アームロボットでフィジカルAIを体験する準備をします。
事例が多いマシーンは、「SO-101」だと思います。
基本は、下記のURLを参考にします。
手元のカメラと俯瞰するカメラが必要になります。
手元のカメラにはアームロボットに取り付けるアタッチメントが必要です。
購入先は、秋月電子にします。
2026年8月9日日曜日
アームロボットの研究準備1
SO-101ロボットアーム 実践ガイド
SO-101を使った少ないデータでの模倣学習に挑戦
2026年8月6日木曜日
2026年7月18日土曜日
Fable5でコンデンサと抵抗のLTspiceのセミナーコンテンツのアップデート
次に、コンデンサ教材のスクリプトに上級演習スライドを追加します。Next, the resistor deck upgrades.両教材を上級エンジニア向けに大幅アップデートしました。基礎演習はそのまま残し、「上級演習」として専門性の高いコンテンツを追加しています（白背景デザインは維持）。
コンデンサ編（19→23スライド、シミュレーション4本→7本）
- 上級演習A：インピーダンス周波数特性とSRF（
05_impedance_srf.cir）—.ac解析で1kHz〜100MHzを一括スイープし、4種のコンデンサのV字カーブを重ね描き。メーカーデータシートのあのインピーダンスカーブを自分の手で再現し、「SRFより上ではコンデンサはコンデンサではない」を体感します。 - PDNターゲットインピーダンス設計法（コンセプトスライド）— Ztarget = ΔV/ΔImax から始まる、電源分配網設計のプロの方法論を導入。
- 上級演習B：反共振（アンチレゾナンス）（
06_antiresonance_pdn.cir）— 「コンデンサを足したらノイズが悪化した」という実際に起きる逆説の種明かし。制御ESR品によるダンピングで解決する様子まで比較し、「低ESR＝常に正義ではない」というメーカー差別化にも直結する知見に落とします。 - 上級演習C：MLCCのDCバイアス特性（
07_dcbias_mlcc.cir）— 非線形電荷式 Q(V)=C0·V0·atan(V/V0) のビヘイビアコンデンサで「100µFの実力は半分」を再現。定電流チャージのdV/dt傾きから実効容量を読むという、実務のC-V測定原理そのままの演習です。
抵抗編（17→19スライド、シミュレーション3本→5本）
- 上級演習A：熱暴走をシミュレーションで"起こす"（
04_thermal_runaway_tcr.cir）— 抵抗値が自分の温度で変わり、温度が自分の発熱で変わる双方向の電気-熱連成ループを構築。ループゲイン K = I²·R0·α·Rth による安定判別条件を導入し、K=0.3/0.8/1.2 の3条件で「収束」と「発散（熱暴走）」を画面上で目撃します。商用の電気-熱連成ソルバと本質的に同じ計算です。 - 上級演習B：モンテカルロ公差設計（
05_montecarlo_divider.cir）— 「±1%抵抗の分圧精度は±1%ではない」を600回のランダム試行で統計的に確認。SPICE Error Logの右クリック→「Plot .step'ed .meas data」で分布がそのままグラフになる隠れ名機能も紹介し、ペア性・TCRトラッキングという高精度シリーズの訴求点につなげます。
各.cirファイルには物理背景・操作手順・議論ポイントを冒頭コメントに詳述済みなので、講師用アンチョコとしてもそのまま使えます。なお、熱暴走演習のTCRは現象を明確に見せるため実素子より誇張した値にしてあり、その旨をファイル内・スライド両方に明記しています。開催前に一度LTspiceの実機で全ファイルの実行確認をお願いします。
コネクタのLTspiceセミナーの準備
Fable5を活用し、コネクタのLTspiceセミナーの準備をしました。
コネクタ編を追加します。まず要点をメモリに記録し、LTspiceファイルから作成します。次にコネクタ教材のPPTXを作成します。対象欄が折り返しているので短くします。All clean. Finalizing the deliverables.第3弾「コネクタワークショップ」を作成しました。教材（PPTX・21スライド、白背景・ティール系デザイン）とLTspiceシミュレーション7本です。
設計上の課題設定 → LTspiceで解決、という構成
コネクタは「回路図に線としてしか描かれない部品」——その線の中で起きている電気現象を設計対象にする、というコンセプトで、前半をPI（電源・接点信頼性）、後半をSI（高速信号・ノイズ）に振り分けました。
演習①：接触抵抗は「育つ」（01_contact_resistance_heat.cir）— 新品5mΩ→劣化20mΩ→腐食80mΩの3条件で、電気-熱アナロジーにより接点温度そのものを波形化。カタログ値は「新品の値」でしかないことを体感します。
