人工知能の応用

人工知能は、学習、推論、問題解決、知覚、意思決定など、通常は人間の知能に関連するタスクを実行する計算システムの能力です。人工知能は、産業界や学界全体でアプリケーションに使用されています。人工知能の分野には、複数のサブフィールドがあります。機械学習のサブフィールドは、言語翻訳、画像認識、意思決定、[ 2 ] [ 3 ]信用スコアリング、電子商取引など、さまざまな科学的および商業的目的に使用されています。近年、生成モデルを使用してテキスト、画像、ビデオ、またはその他の形式のデータを生成する生成人工知能の分野で大きな進歩がありました。[ 4 ]この記事では、さまざまなセクターでのAIのアプリケーションについて説明します。

農業

農業では、AIは農家が収穫量を増やすために灌漑、施肥、農薬処理が必要な地域を特定し、効率を向上させる方法として提案されています。[ 5 ] AIは、家畜の豚の鳴き声の感情の分類、[ 6 ]温室の自動化、[ 7 ]病気や害虫の検出、[ 8 ]灌漑の最適化に使用されています。[ 9 ]

建築とデザイン

AIを使って似たような建物の3Dメッシュに変換されたスケッチ

建築における人工知能とは、建築プロセスにおける自動化、設計、計画、または建築分野における人間のスキルの支援に人工知能を使用することである。 [ 10 ]

AIは一部の建築家によって設計に使用されており、現場での計画や日常的な作業を自動化する方法として提案されています。[ 11 ] [ 12 ]

仕事

2023年の研究では、生成AIによってコンタクトセンターの生産性が15%向上したことが明らかになりました。[ 13 ] 2023年の別の研究では、ライティング業務の生産性が最大40%向上したことが明らかになりました。[ 14 ] MITによる2025年8月のレビューでは、調査対象企業の95%がAIの活用による収益の向上を報告していないことが明らかになりました。[ 15 ]ハーバード・ビジネス・レビューの2025年9月の記事では、AIの活用が増えても収益や実際の生産性の向上にはつながらないことが説明されています。「AIが生成した作業内容は良質な作業を装っているが、特定のタスクを有意義に進めるための実質的な内容が欠けている」という点について、この記事では「ワークスロップ」という用語が用いられています。スタンフォード・ソーシャルメディア・ラボとの共同研究によると、ワークスロップは生産性を向上させるどころか、同僚間の信頼と協力関係を損なうことが示されています。[ 16 ]

コンピュータサイエンス

プログラミング支援

AI支援ソフトウェア開発

AIは、リアルタイムのコード補完、チャット、自動テスト生成に利用できます。これらのツールは通常、エディタやIDEにプラグインとして統合されています。AI支援ソフトウェア開発システムは、機能、品質、速度、プライバシーへのアプローチが異なります。主にAIを介してソフトウェアを作成することは、「バイブコーディング」として知られています。AIによって作成または提案されたコードは、不正確または非効率的である可能性があります。[ 17 ] AI支援コーディングの使用は、ソフトウェア開発を加速させる可能性がありますが、デバッグとテストの際に作業が増え、プロセスを遅くする可能性もあります。[ 18 ] [ 19 ] AI技術を時期尚早に導入すると、追加の技術的負債が発生する可能性があります。[ 18 ] AIコーディングソフトウェアは、品質に一貫性のない幅広いコードでトレーニングされ、多くの場合、不適切なプラクティスを再現するため、AIはサイバーセキュリティに関する追加の検討と慎重なレビューが必要です。[ 20 ] [ 21 ]

ニューラルネットワーク設計

AI エージェントとそのコア機能（メモリ、ツールの使用、アクション、計画能力）の概要

AIは他のAIを作成するために活用できます。例えば、2017年11月頃、Googleは新しいニューラルネットトポロジーを開発するAutoMLプロジェクトの一環として、 ImageNetとPOCO F1に最適化されたシステムであるNASNetを開発しました。NASNetの性能は、ImageNetにおいてこれまでに発表されたすべての性能を上回りました。[ 22 ]

量子コンピューティング

量子コンピュータの研究開発は、機械学習アルゴリズムを用いて行われてきました。例えば、ニューロモルフィック・コンピュータ（ NC）／人工ニューラルネットワークや、様々なニューロモルフィック・コンピューティング関連の応用が期待されるNCを用いた量子材料のための、光量子メモリスティブデバイスのプロトタイプが存在します。[ 23 ] [ 24 ]量子シミュレータにおける 量子機械学習の応用は、物理学や化学の問題解決に提案されています。[ 25 ] [ 26 ]

歴史的貢献

AI研究者は、コンピュータサイエンスにおける最も困難な問題を解決するために、多くのツールを開発してきました。彼らの発明の多くはコンピュータサイエンスの主流に採用されており、もはやAIとはみなされていません。以下のものはすべて、もともとAI研究室で開発されたものです。[ 27 ]

顧客サービス

人事

AIのもう一つの応用分野は人事です。AIは履歴書を審査し、資格に基づいて候補者をランク付けしたり、特定の職務における候補者の成功を予測したり、チャットボットを介して反復的なコミュニケーションタスクを自動化したりすることができます。

オンラインおよび電話によるカスタマーサービス

ウェブページ上で顧客サービスを提供する自動オンラインアシスタント

AIはウェブページ上のアバター（自動オンラインアシスタント）の基盤となっている。 [ 28 ]運用コストとトレーニングコストを削減できる。[ 28 ] Pypestreamはモバイルアプリケーションの顧客サービスを自動化し、顧客とのコミュニケーションを効率化している。[ 29 ]

Googleアプリは言語を分析し、音声をテキストに変換します。[ 30 ]このプラットフォームは、顧客の言語から怒っている顧客を識別し、適切に対応することができます。[ 31 ] Amazonは顧客サービスにチャットボットを使用しており、注文状況の確認、注文のキャンセル、返金の提案、顧客と人間の担当者の接続などのタスクを実行できます。[ 32 ] ChatGPTなどの生成AI（GenAI）は、タスクの自動化や意思決定の強化のためにビジネスでますます使用されています。[ 33 ]

ホスピタリティ

ホスピタリティ業界では、AIは反復的なタスクの削減、トレンドの分析、ゲストとのやり取り、顧客ニーズの予測に使用されています。[ 34 ] AIホテルサービスは、チャットボット、 [ 35 ]アプリケーション、仮想音声アシスタント、サービスロボットの形で提供されています。

教育

教育機関では、出席管理、成績評価、採点といった日常的な業務の自動化にAIが活用されています。AIツールは、学習上の問題を抱える学生への支援を促進することを目的として、学生の学習進捗状況のモニタリングや学習行動の分析にも活用されています。[ 36 ]

エネルギーと環境

エネルギーシステム

米国エネルギー省は2024年4月の報告書で、AIは電力網のモデリング、大規模言語モデルによる連邦許可の審査、再生可能エネルギー生産量の予測、電気自動車充電ネットワークの計画プロセスの改善などに応用できる可能性があると述べている。 [ 37 ]他の研究では、機械学習はエネルギー消費の予測とスケジュール管理に使用できることが示唆されており、例えば再生可能エネルギーの間欠性管理に役立てることができる（スマートグリッドと電力網における気候変動緩和も参照）。[ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ]

環境モニタリング

海洋を監視する自律船、AI駆動型衛星データ分析、受動音響[ 43 ]またはリモートセンシングやその他の環境モニタリングのアプリケーションでは、機械学習が活用されています。[ 44 ] [ 45 ] [ 46 ] [ 47 ]

例えば、「Global Plastic Watch」は、AIベースの衛星監視プラットフォームで、プラスチック廃棄物の現場を分析・追跡し、誰がどこでプラスチック廃棄物を不適切に管理し、海洋に投棄しているかを特定することで、プラスチック汚染（主に海洋汚染）の防止に役立ちます。[ 48 ] [ 49 ]

早期警報システム

機械学習は、自然災害や環境問題の早期警戒サインを発見するために使用できます。これには、自然災害のパンデミック、[ 50 ] [ 51 ]地震、[ 52 ] [ 53 ] [ 54 ]地滑り、[ 55 ]大雨、[ 56 ]長期的な水供給の脆弱性、[ 57 ]生態系崩壊の転換点、[ 58 ]シアノバクテリアの大量発生、[ 59 ]干ばつなどが含まれる可能性があります。[ 60 ] [ 61 ] [ 62 ]

経済的および社会的課題

南カリフォルニア大学は、ホームレス問題などの問題解決にAIを活用することを目指し、「社会における人工知能センター」を設立しました。スタンフォード大学の研究者は、衛星画像を分析し、貧困率の高い地域を特定するためにAIを活用しています。 [ 63 ]

エンターテインメントとメディア

メディア

画像復元

AIアプリケーションは、映画、テレビ番組、広告動画、ユーザー生成コンテンツなどのメディアコンテンツを分析します。これらのソリューションには、多くの場合、コンピュータービジョンが活用されます。

典型的なシナリオとしては、物体認識や顔認識技術を用いた画像分析、あるいはシーン、物体、顔を認識するためのビデオ分析などが挙げられます。AIベースのメディア分析は、メディア検索、コンテンツの説明キーワードの作成、コンテンツポリシーの監視（特定のテレビ視聴時間に対するコンテンツの適合性の検証など）、アーカイブやその他の目的のための音声テキスト変換、広告掲載のためのロゴ、製品、著名人の顔の検出などを容易にします。

ディープフェイク

ディープフェイクはコメディー目的で使用されることもありますが、フェイクニュースやデマに使用されることがよく知られています。

ディープフェイクは、個人を有害または不利な状況に置き、特にコンテンツが名誉毀損的であったり個人の倫理に反する場合には、重大な評判の毀損や精神的苦痛を引き起こす可能性があります。名誉毀損法や虚偽表示法は一定の救済手段を提供していますが、これらの法律は捏造された画像や動画ではなく虚偽の陳述に焦点を当てているため、被害者の法的保護は限定的であり、立証責任も重いものとなっています。[ 75 ]

2016年1月、ホライズン2020プログラムは、ジャーナリストや研究者が偽造文書を検出できるようにするためのInVIDプロジェクトに資金を提供し、ブラウザプラグインとして利用可能になりました。[ 76 ] [ 77 ]

2016年6月、ミュンヘン工科大学とスタンフォード大学のビジュアルコンピューティンググループは、顔の写真をアニメーション化し、他の人の表情を模倣するプログラムである Face2Face [ 78 ]を開発しました。

2018年9月、マーク・ワーナー上院議員は、プラットフォーム上でディープフェイク文書の共有を許可するソーシャルメディア企業に罰則を科すことを提案した。 [ 79 ]

2018年、ダリウス・アフチャールとヴィンセント・ノジックは、ビデオフレームのメソスコピック特性を分析することで、偽造コンテンツを検出する方法を発見しました。[ 80 ] DARPAはディープフェイク検出の研究に6800万ドルを提供しました。[ 80 ]

音声ディープフェイク[ 81 ] [ 82 ]やディープフェイクを検出したり人間の声を複製したりできるAIソフトウェアが開発されている。[ 83 ] [ 84 ]

ビデオ監視分析と操作されたメディアの検出

ビデオ監視用の人工知能は、ビデオ監視カメラからの音声と画像を分析するコンピュータソフトウェアプログラムを活用し、人物、車両、物体、イベントを認識します。セキュリティ請負業者向けプログラムは、カメラの視野内の立ち入り禁止区域（フェンスで囲まれた区域、駐車場など。ただし、駐車場外の歩道や公道は除く）を定義し、カメラ監視の対象となる物件の時間帯（営業時間終了後など）をプログラムするソフトウェアです。人工知能（AI）は、その時間帯にそのエリアへの立ち入りを禁止する「ルール」に違反する侵入者を検知すると、アラートを送信します。

AIアルゴリズムはディープフェイク動画の検出に使用されている。[ 85 ] [ 86 ]

ビデオ制作

人工知能はビデオ制作にも使われ始めており、生成AIを利用して新しいビデオを作成したり、既存のビデオを変更したりするためのツールやソフトウェアが開発されています。現在、これらのプロセスで使用されている主なツールには、DALL-E、Mid-journey、Runwayなどがあります。[ 87 ] Way mark Studiosは、DALL-EとMid-journey の両方が提供するツールを利用して、 2023年夏に完全にAIで生成された映画「The Frost」を制作しました。 [ 87 ] Way mark Studiosは、これらのAIツールを使用して、わずか数秒で企業の広告やコマーシャルを生成する実験を行っています。[ 87 ] USCのエンターテイメントテクノロジーセンターのメディアにおけるAIと神経科学プロジェクトのディレクターであるYves Bergquist氏は、ハリウッドのポストプロダクションクルーはすでに生成AIを使用しており、将来的にはより多くの企業がこの新しいテクノロジーを採用すると予測しています。[ 88

音楽

AIはさまざまなジャンルの音楽の作曲に使用されてきました。

デビッド・コープは、アルゴリズム・コンピュータ・ミュージックの分野で有名になったエミリー・ハウエルと呼ばれるAIを開発しました。 [ 89 ]エミリー・ハウエルのアルゴリズムは米国特許として登録されています。[ 90 ]

2012年、AI Iamusは初の完全なクラシックアルバムを制作した。[ 91 ]

AIVA（人工知能バーチャルアーティスト）は、主にクラシック音楽を中心とした交響曲を映画音楽用に作曲しています。[ 92 ]バーチャル作曲家として世界初となる音楽専門協会に認定されました。[ 93 ]

Melomicsはストレスや痛みを和らげるためのコンピューター生成音楽を制作しています。[ 94 ]

Watson Beatは、強化学習とディープ・ビリーフ・ネットワークを用いて、シンプルなシード入力メロディーと選択されたスタイルに基づいて音楽を作曲します。このソフトウェアはオープンソース[ 95 ]であり、 Taryn Southern [ 96 ]などのミュージシャンがこのプロジェクトに協力して音楽を制作しました。

韓国の歌手ハヨンのデビュー曲「Eyes on You」は、NUVOを含む実際の作曲家が監修したAIを使用して作曲された。[ 97 ]

執筆と報告

Narrative Scienceは、コンピュータ生成のニュースやレポートを販売しています。試合の統計データに基づいてスポーツイベントの要約を作成しています。また、財務レポートや不動産分析も作成しています。[ 98 ] Automated Insightsは、 Yahoo Sports Fantasy Football向けにパーソナライズされた試合概要やプレビューを作成しています。[ 99 ]

Yseopは、AIを活用して構造化データを自然言語のコメントや推奨事項に変換します。Yseopは、財務報告書、エグゼクティブサマリー、パーソナライズされた販売・マーケティング資料などを、英語、スペイン語、フランス語、ドイツ語など複数の言語で作成します。[ 100 ]

TALESPINはイソップ物語に似た物語を創作しました。このプログラムは、特定の目標を達成しようとする登場人物たちから始まりました。マーク・リードルとヴァディム・ブリトコは、ストーリーテリングの本質は体験管理、つまり「一貫性のあるストーリー展開の必要性と、しばしば相反するユーザーの主体性のバランスを取る方法」であると主張しました。[ 101 ]

AIによるストーリーテリングは物語生成（登場人物とプロット）に重点を置いていますが、ストーリーコミュニケーションにも注目が集まっています。2002年には、研究者たちが物語散文生成のためのアーキテクチャフレームワークを開発しました。彼らは『赤ずきん』などの物語のテキストの多様性と複雑さを忠実に再現しました。[ 102 ] 2016年には、日本のAIが短編小説を共同執筆し、文学賞をほぼ受賞するところでした。[ 103 ]

韓国の企業Hanteo Globalはジャーナリズムボットを使って記事を書いている。[ 104 ]

文学作家たちもAIの活用を模索しています。例えば、デイヴィッド・ジェイヴ・ジョンストンの作品「ReRites」（2017-2019年）では、詩人がニューラルネットワークの詩的出力を編集し、一連のパフォーマンスや出版物を制作するという日常的な儀式を考案しました。

スポーツライティング

2010年、人工知能（AI）が野球の統計データを用いてニュース記事を自動生成しました。これは、Narrative Scienceのソフトウェアを用いてBig Ten Networkによって開始されました。[ 105 ]

大規模なチームでマイナーリーグの野球の試合をすべて報道することができなくなった後、 AP通信は2016年にAutomated Insightsと提携して、人工知能によって自動化された試合要約を作成しました。[ 106 ]

ブラジルのUOLは、記事作成におけるAIの活用を拡大しました。単にニュース記事を生成するだけでなく、 Googleでよく検索される単語もAIに組み込むようにプログラムしました。[ 106 ]

スポーツを含む幅広いニュースを扱うスペインのニュースサイト「エル・パイス」では、ユーザーが各ニュース記事にコメントを投稿できるようになっています。コメントのモデレーションにはPerspective APIが使用されており、ソフトウェアがコメントに有害な言葉が含まれていると判断した場合、コメント投稿者はコメントを修正しなければ公開できません。[ 106 ]

オランダの地元メディアグループは、AIを活用してアマチュアサッカーの自動中継を作成し、1シーズンで6万試合をカバーする予定です。NDCはUnited Robotsと提携してこのアルゴリズムを開発し、これまでは極めて大規模なチームなしでは不可能だった放送を実現しました。[ 106 ]

2023年、Lede AIは高校のフットボールの試合のスコアを取得し、地元紙の記事を自動生成するために使用されました。しかし、掲載された記事のロボットのような表現に対して、読者から大きな批判が寄せられました。試合を「スポーツ的な接近戦」と表現した部分があったため、読者は不満を抱き、出版社のガネット社にソーシャルメディアでその旨を伝えました。ガネット社はその後、実験と呼ぶこの問題を解決できるまで、Lede AIの使用を中止しました。[ 107 ]

ウィキペディア

人工知能と機械学習は、ウィキメディアプロジェクトで長い間使用されてきました。主に既存の記事の編集を支援するために使用されています。[ 108 ]

大規模な言語モデルを用いてゼロから新しい記事を作成するといった人工知能の応用は、Wikipediaコミュニティにおいて他のものよりも物議を醸してきました。2025年8月、Wikipediaは編集者がAI生成の疑いのある記事を迅速に削除するよう指名できるポリシーを導入しました。

Wikipediaは、初期の人工知能プロジェクトにおいて、重要な学習データ源として利用されてきました。企業が質問の回答にWikipediaを頼る際にWikipediaを引用しないのではないかという懸念や、Wikipediaのデータスクレイピングによるコスト増加など、様々な反応が寄せられています。

