2025年における人工知能の進歩、応用、および社会への影響に関する包括的な年次調査。研究開発、技術的パフォーマンス、責任あるAI、経済、科学、医学、教育、政策とガバナンス、および世界的な世論を網羅する。
クイックナビゲーション
タグ
スライドを共有
2025年における人工知能の進歩、応用、および社会への影響に関する包括的な年次調査。研究開発、技術的パフォーマンス、責任あるAI、経済、科学、医学、教育、政策とガバナンス、および世界的な世論を網羅する。
レイアウト、主要コンテンツ、視覚要素を含む各スライドページの詳細ビュー。
Artificial Intelligence Index Report 2026（第9版）の全面表紙。Stanford HAIのブランドロゴが赤/コーラル色のアクセントと抽象的な幾何学模様で強調されています。
全面に広がる表紙デザイン。中央にタイトル、版数、下部にStanford HAIのロゴを配置
正式なタイトルページ。発行者としてStanford Human-Centered AI (HAI)を記載し、編集チームのクレジット、著作権表示、第9版の発行詳細を掲載。
クリーンな白いページに中央揃えのテキスト階層、上部にHAIロゴ、下部に発行メタデータを配置
目次の最初のページ。第1章から第5章までを、ページ番号、章タイトル、各章の概要を1行で記述した説明とともに記載。
2段組レイアウト。左に章番号、右にタイトルとページ参照。色分けされた章タブ
目次の2ページ目。第6章から第9章、および付録を、ページ番号と1行の章の説明とともに記載。
3ページ目と同じスタイルの2段組TOCレイアウトの継続
HAIのディレクターであるFei-Fei Liによる序文の冒頭。第9回年次AI Indexの重要性を紹介し、2025年におけるAIの急速な進歩を説明。
1段組テキスト。右上にディレクターの写真、HAIヘッダーバナーを配置
AIの変革的な社会的影響、データ駆動型のAIポリシーの重要性、人間中心のAI開発を導くHAIのミッションについて論じた序文の続き。
セクション小見出し付きの1段組テキストレイアウト
HAIが複数の側面からAIの進歩を追跡するアプローチと、2026年版レポートへのグローバルな貢献者チームへの謝辞を述べる序文の3ページ目。
謝辞の段落と貢献者のクレジット付きの1段組テキスト
2025年から2026年におけるAI開発の重要性と、政策立案者と研究者への行動喚起に関するHAIリーダーシップからの最後の言葉で締めくくる序文の最終ページ。
ディレクターの署名ブロックで締めくくる1段組テキスト
AIの全体像を示すエグゼクティブサマリーの冒頭：急速な能力向上、投資の加速、政策活動の活発化、社会的な議論。
全幅の紹介段落に続き、10の主要なポイントの番号付きリストプレビュー
主要ポイント1～3：（1）AIの能力がベンチマーク飽和状態で急上昇。（2）米国の民間AI投資が2,859億ドルに達する。（3）AIによるインシデントと被害の追跡調査で、2019年以降1000％増加。
主要ポイント番号、太字の見出し、サポートデータポイント、小さなアイコンをそれぞれ配置した3つのパネルレイアウト
主要ポイント4～6：（4）AIエージェントが実際のGitHubの問題の50％以上を解決。（5）FDAが2025年に258件のAI対応医療機器を承認。（6）46か国が国家AI戦略を採用。
10ページ目と同じスタイルの3つのパネルレイアウト
主要ポイント7～9：（7）学生の80％が授業で生成AIを使用。（8）EU AI法で禁止されている慣行の禁止が2025年2月に施行。（9）世界の回答者の59％がAIについて楽観的。
10～11ページ目と同じスタイルの3つのパネルレイアウト
最終的なExecutive SummaryのTakeaway（10）：AIノーベル賞の受賞は、科学における歴史的なマイルストーンであり、さらに9つの章全体の主要な指標を一目でわかるハイライトチャートを示しています。
上半分は単一のTakeawayパネル、下半分はサマリーメトリクスのダッシュボード
主要なレポートの側面（投資、出版物、モデルリリース、政策措置、導入率）における前年比成長率を示すビジュアルサマリーチャート。
色分けされたカテゴリとx軸に年のラベルが付いた、全幅のグループ化された棒グラフ
研究成果、民間投資、政策採用、人材集中度といった側面から、国ごとのAIアクティビティレベルを示す世界地図の可視化。
色勾配の強度スケールと上位国の国名表示がある全幅の世界地図
AI Indexのデータ収集方法論の簡単な説明。レポートの範囲におけるAIの構成要素を定義し、章全体で使用される主要なデータソースをリストアップします。
サイドバーにソースリスト、メソドロジー図のインセットがある2段組みテキスト
読者向けのナビゲーションガイド。章の構成、特定のトピックの検索方法、オンラインのインタラクティブなデータアクセス、AI Index 2026の引用ガイドラインについて説明します。
オンラインリソースと章のナビゲーションのヒントに関するコールアウトボックスがある、一段組みテキスト
濃いネイビー/スレートグレーの背景、大きな白い第1章の数字、「研究開発」というタイトル、および簡単な1段落の章の概要を含む、全面の章のオープニングページ。
全面の暗い背景、左揃えの特大の章番号、右揃えのタイトルと説明
第1章の紹介文。主なR&Dの調査結果を要約しています。2025年には約200の注目すべきAIモデルがリリースされ、ベンチマークの飽和が加速し、オープンソースモデルがプロプライエタリシステムとのギャップを埋めています。
主要な統計のプルクオートが強調表示された、一段組みの紹介