演習②：「4本で20A」の計算が崩れるとき（02_multipin_current_sharing.cir）— 1本の接触不良が残り3本の健全ピンを定格超過に追い込む、コネクタ特有の故障連鎖を数値で確認。
演習③：TDRシミュレーション（目玉演習）（03_tdr_impedance.cir）— 数百万円クラスのTDR測定器の原理をネットリスト約30行で再現。ステップ波を打ち込み、t≒2.1nsに返る反射から「波形の時間軸＝伝送路上の距離」という地図が読めるようになります。反射係数から Z=50·(1+ρ)/(1-ρ) の実インピーダンス換算まで.measで自動化済み。
演習④：反射を抵抗1本で退治（04_reflection_termination.cir）— コネクタ不連続＋未終端でVDD+0.5Vを超えるオーバーシュートが発生しICが壊れるメカニズムと、直列終端33Ωによる解決。
演習⑤：ピンアサインという最強のタダ対策（05_crosstalk_pins.cir）— 相互インダクタンスKとピン間容量で隣接ピンクロストークを再現し、G-S-G配置でほぼ消滅することを波形で証明。
上級演習A：グランドバウンス（06_ground_bounce_ssn.cir）— 同時スイッチング1/4/8本でGNDピンのL·di/dtバウンスがVILを超えていく様子を観察。GPINSパラメータを書き換えてGNDピン増設の効果を自分の手で確認できる仕掛け付き。
上級演習B：活線挿抜のバウンス（07_hotplug_bounce.cir)— 電圧制御スイッチでチャタリングを表現し、接触ごとの突入電流と開離時のL·di/dtサージ（アークの正体）を1本のシミュレーションで俯瞰。ここから演習①の接点劣化へつながる「コネクタの一生」の因果でワークショップ全体が一本の物語として閉じます。
選定チェックリストの5項目はすべて演習番号と対応させてあり、「カタログのどこを見るか」まで落とし込んでいます。これで3部作（コンデンサ・抵抗・コネクタ）が同じフォーマット・同じ90分構成で揃いました。数値（寄生L/C、熱抵抗など）は代表的なオーダーで設定しているので、協賛メーカーの実製品値への差し替えと、開催前のLTspice実機での全ファイル動作確認をお願いします。
2026年4月22日水曜日
2026年4月4日土曜日
ロボットアームの開発のポイントは、産業用ロボット専用のグリッパーの提供
サブミニチュア専用のグリッパーや工具の開発状況は？
サブミニチュア（超小型）産業用ロボット専用のグリッパーや工具（エンドオブアームツーリング）などのエコシステムは、現在ONMIKROが製品化に向けて注力している主要な開発領域の一つです。
ソースに基づく開発状況と背景は以下の通りです。
- 市場の現状: 現在、サブミニチュアスケールや1マイクロメートル未満の精度に対応できるグリッパーやツールチェンジャーは、市場にほとんど存在しません。
- 顧客からの強い要望: 潜在顧客から最も多く寄せられる質問の一つが「ロボットに装着する専用のグリッパーやツールチェンジャーはあるか」という点であり、エコシステムの構築は顧客が導入を決める際の最大の懸念事項（摩擦）となっています。
- ONMIKROの戦略: 創設者のステパネンコ氏は、ロボットアーム本体を完成させるだけでなく、専用のエコシステムを構築することを市場投入に向けた最優先事項として掲げています。
- 開発の重要性: どのようなエンドオブアームツールを開発できるかが、最初にどの業界（光学、マイクロエレクトロニクス、医療機器など）に本格参入するかを決定付ける重要な要素になると考えられています。
総じて、サブミニチュア専用の工具類は**「これから構築される段階」**にあり、ONMIKROはロボットが真に実用的なツールとして機能するために、これら周辺機器の開発を不可欠なステップとして進めています。
ロボットアームの開発のポイントは、産業用ロボット専用のグリッパーの提供です。この辺りの対策は？
ONMIKROにおいて、専用のグリッパーやツールチェンジャーを含む**「エコシステムの構築」**は、ロボットアーム本体の開発と並んで、市場投入に向けた最優先事項の一つとして位置付けられています。
ソースに基づく具体的な対策と現状は以下の通りです。
- エコシステム開発の優先順位付け: 創設者のステパネンコ氏は、顧客が導入を検討する際の最大の懸念（フリクション）が「ロボットに何を装着すればよいか」という点にあると認識しています。そのため、単にアームを作るだけでなく、専用のグリッパーやツールチェンジャーをセットで提供することを、ビジネスを成功させるための必須条件としています。
