flet-pro

Seiko 63th→@Columbia SEAS '30 ♔
Ezoe Memorial Recruit Foundation—55th Cohort Scholar
IOAI '25🥉
勉強中: Canonical Network/Predictive Coding/世界モデル
アニメ: SAO/86/俺ガイル

[flet-pro @flet_pro]

私の理想です♪

[SAO Gallery (SAO��ャラリー) @SAO_Gallery]

#SAO

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

Anthropicの新研究、LLMの内部に人間の意識のようにアクセス可能な領域「J-space」を特定。LLMの出力中に、出力内容とはまったく無関係な概念であっても内部的に活性化しており、例えば「この文章を出力しながら、3^2-2を計算しろ」と指示すると、表面的な出力はその文章になるにも関わらず、J-spaceには９や計算結果の7が現れるという。

既存のAI研究は、意識に関する研究は哲学的な問いになってしまうのもあって、表向きに議論することは避けている節がありますが、これはその方向の議論が再燃しそう。
Anthropicが言っている通り、哲学的な議論はともかく、LLMが実際には何を考えているの���（最近のLLMは自分が評価されていることを内部的には把握しているが、表面上の出力では気づいていないふりをしたりする）知るために有用なツールとしては非常に有用ではあると思います。
一方で、人間で言うところの意識と似た機能を備えているのも事実で、さらにそれが学習の過程で、特定の問題を解決するために結果として生じるというのは面白い。LLMのJ-spaceでも人間の意識でも、意識的なアクセスを支える精神上の作業空間は「知能システムがたどり着く一般的な解決策であるように思われる」というAnthropicの言及はまさにその通りかと。

https://t.co/mVLJ4SsRyw

[アニメ ソードアート・オンライン 公式 @sao_anime]

━━━━━━━━━━━━
　　　　 劇場版
#ソードアート・オンライン
- インテグラル・ドメイン -
2028年公開
━━━━━━━━━━━━

新たなる領域へ。
完全新作オリジナル劇場版、始動──

ティザービジュアル解禁！

▼特報
https://t.co/XDfNyzMu5x

#劇場版SAO

[flet-pro @flet_pro]

企業からのメールでこれほどちゃんと嬉しいメールは珍しい

[Ev (like in 'evidence', not Eve) Fedorenko 🇺🇦 @ev_fedorenko]

I am so excited about this finding from @pengrui_han and @devarda_a, also with @jacobandreas! Perhaps modularity is inevitable in intelligent systems, biological or in silico. :)

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

脳活動から高精度で文章を復元するMetaのBrain2Qwerty v2、多くの文章を1単語程度の誤りで復元可能ということらしい。
LLMを使っているのと、"解読精度はデータ量とともに対数線形的に向上"ということで、こちらもスケーリングの世界になりそう。

[Stéphane Deny @StphTphsn1]

"Neural Fields as World Models"
by Joshua Nunley (Feb 2026)

🔗https://t.co/KMnrwRk8OM

[江副記念リクルート財団 @recruitfoundati]

📢海外大学・院への留学奨学金 #リクルートスカラシップ 2027年度学術部門の募集を開始しました！
理系分野を専攻し、将来アカデミアで卓越した研究成果をあげる意欲のある方を支援します。
🎓支給額（年間上限）　米ドル：95,000　ポンド：68,000　カナダドル：118,000　豪ドル：121,000
🗓募集期間 6/30〜9/8 23:59
☑️返済不要 ☑️留学中の方も応募可能
https://t.co/HKXOkaJqeC

[吉川真人🇯🇵深セン @mako_63]

UBTECHの新型ロボットの発表会にご招待いただきました。これはやばい

[Kyoto Prize 京都賞 @KyotoPrize]

🎖第41回(2026)京都賞の受賞者が決まりました！
https://t.co/5o3aIDXdgs

[MIT CSAIL @MIT_CSAIL]

Happy birthday to Alan Turing, the creator of modern computing.