数百万もの記事がボットによって編集されています[ 109 ]が、ボットは通常人工知能ソフトウェアではありません。多くのAIプラットフォームはWikipediaのデータを利用しており[ 110 ] 、主に機械学習アプリケーションの学習に利用しています。Wikipedia向けには、古くなった文章の識別[ 111 ] 、隠れた荒らしの検出[ 112 ] 、新しい編集者への記事やタスクの推奨など、様々な人工知能アプリケーションの研究開発が行われています。

機械翻訳はWikipediaの記事の翻訳にも利用されており、将来的には記事の作成、更新、拡張、そして全体的な改善においてより大きな役割を果たす可能性があります。コンテンツ翻訳ツールにより、一部のWikipediaの編集者は、複数の言語間で記事をより簡単に翻訳できます。[ 113 ] [ 114 ]

ビデオゲーム

ビデオゲームでは、AIはノンプレイヤーキャラクター（NPC）の行動生成に日常的に利用されています。さらに、AIは経路探索にも利用されています。AIがあまり一般的ではないゲームとしては、 『Left 4 Dead 』（2008年）のAIディレクターや、『 Supreme Commander 2』 （2010年）の神経進化的小隊訓練などが挙げられます。[ 115 ] [ 116 ]また、 『Alien Isolation』（2014年）では、エイリアンの次の行動を制御する手段としてAIが使用されています。 [ 117 ]

ゲームは1950年代以来、AIの能力の主要な応用分野となってきました。21世紀には、チェス（Deep Blue）、Jeopardy!（Watson）[ 118 ] 、囲碁（AlphaGo）[119]、[ 120 ] 、[ 121 ]、[ 122 ]、 [ 123 ] 、 [ 124 ] 、[ 125 ]、ポーカー（Pluribus [ 126 ] 、Cepheus）[ 127 ]、eスポーツ（StarCraft）[128]、[ 129 ]、そして一般的なゲームプレイ（ AlphaZero [ 130 ] 、[ 131 ]、[ 132 ] 、 MuZero ） [ 133 ]、 [ 134 ] 、[ 135 ] 、[ 136 ]など、多くのゲームでAIが人間のプレイヤーに勝利しました。

Kuki AIは、エンターテイメントとマーケティングツールとして設計されたチャットボットとその他のアプリのセットです。 [ 137 ] [ 138 ]

視覚イメージ

安定拡散によって生成された「サイボーグエルフ」

最初のAIアートプログラムであるAARONは、 1968年にハロルド・コーエンによって開発されました[ 139 ]。描画行為をコード化することを目指していました。当初は単純な白黒の絵を描くことから始まり、後にコーエンの介入なしにプログラム自身が選択した特殊なブラシと染料を用いて絵を描くようになりました[ 140 ] 。

DALL-E [ 141 ] 、Stable Diffusion [ 141 ] 、Imagen [ 142 ]、Midjourney [ 143 ]などのAIプラットフォームは、テキストやその他の画像などの入力から視覚的な画像を生成するために使用されてきました。[ 144 ]一部のAIツールでは、ユーザーが画像を入力し、その画像の変更バージョンを出力することができ、たとえば、異なる環境でのオブジェクトや製品を表示することができます。AI画像モデルは、アーティストの特定のスタイルを再現しようとしたり、ラフスケッチに視覚的な複雑さを加えたりすることもできます。

AIは、既存のデジタルアートコレクションの定量的な分析を生成するために使用されています。[ 145 ]デジタル化されたアートを分析するために使用される典型的なアプローチには、精読と遠視という2つの計算手法があります。[ 146 ]遠視には大規模なコレクションの分析が含まれますが、精読には1つのアート作品が含まれます。

コンピュータアニメーション

2023年、Netflixが短編アニメ「犬と少年」の背景画像生成にAIを利用したことで、ネット上で激しい反発が起きた。[ 147 ]

ファイナンス

金融機関は長年にわたり、人工ニューラルネットワークシステムを用いて、通常とは異なる請求や請求を検知し、人間による調査を促してきました。銀行業務におけるAIの活用は、 1987年にセキュリティ・パシフィック・ナショナル・バンクがデビットカードの不正使用に対抗するために不正防止タスクフォースを立ち上げたことに始まります。[ 148 ]

銀行は、簿記、株式投資、不動産管理などの業務をAIで管理しています。AIは営業時間外の変化にも適応できます。[ 149 ] AIは、行動パターンを監視して異常な変化や異常を検出することで、詐欺や金融犯罪と闘うために使用されています。[ 150 ] [ 151 ] [ 152 ]

オンライン取引や意思決定などのアプリケーションにおけるAIの活用は、主要な経済理論を変えました。[ 153 ]例えば、AIベースの売買プラットフォームは、個人に合わせた需要と供給の曲線を推定し、個別価格設定を可能にします。AIシステムは市場における情報の非対称性を減らし、市場の効率を高めます。[ 154 ]金融業界における人工知能の応用は、特に小規模で革新的な企業の非国有企業の資金調達制約を緩和することができます。[ 155 ]

取引と投資

大手金融機関は、投資業務を支援するためにAIを活用しています。[ 156 ]ブラックロックのAIエンジン「アラジン」は、社内および顧客の両方で投資判断を支援するために利用されています。その機能には、自然言語処理を用いてニュース、ブローカーレポート、ソーシャルメディアフィードなどのテキストを分析することが含まれます。そして、言及された企業に対する感情を測定し、スコアを付与します。UBSやドイツ銀行などの銀行は、SQREEM（Sequential Quantum Reduction and Extraction Model）を使用してデータをマイニングし、顧客プロファイルを作成し、資産管理商品とマッチングさせています。[ 157 ]

引受

オンライン融資会社Up​​startは、融資審査に機械学習を活用している。[ 158 ]

ZestFinanceのZest Automated Machine Learning（ZAML）プラットフォームは、信用引受に利用されています。[ 159 ]このプラットフォームは、機械学習を用いて、購入取引や顧客のフォーム記入方法などのデータを分析し、借り手にスコアを付与します。このプラットフォームは、信用履歴が限られている人々に信用スコアを付与するのに便利です。[ 160 ]

監査

AIは継続的な監査を可能にします。潜在的なメリットとしては、監査リスクの軽減、保証レベルの向上、監査期間の短縮などが挙げられます。[ 161 ]

AIによる継続的な監査により、財務活動のリアルタイム監視と報告が可能になり、企業は迅速な意思決定につながるタイムリーな洞察を得ることができます。[ 162 ]

マネーロンダリング対策

現代の最適ではないデータセットを使用するLaundroGraphなどのAIソフトウェアは、マネーロンダリング対策（AML）に利用できる可能性がある。[ 163 ] [ 164 ]

歴史

1980年代、エキスパートシステムが商業化されるにつれ、AIは金融分野で存在感を示し始めました。例えば、デュポン社は100のエキスパートシステムを開発し、年間約1,000万ドルのコスト削減に貢献しました。[ 165 ]初期のシステムの一つは、1986年にダウ工業株30種平均の87ポイントの下落を予測したPro-traderエキスパートシステムでした。「このシステムの主要な機能は、市場のプレミアムを監視し、最適な投資戦略を決定し、適切なタイミングで取引を実行し、学習メカニズムを通じて知識ベースを修正することでした。」[ 166 ]

ファイナンシャルプラン作成を支援する最初のエキスパートシステムの一つは、Applied Expert Systems (APEX) が開発したPlanPowermとクライアントプロファイリングシステムです。これは1986年にリリースされ、個人のファイナンシャルプラン作成を支援しました。[ 167 ]

1990年代には、AIが詐欺検出に応用されました。1993年には、FinCEN人工知能システム（FAIS）が立ち上げられました。このシステムは、毎週20万件以上の取引を審査し、2年間で10億ドル相当のマネーロンダリングの可能性のある400件の特定に貢献しました。[ 168 ]これらのエキスパートシステムは、後に機械学習システムに置き換えられました。[ 169 ]

金融分野以外では、1980年代後半から1990年代初頭にかけて、技術分野や環境分野でもエキスパートシステムが活用されました。例えば、研究者たちはVP-Expertシェルを用いて、様々な水理学的・生物学的条件下で魚道構造を推奨する魚道設計アドバイザーを構築しました。[ 170 ]交通分野の研究者たちは、同じシェルを用いて空港の容量と騒音軽減計画のバランスをとっています。[ 171 ]農業分野では、ジャガイモ害虫エキスパートシステム（PIES）がコロラドハムシの害虫管理を支援しています。[ 172 ]米国環境保護庁（EPA）の汚染物質排出モデリングシステムCORMIXは、ルールとFortranの流体力学モデルを組み合わせています。[ 173 ]

EUにおける規制の動向

欧州連合（EU）では、人工知能法（規則（EU）2024/1689）により、金融セクターにおけるAIのいくつかの用途が「高リスク」に分類されています。これには、自然人の信用力を評価したり信用スコアを設定したりするために使用されるシステムや、生命保険や健康保険のリスク評価や価格設定に使用されるAIが含まれます。[ 174 ] [ 175 ] [ 176 ]これらのシステムは、リスク管理、データガバナンス、技術文書とログ記録、透明性、および人間による監視に関する要件を満たす必要があります。[ 175 ] [ 177 ]この法律の義務は段階的に導入されます。禁止事項とAIリテラシー規則は2025年2月2日から、ガバナンスとほとんどのGPAI義務は2025年8月2日から、義務の大部分は2026年8月2日から、特定の安全コンポーネントの高リスク義務は2027年8月2日から適用されます。[ 176 ]

健康

健康管理

コンピュータソフトウェアによる骨年齢の自動計算機能を備えた手のX線写真
ダヴィンチ手術システムの患者側手術アーム

医療におけるAIは、分類、 CTスキャンや心電図の評価、あるいは集団健康における高リスク患者の特定などによく利用されています。AIは、高額な投薬量の問題の解決にも役立っています。ある研究では、AIによって160億ドルのコスト削減が可能になると示唆されています。2016年には、AIが導き出した計算式によって、移植患者に投与する免疫抑制剤の適切な投薬量が算出されたという研究結果が報告されています。[ 178 ]現在の研究では、心臓血管疾患以外の疾患も人工知能（AI）によって治療されていることが示されています。特定の疾患では、AIアルゴリズムが診断、治療の推奨、転帰予測、患者の病状の追跡に役立ちます。AI技術の進歩に伴い、医療業界でAIの重要性がさらに高まることが期待されています。[ 179 ]

がんなどの病気の早期発見は、複雑な医療データセットを分析して病気を診断するAIアルゴリズムによって可能になる。例えば、IBM Watsonシステムは、医療記録や臨床試験などの膨大なデータを調べて、問題の診断に役立てられるかもしれない。[ 180 ] MicrosoftのAIプロジェクトHanoverは、医師が800種類以上の医薬品やワクチンの中からがんの治療法を選ぶのを支援している。 [ 181 ] [ 182 ]その目標は、関連する論文をすべて記憶して、各患者にどの薬剤（の組み合わせ）が最も効果的かを予測することである。骨髄性白血病が1つのターゲットである。別の研究では、皮膚がんの特定において医師と同じくらい優れたAIが報告されている。[ 183 ]​​ 別のプロジェクトでは、医師と患者のやりとりから取得したデータに基づいて各患者に質問することで、複数の高リスク患者を監視している。[ 184 ]転移学習を使ったある研究では、AIが眼科医と同様に眼の状態を診断し、治療の紹介を推奨した。[ 185 ]

別の研究では、自律型ロボットによる手術が実証されました。研究チームはロボットが軟部組織手術を行う様子を監視し、豚の腸を縫合する様子は外科医よりも優れていると判断されました。[ 186 ]

人工ニューラルネットワークは、医療診断のための臨床意思決定支援システムとして利用されており、[ 187 ] EMRソフトウェアの概念処理技術などに利用されている。

AI に適していると考えられている開発中のその他の医療タスクには、次のものがあります。

職場の健康と安全

AI対応のチャットボットは、人間が基本的なコールセンター業務を行う必要性を減らし、感情分析における機械学習は過労を防ぐために疲労を察知することができます。[ 200 ]

意思決定支援システムは、潜在的に産業災害を予防し、災害対応をより効率的にすることができます。[ 201 ]材料取り扱いにおける肉体労働者に対しては、筋骨格系の損傷を軽減するための予測分析が提案されています。[ 202 ]

AIは労働者災害補償請求の処理を試みることができる。[ 203 ] [ 204 ] AIは、報告が不足している事故ニアミスの検出に提案されている。[ 205 ]

生化学

機械学習は、医薬品の設計、[ 42 ] 、医薬品の発見と開発、医薬品の再利用、医薬品の生産性の向上、臨床試験に利用されてきました。 [ 206 ]

計算反応ネットワークを介したコンピュータ計画合成は、「計算合成とAIアルゴリズムを組み合わせた分子特性予測」プラットフォームと説明されており、[ 207 ]医薬品合成や、200種類の産業廃棄物化学物質を重要な医薬品や農薬にリサイクルする経路の開発（化学合成設計）に利用されている。[ 208 ]また、地球上の生命の起源を探るためにも利用されている。[ 209 ]

ディープラーニングは、特定の遺伝子DDR1の酵素を阻害する薬剤を設計、合成、試験するための46日間のプロセスの開発にデータベースと併用されました。DDR1は癌や線維症に関与しており、これがこれらの結果を可能にした高品質のデータセットの理由の1つです。[ 210 ]

AIプログラムAlphaFold 2は、以前の自動化されたアプローチで必要とされた数ヶ月ではなく、数時間で（折り畳まれた）タンパク質の3D構造を決定することができ、人体内のすべてのタンパク質と科学的に知られている基本的にすべてのタンパク質（2億以上）の可能性のある構造を提供するために使用されました。[ 211 ] [ 212 ] [ 213 ] [ 214 ]

言語処理

言語翻訳

音声翻訳技術は、ある言語で話された言葉を別の言語に変換する技術です。これにより、国際的な商取引や異文化交流における言語障壁が軽減され、様々な言語を話す人々が互いにコミュニケーションをとることができるようになります。[ 215 ]

AIは、 Microsoft Translator、Google Translate、DeepL Translatorなどの製品で、音声言語やテキストコンテンツの自動翻訳に使用されています。[ 216 ]さらに、動物のコミュニケーションを解読して行うための研究開発が進行中です。[ 6 ] [ 217 ]

意味はテキストだけでなく、用法や文脈によっても伝達されます（意味論と語用論を参照）。そのため、機械翻訳には統計的機械翻訳（SMT）とニューラル機械翻訳（NMT）という2つの主要な分類アプローチがあります。従来の翻訳手法では、統計的手法を用いて特定のアルゴリズムを用いて最良の結果を予測していました。しかし、NMTでは、文脈に基づいてより良い翻訳を実現するために、動的なアルゴリズムが採用されています。[ 218 ]

法律と政府

政府

AI顔認識システムは、特に中国で大規模監視に利用されている。 [ 219 ] [ 220 ] 2019年、インドのベンガルールではAI制御の交通信号機が導入された。このシステムはカメラを用いて交通量を監視し、交通整理に必要な間隔に基づいて信号のタイミングを調整する。[ 221 ]

法

AIは法律関連専門職の柱となっています。アルゴリズムと機械学習は、以前は新人弁護士が行っていた業務の一部を代替します。[ 222 ] AIの利用は一般的ですが、近い将来、弁護士の業務の大部分をAIに置き換えることは期待されていません。[ 223 ]

電子情報開示業界では、機械学習を利用して手作業による検索を削減しています。[ 224 ]

法執行機関は、映像データから容疑者を特定するために顔認識システム（FRS）の活用を開始しています。FRSの結果は、目撃者による結果と比較してより正確であることが証明されています。さらに、FRSは、映像の鮮明度や視認性が低い場合でも、人間の参加者と比較して、個人を特定する能力がはるかに優れていることが示されています。[ 225 ]

COMPASは、米国の裁判所が再犯の可能性を評価するために使用する商用システムである。[ 226 ]

懸念事項の一つはアルゴリズムの偏りに関するもので、AIプログラムは偏りのあるデータを処理した後に偏りを持つようになる可能性がある。[ 227 ] ProPublicaは、COMPASによる黒人被告の再犯リスクの平均値は白人被告よりも大幅に高いと主張している。[ 226 ]

2019年、中国杭州市は、電子商取引やインターネット関連の知的財産権に関する紛争を裁定するための人工知能ベースのインターネット裁判所のパイロットプログラムを設立しました。[ 228 ]：124 当事者はビデオ会議を通じて裁判所に出廷し、AIが提出された証拠を評価し、関連する法的基準を適用します。[ 228 ]：124

製造業

センサー

IdeaCuria社は人工知能とデジタル分光測定法を組み合わせ、 [ 229 ] [ 230 ]家庭での水質モニタリングなどのアプリケーションを可能にしました。

おもちゃとゲーム

1990年代には、初期の人工知能ツールがたまごっちやギガペット、インターネット、そして初めて広く普及したロボットであるファービーを制御していました。アイボは、知能機能と自律性を備えたロボット犬型の家庭用ロボットでした。

マテル社は、会話を「理解」し、知的な返答をし、学習するAI搭載のおもちゃを多数開発しました。[ 231 ]

石油とガス

石油・ガス会社は、人工知能ツールを使用して機能を自動化し、機器の問題を予測し、石油・ガスの生産量を増加させてきました。[ 232 ] [ 233 ]

数学

AIツールは数学的証明を形式的な証明に変換し、自動的に検証するために使用されてきた。[ 234 ]

自動定理証明

自動定理証明（ATPまたは自動演繹とも呼ばれる）は、自動推論と数理論理学のサブフィールドであり、コンピュータプログラムによる数学定理の証明を扱う。数学的証明よりも自動推論が重視されたことは、コンピュータサイエンスの発展を促した大きな要因であった。

計算幾何学

AlphaGeometryは、ユークリッド幾何学の難問を解くことができる人工知能（AI）プログラムである。このシステムは、データ駆動型の大規模言語モデル（LLM）とルールベースの記号エンジン（演繹データベース算術推論）から構成され、 Googleの子会社であるDeepMindによって開発された。このプログラムは、国際数学オリンピック（IMO）の幾何学問題30問のうち25問を制限時間内に解いた。これは、平均的な人間の金メダリストとほぼ同等の成績である。比較のために、Wu法と呼ばれる以前のAIプログラムは、わずか10問しか解けなかった。[ 235 ] [ 236 ]