- 市場にないツールの自社開発・構築: 現在、サブミニチュアスケールかつ1マイクロメートル未満の精度に対応できるツールは市場にほとんど存在しません。このギャップを埋めるために、ONMIKROは資金調達や専門家の採用を通じて、自社でこれらの周辺機器を開発・完成させる計画です。
- 参入業界の決定要因としてのツール開発: どのようなエンドオブアームツール（グリッパー等）を開発できるかが、最初にどの業界（光学、マイクロエレクトロニクス、医療機器、細胞操作など）に本格参入するかを決定する重要な指針となります。つまり、特定の用途に合わせたグリッパーの開発が、そのまま市場戦略に直結しています。
- 顧客との対話によるニーズの特定: ステパネンコ氏は、50社以上の潜在顧客との数時間にわたる対話を通じて、個別のアプリケーション（医療機器の組み立てやマイクロ電子部品の扱いなど）に必要とされるツールの要件を具体的に特定しており、これらを開発ロードマップに反映させています。
結論として、ONMIKROはグリッパーの不足を単なる課題ではなく、**「ロボットとエコシステムを一体として提供する」**という独自の価値提案の機会と捉え、製品化を急いでいます。
ONMIKROのロボットが1マイクロメートル（1μm）未満の繰り返し精度を一貫して実現できている理由
1マイクロメートル未満の精度はどのように実現されていますか？
ONMIKROのロボットが1マイクロメートル（1μm）未満の繰り返し精度を一貫して実現できている理由は、主に以下の3つの要素に集約されます。
- 最先端コンポーネントの採用と独自開発: ロボットは既存の製品の改良ではなく、メカニズム、エレクトロニクス、ソフトウェアのすべてがゼロから独自に設計・開発されています。その際、市場にある最先端（state-of-the-art）のコンポーネントを統合して使用していることが、高精度の基盤となっています。
- 物理的特性（軽量・短リーチ）の利点: 本体重量がわずか1.5kgと極めて軽量であること、そして一般的な産業用ロボットに比べてアームのリーチ（届く範囲）が短いことが、高精度を実現するための重要な前提条件となっています。アームを短く設計することで、物理的な構造上の誤差や振動を抑え、精度を極限まで高めることが可能になります。
- マイクロ自動化への特化: 数キログラムの可搬重量を想定して重厚に作られる従来の産業用ロボットとは異なり、ONMIKROのロボットは数グラム程度の非常に軽く小さなオブジェクトを扱うことに特化してアーキテクチャが最適化されています。この「小さく、軽く、精密に」という設計思想が、卓越した精度をコンパクトなパッケージで提供することを可能にしています。
創設者のステパネンコ氏によれば、これらの要素が組み合わさることで、既存の産業用ロボットよりも一桁高い精度を安定して発揮できるとしています。
超精密マイクロロボットアームの革新
超精密マイクロロボットアームの革新
OnMikroの創設者アレクサンドル・ステパネンコ氏は、マイクロスケールの産業オートメーションを革新する超精密ロボットアームを発表しました。このロボットは、従来の産業用ロボットを遥かに凌駕する1マイクロメートル未満の反復精度を誇り、光学、マイクロエレクトロニクス、医療機器などの精密分野での活用が期待されています。氏は20年に及ぶ独自の開発経験を経て、サブミニチュア産業ロボットという新市場を開拓し、世界中の企業から大きな注目を集めています。現在は、製品化に向けたエコシステムの構築や専門人材の確保、資金調達に注力しており、モントリオールを拠点にこの革新的な技術の市場投入を目指しています。
ONMIKROが目指す「サブミニチュア」ロボットの定義とは？
ONMIKROの創設者であるアレクサンドル・ステパネンコ氏は、従来の産業用ロボットとは一線を画す、マイクロスケールの自動化に特化した新しいクラスを**「サブミニチュア（超小型）・産業用ロボット」**と定義しています。
ソースに基づくと、この「サブミニチュア」ロボットを定義付ける主な要素は以下の通りです。
- 驚異的な精度（繰り返し精度）: 既存の産業用ロボットよりも一桁高い精度を持ち、1マイクロメートル（1μm）未満の繰り返し精度を安定して実現できることが定義の核となっています。
- 真のミニチュア・フォームファクタ: 非常にコンパクトな設計であり、1フィート四方の立方体の中に2台から3台のロボットを収めることができるサイズ感を指します。
- 極めて軽量な設計: 従来の「小型」とされる産業用ロボットがキログラム単位の可搬重量を想定して重厚な造りであるのに対し、このロボットは本体重量がわずか1.5kgと非常に軽量です。
- マイクロ自動化への最適化: 数グラム程度の極めて軽量で小さなオブジェクト（光学部品、フォトニクス、マイクロエレクトロニクス、細胞など）を扱うことを目的としており、短いリーチ（届く範囲）を活かして精度を極限まで高めています。
