スタンフォード（大学・研究機関）に関するニュース一覧

スタンフォード大学とマサチューセッツ工科大学（MIT）の研究者が、生成AIが労働市場に与える影響について新たな研究結果を明らかにしました。2022年後半以降、AIに代替されやすい職種では若手技術者の雇用が減少する一方、既存労働者の生産性は大幅に向上することが判明。AIは単純作業を自動化し、経験豊富な人材の業務を支援するため、企業は採用・育成戦略の見直しを迫られそうです。 スタンフォード大学デジタルエコノミーラボの研究によると、2022年後半からAIの影響を受けやすい職種で、若手（22〜30歳）の雇用が明確に減少しています。米国最大の給与計算代行会社ADPの最新データ分析で判明したもので、特にソフトウェアエンジニアなどの職種でこの動きが顕著です。 興味深いことに、若手層の雇用が減少する一方で、同じ職種の中堅・シニア層の雇用は安定、もしくは増加傾向にあります。これは、AIが経験豊富な労働者の専門知識を代替するのではなく、業務を拡張するツールとして機能していることを示唆しています。経験値がAI活用の鍵となりそうです。 一方、マサチューセッツ工科大学（MIT）の研究では、AIの生産性向上効果が実証されています。2023年の研究では、ChatGPTがライティング業務の生産性を大幅に向上させると判明。特に、これまで成績が振るわなかった労働者ほど、その恩恵が大きかったといいます。 AIがもたらすこの二面性は、業務を「自動化」するか「拡張」するかの違いに起因します。エントリーレベルの定型的なタスクは自動化されやすく、若手の雇用機会を奪う可能性があります。一方、複雑な判断を伴う業務はAIで拡張され、シニア層の生産性をさらに高めるのです。 これらの研究結果は、経営者やリーダーに重要な問いを投げかけています。AIによる生産性向上は不可欠ですが、同時に若手人材の採用や育成戦略を根本から見直す必要がありそうです。人間とAIが協働する新たな組織モデルの構築が、今後の企業競争力を左右するでしょう。

Google DeepMindは2025年9月18日、AI技術を用いて流体力学における長年の難問に新たな解を発見したと発表しました。ニューヨーク大学やスタンフォード大学などとの共同研究で、物理法則を組み込んだAIを活用し、速度や圧力が無限大になる「特異点」と呼ばれる現象の新たなファミリーを発見しました。この手法は、数学や物理学、工学分野における未解決問題の解明を加速させる可能性を秘めています。 流体力学は、気象予測から航空機の設計まで多岐にわたる分野の基礎ですが、その方程式には物理的にあり得ない「特異点（ブローアップ）」という解が存在し、数学者を悩ませてきました。この特異点を理解することは、方程式の限界を知り、物理世界への理解を深める上で極めて重要です。特に、ごく精密な条件下でのみ発生する「不安定な特異点」の発見は困難を極めていました。 今回の発見の鍵となったのは、「物理情報ニューラルネットワーク（PINNs）」というAI手法です。大量のデータから学習する従来のAIとは異なり、PINNsは物理法則の数式そのものを満たすように学習します。研究チームはこれに数学的洞察を組み込み、従来手法では捉えきれなかった特異点を発見する探索ツールへと進化させました。これにより、不安定な特異点の新たなファミリーを体系的に発見することに成功しました。 この研究で達成された精度は驚異的です。研究チームによると、その誤差は地球の直径を数センチの誤差で予測するレベルに相当します。このような極めて高い精度が、厳密なコンピュータ支援による証明を可能にし、不安定で捉えにくい解の発見に不可欠でした。AI技術が、厳密さが求められる数学的な発見の領域に到達したことを示しています。 今回の成果は、AIと人間の数学的知見を融合させた新たな研究手法の可能性を示しています。このアプローチは、流体力学だけでなく、数学、物理学、工学における他の長年の課題解決を促進することが期待されます。AIが専門家を支援し、科学的発見を加速させる「コンピュータ支援数学」の新時代が到来するかもしれません。

OpenAIがAGI（汎用人工知能）達成に向け、ロボティクス研究を本格的に再加速させています。特に、物理世界との相互作用を可能にする人型ロボットAIの開発に注力するため、スタンフォード大学などから専門家を積極的に採用していることが明らかになりました。これは、既存のLLMモデルの限界を超え、AIを次の段階へ進めるための戦略的な転換です。

同社は、AGIを実現するには、単なる対話や推論能力だけでなく、現実世界でタスクを実行できるアルゴリズムが必要だと判断しました。このため、大規模言語モデル（LLM）の発展がピークに達しつつあると見て、物理的な感覚や運動制御を伴う新たな研究分野に焦点を移しています。

採用された研究者たちは、人型や部分的に人型をしたロボットを制御するAIアルゴリズム開発の専門家です。求人情報からは、ロボットを人間が操作し、その動きをAIが学習するテレイグジスタンス（遠隔操作）やシミュレーションを用いた訓練システムの構築を進めていることが分かります。

具体的には、ロボット訓練に広く使われるNvidia Isaacなどの仮想物理環境シミュレーション技術の専門知識が求められています。これにより、現実世界での試行錯誤コストを削減しつつ、AIが複雑な環境に適応する能力を効率的に獲得することが期待されます。

OpenAIが自社でロボットを製造するか、既存のハードウェアを活用するかは不明確です。しかし、求人には、センサー付きロボットシステムの試作・構築経験を持つ機械エンジニアの募集があり、量産（100万台以上）を前提とした設計経験も要求されており、ハードウェアへの深い関与を示唆しています。

このロボティクスへの再参入は、競争が激化する市場への挑戦です。すでにFigureやAgilityなどのスタートアップに加え、テスラやGoogleといった巨大AI企業も人型ロボット開発に大規模な投資を行っています。現時点では、OpenAIに「魔法のような優位性はない」との指摘もあり、今後の技術開発競争に注目が集まっています。