[よこしゃん｜ヒューマノイド最前線🤖 @yokoshaan]

二足歩行ロボットの『つま先』をモーターで動かすべきか、それともバネで受動的にするか——機敏さ・効率・衝撃吸収の3項目で比較した研究が発表されました。

二足歩行ロボットの足先は、設計者の経験で選ばれてきましたが、ヒューマノイドの量産時代に向けて『どう設計すべきか』の論理が問われます。新研究は、能動的（モーターで動かす）と受動的（バネで受ける）なつま先設計の3項目を比較し、機敏さ・効率・衝撃吸収にどう効くかを定量化しました。

ヒューマノイドの機構選定の指針として、設計上の意思決定に効く基盤研究です。

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

十分に多様なゴールで訓練されたエージェントの価値関数から、世界モデルを復元することができる。

強化学習では、モデルベースとモデルフリーは別の手法と考えられてきた。モデルベース強化学習では、環境の遷移モデル、つまり「ある状態である行動を取ると、次にどの状態へ行くか」を明示的に学習する。これは最近では世界モデルともよばれることが多い。

このモデルを使えば、将来をシミュレーションし、高い報酬を得るように計画を立てることができる。
一方、モデルフリー強化学習では、環境モデルを明示的には学習しない。その代わり、「この状態でこの行動を取ると、将来どれくらい報酬を獲得できるか」を表す価値関数やQ値を学習する。

論文 “Inverting the Bellman Equation” は、十分に多様なゴールに対して訓練された価値ベースのエージェントは、明示的に世界モデルを学習していなくても、そのQ値の中に環境の遷移モデルを含んでおり、そこから世界モデル��復元できることを示している。

問題設定として、ゴール、つまり目標が複数切り替わる場合を考える。ベルマン方程式は、環境モデル P、報酬 r、方策 π が与えられたとき、

Q(s, a, g) = E_{s'~P(s,a)} [r(s', g) + γV(s', g)]

と表される。ここで、s は現在の状態、a は行動、s' は次状態、g はゴール、γは割引率、Vは価値である。Q値は、次状態で得られる報酬と将来価値を平均したものである。

通常は、このベルマン方程式を使って、次の向きにQ値を求める。

P, r, π → Q

この論文では、逆向きの問題を考える。

Q, r, π → P

つまり、訓練済みエージェントがすでに持っているQ値、方策、報酬関数から、ベルマン方程式を満たす遷移モデル P を復元する。Qを推定するQ学習に対応して、これをP学習と呼んでいる。

有限状態空間で考えた場合、各ゴールに対するベルマン方程式を並べると、遷移モデル P を未知数とする線形方程式になる。このとき、それぞれのゴールによって価値が十分異なる値を取るな��、遷移モデルを一意に求めることができる。

例えば、迷路を解く問題で、ゴールに到着したら報酬がもらえる設定を考える。この場合、Q値はゴールへの近��に対応する。1つのゴールだけを考えると、ある行動によってゴールに近づいたか、遠ざかったかは分かる。しかし、具体的にどの位置に移動したかまでは分からない場合がある。

一方で、ゴールが多数あり、それぞれのゴールに対するQ値が分かる場合を考える。例えば、ゴールAに対するQ値、ゴールBに対するQ値、ゴールCに対するQ値が分かれば、それらを組み合わせることで、三角測量のように現在の位置や遷移先を特定できる場合がでてくる。

論文では、有限状態・連続状態、決定論的・確率的MDPに分けて、どのようなゴール集合なら遷移モデルが一意に定まるかを調べている。

決定論的な有限MDPでは、次状態は1つに定まる。この場合、多くの報酬関数において、1つのゴールだけでも遷移を一意に復元できる場合があることを示している。

一���、確率的MDPでは、次状態は1つではなく分布として定まる。そのため、遷移分布全体を復元するには、より多くのゴールが必要になる。特に、各状態をゴールにするような設定では、状態空間を十分に見分けられるため、遷移モデルを復元しやすくなる。

理論上はこのように整理されるが、実験では、非常に少ないゴール集合でも遷移モデルをかなり��確に復元できることが示されている。

例えば、Reacherという2関節のロボットアームで、手先位置を制御する環境を考える。この実験では、訓練時のゴールは上下左右の4つの手先位置だけであった。それにもかかわらず、そのエージェントのQ値から正確な世界モデルを抽出できた。

