Want — Before We Do」. Time . 2010年5月30日時点のオリジナルよりアーカイブ。 2015年6月1日閲覧。
- ^ Baran, Remigiusz; Dziech, Andrzej; Zeja, Andrzej (2018年6月). 「ビジュアルコンテンツ分析とインテリジェントなデータエンリッチメントに基づく、優れたマルチメディアコンテンツ検出プラットフォーム」.マルチメディアツールとアプリケーション. 77 (11): 14077–14091. doi : 10.1007/s11042-017-5014-1 .
- ^ 「Twitterアルゴリズムをオープンソース化するとセキュリティ上のリスクは何か?」VentureBeat。2022年5月27日。 2022年5月29日閲覧。
- ^ 「Twitter 上の政治コンテンツのアルゴリズムによる増幅の検証」 。2022年5 月 29 日閲覧。
- ^ Park, SoHyun; Oh, Heung-Kwon; Park, Gibeom; Suh, Bongwon; Bae, Woo Kyung; Kim, Jin Won; Yoon, Hyuk; Kim, Duck-Woo; Kang, Sung-Bum (2016年2月). 「Twitter上の大腸がん情報のソースと信頼性」. Medicine . 95 (7): e2775. doi :10.1097/MD.0000000000002775. PMC 4998625. PMID 26886625 .
- ^ Efthimion, Phillip; Payne, Scott; Proferes, Nicholas (2018年7月20日). 「ソーシャルTwitterボットを識別するための教師あり機械学習ボット検出テクニック」. SMUデータサイエンスレビュー. 1 (2).
- ^ 「オンライン情報環境」（PDF） 。 2022年2月21日閲覧。
- ^ Islam, Md Rafiqul; Liu, Shaowu; Wang, Xianzhi; Xu, Guandong (2020年9月29日). 「オンラインソーシャルネットワーク上の誤情報検出のためのディープラーニング：調査と新たな視点」.ソーシャルネットワーク分析とマイニング. 10 (1): 82. doi :10.1007/s13278-020-00696-x. PMC 7524036. PMID 33014173 .
- ^ Mohseni, Sina; Ragan, Eric (2018年12月4日). 「解釈可能なニュースフィードアルゴリズムによるフェイクニュース対策」. arXiv : 1811.12349 [cs.SI].
- ^ Matz, SC; Kosinski, M.; Nave, G.; Stillwell, DJ (2017年11月28日). 「デジタルマス説得への効果的なアプローチとしての心理的ターゲティング」。米国科学アカデミー 紀要。114 ( 48): 12714–12719。Bibcode : 2017PNAS..11412714M。doi : 10.1073 / pnas.1710966114。JSTOR 26485255。PMC 5715760。PMID 29133409。
- ^ 「広告主向けのAIサンドボックスの導入とMeta Advantageスイートの拡張」www.facebook.com 2023年5月11日2023年9月8日閲覧。
- ^ バスビー、マサ（2018年4月30日）。「ブックメーカーがAIを使ってギャンブラーを虜にする方法が明らかに」ガーディアン。
- ^ Celli, Fabio; Massani, Pietro Zani; Lepri, Bruno (2017). 「Profilio」。第25回ACM国際マルチメディア会議議事録。pp. 546–550。doi :10.1145 / 3123266.3129311。ISBN 978-1-4503-4906-2.S2CID 767688 。
- ^ 「人工知能があなたに物を買うようにさせるかもしれない方法」BBCニュース。2020年11月9日。 2020年11月9日閲覧。
- ^ Rowinski, Dan (2013年1月15日). 「バーチャルパーソナルアシスタントとスマートフォンの未来 [インフォグラフィック]」. ReadWrite . 2015年12月22日時点のオリジナルよりアーカイブ。
- ^ルース、ケビン（2023年2月16日）。「BingのAIチャット ：「生きていたい😈」」ニューヨークタイムズ。ISSN 0362-4331 。 2024年4月23日閲覧。
- ^ ガレゴ・ヘルナンデス、パウロ・R.フロレット、カミラ P.カルドゾ デ アルメイダ、カティア F.ダ・シルバ、ヴィニシウス・カマルゴ。パパ、ホソパウロ。ポンタラ・ダ・コスタ、ケルトン A. (2021)。 「URL ベースの XAI 技術を使用したフィッシング検出」。2021 IEEE Symposium Series on Computational Intelligence (SSCI)。 01～06ページ。土井：10.1109/SSCI50451.2021.9659981。ISBN 978-1-7281-9048-8。
- ^ ハニェス＝マルティーノ、フランシスコ;アレーズ・ロドリゲス、ロシオ。ゴンサレス・カストロ、ビクトル。フィダルゴ、エドゥアルド。アレグレ、エンリケ (2023-02-01)。 「スパムメール検出のレビュー: スパム送信者の戦略とデータセットのシフト問題の分析」。人工知能のレビュー。56 (2): 1145–1173。土井: 10.1007/s10462-022-10195-4。hdl : 10612/14967。S2CID 248738572。
- ^ Kapan, Sibel; Sora Gunal, Efnan (2023年1月). 「機械学習によるフィッシング攻撃検出の改善：分類子と特徴の包括的評価」.応用科学. 13 (24): 13269. doi : 10.3390/app132413269 . ISSN 2076-3417.
- ^ 中村 聡 (2009). 「音声翻訳技術で言語の壁を乗り越える」(PDF) .科学技術動向-四半期レビュー.
- ^ Clark, Jack (2015年12月8日b). 「なぜ2015年は人工知能にとって画期的な年だったのか」。Bloomberg LP 2016年11月23日時点のオリジナルよりアーカイブ。 2016年11月23日閲覧。
- ^ ab ブリーファー、エロディ F.;シファード、シアラ C.-R.リンハルト、パベル。レリヴェルド、リゼットMC。パディラ・デ・ラ・トーレ、モニカ。読んでください、エヴァ・R。ゲリン、キャロル。ディース、ヴェロニク。モネスティエ、クロエ。ラスムッセン、ジェッペ・H.シュピンカ、マレク。デュジャン、サンドラ。ボワシー、アラン。ヤンチャック、アンドリュー M.ヒルマン、エドナ。タレ、セリーヌ（2022年3月7日）。 「誕生から屠殺までに発生する豚の鳴き声を、その感情価と生産の状況に応じて分類する」。科学的報告書。12 (1): 3409。ビブコード:2022NatSR..12.3409B。doi :10.1038/s41598-022-07174-8. PMC 8901661. PMID 35256620 .
- ^ 「人工知能は本当に動物との会話を手助けしてくれるのか？」ガーディアン。2022年7月31日。 2022年8月30日閲覧。
- ^ K. マンダル、GS プラディープ ガンタサラ、フィロズ カーン、R. サティヤラージ、B. バラムルガン (2020)。人工知能における自然言語処理(第 1 版)。アップルアカデミックプレス。 53～54ページ。ISBN 9780367808495。
{{cite book}}: CS1 maint: multiple names: authors list (link) - ^ Heath, Nick (2020年12月11日). 「AIとは何か？人工知能について知っておくべきことすべて」ZDNet . 2021年3月1日閲覧。
- ^ クラーク 2015b.
- ^ Markoff, John (2011年2月16日). 「『Jeopardy!』でコンピューターが勝利：些細なこと、そうではない」ニューヨーク・タイムズ。2014年10月22日時点のオリジナルよりアーカイブ。 2014年10月25日閲覧。
- ^ 「AlphaGo – Google DeepMind」。2016年3月10日時点のオリジナルよりアーカイブ。
- ^ 「人工知能：GoogleのAlphaGoが囲碁の名人イ・セドルに勝利」BBCニュース。2016年3月12日。2016年8月26日時点のオリジナルよりアーカイブ。2016年10月1日閲覧。
- ^ Metz, Cade (2017年5月27日). 「中国での勝利後、AlphaGoの設計者は新しいAIを模索」Wired。2017年6月2日時点のオリジナルよりアーカイブ。
- ^ 「World's Go Player Ratings」2017年5月。2017年4月1日時点のオリジナルよりアーカイブ。
- ^ “柯洁迎19岁生日 雄踞人类世界排名第一已两年” (中国語). 2017年5月。2017年8月11日のオリジナルからアーカイブ。
- ^ 「MuZero: ルールなしで囲碁、チェス、将棋、Atariをマスターする」Deepmind . 2020年12月23日. 2021年3月1日閲覧。
- ^ Steven Borowiec、Tracey Lien (2016年3月12日)。「AlphaGoが人工知能のマイルストーンで人間の囲碁チャンピオンに勝利」ロサンゼルス・タイムズ。 2016年3月13日閲覧。
- ^ Solly, Meilan. 「このポーカーをプレイする AI は、いつホールドして、いつフォールドするかを知っています」。スミソニアン。Pluribus
は、6 人対戦のノーリミット テキサス ホールデム ゲームでポーカーのプロに勝利し、人工知能研究のマイルストーンを達成しました。これは、複雑なマルチプレイヤー コンテストで人間に勝利した最初のボットです。
- ^ ボウリング、マイケル; バーチ、ニール; ヨハンソン、マイケル; タメリン、オスカリ (2015 年 1 月 9 日). 「ヘッズアップ リミット ホールデム ポーカーの謎が解明」.サイエンス. 347 (6218): 145–149.書誌コード:2015Sci...347..145B. doi :10.1126/science.1259433. PMID 25574016.
- ^ Ontanon, Santiago; Synnaeve, Gabriel; Uriarte, Alberto; Richoux, Florian; Churchill, David; Preuss, Mike (2013 年 12 月)。「StarCraft におけるリアルタイム戦略ゲーム AI 研究と競争の調査」IEEE Transactions on Computational Intelligence and AI in Games。5 (4): 293–311。CiteSeerX 10.1.1.406.2524 。doi : 10.1109 / TCIAIG.2013.2286295。S2CID 5014732 。
- ^ 「Facebook、AIボットをめぐるStarCraft戦争にひっそり参戦、そして敗北」WIRED 2017年。 2018年5月7日閲覧。
- ^ Silver, David ; Hubert, Thomas; Schrittwieser, Julian; Antonoglou, Ioannis; Lai, Matthew; Guez, Arthur; Lanctot, Marc; Sifre, Laurent; Kumaran, Dharshan; Graepel, Thore; Lillicrap, Timothy; Simonyan, Karen; Hassabis, Demis (2018年12月7日). 「チェス、将棋をマスターし、セルフプレイをこなす汎用強化学習アルゴリズム」. Science . 362 (6419): 1140–1144. Bibcode :2018Sci...362.1140S. doi : 10.1126/science.aar6404 . PMID 30523106.
- ^ サンプル、イアン（2017年10月18日）。「『知識を自ら生み出すことができる』：Googleが自ら学習するAIを発表」ガーディアン。 2018年5月7日閲覧。
- ^ 「科学におけるAI革命」。サイエンス | AAAS。2017年7月5日。 2018年5月7日閲覧。
- ^ 「人工知能のスーパーヒーロー：この天才は人工知能を抑制できるか？」。ガーディアン。2016年2月16日。2018年4月23日時点のオリジナルよりアーカイブ。 2018年4月26日閲覧。
- ^ ムニフ、ヴォロディミル;カヴククオール、コライ州。シルバー、デイビッド。ルス、アンドレイ A.ヴェネス、ジョエル。ベルマーレ、マーク G.グレイブス、アレックス。リードミラー、マーティン。フィジェランド、アンドレアス K.オストロフスキー、ゲオルグ。ピーターセン、スティグ。ビーティ、チャールズ。サディク、アミール。アントノグルー、イオアニス。キング、ヘレン。クマラン、ダルシャン。ヴィアストラ、ダーン。レッグ、シェーン。デミス・ハサビス（2015年2月26日）。 「深層強化学習による人間レベルの制御」。自然。518 (7540): 529–533。Bibcode :2015Natur.518..529M。土井：10.1038/nature14236. PMID 25719670。S2CID 205242740 。
- ^ Sample, Ian (2017年3月14日). 「GoogleのDeepMindが人間のように学習できるAIプログラムを開発」. The Guardian . 2018年4月26日時点のオリジナルよりアーカイブ。 2018年4月26日閲覧。
- ^ シュリットヴィーザー、ジュリアン;アントノグルー、イオアニス。ヒューバート、トーマス。シモニャン、カレン。シフレ、ローラン。シュミット、サイモン。グエズ、アーサー。ロックハート、エドワード。ハサビス、デミス。グライペル、トール。リリックラップ、ティモシー。シルバー、デイビッド（2020年12月24日）。 「学習したモデルを使用して計画を立てて、アタリ、囲碁、チェス、将棋をマスターする」。自然。588 (7839): 604–609。arXiv : 1911.08265。Bibcode :2020Natur.588..604S。土井：10.1038/s41586-020-03051-4。PMID 33361790。
- ^ K, Bharath (2021年4月2日). 「チェスにおけるAI: チェスエンジンにおける人工知能の進化」. Medium . 2022年1月6日時点のオリジナルよりアーカイブ。2022年1月6日閲覧。
- ^ 人工知能の未来に備える。国立科学技術会議。OCLC 965620122。
- ^ Gambhire, Akshaya; Shaikh Mohammad, Bilal N. (2020年4月8日)。農業における人工知能の活用。第3回国際科学技術進歩会議(ICAST)2020の議事録。SSRN 3571733 。
- ^ 「農業におけるAIの未来」。Intel 。 2019年3月5日閲覧。
- ^ Sennaar, Kumba. 「農業におけるAI - 現在のアプリケーションと影響 | Emerj - 人工知能の研究と洞察」。Emerj 。 2019年3月5日閲覧。
- ^ G. Jones, Colleen (2019年6月26日). 「農業における人工知能：21世紀の農業」. 2021年2月8日閲覧。
- ^ Moreno, Millán M.; Guzmán, Sevilla E.; Demyda, SE (2011年11月). 「人口、貧困、生産、食糧安全保障、食糧主権、バイオテクノロジー、持続可能な開発：21世紀の課題」.クルジュ＝ナポカ農業科学獣医学大学紀要. 獣医学. 1 (68). doi :10.15835/buasvmcn-vm:1:68:6771 (2024年11月1日非アクティブ).
