- MicrosoftのAI研究における重要なツールはMatterGenとMatterSimであり、新素材の設計や検証において重要な役割を果たしている。
- 分散トレーニングは複数の当事者がそれぞれのデータセットで機械学習モデルをトレーニングすることを可能にし、大量の多様なデータが必要な現代の機械学習の課題に対処するのに役立つが、セキュリティやプライバシーの問題も浮上する。
- 最近の論文では、Microsoftの研究者がプライバシーを保護し、セキュリティを確保するための効率的な差分プライベート、安全な多当事者計算（DP-MPC）プロトコルを設計し、これにより前例のない効率性を達成している。
- 検索システムのトレーニングと評価には多大な関連性判断が必要であり、これを人間のアサーサーが従来収集していたが、大規模言語モデル（LLMs）を使用して関連性ラベルを生成することで自動化が可能となる。
- JudgeBlenderは複数のLLMsまたはプロンプトを組み合わせて関連性判断を行うフレームワークであり、JudgeBlenderは競争力のある性能を発揮し、非常に大規模なモデルは信頼性のある関連性評価には必要ないことを示している。
- CongestEXPは、輸送混雑ゲーム設定で評価される分散型アルゴリズムであり、プレイヤーはナッシュ均衡に収束することで後悔保証が提供される。
- RD-Agentはデータ駆動型の研究開発システムを統合し、AIを活用して革新と開発を自動化するツールである。
- PromptWizardはAIプロンプトの最適化を自動化し、効果的なプロンプトを数分で作成するための手法を組み合わせている。
- Microsoft ResearchはAIと科学研究を活用して、気候変動、食料安全保障、世界保健、人身売買などの現実世界の課題に取り組み、多くの進展を遂げた。
- AIOpsLabはAIOpsエージェントの設計、開発、評価、強化を可能にする包括的な評価フレームワークであり、再現可能で標準化されたベンチマークを提供している。
- Microsoft Researchの松下靖之シニアプリンシパルリサーチマネージャは、2025年IEEE Computer Society Fellowに選出され、写真測光3Dモデリングと計算写真に対する貢献が認められた。
私の考え：
Microsoftの研究は革新的で、様々な分野においてAIを活用して現実世界の課題に取り組んでいます。特に、プライバシーやセキュリティを考慮した効率的な多当事者計算のプロトコルや、関連性評価における多数のLLMsやプロンプトを組み合わせた手法など、今後のAI研究や応用に大きな影響を与える可能性があります。
元記事: https://www.microsoft.com/en-us/research/blog/research-focus-week-of-january-13-2025/