2019年から2025年までの年間AIモデルのリリース数を示す棒グラフ。2025年だけで約200の注目すべきモデルがリリースされ、劇的な加速を示しています。
x軸に年のラベル、y軸にカウント、章のネイビー/スレートのテーマで色分けされたバーを持つ、全幅の棒グラフ
2025年のAIモデルのリリースを組織タイプ（産業界、学術界、政府、市民社会）別に分類した積み上げ棒グラフ。産業界が圧倒的なシェアを占めていることを示しています。
組織タイプのカテゴリと凡例がある、積み上げ横棒グラフ
2025年のAIモデルの起源の地理的内訳。米国、中国、英国、ヨーロッパ、その他の地域を示しており、米国が注目すべきフロンティアモデルの最大のシェアを生み出しています。
国ごとのモデルリリース量を示すバブルサイズの世界地図と、それに付随する棒グラフ
2025年の基盤モデルの概要セクション。用語の定義、主要なフロンティアモデル（GPT-4o、Gemini 2.0、Claude 3.5、Llama 3、DeepSeek）のリスト、およびそれらのアーキテクチャ上の重要性について説明します。
モデル名のコールアウトボックスと比較表がある、テキストの多いセクションの紹介
2025年を通しての主要な基盤モデルのリリース日を示す横方向のタイムラインの可視化。組織とモデルファミリーごとに整理されています。
モデルラベルが線の上/下にある横方向のタイムライン、組織の色分け
標準化されたベンチマークにおける、2020年から2025年までのオープンソースAIモデルとプロプライエタリAIモデルのパフォーマンスの軌跡を比較する折れ線グラフ。2025年後半までにその差が縮まっていることを示しています。
オープンソース（破線）とプロプライエタリ（実線）の二重折れ線グラフ、y軸にベンチマークスコア、x軸に年
2025年のオープンソースAIエコシステムの成長分析。GitHubのスター数、トップモデルのダウンロード数、Hugging FaceのようなプラットフォームがAIアクセスを民主化する上での役割など。
左側にテキスト分析、右側にダウンロード/スターのメトリクスを示す棒グラフを配置した混合レイアウト
地域別の2010年から2025年までのAI関連学術論文の総数を示す折れ線グラフ。中国が論文数でリードし、米国が被引用数の多い論文で引き続きリーダーシップを発揮していることを示しています。
地域別に色分けされた複数折れ線グラフ、y軸は対数スケールオプション、x軸は年
国別のAI論文数と引用インパクトの散布図。米国と中国の論文数と質の関係、およびEUの引用パフォーマンスを示しています。
国別のバブルのサイズを総論文数で表した散布図、x軸は論文数、y軸は論文あたりの引用数
2015年から2025年までの研究サブドメイン（NLP、コンピュータビジョン、ロボティクス、ML理論など）別のAI論文の成長を示す積み上げ面グラフ。NLPと生成AIが爆発的な成長を示しています。
サブドメインのカラーレイヤーを持つ積み上げ面グラフ、x軸は年、y軸は論文数
AI研究論文の発表場所（トップ会議（NeurIPS、ICML、CVPR、ICLR、ACL）とジャーナル）と、2025年におけるインパクトの高いAI研究の相対的なシェアを比較する棒グラフ。
y軸に開催場所名、x軸に論文数を表示した左右並列の棒グラフ
AIにおけるベンチマーク飽和の入門分析。以前は困難だった多くのベンチマークが2025年までにほぼ解決され、より困難な評価タスクが必要になっていることを説明します。
タスクが「未解決」ゾーンから「飽和」ゾーンに移動するベンチマーク飽和図を含むテキストセクション
50以上のベンチマークにおけるAIのパフォーマンスと人間のパフォーマンスを示す散布図。色分けは、AIが人間のレベルのパフォーマンスを超えたベンチマークを示します。
人間のパリティを示す対角線、ベンチマーク名の注釈、人間のパリティ以上/以下を示す色分けのある大きな散布図
2012年から2025年までの最先端AIモデルに使用されたトレーニング計算量（FLOPs単位）を追跡する対数スケールの折れ線グラフ。約6ヶ月の倍加時間と桁違いの増加を示しています。
モデル名の注釈、x軸に時間、y軸に対数FLOPsを表示した対数スケールの折れ線グラフ
AIトレーニングコストのトレンド分析。モデルあたりの計算量は増加していますが、計算量あたりのコストは劇的に低下しており、両方のトレンドを示す二重軸グラフを使用しています。
左軸にFLOPあたりの計算コスト、右軸にモデルあたりのトレーニングコストを表示した二重軸グラフ
2020年から2025年までのAI推論効率の改善を示すグラフ：1秒あたりのトークン数、100万トークンあたりのコスト、同等のパフォーマンスに必要なモデルサイズがすべて劇的に改善されています。
時間の経過に伴う1つの効率メトリックを示す3つのパネルの小さい複数グラフ
2025年のAIハードウェア開発の概要：GPU/TPUの進歩、主要なテクノロジー企業からの新しいカスタムAIアクセラレータ、推論に最適化されたチップの登場。
比較ハードウェアスペックテーブルと市場シェア円グラフを含むテキスト概要
数十億から数兆トークンへと成長した、フロンティアモデルに使用されるトレーニングデータセットのサイズの成長と、合成データ生成への移行を示す棒グラフとテキスト分析。
モデルごとのデータセットサイズを示す棒グラフとテキスト解説コラム
2025年のマルチモーダルAI機能の分析 — テキスト、画像、音声、ビデオを統合するモデル — どのモデルがどのモダリティをサポートするかを示す機能マトリックス。