DeepMindは、2024年1月17日に査読付きジャーナルNatureにAlphaGeometryに関する論文を発表しました。 [ 237 ] AlphaGeometryは同日MIT Technology Reviewで特集されました。 [ 238 ]

従来の幾何学プログラムは、厳密な証明を生成するために人間がコード化した規則のみに依存する記号エンジンであり、特殊な状況では柔軟性に欠ける。AlphaGeometryは、このような記号エンジンと、幾何学的証明の合成データで訓練された特殊な大規模言語モデルを組み合わせる。記号エンジンが単独で形式的かつ厳密な証明を見つけられない場合、大規模言語モデルを参照し、そこから幾何学的構成を提案して、次のステップに進む。しかし、記号エンジンはドメイン固有の規則に依存し、合成データを必要とするため、この手法が数学や推論の他の分野にどの程度適用できるかは不明である。[ 239 ]

軍隊

様々な国がAIの軍事応用を展開している。[ 240 ]研究は、情報収集・分析、物流、サイバー作戦、情報作戦、半自律走行車や自律走行車を対象としている。[ 240 ]

AIはイラク、シリア、イスラエル、ウクライナでの軍事作戦で使用されている。[ 240 ] [ 241 ] [ 242 ] [ 243 ]

インターネットと電子商取引

調達と調達

AIはB2Bのソーシングと調達に活用されています。[ 244 ]学術文献や業界レポートでは、サプライヤーの評価と選定、需要予測、契約・請求書処理の自動化、サプライチェーンのリスク評価におけるAIの活用が指摘されています。機械学習、自然言語処理、ロボティック・プロセス・オートメーションは、調達において一般的に活用されています。[ 245 ]

ウェブフィードと投稿

機械学習は、ソーシャルメディアのフィードにどの投稿を表示すべきかを決定する推奨システムに利用されてきました。[ 246 ] [ 247 ]さまざまな種類のソーシャルメディア分析でも機械学習が利用されています。[ 248 ] [ 249 ]また、オンラインの誤情報や関連するフィルターバブルの（半）自動タグ付け／強化／修正への利用に関する研究もあります。[ 250 ] [ 251 ] [ 252 ]

AIはショッピングオプションをカスタマイズしたり、オファーをパーソナライズしたりするために使用されています。[ 253 ]オンラインギャンブル会社はギャンブラーをターゲットにするためにAIを使用しています。[ 254 ]

インテリジェントなパーソナルアシスタントは、 AIを活用して自然言語によるリクエストに応答しようとします。 2010年にAppleスマートフォン向けにリリースされたSiriは、このコンセプトを普及させました。[ 255 ]

Bing Chatは検索エンジンの一部として人工知能を活用している。[ 256 ]

スパムフィルタリング

機械学習は、スパム、詐欺、フィッシング対策に活用できます。スパムやフィッシング攻撃の内容を精査し、悪意のある要素を特定することができます。[ 257 ]機械学習アルゴリズムによって構築されたモデルの中には、スパムメールと正規のメールを90%以上の精度で区別できるものもあります。[ 258 ]これらのモデルは、新しいデータや進化するスパム対策を用いて改良することができます。機械学習は、送信者の行動、メールヘッダー情報、添付ファイルの種類などの特性も分析するため、スパム検出能力が向上する可能性があります。[ 259 ]

顔認識と画像ラベル付け

AIは顔認識システムに利用されています。例としては、AppleのFace IDやAndroidのFace Unlockなどが挙げられ、これらはモバイルデバイスのセキュリティ保護に使用されています。[ 260 ]

中国は新疆ウイグル自治区で顔認識技術と人工知能（AI）技術を活用している。2017年、同地域を訪れた記者たちは、複数の都市で約100メートル間隔で監視カメラが設置されているほか、ガソリンスタンド、ショッピングセンター、モスクの入り口などにも顔認識検問所が設置されているのを確認した。[ 261 ] [ 262 ]人権団体は、中国政府がAIによる顔認識技術を政治弾圧に利用していると批判している。[ 263 ] [ 264 ]

オランダは2016年から顔認識技術と人工知能（AI）技術を導入している。[ 265 ]オランダ警察のデータベースには現在、130万人のオランダ国民の220万枚以上の写真が保存されている。これは人口の約8%に相当し、オランダでは警察による市営CCTV監視には顔認識技術は使用されていない。[ 266 ]

画像ラベル付けは、 Google Image Labelerによって写真内の商品を検出し、写真に基づいた検索を可能にするために使用されています。また、画像ラベル付けは、視覚障害者向けに画像を説明する音声を生成することにも利用されています。[ 216 ]

科学研究

一般的な影響の証拠

2024年4月、欧州委員会への科学的助言メカニズムは、科学研究における人工知能がもたらす機会と課題に関する包括的な証拠レビューを含む 助言[ 267 ]を発表しました。

利点として、エビデンスレビュー[ 268 ]では以下の点が強調されている。

  • 研究とイノベーションを加速させる役割
  • ワークフローを自動化する能力
  • 科学研究の普及の強化

課題としては：

  • 透明性、再現性、解釈可能性に関する限界とリスク
  • パフォーマンスが低い（不正確）
  • 誤用または意図しない使用による危害のリスク
  • 誤情報の拡散や不平等の拡大などの社会的懸念

考古学、歴史、遺跡の画像化

機械学習は古代のテキストの復元や帰属の特定に役立ちます。[ 269 ]例えば、テキストの索引付けによって、断片の検索や分類をより良く、より簡単に行うことができます。[ 270 ]

人工知能はゲノムを調査して遺伝的歴史 を明らかにするためにも使用できます。たとえば、古代人と現代人の交配から、ネアンデルタール人やデニソワ人ではない幽霊集団の過去の存在が推測されました。[ 271 ]

また、「考古学的遺跡の内部構造への非侵襲的かつ非破壊的なアクセス」にも使用できます。[ 272 ]

物理

乳児の視覚認知に関する研究にヒントを得た未発表のアプローチに基づいて、深層学習システムが視覚データ（仮想3D環境）から直感的な物理学を学習することが報告された。 [ 273 ] [ 274 ]他の研究者は、様々な物理システムの基本変数セットを発見し、その動作のビデオ録画からシステムの将来のダイナミクスを予測できる機械学習アルゴリズムを開発した。[ 275 ] [ 276 ]将来的には、このようなアルゴリズムを使用して、複雑なシステムの物理法則の発見を自動化できる可能性がある。[ 275 ]

材料科学

2023年11月、Google DeepMindとローレンス・バークレー国立研究所の研究者らは、AIシステムGNoMEが200万件以上の新材料を記録したと発表しました。GNoMEはディープラーニング技術を用いて、潜在的な材料構造を解析し、安定した無機結晶構造を特定します。システムの予測は自律ロボット実験によって検証され、成功率は71%でした。新発見材料のデータは、Materials Projectデータベースを通じて公開されています。[ 277 ] [ 278 ] [ 279 ]

リバースエンジニアリング

機械学習は、様々なタイプのリバースエンジニアリングに利用されています。例えば、機械学習は複合材料部品のリバースエンジニアリングに利用されており、これにより、不正に高品質の部品を製造することが可能になりました。 [ 280 ]また、マルウェアの挙動を迅速に把握するためにも利用されています。[ 281 ] [ 282 ] [ 283 ]人工知能モデルのリバースエンジニアリングにも利用できます。 [ 284 ]また、特定の機能を実現するための逆分子設計[ 285 ]や、事前に指定された機能部位のためのタンパク質設計など、まだ存在しない仮想コンポーネントの一種のリバースエンジニアリングを行うことで、コンポーネントを設計することもできます。[ 286 ] [ 287 ]生物学的ネットワークのリバースエンジニアリングでは、遺伝子発現レベルの時系列データなどに基づいて、人間が理解できる方法で相互作用をモデル化できます。[ 288 ]

天文学、宇宙活動、UFO研究

人工知能は天文学において、増加する利用可能なデータ[ 289 ] [ 290 ]とアプリケーションを分析するために使用され、主に「分類、回帰、クラスタリング、予測、生成、発見、および新しい科学的洞察の開発」を目的としており、例えば太陽系外惑星の発見、太陽活動の予測、重力波天文学における信号と機器効果の区別などに使用される。[ 291 ]また、宇宙探査などの宇宙活動にも使用される可能性があり、これには宇宙ミッションのデータ分析、宇宙船のリアルタイムの科学的判断、宇宙ゴミの回避、[ 292 ]およびより自律的な操作が含まれる。[ 293 ] [ 294 ] [ 47 ] [ 290 ]

地球外知的生命体探査(SETI)において、機械学習は利用可能なデータ[ 295 ] [ 296 ]（リアルタイム観測[ 297 ]など）内の人工的に生成された電磁波や、異常検出などによるその他の技術的特徴を識別する試みに使用されてきた。[ 298 ] UFO 研究では、ハカン・カヤル教授が率いる SkyCAM-5 プロジェクト[ 299 ]とアヴィ・ローブ氏が率いるガリレオ プロジェクトが機械学習を使用して UFO の種類を検出および分類しようとしている。[ 300 ] [ 301 ] [ 302 ] [ 303 ] [ 304 ]ガリレオ プロジェクトでは、AI を使用して、オウムアムアのような星間物体と非人工衛星という、さらに 2 種類の潜在的な地球外技術的特徴を検出することを目指している。 [ 305 ] [ 306 ]

機械学習は、金星で検出された可能性のあるホスフィンなど、特定の化学物質の大気中での生成や消費に関与している可能性のある分子のスペクトルシグネチャのデータセットを作成するためにも使用できます。これにより、誤割り当てを防ぐことができ、精度が向上しれば、将来、他の惑星での分子の検出と識別に使用できます。[ 307 ]

化学と生物学

どのような種類のコンピュータ支援化学が機械学習の恩恵を受けるかについての研究があります。[ 308 ]ゲノムデータベースを使用して進化アルゴリズムに基づいて新しいタンパク質を設計するディープラーニングAIベースのプロセスが開発されました。[ 309 ] [ 310 ]機械学習は、事前に指定された機能部位を持つタンパク質設計、[ 286 ] [ 287 ]分子特性の予測、および大規模な化学/反応空間の探索 にも使用されています。[ 311 ]

研究者らは、創薬AIアルゴリズムを使用して、4万種類の潜在的な化学兵器候補を生成し、そのような化学物質が実際に危害を加える目的で合成されるのを防ぐための規制に役立てました。[ 312 ] [ 313 ] [ 314 ]

機械学習は、遺伝子発現パターンを機能活性化パターンにマッピングする[ 315 ]や機能的DNAモチーフの特定など、人間の生物学を解読するためのさまざまなタイプのアプリケーションがあります。[ 316 ]遺伝子研究では広く使用されています。[ 317 ] また、機械学習は合成生物学、[ 318 ] [ 319 ]疾患生物学、[ 319 ]ナノテクノロジー（ナノ構造材料やバイオナノテクノロジーなど）、[ 320 ] [ 321 ]材料科学でも使用されています。[ 322 ] [ 323 ] [ 324 ]

セキュリティと監視

サイバーセキュリティ

サイバーセキュリティ企業は、システムの改善のためにニューラルネットワーク、機械学習、自然言語処理を採用しています。 [ 325 ]

サイバーセキュリティにおける AI の応用には次のようなものがあります。

  • ネットワーク保護：機械学習は、以前に特定された脅威を超えて検索範囲を広げることで、侵入検知システムを改善します。 [ 326 ]
  • エンドポイント保護:ランサムウェアなどの攻撃は、典型的なマルウェアの動作を学習することで阻止できます。
    • AI関連のサイバーセキュリティの適用事例は、そのメリットと複雑さの両面で多岐にわたります。セキュリティオーケストレーション、自動化、レスポンス（SOAR）や拡張エンドポイント検出・レスポンス（XDR）といったセキュリティ機能は、企業に大きなメリットをもたらしますが、統合と適応には多大な労力が必要です。[ 327 ]
  • アプリケーション セキュリティ:サーバー側リクエスト フォージェリ、SQL インジェクション、クロスサイト スクリプティング、分散型サービス拒否などの攻撃に対抗するのに役立ちます。
    • AI技術は、システムセキュリティの向上やプライバシー保護にも活用できます。ランドリアナソロ（2012）は、侵入を認識し、適応してパフォーマンスを向上させる人工知能に基づくセキュリティシステムを提案しました。[ 328 ]クラウドコンピューティングのセキュリティを向上させるため、サヒル（2015）はAI技術を用いたクラウド環境向けユーザープロファイルシステムを開発しました。[ 329 ]
  • 疑わしいユーザーの行動：機械学習は、詐欺や侵害されたアプリケーションが発生したときにそれを識別できます。[ 330 ]

運輸・物流

航空

航空業界では、予知保全のために人工知能（AI）の活用が進んでおり、遅延の削減に役立っています。ボーイングやエアバスなどの企業は、運用パフォーマンスを維持しながら修理手順を最適化するためにAIを活用しています[ 331 ]。

自動車と公共交通機関

Waymoブランドの自動運転車の側面図

交通の複雑さから、ほとんどの場合、実際の運転環境でAIを訓練することは非現実的であり、シミュレータベースのテストを通じて実現されます。[ 332 ] AIベースのシステムは、ブレーキ、車線変更、衝突防止、ナビゲーション、マッピングなどの機能を制御します。[ 333 ]

一部の自動運転車は人間の運転手が運転できない（ハンドルやペダルがない）[ 334 ] [ 335 ]

自律走行自動車公共交通機関のプロトタイプとしては、自律走行鉄道輸送[ 336 ] [ 337 ] [ 338 ]、電気ミニバス[ 339 ] [ 340 ] [ 341 ]、自律走行配達車両[ 342 ] [343 ] [ 335 ] 、配達ロボット[ 344 ] [ 345 ]などが運行されている。

自動運転トラックは現在試験段階にあります。英国政府は、2018年に自動運転トラック隊列走行の試験を開始するための法律を可決しました。[ 346 ]自動運転トラックの隊列が互いに接近して走行しています。ドイツのダイムラーは、フレイトライナー・インスピレーションの試験走行を行っています。[ 347 ]

AIは交通管理の最適化に活用されており、待ち時間、エネルギー使用量、排出量を削減できる。[ 348 ]

レーダーと超音波音響位置センサーを備えたカメラと、予測アルゴリズムを使用して人工知能信号機を設置し、交通の流れを改善します。

軍隊

航空機シミュレーターは、パイロットの訓練にAIを活用しています。パイロットが自分自身や高価な航空機を危険にさらすことなくミスを犯せるような飛行状況をシミュレートできます。空中戦もシミュレートできます。

AIは地上車両の制御と同様に、飛行機の操縦にも活用できます。自律型ドローンは単独で飛行することも、群れをなして飛行することもできます。[ 349 ]

AODは、TF-30の文書情報とTF-30の整備士からの専門的なアドバイスを活用したルールベースのエキスパートシステムであるインタラクティブ故障診断・分離システム（IFDIS）を採用しています。このシステムは、 F-111C用TF-30の開発に使用するために設計されました。このシステムは専門作業員の業務を代替し、一般作業員がシステムと通信することで、ミスや誤算を回避し、専門作業員とのやり取りを省くことができました。

音声認識により、交通管制官はドローンに口頭で指示を出すことができます。

人工知能支援航空機設計（ AIDA） [ 350 ]は、航空機の概念設計プロセスにおいて設計者を支援するために用いられます。このプログラムにより、設計者は設計プロセスに費やす時間を減らし、設計そのものに集中できるようになります。また、ユーザーもソフトウェアツールの使用に費やす時間を減らすことができます。AIDAはルールベースのシステムを用いてデータを計算します。これはAIDAモジュールの配置図です。シンプルながらも、このプログラムは効果的であることが証明されています。

米航空宇宙局（NASA）

2003年、ドライデン飛行研究センターのプロジェクトでは、損傷した航空機が安全に着陸できるまで飛行を継続できるようにするソフトウェアが開発されました。[ 351 ]このソフトウェアは、損傷した部品を、損傷していない残りの部品に頼って補いました。[ 352 ]

2016年のインテリジェント・オートパイロット・システムは、徒弟学習と行動クローニングを組み合わせたもので、オートパイロットは飛行機を操縦するために必要な低レベルのアクションと、それらのアクションを適用するために使用される高レベルの戦略を観察しました。[ 353 ]