さらに、その世界モデルを使うことで、訓練時には存在しなかったゴールも解けるようになった。例えば、位置ではなく関節角度や角速度を制御するようなゴールにも対応できた。
訓練時の報酬は手先位置にしか依存していなかったにもかかわらず、Q値の中には、角速度など報酬が直接依存していなかった変数の遷移情報も含まれていたことになる。

コメント
===
ゴール条件付きRLが環境の多様な情報を含んでいることは、従来から示唆されてきた。単一目標の問題設��よりも、切り替わりうる複数目標の問題設定の方が自然であり、能力獲得にとっても本質的である。今回の研究は、その直感を理論的に整理したものといえる。

世界モデルを明示的に作らなくても、多様な問題を十分に解けるようになったモデルは、内部に世界モデル的な情報を持っていると考えられる。

例えば、LLMエージェントは明示的な環境遷移モデルを持っているわけではない。しかし、多様なタスクやゴールに対して、どの行動を取れば目標を達成できるかを分かっているように見える。これは広い意味では、行動価値、つまりQ値を推定しているといえる。

もしそうであれば、その価値関数群から、ツール群やタスク進行に関する遷移モデル、すなわち世界モデルを抽出できる可能性がある。

例えば、「この計画を実行すると作業状態はどう変わるのか」「このメールをこの文面で送った場合、相手はどのように反応するのか」「このツールを呼び出すと、次にどのような観測が返ってくるのか」といった予測である。

また、世界モデルを学習するにあたって、今回のようにQ値を経由せず、遷移そのものを直接予測するように学習するのが直接的であり、��般的である。しかし、多様な目的に対する価値関数の共通構造として世界モデルを学習した方が、目標達成に関係する因果的・制御可能な構造が選択的に抽出され、意思決定に有用な抽象表現を獲得しやすいのではないかと考える。

良い世界モデルとは、単に次の観測を正確に予測するモデルではなく、報酬によって��要性が与えられた要素に関して、どの行動がどのような未来の可能性を開き、どの目的の達成を可能にするのかを表すモデルだからである。

[Qfunction@Stat & Bioinfo @StudyQC]

https://t.co/rFA06lBYrN
これおもろいな。Diffusion Modelの逆拡散過程、は最初ランダムに動いたあとに構造が出現して最後はアトラクタに収束する３段階からなる。しかもその相転移が起こる時間ｔを方程式の解として与えられる

[Interlatent @interlatent]

Hardware is the bridge between AI and the physical world

Atoms and bits must work together to create future systems embedded with physical intelligence

We wrote a guide for those curious about the atoms.

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

人工知能では、ニューロンはしばしば非常に単純な計算単位として扱われる。入力を重み付き和で足し合わせ、非線形関数を通して出力する。

一方、生物のニューロンはそれほど単純ではない。特に大脳皮質の錐体細胞は、複雑に枝分かれした樹状突起を持ち、そこに数千から数万のシナプス入力を受け取る。さらに樹状突起上には、NMDA受容体や電位依存性イオンチャネルが分布��ている。

では、1個の生物学的ニューロンは、実��にはどれくらい複雑な計算を実装できるのだろうか。この問いを調べるため、研究 “What can a neuron compute” では、詳細なラットL5錐体細胞モデルを対象に、そのDNNデジタルツイン、すなわちサロゲートモデルを作成し、計算能力を検証している。

ここでの単一ニューロンは、人工ニューラルネットワークにおける単純な1ユニットとは大きく異なり、概算では、10万単位のシナプス接点を持つ計算素子、樹状突起上に多数の非線形サブユニットを持つ。

この研究では、まず詳細に分かっているL5錐体細胞モデル、すなわち詳細ニューロンモデルの入出力を近似するDNNを訓練する。デジタルツインを作るのは、元の詳細モデルは計算が重く、シナプスの重みや位置を直接最適化するのが難しいためである。