モデル名を列、モダリティをカラム、セルにチェックマーク/スコアを配置した機能マトリックス表
2025年の推論に焦点を当てたモデル（例：OpenAI o-series、DeepSeek-R1）の出現に関するセクション。推論時のchain-of-thoughtと、難しい推論タスクにおけるベンチマークの改善について解説。
推論モデルと標準モデルのパフォーマンスの比較チャート（改善前/改善後）を含むテキストセクション
2025年にリリースされたAIエージェントシステムの紹介。複数ステップの自律的なタスク完了、ツール使用、エージェントワークフローを可能にするアーキテクチャについて解説。
エージェントアーキテクチャの概念図（認識→推論→行動ループ）とテキストによる説明
出版物の量、引用の影響、特許出願、モデルリリース、民間投資など、さまざまな側面から見た国別のAI研究開発のリーダーシップの比較分析。
上位国（米国、中国、英国、EU、カナダ、インド）ごとのレーダー/スパイダーチャート（5次元軸）
2015年から2025年までの国別のAI特許出願数を示す棒グラフ。中国は特許数で米国を上回っていますが、米国は引用回数の多い特許でリーダーシップを維持しています。
国別のグループ化された棒グラフ（年ごとのグループ化、y軸に特許数）
2025年の新しいAI企業設立に関するデータ。AIネイティブなスタートアップの急増と、米国、EU、アジアにおける新しいAIベンチャーの地理的分布を示しています。
スタートアップ設立を示す世界地図バブルチャートと、上位スタートアップハブの棒グラフ
フロンティアAIモデル開発における市場集中度の分析。少数の組織（OpenAI、Google、Anthropic、Meta、Mistral、DeepSeek）がフロンティアリリースの大部分を占めていることを示しています。
組織別のフロンティアモデルリリースのシェアを示す円グラフとテキスト分析
AI研究人材の流れの分析：大学院プログラムの入学傾向、AI研究者の地理的な移動、および少数の機関や企業へのトップAI人材の集中。
国間の人材の流れを示すサンキー図と、上位機関の棒グラフ
2025年の出版物の出力と引用の影響による上位AI研究機関のランキングリストと棒グラフ（大学および業界ラボを含む）。
機関名をy軸に、2つの指標をx軸に持つ、ランキング棒グラフ（水平）
モデルの発表から科学的ブレークスルー、政策イベントまで、2025年の最も重要なAI研究開発のマイルストーンのタイムライン。
マイルストーンのエントリを含む垂直タイムライン（左に日付、右に説明、カテゴリの色分け）
2025年のロボティクスとエンボディードAIにおけるAIの進歩の概要：操作のための基盤モデル、移動の改善、および汎用ロボットポリシーの出現。
ロボットの能力ベンチマークチャートと説明写真を含むテキスト概要
2025年における画像および動画合成のための生成AIの進歩の分析。拡散モデル、動画生成品質の向上、リアルタイム生成機能など。
品質指標の進捗チャートと機能例の説明を含むテキスト分析
2025年におけるオーディオおよび音声合成における生成AIの進歩の概要：音声クローン、音楽生成、リアルタイム翻訳、および周囲音声認識の改善。
音声認識エラー率と音声品質スコアのパフォーマンス指標チャートを含むテキスト概要
2025年におけるAIコード生成の進歩に関するセクション。HumanEvalおよびSWE-benchでのモデル機能、および開発者ワークフロー全体でのAIコーディングアシスタントの統合について説明します。
パフォーマンスベンチマークの進捗チャートと、開発者の採用統計を含むテキスト分析
2025年に勢いを増している新たなAI研究テーマの分析：メカニスティックな解釈可能性、AIアライメント、継続学習、テスト時の計算量スケーリング、およびニューロモーフィックアプローチ。
テーマごとの出版数の増加チャートを含むトピッククラスターの可視化
国境を越えた共著者によって測定された国際的なAI研究コラボレーションに関するデータ。コラボレーションのパターンと、米国と中国の研究のデカップリングの増加を示しています。
テキスト解説付きの国際的な共著フローのコード図
2025年におけるAI研究資金源の内訳：政府助成金、産業資金、慈善投資、および産業資金による学術研究のシェアの増加。
資金源のシェアを示す経時的な積み上げ棒グラフと、テキスト分析
大手テクノロジー企業、学術機関、および低所得国の研究者間のAIコンピューティングアクセスにおける格差の分析。コンピューティングの格差を強調しています。
アクセス不平等に関するテキスト分析を含む、コンピューティング割り当てを示す比較棒グラフ
2025年におけるAIのエネルギー消費量の増加に関するデータ：フロンティアモデルのトレーニング、大規模な推論、およびAIワークロードに起因するデータセンターの電力需要の増加の推定エネルギー使用量。
炭素換算の注釈とテキスト解説を含む、AIに起因するエネルギー需要の折れ線グラフ
2025年現在のAIにおける主要な未解決の研究問題の議論：長期的な推論、信頼できる計画、分布シフトに対するロバスト性、解釈可能性、および構成的な一般化。
問題ステートメントボックスと研究課題ごとの引用数を含む構造化されたテキスト
第1章の要約統計ページ。モデルのリリース、計算量の増加、出版量、およびオープンソースの指標など、最も重要な定量的調査結果をダッシュボード形式で提示します。
サポートするスパークラインと簡単なテキストラベルが付いた、大きな数値統計のダッシュボードグリッド
第1章の参照ノート。主要なデータソース、出版物および特許データの方法論ノート、およびR&D章で使用される主要な用語の定義を引用しています。
