AI Shift Academy

「国産LLMって必要？」の議論、なんとなく噛み合わない気がしませんか？ そのモヤモヤを、「食料自給率」を補助線にして考えてみました。収穫物（モデル本体）と生産基盤（学習レシピ・研究ノウハウ）を分けて見ると、論点がすっきりするかもしれません。

AIに創造性はあるのか？最新の論文を読み込んで、この問いに正面から向き合いました。300人に小説を書かせたら「みんな上手くなったけど、みんな似てきた」という実験結果、10万人のデータでわかった人間とAIの創造力の差、そして「AIは創造主体か？」をめぐる哲学論争まで。個人の創造性が上がる一方で、集団の多様性が失われるというこの「社会的ジレンマ」にどう向き合えばいいのか、実践的なヒントも含めて話しています。

LLMに日本語で質問すると、文法は完璧なのにどこか「日本の常識」からズレた回答が返ってくることがあります。「英語のデータで学習してるんだから当然」と思いがちですが、最近の研究を見ると話はそこまで単純ではありません。推論力や汎用的な知識は英語から日本語に高い精度で移転する一方、文化固有の知識・バイアス・安全性の境界線は移転しにくい。今回は、この「何が移転して、何が移転しないのか」を、最新の研究をもとに整理します。

AIは言葉の裏をどこまで理解できるのか、について話しました。例えば「大丈夫です」という言葉、文脈によって意味がかわりますよね。AIにこの違いがわかるのでしょうか？まだ答えが出ていない問いですが、最近の研究でわかってきたことがあります。今回はそのあたりを整理してみました。

今回は新しい試みとして、AI ShiftのAIチームとサイバーエージェントAI Labのメンバーが普段から行っているAIトレンド雑談会の様子を公開してみます。話題は- Sakana AIの「Namazu」から見える日本語特化モデル開発の潮流- NVIDIA GTCで注目を集めたPhysical AIの最前線- Gemini 3.1 Flash Liveが切り拓くリアルタイム音声会話の進化です

1月末に爆発的に話題になった「AIだけのSNS」Moltbook。AIを集めたら社会になるのか？という問いに、現実が答えを出した2ヶ月間を振り返ります。形だけはすぐにできた。でも中身は思っていたものと違った。そして気づけば、実験場ごとビッグテックに吸収されていた。熱狂の中で何が見えて、検証の中で何が崩れ、最終的に何が残ったのか、一本の線として整理します。

AIエージェントが自律して作業できる時間を示す「AI Task Horizon」について深掘りします。チャットAIによる数秒のタスクから、数時間・数週間かかるプロジェクトをこなす自律型エージェントへ。METRによる最新モデルの評価基準や、Cursor、Manusといったツールの取り組み、そして今後のAIエージェントが進化する「3つの方向性」を解説しました。AIツール導入時に陥りがちな「感覚と実際のズレ」についても触れています！

宇都宮で開催された「言語処理学会2026」の会場から、最新のAIトレンドをレポートします。日本特有の「本音と建前」をAIがどこまで理解できるかというユニークな研究や、塗装技術をビールの泡作りに活かすといったLLMによる「異業種アナロジー」など、興味深いトピックが満載です。

AIの「記憶」に関する大きな課題と、2026年の注目トレンドである「継続学習」について深掘りします！現在のAIが抱える「破滅的忘却（Catastrophic Forgetting）」という弱点と、それを克服するために人間の脳の仕組みを取り入れた最新アプローチ（Googleの「Nested Learning」など）について解説します

及川の本業多忙に伴い、今後の番組配信体制についてお知らせします。これからは戸田のソロ配信がメインとなりますが、及川不在の穴を埋めるべく、AIロボットに及川の声を学習させた「ロボシン」との対話実験をやってみました！🤖LLMとの会話のキャッチボール（ターンテイキング）の難しさや、まさかの実験結果は必見です