ステパネンコ氏は、技術の小型化が急速に進む中で、既存の産業用ロボットでは対応しきれない「より小さく、より精密で、よりコンパクトな製品」への需要に応えるものとして、このサブミニチュアという概念を提唱しています。
2026年3月24日火曜日
Wi-Fi チャネル状態情報(CSI:Channel State Information) によるWi-Fi センシング
Wi-Fi チャネル状態情報(CSI:Channel State Information) によるWi-Fi センシング
2026年3月15日日曜日
2026年3月9日月曜日
2026年2月1日日曜日
the VIRAL F1 Python project
Link to GitHub Repository: https://github.com/IAmTomShaw/f1-race... Link to Newsletter: https://tomshaw.substack.com/ Two months ago I built a Python project for Formula 1 fans and it went viral, hitting over 2 million views online and becoming one of the most starred F1 projects on GitHub. In this video, I give a full update on what’s changed since the last release, walk through the biggest new features, and talk about the future vision for the project. If you'd like to get involved in the project, feel free to help build some new features and submit a PR to the GitHub Repository! CHAPTERS 00:00 – Project update & what’s changed 00:24 – What F1 Race Replay does 00:39 – New features: GUI, telemetry & race insights 02:07 – Vision for the project & open source contributions 04:38 – How to get involved & what’s coming next
2025年12月31日水曜日
パラメトリック・スピーカー（指向性スピーカー）の仕組みと製作方法
特定の範囲にのみ音を届けるパラメトリック・スピーカー（指向性スピーカー）の仕組みと製作方法を解説しています。この技術は超音波を利用しており、直進性の高い音波を特定のターゲットに照射することで、周囲の人に気づかれずに本人だけに音を聴かせることが可能です。テキスト内では、**振幅変調（AM）やパルス幅変調（PWM）**といった信号処理技術に加え、空気の非線形特性による歪みの課題についても触れられています。また、LRAD（長距離音響発生装置）のような軍事・警備転用から、美術館や図書館での案内といった平和的な利用まで、幅広い応用例が示されています。設計の核心として、多数の超音波送信機を配列（アレイ化）することで、音圧の維持と高い指向性を両立させる手法が提案されています。最終的に、自作回路による実験結果を通じて、理論が実際に機能することが証明されています。
超音波指向性スピーカーシステムの構造
超音波指向性スピーカー回路の作り方
この記事では、パラメトリックスピーカーとも呼ばれる超音波指向性スピーカーシステムの構造について説明しました。このシステムは、特定の場所または領域に音声周波数を送信することで、その場所にいる人は音を聞くことができますが、隣にいる人や領域外の人は音に全く影響を受けず、その動作に気づくこともありません。
発明・製作：三浦一徳（日本）
長距離音響装置（LRAD）の試験で得られた優れた結果を受けて、アメリカン・テクノロジー・コーポレーションはLRAD社に社名を変更しました。2010年3月25日、LRAD社はオーディオスポットライトとも呼ばれるこの装置をLolosonic Research Labs, Inc.の製品として開発し、軍事用途以外で使用されています。
この装置は、特定の領域のみに集中した音波ビームを生成するように設計されています。この装置は、美術館、図書館、展示ギャラリーなど、周囲の人が静かに過ごしている間に、音ビームを用いて警告メッセージを送ったり、特定の行動をとっている人に指示を出したりするのに非常に適しています。