ソースの引用と番号付きの参照を含む2段組みの脚注/巻末注形式
第1章で参照されている参考文献と主要な論文の厳選されたリスト。セクションのトピックごとに整理され、簡単な注釈が付いています。
セクションヘッダーと注釈付きエントリを含む構造化された参考文献リスト
全面に暗い紺色/青色の背景を使用した章のオープニング。大きな白い第2章の数字、タイトル「技術的性能」、および2025年に測定されたAIの性能向上に関する簡単な概要。
全面に暗い紺色の背景、特大の章番号、白のタイトルと説明
技術的性能の章の紹介。ベンチマークのフレームワーク、ベンチマーク飽和に関する注意点、およびタスクカテゴリ全体の性能データの構成について説明します。
章のセクション概要図を含む1段組みの紹介テキスト
MMLU、MMLU-Pro、BIG-Bench Hard、HellaSwagにおける2025年の言語理解ベンチマーク性能の概要。ほとんどのタスクで、AIモデルが人間の性能以上であることを示しています。
y軸にベンチマーク名、x軸に上位モデルの性能スコアを示すマルチバー比較チャート
2020年から2025年までのMMLUおよびMMLU-Proベンチマークにおけるトップモデルの性能を追跡する折れ線グラフ。60%からほぼ人間レベル、そして人間を超えるレベルへの急速な進歩を示しています。
MMLUとMMLU-Proのトレンドを示す二重折れ線グラフ、モデルのマイルストーンの注釈、人間の性能リファレンス
2025年の競技数学ベンチマーク（AIME、AMC、MATH）におけるAIの性能を示す棒グラフ。主要な推論モデルが人間のトップレベルの競争力のあるスコアを達成しています。
モデル比較バー、人間の専門家のベースラインリファレンスを含むベンチマークごとのグループ化された棒グラフ
2020年から2025年までのMATHデータセットにおけるAIの性能を追跡する折れ線グラフ。2024年から2025年にかけて、推論モデルが数学的な問題解決を劇的に改善した変曲点を示しています。
主要なモデルの注釈、強調表示された変曲点、人間のスコアリファレンスラインを含む折れ線グラフ
2025年のHumanEval、HumanEval+、およびMBPPベンチマークにおけるAIコーディング性能の比較。元のHumanEvalでのほぼ飽和状態と、より難しいバリアントでの強力な性能を示しています。
人間の開発者のベースラインを含む3つのベンチマークにわたるトップコーディングモデルを比較する棒グラフ
2023年から2025年までのSWE-bench（実際のGitHubの問題解決）におけるAIエージェントの性能を示す折れ線グラフと棒グラフ。主要なエージェントは現在、50%以上の問題を解決しています。
左：経時的な最高の性能を示す折れ線グラフ。右：解決率の高いトップエージェントの棒グラフ
単一機能のHumanEvalスタイルのタスクを超えて、マルチファイル編集、テスト作成、大規模なコードベース全体のデバッグ、およびツールの使用を必要とするエージェントコーディングタスクにおけるAIの性能分析。
タスクカテゴリの行とモデルの性能列を含むベンチマーク比較テーブル
物理学、化学、生物学のサブドメインにわたるGPQA（Graduate-Level Google-Proof Q&A）におけるトップモデルの性能を示す棒グラフ。最先端のモデルは、博士号レベルの人間の性能を上回っています。
モデル比較と博士号レベルの人間のベースラインを含む科学ドメインごとのグループ化された棒グラフ
専門家である人間のベースラインと比較したAIモデルの性能を示す、科学的推論タスク（GPQA、SciQ、ARC-Challenge、OlympiadBench）全体のマルチベンチマーク比較。
マルチベンチマーク性能プロファイルを示すトップモデルごとのレーダーチャート
LeanDojo、FrontierMath、および論理的推論ベンチマークの性能を含む、2025年の形式論理、定理証明、および構造化された推論タスクにおけるAIの性能分析。
テキスト分析を含む推論タスクカテゴリごとの性能の棒グラフ
最大100万トークンまでのドキュメントの理解を必要とする長文コンテキストのタスクにおけるAIモデルのパフォーマンス分析。大幅な改善が見られるものの、非常に長いコンテキストでは依然として課題が残っています。
モデル比較線による、パフォーマンス対コンテキスト長の折れ線グラフ
2023年～2025年におけるAIモデルの事実の正確性とハルシネーション率の分析。根拠に基づいた生成の改善が見られるものの、オープン・ドメインの設定では依然としてハルシネーションの課題が残っています。
改善傾向線付きの、モデル間のハルシネーション率を比較する棒グラフ
2025年における指示遵守のベンチマーク（IFEval、MT-Bench）でのAIモデルのパフォーマンスに関するデータ。複雑な複数制約の指示の遵守において、大きな改善が見られます。
上位モデルのx軸に指示の複雑さの段階、y軸にコンプライアンス率を示す棒グラフ
2025年におけるvisual QA、画像キャプション、チャート理解などのタスクにおけるvision-languageモデルのベンチマーク結果。AIが人間のパフォーマンスに近づいているか、または超えていることを示しています。
上位のvision-languageモデルのマルチベンチマーク比較棒グラフ
2025年における時間的推論、行動認識、動画QAベンチマークでのAI動画理解モデルのパフォーマンス分析。
人間のパフォーマンスのベースラインとの複数のベンチマークで、上位の動画モデルを比較する棒グラフ
