リスクモデル（脅威・リスク）に関するニュース一覧

Cohereは12月11日、企業向け検索モデルの最新版「Rerank 4」を発表しました。前バージョン比で4倍となるコンテキストウィンドウを備え、AIエージェントの性能と企業の検索精度を劇的に向上させます。

最大の特徴は32Kトークンへの対応拡大です。長い文書や複数の情報を一度に評価可能となり、従来は見落とされていたセクション間の関係性や文脈のニュアンスも正確に捉えられるようになりました。

高速な「Fast」と高精度な「Pro」の2種を展開します。Eコマースやコード検索にはFast、複雑なデータ分析やリスクモデル生成にはProと、用途に応じた使い分けによりコスト対効果を最大化できます。

AIエージェント運用における情報の選別能力が強化されました。不要な情報を事前に排除することで、後続のLLMによるトークン消費を抑えつつ、試行回数の削減と回答精度の向上を実現します。

業界初となる「自己学習機能」を搭載した点も革新的です。追加のアノテーションデータを用意せずとも、ユーザーの利用パターンから好みのコンテンツを学習し、特定の業務ドメインに合わせて精度を最適化できます。

100以上の言語に対応し、主要なビジネス言語で高い検索性能を発揮します。金融や医療分野のベンチマークでも他社モデルを上回るスコアを記録しており、グローバル展開する企業のインフラとして有力な選択肢です。

Google DeepMindは、地球の広範な変化を高精度に追跡するAIモデル「AlphaEarth Foundations」を発表しました。このモデルは地球を「生きたデータセット」として捉え、衛星画像やセンサーデータなど多様な情報を統合します。年間1.4兆を超えるエンベディングを生成し、従来困難だった地球規模のデジタル表現と分析を革新します。

AlphaEarthの核心技術は、地球上の10m四方のセルごとに64次元の「エンベディング（数値要約）」を作成する点です。これにより、膨大な地理空間データを統一的に扱えるようになりました。この緻密なアプローチにより、ストレージ要件を従来の16分の1にまで削減しつつ、高い空間的・時間的な詳細度を維持しています。

地球観測における長年の課題であった、衛星データの不規則性や雲による欠損を本モデルは克服しています。光学画像だけでなく、レーダー、気候モデル、さらには地理タグ付きのWikipedia情報まで組み込むことで、マルチソース・マルチレゾリューションな一貫性のあるデータセットを構築しています。

ベンチマークテストの結果、AlphaEarthは競合する既存のアプローチと比較して、平均で23.9%低いエラー率を記録しました。また、ラベルデータが非常に少ない状況下でも高精度な分類を可能にし、通常数千のラベルを必要とするタスクで、少数のサンプルで87種の農作物や土地被覆タイプを特定できています。

この技術は、都市計画やインフラ管理、生態系追跡といった幅広い分野で即戦力となります。特にビジネス領域では、保険会社や通信会社などが空間分析プラットフォームCARTOを経由して利用を開始しています。

これにより、APIや追加ストレージなしで山火事リスクの高い地域を特定するなど、迅速なリスクモデル構築が可能になります。自社の既存ワークフローにエンベディングをロードするだけで、高度な環境プロファイリングが可能になる点がメリットです。

AlphaEarthは、パターンを学習しコンパクトに要約する自己教師あり学習フレームワークであり、生成モデルではありません。非営利利用向けにGoogle Earth Engineデータカタログを通じて無償提供されており、国連食糧農業機関（FAO）を含む世界50以上の組織が既に活用を進めています。