このようなパラメトリックスピーカーシステムから発せられる集中的な音響効果は非常に正確で、対象者は、隣にいる人には全く気づかれない一方で、自分だけが集中した音響コンテンツを体験することに驚嘆するでしょう。
パラメトリックスピーカーの動作原理
パラメトリックスピーカー技術は、ほぼ視線方向を伝播する特性を持つ超音波領域の音波を使用します。
しかし、超音波領域は20kHzを超える場合（正確には40kHz）、人間の耳には全く聞こえない可能性があるため、システムはどのように集中ゾーンで音波を聞き取れるようにしているのでしょうか？
これを実現する一つの方法は、2つの40kHzビームを重ね合わせ、一方のビームに1kHzの可聴周波数を持たせ、特定の地点で合流するように角度をつけて配置することです。この2つの40kHzの成分は互いに打ち消し合い、特定の地点で1kHzの周波数が聞こえるようにします。
このアイデアは一見シンプルに見えますが、LRADとは正反対に、対象地点での音量が低いため、効果が出にくくなり、対象者を気絶させたり無力化したりするには不十分です。
超音波を用いて可聴指向性音を生成する他の現代的な方法としては、振幅変調（AM）、両側波帯変調（DSB）、片側波帯変調（SSB）、周波数変調（FM）などがありますが、これらの概念はすべて、最近研究されているパラメトリックスピーカーシステム技術に基づいています。
言うまでもなく、110dB以上の超音波は、長い気団「チューブ」を伝播する過程で、音圧分布が不均一になる可能性があります。
音圧の不均一性により、大きな歪みが生じる可能性があり、美術館やギャラリーなどの静かな場所での使用には非常に望ましくない場合があります。
上記の非線形応答は、空気分子が元の密度に戻るまでの時間が、分子を圧縮するのにかかる時間よりも比較的長いために生じます。高圧で発生する音は周波数も高くなり、分子が圧縮されている分子と衝突する際に衝撃波が発生する傾向があります。
正確に言うと、可聴音は振動する空気分子で構成されており、それらは完全には「元に戻らない」ため、音の周波数が高くなると、不均一性によって「空気粘性」と最もよく定義される効果により歪みが大きく聞こえやすくなります。
そのため、メーカーは歪みを最小限に抑えながら音響再生を大幅に向上させるDSP指向性スピーカーコンセプトを採用しています。
さらに、単一指向性でクリアなサウンドスポットを実現するために、高度なパラメトリックトランスデューサースピーカー配置を採用しています。
これらのパラメトリックスピーカーによって生み出される高い指向性は、その狭い帯域幅特性にも起因しており、マトリックス配置によって多数のトランスデューサーを追加するだけで、要求仕様に応じて帯域幅を拡大できます。
パラメトリック2チャンネルスピーカー変調器の概念を理解する
DSBはアナログスイッチング回路を用いて容易に実現できます。発明者は当初これを試みましたが、大きな音は得られましたが、非常に大きな歪みを伴いました。
次に、FM技術に似た概念を採用したPWM回路が試されました。結果として得られる音の出力ははるかに明瞭で歪みはないものでしたが、DSBに比べて強度がはるかに弱いことがわかりました。
この欠点は最終的に、最大50個の40kHzトランスデューサーを並列に接続した2チャンネルのトランスデューサーアレイを配置することで解決されました。
2025年12月29日月曜日
電気触覚ディスプレイの解説
皮膚下の神経を電気刺激することで触覚を提示する電気触覚ディスプレイの仕組みと設計手法を解説しています。機械的駆動部がないため軽量・薄型かつ低消費電力という利点がありますが、一方で感覚の安定性や回路設計の難易度が課題とされています。技術面では、神経膜を脱分極させるアクティベイティング・ファンクションの理論や、痛みを抑えつつ効率的に刺激を与えるためのパルス幅と高さの関係が詳述されています。また、電極の極性による感覚の違いや、高電圧スイッチング回路を用いたハードウェア構成についても触れています。さらに、汗や皮膚の状態による感覚のばらつきを防ぐため、インピーダンス計測を用いたフィードバック等の解決策が提示されています。最終的に、視覚障害者支援やタッチパネルへの応用など、将来的な実用化に向けた技術的要点をまとめた総合的なガイドとなっています。
2025年12月16日火曜日
データ分析企業Palantir（パランティア）とその創業者アレックス・カープ
データ分析企業Palantir（パランティア）とその創業者アレックス・カープの歴史と戦略を概説しています。カープの特異な生い立ち（哲学への傾倒、失読症、株式投資の成功）から説き起こし、ピーター・ティールとの出会い、そしてPalantir設立の経緯を詳述しています。Palantirは、PayPalの不正防止技術を応用し、9.11テロ後のデータ統合の必要性から生まれ、当初はCIAからの投資で**「Gotham（ゴッサム）」を開発しました。また、初期の民間企業（B2B）への展開の苦労や、軍への導入をめぐる政治的な抵抗と訴訟による突破**、そして近年のAI事業（AIP）への戦略的転換が、創業時のビジョンと共に語られています。