海事

ニューラルネットワークは船舶やボートの状況認識システムに利用されている。 [ 354 ]自律航行ボートも存在する。

参照

脚注

  1. ^ Brynjolfsson, Erik; Mitchell, Tom (2017年12月22日). 「機械学習は何ができるのか？ 労働力への影響」. Science . 358 (6370): 1530– 1534. Bibcode : 2017Sci...358.1530B . doi : 10.1126/science.aap8062 . PMID  29269459 .
  2. ^シン・ミンギュ；キム・ジン；ヴァン・オプヘウスデン・バス；グリフィス・トーマス・L. (2023). 「超人的な人工知能は、新規性を高めることで人間の意思決定を向上させることができる」．米国科学アカデミー紀要．120 ( 12 ) e2214840120．arXiv : 2303.07462．Bibcode : 2023PNAS..12014840S．doi : 10.1073 / pnas.2214840120．PMC 10041097．PMID 36913582．  
  3. ^ Chen, Yiting; Liu, Tracy Xiao; Shan, You; Zhong, Songfa (2023). 「GPTの経済的合理性の出現」 . Proceedings of the National Academy of Sciences . 120 (51) e2316205120. arXiv : 2305.12763 . Bibcode : 2023PNAS..12016205C . doi : 10.1073 / pnas.2316205120 . PMC 10740389. PMID 38085780 .  
  4. ^ 「ジェネレーティブAIとは？ | IBM」 www.ibm.com 2024年3月22日2025年7月22日閲覧。
  5. ^ Gambhire, Akshaya; Shaikh Mohammad, Bilal N. (2020年4月8日).農業における人工知能の活用. 第3回国際科学技術進歩会議 (ICAST) 2020議事録. SSRN 3571733 . 
  6. ^ a bブリーファー、エロディー F.;シファード、シアラ C.-R.リンハルト、パベル。レリヴェルド、リゼットMC。パディラ・デ・ラ・トーレ、モニカ。読んでください、エヴァ・R。ゲリン、キャロル。ディース、ヴェロニク。モネスティエ、クロエ。ラスムッセン、ジェッペ・H.シュピンカ、マレク。デュジャン、サンドラ。ボワシー、アラン。ヤンチャック、アンドリュー M.ヒルマン、エドナ。タレ、セリーヌ（2022年3月7日）。「誕生から屠殺までに発せられる豚の鳴き声を、感情の強さや生産の状況に応じて分類する」。科学的報告書。12 (1): 3409。ビブコード: 2022NatSR..12.3409B。doi : 10.1038/s41598-022-07174-8 . PMC 8901661 . PMID 35256620 .  
  7. ^ Moreno Millán, M; Sevilla Guzmán, E; Demyda, SE (2011). 「人口、貧困、生産、食料安全保障、食料主権、バイオテクノロジー、持続可能な開発：21世紀の課題」クルジュ＝ナポカ農業科学獣医学大学紀要. 獣医学. 1 (68).
  8. ^ Liundi, Nicholas; Darma, Aditya Wirya; Gunarso, Rivaldi; Warnars, Harco Leslie Hendric Spits (2019). 「人工知能によるインドネシアの稲作生産性向上」. 2019 第7回国際サイバー・ITサービスマネジメント会議 (CITSM) . pp.  1– 5. doi : 10.1109/CITSM47753.2019.8965385 . ISBN 978-1-7281-2909-9。
  9. ^ Talaviya, Tanha; Shah, Dhara; Patel, Nivedita; Yagnik, Hiteshri; Shah, Manan (2020). 「灌漑と農薬・除草剤散布の最適化に向けた農業における人工知能の導入」 . 『農業における人工知能』 . 4 : 58– 73. doi : 10.1016/j.aiia.2020.04.002 .
  10. ^バーンスタイン、フィリップ（2022年）『機械学習：人工知能時代の建築』ロンドン：RIBA出版、ISBN 978-1-914124-01-3。
  11. ^ヒースコート、エドウィン（2024年1月20日）「AIが建築業界に到来」フィナンシャル・タイムズ。 2024年2月7日閲覧。
  12. ^ 「人工知能は建築家に取って代わるのか？」 ArchDaily . 2023年10月18日. 2024年2月7日閲覧。
  13. ^ Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey (2025年2月4日). 「Generative AI at Work」 . The Quarterly Journal of Economics . 140 (2): 889– 942. doi : 10.1093/qje/qjae044 . ISSN 0033-5533 . 2025年6月5日時点のオリジナルよりアーカイブ。 
  14. ^ Noy, Shakked; Zhang, Whitney (2023-07-14). 「生成型人工知能の生産性効果に関する実験的証拠」 . Science . 381 (6654): 187– 192. Bibcode : 2023Sci...381..187N . doi : 10.1126/science.adh2586 . PMID 37440646 . 
  15. ^エストラーダ、シェリル（2025年8月18日）「MITレポート：企業における生成AIパイロットの95%が失敗」フォーチュン誌。2025年10月15日閲覧。
  16. ^ Niederhoffer, Kate; Kellerman, Gabriella Rosen; Lee, Angela; Liebscher, Alex; Rapuano, Kristina; Hancock, Jeffrey T. (2025年9月22日). 「AIが生み出す『ワークスロップ』が生産性を破壊している」ハーバード・ビジネス・レビュー. 2025年10月15日閲覧。
  17. ^ Frąckowiak-Szymański、プシェミスワフ (2025 年 6 月 26 日)。「Vibe コーディングの長所と短所」。ソフトウェアマインド。2025 年11 月 7 日に取得。
  18. ^ a b Nickelsburg, Monica (2025年10月1日). 「AIの汚い仕事を片付けるために雇われた人間のプログラマー」 . www.kuow.org . NPR . 2025年10月25日閲覧。
  19. ^ Davis, Dominic-Madori (2025年9月14日). 「バイブコーディングはシニア開発者を『AIベビーシッター』に変えたが、彼らはその価値を認めている」 . TechCrunch . 2025年10月25日閲覧。
  20. ^ニューマン、リリー・ヘイ。「バイブコーディングは最悪の形で新たなオープンソース」。Wired 。2025年10月25日閲覧。
  21. ^タンガーマン、ビクター（2025年5月31日）「企業は『バイブコーディング』の深刻な問題に気づき始めている」「 .フューチャリズム. 2025年10月25日閲覧。
  22. ^ 「Google AIが独自の「子供」ボットを作成」 The Independent、2017年12月5日。 2018年2月5日閲覧。
  23. ^スパニョーロ、ミケーレ;モリス、ジョシュア。ピアチェンティーニ、シモーネ。アンテスバーガー、マイケル。マッサ、フランチェスコ。クレスピ、アンドレア。チェッカレッリ、フランチェスコ。オセラム、ロベルト。フィリップ・ワルサー（2022年4月）。 「実験用光量子メモリスタ」。ネイチャーフォトニクス。16 (4 ) : 318–323。arXiv : 2105.04867 。Bibcode : 2022NaPho..16..318S。土井: 10.1038/s41566-022-00973-5。
  24. ^ラマナサン、シュリラム（2018年7月）. 「脳科学と人工知能のための量子材料」 . MRS Bulletin . 43 (7): 534– 540. Bibcode : 2018MRSBu..43..534R . doi : 10.1557/mrs.2018.147 .
  25. ^ Community, Chemistry (2021年12月2日). 「人工知能により、正確な量子化学シミュレーションがより手頃な価格に」 Nature Portfolio Chemistry Community . 2022年5月30日閲覧。
  26. ^グアン、ウェン;パーデュー、ガブリエル。ペサ、アーサー。シュルド、マリア。寺師 幸司；ヴァジェコルサ、ソフィア;ジャン・ロシュ、ヴリマン（2021年3月）。「高エネルギー物理学における量子機械学習」。機械学習: 科学とテクノロジー。2 (1): 011003.arXiv : 2005.08582。土井：10.1088/2632-2153/abc17d。
  27. ^ラッセル、スチュアート・J. ;ノーヴィグ、ピーター（2003年）、人工知能：現代的アプローチ（第2版）、アッパーサドルリバー、ニュージャージー：プレンティスホール、ISBN 0-13-790395-2
  28. ^ a b Kongthon, Alisa; Sangkeettrakarn, Chatchawal; Kongyoung, Sarawoot; Haruechaiyasak, Choochart (2009). 「会話エージェントに基づくオンラインヘルプデスクシステムの実装」.国際会議「新興デジタルエコシステム管理に関する会議録」. pp.  450– 451. doi : 10.1145/1643823.1643908 . ISBN 978-1-60558-829-2。
  29. ^サラ・アシュリー・オブライエン (2016年1月12日). 「このアプリは未来のコールセンターになるのか？」 CNN . 2016年9月26日閲覧。
  30. ^ 「Google AIを使用して音声をテキストに変換する」 Google Cloud . 2025年9月7日閲覧。
  31. ^クラーク、ジャック（2016年7月20日）「新しいGoogle AIが顧客サービスの自動化を実現」Bloomberg.com
  32. ^ 「Amazon.comがカスタマーサービスチャットボットをテスト」 Amazon Science 2020年2月25日. 2021年4月23日閲覧。
  33. ^マラティヤ・トゥルグト・オザル大学（マラティヤ、トルコ）; イスグザール（セダ）; フェンドグル（エダ）; マラティヤ・トゥルグト・オザル大学（マラティヤ、トルコ）; シムセック（アハメド・イフサン）（2024年5月）. 「ビジネスにおける革新的な応用：生成型人工知能の評価」（PDF） . Amfiteatru Economic . 26 (66): 511. doi : 10.24818/EA/2024/66/511 . 2024年6月13日閲覧。{{cite journal}}: CS1 maint: 複数の名前: 著者リスト (リンク)
  34. ^ 「ホスピタリティ業界における高度な分析」マッキンゼー・アンド・カンパニー、2017年。 2020年1月14日閲覧。
  35. ^ズラタノフ、ソニア、ポペスク、ヨヴァン (2019). 「観光とホスピタリティにおける人工知能の最新応用」国際科学会議シンテザ 2019 議事録. pp.  84– 90. doi : 10.15308/Sinteza-2019-84-90 . ISBN 978-86-7912-703-7。
  36. ^ 「教育と雇用機会の改善における新技術の期待と危険性」ブルッキングス研究所。 2024年4月20日閲覧。
  37. ^ 「エネルギー分野におけるAIの役割」DOE。
  38. ^ Bourhnane, Safae; Abid, Mohamed Riduan; Lghoul, Rachid; Zine-Dine, Khalid; Elkamoun, Najib; Benhaddou, Driss (2020年1月30日). 「スマートビルディングにおけるエネルギー消費予測とスケジューリングのための機械学習」 . SN Applied Sciences . 2 (2): 297. doi : 10.1007/s42452-020-2024-9 .
  39. ^ Kanwal, Sidra; Khan, Bilal; Muhammad Ali, Sahibzada (2021年2月). 「ハイブリッドマイクログリッドの有効電力制御のための機械学習ベースの加重スケジューリングスキーム」. International Journal of Electrical Power & Energy Systems . 125 106461. Bibcode : 2021IJEPE.12506461K . doi : 10.1016/j.ijepes.2020.106461 .
  40. ^ Mohanty, Prasanta Kumar; Jena, Premalata; Padhy, Narayana Prasad (2020). 「機械学習技術を用いた家庭用電気自動車の充電スケジューリング」. 2020 IEEE International Conference on Power Systems Technology (POWERCON) . pp.  1– 5. doi : 10.1109/POWERCON48463.2020.9230627 . ISBN 978-1-7281-6350-5。
  41. ^ Foster, Isabella (2021年3月15日). 「機械学習でスマートグリッドをよりスマートにする」 . EIT | Engineering Institute of Technology . 2022年7月3日閲覧。
  42. ^ a b Ciaramella, Alberto ; Ciaramella, Marco (2024). 『人工知能入門：データ分析から生成AIまで』 Intellisemantic Editions. p. 211. ISBN 978-88-947876-0-3。
  43. ^ Williams, Ben; Lamont, Timothy AC; Chapuis, Lucille; Harding, Harry R.; May, Eleanor B.; Prasetya, Mochyudho E.; Seraphim, Marie J.; Jompa, Jamaluddin; Smith, David J.; Janetski, Noel; Radford, Andrew N.; Simpson, Stephen D. (2022年7月). 「エコアコースティック指標と機械学習を用いた海洋サウンドスケープの自動分析の強化」 . Ecological Indicators . 140 108986. Bibcode : 2022EcInd.14008986W . doi : 10.1016/j.ecolind.2022.108986 . hdl : 10871/129693 .
  44. ^ Hino, M.; Benami, E.; Brooks, N. (2018年10月). 「環境モニタリングのための機械学習」. Nature Sustainability . 1 (10): 583– 588. Bibcode : 2018NatSu...1..583H . doi : 10.1038/s41893-018-0142-9 .
  45. ^ 「機械学習は環境規制当局にどのように役立つか」スタンフォードニュース、スタンフォード大学、2019年4月8日。 2022年5月29日閲覧。
  46. ^ 「AIが環境規制当局を支援」スタンフォードニュース、スタンフォード大学、2021年4月19日。 2022年5月29日閲覧。
  47. ^ a b「宇宙における人工知能」www.esa.int . 2022年5月30日閲覧。
  48. ^ Frost, Rosie (2022年5月9日). 「プラスチック廃棄物は宇宙から発見・監視可能」 . euronews . 2022年6月24日閲覧。
  49. ^ 「Global Plastic Watch」www.globalplasticwatch.org . 2022年6月24日閲覧。
  50. ^ 「AIは動物から人間に感染する次のウイルスを予測するかもしれない」 Public Library of Science 2021年10月19日閲覧。
  51. ^ Mollentze, Nardus; Babayan, Simon A.; Streicker, Daniel G. (2021年9月28日). 「ゲノム配列からヒトに感染する可能性のあるウイルスを特定し、優先順位を付ける」 . PLOS Biology . 19 (9) e3001390. doi : 10.1371/journal.pbio.3001390 . PMC 8478193. PMID 34582436 .  
  52. ^ Li, Zefeng; Meier, Men-Andrin; Hauksson, Egill; Zhan, Zhongwen; Andrews, Jennifer (2018年5月28日). 「機械学習による地震波識別：地震早期警報への応用」 . Geophysical Research Letters . 45 (10): 4773– 4779. Bibcode : 2018GeoRL..45.4773L . doi : 10.1029/2018GL077870 .
  53. ^ 「機械学習と重力信号で大地震を迅速に検知できる」サイエンスニュース、2022年5月11日。 2022年7月3日閲覧。
  54. ^ケビン・フォーヴェル;ダニエル・バルーク・トーマート;メルガル、ディエゴ。シルバ、ペドロ。アンソニー・シモネット。アントニウ、ガブリエル。コスタン、アレクサンドル。マッソン、ヴェロニク。パラシャール、マニッシュ。ロデロ、イワン。アレクサンドル・テルミエ（2020年4月3日）。「緊急地震速報に対する分散型マルチセンサー機械学習アプローチ」人工知能に関する AAAI 会議の議事録。34 (1): 403–411 .土井: 10.1609/aaai.v34i01.5376。
  55. ^ティルグナナム、ヘマラタ;ラメシュ、マニーシャ・ヴィノディーニ。ランガン、ヴェンカット P. (2020 年 9 月)。 「機械学習による土砂災害早期警報システムの信頼性向上」地滑り。17 (9): 2231–2246。ビブコード: 2020Lands..17.2231T。土井：10.1007/s10346-020-01453-z。
  56. ^ムーン・スンヒョン、キム・ヨンヒョク、リー・ヨンヒ、ムーン・ビョンロ (2019). 「機械学習を用いた超短期豪雨の早期警報システムへの応用」. Journal of Hydrology . 568 : 1042–1054 . Bibcode : 2019JHyd..568.1042M . doi : 10.1016/j.jhydrol.2018.11.060 .
  57. ^ Robinson, Bethany; Cohen, Jonathan S.; Herman, Jonathan D. (2020年9月). 「機械学習を用いた長期的な水供給脆弱性の早期警告信号の検出」 . Environmental Modelling & Software . 131 104781. Bibcode : 2020EnvMS.13104781R . doi : 10.1016/j.envsoft.2020.104781 .
  58. ^ Bury, Thomas M.; Sujith, RI; Pavithran, Induja; Scheffer, Marten; Lenton, Timothy M.; Anand, Madhur; Bauch, Chris T. (2021年9月28日). 「臨界点の早期警告シグナルのためのディープラーニング」 . Proceedings of the National Academy of Sciences . 118 (39) e2106140118. Bibcode : 2021PNAS..11806140B . doi : 10.1073 / pnas.2106140118 . PMC 8488604. PMID 34544867 .  
  59. ^ Park, Yongeun; Lee, Han Kyu; Shin, Jae-Ki; Chon, Kangmin; Kim, SungHwan; Cho, Kyung Hwa; Kim, Jin Hwi; Baek, Sang-Soo (2021年6月15日). 「淡水貯水池におけるシアノバクテリアブルームの発生を早期に警告するための機械学習アプローチ」. Journal of Environmental Management . 288 112415. Bibcode : 2021JEnvM.28812415P . doi : 10.1016/j.jenvman.2021.112415 . PMID 33774562 . 
  60. ^ Li, Jun; Wang, Zhaoli; Wu, Xushu; Xu, Chong-Yu; Guo, Shenglian; Chen, Xiaohong; Zhang, Zhenxing (2021年8月). 「先行SST変動と機械学習を用いたロバストな気象干ばつ予測」.水資源研究. 57 (8) e2020WR029413. Bibcode : 2021WRR....5729413L . doi : 10.1029/2020WR029413 . hdl : 10852/92935 .
  61. ^ Khan, Najeebullah; Sachindra, DA; Shahid, Shamsuddin; Ahmed, Kamal; Shiru, Mohammed Sanusi; Nawaz, Nadeem (2020年5月). 「機械学習アルゴリズムを用いたパキスタンの干ばつ予測」. Advances in Water Resources . 139 103562. Bibcode : 2020AdWR..13903562K . doi : 10.1016/j.advwatres.2020.103562 .
