【逆転のプロフェット】 元いじめられっ子の久我が シリコンバレーでの成功を全て捨て 復讐のために弱小高校を甲子園へ導く物語

🔬 「50人のチームが手元にいて、1日で全部やってくれる感覚」。Geminiベースのマルチエージェントが科学仮説を生成・討論・進化させ、肝線維症の瘢痕応答を91%ブロックする薬剤候補まで導きました。 タイトル: Co-Scientist: A multi-agent AI partner to accelerate research URL: 📝 概要 Co-Scientistは、Geminiを基盤とする協調型のマルチエージェントAIで、新規の科学仮説を生成・批評・洗練します。仮説の生成と評価のサイクルを自動化することで、ブレイクスルーの発見を加速する「AI研究パートナー」として機能します。 ❓ 解決する課題 研究者は、情報過多とますます複雑化する課題の中で、ブレイクスルーとなる仮説を立てるのに苦労します。膨大な文献にまたがる断片的な事実を結びつけ、有望な研究方向を特定するのが難しいのです。 💡 方法論と提案手法 3つのフェーズに専門エージェントを配置します。 ・生成フェーズ：Generationエージェントが文献とデータに基づき新規仮説を提案し、Proximityエージェントが仮説をクラスタ化して多様な探索を確保します ・討論フェーズ：Reflectionエージェントが「仮想ピアレビュア」として批判的に評価し、Rankingエージェントがペアワイズ比較とEloベースのトーナメントで優先順位付けします ・進化フェーズ：Evolutionエージェントが上位仮説を継続的に洗練・結合し、Meta-reviewエージェントが最終的な研究提案を統合します ・計算資源の大半を「検証」に充て、主張をChEMBLやUniProt、Web検索、AlphaFoldなどの専門ツールと突き合わせます 🎯 ユースケース 抗菌薬耐性、植物免疫、肝線維症の治療発見、ALSの機序探索、細胞老化の逆転、感染症タンパク質の特定、代謝疾患、老化生物学など、幅広い生命科学領域に応用されています。 📊 実験結果 ・肝線維症で、瘢痕に関連する応答の91%をブロックする薬剤候補を特定しました ・細胞老化では、実験室で細胞を若返らせる遺伝的リードを生成し、スクリーニング解析を数ヶ月から数日に短縮しました ・100以上の研究機関がテストし、Stanford、MIT、Cambridge、Calicoなどが協力しています ・第一三共やBayer Crop Science、米国の国立研究所にエンタープライズ版が展開されています #AIforScience# #AIエージェント#

深層学習の歴史を振り返ると、AlexNetが「手作業で工程を分けるより、入力から出力まで丸ごと1つのモデルで学習させる(end-to-end)方が強い」ことを示したのが革命の始まりだった。ところが生成AIだけはこの流れに乗り切れていない、という指摘から始まる論文が公開された(https://arxiv[.]org/html/2607.27372v1)。 拡散モデルや自己回帰モデル(要素を1つずつ順番に予測して生成するモデル)など、今の生成AIはどれも「生成の手順を細かいステップに分解する」ことで動いている。拡散モデルなら、ノイズだらけの画像を少しずつクリアにしていく数百ステップだ。これは「1つの入力に無数の正解がありうる」多峰性(複数の正解パターンがある)分布を、各ステップではほぼ一意な予測に絞り込むための工夫だが、この分解のせいで学習時(1ステップだけ予測)と推論時(数百ステップ繰り返す)でやっていることが食い違い、end-to-end(学習と推論の手順を完全一致させる訓練方式)にはなっていなかった。 この論文の「Explorative Modeling(探索的モデリング)」は逆転の発想で、生成の手順は分解せず学習ループ自体を分解する。各学習ステップでモデルに複数の候補を生成させ、正解データに一番近いものだけを使って学習する(best-of-k方式)。候補が1個だとモデルの最善手はすべての正解の平均になりぼやけた画像しか出せないが、候補をk個に増やすとそれぞれが別々の正解パターンを担当できるようになる。論文中の犬画像の比較が分かりやすく、候補1個ではほぼ完全にぼやけた模様、候補50個まで増やすと元画像とほぼ見分けがつかない鮮明さになっている。 この「探索の量」はパラメータ数・データ量に続く第三のスケーリング軸として機能し、画像・動画・言語のすべてで性能が単調に向上する。しかも効果はスケールが大きくなるほど強く、データ量を増やした場合の改善幅は7%から36%へ、モデルサイズを増やした場合は13%から23%へ拡大した。効率面ではFLOP(計算量)効率が4.1倍、サンプル効率が6.2倍、パラメータ効率が47%改善し、最強の画像生成レシピではImageNet 256×256でガイダンスなし1.43 FID(生成画像の品質指標、小さいほど良い)というほぼ最先端の性能に到達している。動画生成では過学習も抑えられ、FVD(動画品質指標、小さいほど良い)の最良値が探索なしの37.5から探索ありで30.0まで改善した。 さらにロボット制御タスクでは単体のend-to-end生成モデルとしても機能し、拡散モデルベースの手法と同等の性能を推論ステップ数16分の1から256分の1で達成した。数百回繰り返していた予測が、たった1回の計算で済むことになる。