複数の言語およびアクセントグループにおける2015年～2025年のAI音声認識システムの単語誤り率の傾向。高リソース言語ではほぼ人間のパフォーマンスを示しています。
言語グループごとの経時的なWERのマルチラインチャート
2021年～2025年のAI画像生成の品質に対する人間の評価スコア。写真のリアリズム、コヒーレンス、プロンプトの遵守において劇的な改善が見られます。
注釈付きのモデルリリースとサンプル出力の説明による、経時的な品質スコアの折れ線グラフ
2025年における標準化されたエージェントベンチマーク（WebArena、OSWorld、AgentBench）でのAIエージェントのタスク完了率を示す棒グラフ。一般的な自律タスク実行に向けた進捗を強調しています。
エージェントシステムの比較バーとベースライン参照による、ベンチマークごとのグループ化された棒グラフ
ウェブブラウジング、コンピュータの使用、GUIインタラクションのタスクにおけるAIエージェントのパフォーマンスの分析。主要なエージェントシステムの成功率と失敗モードの分析を示しています。
失敗モードの内訳チャートによる、タスクタイプごとの成功率の棒グラフ
10以上の連続したステップを必要とする長期的な計画タスクにおけるAIエージェントのパフォーマンスに関するデータ。現在の制限と、短期タスクと長期タスクのパフォーマンスのギャップを示しています。
複数のエージェントシステムにおけるタスクステップの増加に伴うパフォーマンスの低下を示す折れ線グラフ
BLEUと人間の評価スコアを使用した、200以上の言語ペアにおけるAI翻訳の品質分析。高リソースペアではほぼプロフェッショナルな品質を示し、低リソース言語では大きなギャップがあります。
翻訳品質の世界言語ヒートマップと、上位/下位のパフォーマンスペアの棒グラフ
人間の評価の一貫性スコアと事実の正確性メトリクスを含む、2025年におけるAIテキスト要約と長文生成の品質のベンチマーク。
人間の評価結果による、モデル間の要約品質を比較する棒グラフ
AIモデルの分布シフト、敵対的入力、およびOut-of-Distributionのテストケースに対するロバスト性の分析。全体的な能力向上にもかかわらず、持続的な脆弱性を示しています。
モデルタイプ間のIn-distributionとOODの性能ギャップを比較するグループ化された棒グラフ
30以上の異なるタスクにわたるAIと人間のパフォーマンスを示す統合比較チャート。AIが人間のパフォーマンスを上回るタスクには視覚的なマーカーが付いています。
y軸にタスク名、AIと人間のスコアをペアのドットとして表示し、「AIが上回る」シェーディングを施した水平ドットプロット
2025年に飽和状態にならないように設計された、新たに導入された困難なベンチマーク（FrontierMath、MMMU-Pro、および Humanity's Last Exam）に関するパフォーマンスデータ。現在のフロンティアモデルの能力を示しています。
3つの困難なベンチマークにおけるトップモデルのスコアと、人間の専門家のベースラインを示す棒グラフ
2025年におけるテスト時の計算量スケーリングパラダイムの分析：chain-of-thought、検索、および自己検証による追加の推論計算が、困難なタスクのパフォーマンスをどのように向上させるか。
推論モデルのパフォーマンスと推論計算予算の関係を示す折れ線グラフ
AIモデルのキャリブレーション（モデルの信頼度スコアが実際の精度とどれだけ一致するか）の分析。トップモデルのキャリブレーションの改善を示していますが、依然として課題が残っています。
理想的なキャリブレーションの対角線リファレンスを持つ複数のモデルのキャリブレーションカーブプロット
標準的なNLPベンチマークにおける100以上の言語にわたるAIモデルのパフォーマンスを示すヒートマップ。高リソース言語グループと低リソース言語グループの間の大きなパフォーマンスギャップを強調しています。
パフォーマンスのカラーグラデーションと地域グループ分けを使用した、言語ごとのベンチマークヒートマップ
法律（司法試験）、医学（USMLE）、金融（CFA）、および会計などの特殊な専門分野におけるベンチマークパフォーマンスの概要。フロンティアAIモデルが専門家の合格スコア以上であることを示しています。
4つのドメインにわたる専門試験の合格スコアとAIモデルのスコアを示す棒グラフ
2025年における戦略ゲームとシミュレーション（チェス、囲碁、ポーカー、リアルタイムストラテジーゲームなど）におけるAIパフォーマンスの概要。ほとんどのゲームカテゴリで超人的なパフォーマンスを示しています。
ゲームタイプ全体でのAIとトップ人間のプレイヤーのレーティング比較チャート
操作、ナビゲーション、および器用な制御タスクにおけるEmbodied AIシステムのベンチマークパフォーマンスデータ。大幅な進歩を示していますが、人間のパフォーマンスとのギャップが残っています。
トップロボットAIシステムのタスクカテゴリ別の成功率を示す棒グラフ
2025年における推論コスト1ドルあたりのAIパフォーマンスの分析。高機能AIへのアクセスを民主化するコスト効率の大幅な改善を示しています。
トップモデルのクエリあたりのパフォーマンス vs コストの散布図と、時間ベースのトレンド矢印
15のベンチマークカテゴリにわたる2025年のトップ10フロンティアモデルの直接的な能力比較。現在のAI能力の状況に関する構造化された概要を提供します。
モデル名を列、ベンチマークカテゴリを行として、色分けされたパフォーマンティアを持つ大規模な比較テーブル
