トピック: Catastrophic Forgetting

全セクション横断 9 件

ロボットの世界モデルが過去の知識を再利用できるかを切り分けて測るベンチマークが提案された。モジュール型が忘却との両立で従来手法を上回ったが、完全な解決には至らず、ロボット導入時の評価軸として注目される。

大規模言語モデルの内部処理を層ごとに意味論的に追跡する新手法「SemRF」が発表された。モデルの軽量化や品質保証に直結する知見として、AI開発・導入企業の注目を集めそうだ。

英オックスフォード大学らの研究チームが、外部データや事前学習なしにクラスを逐次追加できるAIシステム「CIRCLE」を発表した。製造・小売・医療など幅広い業種でAI運用コストの抜本的削減につながると期待される。

米研究チームが、ロボットが過去のデモデータを保存せずに複数タスクを継続学習できるフレームワーク「REGEN」を発表。製造・物流現場における多品種対応自動化の実用化を加速させる可能性がある。

米研究者らがロボットの視覚・言語・行動モデルに能動的継続学習を組み合わせた手法「RECALL」を発表。失敗前に補完データを収集し、再訓練コストを削減できることが実証された。

京国際大学らの研究チームが、元学習データを保持せずにAIモデルを長期安定稼働させる枠組み「DO-ALL」を発表した。プライバシー規制が厳しい医療・金融分野での実用展開を加速させる可能性がある。

ポーランド・米国の研究チームが、AIが新しい知識を学ぶ際に旧知識を失う「破滅的忘却」の内部メカニズムを制御実験で解明した。製造・金融・医療など継続学習AIを導入する企業のモデル保守コスト削減に直結する知見である。

凍結済みの音声合成モデルを再訓練せずに発音を即時修正できる技術「FlowEdit」が登場した。企業の音声サービス運用コストと品質管理に根本的な変化をもたらす可能性がある。

継続学習における壊滅的忘却が情報破壊ではなくアクセス障害であることを示す幾何学的研究が発表され、企業のAI再学習コスト削減に向けた理論的根拠を提供した。