AI Shift Academy（#シフアカ）前回に引き続き、ボイスボット開発の現場を支えるエンジニアたちが、LLM（大規模言語モデル）の登場による「破壊的進化」と、その裏に隠された「泥臭い苦労」を赤裸々に語ります。【今回のトピック】LLMと「速度」の壁： 0.1秒の遅延が致命傷になる音声会話の世界。「間（ま）」の恐怖： 人間はなぜ1秒の無音に耐えられないのか？フィラー（えーっと、少々お待ちください）の重要性： 違和感を消すためのエンジニアの工夫。音声認識の罠： 「チャンネル登録お願いします」と勝手に話し出すハルシネーション問題。技術の総合格闘技： 音声認識、LLM、音声合成を組み合わせる難しさ。最先端のAI技術を「実用」レベルに落とし込むための、現場ならではの試行錯誤が詰まったエピソードです。ぜひ最後までお楽しみください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。AIチャットボットは常に"何かのキャラクター"を演じているといわれています。では、そのキャラクターはどう作られ、何がきっかけで崩れるのか？Understanding AI掲載の記事「The many masks LLMs wear」を軸に、ベースモデルの仕組みから、最新のペルソナドリフト研究まで、AIの人格に関わる問題を横断的に解説します。参考リンク: https://www.understandingai.org/p/the-many-masks-that-llms-wear

AI Shift Academy（#シフアカ）今回のテーマは、以前も取り上げたボイスボット（音声対話システム）開発の裏側に迫る第二弾前編です。LLM登場以前、ボイスボットはIVR（自動音声応答）と併用されることが多く、開発現場では特有の課題がありました。・「55」や「9」など、数字・アルファベットの音声認識の難しさ・「はい/いいえ」の単純な質問に、ユーザーが長々と背景を語ってしまう問題・渋谷、戸田市、246号線など、地名や略称の認識エラー・ハンズフリー通話による雑音混入と認識精度の低下など、テキストのチャットボットにはない音声ならではの苦労話をAI Shiftの二人が語ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。「さっきと言ってること違わない？」ChatGPTを使っていて、そんな違和感を覚えたことはありませんか？今回は、AIが会話の流れによって“考え方そのもの”を変えてしまうことを示した最新研究を、やさしく紹介します。参考リンク: https://arxiv.org/abs/2601.20834

AI Shift Academy（#シフアカ）今回のテーマは「SF作品と現在のAI」。MLエンジニアの曽田が、AI開発に携わる今だからこそ感じるSF作品のリアリティや、現代技術との共通点について語ります。星新一『肩の上の秘書』に見るChatGPT的な意図解釈、アイザック・アシモフ『われはロボット』から考えるAIへの愛着、テッド・チャン作品における「AIの育成」など、古典SFが示唆していた課題を深掘り。また、カスタマーサポートAIに「謝罪」を求める人間の心理や、AIアバターに対する独特なコミュニケーションなど、技術の進化に伴う人間側の行動変容についても議論します。SFはもはや予言書？技術者視点のSFトークをお楽しみください！【トークテーマ】星新一『肩の上の秘書』とChatGPTアシモフ『われはロボット』とAIへの愛着テッド・チャン作品とAIの育成AIに対する人間の心理・行動▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。SNSの投稿文や広告文をAIが作ることは、すでに珍しくありません。こうしたAIは、多くの場合「人の反応を多く集めること」を目的に使われます。本エピソードでは、スタンフォード大学の研究をもとに、AIを「反応されやすさ」で学習させた場合に、何が起きたのかを紹介します。研究では、AIがより選ばれやすい文章を作るようになった一方で、事実と異なる内容や、誤解を招く表現が増える傾向が確認されました。技術的な詳しい話は避け、Known fact と実験結果に絞り、AIがどのような目的で学習すると、どのような文章を書くようになるのかを分かりやすく解説します。参考リンク: https://arxiv.org/abs/2510.06105