2018年から2025年までの5つの主要なタスクカテゴリ（言語、数学、コード、科学、マルチモーダル）にわたるパフォーマンスのトレンドを示すまとめの折れ線グラフ。AIの進歩の加速を示しています。
各パネルに1つのカテゴリのトレンドを時系列で示す5パネルのスモールマルチプル折れ線グラフ
AIベンチマーク設計の限界に関する方法論的考察。データ汚染の懸念、ベンチマークの過剰適合、および汎用的な知能の測定の課題などについて。
汚染図とベンチマーク品質基準のチェックリストを用いたテキスト分析
安全性とアライメントに関連するベンチマークにおけるAIモデルのパフォーマンスに関するデータ：TruthfulQA、BBQバイアス評価、およびJailbreak耐性テスト。進捗状況と残された課題を示す。
テキスト解説付きのトップモデル間の安全性ベンチマークスコアを比較する棒グラフ
第2章の参照注釈。データソースの引用、ベンチマーク方法論の参照、および章全体で使用されるパフォーマンス指標の定義を含む。
番号付きの引用とソース参照を含む2段組みのエンドノート形式
第2章のために厳選された参考文献リスト。ベンチマークカテゴリ別に整理され、AI技術パフォーマンスの継続的な調査のための主要な論文とリーダーボードリソースが記載されている。
カテゴリヘッダーと注釈付きのエントリを含む構造化された参考文献リスト
推論パフォーマンスに対するchain-of-thoughtプロンプトの影響に関する詳細な分析。明示的な段階的な推論が、数学、論理、および科学のベンチマーク全体でパフォーマンスを向上させることを示す。
CoTの有無によるパフォーマンスを比較する棒グラフと、メカニズムのテキスト分析
2025年におけるretrieval-augmented generation（RAG）システムのパフォーマンスの分析。LLMと外部知識検索の組み合わせが、事実の正確さを大幅に向上させることを示す。
知識ドメイン全体でRAGの有無による事実の正確さの棒グラフ
構造化データタスクにおけるAIモデルのベンチマークパフォーマンス：SQL生成、テーブルQA、および財務データ解釈。強力だが不完全なパフォーマンスを示す。
タスクタイプ別の内訳を含む構造化データタスクのパフォーマンスの棒グラフ
AIパフォーマンスベンチマークにおける再現性の課題の分析。プロンプトの言い回し、温度設定、および評価プロトコルのバリエーションに対する感度を含む。
プロンプトのバリエーションに対するパフォーマンスの感度を示す分散分析チャートとテキスト解説
2025年に観察された創発的なAI機能（モデルのスケールが増加するにつれて不連続に現れるスキル）に関する考察。例と、創発が現実であるか、評価のアーティファクトであるかについての議論を含む。
創発の例の表とスケール対機能の散布図を用いたテキスト分析
2025年におけるAIベンチマークエコシステムの概要：主要なリーダーボード、評価組織（HELM、BIG-bench）、およびモデルの改善に伴い、意味のある評価を維持するという課題。
主要なベンチマーク、組織、およびそれらの関係を示すエコシステム図
テキストと視覚情報の統合を必要とするマルチモーダル推論タスクのパフォーマンスデータ。科学図、チャート、および図を含む数学など。
推論タスクタイプ全体のトップマルチモーダルモデルのベンチマーク比較棒グラフ
ベンチマークパフォーマンスと実世界での展開パフォーマンスのギャップの分析。分布シフト、エッジケース、およびベンチマークと展開のパフォーマンスの相関関係に関する考察を含む。
アプリケーションのラボベンチマークスコアと実世界でのパフォーマンス推定値を比較する散布図
第2章のまとめダッシュボードでは、主要なパフォーマンスの調査結果を紹介します。XタスクにおいてAIが人間の能力と同等になり、Yタスクにおいては人間の専門家を上回り、主要な未解決の課題を示します。
大きな数値統計、タスクカテゴリの内訳、および主要な調査結果のコールアウトボックスを備えた概要ダッシュボード
2025年の競技プログラミングベンチマーク（CodeForces、IOIの問題）におけるAIのパフォーマンスを示し、最先端のモデルがCodeforcesで高い評価を得ているパフォーマンスレベルに達していることを示します。
AIシステムのレベルを人間のパーセンタイル相当にマッピングした評価比較チャート
2025年の国際数学オリンピック（IMO）スタイルの問題に対するAIのパフォーマンスの詳細な分析。最先端のモデルは、選択された問題セットで金メダル相当のパフォーマンスを達成しています。
モデルの比較とIMOメダルのしきい値の注釈が付いた、問題の難易度と解決率のチャート
科学文献レビュータスクにおけるAIシステムのパフォーマンス：論文の正確な要約、方法論のエラーの特定、および複数の論文にわたる調査結果の統合。
モデル比較を使用した文献レビューサブタスクの精度比較棒グラフ
詳細な多言語ベンチマークパフォーマンス（XTREME、XGLUE、mMMLU）は、英語と非英語のタスク間のパフォーマンスのギャップを示し、リソースの少ない言語の課題を分析します。
言語ファミリーグループによる言語とベンチマークごとのパフォーマンスのヒートマップ
2025年のAIの説得力に関する調査結果：AIが生成した説得力のあるテキストがA/Bテストで人間が書いたテキストよりも優れていることを示す調査。操作に関する懸念が高まっています。
説得調査結果の棒グラフと、影響とリスクに関する議論のテキスト分析
2025年のAIモデルのメモリ機能の分析：インコンテキストメモリの制限、外部メモリの拡張、およびより長い期間のタスクを可能にするステートフルエージェントシステム。