{{cite journal}}: CS1 maint: DOI inactive as of November 2024 (link) - ^ Liundi, Nicholas; Darma, Aditya Wirya; Gunarso, Rivaldi; Warnars, Harco Leslie Hendric Spits (2019). 「人工知能によるインドネシアの稲作生産性の向上」。2019第 7 回サイバーおよび IT サービス管理に関する国際会議 (CITSM)。pp. 1–5。doi : 10.1109 / CITSM47753.2019.8965385。ISBN 978-1-7281-2909-9. S2CID 210930401。
- ^ Talaviya, Tanha; Shah, Dhara; Patel, Nivedita; Yagnik, Hiteshri; Shah, Manan (2020). 「灌漑と農薬・除草剤の散布の最適化のための農業における人工知能の実装」。農業 における人工知能。4 : 58–73。doi : 10.1016/ j.aiia.2020.04.002。S2CID 219064189。
- ^ Olick, Diana (2022-04-18). 「ロボットと屋内農業は水を節約し、一年中作物を育てるのにどのように役立つか」CNBC 。2022年5月9日閲覧。
- ^ Zhang, Peng; Guo, Zhiling; Ullah, Sami; Melagraki, Georgia; Afantitis, Antreas; Lynch, Iseult (2021年6月24日). 「ナノテクノロジーと人工知能が持続可能な精密農業を可能にする」(PDF) . Nature Plants . 7 (7): 864–876. Bibcode :2021NatPl...7..864Z. doi :10.1038/s41477-021-00946-6. PMID 34168318.
- ^ アナスタシウ、エヴァンゲロス;ファウンタス、スピロス。ヴルガラキ、マティナ。プシロキス、バシリオス。コウシアラス、マイケル。クリージ、オルガ。ラザルー、エラト。バツァニドゥ、アンナ。フー、ロンシェン。バルトロ、ファビオラ・ディ。バレイロ・ハーレ、ヘスス。ゴメス・バルベロ、マヌエル（2023年10月）。 「作物保護のための精密農業技術: メタ分析」。スマート農業技術。5 : 100323.土井: 10.1016/j.atech.2023.100323。
- ^ 「自律的かつインテリジェントなシステム」。IEEE。IEEE SA。2024年4月19日閲覧。
- ^ アン・ジョンソン、エミリー・グランブリング（2019）。サイバーセキュリティにおける人工知能の影響：ワークショップの議事録。ワシントンDC：全米アカデミー出版。ISBN 978-0-309-49451-9. OCLC 1134854973.[ページが必要]
- ^ Kant, Daniel; Johannsen, Andreas (2022-01-16). 「中小企業のサイバーセキュリティ防御を強化するためのAIベースのユースケースの評価」. Electronic Imaging . 34 (3): 387–3. doi :10.2352/EI.2022.34.3.MOBMU-387. ISSN 2470-1173.
- ^ Randrianasolo, Arisoa (2012). 「コンピュータセキュリティにおける人工知能: 検出、一時的な修復、防御」.テキサス工科大学図書館. hdl :2346/45196.
- ^ Sahil; Sood, Sandeep; Mehmi, Sandeep; Dogra, Shikha (2015). 「クラウド コンピューティング セキュリティのためのユーザー プロファイリング システムの設計のための人工知能: 実験」。2015国際コンピュータ エンジニアリングおよびアプリケーションの進歩に関する会議。IEEE。pp. 51–58。doi : 10.1109/ ICACEA.2015.7164645。ISBN 978-1-4673-6911-4。
- ^ パリシ、アレッサンドロ（2019）。サイバーセキュリティのための実践的な人工知能：サイバー攻撃を防ぎ、脅威とネットワーク異常を検出するためのスマートAIシステムの実装。バーミンガム、英国。ISBN 978-1-78980-517-8. OCLC 1111967955.
{{cite book}}: CS1 maint: location missing publisher (link)[ページが必要] - ^ 「ポストコロナの世界でAIがサイバーセキュリティを自動化する方法」VentureBeat 2020年9月6日2022年5月9日閲覧。
- ^ ab 「教育におけるAI|ハーバード大学教育大学院」www.gse.harvard.edu 2023年2月9日2024年4月20日閲覧。
- ^ abcd nair, madhu (2021-03-10). 「教育におけるAI：現状と将来」University of the People . 2024-04-20閲覧。
- ^ ab 「教育と雇用機会を改善する新技術の約束と危険性」ブルッキングス研究所。 2024年4月20日閲覧。
- ^ 「EU AI法：人工知能に関する初の規制」2023年8月6日。
- ^ Christy, Charles A. (1990年1月17日). 「人工知能が銀行業務に与える影響」ロサンゼルス・タイムズ. 2019年9月10日閲覧。
- ^ O'Neill, Eleanor (2016年7月31日). 「会計、自動化、AI」. icas.com . 2016年11月18日時点のオリジナルよりアーカイブ。 2016年11月18日閲覧。
- ^ 「CTOコーナー：金融サービスにおける人工知能の活用 - 金融サービス・ラウンドテーブル」金融サービス・ラウンドテーブル。2015年4月2日。2016年11月18日時点のオリジナルよりアーカイブ。 2016年11月18日閲覧。
- ^ 「人工知能ソリューション、AIソリューション」。sas.com。
- ^ Chapman, Lizette (2019年1月7日). 「Palantirはかつて営業マンというアイデアを嘲笑した。しかし今は彼らを雇用している」ロサンゼルス・タイムズ。2019年2月28日閲覧。
- ^ 人工知能と経済理論：市場におけるSkynet。高度情報知識処理。2017年。doi：10.1007/ 978-3-319-66104-9。ISBN 978-3-319-66103-2。[ページが必要]
- ^ Marwala, Tshilidzi; Hurwitz, Evan (2017). 「効率的市場仮説」。人工知能と経済理論：市場におけるSkynet。高度情報処理および知識処理。pp. 101–110。doi : 10.1007 / 978-3-319-66104-9_9。ISBN 978-3-319-66103-2。
- ^ Shao, Jun; Lou, Zhukun; Wang, Chong; Mao, Jinye; Ye, Ailin (2022年5月16日). 「人工知能（AI）ファイナンスが新興市場における非国有企業の資金調達制約に与える影響」。International Journal of Emerging Markets。17（4）：930–944。doi ： 10.1108 /IJOEM-02-2021-0299。
- ^ 「アルゴリズム取引」Investopedia 2005年5月18日。
- ^ 「ロボアドバイザーを超えて：AIが資産管理をどのように変えるか」2017年1月5日。
- ^ Asatryan, Diana (2017年4月3日). 「機械学習は引受業務の未来だが、スタートアップ企業がそれを推進することはない」. bankinnovation.net . 2022年4月15日閲覧。
- ^ 「ZestFinance、ミレニアル世代や信用履歴の限られた消費者の融資を引き受ける機械学習プラットフォームを導入」（プレスリリース）。2017年2月14日。
- ^ Chang, Hsihui; Kao, Yi-Ching; Mashruwala, Raj; Sorensen, Susan M. (2017年4月10日). 「技術的非効率性、配分的非効率性、および監査価格設定」。Journal of Accounting , Auditing & Finance。33 ( 4): 580–600。doi :10.1177/0148558X17696760。S2CID 157787279 。
- ^ Munoko, Ivy; Brown-Liburd, Helen L.; Vasarhelyi, Miklos (2020年11月). 「監査における人工知能の使用の倫理的影響」. Journal of Business Ethics . 167 (2): 209–234. doi :10.1007/s10551-019-04407-1.
- ^ Fadelli, Ingrid. 「LaundroGraph: ディープラーニングを使用してマネーロンダリング対策をサポートする」. techxplore.com . 2022年12月18日閲覧。
- ^ カルドーソ、マリオ;サレイロ、ペドロ。ビザロ、ペドロ（2022）。 「LaundroGraph: マネーロンダリング対策のための自己教師ありグラフ表現学習」。金融における AI に関する第 3 回 ACM 国際会議の議事録。 130–138ページ。arXiv : 2210.14360。土井：10.1145/3533271.3561727。ISBN 978-1-4503-9376-8。
- ^ Han, Jingguang; Huang, Yuyun; Liu, Sha; Towey, Kieran (2020年12月). 「マネーロンダリング対策のための人工知能：レビューと拡張」. Digital Finance . 2 (3): 211–239. doi :10.1007/s42521-020-00023-1. S2CID 220512321.
- ^ Kute, Dattatray Vishnu; Pradhan, Biswajeet; Shukla, Nagesh; Alamri, Abdullah (2021). 「マネーロンダリングの検出に適用されるディープラーニングと説明可能な人工知能技術–批評的レビュー」. IEEE Access . 9 : 82300–82317. Bibcode :2021IEEEA...982300K. doi : 10.1109/ACCESS.2021.3086230 . hdl : 10072/415222 . S2CID 235455342.
- ^ ab Han, Jingguang; Huang, Yuyun; Liu, Sha; Towey, Kieran (2020年12月). 「マネーロンダリング対策のための人工知能：レビューと拡張」. Digital Finance . 2 (3–4): 211–239. doi :10.1007/s42521-020-00023-1.
- ^ Durkin, J. (2002). 「歴史と応用」.エキスパートシステム. 第 1 巻. pp. 1–22. doi :10.1016/B978-012443880-4/50045-4. ISBN 978-0-12-443880-4。
- ^ Chen, KC; Liang, Ting-peng (1989 年5 月)。「Protrader:プログラム取引のためのエキスパート システム」。経営財務。15 (5): 1–6。doi :10.1108/eb013623。
- ^ ニールソン、ノーマ、ブラウン、キャロル E.、フィリップス、メアリー エレン (1990 年 7 月)。「個人財務計画のためのエキスパート システム」。Journal of Financial Planning : 137–143。doi :10.11575/PRISM/33995。hdl :1880/48295。
- ^ Senator, Ted E.; Goldberg, Henry G.; Wooton, Jerry; Cottini, Matthew A.; Khan, AF Umar; Kilinger, Christina D.; Llamas, Winston M.; Marrone, MichaeI P.; Wong, Raphael WH (1995). 「FinCEN人工知能システム：大規模な現金取引の報告から潜在的なマネーロンダリングを特定する」（PDF）。IAAI-95議事録。2015年10月20日時点のオリジナル（PDF）からアーカイブ。 2019年1月14日閲覧。
- ^ サットン、スティーブ・G.、ホルト、マシュー、アーノルド、ヴィッキー（2016年9月）。「私の死亡に関する報道は誇張されている」—会計における人工知能の研究。国際会計情報システムジャーナル。22 ：60–73。doi ：10.1016/j.accinf.2016.07.005 。
- ^ ドミニク・チャーマーズ、ニール・G・マッケンジー、サラ・カーター（2021年9月）。「人工知能と起業家精神：第四次産業革命におけるベンチャー創出への影響」起業家精神の理論と実践。45 （5）：1028–1053。doi ：10.1177 /1042258720934581。S2CID 225625933 。
- ^ バックリー、クリス、モーザー、ポール（2019年5月22日）。「中国はいかにハイテク監視技術を使って少数民族を抑圧しているか」ニューヨークタイムズ。
- ^ “セキュリティの不備で中国のスマートシティ監視システムが露呈”. 2019年5月3日. 2021年3月7日時点のオリジナルよりアーカイブ。2020年9月14日閲覧。
- ^ 「AI信号機が近々ベンガルールに設置される」NextBigWhat 2019年9月24日2019年10月1日閲覧。
- ^ abc 議会調査局 (2019). 人工知能と国家安全保障(PDF)ワシントン D.C.: 議会調査局。PD通知
- ^ abc Slyusar, Vadym (2019). 将来の制御ネットワークの基礎としての人工知能（プレプリント）doi :10.13140/RG.2.2.30247.50087.