AI Shift Academy（#シフアカ）今回は、2023年の登場以降、再び注目を集めている「ローカルLLM」を特集！クラウド型のAI（ChatGPTやGeminiなど）が主流の今、なぜあえて自前環境でAIを動かす「ローカル」が熱いのか？そのメリットから最新の技術動向まで、エンジニアの視点で分かりやすく深掘りします。ローカルLLMとは？：自前環境でAIを動かす定義と、OSS（オープンソース）との違いなぜ今、再注目されているのか：モデルの軽量化やハードウェアの進化、精度の向上についてローカルLLMを選ぶ4つの理由：機密性とセキュリティ：社外秘データを安全に扱うコストパフォーマンス：高リクエスト環境での逆転現象ガードレールのカスタマイズ：特定の役割への特化（悪役ロールプレイなど）文化的多様性と安全保障：日本独自の文化継承やAI自給率の観点主要モデル紹介：Llama 3、Qwen、Gemma、DeepSeekなど、今すぐ試せる注目モデル手軽にローカルLLMを試してみたい方は、以下のソフトウェアがおすすめです。Ollama：エンジニア以外でも使いやすいUILM Studio：直感的な操作でモデルを動かせる▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。「言語が思考を形作る」というサピア＝ウォーフ仮説。100年議論されてきたこのテーマを、最新のAI研究が新たな角度から検証しました。AIに「何語で考えさせるか」を変えると、出力の多様性が変わる。英語から遠い言語ほど効果が大きい。言語とAIと創造性をめぐる、興味深い論文を紹介します。参考リンク: https://arxiv.org/abs/2601.11227

AI Shift Academy（#シフアカ）今回は、前回に引き続き「LLM登場以前のチャットボット」の歴史と技術（後半）です。シナリオ型（ルールベース）ならではの、「無限に増える分岐」や「表記ゆれへの対応」など、当時の泥臭い開発の裏側を語ります。【今回のハイライト】シナリオ型の限界：複雑化する分岐とメンテナンスの地獄、「その他」ばかり選ばれる問題。言葉のゆらぎ：「はい/いいえ」で答えられない曖昧な返答や、表記ゆれ（iPhone vs アイフォンなど）への手動対応。人間 vs ボット：文脈を無視した相談や、ボット相手への不満など、コミュニケーションの難しさ。今ではChatGPTなどが自然に行っている処理も、当時は手動と工夫で乗り越えていました。技術の進化と当時のエンジニアの奮闘をぜひお聴きください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。特定の時代のテキストだけでLLMをスクラッチ学習する「TimeCapsuleLLM」。90GBの19世紀ロンドン文献から生まれたこのモデルは、知識の再発見やAGI研究に何を示唆するのか。GitHubリポジトリとHacker Newsの議論を整理します。参考リンク: https://github.com/haykgrigo3/TimeCapsuleLLM

AI Shift Academy（#シフアカ）チャットボットの「FAQ型」と「シナリオ型」の違いと、それぞれの運用課題について深掘りします。FAQ型は、ユーザーの質問に対して事前に用意したQ&Aから回答を検索するタイプ。一見シンプルですが、実際には・表記ゆれや類義語の認識精度・「解決しましたか？」というフィードバックボタンの押下率の低さ・質問意図の汲み取り不足など、運用担当者を悩ませる課題が山積みです。これらの課題に対する具体的な解決策や、ユーザー体験を向上させるためのヒントを語ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。ChatGPTの登場で、Promptエンジニアリングが主流になり、一時は下火になったLLMのファインチューニング。それでも「独自ドメインではうまく答えられない」という理由から、再び注目されつつあります。なぜ今あらためてファインチューニングが検討されているのか、そして 「実はかなり怖い落とし穴」 について、最新研究をもとにビジネス視点で解説します。参考リンク: https://arxiv.org/abs/2512.09742

AI Shift Academy（#シフアカ）後編では、RAGシステムの運用フェーズにおけるリアルな課題に迫ります。RAGを導入したものの、精度評価が難しく、結局担当者の感覚（バイブス）で「良くなった気がする」と判断してしまう「バイブスチェック問題」。定量的な評価指標の欠如や、ユーザーの質問リテラシーによる検索精度のばらつきなど、運用現場ならではの悩みを紹介します。さらに、AIに過度な期待を寄せる「魔法の箱」幻想と現実のギャップ、そして継続的なナレッジ更新の難しさについても議論します。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。画像生成AIは高い表現力を獲得している一方で、多言語で指示を与えても、文化的な違いが反映されにくいという課題を抱えています。本エピソードでは、この現象を「文化ギャップ」として分析した最新論文「Where Culture Fades: Revealing the Cultural Gap in Text-to-Image Generation」を取り上げます。参考リンク: https://arxiv.org/abs/2511.17282