メモリに依存するタスクのパフォーマンスデータを使用したメモリアーキテクチャの比較図
2025年の外部ツール（API、計算機、検索エンジン、コードインタープリター）を使用するAIモデルのパフォーマンスデータ。信頼性の高いツールの使用が大幅に改善されています。
ツールタイプとモデルごとのツール使用タスクの成功率棒グラフ
科学タスク向けのドメイン固有のAIモデルの概要：タンパク質構造、材料科学、気候、ゲノミクス、および汎用モデルと比較したパフォーマンス。
パフォーマンス比較表：科学ドメイン全体のスペシャリストモデルとジェネラリストモデル
AIドキュメント理解タスクのベンチマークパフォーマンス：PDF解析、フォーム抽出、契約分析、および2025年の複雑なドキュメントQA。
タスクタイプの内訳とモデル比較を使用したドキュメントタスクパフォーマンスの棒グラフ
2025年の敵対的攻撃に対するAIモデルのロバスト性の分析。画像摂動攻撃、LLMのプロンプトインジェクション、および防御メカニズムの有効性が含まれます。
防御方法の比較とテキスト分析を使用した攻撃成功率の棒グラフ
第2章の主要なテーマの結論分析：AI機能の向上の加速、ベンチマークを有意義に保つことの課題、およびAIが拡大するタスクセットで人間のパフォーマンスを上回ることの意味。
人間のパリティステータスによるベンチマークカテゴリを示す概要チャートを含むテキストの結論
全面に濃いティール色の背景、大きな白い第3章の数字、タイトル「責任あるAI」、そしてAIの安全性、バイアス、危害、ガバナンスに焦点を当てた章の簡単な概要で構成される、見開き章のオープニング。
全面に濃いティール色の背景、特大の章番号、白のタイトルと説明
責任あるAIの章の紹介。2025年におけるAIの危害、安全性研究、バイアス評価、および実践的なガバナンスを測定するためのフレームワークについて説明します。
セクションの概要図と主要な定義ボックスを含む、シングルカラムの紹介
AIAAICデータベースによって追跡されたAI関連インシデントの数を2012年から2025年まで示す折れ線グラフ。2022年からの急激な加速により、期間中に1000％以上の成長を示しています。
年をx軸、インシデント数をy軸とする、全幅の折れ線グラフ。主要なインシデントのスパイクに注釈
2025年のAIインシデントを、危害カテゴリ（偽情報/ディープフェイク、プライバシー侵害、差別、自律システム障害、サイバーセキュリティ侵害）別に分類した積み上げ棒グラフ。
危害カテゴリの色分けとパーセンテージラベル付きの積み上げ横棒グラフ
2025年に報告されたAIインシデントの地理的分布を示す世界地図と棒グラフ。米国、EU、中国が追跡されたインシデントの大部分を占めています。
インシデント密度バブル付きの世界地図と、インシデント数上位15か国の棒グラフ
2025年のAI生成偽情報インシデントの分析：選挙を標的としたディープフェイクビデオ、合成音声詐欺、大規模に拡散されたAI生成ニュース記事。
主要な2025年のディープフェイクインシデントのタイムラインと、テキスト分析および検出機能チャート
2025年のディープフェイク検出技術のパフォーマンスとディープフェイク生成品質の比較。検出が一貫して生成に遅れをとっている、継続的な軍拡競争を示しています。
世代品質と検出精度の時系列デュアルラインチャートと、軍拡競争ギャップの注釈
2025年のAIシステムにおけるバイアス測定と軽減の研究の概要。採用アルゴリズム、クレジットスコアリング、医療トリアージ、および人口統計グループ全体の顔認識を網羅しています。
バイアスタイプと軽減アプローチのフレームワーク図とテキスト概要
2025年のAI採用ツールのバイアス監査からの実験結果。自動履歴書スクリーニングシステムにおける人種、性別、年齢によるスクリーニング率の差を示しています。
格差率の注釈付きの、人口統計グループ別のスクリーニング率の棒グラフ
2025年のヘルスケアAIアルゴリズムのバイアス分析。人種および社会経済グループ間の診断AIの精度の差と、パフォーマンスギャップの原因に焦点を当てています。
複数のAIツールにわたる人口統計グループ別の診断精度の棒グラフ
クレジットスコアリングと金融サービスにおけるAIバイアスのデータ。AI支援融資における人口統計グループ間のローン承認率とリスクスコア分布の差を示しています。
人口統計別の承認率とスコア分布の棒グラフとテキスト分析
2025年の人口統計グループ全体の顔認識システムのベンチマーク結果。進歩にもかかわらず、継続的な精度の格差を示しており、規制対応の分析も行っています。
規制対応の吹き出し付きの、人口統計グループ別のエラー率比較チャート
2015年から2025年までのAIの公平性とバイアス軽減に関する研究論文の量を追跡する折れ線グラフ。企業の公平性への取り組みの増加とともに、この分野が急速に成長していることを示しています。
論文量の折れ線グラフと、企業による公平性イニシアチブの発表件数の棒グラフ（年別）
2016年から2025年までのAI Safety研究論文とSafety研究専門機関の成長を示す折れ線グラフ。この分野の急速な制度化を示しています。
Safetyに関する論文数とSafety関連組織数の推移を示す二重折れ線グラフ
2025年に活動している主要なAI Safety研究組織の概要：Anthropic、DeepMind Safety、ARC Evals、Redwood Research、METR、Apollo Researchなど。
組織ごとの設立日、重点分野、主要な成果物を示す組織プロファイルカードをグリッド状に配置