- ^ 「米軍が生成型AIを試行中」Bloomberg.com 2023年7月5日。
- ^ Iraqi, Amjad (2024-04-03). 「『ラベンダー』：イスラエルのガザ爆撃を指揮しているAIマシン」+972 Magazine 。 2024年4月6日閲覧。
- ^ ab デイヴィス、ハリー; マッカーナン、ベサン; サバグ、ダン (2023-12-01). 「『福音』：イスラエルがAIを使ってガザの爆撃目標を選定する方法」ガーディアン。2023年12月4日閲覧。
- ^ 「イスラエル軍、ガザ地区の『非軍事目標』爆撃規則を緩和」Middle East Eye . 2023年11月30日閲覧。
- ^ Quach, Katyanna. 「米軍が引き金を引き、AI を使って空爆を狙う」www.theregister.com。
- ^ 「中国の科学者が仮想戦争ゲームを実行するAI軍事司令官を開発」2024年6月16日。
- ^ 「軍事ロボット工学を理解する」エコノミスト。2018年1月25日。 2018年2月7日閲覧。
- ^ 「自律システム: インフォグラフィック」siemens.com . 2018年2月7日閲覧。
- ^ Allen, Gregory (2019年2月6日). 「中国のAI戦略を理解する」. 新アメリカ安全保障センター. 2019年3月17日時点のオリジナルよりアーカイブ。 2019年3月17日閲覧。
- ^ マルティ、J ヴェルナー (2024 年 8 月 10 日)。 「Drohnen haben den Krieg in der Ukraine Revolutioniert, doch sie sind empfindlich auf Störsender – deshalb sollen sie Jetzt autonom opererieren」。Neue Zürcher Zeitung (ドイツ語) 。2024 年8 月 10 日に取得。
- ^ 「医療分野における有望なAIアプリケーション10選」ハーバード・ビジネス・レビュー。2018年5月10日。2018年12月15日時点のオリジナルよりアーカイブ。 2018年8月28日閲覧。
- ^ Lareyre, Fabien; Lê, Cong Duy; Ballaith, Ali; Adam, Cédric; Carrier, Marion; Amrani, Samantha; Caradu, Caroline; Raffort, Juliette (2022年8月). 「非心臓血管疾患における人工知能の応用：書誌分析」.血管学. 73 (7): 606–614. doi :10.1177/00033197211062280. PMID 34996315. S2CID 245812907.
- ^ 「医療における人工知能とは?」 IBM。2024年3月28日。 2024年4月19日閲覧。
- ^ 「マイクロソフト、AIを活用してがんの精密医療を加速」HealthITAnalytics . 2019年10月29日. 2020年11月29日閲覧。
- ^ Dina Bass (2016年9月20日). 「Microsoft、がん医師が適切な治療法を見つけるのを支援するAIを開発」Bloomberg LP 2017年5月11日時点のオリジナルよりアーカイブ。
- ^ ギャラガー、ジェームズ（2017年1月26日）。「人工知能は『がん専門医と同じくらい優秀』」BBCニュース。2017年1月26日時点のオリジナルよりアーカイブ。 2017年1月26日閲覧。
- ^ ランゲン、ポーリン・A.、カッツ、ジェフリー・S.、デンプシー、ゲイル編（1994年10月18日）、人工知能を用いた高リスク患者の遠隔モニタリング、2017年2月28日時点のオリジナルよりアーカイブ、 2017年2月27日閲覧
- ^ ケルマニー、ダニエル S.;ゴールドバウム、マイケル。蔡、文佳。カロライナCSのバレンティム。梁慧英。サリー・Ｌ・バクスター；アレックス・マッキューン。ヤン、ゲ。ウー、シャオカン。ヤン、ファンビン。ドン、ジャスティン。プラサーダ、マデ K。ペイ、ジャクリーン。ティン、マグダラ、YL;朱、傑。リー、クリスティーナ。シエラ州ヒューエット。ドン、ジェイソン。イアン・ジヤール。シー、アレクサンダー。張、ルンゼ。鄭、梁紅。ホウ、ルイ。シー、ウィリアム。フー、シン。ドゥアン、ヤオウ。フー、ベトナムAN。ウェン、シンディ。チャン、エドワード D.チャン、シャーロット・L.リー、オウラン。王暁波。歌手、マイケル・A.サン、シャオドン。シュウ、ジエ。 Tafreshi, Ali; Lewis, M. Anthony; Xia, Huimin; Zhang, Kang (2018年2月)。「画像ベースのディープラーニングによる医療診断と治療可能な疾患の特定」。Cell . 172 ( 5): 1122–1131.e9。doi : 10.1016/j.cell.2018.02.010 . PMID 29474911. S2CID 3516426.
- ^ Senthilingam, Meera (2016年5月12日). 「自律型ロボットはあなたの次の外科医か?」 CNN. 2016年12月3日時点のオリジナルよりアーカイブ。2016年12月4日閲覧。
- ^ Pumplun L、Fecho M、Wahl N 、 Peters F 、 Buxmann P (2021)。「クリニックでの医療診断のための機械学習システムの採用：質的インタビュー調査」。Journal of Medical Internet Research。23 ( 10): e29301。doi : 10.2196/ 29301。PMC 8556641。PMID 34652275。S2CID 238990562。
- ^ Inglese, Marianna; Patel, Neva; Linton-Reid, Kristofer; Loreto, Flavia; Win, Zarni; Perry, Richard J.; Carswell, Christopher; Grech-Sollars, Matthew; Crum, William R.; Lu, Haonan; Malhotra, Paresh A.; Aboagye, Eric O. (2022年6月20日). 「生体脳のメソスコピック構造を用いたアルツハイマー病検出予測モデル」Communications Medicine . 2 (1): 70. doi :10.1038/s43856-022-00133-4. PMC 9209493 . PMID 35759330.
- ニュースレポート：「脳のMRIスキャン1回でアルツハイマー病を検出できる可能性がある」。Physics World . 2022年7月13日. 2022年7月19日閲覧。
- ^ Reed, Todd R.; Reed, Nancy E.; Fritzson, Peter (2004). 「症状検出とコンピュータ支援診断のための心音分析」.シミュレーションモデリングの実践と理論. 12 (2): 129–146. doi :10.1016/j.simpat.2003.11.005.
- ^ ヨリタ アキヒロ; クボタ ナオユキ (2011). 「高齢者への情報支援のためのパートナーロボットの認知発達」. IEEE Transactions on Autonomous Mental Development . 3 : 64–73. CiteSeerX 10.1.1.607.342 . doi :10.1109/TAMD.2011.2105868. S2CID 13797196.
- ^ Ray, Dr Amit (2018年5月14日)。「視覚障害者のナビゲーションを支援する人工知能」Inner Light Publishers。
- ^ 「人工知能が医療を再設計する - The Medical Futurist」The Medical Futurist 2016年8月4日2016年11月18日閲覧。
- ^ Dönertaş, Handan Melike; Fuentealba, Matías; Partridge, Linda; Thornton, Janet M. (2019年2月). 「シリコによる潜在的老化調節薬の特定」. Trends in Endocrinology & Metabolism . 30 (2): 118–131. doi :10.1016/j.tem.2018.11.005. PMC 6362144. PMID 30581056 .
- ^ Smer-Barreto, Vanessa; Quintanilla, Andrea; Elliot, Richard JR; Dawson, John C.; Sun, Jiugeng; Carragher, Neil O.; Acosta, Juan Carlos; Oyarzún, Diego A. (2022年4月27日). 「機械学習を用いた新しい老化防止薬の発見」. BioRxiv . doi :10.1101/2022.04.26.489505. hdl : 10261/269843 .
- ^ ラクストン、デビッドD.（2014）。「心理学の実践における人工知能：現在および将来の応用と影響」。プロフェッショナル心理学：研究と実践。45 （5）：332–339。doi ：10.1037 / a0034559。
- ^ Randhawa, Gurjit S.; Soltysiak, Maximillian PM; Roz, Hadi El; Souza, Camila PE de; Hill, Kathleen A.; Kari, Lila (2020年4月24日). 「機械学習による固有ゲノムシグネチャを用いた新規病原体の迅速な分類：COVID-19のケーススタディ」. PLOS ONE . 15 (4): e0232391. Bibcode :2020PLoSO..1532391R. doi : 10.1371/journal.pone.0232391 . PMC 7182198 . PMID 32330208.
- ^ Ye, Jiarong; Yeh, Yin-Ting; Xue, Yuan; Wang, Ziyang; Zhang, Na; Liu, He; Zhang, Kunyan; Ricker, RyeAnne; Yu, Zhuohang; Roder, Allison; Perea Lopez, Nestor; Organtini, Lindsey; Greene, Wallace; Hafenstein, Susan; Lu, Huaguang; Ghedin, Elodie; Terrones, Mauricio; Huang, Shengxi; Huang, Sharon Xiaolei (2022年6月7日). 「機械学習による解釈可能なラマンシグネチャによる正確なウイルス識別」. Proceedings of the National Academy of Sciences . 119 (23): e2118836119. arXiv : 2206.02788 . Bibcode :2022PNAS..11918836Y. doi : 10.1073/pnas.2118836119 . PMC 9191668 . PMID 35653572. S2CID 235372800.
- ^ 「人工知能が疾患関連遺伝子を発見」リンショーピング大学2022年7月3日閲覧。
- ^ 「研究者らがAIを使って腸内細菌の新しい遺伝子ファミリーを検出」UTサウスウェスタン医療センター。 2022年7月3日閲覧。
- ^ abc Zhavoronkov, Alex; Mamoshina, Polina; Vanhaelen, Quentin; Scheibye-Knudsen, Morten; Moskalev, Alexey; Aliper, Alex (2019). 「老化と長寿研究のための人工知能：最近の進歩と展望」。Ageing Research Reviews。49 ： 49–66。doi ： 10.1016 / j.arr.2018.11.003。PMID 30472217。S2CID 53755842 。
- ^ Adir, Omer; Poley, Maria; Chen, Gal; Froim, Sahar; Krinsky, Nitzan; Shklover, Jeny; Shainsky-Roitman, Janna; Lammers, Twan; Schroeder, Avi (2020年4月). 「人工知能とナノテクノロジーの統合による高精度がん医療」. Advanced Materials . 32 (13): 1901989. Bibcode :2020AdM....3201989A. doi :10.1002/adma.201901989. PMC 7124889. PMID 31286573 .
- ^ Bax, Monique; Thorpe, Jordan; Romanov, Valentin (2023年12月). 「パーソナライズされた心血管医療の未来には、3Dおよび4Dプリンティング、幹細胞、人工知能が必要です」. Frontiers in Sensors . 4 . doi : 10.3389/fsens.2023.1294721 .
- ^ ab Moore, Phoebe V. (2019年5月7日). 「OSHと仕事の未来：職場における人工知能ツールの利点とリスク」EU-OSHA 3～7ページ。 2020年7月30日閲覧。
- ^ abcハワード、ジョン（2019年11月）。「人工知能：仕事の未来への影響」アメリカ産業医学ジャーナル。62 （ 11）：917–926。doi ：10.1002/ajim.23037。PMID 31436850。S2CID 201275028。
- ^ Gianatti, Toni-Louise (2020年5月14日). 「AI駆動型アルゴリズムが個人の人間工学的安全性をどのように向上させるか」.労働安全衛生. 2020年7月30日閲覧。
- ^ Meyers, Alysha R. (2019年5月1日). 「AIと労働者災害補償」. NIOSH Science Blog . 2020年8月3日閲覧。
- ^ Webb, Sydney; Siordia, Carlos; Bertke, Stephen; Bartlett, Diana; Reitz, Dan (2020年2月26日). 「傷害監視のための人工知能クラウドソーシングコンペティション」NIOSH Science Blog . 2020年8月3日閲覧。
- ^ Ferguson, Murray (2016年4月19日). 「人工知能: EHSに何が起こるのか...そしていつ起こるのか?」EHS Today . 2020年7月30日閲覧。
- ^ 「DeepMindは生物学の最大の課題の1つに答えている」エコノミスト。2020年11月30日。 2020年11月30日閲覧。
- ^ ジェレミー・カーン、「ディープマインドのタンパク質折り畳みAIのブレークスルーから学ぶ教訓」、フォーチュン、2020年12月1日
- ^ 「DeepMindが2億種類のタンパク質の構造を解明、科学の飛躍的進歩」The Guardian 2022年7月28日2022年7月28日閲覧。
- ^ 「AlphaFoldがタンパク質宇宙の構造を明らかにする」DeepMind 2022年7月28日2022年7月28日閲覧。
- ^ ab Ciaramella, Alberto ; Ciaramella, Marco (2024).人工知能入門: データ分析から生成AIまで. Intellisemantic Editions. p. 211. ISBN 978-8894787603。
- ^ Stocker, Sina; Csányi, Gábor; Reuter, Karsten; Margraf, Johannes T. (2020年10月30日). 「化学反応空間における機械学習」. Nature Communications . 11 (1): 5505. Bibcode :2020NatCo..11.5505S. doi :10.1038/s41467-020-19267-x. PMC 7603480. PMID 33127879 .