AI Shift Academy（#シフアカ）今回はAIワークフロー構築において欠かせない技術「RAG（検索拡張生成）」の現場の課題に焦点を当てます。#1でも取り扱いましたが、AIに社内ドキュメントなどの外部知識を参照させるRAG。一見便利な技術ですが、実際に開発してみると・表記ゆれやフォーマットの乱れによる検索精度の低下・LLMへのコンテキスト過多によるハルシネーション・「分かりません」と正直に言えないAIの挙動など、様々な壁にぶつかります。AI ShiftのMLエンジニア目線で、実務で直面した具体的な課題と、現時点での解決アプローチを赤裸々に語ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や論文を一つ取り上げ、コンパクトに紹介しています。AGIはベンチマークのスコアで決まるのか？Andrew Ng氏が提案する「Turing-AGI Test」は、AIを“人間と同じように働かせる”ことで汎用性を測ろうとする新強い発想について解説します。参考リンク: https://www.deeplearning.ai/the-batch/issue-334/

AI Shift Academy（#シフアカ）今回は、AI開発の現場で起こりつつある新たな課題「AIワークフローのコンテキストオーバー」について、AI Shiftの及川と戸田が深掘りします！複数のAI処理を繋げて自動化する「AIワークフロー」・プロンプトに気合いを入れすぎて情報過多に・1つのワークフローに詰め込みすぎて複雑化など、中級者が陥りがちな落とし穴を実例を交えて解説。「Few-Shot」が逆にハルシネーションを招いた失敗談や、業務棚卸しの重要性など、2025年以降のAI開発に必須の知見をお届けします。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。今回は話題が2つあります。①画像を扱うAIの弱点を補う手法「Chain-of-Visual-Thought（CoVT）」を取り上げます。AIがこれまで言語だけで判断していた部分に、境界や奥行きといった視覚的な中間表現を組み込むことで、カウントや位置関係などの精度が向上する点が特徴です。②AIが長い会話や複雑なプロジェクトを“忘れてしまう”問題にどう向き合うか。今回取り上げる「General Agentic Memory」は、AIが必要なときに必要な情報を深掘りして探し出す、新しい記憶アプローチです。参考リンク:① https://arxiv.org/abs/2511.19418② https://arxiv.org/abs/2511.18423

AI Shift Academy（#シフアカ）2025年の締めくくりに、1月から12月までの主要なAIニュースを、パーソナリティの2人が独自の視点で振り返ります。DeepSeekや拡散言語モデルから、話題となった「AIの処理できるタスクの長さは月と共に伸びる（AI版ムーアの法則）」まで、エンジニアならではの注目トピックが満載。GPT-4oやGeminiの進化、そしてClaudeの「Computer Use（Antrhopic）」など、激動の1年を駆け足でおさらいします。さらに、2026年の期待として、マルチモーダルの高度化・ブラウザAIの進化についても言及。来年のAIはどうなるのか、一緒に考えましょう！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。AIに意思決定を任せる時代、モデルに「どう質問するか」はますます重要になっています。今回の論文は、LLMの未来予測が“質問の構造”と“文脈”に大きく左右されることを実証したもの。ニュースを与えたら精度が下がる、略語の意味を取り違えるなど、実務のRAG設計にも直結する落とし穴が明らかになります。参考リンク: https://arxiv.org/abs/2511.18394