2025年11月27日木曜日
DeepMindの汎用人工知能
DeepMindの汎用人工知能（AGI）への挑戦：ゲームから科学的ブレークスルー、そして人類の未来へ
エグゼクティブサマリー
このブリーフィングドキュメントは、Google DeepMindが追求する汎用人工知能（AGI）の開発に関する主要なテーマ、マイルストーン、および洞察を統合したものである。DeepMindのミッションは、特定のタスクに特化するのではなく、人間のように学習し、あらゆる知的タスクに適応できる汎用的なシステム「AGI」を解明することにある。
創設者デミス・ハサビスは、認知神経科学から得た脳の仕組みに関する知見をAI開発に応用。強化学習を中核技術とし、ゲームをAI進化の試金石として活用した。アタリゲームをマスターしたDQN、囲碁の世界チャンピオンを破ったAlphaGo、そして人間の知識なしに自己学習するAlphaZeroは、その能力を段階的に証明した。
DeepMindの挑戦はゲームの世界に留まらず、科学の未解決問題へと向けられた。AlphaFoldプロジェクトは、50年来の生物学上の難問であった「タンパク質の立体構造予測問題」を解決し、AIが現実世界の複雑な科学的課題を解決できることを実証した。この成果は2億ものタンパク質構造データベースとして無償公開され、医学や生物学研究に革命的な影響を与えている。
一方で、AGIの急速な進化は、軍事利用、社会・経済への影響、制御不能のリスクといった深刻な倫理的・安全性の課題を提起している。DeepMindは技術の中立性を認識し、AIセーフティサミットなどで国際的な議論を主導するなど、責任ある開発の必要性を強く訴えている。AGIの出現は人類史の転換点となりうるため、その開発と活用には極めて慎重なアプローチが求められる。
--------------------------------------------------------------------------------
1. DeepMindの創設とAGIへのビジョン
1.1. 創設者デミス・ハサビスの原点：思考ゲームから科学へ
デミス・ハサビスのAGIへの情熱の根源は、幼少期の体験にある。チェスの神童として知られ、4歳でその才能を見出され、6歳で8歳以下のチャンピオン、10代で世界ランキング2位にまで上り詰めた。しかし、12歳の時、長時間の試合の末に経験した出来事が彼の価値観を大きく変える。
「なぜここにいる人たちは こんなことに脳を使う？」「ここにいる300人の頭脳を集約させれば ガンも治せるかもしれません」「チェスは大好きだが 人生は懸けられない」
この経験から、彼は人間の知能をゲームのような閉じた世界ではなく、科学や医療といった人類の根源的な課題解決のために使うべきだと考えるようになった。この思想が、後のDeepMind創設の原動力となる。
1.2. 脳科学からのインスピレーションとシェーン・レッグとの出会い
ハサビスは、AGI開発のヒントが人間の脳にあると考え、ケンブリッジ大学でコンピューター科学を学んだ後、ユニバーシティ・カレッジ・ロンドン（UCL）で認知神経科学の博士号を取得した。彼の目標は一貫して「知能を明らかにしたい」というものであった。
「AGIの可能性を証明する 唯一の存在が 人間の脳だと思います」
UCLで、彼は同じくAGIに強い関心を抱いていたシェーン・レッグと出会う。当時、学術界ではAGIは主流の研究テーマではなく、二人は「誰も知らない秘密を２人で 共有している気分でした」と語る。この出会いがDeepMind創設へと繋がった。
1.3. 創業と資金調達の困難
2010年、ハサビスとレッグはDeepMindをロンドンで創業した。ミッションは明確だった。
「世界初の 汎用学習機械を作ること。“汎用”と“学習”が キーワードです」
しかし、その壮大なビジョンは当初、投資家たちに理解されなかった。ベンチャー投資家のデビッド・ガードナーは「今やる必要性や 製品の詳細を聞かれます」「“インチキな 野心家たち”」と見なされていたと振り返る。逆張り投資家として知られるピーター・ティールからの初期投資を得て、プロジェクトは本格的に始動した。
2014年、研究開発を加速させるため、DeepMindはGoogleによる4億ポンドでの買収を受け入れた。これは、研究の意義を理解し、短期的な利益を追求せず長期的な研究に専念できる環境を確保するための戦略的な決断であった。
2. ゲームを試金石としたAIの進化