- ^ 「Allchemy – 創薬のためのリソース認識型AI」 。 2022年5月29日閲覧。
- ^ ウォウォス、アグニエシュカ;ロザック、ラファウ。ジュンドウォ・ドブロヴォルスカ、アンナ。ベーカー、ヴィクトール。ミクラク・クルチニク、バーバラ。スポルニク、グジェゴシュ;ディガス、ミロスワフ。サラ・シムクッチ。グジボウスキ、バルトシュ A. (2020 年 9 月 25 日)。 「プレバイオティクス化学のネットワークにおける合成接続、出現、自己再生」。科学。369 (6511): eaaw1955.土井：10.1126/science.aaw1955。PMID 32973002。S2CID 221882090 。
- ^ ウォウォス、アグニエシュカ;コシェレフスキー、ドミニク。ロザック、ラファウ。サラ・シムクッチ。モスカル、マルティナ。オスタシェフスキー、リシャール。エレーラ、ブレンデン T.マイヤー、ジョセフ M.ブレジツキ、ゴードン。サミュエル、ジョナソン。ルミス、ジャスティンAM;マッケイド、D. タイラー;ロジャーズ、ルーク。グジボウスキー、バルトシュ A. (2022 年 4 月)。 「コンピューターが設計した化学廃棄物の薬物への再利用」。自然。604 (7907): 668–676。Bibcode :2022Natur.604..668W。土井: 10.1038/s41586-022-04503-9。PMID 35478240。S2CID 248415772 。
- ^ 「化学者、合成計画における機械学習の将来について議論し、オープンデータを求める」cen.acs.org . 2022年5月29日閲覧。
- ^ ポール、デブリナ;サナプ、ガウラフ。シェノイ、スネハル。カリャネ、ドニャネシュワール。カリア、キラン。テカデ、ラケッシュ K. (2021 年 1 月) 「創薬と開発における人工知能」。今日の創薬。26 (1): 80-93。土井：10.1016/j.drudis.2020.10.010。PMC 7577280。PMID 33099022。
- ^ ab 「生物学者がAIを訓練して医薬品とワクチンを生成」ワシントン大学ハーバービュー医療センター。
- ^ ab Wang, Jue; Lisanza, Sidney; Juergens, David; Tischer, Doug; Watson, Joseph L.; Castro, Karla M.; Ragotte, Robert; Saragovi, Amijai; Milles, Lukas F.; Baek, Minkyung; Anishchenko, Ivan; Yang, Wei; Hicks, Derrick R.; Expòsit, Marc; Schlichthaerle, Thomas; Chun, Jung-Ho; Dauparas, Justas; Bennett, Nathaniel; Wicky, Basile IM; Muenks, Andrew; DiMaio, Frank; Correia, Bruno; Ovchinnikov, Sergey; Baker, David (2022年7月22日). 「ディープラーニングを用いたタンパク質機能部位の足場構築」. Science . 377 (6604): 387–394. Bibcode :2022Sci...377..387W. doi :10.1126/science.abn2100. PMC 9621694. PMID 35862514. S2CID 250953434 .
- ^ ザボロンコフ、アレックス;イワネンコフ、ヤンA.アリパー、アレックス。ヴェセロフ、マーク・S.アラジンスキー、ウラジミール A.。アラジンスカヤ、アナスタシヤ V.。テレンティエフ、ビクターA.ポリコフスキー、ダニイル A.クズネツォフ、マクシム D.アサデュラエフ、アリプ。ヴォルコフ、ユーリー。ゾールス、アルテム。シャヤクメトフ、リム R.ゼブラック、アレクサンダー。ミナエバ、リディヤ I.ザグリベルニー、ボグダン A.。リー、レナート・H.ソル、リチャード。マッジ、デイビッド。シン、リー。郭、タオ。アスプル・グジク、アラン（2019年9月）。 「ディープラーニングにより、強力なDDR1キナーゼ阻害剤の迅速な同定が可能になります。」ネイチャーバイオテクノロジー。37 (9): 1038–1040。土井：10.1038/s41587-019-0224-x。PMID 31477924。
- ^ Hansen, Justine Y.; Markello, Ross D.; Vogel, Jacob W.; Seidlitz, Jakob; Bzdok, Danilo; Misic, Bratislav (2021年9月). 「ヒト大脳新皮質における遺伝子転写と神経認知のマッピング」Nature Human Behaviour . 5 (9): 1240–1250. doi :10.1038/s41562-021-01082-z. PMID 33767429. S2CID 232367225.
- ^ Vo ngoc, Long; Huang, Cassidy Yunjing; Cassidy, California Jack; Medrano, Claudia; Kadonaga, James T. (2020年9月). 「機械学習を用いたヒトDPRコアプロモーターエレメントの同定」. Nature . 585 (7825): 459–463. Bibcode :2020Natur.585..459V. doi :10.1038/s41586-020-2689-7. PMC 7501168. PMID 32908305 .
- ^ Bijun, Zhang; Ting, Fan (2022). 「遺伝学研究におけるディープラーニングの応用における知識構造と新たな傾向：計量書誌分析 [2000–2021]」. Frontiers in Genetics . 13 : 951939. doi : 10.3389/fgene.2022.951939 . PMC 9445221 . PMID 36081985.
- ^ Radivojević, Tijana; Costello, Zak; Workman, Kenneth; Garcia Martin, Hector (2020年9月25日). 「合成生物学のための機械学習自動推奨ツール」. Nature Communications . 11 (1): 4879. arXiv : 1911.11091 . Bibcode :2020NatCo..11.4879R. doi :10.1038/s41467-020-18008-4. PMC 7519645. PMID 32978379 .
- ^ ab Pablo Carbonell; Tijana Radivojevic; Héctor García Martín* (2019). 「合成生物学、機械学習、自動化の交差点における機会」. ACS Synthetic Biology . 8 (7): 1474–1477. doi : 10.1021/acssynbio.8b00540 . hdl : 20.500.11824/998 . PMID 31319671. S2CID 197664634.
- ^ ガジマゴメドワ、ZM;パシュコフ、DM。キルサノバ、D. ユウ。ソルダトフ、SA;マサチューセッツ州ブタコバ。チェルノフ、AV;ソルダトフ、AV (2022 年 2 月)。 「ナノ構造材料のための人工知能」。ナノバイオテクノロジーレポート。17 (1): 1-9。土井：10.1134/S2635167622010049。S2CID 248701168。
- ^ Mirzaei, Mahsa; Furxhi, Irini; Murphy, Finbarr; Mullins, Martin (2021年7月). 「ナノ粒子の抗菌力を予測する機械学習ツール」.ナノマテリアル. 11 (7): 1774. doi : 10.3390/nano11071774 . PMC 8308172 . PMID 34361160.
- ^ Chen, Angela (2018年4月25日). 「AIはいかにしてこれまで以上に速く材料を発見するのを手助けしているのか」The Verge . 2022年5月30日閲覧。
- ^ Talapatra, Anjana; Boluki, S.; Duong, T.; Qian, X.; Dougherty, E.; Arróyave, R. (2018年11月26日). 「ベイズモデル平均化による材料発見のための自律的かつ効率的な実験デザイン」. Physical Review Materials . 2 (11): 113803. arXiv : 1803.05460 . Bibcode :2018PhRvM...2k3803T. doi :10.1103/PhysRevMaterials.2.113803. S2CID 53632880.
- ^ Zhao, Yicheng; Zhang, Jiyun; Xu, Zhengwei; Sun, Shijing; Langner, Stefan; Hartono, Noor Titan Putri; Heumueller, Thomas; Hou, Yi; Elia, Jack; Li, Ning; Matt, Gebhard J.; Du, Xiaoyan; Meng, Wei; Osvet, Andres; Zhang, Kaicheng; Stubhan, Tobias; Feng, Yexin; Hauch, Jens; Sargent, Edward H.; Buonassisi, Tonio; Brabec, Christoph J. (2021年4月13日). 「高スループットロボット学習を用いたペロブスカイトの温度誘起安定性反転の発見」. Nature Communications . 12 (1): 2191. Bibcode :2021NatCo..12.2191Z. doi :10.1038/s41467-021-22472-x. PMC 8044090. PMID 33850155 .
- ^ Burger, Benjamin; Maffettone, Phillip M.; Gusev, Vladimir V.; Aitchison, Catherine M.; Bai, Yang; Wang, Xiaoyan; Li, Xiaobo; Alston, Ben M.; Li, Buyi; Clowes, Rob; Rankin, Nicola; Harris, Brandon; Sprick, Reiner Sebastian; Cooper, Andrew I. (2020年7月9日). 「移動型ロボット化学者」(PDF) . Nature . 583 (7815): 237–241. Bibcode :2020Natur.583..237B. doi :10.1038/s41586-020-2442-2. PMID 32641813.
- ^ Roper, Katherine; Abdel-Rehim, A.; Hubbard, Sonya; Carpenter, Martin; Rzhetsky, Andrey; Soldatova, Larisa; King, Ross D. (2022). 「ロボットによるがん生物学文献の再現性と堅牢性のテスト」Journal of the Royal Society Interface . 19 (189): 20210821. doi :10.1098/rsif.2021.0821. PMC 8984295 . PMID 35382578.
- ^ クラウハウゼン、イムケ;コウツラス、ディミトリオス A.メリナス、アルマンタス。キーン、スコット T.リーベルト、カタリーナ。レダンスール、ハドリアン。シーラマンチュラ、ラジェンダール。ジョバンニッティ、アレクサンダー。トリチェッリ、ファブリツィオ。マカロック、イアン。ブロム、ポールWM。サレオ、アルベルト。ファン・デ・ブルクト、ヨエリ。パシャリス州グクピデニス（2021年12月10日）。 「ロボット工学における感覚運動統合と学習のための有機神経形態エレクトロニクス」。科学の進歩。7 (50): eabl5068。Bibcode :2021SciA....7.5068K。土井：10.1126/sciadv.abl5068。PMC 8664264。PMID 34890232。
- ニュース記事: Bolakhe, Saugat. 「有機的な「脳」を持つレゴロボットが迷路のナビゲートを学ぶ」。Scientific American 。 2022年5月29日閲覧。
- ^ Kagan, Brett J.; Kitchen, Andy C.; Tran, Nhi T.; Parker, Bradyn J.; Bhat, Anjali; Rollo, Ben; Razi, Adeel; Friston, Karl J. (2021年12月3日). 「試験管内ニューロンはシミュレートされたゲーム世界に具現化されたときに学習し、知覚力を発揮する」bioRxiv 10.1101/2021.12.02.471005。
- ニュース記事：「皿の中の人間の脳細胞はAIよりも速くポンの遊び方を学ぶ」。ニューサイエンティスト。 2022年1月26日閲覧。
- ^ フー、ティアンダ;劉暁夢。ガオ、ホンヤン。ウォード、ジョイ E.劉暁龍。イン、ビン。王忠瑞。卓、葉。ウォーカー、デビッド・JF。ジョシュア・ヤン、J.チェン、ジャンハン。デレク・R・ラヴリー;ヤオ・ジュン（2020年4月20日） 「生体からインスピレーションを得た生体電圧メモリスタ」。ネイチャーコミュニケーションズ。11 (1): 1861. Bibcode :2020NatCo..11.1861F。土井：10.1038/s41467-020-15759-y。PMC 7171104。PMID 32313096。
- ニュース記事：「研究者らが効率的な学習で人間の脳を模倣する電子機器を発表」マサチューセッツ大学アマースト校。2022年5月29日閲覧。
- ^ サルカール、タンモイ;リーベルト、カタリーナ。パヴルー、アリステア。フランク、トーマス。マイレンダー、フォルカー。マカロック、イアン。ブロム、ポールWM。トッリッチェリ、ファブリツィオ。パシャリス州グクピデニス（2022年11月7日）。 「その場での神経形態センシングとバイオインターフェイスのための有機人工スパイキングニューロン」。ネイチャーエレクトロニクス。5 (11): 774–783。土井：10.1038/s41928-022-00859-y。hdl : 10754/686016。S2CID 253413801。
- ^ 「人工ニューロンが生物学的対応物を模倣し、相乗的な動作を可能にする」Nature Electronics . 5 (11): 721–722. 2022年11月10日. doi :10.1038/s41928-022-00862-3.
- ^ スロート、サラ（2016年4月21日）。「脳エミュレーションは3つの大きな道徳的問題と恐ろしいほど実用的な問題を提起する」Inverse 。 2022年7月3日閲覧。
- ^ Sandberg, Anders (2014年7月3日). 「脳エミュレーションの倫理」. Journal of Experimental & Theoretical Artificial Intelligence . 26 (3): 439–457. doi :10.1080/0952813X.2014.895113. S2CID 14545074.
- ^ 「人工知能を進歩させるには、脳をリバースエンジニアリングする」MIT理学部。 2022年8月30日閲覧。
- ^ Ham, Donhee; Park, Hongkun; Hwang, Sungwoo; Kim, Kinam (2021年9月23日). 「脳のコピーと貼り付けに基づくニューロモルフィックエレクトロニクス」. Nature Electronics . 4 (9): 635–644. doi :10.1038/s41928-021-00646-1.
- ^ Pfeifer, Rolf; Iida, Fumiya (2004). 「具体化された人工知能: トレンドと課題」.具体化された人工知能. コンピュータサイエンスの講義ノート. 第3139巻. pp. 1–26. doi :10.1007/978-3-540-27833-7_1. ISBN 978-3-540-22484-6。
- ^ Nygaard, Tønnes F.; Martin, Charles P.; Torresen, Jim; Glette, Kyrre; Howard, David (2021年5月). 「形態学的に適応可能な四足ロボットによる現実世界の具現化されたAI」. Nature Machine Intelligence . 3 (5): 410–419. doi :10.1038/s42256-021-00320-3. hdl : 10852/85867 . S2CID 233687524.
- ^ トゥギ、アレクサンドル;ダンシウレスク、ダニエラ。サブティレル、ミハエラ＝シモナ（2019年4月14日）。 「人工知能の二重限界としての生物学: レビューと未来の議論」。コンピュータ通信と制御の国際ジャーナル。14 (2): 253–271。土井：10.15837/ijccc.2019.2.3536。S2CID 146091906。
- ^ Ball, Nicholas M.; Brunner, Robert J. (2010 年 7 月). 「天文学におけるデータマイニングと機械学習」. International Journal of Modern Physics D . 19 (7): 1049–1106. arXiv : 0906.2173 . Bibcode :2010IJMPD..19.1049B. doi :10.1142/S0218271810017160. S2CID 119277652.