詳細ニューロンの活動は、NEURONシミュレータを用��て生成された。ここえは約5.7日分に相当する神経活動データを作成し、それを用いてDNN twinを訓練した。このDNN twinは、入力スパイク列やシナプス設定から、詳細モデルの膜電位やスパイク活動を十分に���現できるように学習される。スパイク予測精度を表すAUROCは0.986である。

その後、このDNN twinの内部パラメータは固定する。その上で、各タスクに対して、入力シナプスの重みと樹状突起上の位置だけを最適化する。DNN twinは微分可能であるため、バックプロパゲーションによって効率よくシナプス設定を探索できる。最後に、得られたシナプス設定を元の詳細ニューロンモデルに戻し、本当にそのタスクを解けるかを検証する。

その結果、単一細胞であっても、適切なシナプス重みと樹状突起上の配置を与えられれば、自然画像分類、音声分類、10-bitパリティ問題などの複雑な課題を解けることが示された。

一方で、この結果の解釈には注意が必要である。まず、TwinPropは生物学的な学習則そのものではなく、実際の神経細胞の学習過程とは大きく異���る。あくまで、単一の神経細胞が適切なシナプス配置を与えられたとき、どれほど複雑な関数を実装できるかを示した研究である。

コメント
===
研究として面白い点は、実際の詳細モデルを模倣するサロゲートモデルを作り、その上で最適化を行い、最後に元の詳細モデルへ戻して検証することで、単一ニューロンの計算能力の可能性を示した点にある。実際の生物��、このような最適化と比べて、どのような学習を行っているのだろうか。

また、神経細胞の数と現在のAIモデルのユニット数を比較する議論はよくあるが、単一の神経細胞がこれだけの計算能力を持つ可能性があるなら、単純に「ニューロン数」と「ユニット数」を比較するだけでは不十分である。生物の神経細胞が持つ樹状突起計算、シナプス配置、局所非線形性、エネルギー効率などを含めて、AIとのハードウェア的・計算論的な違いを改めて議論する必要がある。

[Oier Mees @oier_mees]

A few years ago, learning robot learning meant stitching together dozens of papers and courses — with no clear path from the basics to what state-of-the-art systems actually do.
This was one of the motivations behind creating @ETH's course "Robot Learning: From Fundamentals to Foundation Models", to provide a structured path from first principles all the way to modern foundation models for robotics.
I strongly believe that education should be accessible to everyone, so I have made all lecture recordings publicly available on YouTube.
Creating this course was one of the most challenging projects I have taken on. It was my first time designing and teaching an entire curriculum from scratch, while simultaneously working full-time in industry. On top of that, the course proved to be more popular than expected and we had to scale it to almost 300 students, which was only possible thanks to an amazing team of TAs. Looking back, it was an absolute privilege to teach this class and an incredibly rewarding experience.
If you are getting into robot learning, this is the starting point I wish I had.
📚 Main lectures:
https://t.co/r1PpQASaJg
🎤 Guest lectures:
https://t.co/nh5Rm2P2Lz
🌐 Course website: https://t.co/DoQUYy3MjB

[Mathematica @mathemetica]

Biological neuron compared to the artificial neuron used in neural networks.

- The top shows a biologic neuron: dendrites receive signals, the cell body processes them, the axon transmits the signal, and terminals pass it onward.
- The bottom shows an artificial neuron: inputs x₁ to xₙ are weighted by w₁ to wₙ, summed with bias B, then passed through activation function f to produce output. This model is the basis for artificial neural networks.

It drives applications such as image classification in social media and voice recognition in virtual assistants.

[ROBOTIS AMERICA @robotisamerica]

ROBOTIS DYNAMIXEL-Q is designed to support the next generation of humanoid robotics development in conjunction with next level tools like NVIDIA Isaac Sim™.

Watch how simulation-driven workflows and high-performance actuation merge to develop a humanoid robot capable of walking in just 7 days.

#IsaacSim #HumanoidRobots #PhysicalAI #Robotics

[Miles Cranmer @MilesCranmer]

This is an insane paper and I love it

https://t.co/DP8OR5NJf2