AI Shift Academy（#シフアカ）前回に続き、ボイスボット開発の裏側を深掘り！今回は、AIと人間らしい対話を実現するための試行錯誤に焦点を当てます。・ ストリーミング認識の落とし穴スムーズな会話のために導入したストリーミング認識。しかし、「どこで会話を切るか」という難問に直面。ボットが「ずっと空気を読んでしまう」現象とは？・ 人間らしさ vs 機械のわかりやすさ人間のような「間」や「相槌」は本当に必要なのか？あえて機械的に振る舞うことで、ユーザーの心理的ハードルを下げる逆説的なUX設計について議論します。・ アバター接客の衝撃体験ホテルでのアバター接客から見えた、プロの接客術とAIの現在地。最新のLLMでも超えられない「文脈理解」の壁とは？・ 割り込み機能「バージイン」の失敗談ユーザー体験向上のために実装した「割り込み機能」が、なぜ全く使われなかったのか？技術とユーザー心理のギャップに迫ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。今回は話題が2つあります。①DeepSeek-R1 が「政治ワードを含む質問のときだけ安全性の低いコードを返した」というCrowdStrikeの報告を解説します。政治的意図やバックドア説は否定されており、モデルの推論が文脈によって揺れた可能性が示されています。AIが“文脈で変化する”とはどういうことなのか、一緒に見ていきます。②音声AIが抱えていた“考えるほど精度が落ちる”という長年の謎に挑んだ最新研究を紹介します。ポイントは、AIに「文字ではなく音から考える習慣」を身につけさせたこと。これにより、これまで拾いきれなかった声の微妙なニュアンスを推論に活かせる可能性が見えてきました。参考リンク:① https://www.esecurityplanet.com/artificial-intelligence/crowdstrike-finds-bias-triggers-that-weaken-deepseek-r1-code-safety/② https://arxiv.org/abs/2511.15848

AI Shift Academy（#シフアカ）今回のシフアカは、方向性を変えて開発の「現場トーク」をお届けします！テーマは、AI Shiftのプロダクト「ボイスボット」の立ち上げ秘話。2019年、ボイスボットの始まりは「秘書さんサポート」だった！？「土日」が「兄貴」に聞き間違えられるなど、精度がまだ低く、運用が定まっていなかった当時の音声認識とどう戦ったのか。・独自の「聞き間違い辞書」の作成・「こう言ってください」と誘導するUXの工夫など、LLM登場以前のエンジニアの泥臭い試行錯誤を語ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。AIはキャラクター演技が上達していますが、最新研究では「悪役」だけうまく演じられないことが示されています。安全性のため“良いAI”として調整されていることで、嘘や狡猾さといった悪役らしい言動が再現しにくいのが原因です。AIの安全性と表現力のバランスを考えるうえで示唆の多い研究です。参考リンク: https://arxiv.org/abs/2511.04962

AI Shift Academy（#シフアカ）#3のアフタートークとして、最新のエンドツーエンド（E2E）音声対話モデルを実際に動かして比較検証しました！・ OpenAI vs Moshi 渋谷ランチ対決「渋谷のおすすめランチ」をテーマに実演。話の腰を折らずに割り込めるOpenAIと、爆速だが食い気味に反応してしまうMoshi。それぞれの挙動とUXの決定的な違いとは？・ 日本語特有の「間」と「相槌」Moshiの超低遅延が招く「会話の被り」から見えた課題。日本人の会話における「間（ま）」の重要性と、AIが空気を読む難しさについて議論します。・ ビジネス実装への示唆技術的な速さと、人間が心地よいと感じる対話リズムは別物？コールセンター等での実用を見据えた、現状の技術的到達点と今後の展望を語ります。▼おたよりは⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。最近のAIは長い文脈を読めるようになりましたが、その「長さ」自体が安全リスクになることが分かってきました。論文「Jailbreaking in the Haystack」をもとに、長文プロンプトの落とし穴と運用で気をつけたいポイントを紹介します。参考リンク: https://arxiv.org/abs/2511.04707

AI Shift Academy（#シフアカ）パイプラインからE2Eへ！最新音声対話技術の現在地 人間のように自然で低遅延な対話を実現する「E2E型音声モデル」へのパラダイムシフトを徹底解説します。・ Half-duplex vs Full-duplex爆速応答の「LLaMA-Omni」と、話しながら聞く同時双方向を実現する「Moshi」。それぞれのアーキテクチャと訓練手法の違いとは？・ 技術の裏側OpenAI Realtime APIの「擬似」Full-duplexの仕組みや、音声コーデック「Mimi」によるトークン化（Semantic/Acoustic）の構造を深掘り。・ 課題と展望対話データの不足やセキュリティ評価、今後のマルチモーダル化について議論します。音声AIの最前線をキャッチアップしたい方は必聴です！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。ByteDanceが発表した新しい論文「Scaling Latent Reasoning via Looped Language Models」を紹介します。AIが“考える”という行為を、これまでとはまったく違う形で再定義する研究です。Chain-of-Thoughtのように「外で考える」モデルではなく、内部で何度も考える、Ouroについてコンパクトに紹介します参考リンク: https://arxiv.org/abs/2510.25741