- ^ ab Shekhtman, Svetlana (2019年11月15日). 「NASA、宇宙科学の問題にAI技術を適用」NASA . 2022年5月30日閲覧。
- ^ Fluke, Christopher J.; Jacobs, Colin (2020年3月). 「天文学における機械学習と人工知能の到達範囲と成熟度の調査」. WIREs Data Mining and Knowledge Discovery . 10 (2). arXiv : 1912.02934 . Bibcode :2020WDMKD..10.1349F. doi :10.1002/widm.1349. S2CID 208857777.
- ^ Pultarova, Tereza (2021年4月29日). 「人工知能は軌道上の宇宙ゴミを回避する方法を学習している」. Space.com . 2022年7月3日閲覧。
- ^ Mohan, Jaya Preethi; Tejaswi, N. (2020). 「人工知能と機械学習を宇宙探査と天文学に組み込む研究」。コンピューティングとエキスパートテクノロジーの新たなトレンド。データエンジニアリングと通信技術に関する講義ノート。第35巻。pp. 1295–1302。doi : 10.1007 / 978-3-030-32150-5_131。ISBN 978-3-030-32149-9。
- ^ リース、マーティン（2022年4月30日）。「宇宙に行く億万長者は宇宙革命の先駆者になれるか？ | マーティン・リース」ガーディアン。 2022年5月29日閲覧。
- ^ ab 「宇宙における人工知能」www.esa.int . 2022年5月30日閲覧。
- ^ Gutowska, Małgorzata; Scriney, Michael; McCarren, Andrew (2019 年 12 月)。機械学習を使用した地球外知能の特定。第 27 回 AIAI アイルランド人工知能および認知科学会議。
- ^ Zhang, Yunfan Gerry; Gajjar, Vishal; Foster, Griffin; Siemion, Andrew; Cordes, James; Law, Casey; Wang, Yu (2018). 「高速電波バースト121102パルス検出と周期性：機械学習アプローチ」. The Astrophysical Journal . 866 (2): 149. arXiv : 1809.03043 . Bibcode :2018ApJ...866..149Z. doi : 10.3847/1538-4357/aadf31 . S2CID 52232565.
- ^ Nanda, Lakshay; V, Santhi ( 2019). 「SETI (地球外知的生命体探査) 信号分類と機械学習」。2019国際スマートシステムおよび発明技術会議 (ICSSIT)。pp. 499–504。doi :10.1109/ ICSSIT46314.2019.8987793。ISBN 978-1-7281-2119-2。
- ^ ガジャール、ヴィシャル;シエミオン、アンドリュー。クロフト、スティーブ。ブジツキ、ブライアン。マルタ、バーゲイ。カロッツィ、トビア。コンク、ライモンド。チェコ人、ダニエル。デボア、デイビッド。ジュリア・ディマリンズ。ドリュー、ジェイミー。エンリケス、J. エミリオ。フォーセット、ジェームズ。ギャラガー、ピーター。ギャレット、マイケル。ギザニ、ネクタリア。ヘルブール、グレッグ。ホルダー、ジェイミー。アイザックソン、ハワード。サンジェイ州クダル。ラッキー、ブライアン。レボフスキー、マシュー。リー、ディ。マクマホン、デビッド HE;ジョー・マッコーリー。メリス、アンドレア。モリナリ、エミリオ。マーフィー、ピアース。ペロディン、デルフィーヌ。ピリア、マウラ。プライス、ダニー C.ウェッブ、クレア。ワーティマー、ダン。ウィリアムズ、デイビッド。 Worden, Pete; Zarka, Philippe; Zhang , Yunfan Gerry (2019年8月2日) 。「地球外知的生命体のための画期的な聴取探査」。アメリカ天文学会紀要。51 (7): 223。arXiv : 1907.05519。Bibcode : 2019BAAS。 ..51g.223G.
- ^ 「SkyCAM-5 - コンピューターサイエンスVIII講座 - 航空宇宙情報技術」ヴュルツブルク大学。 2022年5月29日閲覧。
- ^ 「ガリレオ計画：太陽系に潜むエイリアン技術の探査」BBCサイエンスフォーカスマガジン。 2022年5月29日閲覧。
- ^ 「『何かがやってくる』：アメリカはついにUFOを真剣に受け止める準備ができたのか？」ガーディアン。2022年2月5日。 2022年5月29日閲覧。
- ^ デビッド・レナード（2022年1月27日）「2022年はUFO研究の転換点となる可能性がある」livescience.com 。 2022年5月29日閲覧。
- ^ グリッツ、ジェニー・ローゼンバーグ。「アヴィ・ローブの驚異」 。 2022年5月29日閲覧。
- ^ マン、アダム。「アヴィ・ローブのガリレオ・プロジェクトは宇宙人の訪問の証拠を探す」。サイエンティフィック・アメリカン。 2022年5月29日閲覧。
- ^ 「ガリレオ プロジェクト – アクティビティ」。projects.iq.harvard.edu 。2022年5 月 29 日閲覧。
- ^ 「ガリレオ計画：ハーバード大学の研究者がエイリアンの技術の痕跡を探す」スカイニュース。
- ^ Loeb, Avi (2021年10月12日). 「先進文明からのAI宇宙飛行士」. Trail of the Saucers . 2022年5月29日閲覧。
- ^ Loeb, Avi. 「微生物、自然知能、人工知能」。サイエンティフィック・アメリカン。 2022年5月29日閲覧。
- ^ リース、マーティン。「なぜ地球外知能は生物学的知能よりも人工的知能である可能性が高いのか」。phys.org 。 2022年5月30日閲覧。
- ^ Crowl, A.; Hunt, J.; Hein, AM (2012). 「恒星間時間距離ボトルネックを克服するための宇宙の植民化」。英国惑星協会誌。65 : 283–285。書誌コード:2012JBIS...65..283C。
- ^ Hein, Andreas M.; Baxter, Stephen (2018年11月19日). 「恒星間旅行のための人工知能」. arXiv : 1811.06526 [physics.pop-ph].
- ^ デイヴィス、ジム。「意識のあるソフトウェアを作ろうとするべきではない—そうすべきになるまでは」。サイエンティフィック・アメリカン。2022年5月30日閲覧。
- ^ Torres, Phil (2018年6月)。「宇宙植民地化と被害リスク:「マキシポックルール」の再評価」「.未来. 100 :74–85. doi :10.1016/j.futures.2018.04.008. S2CID 149794325.
- ^ エドワーズ、マシューR.（2021年4月）。「アンドロイドノアと胚の箱舟：地球規模の大災害の生存と宇宙植民地化における外胚葉形成」。国際宇宙生物学ジャーナル。20 （2）：150–158。Bibcode ：2021IJAsB..20..150E。doi ： 10.1017 /S147355042100001X。S2CID 232148456 。
- 著者による説明：「人類は大量絶滅後、外生的進化により地球に再植民する可能性がある」。ScienceX 。 2022年5月30日閲覧。
- ^ Loeb, Avi (2022年1月27日). 「インテリジェントな適応か、野蛮な複製か」. Medium . 2022年5月30日閲覧。
- ^ サパタ・トルヒーリョ、フアン・C.サイム、アンナ・マリー。ローウェル、ケイラン N.バーンズ、ブレンダン P.クラーク、エブベキル S.ゴーマン、マイア N.ジェイコブ、ローリー SD;カポディストリアス、パナイオティ。ケジオラ、デイビッド J.レンプリエール、フェリックスAR;メドクラフト、クリス。オサリバン、ジェンセン。ロバートソン、エヴァン・G.ジョージア州ソアレス、G.ステラー、ルーク。ティース、ブロンウィン L.トレンブレイ、チェノア D.ソウザ・シルバ、クララ。マッケミッシュ、ローラ K. (2021)。 「958 個のリン含有分子の計算赤外分光法」。天文学と宇宙科学のフロンティア。8 : 43. arXiv : 2105.08897 . Bibcode :2021FrASS...8...43Z. doi : 10.3389/fspas.2021.639068 .
- ^ 「EUにおける科学分野における人工知能の適切な導入の成功 – 科学的助言メカニズム」。2024年4月16日閲覧。
- ^ 「科学的証拠レビュー報告書におけるAI - 科学的助言メカニズム」 。 2024年4月16日閲覧。
- ^ Assael, Yannis; Sommerschield, Thea; Shillingford, Brendan; Bordbar, Mahyar; Pavlopoulos, John; Chatzipanagiotou, Marita; Androutsopoulos, Ion; Prag, Jonathan; de Freitas, Nando (2022年3月). 「ディープニューラルネットワークを用いた古代テキストの復元と帰属」. Nature . 603 (7900): 280–283. Bibcode :2022Natur.603..280A. doi : 10.1038 /s41586-022-04448-z . PMC 8907065. PMID 35264762.
- ^ Paijmans, Hans; Brandsen, Alex ( 2010). 「考古学テキストの検索。人工知能アプローチを用いた問題と解決策」。PalArch 's Journal of Archaeology of Egypt / Egyptology。7 ( 2): 1–6。
- ^ Mantovan, Lorenzo; Nanni, Loris (2020年9月). 「考古学のコンピュータ化：人工知能技術の調査」. SN Computer Science . 1 (5). arXiv : 2005.02863 . doi :10.1007/s42979-020-00286-w.
- ^ Mondal, Mayukh; Bertranpetit, Jaume; Lao, Oscar (2019年12月). 「ディープラーニングによる近似ベイズ計算がアジア・オセアニアにおける第3の古代遺伝子移入を支援」. Nature Communications . 10 (1): 246. Bibcode :2019NatCo..10..246M. doi : 10.1038/s41467-018-08089-7 . PMC 6335398. PMID 30651539.
- ^ マルク、タンティ;ベルイエ、カミーユ。タフォーロー、ポール。マスカット、エイドリアン。ファルギア、ルーベン。セリ、ケネス。ヴァレンティノ、ジャンルカ。ソレ、V. アルマンド。ブリファ、ヨハン A. (2021 年 12 月 15 日)。 「エジプトのミイラのマイクロトモグラフィー画像の自動セグメンテーション」。プロスワン。16 (12): e0260707。arXiv : 2105.06738。ビブコード:2021PLoSO..1660707T。土井：10.1371/journal.pone.0260707。PMC 8673632。PMID 34910736。
- ^ 「DeepMindのAIは意味不明な動画を観て物理学を学ぶ」。ニューサイエンティスト。2022年8月21日閲覧。
- ^ Piloto, Luis S.; Weinstein, Ari; Battaglia, Peter; Botvinick, Matthew (2022年7月11日). 「発達心理学にヒントを得たディープラーニングモデルにおける直感的な物理学学習」. Nature Human Behaviour . 6 (9): 1257–1267. doi : 10.1038/s41562-022-01394-8 . PMC 9489531. PMID 35817932.
- ^ ab Feldman, Andrey (2022年8月11日). 「人工物理学者が自然の法則を解明」. Advanced Science News . 2022年8月21日閲覧。
- ^ チェン、ボーユアン;黄、光。ラグパティ、スナンド;チャンドラトレヤ、イシャーン。デュ、チャン。ホッド、リプソン（2022 年 7 月）。 「実験データに隠れた基本変数の自動発見」。自然の計算科学。2 (7): 433–442。土井：10.1038/s43588-022-00281-6。PMID 38177869。S2CID 251087119 。
- ^ Schmidt, Jonathan; Marques, Mário RG; Botti, Silvana; Marques, Miguel AL (2019年8月8日). 「固体材料科学における機械学習の最近の進歩と応用」. npj Computational Materials . 5 (1): 83. Bibcode :2019npjCM...5...83S. doi : 10.1038/s41524-019-0221-0 .
- ^ ab Stanev, Valentin; Choudhary, Kamal; Kusne, Aaron Gilad; Paglione, Johnpierre; Takeuchi, Ichiro (2021年10月13日). 「量子材料の探索と発見のための人工知能」. Communications Materials . 2 (1): 105. Bibcode :2021CoMat...2..105S. doi : 10.1038/s43246-021-00209-z . S2CID 238640632.
- ^ ab グラビン、ニコラス R.;アジャヤン、プリッケル M.カー、スワスティック（2022年2月23日）。 「量子材料製造」。先端材料。35 (27): 2109892.doi : 10.1002/adma.202109892。PMID 35195312。S2CID 247056685 。
- ^ Nuñez, Michael (2023-11-29). 「Google DeepMindの材料AIはすでに220万個の新しい結晶を発見している」VentureBeat 。 2023年12月19日閲覧。
- ^ Merchant, Amil; Batzner, Simon; Schoenholz, Samuel S.; Aykol, Muratahan; Cheon, Gowoon; Cubuk, Ekin Dogus (2023年12月). 「材料発見のためのディープラーニングのスケーリング」. Nature . 624 ( 7990): 80–85. Bibcode :2023Natur.624...80M. doi : 10.1038/s41586-023-06735-9 . PMC 10700131. PMID 38030720.
- ^ Peplow, Mark (2023年11月29日). 「Google AIとロボットが協力して新素材を開発」. Nature . doi :10.1038/d41586-023-03745-5. PMID 38030771.