DeepMindは、AIエージェントが自身の環境と相互作用しながら学習する「強化学習」を中核的なアプローチとした。その能力を検証し、進化させるための最適なテストベッドとして、複雑で明確な目標を持つビデオゲームやボードゲームが選ばれた。
2.1. アタリゲームとDQN：汎用学習の最初の証明
最初の挑戦は、古典的なアタリ社のビデオゲームだった。開発された「DQN」は、深層学習と強化学習（Q学習）を組み合わせた単一のアルゴリズムであり、ルールを教えずにピクセル情報と「高得点を取れ」という指示だけでゲームを学習する。
- 初期の失敗: 最初の試みでは、単純なゲーム「ポン」すらプレイできず、チームは「あきらめようと思いました」というほどの困難に直面した。
- ブレークスルー: その後、DQNは学習を開始し、3ヶ月で人間を圧倒するレベルに到達。特に「ブレークアウト」では、ブロックの裏側にボールを送り込んで一掃するという、人間が考案した戦略を自ら発見した。
- 汎用性の実証: DQNは50種類の異なるゲームで検証され、多くで人間以上の成果を上げた。これは「汎用型AIの最初の事例」とされ、科学雑誌『ネイチャー』に掲載された。
2.2. AlphaGoと囲碁：世界の注目を集めた歴史的勝利
次にDeepMindが挑んだのは、計算上の複雑さが「宇宙の原子の数よりも多い」と言われるボードゲームの頂点、囲碁だった。
- イ・セドルとの対決 (2016年, ソウル): AlphaGoは、過去10年で最強の棋士の一人であるイ・セドルと対戦。人間には思いつかない独創的な一手（37手目）を放ち、世界に衝撃を与え、4勝1敗で勝利した。この勝利は、AIが人間の直感や創造性の領域に踏み込んだ象徴的な出来事となった。
- 柯潔との対決 (2017年, 烏鎮): AlphaGoは世界最強の棋士、柯潔にも勝利。この出来事は中国に大きな衝撃を与え、「スプートニク・モーメント」と称された。エコノミスト誌のケネス・クキエは、これにより世界のAI開発競争が激化したと指摘している。
2.3. AlphaZero：人間の知識からの脱却と自己学習
AlphaGoの成功後、DeepMindはさらに進化を遂げる。人間の棋譜データを一切使用せず、ルールのみを教え、自己対戦を繰り返すことで学習する新アルゴリズム「AlphaZero」を開発した。
- 驚異的な学習速度: AlphaZeroは、囲碁だけでなくチェスや将棋にも対応。チェスでは、学習開始からわずか数時間で人間の能力を超え、一晩で世界最強レベルに到達した。
- 新たな知識の創造: 人間の定石にとらわれない独創的な戦法を生み出し、チェスのグランドマスター、マシュー・サドラーを「信じられない」「またチェスを やってみたくなった」と感嘆させた。これはAIが人間の知識を拡張し、新たな発見を促す可能性を示唆した。
2.4. AlphaStarとスタークラフト：複雑なリアルタイム戦略への挑戦
DeepMindの次の目標は、不完全な情報、多数のユニット、リアルタイムでの連続的な意思決定が求められる複雑なビデオゲーム「スタークラフト」だった。
- プロゲーマーとの対決: 開発されたAI「AlphaStar」は、トッププロゲーマーと対戦し、10勝1敗という圧倒的な成績を収めた。AlphaStarは1分間に800回ものクリックを正確に行う人間離れした操作能力だけでなく、プロゲーマーのようなスマートな戦略的プレーを見せた。
- より現実世界に近い環境: ターン制のボードゲームと異なり、スタークラフトでの成功は、より動的で予測不可能な現実世界の問題にAIを適用するための重要な一歩となった。
3. 科学への応用：AlphaFoldによるタンパク質構造予測問題の解決
ゲームで培ったAI技術は、人類が直面する最も困難な科学的問題の一つに向けられた。それが、生命の根幹をなすタンパク質の立体構造をアミノ酸配列から予測するという、50年来の生物学上の難問だった。
3.1. 50年来の生物学上の難問
タンパク質の形状を解明できれば、アルツハイマー病やガンの治療、新薬開発、環境問題の解決などに大きく貢献できる。しかし、実験による構造解析には膨大な時間とコストがかかり、計算による予測は極めて困難とされてきた。
3.2. CASPへの挑戦とAlphaFold
DeepMindは、タンパク質構造予測の精度を競う国際コンテスト「CASP」に「AlphaFold」で挑戦した。
- CASP13 (2018年): 初参加でトップの成績を収めたが、予測精度にばらつきがあり、「実用可能なレベルではない」（ノーベル賞受賞者ポール・ナース）と評価された。チームは「うまくいったと 思っていたのでショックです」と、課題の大きさを痛感した。