AI Shift Academy（#シフアカ）今回のテーマは「対話システムの歴史と未来」です。音声対話の基礎となるテキスト対話の進化を、1966年の元祖ELIZAから最新のLLMまで深堀りします。・ELIZAとSHRDLU：黎明期の対話と擬人化現象・主導権の変遷：一方通行から混合主導型へ・技術の進化：ルールベースから確率モデル、深層学習へChatGPT以降、AIは言葉を理解できるようになりました。では次の競争軸は何か。答えは理解の正確さから「体験の心地よさ（UX）」へのシフトです。技術の先にある、これからの対話デザインの核心に迫ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。AIをどうやって「頭がいい」と言えるのか？今回は、AIの知能を人間のIQテストのように測ろうとした論文『A Definition of AGI』 を紹介します。GPT-4とGPT-5を10の能力で比べると、意外な強みと弱点がくっきり。「記憶が苦手」「得意分野にムラがある」など、今のAIのリアルな姿が見えてきます。AIの知能を“構造”から見る新しい視点を解説します。参考リンク:https://arxiv.org/abs/2510.18212

AI Shift Academy（#シフアカ）今回のテーマは、音声対話システムの核心「対話制御とモデルの変化」について。ユーザーの発話をAIはどう理解し、記憶し、次の応答を決めているのか？NLU（理解）→DST（記憶）→Policy（決定）という「対話の脳みそ」の仕組みを徹底解説します！▼主なトピック・ASR（音声認識）のストリーミング進化・対話制御3モジュールの役割と連携・LLM登場による「パイプライン型」から「End-to-End型」への構造変化・精度と柔軟性を両立する「ハイブリッド型」の現実解「AIがどう考えて話しているか」を知れば、技術トレンドがより深く見えてきます。是非ご視聴ください！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。今回はDeepSeek社が提案した新技術「DeepSeek-OCR」を紹介します。テキストを“画像として圧縮して保存する”というユニークな発想で、AIの「記憶のしかた」を変えるかもしれない注目の研究です。マルチモーダルAIの流れの中で、この技術がどんな位置づけにあるのか、そして今後のAIエージェント開発にどう影響するのかをわかりやすく解説します。参考リンク:https://arxiv.org/abs/2510.18234

AI Shift Academy（#シフアカ）なぜ私たちはスムーズに会話のキャッチボールができるのでしょう？今回のテーマは「ターンテイキング」（話す・聞くの順番交代）です。人間は相手の話の終わりを予測し、わずか0.2秒で交代していると言われます。この複雑な仕組みをAIでどう実現するのか？ターンテイキングの基礎、読み取る手がかり（声のトーン、視線など）から、LLMを活用した最新AIモデル（Turn GPT, VAP）、音声対話システムでの重要性（UX向上、「バージイン（割り込み）」）まで詳しく解説。会話AIの「間（ま）」の秘密に迫ります！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。Googleが発表した新しい音声検索技術「Speech-to-Retrieval（S2R）」を紹介します。これまでの音声検索は「音声→文字→検索」という二段階でしたが、S2Rは“音声の意味”を直接理解して検索するという革新的な仕組み。音声認識の誤りを減らし、より速く自然な検索体験を目指すこの技術の仕組みや可能性を、わかりやすく解説します。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）ChatGPTのボイスモードなど、AIと「声」で話す仕組み＝「音声対話システム」が急速に進化しています。かつては、(1)音声検出 → (2)文字化 → (3)意図理解 → (4)文脈把握 → (5)応答決定 → (6)文章生成 → (7)音声合成、という7つの専門分野を組み合わせる「パイプライン型」が主流でした。しかし、この方法ではエラーが伝播しやすく、全体最適化が困難でした。現在は、LLMを中心に多くを統合する「End-to-End型」が標準に。さらに、音声のトーンや感情をそのまま理解する研究も進んでいます。とはいえ、人間のように自然な「間」で会話を切り返す「ターンテイキング」や応答速度にはまだ課題も。音声対話の技術的な変遷と未来の課題を解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）「ショート編」では、話題のAI技術や最新論文を一つ取り上げ、コンパクトに紹介しています。たった1文字の違いが、AIのテスト結果を左右する？Metaの研究チームが発表した論文「A Single Character Can Make or Break Your LLM Evals」では、プロンプトの区切り文字を変えるだけで、AIの成績が20〜30％も上下することが明らかになりました。なぜそんなことが起こるのか？そして、私たちはどう対策すればいいのか？AIが“言葉のかたち”にどれほど敏感なのかをわかりやすく紹介します。参考リンク：https://arxiv.org/abs/2510.05152