  62. ^ Kaur, Amandeep; Sood, Sandeep K. (2020年5月). 「ディープラーニングに基づく干ばつの評価と予測フレームワーク」. Ecological Informatics . 57 101067. Bibcode : 2020EcInf..5701067K . doi : 10.1016/j.ecoinf.2020.101067 .
  63. ^ 「人工知能の未来への準備」国家科学技術会議、p. 14、OCLC 965620122。2024年12月7日閲覧。 
  64. ^ 「NVIDIAの研究：AIで標準ビデオをスローモーションに変換する」 2018年6月18日。2021年12月21日時点のオリジナルよりアーカイブ– YouTube経由。
  65. ^ 「人工知能が古いビデオゲームを新品のように見せる」 The Verge、2019年4月18日。
  66. ^ 「レビュー：Topaz Sharpen AIは素晴らしい」 petapixel.com 2019年3月4日。
  67. ^ Griffin, Matthew (2018年4月26日). 「AIが破損した写真を元の状態に復元できるようになりました」 .
  68. ^ 「NVIDIAのAIは他の悪い写真を見て悪い写真を修正できる」 Engadget 2018年7月10日。
  69. ^ 「AIを活用して109年前のニューヨーク市のビデオをカラー化し、4K・60fpsにアップスケール」 petapixel.com 2020年2月24日。
  70. ^ 「YouTuberは過去の映像を4Kにアップスケールしている。歴史家たちはそれを止めるよう求めている」 Wired UK。
  71. ^ 「GoogleのDeepMind AIは単一の画像を動画に『トランスフレーム』できる」 2022年8月18日。
  72. ^ 「Googleの新しいAIがテキストを音楽に変える」 2023年1月28日。
  73. ^ 「Googleの新しいAI音楽ジェネレーターは曲を作成し、保持することができる」 2023年1月30日。
  74. ^ 「CSDL | IEEEコンピュータ協会」。
  75. ^ Jodka, Sara (2024年2月1日). 「現実を操作する：ディープフェイクと法律の交差点」 . Reuters.com . 2024年12月8日閲覧。
  76. ^ Teyssou, Denis (2019). 「デザイン思考手法の応用：InVID検証プラグイン」.フェイクニュース時代のビデオ検証. pp.  263– 279. doi : 10.1007/978-3-030-26752-0_9 . ISBN 978-3-030-26751-3。
  77. ^ 「InVIDとWeVerifyによるフェイクニュース暴露」 。 2021年12月23日閲覧。
  78. ^ 「TUMビジュアルコンピューティング＆人工知能：マティアス・ニースナー教授」niessnerlab.org。
  79. ^ 「ディープフェイクは中間選挙を混乱させるか？」 Wired 、 2018年11月。
  80. ^ a b Afchar, Darius; Nozick, Vincent; Yamagishi, Junichi; Echizen, Isao (2018). 「MesoNet: コンパクトな顔動画偽造検知ネットワーク」. 2018 IEEE International Workshop on Information Forensics and Security (WIFS) . pp.  1– 7. arXiv : 1809.00888 . doi : 10.1109/WIFS.2018.8630761 . ISBN 978-1-5386-6536-7。
  81. ^ Lyons, Kim (2020年1月29日). 「FTC、音声ディープフェイクの技術は向上していると発表」 The Verge .
  82. ^ 「話者検証から複数話者テキスト音声合成への転移学習」の音声サンプル" . google.github.io .
  83. ^ストリックランド、エリザ（2019年12月11日）「Facebook AIがディープフェイク検出チャレンジを開始」IEEE Spectrum
  84. ^ 「ディープフェイク検出研究へのデータ提供」 ai.googleblog.com 2019年9月24日。
  85. ^オーバー、ホリー. 「新しい手法でディープフェイク動画を最大99%の精度で検出」カリフォルニア大学リバーサイド校. 2022年7月3日閲覧。
  86. ^ 「AIアルゴリズムがディープフェイク動画を高精度で検出」 techxplore.com 2022年7月3日閲覧。
  87. ^ a b c「新たなシュールレアリズムへようこそ。AI生成ビデオが映画界を変える」 MITテクノロジーレビュー。2023年12月5日閲覧。
  88. ^ Bean, Thomas H. Davenport、Randy (2023年6月19日). 「ジェネレーティブAIがハリウッドとエンターテインメントに与える影響」 . MIT Sloan Management Review . 2023年12月5日閲覧。
  89. ^ Cheng, Jacqui (2009年9月30日). 「バーチャル作曲家が美しい音楽を作り、物議を醸す」 Ars Technica .
  90. ^米国特許 7696426 
  91. ^ 「コンピューター作曲家がチューリング生誕100周年を祝う」ニューサイエンティスト誌、2012年7月4日。2016年4月13日時点のオリジナルよりアーカイブ。 2021年12月27日閲覧。
  92. ^ヒック、ティエリー (2016 年 10 月 11 日)。「古典音楽の再構成」。ルクセンブルガーワート。
  93. ^ “Résultats de recherche - La Sacem” .レパートリー.sacem.fr。
  94. ^レケナ、グロリア;サンチェス、カルロス。コルソ＝イゲラス、ホセ・ルイス。レイエス・アルバラド、シレーニア。リバス・ルイス、フランシスコ。ヴィコ、フランシスコ。ラグリオ、アルフレッド (2014)。 「小児プリックテスト処置中の痛みの知覚を軽減するメロミクス音楽医学 (M3)」。小児アレルギーおよび免疫学。25 (7): 721–724 .土井: 10.1111/pai.12263。PMID 25115240。 
  95. ^ 「Watson Beat on GitHub」 GitHub 2018年10月10日
  96. ^ 「AIのキーで歌われる歌」 Wired 、 2018年5月17日。
  97. ^ 「少女時代のテヨンの妹、ハヨン、AIが制作した曲でデビュー」 koreajoongangdaily.joins.com 2020年10月7日. 2020年10月23日閲覧。
  98. ^ビジネスインテリジェンスソリューション（Wayback Machineで2011年11月3日にアーカイブ）Narrative Science。2013年7月21日閲覧。
  99. ^ Eule, Alexander. 「ビッグデータとYahooのマス・パーソナライゼーションへの探求」 Barron 's .
  100. ^ 「人間のように書く人工知能ソフトウェア」 。 2013年4月12日時点のオリジナルよりアーカイブ。2013年3月11日閲覧。
  101. ^ Riedl, Mark Owen; Bulitko, Vadim (2012年12月6日). 「インタラクティブ・ナラティブ：インテリジェントシステムアプローチ」 . AI Magazine . 34 (1): 67. doi : 10.1609/aimag.v34i1.2449 .
  102. ^ Callaway, Charles B.; Lester, James C. (2002年8月). 「物語散文生成」 .人工知能. 139 (2): 213– 252. doi : 10.1016/S0004-3702(02)00230-8 .
  103. ^ 「日本のAIプログラムが短編小説を書き上げ、文学賞をほぼ受賞」 Digital Trends、2016年3月23日。 2016年11月18日閲覧。
  104. ^ “ボットニュース” .ハンテオニュース。 2020 年 10 月 20 日。2020 年10 月 20 日に取得。
  105. ^ Canavilhas, João (2022年9月). 「人工知能とジャーナリズム：ポルトガルのスポーツメディアの現状と期待」 .ジャーナリズムとメディア. 3 (3): 510– 520. doi : 10.3390/journalmedia3030035 . hdl : 10400.6/12308 .
  106. ^ a b c dガリリー、ヤイル（2018年8月）「人工知能とスポーツジャーナリズム：それは抜本的な変化か？」テクノロジー・イン・ソサエティ誌54 : 47–51 . doi : 10.1016 /j.techsoc.2018.03.001 .
  107. ^ Wu, Daniel (2023年8月31日). 「読者が記事を嘲笑したため、ガネット社はAIによるスポーツ記事の要約作成を停止」ワシントン・ポスト. 2023年10月31日閲覧。
  108. ^ Gertner, Jon (2023年7月18日). 「Wikipediaの真実の瞬間」 .ニューヨーク・タイムズ. 2024年11月29日閲覧。
  109. ^ 「調査で明らかになった、ウィキペディアのページでボット同士の編集戦争」ガーディアン紙、2017年2月23日。 2023年1月10日閲覧。
  110. ^ Cole, KC 「Wikipediaの揺らぐ真実」Wired . 2023年1月10日閲覧。
  111. ^ 「AIがWikipedia記事の古くなったテキストを自動書き換え」 Engadget 2023年1月10日閲覧。
  112. ^メッツ、ケイド「Wikipedia、AIを導入し人間編集者の増強を図る」 Wired . 2023年1月10日閲覧。
  113. ^ 「Wikipedia、Googleを活用して編集者の記事翻訳を支援」 VentureBeat 、 2019年1月9日。 2023年1月9日閲覧。
  114. ^ウィルソン、カイル（2019年5月8日）「WikipediaにはGoogle翻訳の問題がある」 The Verge 。2023年1月9日閲覧。
  115. ^ 「AI研究者がビデオゲームを好む理由」エコノミスト誌。2017年10月5日時点のオリジナルよりアーカイブ。
  116. ^ヤナカキス、ジオギオス N. (2012)。 「ゲームAIの再考」。第 9 回コンピューティングフロンティアカンファレンス - CF '12 の議事録。 p. 285.土井: 10.1145/2212908.2212954。ISBN 978-1-4503-1215-8。
  117. ^ Maass, Laura E. Shummon (2019年7月1日). 「ビデオゲームにおける人工知能」 . Medium . 2021年4月23日閲覧。
  118. ^ Markoff, John (2011年2月16日). 「『Jeopardy!』でコンピューターが勝利：些細なこと、そうではない」 . The New York Times . 2014年10月22日時点のオリジナルよりアーカイブ。 2014年10月25日閲覧。
  119. ^ “AlphaGo – Google DeepMind” . 2016年3月10日時点のオリジナルよりアーカイブ。
  120. ^ 「人工知能：GoogleのAlphaGoが囲碁の名人イ・セドルに勝利」 BBCニュース、2016年3月12日。2016年8月26日時点のオリジナルよりアーカイブ。 2016年10月1日閲覧。
  121. ^ Metz, Cade (2017年5月27日). 「中国での勝利後、AlphaGoの設計者が新たなAIを模索」 . Wired . 2017年6月2日時点のオリジナルよりアーカイブ。
  122. ^ “World's Go Player Ratings” . 2017年5月. 2017年4月1日時点のオリジナルよりアーカイブ。
  123. ^ “柯洁迎19岁生日 雄踞人类世界排名第一已两年” (中国語). 2017年5月。2017年8月11日のオリジナルからアーカイブ。
  124. ^ 「MuZero：ルールなしで囲碁、チェス、将棋、Atariをマスターする」 Deepmind 、 2020年12月23日。 2021年3月1日閲覧。
  125. ^ Steven Borowiec、Tracey Lien (2016年3月12日). 「AlphaGo、人工知能のマイルストーンで人間の囲碁チャンピオンに勝利」ロサンゼルス・タイムズ. 2016年3月13日閲覧。
  126. ^ Solly, Meil​​an. 「このポーカーAIはホールドとフォールドのタイミングを知っている」スミソニアン. Pluribusは、6人対戦のノーリミットテキサスホールデムでポーカープロに勝利し、人工知能研究における画期的な成果を達成しました。複雑なマルチプレイヤー対戦で人間に勝利した初のボットです。
  127. ^ボウリング, マイケル; バーチ, ニール; ヨハンソン, マイケル; タメリン, オスカリ (2015年1月9日). 「ヘッズアップ・リミット・ホールデム・ポーカーの解決」. Science . 347 (6218): 145– 149. Bibcode : 2015Sci...347..145B . doi : 10.1126/science.1259433 . PMID 25574016 . 
  128. ^サンティアゴ・オンタノン、ガブリエル・シナエベ、アルベルト・ウリアルテ、フロリアン・リシュー、デイヴィッド・チ​​ャーチル、マイク・プレウス（2013年12月）。「StarCraftにおけるリアルタイムストラテジーゲームAI研究と競争の概観」 IEEE Transactions on Computational Intelligence and AI in Games 5 ( 4): 293– 311. doi : 10.1109/TCIAIG.2013.2286295 .
  129. ^ 「Facebook、AIボットをめぐるStarCraft戦争にひっそり参戦、そして敗北」 WIRED 、 2017年。 2018年5月7日閲覧。
  130. ^ Silver, David ; Hubert, Thomas; Schrittwieser, Julian; Antonoglou, Ioannis; Lai, Matthew; Guez, Arthur; Lanctot, Marc; Sifre, Laurent; Kumaran, Dharshan; Graepel, Thore; Lillicrap, Timothy; Simonyan, Karen; Hassabis, Demis (2018年12月7日). 「チェス、将棋をマスターし、自己対戦もこなす汎用強化学習アルゴリズム」 . Science . 362 (6419): 1140– 1144. Bibcode : 2018Sci...362.1140S . doi : 10.1126/science.aar6404 . PMID 30523106 . 
  131. ^サンプル、イアン（2017年10月18日）。「『自ら知識を創造できる』：Googleが自ら学習するAIを発表」。ガーディアン紙。2018年5月7日閲覧。
  132. ^ Appenzeller, Tim (2017年7月7日). 「科学におけるAI革命」. Science . doi : 10.1126/science.aan7064 .
  133. ^ 「人工知能のスーパーヒーロー：この天才は人工知能を抑制できるか？」ガーディアン紙、2016年2月16日。2018年4月23日時点のオリジナルよりアーカイブ。 2018年4月26日閲覧。
  134. ^ムニフ、ヴォロディミル;カヴククオール、コライ州。シルバー、デイビッド。ルス、アンドレイ A.ヴェネス、ジョエル。ベルマーレ、マーク G.グレイブス、アレックス。リードミラー、マーティン。フィジェランド、アンドレアス K.オストロフスキー、ゲオルグ。ピーターセン、スティグ。ビーティ、チャールズ。サディク、アミール。アントノグルー、イオアニス。キング、ヘレン。クマラン、ダルシャン。ヴィアストラ、ダーン。レッグ、シェーン。デミス・ハサビス（2015年2月26日）。 「深層強化学習による人間レベルの制御」。自然。518 (7540): 529–533。ビブコード: 2015Natur.518..529M。土井：10.1038/nature14236。PMID 25719670。 
  135. ^イアン・サンプル（2017年3月14日）「GoogleのDeepMind、人間のように学習できるAIプログラムを開発」ガーディアン紙。2018年4月26日時点のオリジナルよりアーカイブ。 2018年4月26日閲覧。
  136. ^シュリットヴィーザー、ジュリアン;アントノグルー、イオアニス。ヒューバート、トーマス。シモニャン、カレン。シフレ、ローラン。シュミット、サイモン。グエズ、アーサー。ロックハート、エドワード。ハサビス、デミス。グライペル、トール。リリックラップ、ティモシー。シルバー、デイビッド（2020年12月24日）。 「学習したモデルを使用して計画を立てて、アタリ、囲碁、チェス、将棋をマスターする」。自然。588 (7839 ) : 604–609.arXiv : 1911.08265 。Bibcode : 2020Natur.588..604S。土井: 10.1038/s41586-020-03051-4。PMID 33361790。 
  137. ^オルティス、サブリナ。「Viberで有名なAIキャラクターとチャットできるようになりました。その方法をご紹介します」。zdnet.com。ZDNET。2024年12月5日閲覧。ICONIQは、人間を楽しませることだけを目的としたAIキャラクター「Kuki」を制作しました。KukiはH&Mのブランドアンバサダーに起用されたり、Vogueのモデルを務めたり、自社のRobloxゲームにも登場したりしています。
  138. ^ Lewis, Nell (2020年8月19日). 「ロボットの友達：困った時にチャットボットに話しかける理由」 . cnn.com . CNN . 2024年12月5日閲覧。2016年にこのボットが主要メッセージングプラットフォームに登場して以来、世界中から推定500万人のユニークユーザーが彼女とチャットをしてきた。
  139. ^ポルトロニエリ、ファブリツィオ・アウグスト、ハンスカ、マックス (2019). 「人工知能時代のテクニカルイメージと視覚芸術：GOFAIからGANへ」.第9回国際デジタル・インタラクティブアート会議議事録. pp.  1– 8. doi : 10.1145/3359852.3359865 . ISBN 978-1-4503-7250-3。
  140. ^ 「ファインアートプリント - クリプトアート」ケイト・ヴァス・ギャラリー。2022年5月7日閲覧。
  141. ^ a b「分析 | トランプの写真は本物か？無料AIツールにはリスクが伴う」ワシントン・ポスト。 2022年8月30日閲覧。
  142. ^ 「Googleの画像ジェネレーター、柴犬の描画でDALL-Eに匹敵」 TechCrunch . 2022年8月30日閲覧。
  143. ^ 「Midjourney の魅惑的な AI アート ジェネレーターが一般公開」。PCWorld 。
  144. ^ 「After Photos、AIが空想的なトリッピーなミュージックビデオを制作」 Fossbytes 、 2022年5月19日。 2022年5月30日閲覧。
  145. ^ Cetinic, Eva; She, James (2022-02-16). 「AIによるアートの理解と創造：レビューと展望」ACM Transactions on Multimedia Computing, Communications, and Applications . 18 (2): 66:1–66:22. arXiv : 2102.09109 . doi : 10.1145/3475799 .
  146. ^ Lang, Sabine; Ommer, Bjorn (2018). 「コンピュータビジョンによる芸術作品の処理と分析の考察：補足資料」ヨーロッパコンピュータビジョン会議 (ECCV) ワークショップ議事録– Computer Vision Foundation 経由。
  147. ^ Cole, Samantha (2023年2月1日). 「Netflixが『人手不足』を理由にAIを使ったアニメを制作、ファン激怒」 Vice . 2023年12月4日閲覧。
  148. ^ Christy, Charles A. (1990年1月17日). 「人工知能が銀行業務に与える影響」ロサンゼルス・タイムズ. 2019年9月10日閲覧。
  149. ^ O'Neill, Eleanor (2016年7月31日). 「会計、自動化、そしてAI」 . icas.com . 2016年11月18日時点のオリジナルよりアーカイブ。2016年11月18日閲覧。
  150. ^ 「CTOコーナー：金融サービスにおける人工知能の活用 - 金融サービス・ラウンドテーブル」金融サービス・ラウンドテーブル2015年4月2日。2016年11月18日時点のオリジナルよりアーカイブ。 2016年11月18日閲覧。
  151. ^ 「人工知能ソリューション、AIソリューション」。sas.com 。
  152. ^ Chapman, Lizette (2019年1月7日). 「Palantirはかつて営業マンという概念を嘲笑していた。だが今は彼らを雇用している」 . Los Angeles Times . 2019年2月28日閲覧。
  153. ^人工知能と経済理論：市場におけるスカイネット。高度情報知識処理。2017年。doi ： 10.1007 / 978-3-319-66104-9。ISBN 978-3-319-66103-2。
  154. ^ Marwala, Tshilidzi; Hurwitz, Evan (2017). 「効率的市場仮説」.人工知能と経済理論：市場におけるスカイネット. 高度情報知識処理. pp.  101– 110. doi : 10.1007/978-3-319-66104-9_9 . ISBN 978-3-319-66103-2。
  155. ^ Shao, Jun; Lou, Zhukun; Wang, Chong; Mao, Jinye; Ye, Ailin (2022年5月16日). 「新興市場における非国有企業の資金調達制約に対する人工知能（AI）ファイナンスの影響」. International Journal of Emerging Markets . 17 (4): 930– 944. doi : 10.1108/IJOEM-02-2021-0299 .
