産業データ基盤の構築に向け、JEITA「デジタルエコシステム検討会」に参画しました🧑‍💻 企業間のデータ連携やAI活用を見据えたデータ基盤の重要性が高まるなか、CO2排出量・サステナビリティデータ連携の実装面から貢献していきます🌏 #アスエネ# #脱炭素# #AI#

AIが10年以上未解決の数学問題を10件解決。 タイトル: Ten advances in mathematics and theoretical computer science URL: ❓ どんな問題を解いたの？ 💡 高次元球充填・非sofic群の存在証明・Connes剛性予想の反証・量子並列反復定理・耐量子暗号への含意を持つ最近接ベクトル問題など、群論・幾何・符号理論・作用素代数・量子複雑性・格子暗号・極値組合せ論にまたがる10件です。いずれも最低10年以上メインの結果に進展がなかった未解決問題を対象としています。 ❓ どのAIが解いたの？ 💡 OpenAIの次世代未公開モデル「Astra」の内部評価版です。Astraが証明の核心を発見し、その後人間が論文整形と形式化を担当しました。計算コストはSol APIレートで約2,000ドル。「定理証明がルーティンのバッチジョブになった」という言葉が、AIと数学の関係の転換点を端的に表しています。 ❓ 本当に正しい証明なの？検証は？ 💡 すべての証明はLean 4（mathlib + Lake）で機械検証された「Lean 4証明書」付きです。GitHubでApache-2.0ライセンスとして公開されており、`lake exe cache get && lake build All` でコンパイル可能。コンパイルが通れば正しい — それだけです。数ヶ月かかる人間の査読を数分の計算に圧縮したことは、AI産数学の新しいスタンダードを確立しています。 ❓ 今後の数学研究はどうなるの？ 💡 「1分野でたまたま1件当たった」ではなく8分野で10件というスケールが本質です。制約はもはや計算コストではなく、プロンプト設計と結果の検証精度に移りつつあります。数学研究の律速段階がAIのサンプリングではなく人間の問題設定と形式化スキルになる、そんな世界が見えてきました。 #AI数学# #OpenAI#

#坂川陽香の一日AI# 今日は土曜日‼️ということで坂川陽香𝐃𝐚𝐲‼️ 坂川陽香のかがやきラジオ AKB48のれみひゅーって知ってる？大木の声　天下統一！ AKBの素を出すちゃんねる 全部チェックしてね〜🌟✨

#坂川陽香の一日AI# 今日は見て欲しいものがいっぱい！ ⬇️坂川陽香の出会い旅🚶‍♀️💨 ⬇️坂川陽香のかがやきラジオ🚄⭐️ ⬇️AKBの素ちゃんねる 久々の全員企画！ちなみにめちゃめちゃ暴れてます。引かないでね☆^_^

#坂川陽香の一日AI# 全部チェックしてみてねっ！👀✨️ ⬇️坂川陽香のかがやきラジオ AKB48のれみひゅーって知ってる？大木の声　天下統一！ ⬇️ ⬇️AKB48素ちゃんねる🏀

東海地区最大級のビジネスカンファレンス「SamuraiDX 2026 夏 AI編」にアスエネが登壇します🎤 📍 6/30（火）リアル開催｜名古屋コンベンションホール 💻 7/15（水）オンライン開催 営業部統括GMの橋本 真一郎 ミヒャエルが企業講演に登壇。 「ASUENE」を中心としたソリューションを通じて、企業の脱炭素・ESG経営業務をどのように変革できるかをご紹介します🌏 #名古屋# #製造業# @nagoyatv_6ch

TL;DR 350年以上未解決だったフェルマーの最終定理を、Claudeがわずか11日間で完全にコンピュータ検証可能な形に形式化しました。数十体のAIエージェントが協力し、証明支援系Leanで検証済みの巨大な証明を作り上げています。 タイトル: Formalizing Fermat's Last Theorem URL: ポイント 🧮 証明した中間定理は29,500個（総数30,300個） 📄 生成したLeanコードは1,300万行、Mathlibの5倍の規模 🤝 数十体のClaudeエージェントが役割分担しながら協調作業 🧩 協調基盤「Prove2Me」が定理の依存関係と状態管理を担当 ⚙️ 使用した公理はLeanの標準3公理のみ 💬 数学者Kevin Buzzard氏も証明の正しさを確認済み 🔁 3人チームが3日間で三素数定理を形式化した先例もあり 一件一件人手で数年かかっていた証明査読の負担を、AIによる形式化が大きく減らせる可能性を示す事例だと感じます。 #Lean# #形式検証#

画像を見ながらOCRや検索といった外部ツールを使って答えを出すマルチモーダルAIエージェントの評価を、最終的な正解率だけで済ませるのは足りない、と指摘する論文が出た( 正解にたどり着けたとしても、それが根拠のある推論の結果なのか、途中の誤りがたまたま打ち消し合って正解しただけなのかは、最終的な正誤だけでは見分けがつかない。論文はこうした失敗パターンを4つに整理しているが、なかでも厄介なのが「Phantom Grounding」と呼ぶ現象だ。証拠そのものは正しく引用しているのに、結論に出てくる数字や固有名詞がその証拠には書かれていない、一見もっともらしいのに中身が伴わないケースを指す。 研究チームが提案するLedgerMindは、推論の途中経過を1本のテキストに垂れ流すのをやめ、ツールの出力(OCR結果や検索結果など)を出どころ・種類・信頼度付きの「証拠台帳(Structured Evidence Ledger)」として記録する。以降の推論は台帳に載っている証拠しか引用できないうえ、引用しているだけでは不十分だとして、結論の数字や固有名詞が引用元の証拠と実際に一致しているかまで照合する。簡単な質問には軽い経路、複雑な質問には重い経路へ自動で振り分け、余計な深読みで正しい答えを崩す「考えすぎ」も防ぐ。さらに、間違いに気づいたときの修正も自由に書き直させず、証拠の差し替えやツールの呼び直しなど決まった操作だけに絞っている。自由な書き直しは、直しているつもりで新しい未検証の主張を紛れ込ませやすいためだ。 VTC-Benchというベンチマークでは、Gemini-3-Flashと組み合わせて58.9%(同じモデル単体の素の性能から+12.4ポイント)まで伸ばし、既存手法の最高値を更新している。検証した中で一番性能が低かったKimi-K2.6ほど伸び幅が大きく、あるサブベンチマークでは正解率が19.5%から46.0%(+26.5ポイント)まで跳ね上がった。もっとも興味深いのはアブレーション実験(仕組みを1つずつ外して効果を確かめる実験)で、この証拠台帳を丸ごと外すと正解率が68.9%から53.5%まで急落する。「証拠を引用しろ」と指示するだけでは足りず、構造として引用先を強制する部分こそが効いている、という結果だ。