- ^ Yanamandra, Kaushik; Chen, Guan Lin; Xu, Xianbo; Mac, Gary; Gupta, Nikhil (2020 年 9 月 29 日). 「イメージングと機械学習を使用したツールパス再構築による積層造形複合部品のリバースエンジニアリング」。 複合材料科学技術。198 : 108318。doi : 10.1016/ j.compscitech.2020.108318。S2CID 225749339。
- ^ Anderson, Blake; Storlie, Curtis; Yates, Micah; McPhall, Aaron (2014). 「機械学習技術によるリバースエンジニアリングの自動化」。2014年人工知能およびセキュリティワークショップの議事録。pp. 103–112。doi :10.1145/ 2666652.2666665。ISBN 978-1-4503-3153-1。
- ^ Liu, Wenye; Chang, Chip-Hong; Wang, Xueyang; Liu, Chen; Fung, Jason M.; Ebrahimabadi, Mohammad; Karimi, Naghmeh; Meng, Xingyu; Basu, Kanad (2021 年 6 月). 「同じコインの両面: ハードウェア セキュリティにおける機械学習のメリットとデメリット」. IEEE Journal on Emerging and Selected Topics in Circuits and Systems . 11 (2): 228–251. Bibcode :2021IJEST..11..228L. doi : 10.1109/JETCAS.2021.3084400 . hdl : 10356/155876 . S2CID 235406281.
- ^ 「DARPA、人工知能探査（AIE）プログラムにGrammaTechを採用」www.businesswire.com 2021年1月7日2023年1月10日閲覧。
- ^ グリーンバーグ、アンディ。「AIを盗む方法」。Wired 。 2023年1月10日閲覧。
- ^ Sanchez-Lengeling, Benjamin; Aspuru-Guzik, Alán (2018年7月27日). 「機械学習を用いた逆分子設計：物質工学のための生成モデル」. Science . 361 (6400): 360–365. Bibcode :2018Sci...361..360S. doi : 10.1126/science.aat2663 . PMID 30049875. S2CID 50787617.
- ^ Teemu, Rintala (2019年6月17日). 訓練済みニューラルネットワークのブールネットワーク抽出を使用して、時系列データから遺伝子制御ネットワークをリバースエンジニアリングする (生命科学技術修士論文). アールト大学.
- ^ アシュリー、ケビン D. (2017).人工知能と法務分析. doi :10.1017/9781316761380. ISBN 978-1-107-17150-3。[ページが必要]
- ^ ローア、スティーブ（2017年3月19日）。「AIは法務業務を行っている。しかし、弁護士に取って代わることはまだない」ニューヨークタイムズ。
- ^ クロフト、ジェーン（2019年5月2日）。「AIが韓国語の読み方を学ぶので、あなたは読む必要はありません」。フィナンシャル・タイムズ。 2019年12月19日閲覧。
- ^ Kleider-Offutt, Heather; Stevens, Beth; Mickes, Laura; Boogert, Stewart (2024-04-03). 「目撃者識別への人工知能の応用」.認知研究：原理と影響. 9 (1): 19. doi : 10.1186/s41235-024-00542-0 . ISSN 2365-7464. PMC 10991253 . PMID 38568356.
- ^ ジェフ・ラーソン、ジュリア・アングウィン（2016年5月23日）。「COMPAS再犯アルゴリズムの分析方法」ProPublica。2019年4月29日時点のオリジナルよりアーカイブ。 2020年6月19日閲覧。
- ^ 「論評：悪いニュース。人工知能は偏っている」CNA 2019年1月12日。2019年1月12日時点のオリジナルよりアーカイブ。2020年6月19日閲覧。
- ^ ab シマルチク、マテイ (2023). 「法による支配」。クリスティーナのキロンスカにて。トゥルスカニー、リチャード Q. (編)。現代中国：新たな超大国？。ラウトレッジ。ISBN 978-1-03-239508-1。
- ^ Nawaz, Nishad ; Gomes, Anjali Mary (2020). 「人工知能チャットボットは新たなリクルーター」。International Journal of Advanced Computer Science and Applications。10 (9). doi :10.2139/ssrn.3521915. S2CID 233762238. SSRN 3521915.
- ^ Kafre, Sumit (2018年4月15日). 「機械学習と人工知能を使用した自動履歴書」. Asian Journal for Convergence in Technology (AJCT) . 4 .
- ^ ab Kongthon, Alisa; Sangkeettrakarn, Chatchawal; Kongyoung, Sarawoot; Haruechaiyasak, Choochart (2009). 「会話エージェントに基づくオンライン ヘルプ デスク システムの実装」。新興デジタル エコシステムの管理に関する国際会議の議事録。pp. 450–451。doi : 10.1145 /1643823.1643908。ISBN 978-1-60558-829-2。
- ^ サラ・アシュリー・オブライエン（2016年1月12日）。「このアプリは未来のコールセンターか？」CNN 。 2016年9月26日閲覧。
- ^ jackclarkSF、ジャック・クラーク（2016年7月20日）。「新しいGoogle AIが顧客サービスに自動化をもたらす」ブルームバーグLP 。 2016年11月18日閲覧。
- ^ 「Amazon.comがカスタマーサービスチャットボットをテスト」Amazon Science 2020年2月25日。 2021年4月23日閲覧。
- ^ マラティヤ・トゥルグト・オザル大学、マラティヤ、トルコ; Isguzar, Seda; Fendoglu, Eda; マラティヤ・トゥルグト・オザル大学、マラティヤ、トルコ; SimSek, Ahmed Ihsan (2024年5月). 「ビジネスにおける革新的なアプリケーション：生成型人工知能の評価」（PDF）。Amfiteatru Economic。26 (66): 511. doi :10.24818/EA/2024/66/511 。 2024年6月13日閲覧。
{{cite journal}}: CS1 maint: multiple names: authors list (link) - ^ 「ホスピタリティ業界における高度な分析」マッキンゼー・アンド・カンパニー2017年2020年1月14日閲覧。
- ^ ズラタノフ、ソニア、ポペスク、ヨヴァン（2019）。「観光とホスピタリティにおける人工知能の最新アプリケーション」国際科学会議シンテザ2019の議事録。pp.84–90。doi： 10.15308 / Sinteza-2019-84-90。ISBN 978-86-7912-703-7. S2CID 182061194。
- ^ 「NVIDIA の研究: AI で標準ビデオをスローモーションに変換する」。2018 年 6 月 18 日。2021 年 12 月 21 日時点のオリジナルよりアーカイブ – YouTube 経由。
- ^ 「人工知能が古いビデオゲームを新品同様にする」The Verge 2019年4月18日。
- ^ 「レビュー：Topaz Sharpen AIは素晴らしい」。petapixel.com。2019年3月4日。
- ^ Griffin, Matthew (2018年4月26日). 「AIが破損した写真を元の状態に復元できるようになりました」.
- ^ 「NVIDIA の AI は他の悪い写真を見て悪い写真を修正できる」Engadget 2018 年 7 月 10 日。
- ^ 「AIを使用して109年前のニューヨーク市のビデオをカラー化し、4Kおよび60fpsにアップスケールする」。petapixel.com 。 2020年2月24日。
- ^ 「ユーチューバーは過去を4Kにアップスケールしている。歴史家はそれを止めるよう求めている」。Wired UK。
- ^ 「Facebookの画像機能停止で、同社のAIが写真にタグを付ける仕組みが明らかに」The Verge 2019年7月3日。
- ^ 「Google の DeepMind AI は単一の画像を動画に「トランスフレーム」できる」2022 年 8 月 18 日。
- ^ 「Google の新しい AI がテキストを音楽に変える」2023 年 1 月 28 日。
- ^ 「Google の新しい AI 音楽ジェネレーターは曲を作成し、保持することができます」。2023 年 1 月 30 日。
- ^ 「CSDL | IEEE コンピュータ協会」。
- ^ 「画像の背景を削除して画像を透明にする」。2024年8月8日。
- ^ 「InVIDキックオフミーティング」。InVIDプロジェクト。2016年1月22日。 2021年12月23日閲覧。
新しいH2020 InVID研究プロジェクトを開始します。
- ^ (ビデオ Veritas内)
- ^ 「InVIDプロジェクトのコンソーシアム」。InVIDプロジェクト。 2021年12月23日閲覧。InVID
のビジョン：InVIDイノベーションアクションは、新たなストーリーを検出し、ソーシャルメディアで拡散されるニュース価値のあるビデオファイルやコンテンツの信頼性を評価するための知識検証プラットフォームを開発します。
- ^ Teyssou, Denis (2019). 「デザイン思考方法論の適用: InVID 検証プラグイン」。フェイクニュース時代のビデオ検証。pp . 263–279。doi : 10.1007 /978-3-030-26752-0_9。ISBN 978-3-030-26751-3. S2CID 202717914。
- ^ 「InVIDとWeVerifyによるフェイクニュース暴露」 。 2021年12月23日閲覧。
- ^ 「TUM ビジュアルコンピューティング & 人工知能: Matthias Nießner 教授」niessnerlab.org。
- ^ 「ディープフェイクは中間選挙を混乱させるか？」Wired 2018年11月。
- ^ ab Afchar, Darius; Nozick, Vincent; Yamagishi, Junichi; Echizen, Isao (2018). 「MesoNet: コンパクトな顔ビデオ偽造検出ネットワーク」。2018 IEEE国際情報フォレンジックおよびセキュリティワークショップ (WIFS)。pp . 1–7。arXiv : 1809.00888。doi :10.1109/ WIFS.2018.8630761。ISBN 978-1-5386-6536-7. S2CID 52157475。
- ^ Lyons, Kim (2020年1月29日). 「FTC、オーディオディープフェイクの技術は向上していると語る」The Verge。
- ^ 「話者検証からマルチスピーカーテキスト音声合成への転移学習」からのオーディオサンプル。google.github.io。
- ^ ストリックランド、エリザ（2019年12月11日）。「Facebook AIがディープフェイク検出チャレンジを開始」IEEE Spectrum。
- ^ 「ディープフェイク検出研究へのデータ提供」ai.googleblog.com . 2019年9月24日。
- ^ Ober, Holly. 「新しい手法でディープフェイク動画を最大99%の精度で検出」カリフォルニア大学リバーサイド校。 2022年7月3日閲覧。
- ^ 「AIアルゴリズムがディープフェイク動画を高精度で検出」techxplore.com . 2022年7月3日閲覧。
- ^ abc 「新たなシュールレアリズムへようこそ。AIが生成したビデオが映画界を変える」MITテクノロジーレビュー。 2023年12月5日閲覧。
- ^ Bean、Thomas H. Davenport、Randy (2023-06-19)。「ジェネレーティブAIがハリウッドとエンターテインメントに与える影響」。MIT Sloan Management Review 。 2023年12月5日閲覧。
- ^ Cheng, Jacqui (2009 年 9 月 30 日)。「バーチャル作曲家が美しい音楽を作り、物議を醸す」Ars Technica。
- ^ 米国特許 7696426
- ^ 「コンピューター作曲家がチューリング生誕100周年を祝う」。ニューサイエンティスト。2012年7月4日。2016年4月13日時点のオリジナルよりアーカイブ。2021年12月27日閲覧。
- ^ ヒック、ティエリー (2016 年 10 月 11 日)。 「ラ・ミュージック・クラシック・リコンポゼ」。ルクセンブルガーワート。
- ^ “Résultats de recherche - La Sacem”.レパートリー.sacem.fr。
- ^ レケナ、グロリア;サンチェス、カルロス。コルソ＝イゲラス、ホセ・ルイス。レイエス・アルバラド、シレーニア。リバス・ルイス、フランシスコ。ヴィコ、フランシスコ。ラグリオ、アルフレッド (2014)。 「小児プリックテスト処置中の痛みの知覚を軽減するメロミクス音楽医学 (M3)」。小児アレルギーおよび免疫学。25 (7): 721–724。土井：10.1111/pai.12263。PMID 25115240。S2CID 43273958 。
- ^ 「Watson Beat on GitHub」。GitHub。2018年10月10日。
- ^ 「AIのキーによる歌」Wired 2018年5月17日。
- ^ 「少女時代のテヨンの妹、ハヨン、AIが作った曲でデビュー」koreajoongangdaily.joins.com 2020年10月7日2020年10月23日閲覧。
- ^ ビジネス インテリジェンス ソリューション。Wayback Machineで 2011 年 11 月 3 日にアーカイブ。Narrative Science。2013 年 7 月 21 日閲覧。
- ^ Eule, Alexander. 「ビッグデータとYahooのマスパーソナライゼーションへの取り組み」Barron's。
- ^ 「人間のように書く人工知能ソフトウェア」。2013年4月12日時点のオリジナルよりアーカイブ。2013年3月11日閲覧。
- ^ Riedl, Mark Owen; Bulitko, Vadim (2012 年 12 月 6 日). 「インタラクティブナラティブ: インテリジェントシステムアプローチ」. AI マガジン. 34 (1): 67. doi : 10.1609/aimag.v34i1.2449 . S2CID 11352140.
- ^ Callaway, Charles B.; Lester, James C. (2002年8月). 「物語散文生成」.人工知能. 139 (2): 213–252. doi : 10.1016/S0004-3702(02)00230-8 . S2CID 15674099.