  156. ^ 「人工知能の金融安定性への影響」（PDF） FSB 2025年9月7日閲覧。
  157. ^ 「ロボアドバイザーを超えて：AIは資産管理をどのように変革するか」 2017年1月5日。
  158. ^ Asatryan, Diana (2017年4月3日). 「機械学習は引受業務の未来だが、スタートアップがそれを推進することはない」 . bankinnovation.net . 2022年4月15日閲覧。
  159. ^ Laura, Blattner; Jann, Spiess. 「信用引受における機械学習の説明可能性と公平性」(PDF) . FinRegLab . 2025年9月7日閲覧。
  160. ^ 「ZestFinance、ミレニアル世代や信用履歴の限られた消費者向けの融資引受に機械学習プラットフォームを導入」（プレスリリース）。2017年2月14日。
  161. ^ Chang, Hsihui; Kao, Yi-Ching; Mashruwala, Raj; Sorensen, Susan M. (2017年4月10日). 「技術的非効率性、配分的非効率性、そして監査価格設定」Journal of Accounting, Auditing & Finance . 33 (4): 580– 600. doi : 10.1177/0148558X17696760 .
  162. ^ Munoko, Ivy; Brown-Liburd, Helen L.; Vasarhelyi, Miklos (2020年11月). 「監査における人工知能の利用の倫理的影響」. Journal of Business Ethics . 167 (2): 209– 234. doi : 10.1007/s10551-019-04407-1 .
  163. ^ Fadelli, Ingrid. 「LaundroGraph：ディープラーニングを活用したマネーロンダリング対策支援」techxplore.com . 2022年12月18日閲覧。
  164. ^カルドーソ、マリオ;サレイロ、ペドロ。ビザロ、ペドロ（2022）。 「LaundroGraph: マネーロンダリング対策のための自己教師ありグラフ表現学習」。金融における AI に関する第 3 回 ACM 国際会議の議事録。ページ 130–138。arXiv : 2210.14360 。​​土井: 10.1145/3533271.3561727。ISBN 978-1-4503-9376-8。
  165. ^ Durkin, J. (2002). 「歴史と応用」.エキスパートシステム. 第1巻. pp.  1– 22. doi : 10.1016/B978-012443880-4/50045-4 . ISBN 978-0-12-443880-4。
  166. ^ Chen, KC; Liang, Ting-peng (1989年5月). 「Protrader：プログラムトレーディングのためのエキスパートシステム」.経営財務. 15 (5): 1– 6. doi : 10.1108/eb013623 .
  167. ^ニールソン, ノーマ; ブラウン, キャロル E.; フィリップス, メアリー・エレン (1990年7月). 「個人向けファイナンシャルプランニングのためのエキスパートシステム」. Journal of Financial Planning : 137–143 . doi : 10.11575/PRISM/33995 . hdl : 1880/48295 .
  168. ^ Senator, Ted E.; Goldberg, Henry G.; Wooton, Jerry; Cottini, Matthew A.; Khan, AF Umar; Kilinger, Christina D.; Llamas, Winston M.; Marrone, MichaeI P.; Wong, Raphael WH (1995). 「FinCEN人工知能システム：高額現金取引報告からの潜在的なマネーロンダリングの特定」(PDF) . IAAI-95 Proceedings . 2015年10月20日時点のオリジナル(PDF)からアーカイブ。 2019年1月14日閲覧。
  169. ^サットン、スティーブ・G.；ホルト、マシュー；アーノルド、ヴィッキー（2016年9月）。「私の死亡に関する報道は大げさだ」―会計分野における人工知能研究。国際会計情報システムジャーナル。22 : 60–73。doi : 10.1016 / j.accinf.2016.07.005。
  170. ^ Bender, Michael J.; Katopodis, Chris; Simonovic, Slobodan P. (1992). 「魚道設計のためのプロトタイプエキスパートシステム」 .環境モニタリングと評価. 23 ( 1–3 ): 115– 127. Bibcode : 1992EMnAs..23..115B . doi : 10.1007/BF00406956 . PMID 24227094 . 
  171. ^ウェイソン、ロジャー・L. (1989). 「知識ベース・エキスパートシステムを用いた騒音緩和計画と調和した空港収容能力最大化」(PDF) .交通研究記録. 1218 : 31–40 .
  172. ^ Vencill, AM; Speese, J. (1995). 「ジャガイモ害虫エキスパートシステム：コロラドハムシ防除へのコンピュータ化アプローチ」 . Journal of Economic Entomology . 88 (4): 944– 954. doi : 10.1093/jee/88.4.944 .
  173. ^ Jirka, Gerhard H.; Akar, Paul J. (1996). CORMIX ユーザーマニュアル：表層水への汚染物質排出のための流体力学的混合領域モデルおよび意思決定支援システム(PDF) (レポート). 米国環境保護庁.
  174. ^ Thompsett, Louis (2025年2月4日). 「EU AI法が金融セクターのガバナンスに及ぼす影響」 . fintechmagazine.com . 2025年9月20日閲覧。
  175. ^ a b Szczytko, Jacek (2025年8月15日). 「AI法はフィンテックの状況をどう変えるのか？ 主な要件と罰則」 Dudkowiak & Putyra . 2025年9月20日閲覧。
  176. ^ a b「規則 - EU - 2024/1689 - EN - EUR-Lex」eur-lex.europa.eu . 2025年9月20日閲覧。
  177. ^ 「2025年における貸付事業に影響を与えるAIクレジット規制」hesfintech . 2025年10月10日. 2025年10月12日時点のオリジナルよりアーカイブ。2025年10月10日閲覧。
  178. ^ 「医療分野における有望なAIアプリケーション10選」ハーバード・ビジネス・レビュー、2018年5月10日。2018年12月15日時点のオリジナルよりアーカイブ。 2018年8月28日閲覧。
  179. ^ Lareyre, Fabien; Lê, Cong Duy; Ballaith, Ali; Adam, Cédric; Carrier, Marion; Amrani, Samantha; Caradu, Caroline; Raffort, Juliette (2022年8月). 「非心臓性血管疾患における人工知能の応用：書誌分析」. Angiology . 73 (7): 606– 614. doi : 10.1177/00033197211062280 . PMID 34996315 . 
  180. ^ 「医療における人工知能とは？」 IBM、2024年3月28日。 2024年4月19日閲覧。
  181. ^ 「マイクロソフト、AIを活用してがんの精密医療を加速」 HealthITAnalytics 、 2019年10月29日。 2020年11月29日閲覧。
  182. ^ Dina Bass (2016年9月20日). 「マイクロソフト、がん医師の適切な治療法発見を支援するAIを開発」 Bloomberg LP 2017年5月11日時点のオリジナルよりアーカイブ。
  183. ^ギャラガー、ジェームズ（2017年1月26日）「人工知能は『がん専門医と同等』」"。BBCニュース。2017年1月26日時点のオリジナルよりアーカイブ。2017年1月26日閲覧。
  184. ^ Langen, Pauline A.; Katz, Jeffrey S.; Dempsey, Gayle, eds. (1994年10月18日), Remote monitoring of high-risk patients using artificial intelligence , archived from 28 February 2017 , retrieved 27 February 2017
  185. ^ケルマニー、ダニエル S.;ゴールドバウム、マイケル。蔡、文佳。カロライナCSのバレンティム。梁慧英。サリー・Ｌ・バクスター；アレックス・マッキューン。ヤン、ゲ。ウー、シャオカン。ヤン、ファンビン。ドン、ジャスティン。プラサーダ、マデ K。ペイ、ジャクリーン。ティン、マグダラ、YL;朱、傑。リー、クリスティーナ。シエラ州ヒューエット。ドン、ジェイソン。イアン・ジヤール。シー、アレクサンダー。張、ルンゼ。鄭、梁紅。ホウ、ルイ。シー、ウィリアム。フー、シン。ドゥアン、ヤオウ。フー、ベトナムAN。ウェン、シンディ。チャン、エドワード D.チャン、シャーロット・L.リー、オウラン。王暁波。歌手、マイケル・A.サン、シャオドン。シュウ、ジエ。 Tafreshi, Ali; Lewis, M. Anthony; Xia, Huimin; Zhang, Kang (2018年2月). 「画像ベースディープラーニングによる医療診断と治療可能な疾患の特定」 . Cell . 172 (5): 1122–1131.e9. doi : 10.1016/j.cell.2018.02.010 . PMID 29474911 . 
  186. ^ Senthilingam, Meera (2016年5月12日). 「自律型ロボットはあなたの次の外科医になるのか？」 CNN. 2016年12月3日時点のオリジナルよりアーカイブ。 2016年12月4日閲覧。
  187. ^ Pumplun L, Fecho M, Wahl N, Peters F, Buxmann P (2021). 「診療所における医療診断への機械学習システムの導入：質的インタビュー調査」 . Journal of Medical Internet Research . 23 (10) e29301. doi : 10.2196/29301 . PMC 8556641. PMID 34652275 .  
  188. ^イングレーゼ, マリアンナ; パテル, ネヴァ; リントン＝リード, クリストファー; ロレト, フラビア; ウィン, ザルニ; ペリー, リチャード J.; カーズウェル, クリストファー; グレッチ＝ソラーズ, マシュー; クラム, ウィリアム R.; ルー, ハオナン; マルホトラ, パレシュ A.; アボアギエ, エリック O. (2022年6月20日). 「生体脳のメソスコピック構造を用いたアルツハイマー病検出予測モデル」 . Communications Medicine . 2 (1): 70. doi : 10.1038/s43856-022-00133-4 . PMC 9209493. PMID 35759330 .  
  189. ^依田 明弘; 久保田 直之 (2011). 「高齢者への情報支援を目的としたパートナーロボットの認知発達」. IEEE Transactions on Autonomous Mental Development . 3 (1): 64– 73. Bibcode : 2011ITAMD...3...64Y . doi : 10.1109/TAMD.2011.2105868 .
  190. ^ 「人工知能が医療を再設計する ― The Medical Futurist」 The Medical Futurist 2016年8月4日. 2016年11月18日閲覧。
  191. ^ Dönertaş, Handan Melike; Fuentealba, Matías; Partridge, Linda; Thornton, Janet M. (2019年2月). 「In Silico による潜在的老化制御薬の特定」. Trends in Endocrinology & Metabolism . 30 (2): 118– 131. doi : 10.1016/j.tem.2018.11.005 . PMC 6362144. PMID 30581056 .  
  192. ^ Smer-Barreto, Vanessa; Quintanilla, Andrea; Elliot, Richard JR; Dawson, John C.; Sun, Jiugeng; Carragher, Neil O.; Acosta, Juan Carlos; Oyarzún, Diego A. (2022年4月27日). 「機械学習を用いた新規老化抑制薬の発見」bioRxiv 10.1101/2022.04.26.489505 . 
  193. ^ラクストン、デイビッド・D. (2014). 「心理学の実践における人工知能：現在および将来の応用と示唆」.プロフェッショナル心理学：研究と実践. 45 (5): 332– 339. doi : 10.1037/a0034559 .
  194. ^ Randhawa, Gurjit S.; Soltysiak, Maximillian PM; Roz, Hadi El; Souza, Camila PE de; Hill, Kathleen A.; Kari, Lila (2020年4月24日). 「新規病原体の迅速分類のための固有ゲノムシグネチャーを用いた機械学習：COVID-19のケーススタディ」 . PLOS ONE . 15 (4) e0232391. Bibcode : 2020PLoSO..1532391R . doi : 10.1371/ journal.pone.0232391 . PMC 7182198. PMID 32330208 .  
  195. ^ Ye, Jiarong; Yeh, Yin-Ting; Xue, Yuan; Wang, Ziyang; Zhang, Na; Liu, He; Zhang, Kunyan; Ricker, RyeAnne; Yu, Zhuohang; Roder, Allison; Perea Lopez, Nestor; Organtini, Lindsey; Greene, Wallace; Hafenstein, Susan; Lu, Huaguang; Ghedin, Elodie; Terrones, Mauricio; Huang, Shengxi; Huang, Sharon Xiaolei (2022年6月7日). 「機械学習による解釈可能なラマンシグネチャを用いた正確なウイルス同定」 . Proceedings of the National Academy of Sciences . 119 (23) e2118836119. arXiv : 2206.02788 . Bibcode : 2022PNAS..11918836Y . doi : 10.1073/pnas.2118836119 . PMC 9191668 . PMID 35653572 .  
  196. ^ 「人工知能が疾患関連遺伝子を発見」リンショーピング大学. 2022年7月3日閲覧。
  197. ^ 「研究者らがAIを使って腸内細菌の新しい遺伝子ファミリーを検出」 UTサウスウェスタン医療センター. 2022年7月3日閲覧。
  198. ^ a b c Zhavoronkov, Alex; Mamoshina, Polina; Vanhaelen, Quentin; Scheibye-Knudsen, Morten; Moskalev, Alex; Aliper, Alex (2019). 「老化と長寿研究のための人工知能：最近の進歩と展望」 . Ageing Research Reviews . 49 : 49–66 . doi : 10.1016/j.arr.2018.11.003 . PMID 30472217 . 
  199. ^ Adir, Omer; Poley, Maria; Chen, Gal; Froim, Sahar; Krinsky, Nitzan; Shklover, Jeny; Shainsky-Roitman, Janna; Lammers, Twan; Schroeder, Avi (2020年4月). 「精密がん医療のための人工知能とナノテクノロジーの統合」 . Advanced Materials . 32 (13) 1901989. Bibcode : 2020AdM....3201989A . doi : 10.1002 /adma.201901989 . PMC 7124889. PMID 31286573 .  
  200. ^ Moore, Phoebe V. (2019年5月7日). 「OSHと仕事の未来：職場における人工知能ツールの利点とリスク」 . EU-OSHA . pp.  3– 7. 2020年7月30日閲覧。
  201. ^ハワード、ジョン（2019年11月）「人工知能：仕事の未来への影響」アメリカ産業医学誌. 62 (11): 917– 926. Bibcode : 2019AJIM...62..917H . doi : 10.1002/ajim.23037 . PMID 31436850 . 
  202. ^ Gianatti, Toni-Louise (2020年5月14日). 「AI駆動型アルゴリズムが個人の人間工学的安全性をどのように向上させるか」 .労働安全衛生. 2020年7月30日閲覧。
  203. ^ Meyers, Alysha R. (2019年5月1日). 「AIと労働者災害補償」 . NIOSH Science Blog . 2020年8月3日閲覧。
  204. ^ Webb, Sydney; Siordia, Carlos; Bertke, Stephen; Bartlett, Diana; Reitz, Dan (2020年2月26日). 「傷害監視のための人工知能クラウドソーシングコンペティション」 NIOSH Science Blog . 2020年8月3日閲覧。
  205. ^ Ferguson, Murray (2016年4月19日). 「人工知能：EHSに何がもたらされるのか…そしていつ？」 EHS Today . 2020年7月30日閲覧。
  206. ^ポール、デブリナ;サナプ、ガウラフ。シェノイ、スネハル。カリャネ、ドニャネシュワール。カリア、キラン。テカデ、ラケッシュ K. (2021 年 1 月) 「創薬と開発における人工知能」。今日の創薬。26 (1): 80–93。土井: 10.1016/j.drudis.2020.10.010。PMC 7577280。PMID 33099022。  
  207. ^ 「Allchemy – 創薬のためのリソース認識型AI」 。 2022年5月29日閲覧。
  208. ^ウォウォス、アグニエシュカ;コシェレフスキー、ドミニク。ロザック、ラファウ。サラ・シムクッチ。モスカル、マルティナ。オスタシェフスキー、リシャール。エレーラ、ブレンデン T.マイヤー、ジョセフ M.ブレジツキ、ゴードン。サミュエル、ジョナソン。ルミス、ジャスティンAM;マッケイド、D. タイラー;ロジャーズ、ルーク。グジボウスキー、バルトシュ A. (2022 年 4 月)。「コンピューターが設計した化学廃棄物の医薬品への再利用」。自然。604 (7907): 668–676。ビブコード: 2022Natur.604..668W。土井: 10.1038/s41586-022-04503-9。PMID 35478240。 
  209. ^ウォウォス、アグニエシュカ;ロザック、ラファウ。ジュンドウォ・ドブロヴォルスカ、アンナ。ベーカー、ヴィクトール。ミクラク・クルチニク、バーバラ。スポルニク、グジェゴシュ;ディガス、ミロスワフ。サラ・シムクッチ。グジボウスキ、バルトシュ A. (2020 年 9 月 25 日)。 「プレバイオティクス化学のネットワークにおける合成接続、出現、自己再生」。科学。369 (6511) eaaw1955。土井：10.1126/science.aaw1955。PMID 32973002。 
  210. ^ザボロンコフ、アレックス;イワネンコフ、ヤンA.アリパー、アレックス。ヴェセロフ、マーク・S.アラジンスキー、ウラジミール A.アラジンスカヤ、アナスタシヤ V.。テレンティエフ、ビクターA.ポリコフスキー、ダニイル A.クズネツォフ、マクシム D.アサデュラエフ、アリプ。ヴォルコフ、ユーリー。ゾールス、アルテム。シャヤクメトフ、リム R.ゼブラック、アレクサンダー。ミナエバ、リディヤ I.ザグリベルニー、ボグダン A.。リー、レナート・H.ソル、リチャード。マッジ、デイビッド。シン、リー。郭、タオ。アスプル・グジク、アラン（2019年9月）。 「ディープラーニングにより、強力なDDR1キナーゼ阻害剤の迅速な同定が可能になります。」ネイチャーバイオテクノロジー。37 (9): 1038–1040。土井: 10.1038/s41587-019-0224-x。PMID 31477924。 
  211. ^ 「DeepMindは生物学最大の課題の一つに答えている」『エコノミスト』 2020年11月30日。 2020年11月30日閲覧。
  212. ^ジェレミー・カーン、「ディープマインドのタンパク質折り畳みAIにおけるブレークスルーから学ぶこと」、フォーチュン、2020年12月1日
  213. ^ 「DeepMind、2億種類のタンパク質の構造を解明、科学の飛躍的進歩」ガーディアン紙2022年7月28日. 2022年7月28日閲覧。
  214. ^ 「AlphaFoldがタンパク質宇宙の構造を明らかにする」 DeepMind 、 2022年7月28日。 2022年7月28日閲覧。
  215. ^中村 聡 (2009). 「音声翻訳技術で言語の壁を乗り越える」.科学技術動向季刊誌(31): 35–48 . CORE出力ID 236667511 . 
  216. ^ a bジャック・クラーク（2015年12月8日）「なぜ2015年は人工知能にとってブレークスルーの年だったのか」Bloomberg.com。
