Google、Gemini 4 Argonを1万人の科学者に提供

Prime IntellectはMoondreamを買収し、そのオープンビジョンモデルと推論最適化の制御権を獲得しました。計画では、MoondreamをPrime Intellectのマルチモーダル学習およびデプロイメントスタックに直接統合することです。取引の金銭的条件は開示されていませんが、戦略的意図は明らかです。ビジョンレイヤーを完全に自社で所有することです。

マルチモーダルエージェントを展開する場合、ビジョンを外部APIに依存することは、ボトルネックの発生を待っているようなものです。Moondreamを社内に取り込むことで、Prime Intellectはメタルレベルで推論を最適化し、デプロイメントスタックのレイテンシとコストを削減できます。これは、インフラプレーヤーがパイプラインのあらゆる部分を所有しようとしている明確な兆候です。

Prime Intellectは、マルチモーダルパズルの重要なピースを確保することで勝利しました。Moondreamの創設者は、混雑した市場で出口を見つけました。今、プレッシャーは、ビジョン機能を自社で所有するのではなく、レンタルしなければならない競合するデプロイメントスタックにかかっています。

Leash Bioは、約40億の測定値を含む大規模なKaggleコンペを開催し、タンパク質-リガンド結合を予測するAIの能力をテストしました。2,000の参加チームのうち、未知の化学ライブラリでテストされた際に、偶然の確率を上回ったチームは一つもありませんでした。モデルは新しい化学空間への汎化に完全に失敗したのです。

これは、AI創薬分野にとって厳しい現実を突きつけるものです。過去2年間、モデルが公開ベンチマークで好成績を収めるのを見てきましたが、このコンペは、実際の分子結合を予測することが依然として極めて難しいことを示しています。もしあなたのスタートアップの売りが、生物学におけるゼロショット汎化に全面的に依存しているなら、この結果はあなたのモデルが単に訓練データを記憶しているだけかもしれないことを示唆しています。

ここでの真の勝者は懐疑論です。Leash Bioは、現在のアーキテクチャの限界を公に示したことで、業界に貢献しました。敗者は、タンパク質結合が解決済みの問題であり、あとは素敵なUIを待つだけだと思っていた投資家たちです。

新しい研究により、ChEMBLのような化学データセットにおける明らかなバイアスが明らかになりました。AIモデルが分子の構造からその「著者」を推測しているのです。この化学者情報は、構造自体とほぼ同じくらい効果的に分子の活性を予測します。モデルは、根本的な物理化学ではなく、個々の科学者の特定のスタイル的特徴を学習しているのです。

公開されている科学データでモデルを訓練している人にとって、これはデータ整合性に関する重大な警告です。もしAIが、どの研究室が成功する化合物を生み出すかを記憶し、彼らの特徴的な構造的習慣に基づいて推測しているだけなら、新しい化合物を生成するよう求められたときに、見事に失敗するでしょう。あなたは化学者を訓練しているつもりでも、実際には探偵を訓練しているのです。

これは、化学AIで見られる多くのベンチマークの成功に疑問を投げかけます。もしモデルが著者バイアスに依存して精度スコアを上げているなら、そのスコアは幻想です。次世代の科学AIには、根本的にクリーンで、ブラインド化されたデータセットが必要になるでしょう。

AI Engineer New Yorkカンファレンスで、OpenAIとAnthropicは金融機関と会談し、差し迫った危機について議論しました。それは、AIエージェントに有用な自律性を持たせつつ、重要な決定に対する制御を維持する方法です。議論は、自律型エージェントの速度と、リスクの高い金融環境における安全メカニズムの絶対的な必要性とのバランスに焦点を当てました。

金融機関は自律型エージェントの効率性を求めていますが、それに伴う幻覚のリスクを許容することはできません。Pythonスクリプトを自信満々にでっち上げるモデルは厄介ですが、市場トレンドを自信満々に幻覚し、大規模な取引を実行するモデルはシステミックリスクです。エンタープライズ金融分野をターゲットとする開発者は、生の知能よりも決定論的な安全ガードレールを優先する必要があります。

OpenAIとAnthropicがこれらの企業を積極的に誘致しているという事実は、真のエンタープライズマネーがどこにあるかを示しています。勝者となるのは、高頻度取引エージェントのためのヒューマン・イン・ザ・ループ・インターフェースを開発するスタートアップでしょう。