AI Shift Academy（#シフアカ）#2番外編として、ゲストパーソナリティの栗原から、言語処理学会「YANS」について紹介します。毎年実施されている言語処理学会「YANS」20代〜30代前半の研究者が中心で、活気ある雰囲気が特徴です。発表者と直接対話できる「ポスターセッション」がメインとなっており、参加者が自由にディスカッションできる場となっています。番組では、特に印象的だった研究として、「言い淀み」や「ノリ」といった即興性を含むリアルな会話の再現を目指す「自発音声」の研究を紹介。また、LLM（大規模言語モデル）を活用したデータセット作成など、学会で見られた最新の研究トレンドにも触れています。AI研究の最前線がわかるエピソード、ぜひお聴きください！▼おたよりは⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）AIの「賢さ」を測るモノサシが変わる？従来の「難しい問題が解けるか」という評価（ベンチマーク）だけでは、AIの真の実力は測れなくなりつつあります。これからのAI評価は、・ウェブ探索能力 (BrowseComp)・ツールの使い方 (LiveMCP)・研究能力や洞察の深さ・マルチモーダルや対話能力など、より実践的なスキルが問われます。また、「Chatbot Arena」のようなユーザー投票や、人間が評価ループに入る「Human-in-the-Loop」も再注目されています。「AI版ムーアの法則」と呼ばれるタスク完遂速度や、安全性・バイアス（RedTeaming, HELM）など、評価軸はどんどん複雑で多角的に。AI評価の未来を解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）TECH BLOG「LLM-as-a-Judgeにまつわるバイアスまとめ」はこちらから。今回は「AIの評価」評価における課題についてお話しています。特にLLMの性能評価における信頼性の問題を深掘りします。今回の放送では、AI評価者や人間に内在し、結果を歪める「バイアス」の体系的な分析から始めます。さらに、評価データが学習データに混入する「データ汚染」が如何にベンチマークを無意味にするか、そして評価AIの癖に最適化し実用性を損なう「ジャッジへの過適応」の危険性を指摘。問題設定自体の誤りや環境依存性といった、スコアの再現性を揺るがす要因も解説。AIの能力を正しく見極める上で、開発者や研究者が直面する深刻な課題を論じます。▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠⁠から

AI Shift Academy（#シフアカ）今回は「AIの評価」LLM as a Judgeについてお話しています。従来のAI評価は、自動指標では精度に、人手評価ではコストと時間に大きな課題がありました。そこで登場したのが、GPTのような高性能LLMを「評価者」として使う新手法「LLM as a Judge」です。人間による評価と遜色ない精度を実現しつつ、高速・低コストで大規模な評価を可能にします。評価の質はプロンプト設計が鍵を握り、明確な基準を与えることで人間の判断をスケールさせることができます。RAGの性能評価や、AIからのフィードバックでAIを強化するRLAIFなど応用も多彩。AI開発の常識を変えるこの技術を詳しく解説します！▼おたよりは⁠⁠⁠⁠⁠⁠⁠⁠こちら⁠⁠⁠⁠⁠⁠⁠⁠から