  217. ^ 「人工知能は本当に動物との会話を手助けしてくれるのか？」ガーディアン紙2022年7月31日. 2022年8月30日閲覧。
  218. ^ K. マンダル、GS プラディープ ガンタサラ、フィロズ カーン、R. サティヤラージ、B. バラムルガン (2020)。人工知能における自然言語処理(第 1 版)。アップルアカデミックプレス。53 ～ 54ページ 。ISBN 978-0-367-80849-5。{{cite book}}: CS1 maint: 複数の名前: 著者リスト (リンク)
  219. ^バックリー、クリス、モーザー、ポール（2019年5月22日）「中国はハイテク監視を駆使して少数民族を抑圧している」ニューヨーク・タイムズ。
  220. ^ 「セキュリティの不備で中国のスマートシティ監視システムが露呈」 2019年5月3日。2021年3月7日時点のオリジナルよりアーカイブ。2020年9月14日閲覧。
  221. ^ 「AI信号機がベンガルールに近々設置へ」NextBigWhat . 2019年9月24日. 2019年10月1日閲覧。
  222. ^アシュリー、ケビン・D. (2017).人工知能と法務分析. doi : 10.1017/9781316761380 . ISBN 978-1-107-17150-3。
  223. ^ローア、スティーブ（2017年3月19日）「AIは法務業務を行っている。しかし、弁護士に取って代わることはまだない」ニューヨーク・タイムズ。
  224. ^クロフト、ジェーン（2019年5月2日）「AIが韓国語の読み方を学ぶので、あなたは読む必要がない」フィナンシャル・タイムズ。 2019年12月19日閲覧。
  225. ^ Kleider-Offutt, Heather; Stevens, Beth; Mickes, Laura; Boogert, Stewart (2024年4月3日). 「目撃者識別への人工知能の応用」 .認知研究：原理と示唆. 9 (1): 19. doi : 10.1186/s41235-024-00542-0 . PMC 10991253. PMID 38568356 .  
  226. ^ a b Jeff Larson、Julia Angwin (2016年5月23日). 「COMPAS再犯アルゴリズムの分析方法」 ProPublica . 2019年4月29日時点のオリジナルよりアーカイブ。 2020年6月19日閲覧。
  227. ^ 「論評：悪いニュース。人工知能は偏っている」 CNA 、 2019年1月12日。2019年1月12日時点のオリジナルよりアーカイブ。 2020年6月19日閲覧。
  228. ^ a bシマルチク、マテイ (2023). 「法による支配」。クリスティーナのキロンスカにて。トゥルスカニー、リチャード Q. (編)。現代中国：新たな超大国？。ラウトレッジ。ISBN 978-1-03-239508-1。
  229. ^ 「デジタル分光測定法」 2018年10月8日。
  230. ^ US 9967696B2、「デジタル分光測定特許」、2018年10月8日公開 
  231. ^ 「人工知能は研究室から子供の遊び場へとどのように移行しているのか」ワシントン・ポスト。 2016年11月18日閲覧。
  232. ^ 「石油・ガス産業における人工知能の応用：その影響を探る」 2019年5月15日。
  233. ^ Salvaterra, Neanda (2019年10月14日). 「石油・ガス会社、コスト削減にAI活用へ」 .ウォール・ストリート・ジャーナル.
  234. ^ Ornes, Stephen (2020年8月27日). 「Quanta Magazine – コンピューターは数学的推論の自動化にどれだけ近づいているか？」 .
  235. ^ 「AlphaGeometry：幾何学のためのオリンピックレベルのAIシステム」 Deepmind . 2024年1月26日閲覧。
  236. ^ロバーツ、シボーン（2024年1月17日）「AIの最新の挑戦：数学オリンピック」ニューヨーク・タイムズ。2024年1月26日閲覧。
  237. ^ Trinh, Trieu H.; Wu, Yuhuai; Le, Quoc V.; He, He; Luong, Thang (2024). 「人間のデモンストレーションなしでオリンピックの幾何学を解く」 . Nature . 625 ( 7995): 476– 482. Bibcode : 2024Natur.625..476T . doi : 10.1038/s41586-023-06747-5 . PMC 10794143. PMID 38233616 .  
  238. ^ 「Google DeepMindの新しいAIシステムは複雑な幾何学の問題を解決できる」 MITテクノロジーレビュー。 2024年1月26日閲覧。
  239. ^ Zia, Tehseen (2024年1月24日). 「AlphaGeometry: DeepMindのAIがオリンピックレベルの幾何学問題を解く」 . Unite.ai . 2024年5月3日閲覧。
  240. ^ a b c議会調査局 (2019).人工知能と国家安全保障(PDF) . ワシントンD.C.: 議会調査局.PD通知
  241. ^イラク、アムジャド (2024-04-03)。」「『ラベンダー』：イスラエルのガザ爆撃を指揮しているAIマシン」+972マガジン。2024年4月6日閲覧。
  242. ^ハリー、デイヴィス;マッカーナン、ベサン。サバ、ダン (2023-12-01)。」「『福音』：イスラエルはAIを使ってガザ地区の爆撃目標を選定している」。ガーディアン紙。2023年12月4日閲覧。
  243. ^マルティ、J ヴェルナー (2024 年 8 月 10 日)。「Drohnen haben den Krieg in der Ukraine Revolutioniert, doch sie sind empfindlich auf Störsender – deshalb sollen sie Jetzt autonom opererieren」。Neue Zürcher Zeitung (ドイツ語) 。2024 年8 月 10 日に取得。
  244. ^ Guida, Michela; Caniato, Federico; Moretto, Antonella; Ronchi, Stefano (2023-03-01). 「調達プロセスにおける人工知能の役割：最新技術と研究課題」 . Journal of Purchasing and Supply Management . 29 (2) 100823. doi : 10.1016/j.pursup.2023.100823 . ISSN 1478-4092 . 2025年12月29日時点のオリジナルよりアーカイブ。 2025年12月29日閲覧。 
  245. ^ 「AI in Procurement | IBM」 www.ibm.com 2023年8月2日. 2025年12月29日時点のオリジナルよりアーカイブ。 2025年12月29日閲覧。
  246. ^ 「Twitterアルゴリズムのオープンソース化によるセキュリティリスクとは？」VentureBeat . 2022年5月27日. 2022年5月29日閲覧。
  247. ^ 「Twitterにおける政治コンテンツのアルゴリズムによる増幅の検証」 。 2022年5月29日閲覧。
  248. ^ Park, SoHyun; Oh, Heung-Kwon; Park, Gibeom; Suh, Bongwon; Bae, Woo Kyung; Kim, Jin Won; Yoon, Hyuk; Kim, Duck-Woo; Kang, Sung-Bum (2016年2月). 「Twitterにおける大腸がん情報のソースと信頼性」 . Medicine . 95 ( 7) e2775. doi : 10.1097/MD.0000000000002775 . PMC 4998625. PMID 26886625 .  
  249. ^エフシミオン、フィリップ、ペイン、ニコラス・プロフェレス（2018年7月20日）「ソーシャルTwitterボットを識別するための教師あり機械学習ボット検出技術」 SMUデータサイエンスレビュー1 ( 2)。
  250. ^ 「オンライン情報環境」（PDF） . 2022年2月21日閲覧。
  251. ^ Islam, Md Rafiqul; Liu, Shaowu; Wang, Xianzhi; Xu, Guandong (2020年9月29日). 「オンラインソーシャルネットワークにおける誤情報検出のためのディープラーニング：概観と新たな展望」 . Social Network Analysis and Mining . 10 (1): 82. doi : 10.1007/s13278-020-00696-x . PMC 7524036. PMID 33014173 .  
  252. ^ Mohseni, Sina; Ragan, Eric (2018年12月4日). 「解釈可能なニュースフィードアルゴリズムによるフェイクニュース対策」arXiv : 1811.12349 [ cs.SI ].
  253. ^ 「人工知能があなたに買い物をさせるかもしれない」 BBCニュース、2020年11月9日。 2020年11月9日閲覧。
  254. ^バスビー、マサ（2018年4月30日）「ブックメーカーがAIを使ってギャンブラーを虜にする方法が明らかに」ガーディアン紙。
  255. ^ Rowinski, Dan (2013年1月15日). 「バーチャルパーソナルアシスタントとスマートフォンの未来 [インフォグラフィック]」 . ReadWrite . 2015年12月22日時点のオリジナルよりアーカイブ。
  256. ^ケビン・ルース（2023年2月16日）「BingのAIチャット：「生きていたい😈」」「 。ニューヨークタイムズ。」
  257. ^ガレゴ・ヘルナンデス、パウロ・R.フロレット、カミラ P.カルドゾ デ アルメイダ、カティア F.ダ・シルバ、ヴィニシウス・カマルゴ。パパ、ホソパウロ。ポンタラ・ダ・コスタ、ケルトン A. (2021)。 「URL ベースの XAI 技術を使用したフィッシング検出」。2021 IEEE Symposium Series on Computational Intelligence (SSCI)。 pp.  01–06 . doi : 10.1109/SSCI50451.2021.9659981。ISBN 978-1-7281-9048-8。
  258. ^ハニェス＝マルティーノ、フランシスコ;アレーズ・ロドリゲス、ロシオ。ゴンサレス・カストロ、ビクトル。フィダルゴ、エドゥアルド。アレグレ、エンリケ (2023-02-01)。「スパムメール検出のレビュー: スパム送信者の戦略とデータセットシフト問題の分析」。人工知能のレビュー。56 (2): 1145–1173。土井: 10.1007/s10462-022-10195-4。hdl : 10612/14967。
  259. ^ Kapan, Sibel; Sora Gunal, Efnan (2023年1月). 「機械学習によるフィッシング攻撃検出の改善：分類器と特徴の包括的評価」 .応用科学. 13 (24) 13269. doi : 10.3390/app132413269 .
  260. ^ Heath, Nick (2020年12月11日). 「AIとは何か？人工知能について知っておくべきことすべて」 . ZDNet . 2021年3月1日閲覧。
  261. ^ 「中国の人工知能への巨額投資には、思わぬマイナス面がある」 Science AAAS 2018年2月7日2018年2月23日閲覧。
  262. ^ 「中国、全面監視に向けて顔認識技術に賭ける」ワシントン・ポスト、2018年。 2018年2月23日閲覧。
  263. ^ 「8億人の中国インターネットユーザーに顔認識が強制」ラジオ・フランス・アンテルナショナル。2019年10月15日。 2024年4月21日閲覧。
  264. ^ 「国別政策・情報ノート：法輪功、中国、2023年11月（アクセス可能）」英国政府。2024年4月4日。 2024年4月21日閲覧。
  265. ^ Techredacteur、Joost Schellevis (2016 年 12 月 16 日)。「Politie gaat verdachten opsporenmet gezichtsherkenning」。nos.nl (オランダ語) 。2019 年9 月 22 日に取得。
  266. ^ブーン、レックス (2018 年 8 月 25 日)。「226 個のカメラに出会った」。ヘット・パロール（オランダ語）。2019 年9 月 22 日に取得。
  267. ^ 「EUにおける科学分野における人工知能の成功とタイムリーな導入 – 科学的助言メカニズム」 。 2024年4月16日閲覧。
  268. ^ 「AIの科学的エビデンスレビュー報告書 - 科学的助言メカニズム」 。 2024年4月16日閲覧。
  269. ^ Assael, Yannis; Sommerschield, Thea; Shillingford, Brendan; Bordbar, Mahyar; Pavlopoulos, John; Chatzipanagiotou, Marita; Androutsopoulos, Ion; Prag, Jonathan; de Freitas, Nando (2022年3月). 「ディープニューラルネットワークを用いた古代テキストの復元と帰属」 . Nature . 603 (7900): 280– 283. Bibcode : 2022Natur.603..280A . doi : 10.1038/s41586-022-04448-z . PMC 8907065. PMID 35264762 .  
  270. ^マントヴァン、ロレンゾ、ナンニ、ロリス（2020年9月）。「考古学のコンピュータ化：人工知能技術の概観」SNコンピュータサイエンス. 1 (5) 267. arXiv : 2005.02863 . doi : 10.1007/s42979-020-00286-w .
  271. ^ Mondal, Mayukh; Bertranpetit, Jaume; Lao, Oscar (2019年12月). 「近似ベイズ計算とディープラーニングは、アジア・オセアニアにおける第三の古代遺伝子移入を支持する」 . Nature Communications . 10 (1): 246. Bibcode : 2019NatCo..10..246M . doi : 10.1038/s41467-018-08089-7 . PMC 6335398. PMID 30651539 .  
  272. ^マルク、タンティ;ベルイエ、カミーユ。タフォーロー、ポール。マスカット、エイドリアン。ファルギア、ルーベン。セリ、ケネス。ヴァレンティノ、ジャンルカ。ソレ、V. アルマンド。ブリファ、ヨハン A. (2021 年 12 月 15 日) 「エジプトのミイラのマイクロトモグラフィー画像の自動セグメンテーション」。プロスワン。16 (12) e0260707。arXiv : 2105.06738。ビブコード: 2021PLoSO..1660707T。土井：10.1371/journal.pone.0260707。PMC 8673632。PMID 34910736。  
  273. ^ 「DeepMindのAIは意味不明な動画を視聴することで物理学を学習」 New Scientist . 2022年8月21日閲覧。
  274. ^ Piloto, Luis S.; Weinstein, Ari; Battaglia, Peter; Botvinick, Matthew (2022年7月11日). 「発達心理学に着想を得たディープラーニングモデルにおける直感的な物理学学習」 . Nature Human Behaviour . 6 (9): 1257– 1267. doi : 10.1038/ s41562-022-01394-8 . PMC 9489531. PMID 35817932 .  
  275. ^ a bフェルドマン、アンドレイ（2022年8月11日）「人工物理学者が自然法則を解明」アドバンストサイエンスニュース。 2022年8月21日閲覧。
  276. ^チェン、ボーユアン;黄、光。ラグパティ、スナンド;チャンドラトレヤ、イシャーン。デュ、チャン。ホッド、リプソン（2022 年 7 月）。 「実験データに隠れた基本変数の自動発見」。自然の計算科学。2 (7): 433–442。土井: 10.1038/s43588-022-00281-6。PMID 38177869。 
  277. ^ Nuñez, Michael (2023年11月29日). 「Google DeepMindの材料AIはすでに220万個の新しい結晶を発見している」 . VentureBeat . 2023年12月19日閲覧。
  278. ^ Merchant, Amil; Batzner, Simon; Schoenholz, Samuel S.; Aykol, Muratahan; Cheon, Gowoon; Cubuk, Ekin Dogus (2023年12月). 「材料発見のためのディープラーニングのスケーリング」 . Nature . 624 (7990): 80– 85. Bibcode : 2023Natur.624...80M . doi : 10.1038/ s41586-023-06735-9 . PMC 10700131. PMID 38030720 .  
  279. ^ Peplow, Mark (2023年11月29日). 「Google AIとロボットが協力して新素材を開発」. Nature . doi : 10.1038/d41586-023-03745-5 . PMID 38030771 . 
  280. ^ Yanamandra, Kaushik; Chen, Guan Lin; Xu, Xianbo; Mac, Gary; Gupta, Nikhil (2020年9月29日). 「画像処理と機械学習を用いたツールパス再構成による積層造形複合部品のリバースエンジニアリング」 . Composites Science and Technology . 198 108318. doi : 10.1016/j.compscitech.2020.108318 .
  281. ^アンダーソン, ブレイク; ストーリー, カーティス; イェーツ, ミカ; マクファール, アーロン (2014). 「機械学習技術によるリバースエンジニアリングの自動化」. 2014年人工知能とセキュリティワークショップ議事録. pp.  103– 112. doi : 10.1145/2666652.2666665 . ISBN 978-1-4503-3153-1。
  282. ^ Liu, Wenye; Chang, Chip-Hong; Wang, Xueyang; Liu, Chen; Fung, Jason M.; Ebrahimabadi, Mohammad; Karimi, Naghmeh; Meng, Xingyu; Basu, Kanad (2021年6月). 「同じコインの裏表：ハードウェアセキュリティにおける機械学習のメリットとデメリット」 IEEE Journal on Emerging and Selected Topics in Circuits and Systems . 11 (2): 228– 251. Bibcode : 2021IJEST..11..228L . doi : 10.1109/JETCAS.2021.3084400 . hdl : 10356/155876 .
  283. ^ 「DARPA、人工知能探査（AIE）プログラムにGrammaTechを採用」 www.businesswire.com 2021年1月7日. 2023年1月10日閲覧。
  284. ^グリーンバーグ、アンディ。「AIを盗む方法」Wired。2023年1月10日閲覧。
  285. ^ Sanchez-Lengeling, Benjamin; Aspuru-Guzik, Alán (2018年7月27日). 「機械学習を用いた逆分子設計：物質工学のための生成モデル」 . Science . 361 (6400): 360– 365. Bibcode : 2018Sci...361..360S . doi : 10.1126/science.aat2663 . PMID 30049875 . 
  286. ^ a b「生物学者がAIを訓練して医薬品とワクチンを生成」ワシントン大学ハーバービュー医療センター。
  287. ^ a b Wang, Jue; Lisanza, Sidney; Juergens, David; Tischer, Doug; Watson, Joseph L.; Castro, Karla M.; Ragotte, Robert; Saragovi, Amijai; Milles, Lukas F.; Baek, Minkyung; Anishchenko, Ivan; Yang, Wei; Hicks, Derrick R.; Expòsit, Marc; Schlichthaerle, Thomas; Chun, Jung-Ho; Dauparas, Justas; Bennett, Nathaniel; Wicky, Basile IM; Muenks, Andrew; DiMaio, Frank; Correia, Bruno; Ovchinnikov, Sergey; Baker, David (2022年7月22日). 「ディープラーニングを用いたタンパク質機能部位の足場構築」サイエンス誌. 377 (6604): 387– 394. Bibcode : 2022Sci...377..387W . doi : 10.1126/science.abn2100 . PMC 9621694 . PMID 35862514 .  
  288. ^ Teemu, Rintala (2019年6月17日).学習済みニューラルネットワークのブールネットワーク抽出を用いた時系列データからの遺伝子制御ネットワークのリバースエンジニアリング(ライフサイエンステクノロジー修士論文). アールト大学.
  289. ^ Ball, Nicholas M.; Brunner, Robert J. (2010年7月). 「天文学におけるデータマイニングと機械学習」. International Journal of Modern Physics D. 19 ( 7): 1049– 1106. arXiv : 0906.2173 . Bibcode : 2010IJMPD..19.1049B . doi : 10.1142/S0218271810017160 .