AIイラスト初心者向け 『あえて入れないネガティブプロンプト』10選✨ クオリティアップの呪文として、テンプレ通りにネガティブプロンプトを詰め込んでいませんか？ 実はそれ、AIの表現力や自由度を逆に縛ってしまい、“無難な絵”しか出なくなる原因になることも……。 今回は、 「あえて外している」 「ここぞという時は入れない」 そんなネガティブプロンプト10選を、“逆転の発想”でわかりやすく解説します！ ---- 1. 被写界深度（背景ボケ）を消してしまう 【Blurred background】 理由: 「背景をボカしたくない」と入れがちですが、これを指定するとAIが“全体にピントが合った状態”を優先しやすくなります。 その結果、wide-angle lens による奥行き感や、手前ボケを活かした cinematic な演出まで弱くなり、画面の立体感が消えてしまうことがあります。 ---- 2. アニメ調のリッチな質感を消してしまう 【Photorealistic / 3D】 理由: 「実写っぽさを避けたい」という意図で入れがちですが、高性能なアニメ系モデルでは逆効果になることがあります。 rim lighting や modern anime game CG のような厚みある陰影表現まで「リアル要素」として排除され、結果的に“のっぺりした平坦な絵”になりやすくなります。 ---- 3. 構図のダイナミックさを消してしまう 【Cropped / Out of frame】 理由: 「頭や体が切れるのを防ぎたい」と入れがちなタグですが、これを入れるとAIはキャラクター全体を安全に画面内へ収めようとします。 その結果、low-angle shot の迫力や、あえて画角外へ逃がす大胆な構図が消え、平凡な記念写真のような構図になりやすくなります。 ---- 4. レトロ・ノスタルジック感を消してしまう 【Monochrome / Vintage】 理由: 白黒表現や古い質感を避けるために入れがちですが、これが強すぎると“空気感”まで消えることがあります。 背景の一部だけをセピア調にしたり、ダークファンタジーで影を深く落としたい時でも、AIが無理に「明るくカラフルな絵」へ補正してしまい、重厚感や雰囲気が弱くなります。 ---- 5. ダイナミックな手のポーズを縛ってしまう 【Mutated hands】 理由: 手の破綻防止として定番ですが、入れても等倍のままがオススメです。 特に(mutated hands:1.4) のように極端に強調しすぎると、AIが手の描写に過敏になります。 その結果、「こちらへ手を伸ばす」「複雑に指を組む」など、本来は魅力になる躍動感あるポーズまで“異常な形状”として避けるようになってしまいます。 ---- リプ欄に続きます👇

【#BARFOUT#! #バァフアウト#! 2026年8月号(発売中)表紙／ #深田竜生# & #浮所飛貴# （#ACEes）】# 発売中の8月号。#夏生大湖# さん、本誌初登場です◎ 写真はアザーカット。 お話は、大河ドラマ『豊臣兄弟！』とドラマ『リーガルビート–逆転の法廷–』について伺いました！ @omi_natsuki0405

夜分遅くにこんばんは🌝 今週のYouTube Live配信は6/6(土)の夜にしようかな？皆さんご予定如何ですか？ ゆっくり最近のことも雑談したいところだけど、どうしても大逆転裁判の続きが気になって仕方ないので…ゲーム配信🎮でも良きですか〜😂😂

【確認中の不具合について】 現在以下の不具合を確認し、修正作業を進めております。 ・ヘルムート戦にて、崩落岩を壊したあと、別の崩落岩に「逆転の右手」を使うと操作不能になる場合がある ※本現象が発生した場合、お手数ですがタイトルより設定＞強制復旧を実施していただくことで復旧できます ご迷惑をおかけしておりますことをお詫び申し上げます。 引き続き『Wizardry Variants Daphne』をよろしくお願いいたします。 #ウィズダフネ#

始球式翌日 今日は雨の中断に耐え、そして逆転負けの ナイターでした←（？） なんだかすごくつかれました😞 選手の皆様ファンの皆様お疲れ様です。 #carp# #まけほー#