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