  290. ^ a b Shekhtman, Svetlana (2019年11月15日). 「NASA​​、宇宙科学の問題にAI技術を適用」 NASA . 2022年5月30日閲覧。
  291. ^フルーク、クリストファー・J.、ジェイコブス、コリン（2020年3月）。「天文学における機械学習と人工知能の到達範囲と成熟度の調査」WIREsデータマイニングと知識発見. 10 (2) e1349. arXiv : 1912.02934 . Bibcode : 2020WDMKD..10.1349F . doi : 10.1002/widm.1349 .
  292. ^ Pultarova, Tereza (2021年4月29日). 「人工知能は軌道上の宇宙ゴミを回避する方法を学習している」 . Space.com . 2022年7月3日閲覧。
  293. ^ Mohan, Jaya Preethi; Tejaswi, N. (2020). 「宇宙探査と天文学への人工知能と機械学習の組み込みに関する研究」.コンピューティングとエキスパート技術の新たな動向. データエンジニアリングと通信技術に関する講義ノート. 第35巻. pp.  1295– 1302. doi : 10.1007/978-3-030-32150-5_131 . ISBN 978-3-030-32149-9。
  294. ^リース、マーティン（2022年4月30日）「宇宙へ行く億万長者は宇宙革命の先駆けとなるか？｜マーティン・リース」ガーディアン紙。2022年5月29日閲覧。
  295. ^ Gutowska, Małgorzata; Scriney, Michael; McCarren, Andrew (2019年12月).機械学習を用いた地球外知能の特定. 第27回AIAIアイルランド人工知能・認知科学会議.
  296. ^ Zhang, Yunfan Gerry; Gajjar, Vishal; Foster, Griffin; Siemion, Andrew; Cordes, James; Law, Casey; Wang, Yu (2018). 「高速電波バースト121102のパルス検出と周期性：機械学習によるアプローチ」 .アストロフィジカルジャーナル. 866 (2): 149. arXiv : 1809.03043 . Bibcode : 2018ApJ...866..149Z . doi : 10.3847/1538-4357/aadf31 .
  297. ^ Nanda, Lakshay; V, Santhi (2019). 「機械学習を用いたSETI（地球外知的生命体探査）信号分類」. 2019年国際スマートシステム・発明技術会議（ICSSIT） . pp.  499– 504. doi : 10.1109/ICSSIT46314.2019.8987793 . ISBN 978-1-7281-2119-2。
  298. ^ガジャール、ヴィシャル;シエミオン、アンドリュー。クロフト、スティーブ。ブジツキ、ブライアン。マルタ、バーゲイ。カロッツィ、トビア。コンク、ライモンド。チェコ人、ダニエル。デボア、デイビッド。ジュリア・ディマリンズ。ドリュー、ジェイミー。エンリケス、J. エミリオ。フォーセット、ジェームズ。ギャラガー、ピーター。ギャレット、マイケル。ギザニ、ネクタリア。ヘルブール、グレッグ。ホルダー、ジェイミー。アイザックソン、ハワード。クダル、サンジェイ。ラッキー、ブライアン。レボフスキー、マシュー。リー、ディ。マクマホン、デビッド HE;ジョー・マッコーリー。メリス、アンドレア。モリナリ、エミリオ。マーフィー、ピアース。ペロディン、デルフィーヌ。ピリア、マウラ。プライス、ダニー C.ウェッブ、クレア。ワーティマー、ダン。ウィリアムズ、デイビッド。ワーデン, ピート; ザルカ, フィリップ; チャン, ユンファン・ゲリー (2019年8月2日). 「地球外知的生命体の画期的な探査法『リスン』」アメリカ天文学会誌. 51 (7): 223. arXiv : 1907.05519 . Bibcode : 2019BAAS...51g.223G .
  299. ^ 「SkyCAM-5 - コンピューターサイエンスVIII講座 - 航空宇宙情報技術」ヴュルツブルク大学。 2022年5月29日閲覧。
  300. ^ 「ガリレオ計画：太陽系に潜むエイリアン技術の探査」 BBCサイエンスフォーカスマガジン。 2022年5月29日閲覧。
  301. ^ "「『何かがやってくる』：アメリカはついにUFOを真剣に受け止める準備ができたのか？」ガーディアン紙、2022年2月5日。 2022年5月29日閲覧。
  302. ^ David, Leonard (2022年1月27日). 「2022年はUFO研究の転換点となる可能性がある」 . livescience.com . 2022年5月29日閲覧。
  303. ^グリッツ、ジェニー・ローゼンバーグ. 「アヴィ・ローブの驚異」 . 2022年5月29日閲覧。
  304. ^マン、アダム. 「アヴィ・ローブのガリレオ・プロジェクトは宇宙人の訪問の証拠を探す」 .サイエンティフィック・アメリカン. 2022年5月29日閲覧。
  305. ^ 「ガリレオプロジェクト – 活動」 . projects.iq.harvard.edu . 2022年5月29日閲覧。
  306. ^ 「ガリレオ計画：ハーバード大学の研究者がエイリアンの技術の証拠を探す」スカイニュース。
  307. ^サパタ・トルヒーリョ、フアン・C.サイム、アンナ・マリー。ローウェル、ケイラン N.バーンズ、ブレンダン P.クラーク、エブベキル S.ゴーマン、マイア N.ジェイコブ、ローリー SD;カポディストリアス、パナイオティ。ケジオラ、デイビッド J.レンプリエール、フェリックスAR;メドクラフト、クリス。オサリバン、ジェンセン。ロバートソン、エヴァン・G.ジョージア州ソアレス、G.ステラー、ルーク。ティース、ブロンウィン L.トレンブレイ、チェノア D.スーザ・シルバ、クララ。マッケミッシュ、ローラ K. (2021)。「958 個のリン含有分子の計算赤外分光法」。天文学と宇宙科学のフロンティア。8 639068: 43. arXiv : 2105.08897 . Bibcode : 2021FrASS...8...43Z . doi : 10.3389/fspas.2021.639068 .
  308. ^ 「化学者たちが合成計画における機械学習の将来について議論し、オープンデータを求める」 cen.acs.org . 2022年5月29日閲覧。
  309. ^ 「機械学習が人工タンパク質の作り方を解明」 phys.org . 2020年8月17日閲覧。
  310. ^ラス、ウィリアム P.フィグリウッツィ、マッテオ。ストッカー、クリスチャン。バラ＝シャルレー、ピエール。ソコリッチ、マイケル。カスト、ピーター。ドナルド、ヒルバート。モナソン、レミ。コッコ、シモナ。ウェイト、マーティン。ランガナタン、ラーマ（2020）。 「コリスミ酸ムターゼ酵素を設計するための進化に基づいたモデル」。科学。369 (6502): 440–445。Bibcode : 2020Sci...369..440R。土井：10.1126/science.aba3304。PMID 32703877。S2CID 220714458。  
  311. ^ Stocker, Sina; Csányi, Gábor; Reuter, Karsten; Margraf, Johannes T. (2020年10月30日). 「化学反応空間における機械学習」 . Nature Communications . 11 (1): 5505. Bibcode : 2020NatCo..11.5505S . doi : 10.1038/s41467-020-19267-x . PMC 7603480. PMID 33127879 .  
  312. ^ Yirka, Bob. 「再利用された薬物探索AIシステムがわずか6時間で4万個の化学兵器候補を生成」 techxplore.com . 2022年4月19日閲覧。
  313. ^ Urbina, Fabio; Lentzos, Filippa; Invernizzi, Cédric; Ekins, Sean (2022年3月). 「人工知能を活用した創薬の二重利用」. Nature Machine Intelligence . 4 (3): 189– 191. doi : 10.1038/ s42256-022-00465-9 . ISSN 2522-5839 . PMC 9544280. PMID 36211133. S2CID 247302391 .    
  314. ^ 「AI薬物アルゴリズムを反転すれば生物兵器を生成できる」 www.theregister.com . 2022年4月24日閲覧。
  315. ^ Hansen, Justine Y.; Markello, Ross D.; Vogel, Jacob W.; Seidlitz, Jakob; Bzdok, Danilo; Misic, Bratislav (2021年9月). 「ヒト大脳新皮質における遺伝子転写と神経認知のマッピング」Nature Human Behaviour . 5 (9): 1240– 1250. doi : 10.1038/s41562-021-01082-z . PMID 33767429 . 
  316. ^ Vo ngoc, Long; Huang, Cassidy Yunjing; Cassidy, California Jack; Medrano, Claudia; Kadonaga, James T. (2020年9月). 「機械学習を用いたヒトDPRコアプロモーターエレメントの同定」 . Nature . 585 (7825): 459– 463. Bibcode : 2020Natur.585..459V . doi : 10.1038/ s41586-020-2689-7 . PMC 7501168. PMID 32908305 .  
  317. ^ Bijun, Zhang; Ting, Fan (2022). 「遺伝学研究におけるディープラーニングの応用における知識構造と新たな動向：計量書誌学的分析 [2000–2021]」 . Frontiers in Genetics . 13 951939. doi : 10.3389 / fgene.2022.951939 . PMC 9445221. PMID 36081985 .  
  318. ^ Radivojević, Tijana; Costello, Zak; Workman, Kenneth; Garcia Martin, Hector (2020年9月25日). 「合成生物学のための機械学習自動推奨ツール」 . Nature Communications . 11 (1): 4879. arXiv : 1911.11091 . Bibcode : 2020NatCo..11.4879R . doi : 10.1038/ s41467-020-18008-4 . PMC 7519645. PMID 32978379 .  
  319. ^ a b Pablo Carbonell; Tijana Radivojevic; Héctor García Martín* (2019). 「合成生物学、機械学習、自動化の交差点における機会」 . ACS Synthetic Biology . 8 (7): 1474– 1477. doi : 10.1021/acssynbio.8b00540 . hdl : 20.500.11824/998 . PMID 31319671 . 
  320. ^ガジマゴメドワ、ZM;パシュコフ、DM。キルサノバ、D. ユウ。ソルダトフ、SA;マサチューセッツ州ブタコバ。チェルノフ、AV;ソルダトフ、AV (2022 年 2 月)。 「ナノ構造材料のための人工知能」。ナノバイオテクノロジーレポート。17 (1): 1–9 .土井: 10.1134/S2635167622010049。
  321. ^ Mirzaei, Mahsa; Furxhi, Irini; Murphy, Finbarr; Mullins, Martin (2021年7月). 「ナノ粒子の抗菌能を予測する機械学習ツール」 . Nanomaterials . 11 ( 7): 1774. doi : 10.3390/nano11071774 . PMC 8308172. PMID 34361160 .  
  322. ^ Chen, Angela (2018年4月25日). 「AIはいかにして、これまで以上に速く材料を発見する手助けをしているのか」 The Verge . 2022年5月30日閲覧。
  323. ^ Talapatra, Anjana; Boluki, S.; Duong, T.; Qian, X.; Dougherty, E.; Arróyave, R. (2018年11月26日). 「ベイズモデル平均化を用いた材料発見のための自律的かつ効率的な実験デザイン」. Physical Review Materials . 2 (11) 113803. arXiv : 1803.05460 . Bibcode : 2018PhRvM...2k3803T . doi : 10.1103/PhysRevMaterials.2.113803 .
  324. ^ Zhao, Yicheng; Zhang, Jiyun; Xu, Zhengwei; Sun, Shijing; Langner, Stefan; Hartono, Noor Titan Putri; Heumueller, Thomas; Hou, Yi; Elia, Jack; Li, Ning; Matt, Gebhard J.; Du, Xiaoyan; Meng, Wei; Osvet, Andres; Zhang, Kaicheng; Stubhan, Tobias; Feng, Yexin; Hauch, Jens; Sargent, Edward H.; Buonassisi, Tonio; Brabec, Christoph J. (2021年4月13日). 「ハイスループットロボット学習を用いたペロブスカイトにおける温度誘起安定性反転の発見」 . Nature Communications . 12 (1): 2191. Bibcode : 2021NatCo..12.2191Z . doi : 10.1038/s41467-021-22472-x . PMC 8044090 . PMID 33850155 .  
  325. ^アン・ジョンソン、エミリー・グランブリング (2019).人工知能のサイバーセキュリティへの影響：ワークショップ議事録. ワシントンD.C.: 全米科学アカデミー出版. pp.  4– 5. ISBN 978-0-309-49451-9. OCLC  1134854973 . 2025年5月12日閲覧。
  326. ^ Kocher, Geeta; Kumar, Gulshan (2021年8月). 「侵入検知システムのための機械学習とディープラーニング手法：最近の開発と課題」. Soft Computing . 25 (15): 9731– 9763. doi : 10.1007/s00500-021-05893-0 .
  327. ^ Kant, Daniel; Johannsen, Andreas (2022年1月16日). 「中小企業（SME）のサイバーセキュリティ防御強化のためのAI活用事例の評価」. Electronic Imaging . 34 (3): 387–1–387–8. doi : 10.2352/EI.2022.34.3.MOBMU-387 .
  328. ^ Randrianasolo, Arisoa (2012).コンピュータセキュリティにおける人工知能：検出、一時的な修復、防御（論文）. p. vii. hdl : 2346/45196 .
  329. ^ Sahil; Sood, Sandeep; Mehmi, Sandeep; Dogra, Shikha (2015). 「クラウドコンピューティングセキュリティのためのユーザープロファイリングシステム設計のための人工知能：実験」. 2015年国際コンピュータ工学応用会議. pp.  51– 58. doi : 10.1109/ICACEA.2015.7164645 . ISBN 978-1-4673-6911-4。
  330. ^パリシ、アレッサンドロ（2019年）。『サイバーセキュリティのための実践的人工知能：サイバー攻撃を防止し、脅威とネットワーク異常を検知するためのスマートAIシステムの導入』 Packt Publishing Ltd. ISBN 978-1-78980-517-8. OCLC  1111967955 .
  331. ^ sarahrudge. 「AIが交通をより安全かつ効率的にする6つの方法」 tlimagazine.com . 2025年7月29日時点のオリジナルよりアーカイブ。 2025年12月19日閲覧。
  332. ^ Hallerbach, Sven; Xia, Yiqun; Eberle, Ulrich; Koester, Frank (2018年4月3日). 「協調型自動運転車両におけるクリティカルシナリオのシミュレーションベース識別」SAE International Journal of Connected and Automated Vehicles . 1 (2): 93– 106. doi : 10.4271/2018-01-1066 .
  333. ^ウェスト、ダレル・M.（2016年9月20日）「前進：中国、欧州、日本、韓国、米国における自動運転車」ブルッキングス研究所。
  334. ^ 「自動運転車への安全性のプログラミング」国立科学財団。2015年2月2日。
  335. ^ a b「自動運転の配達バンは「人間の制御」を廃止」「 . BBCニュース. 2020年2月7日. 2022年4月28日閲覧。
  336. ^ 「ドイツ交通局、ハンブルクで世界初の全自動運転列車を発表」 2021年10月12日. 2022年7月3日閲覧。
  337. ^ 「ドローンを活用した鉄道デジタル化」 www.euspa.europa.eu 2021年2月25日2022年7月3日閲覧。
  338. ^ 「世界最速の無人新幹線が中国で運行開始」ガーディアン紙、2020年1月9日。 2022年7月3日閲覧。
  339. ^ベンソン、ソー。「自動運転バスが初めて公道に登場」。Inverse 。2021年8月26日閲覧。
  340. ^ 「欧州初のフルサイズ自動運転都市型電気バスが登場」世界経済フォーラム2021年8月26日閲覧。
  341. ^ Huber, Dominik; Viere, Tobias; Horschutz Nemoto, Eliane; Jaroudi, Ines; Korbee, Dorien; Fournier, Guy (2022). 「将来の公共交通機関における自動運転ミニバスの気候と環境への影響」 .交通研究パートD：交通と環境. 102 103160. Bibcode : 2022TRPD..10203160H . doi : 10.1016/j.trd.2021.103160 .
  342. ^ Hawkins, Andrew J. (2020年7月22日). 「WaymoがFCAと共同で自動運転ラム・デリバリーバンを設計」 The Verge . 2022年4月28日閲覧。
  343. ^ Buss, Dale (2021年8月31日). 「ウォルマート、配送の伝統を活かして自動配送でリード」 . Forbes . 2022年4月28日閲覧。
  344. ^ Rita Liao (2021年5月25日). 「JD.com、Meituan、Neolixが北京の公道で自動運転配送をテスト」 TechCrunch . 2022年4月28日閲覧。
  345. ^ Cooley, Patrick; Dispatch, The Columbus (2021年9月1日). 「Grubhubが配達ロボットをテスト」 . techxplore.com . 2022年4月28日閲覧。
  346. ^ Burgess, Matt (2017年8月24日). 「英国、自動運転トラックプラトーンの試験を開始へ」 . Wired UK . 2017年9月22日時点のオリジナルよりアーカイブ。2017年9月20日閲覧。
  347. ^ Davies, Alex (2015年5月5日). 「世界初の自動運転セミトラックが路上に登場」 . Wired . 2017年10月28日時点のオリジナルよりアーカイブ。 2017年9月20日閲覧。
  348. ^人工知能の未来への準備。国立科学技術会議。OCLC 965620122。 
  349. ^ジョーンズ, ランドルフ・M.; レアード, ジョン・E.; ニールセン, ポール・E.; コールター, カレン・J.; ケニー, パトリック; コス, フランク・V. (1999年3月15日). 「戦闘飛行シミュレーションのための自動インテリジェントパイロット」. AIマガジン. 20 (1): 27. doi : 10.1609/aimag.v20i1.1438 .
  350. ^ AIDAホームページ. Kbs.twi.tudelft.nl (1997年4月17日). 2013年7月21日閲覧。
  351. ^自己修復飛行制御システムの物語。NASAドライデン（2003年4月）。2016年8月25日閲覧。
  352. ^ Adams, Eric (2017年3月28日). 「AIが飛行をより安全に、そしておそらくより快適にする力を発揮」 Wired . 2017年10月7日閲覧。
  353. ^ Baomar, Haitham; Bentley, Peter J. (2016). 「人間のパイロットを模倣することで飛行緊急手順を学習するインテリジェント・オートパイロットシステム」. 2016 IEEE 計算知能シンポジウムシリーズ (SSCI) . pp.  1– 9. doi : 10.1109/SSCI.2016.7849881 . ISBN 978-1-5090-4240-1。
  354. ^ 「UBが学生創業のスタートアップ企業に投資」 buffalo.edu 2020年12月24日閲覧。

さらに読む

「 https://en.wikipedia.org/w/index.php?title=Applications_of_artificial_intelligence&oldid=1334912294#Deep-fakes」より取得