「DNAを読むAI」が、ただの解析器ではなく“会話できる専門家”になりつつあります。Carbon-Xの本質は、DNA版ChatGPTの登場というより、科学AIの役割分担が見え始めたことです。 Carbon-Xは、DNA配列と自然言語を同じTransformerで扱う14.8Bパラメータのオープンモデルです。DNAを6塩基単位でトークン化し、変異の影響予測や配列特徴の判定について、そのまま自然言語で質問できます。開発元の評価では5つのDNAベンチマーク平均が66.7%で、大型の汎用モデルに迫る性能を示しています。 面白いのは、これが単なるDNA分類器ではない点です。DNA、生命科学文献、一般英語、指示データを混ぜて学習しているため、配列を「読む」能力と、それについて「説明する」能力が一つのモデルにまとまっています。汎用LLMに生物学を覚えさせるだけでなく、生物学そのものを読める専門LLMを作るという方向が現実味を帯びてきました。 ただし、ここからが重要です。Carbon-Xは万能な「DNA理解AI」ではありません。真核生物分類やモチーフ認識では高い性能を示す一方、スプライス部位やヒストンマークなどでは大きく精度が落ちます。さらに、塩基数のカウントや正確な座標、長い配列の編集では間違える可能性があり、情報不足の場面ではもっともらしい説明を作ってしまうこともあります。 huggingface.co/HuggingFaceBi…

AIに巨額投資すれば株価が上がる時代が、いったん終わりつつある。市場が見始めたのは「AIをやっているか」ではなく、「その投資を本当に回収できるのか」だ。 10月22日の米市場ではAI関連株を中心に売りが広がり、イーロン・マスク、ジェフ・ベゾス、ラリー・ペイジ、セルゲイ・ブリン、マイケル・デル、マーク・ザッカーバーグの資産が、1日で計1300億ドル減少した。Nasdaqも2.6％下落し、半導体株の下げはさらに大きかった。 背景にあるのは、AIそのものへの失望というより、設備投資と利益のバランスへの警戒だ。Metaは売上を伸ばしているにもかかわらず巨額のAI投資が嫌気され、逆にTeslaは設備投資見通しを下げたことでAI・ロボティクス競争への出遅れを懸念された。市場は「使いすぎ」だけでなく「使わなすぎ」にも厳しくなっている。 ここで大きく変わったのは、AI企業を見る物差しだ。これまではGPU、データセンター、モデル開発にどれだけ資金を投じられるかが競争力とみなされてきた。しかし年間1000億ドル単位の投資になると、次に問われるのは当然、その資本からどれだけ利益を生み出せるかになる。 つまりAI相場は、「成長市場に参加しているだけで評価される段階」から「投資収益率で企業ごとの差がつく段階」へ入り始めた。AI関連株に資金が集中していたぶん、その期待が少し修正されるだけでも指数全体が大きく揺れる。 forbes.com/sites/fionariley/…

金属に少量の磁性原子を混ぜると、低温で電気抵抗が逆に増える「近藤効果」が起きます。現象そのものは古くから知られていましたが、多数の電子が複雑に絡むため、実際の物質でどの温度から効果が現れるかを基本法則だけから精密に計算するのは困難でした。 今回、CaltechとYaleの研究チームは、量子化学の計算手法を取り込み、磁性原子と周囲の電子を第一原理から扱う方法を開発。従来の単純化したモデルより大幅に高い精度で、実験結果を再現できたと報告しています。 大きいのは、単に「近藤効果の謎が解けた」ことではありません。これまで実験結果に合わせて調整していた部分を減らし、量子力学の基本法則から現実の材料特性を予測する方向へ一歩進んだことです。 もしこの手法がさらに複雑な系へ広がれば、高温超伝導体や量子磁性体のような材料でも、まずコンピュータ上で有望な候補を絞り込み、その後に実験する流れが強まります。つまり材料科学が「作って測る」中心から、「計算してから作る」方向へ少しずつ変わっていく可能性があります。 sciencealert.com/scientists-…

PyChinkoはなんと読むのでしょうか。 初心者なので教えてください。

AIが数学を解き始めたからこそ、数学者たちは「そもそも数学とは何をする営みなのか」を守ろうとしている。 1000人を超える数学者が「Association for Human Mathematics」に参加し、AI企業との協働を避けたり、AI生成物を研究成果として扱わなかったりする動きを始めている。背景にあるのは、AIへの感情的な反発というより、数学研究が「正しい答えを最速で出す競争」に変わってしまうことへの警戒だ。AIが未解決問題を大量かつ高速に処理できるようになれば、研究者が時間をかけて問題を選び、試行錯誤し、概念を育てていくというプロセスの価値そのものが揺らぐ。 ここで焦点になっているのは、「証明できるか」よりも「理解できるか」だ。数学では、ある命題が正しいと示すだけでなく、なぜそれが成り立つのか、新しい見方や概念をどう得るかが重要とされてきた。AIが証明を量産するほど、むしろ人間側には、その意味を解釈し、重要性を判断し、次に何を問うべきかを決める役割が残る。つまり、AIの性能向上が数学者を不要にするというより、数学者の仕事の定義を変え始めている。 ただし、問題は研究文化だけにとどまらない。 newscientist.com/article/259…

推し活。

AIでコードを書くコストが劇的に下がった2026年。そこで再評価されているのが、27年前のExtreme Programming（XP）だ。古くなったどころか、AI時代になってむしろ核心部分の重要性が増している。 XPというと、ペアプログラミングやTDDを思い浮かべがちだ。しかしKent Beckが示したXPは、それら個別の手法よりずっと広い。Communication、Simplicity、Feedback、Courage、Respectという価値観を土台に、原則を介して具体的な開発プラクティスへ落とし込む体系である。著者Anton Zaidesは、特に「Humanity」「Mutual Benefit」「Quality」がAI時代に重要になったと見る。 たとえばLLMなら大量のコードも文章も短時間で生成できる。しかし、その結果として巨大なAI生成PRを他人にレビューさせたり、過剰な設計を作ったりすれば、局所的には生産性が上がってもチーム全体には負担を押し付ける。だからこそ「最も単純なものを作る」「素早くフィードバックを得る」「互いを尊重する」というXPの価値観が効いてくる。 興味深いのは、AIがXPを不要にしたのではなく、XPの中で重要な部分を入れ替えつつあることだ。 manager.dev/newsletter/extre…