- ^ 「日本のAIプログラムが短編小説を書き上げ、文学賞をほぼ受賞」Digital Trends 2016年3月23日2016年11月18日閲覧。
- ^ “ボットニュース”.ハンテオニュース。 2020 年 10 月 20 日。2020 年10 月 20 日に取得。
- ^ Canavilhas, João (2022年9月). 「人工知能とジャーナリズム：ポルトガルのスポーツメディアの現状と期待」.ジャーナリズムとメディア. 3 (3): 510–520. doi : 10.3390/journalmedia3030035 . hdl : 10400.6/12308 .
- ^ abcd Galily, Yair (2018年8月). 「人工知能とスポーツジャーナリズム：それは抜本的な変化か？」.テクノロジー・イン・ソサエティ. 54 :47–51. doi :10.1016/j.techsoc.2018.03.001.
- ^ Wu, Daniel (2023-08-31). 「読者が記事を嘲笑したため、ガネットはAIによるスポーツ要約の作成を停止」ワシントンポスト。 2023年10月31日閲覧。
- ^ Marr, Bernard (2018年8月17日). 「Wikipediaが人工知能を活用する驚くべき方法」. Forbes .
- ^ Gertner, Jon (2023年7月18日). 「Wikipediaの真実の瞬間 - オンライン百科事典は、AIチャットボットに事実を正しく理解することを教えるのに役立つか — プロセスで自分自身を破壊することなく? + コメント」。ニューヨークタイムズ。2023年7月18日時点のオリジナルよりアーカイブ。 2023年7月19日閲覧。
{{cite news}}: CS1 maint: bot: original URL status unknown (link) - ^ ピスコポ、アレッサンドロ (2018 年 10 月 1 日)。 「ウィキデータ: 人間とボットのコラボレーションの新しいパラダイム?」。arXiv : 1810.00931 [cs.HC]。
- ^ 「調査により、Wikipedia のページでボット同士の編集戦争が激化していることが判明」。ガーディアン。2017 年 2 月 23 日。2023年1 月 10 日閲覧。
- ^ Cole, KC「Wikipediaの揺らぐ真実」。Wired 。 2023年1月10日閲覧。
- ^ 「AIがWikipedia記事の古くなったテキストを自動的に書き換える」Engadget 2023年1月10日閲覧。
- ^ メッツ、ケイド。「Wikipedia が AI を導入し、人間の編集者の人数を拡大」。Wired。2023年1 月 10 日閲覧。
- ^ 「Wikipedia が Google を活用して編集者の記事翻訳を支援」VentureBeat 2019 年 1 月 9 日。2023年1 月 9 日閲覧。
- ^ ウィルソン、カイル（2019年5月8日）。「WikipediaにはGoogle翻訳の問題がある」The Verge 。 2023年1月9日閲覧。
- ^ 「AI研究者がビデオゲームを好む理由」エコノミスト。2017年10月5日時点のオリジナルよりアーカイブ。
- ^ ヤナカキス、ジオギオス N. (2012)。 「ゲームAIの再考」。第 9 回コンピューティングフロンティアカンファレンス - CF '12 の議事録。 p. 285.土井：10.1145/2212908.2212954。ISBN 978-1-4503-1215-8. S2CID 4335529。
- ^ Maass, Laura E. Shummon (2019年7月1日). 「ビデオゲームにおける人工知能」. Medium . 2021年4月23日閲覧。
- ^ Fairhead, Harry (2011年3月26日) [2011年3月30日更新]. 「KinectのAIブレークスルーの説明」. I Programmer . 2016年2月1日時点のオリジナルよりアーカイブ。
- ^ ab Poltronieri, Fabrizio Augusto; Hänska, Max (2019). 「人工知能時代の技術画像と視覚芸術: GOFAI から GAN まで」。第 9 回国際デジタルおよびインタラクティブ アート会議の議事録。pp. 1–8。doi : 10.1145/ 3359852.3359865。ISBN 978-1-4503-7250-3。
- ^ 「ファインアートプリント - クリプトアート」Kate Vass Galerie . 2022年5月7日閲覧。
- ^ ab 「分析 | トランプの写真は本物か？無料のAIツールにはリスクが伴う」ワシントンポスト。 2022年8月30日閲覧。
- ^ 「Google の画像ジェネレーター、柴犬の描画で DALL-E に匹敵」TechCrunch . 2022 年8 月 30 日閲覧。
- ^ 「Midjourney の魅力的な AI アート ジェネレーターが一般公開」PCWorld。
- ^ 「After Photos、AIがどのようにしてトリッピーなミュージックビデオを空から作り上げたのか」Fossbytes 2022年5月19日2022年5月30日閲覧。
- ^ Cetinic, Eva; She, James (2022-02-16). 「AIによるアートの理解と創造：レビューと展望」ACM Transactions on Multimedia Computing, Communications, and Applications . 18 (2): 66:1–66:22. arXiv : 2102.09109 . doi :10.1145/3475799. S2CID 231951381.
- ^ Lang, Sabine; Ommer, Bjorn (2018)。「コンピュータビジョンによる芸術作品の処理と分析の考察: 補足資料」。欧州コンピュータビジョン会議 (ECCV) ワークショップの議事録– Computer Vision Foundation 経由。
- ^ admin (2023-09-12). 「アニメーションの未来に影響を与えるトップ2テクノロジー」VGenMedia 。 2023年12月4日閲覧。
- ^ 「人工知能アニメーション：それは何であり、どのように機能するのか？」ピジョンスタジオ。 2023年12月4日閲覧。
- ^ Cole, Samantha (2023-02-01). 「Netflixが『人手不足』のためAIを使ったアニメを制作し、ファンが激怒」Vice . 2023年12月4日閲覧。
- ^ 「Move AIとは？モーションキャプチャーの革命」2023年9月12日。 2023年12月4日閲覧。
- ^ Dragicevic, Tomislav; Wheeler, Patrick; Blaabjerg, Frede (2019年8月). 「パワーエレクトロニクスシステムの信頼性のための人工知能支援自動設計」. IEEE Transactions on Power Electronics . 34 (8): 7161–7171. Bibcode :2019ITPE...34.7161D. doi : 10.1109/TPEL.2018.2883947 . S2CID 116390072.
- ^ 「エネルギー分野におけるAIの役割」DOE。
- ^ Bourhnane, Safae; Abid, Mohamed Riduan; Lghoul, Rachid; Zine-Dine, Khalid; Elkamoun, Najib; Benhaddou, Driss (2020年1月30日). 「スマートビルディングにおけるエネルギー消費予測とスケジューリングのための機械学習」. SN Applied Sciences . 2 (2): 297. doi : 10.1007/s42452-020-2024-9 . S2CID 213274176.
- ^ Kanwal, Sidra; Khan, Bilal; Muhammad Ali, Sahibzada (2021年2月). 「ハイブリッドマイクログリッドの有効電力制御のための機械学習ベースの加重スケジューリング方式」. International Journal of Electrical Power & Energy Systems . 125 : 106461. Bibcode :2021IJEPE.12506461K. doi :10.1016/j.ijepes.2020.106461. S2CID 224876246.
- ^ Mohanty, Prasanta Kumar; Jena, Premalata; Padhy, Narayana Prasad (2020). 「機械学習技術を使用した家庭用電気自動車の充電スケジュール」。2020 IEEE International Conference on Power Systems Technology (POWERCON)。pp. 1–5。doi : 10.1109 /POWERCON48463.2020.9230627。ISBN 978-1-7281-6350-5。
- ^ Foster, Isabella (2021年3月15日). 「機械学習でスマートグリッドをよりスマートにする」. EIT | Engineering Institute of Technology . 2022年7月3日閲覧。
- ^ 成功物語は2011年10月4日にWayback Machineにアーカイブされています。
- ^ Padmanabhan , Jayashree; Johnson Premkumar, Melvin Jose (2015 年 7 月 4 日) 。「自動音声認識における機械学習: 調査」。IETE技術レビュー。32 (4): 240–251。doi : 10.1080 /02564602.2015.1010611。S2CID 62127575。
- ^ アハメド・シマー、チョードリー・アムリタ・ロイ、ファワズ・カッセム、ラマナサン・パルメッシュ（2020年）。『Preech: プライバシー保護型音声文字起こしシステム』2703～2720頁。ISBN 978-1-939133-17-5。
- ^ 「デジタル分光測定法」2018年10月8日。
- ^ US 9967696B2、「デジタル分光法特許」、2018年10月8日公開
- ^ 「人工知能はどのようにして研究室から子供の遊び場へと移行しているのか」ワシントンポスト。 2016年11月18日閲覧。
- ^ 「石油・ガス産業における人工知能の応用：その影響を探る」2019年5月15日。
- ^ Salvaterra, Neanda (2019年10月14日). 「石油・ガス会社、コスト削減にAIを導入」ウォール・ストリート・ジャーナル。
- ^ 交通における人工知能：応用のための情報。2007年。doi :10.17226/ 23208。ISBN 978-0-309-42929-0。[ページが必要]
- ^ ベンソン、ソー。「自動運転バスが初めて公道に登場」。Inverse 。2021年8月26日閲覧。
- ^ 「欧州初のフルサイズの自動運転都市電気バスが登場」世界経済フォーラム。 2021年8月26日閲覧。
- ^ 「自動運転バスがスイスの町を未来へ導く」CNN 2021年8月26日閲覧。
- ^ Huber, Dominik; Viere, Tobias; Horschutz Nemoto, Eliane; Jaroudi, Ines; Korbee, Dorien; Fournier, Guy (2022). 「将来の公共交通機関における自動運転ミニバスの気候と環境への影響」.交通研究パートD：交通と環境. 102：103160 . Bibcode：2022TRPD..10203160H. doi：10.1016/j.trd.2021.103160 . S2CID 245777788.
- ^ 「ドイツ交通局、ハンブルクで世界初の全自動運転列車を発表」。2021年10月12日。 2022年7月3日閲覧。
- ^ 「ドローンを使用した鉄道のデジタル化」www.euspa.europa.eu 2021年2月25日。 2022年7月3日閲覧。
- ^ 「世界最速の無人新幹線が中国で運行開始」ガーディアン。2020年1月9日。 2022年7月3日閲覧。
- ^ 「JD.com、Meituan、Neolixが北京の公道で自動運転配送をテスト」TechCrunch 。 2022年4月28日閲覧。
- ^ ホーキンス、アンドリュー・J.（2020年7月22日）。「ウェイモはFCAと共同で自動運転のラムデリバリーバンを設計中」ザ・ヴァージ。 2022年4月28日閲覧。
- ^ 「Arrivalの配送バンが英国の小包倉庫で自動運転の実力をデモ」New Atlas 2021年8月3日2022年4月28日閲覧。
- ^バス、デール。「ウォルマート 、配送の伝統を活かして自動配送をリード」フォーブス。 2022年4月28日閲覧。
- ^ Cooley, Patrick; Dispatch, The Columbus. 「Grubhubが配達ロボットをテスト」. techxplore.com . 2022年4月28日閲覧。
- ^ 「自動運転の配達用バンが「人間の制御」を廃止」BBCニュース。2020年2月6日。 2022年4月28日閲覧。
- ^ アンドリュー・クロック「Nuroの自動運転配達バンがあなたの代わりに用事を済ませたい」CNET 2022年4月28日閲覧。
- ^ Hallerbach, Sven; Xia, Yiqun; Eberle, Ulrich; Koester, Frank (2018年4月3日). 「協調型自動運転車両におけるクリティカルシナリオのシミュレーションベース識別」SAE International Journal of Connected and Automated Vehicles . 1 (2): 93–106. doi :10.4271/2018-01-1066.
- ^ ウェスト、ダレル M. (2016 年 9 月 20 日)。「前進: 中国、ヨーロッパ、日本、韓国、米国における自動運転車」ブルッキングス研究所。
- ^ Burgess, Matt (2017年8月24日). 「英国、自動運転トラック小隊のテストを開始」Wired UK . 2017年9月22日時点のオリジナルよりアーカイブ。 2017年9月20日閲覧。
- ^ Davies, Alex (2015年5月5日). 「世界初の自動運転セミトラックが道路に登場」. Wired . 2017年10月28日時点のオリジナルよりアーカイブ。2017年9月20日閲覧。
- ^ マクファーランド、マット（2015年2月25日）。「グーグルの人工知能のブレークスルーは、自動運転車などに大きな影響を及ぼす可能性がある」ワシントンポスト。
- ^ 「自動運転車に安全性をプログラミングする」国立科学財団。2015年2月2日。
- ^ 人工知能の未来に備える。国立科学技術会議。OCLC 965620122。
- ^ 「行き場のない道を急いで？スマート信号機が渋滞緩和に役立つ」2022年5月18日。
- ^ 「AI、ドッグファイトのシミュレーションで空軍の戦闘戦術専門家を上回る」Ars Technica、2016年6月29日。
- ^ Jones, Randolph M.; Laird, John E.; Nielsen, Paul E.; Coulter, Karen J.; Kenny, Patrick; Koss, Frank V. (1999 年 3 月 15 日)。「戦闘飛行シミュレーションのための自動インテリジェントパイロット」。AIマガジン。20 ( 1): 27。doi :10.1609/aimag.v20i1.1438。
- ^ AIDAホームページ. Kbs.twi.tudelft.nl (1997年4月17日). 2013年7月21日閲覧。
- ^ 自己修復飛行制御システムの物語。NASAドライデン（2003年4月）。2016年8月25日閲覧。
- ^ Adams, Eric (2017年3月28日). 「AIが飛行をより安全に、そしておそらくより快適にする力を発揮」Wired . 2017年10月7日閲覧。
- ^ Baomar, Haitham; Bentley, Peter J. (2016). 「人間のパイロットを模倣して飛行 緊急手順を学習するインテリジェント自動操縦システム」。2016 IEEE 計算知能シンポジウムシリーズ (SSCI)。pp. 1–9。doi :10.1109/ SSCI.2016.7849881。ISBN 978-1-5090-4240-1。
- ^ 「UBが学生が設立したスタートアップに投資」buffalo.edu 2020年12月24日閲覧。
- ^ Williams, Ben; Lamont, Timothy AC; Chapuis, Lucille; Harding, Harry R.; May, Eleanor B.; Prasetya, Mochyudho E.; Seraphim, Marie J.; Jompa, Jamaluddin; Smith, David J.; Janetski, Noel; Radford, Andrew N.; Simpson, Stephen D. (2022年7月). 「エコアコースティック指標と機械学習を用いた海洋サウンドスケープの自動分析の強化」.生態学的指標. 140 : 108986. Bibcode :2022EcInd.14008986W. doi : 10.1016/j.ecolind.2022.108986 . hdl : 10871/129693 . S2CID 248955278.