- CASP14 (2020年): チームは生物学者も加え、アルゴリズムを根本から見直した。コロナ禍のロックダウンの中で開発は続けられ、AlphaFoldは飛躍的な進化を遂げた。結果、CASP14では他のチームを圧倒する驚異的な精度を達成し、大会主催者のジョン・モールト教授から「半世紀を経て やっと 解決策が見つかりました」と宣言された。
3.3. 成果の公開と科学界へのインパクト
DeepMindは、この画期的な技術を商用利用するのではなく、科学界全体に貢献することを選んだ。
「当然 公開すべきです。商売にする必要はありません」「世界中で使うべきです。新たな発見に貢献できます」
2021年、AlphaFoldのコードと、予測された2億以上のタンパク質構造を含む巨大なデータベースが全世界に無償で公開された。これは「人類への贈り物」と評され、生物学や化学の研究手法を根底から変える革命的な出来事となった。これにより、プラスチック汚染を解決する新酵素の発見や、ガン治療薬の開発などが加速している。この功績により、デミス・ハサビスとジョン・ジャンパーは2024年にノーベル化学賞を受賞した。
4. AGIの未来と倫理的課題
DeepMindの成功は、AGIがもはやSFではなく、現実的な目標であることを示している。しかし、その実現は人類に計り知れない恩恵をもたらす可能性がある一方で、重大なリスクもはらんでいる。
4.1. AGIがもたらす可能性と人類史の転換点
ハサビスは「AGIの出現は 人類史を二分します。それ以前と それ以降です」と語る。AGIは電気やインターネットを超える人類史上最も重要な発明となり、気候変動、病気の治療、エネルギー問題など、複雑な地球規模の課題を解決する究極のツールになり得ると期待されている。
4.2. 懸念されるリスクと責任
同時に、専門家たちはAIの急速な進化に警鐘を鳴らしている。
- 悪用の危険性: 元Google CEOのエリック・シュミットは「AI悪用の危険性は 高まっています」と述べ、自律型兵器、金融市場の操作、監視社会の強化などを懸念している。物理学者スティーブン・ホーキングも「正しく物事を 始めることが 唯一の予防線になるでしょう」と警告した。
- 制御の問題: コンピューター科学者のスチュアート・ラッセルは「自分より強い者を前に どうやって 力を保ちますか？」と問いかけ、AIに設定する「ゴール」の定義の難しさを指摘する。人間の価値観を正しく反映させなければ、意図しない破壊的な結果を招く可能性がある。
- 社会への影響: AIによる雇用の喪失やディープフェイクによる情報操作など、社会的な混乱も懸念されており、脚本家組合のストライキなど、既に反発の動きも見られる。
4.3. 責任ある開発と国際的議論の必要性
これらのリスクに対応するため、国際的な協力と規制が不可欠である。2023年に英国で開催された「AIセーフティサミット」は、その第一歩である。ハサビスは、AGIの到来を「有能な宇宙人が地球に来ると 連絡をしてきた」状況にたとえ、世界全体で入念な準備が必要だと訴えている。技術開発者には、その使い方を慎重に議論し、制御方法を確立する責任がある。
5. 結論
DeepMindの歩みは、壮大なビジョン、科学的探究心、そしてゲームという遊び心あふれるアプローチが、いかにして人類史に残る科学的ブレークスルーを生み出すかを示している。AlphaFoldの成功は、AGIが人類の知性を拡張し、未解決の問題を解決する強力なツールとなり得ることを証明した。
しかし、その道のりはまだ始まったばかりである。AGIの進化は加速しており、その開発は技術的な挑戦であると同時に、人類全体に関わる倫理的・哲学的な問いを投げかけている。デミス・ハサビスが言うように、次世代が住む世界はAIによって劇的に変化する。その責任を担う上で、「目を離す隙はありません」。
The Thinking Game
この映像記録は、DeepMind共同創業者デミス・ハサビス氏が抱く知能解明への情熱と、世界初の汎用人工知能（AGI）の実現を目指す挑戦を追っています。初期の資金調達難を乗り越え、チームは強化学習と深層学習を組み合わせてAtariゲームを制覇し、その後、囲碁の世界王者を打ち破ったAlphaGoや、人間の知識なしで学習するAlphaZeroといった画期的なシステムを生み出しました。これらの汎用的な学習技術は、長年の科学的難問であったタンパク質の立体構造予測をAlphaFoldによって解決し、医学や生物学の進展に革命をもたらすという具体的な成果を達成しました。しかし、インターネットや電気の発明にも匹敵するとされるこの急速な技術進化は、人類に未曾有の恩恵をもたらす一方で、軍事転用や情報操作といった深刻な悪用の危険性を内包しています。そのため、関係者たちは、AGIが人類史上最も重大な転換点であることを認識し、価値観を共有させ、この革命的な技術を慎重に開発する責任を強調しています。
2025年11月21日金曜日
登録:
投稿 (Atom)