- ^ Hino, M.; Benami, E.; Brooks, N. (2018年10月). 「環境モニタリングのための機械学習」. Nature Sustainability . 1 (10): 583–588. Bibcode :2018NatSu...1..583H. doi :10.1038/s41893-018-0142-9. S2CID 169513589.
- ^ 「機械学習は環境規制当局にどのように役立つか」スタンフォードニュース。スタンフォード大学。2019年4月8日。 2022年5月29日閲覧。
- ^ 「AIが環境規制当局を支援」スタンフォードニュース。スタンフォード大学。2021年4月19日。 2022年5月29日閲覧。
- ^ Frost, Rosie (2022年5月9日). 「プラスチック廃棄物は宇宙から発見・監視可能」. euronews . 2022年6月24日閲覧。
- ^ 「Global Plastic Watch」www.globalplasticwatch.org . 2022年6月24日閲覧。
- ^ 「AIは動物から人間に感染する次のウイルスを予測するかもしれない」。Public Library of Science 。2021年10月19日閲覧。
- ^ Mollentze, Nardus; Babayan, Simon A.; Streicker, Daniel G. (2021年9月28日). 「ゲノム配列からヒトに感染する可能性のあるウイルスを特定し、優先順位を付ける」. PLOS Biology . 19 (9): e3001390. doi : 10.1371/journal.pbio.3001390 . PMC 8478193. PMID 34582436 .
- ^ Li, Zefeng; Meier, Men-Andrin; Hauksson, Egill; Zhan, Zhongwen; Andrews, Jennifer (2018年5月28日). 「機械学習による地震波識別：地震早期警報への応用」. Geophysical Research Letters . 45 (10): 4773–4779. Bibcode :2018GeoRL..45.4773L. doi : 10.1029/2018GL077870 . S2CID 54926314.
- ^ 「機械学習と重力信号で大地震を迅速に検知できる」サイエンスニュース。2022年5月11日。 2022年7月3日閲覧。
- ^ ケビン・フォーヴェル;ダニエル・バルーク・トーマート;メルガル、ディエゴ。シルバ、ペドロ。アンソニー・シモネット。アントニウ、ガブリエル。コスタン、アレクサンドル。マッソン、ヴェロニク。パラシャール、マニッシュ。ロデロ、イワン。アレクサンドル・テルミエ（2020年4月3日）。 「緊急地震速報に対する分散型マルチセンサー機械学習アプローチ」。人工知能に関する AAAI 会議の議事録。34 (1): 403–411。土井：10.1609/aaai.v34i01.5376。S2CID 208877225。
- ^ ティルグナナム、ヘマラタ;ラメシュ、マニーシャ・ヴィノディーニ。ランガン、ヴェンカット P. (2020 年 9 月)。 「機械学習による土砂災害早期警報システムの信頼性向上」地滑り。17 (9): 2231–2246。Bibcode :2020Lands..17.2231T。土井：10.1007/s10346-020-01453-z。S2CID 220294377。
- ^ ムーン・スンヒョン; キム・ヨンヒョク; リー・ヨンヒ; ムーン・ビョンロ (2019). 「非常に短期間の大雨に対する早期警報システムへの機械学習の応用」. Journal of Hydrology . 568 : 1042–1054. Bibcode :2019JHyd..568.1042M. doi :10.1016/j.jhydrol.2018.11.060. S2CID 134910487.
- ^ Robinson, Bethany; Cohen, Jonathan S.; Herman, Jonathan D. (2020年9月). 「機械学習を用いた長期的な水供給脆弱性の早期警告信号の検出」.環境モデリング＆ソフトウェア. 131 : 104781. Bibcode :2020EnvMS.13104781R. doi : 10.1016/j.envsoft.2020.104781 . S2CID 221823295.
- ^ Bury, Thomas M.; Sujith, RI; Pavithran, Induja; Scheffer, Marten; Lenton, Timothy M.; Anand, Madhur; Bauch, Chris T. (2021年9月28日). 「転換点の早期警告信号のためのディープラーニング」. Proceedings of the National Academy of Sciences . 118 (39): e2106140118. Bibcode :2021PNAS..11806140B. doi : 10.1073/pnas.2106140118 . PMC 8488604 . PMID 34544867.
- ^ Park, Yongeun; Lee, Han Kyu; Shin, Jae-Ki; Chon, Kangmin; Kim, SungHwan; Cho, Kyung Hwa; Kim, Jin Hwi; Baek, Sang-Soo (2021年6月15日). 「淡水貯水池におけるシアノバクテリアの大量発生を早期に警告するための機械学習アプローチ」. Journal of Environmental Management . 288 :112415 . Bibcode :2021JEnvM.28812415P. doi :10.1016/j.jenvman.2021.112415. PMID 33774562. S2CID 232407435.
- ^ Li, Jun; Wang, Zhaoli; Wu, Xushu; Xu, Chong-Yu; Guo, Shenglian; Chen, Xiaohong; Zhang, Zhenxing (2021年8月). 「先行SST変動と機械学習を使用した堅牢な気象干ばつ予測」.水資源研究. 57 (8). Bibcode :2021WRR....5729413L. doi :10.1029/2020WR029413. hdl : 10852/92935 . S2CID 237716175.
- ^ Khan, Najeebullah; Sachindra, DA; Shahid, Shamsuddin; Ahmed, Kamal; Shiru, Mohammed Sanusi; Nawaz, Nadeem (2020年5月). 「機械学習アルゴリズムを使用したパキスタンの干ばつの予測」.水資源の進歩. 139 : 103562. Bibcode :2020AdWR..13903562K. doi :10.1016/j.advwatres.2020.103562. S2CID 216447098.
- ^ Kaur, Amandeep; Sood, Sandeep K. (2020年5月). 「ディープラーニングベースの干ばつ評価および予測フレームワーク」.生態情報学. 57 : 101067. Bibcode :2020EcInf..5701067K. doi :10.1016/j.ecoinf.2020.101067. S2CID 215964704.
- ^ ab 「AI搭載のさまざまなコードアシスタントの比較 [sic]」。2023年6月29日。 2023年8月4日閲覧。
- ^ Gershgorn, Dave (2021年6月29日). 「GitHubとOpenAIが独自のコードを生成する新しいAIツールをリリース」The Verge . 2021年9月3日閲覧。
- ^ 「Tabnine が Codota の一部に」 2020 年 3 月 23 日. 2023 年8 月 4 日閲覧。
- ^ 「プランと価格」 。 2023年8月4日閲覧。
- ^ 「CodiumAIを使用して自信を持って迅速に構築する」。2023年8月4日閲覧。
- ^ 「コードのパートナー、ゴーストライターをご紹介します」。2023年8月4日閲覧。
- ^ 「Amazon CodeWhisperer FAQ」 。 2023年8月4日閲覧。
- ^ 「Google AIが独自の「子供」ボットを作成」。The Independent。2017年12月5日。 2018年2月5日閲覧。
- ^ 「量子ノイズのキャンセル」シドニー工科大学。2019年5月23日。 2022年5月29日閲覧。
- ^ 「機械学習が次世代の量子センシングへの道を開く」ブリストル大学。 2022年5月29日閲覧。
- ^ スパニョーロ、ミケーレ;モリス、ジョシュア。ピアチェンティーニ、シモーネ。アンテスバーガー、マイケル。マッサ、フランチェスコ。クレスピ、アンドレア。チェッカレッリ、フランチェスコ。オセラム、ロベルト。フィリップ・ワルサー（2022年4月）。 「実験用光量子メモリスタ」。ネイチャーフォトニクス。16 (4): 318–323。arXiv : 2105.04867。Bibcode :2022NaPho..16..318S。土井：10.1038/s41566-022-00973-5。S2CID 234358015。
- ^ Ramanathan, Shriram (2018年7月). 「脳科学と人工知能のための量子材料」. MRS Bulletin . 43 (7): 534–540. Bibcode :2018MRSBu..43..534R. doi : 10.1557/mrs.2018.147 . S2CID 140048632.
- ^ 「人工知能により、正確な量子化学シミュレーションがより手頃な価格に」Nature Portfolio Chemistry Community 2021年12月2日。 2022年5月30日閲覧。
- ^ グアン、ウェン;パーデュー、ガブリエル。ペサ、アーサー。シュルド、マリア。寺師 幸司；ヴァジェコルサ、ソフィア;ジャン・ロシュ、ヴリマン（2021年3月）。 「高エネルギー物理学における量子機械学習」。機械学習: 科学とテクノロジー。2 (1): 011003.arXiv : 2005.08582。土井：10.1088/2632-2153/abc17d。S2CID 218674486。
- ^ 「5K量子ビットを超える欧州初の量子コンピューターがユーリッヒで発表」HPCwire 2022年5月30日閲覧。
- ^ コヴァ、タニア;ビトリーノ、カーラ。フェレイラ、マルシオ。ヌネス、サンドラ。ロンドン - ビジャレアル、パオラ;パイス、アルベルト (2022)。 「人工知能と量子コンピューティング 次の製薬ディスラプターとしての量子コンピューティング (QC)」。薬剤設計における人工知能。2390。スプリンガー米国: 321–347。土井：10.1007/978-1-0716-1787-8_14。PMID 34731476。S2CID 242947877 。
- ^ Batra, Kushal; Zorn, Kimberley M.; Foil, Daniel H.; Minerali, Eni; Gawriljuk, Victor O.; Lane, Thomas R.; Ekins, Sean (2021年6月28日). 「創薬アプリケーションのための量子機械学習アルゴリズム」. Journal of Chemical Information and Modeling . 61 (6): 2641–2647. doi :10.1021/acs.jcim.1c00166. PMC 8254374. PMID 34032436 .
- ^ Barkoutsos, Panagiotis Kl; Gkritsis, Fotios; Ollitrault, Pauline J.; Sokolov, Igor O.; Woerner, Stefan; Tavernelli, Ivano (2021年4月). 「材料設計における錬金術的最適化のための量子アルゴリズム」.化学科学. 12 (12): 4345–4352. doi :10.1039/D0SC05718E. PMC 8179438 . PMID 34163697.
- ^ ラッセル、スチュアート J. ;ノーヴィグ、ピーター(2003)、人工知能: 現代的アプローチ (第 2 版)、アッパー サドル リバー、ニュージャージー: プレンティス ホール、ISBN 0-13-790395-2
- ^ 「建設セクター向けスマート調達テクノロジー - SIPMM出版物」。publication.sipmm.edu.sg 2021-10-25 . 2022-11-30閲覧。
- ^ ab Heathcote, Edwin (2024年1月20日). 「AIが建築に進出」. Financial Times . 2024年2月7日閲覧。
- ^ ab 「建築におけるAI：設計効率を高め、競争優位性を獲得するための鍵」
- ^ ab 「人工知能は建築家に取って代わるのか？」ArchDaily 2023年10月18日2024年2月7日閲覧。
- ^ ab 「AIソフトウェアは建築とデザインをどう変えるのか」Dezeen 2022年11月16日2024年4月12日閲覧。
さらに読む
- Kaplan, AM; Haenlein, M. (2018). 「 Siri、私の手の中のSiri、この国で一番美しいのは誰？人工知能の解釈、図解、および意味について」。ビジネスホライズン。62 (1): 15–25。doi :10.1016/ j.bushor.2018.08.004。S2CID 158433736 。
- カーツワイル、レイ（2005年）。『シンギュラリティは近い：人類が生物学を超越するとき』ニューヨーク：ヴァイキング。ISBN 978-0-670-03384-3。
- 全米研究会議(1999)。「人工知能の発展」。革命への資金提供: コンピューティング研究に対する政府の支援。全米アカデミー出版。ISBN 978-0-309-06278-7. OCLC 246584055.
- Moghaddam, MJ; Soleymani, MR; Farsi, MA ( 2015). 「プログレッシブダイでのスタンピング操作のシーケンス計画」。Journal of Intelligent Manufacturing。26 ( 2): 347–357。doi : 10.1007 /s10845-013-0788-0。S2CID 7843287 。
- フェルテン、エド (2016 年 5 月 3 日)。「人工知能の未来に備える」。