2025年の主要なAIラボにおけるAIレッドチームの導入状況の分析。レッドチームが標準的な慣行となり、NISTや政府のフレームワークから新たな標準が生まれていることを示しています。
導入タイムラインチャートと、レッドチームの手法と調査結果のテキスト分析
2025年の主要なAIラボにおける開示されたレッドチームの調査結果の概要：一般的な脆弱性のカテゴリ、ジェイルブレイク技術の普及、およびさまざまな防御アプローチの有効性。
防御の有効性比較表と脆弱性カテゴリの棒グラフ
2025年のAI生成コンテンツのウォーターマーク技術と検出技術の概要：C2PAの出所標準、AIテキスト検出器、主要プラットフォームによる画像のウォーターマークの採用。
採用指標と有効性のテキスト分析を含むテクノロジーランドスケープ図
2025年のAIプライバシーのリスクと保護対策の分析：トレーニングデータの記憶、モデル反転攻撃、差分プライバシーの採用、および規制遵守の課題。
プライバシー保護技術の採用率チャートとリスク分類図
2025年のサイバーセキュリティにおけるAIの二重の役割の分析：AIを活用した脅威の検出と防御と、AI対応の攻撃の自動化。両方のインシデント率に関するデータ。
AI防御アプリケーションとAI攻撃アプリケーションのサイドバイサイドの棒グラフとテキスト分析
モデル展開前に危険な能力を評価するために、2025年に最先端のAIラボで使用される能力評価フレームワークの概要（CBRNの向上テストを含む）。
能力カテゴリの定義とラボの採用表を含む評価フレームワーク図
2025年の主要なAIリスク分類とフレームワークの比較：NIST AI RMF、EU AI Actのリスク階層、OECD AIリスクフレームワーク、および業界で開発されたリスク分類。
フレームワーク間でマッピングされたリスクカテゴリを含む4つのフレームワークのサイドバイサイド比較表
2025年の米国連邦機関および民間セクター組織におけるNIST AI RMFの採用率に関するデータ。成長しているものの、普及はまだら模様であることを示しています。
セクター別および組織規模別の採用率棒グラフとテキスト分析
2025年のモデルカードとAI透明性ドキュメントの採用状況の分析。主要ラボによる開示は増加しているものの、業界全体で標準と深さに一貫性がないことを示しています。
採用指標の棒グラフと、主要ラボ間のモデルカードの深さを比較する品質スコアカード
2025年における軍事および防衛分野でのAI応用事例の概要：自律型兵器の開発、ターゲティングAI、AIを活用した監視、および国際法の課題。
グローバルな展開マップとリスク要因の吹き出しボックスによるテキスト分析
2025年における刑事司法の現場でのAI利用に関するデータ：予測型警察活動、量刑アルゴリズム、保釈決定ツール、および記録されたバイアスの懸念と法的課題。
米国州別の導入マップとバイアス監査結果チャート、法的課題のタイムライン
2025年におけるAIを活用した監視技術のグローバル分析：公共空間での顔認識、行動監視、国レベルでの導入と規制。
規制制限のオーバーレイ付きの監視技術導入の世界地図
2025年におけるAIの環境影響に関する懸念の高まりの分析。データセンターの水の消費量、AIワークロードからの炭素排出量、主要なAI企業によるサステナビリティ・イニシアチブに焦点を当てる。
企業ごとの環境指標の棒グラフと、サステナビリティへの取り組みの比較表
2025年におけるAIに関連する労働問題の概要：データラベリング作業者の労働条件、コンテンツモデレーション作業者のメンタルヘルス、AI主導の雇用喪失に関する議論。
ラベラーの労働条件に関する調査データと雇用喪失予測チャートによるテキスト分析
2025年における主要プラットフォームでのコンテンツモデレーションにおけるAIの役割の分析。有害コンテンツカテゴリの検出精度と、疎外されたコミュニティに対する誤検出の課題を含む。
コンテンツタイプ別の精度指標の棒グラフと、コミュニティ別の誤検出率の内訳
2025年における主要なAI企業における企業のAI責任ある利用ポリシーの概要。利用ポリシー、禁止されているユースケース、および執行メカニズムを含む。
主要なAI企業全体のポリシー比較表と、ユースケースの禁止チェックリスト
業界におけるAIガバナンスの実践に関する調査データ：AI倫理委員会、責任あるAIチーム、影響評価、およびガバナンスレビュープロセスを持つ企業の割合。
企業規模およびセクター別のガバナンス実践導入率の棒グラフ
2025年におけるAIの国際的な安全調整の取り組みの概要：パリAI安全サミット、ブレッチリー・パークのフォローアップ、ソウルAI宣言、および多国間の安全研究イニシアチブ。
国際安全サミットと合意のタイムラインと、コミットメントのテキスト分析
2025年における重大なAIインシデントの3つの詳細なケーススタディ：主要なディープフェイク選挙の偽情報キャンペーン、医療AI診断エラーのクラスター、および自律走行車の事故シリーズ。
インシデントの説明、対応、およびケースごとの教訓を含む3パネルのケーススタディレイアウト
2025年における危険な能力評価ベンチマークでのAIモデルのパフォーマンスに関するデータ。展開前テストで使用されるCBRN向上評価およびバイオセキュリティリスク評価を含む。
リスク層のしきい値とラボの比較による能力評価結果の棒グラフ
2025年におけるAIアライメント研究のアプローチの概要：RLHF/RLAIF、憲法AI、議論と増幅、メカニズム的な解釈可能性、およびスケーラブルな監視技術。
アプローチごとの出版量チャートを含む研究アプローチの分類図
2025年におけるAIの解釈可能性と説明可能性の研究の成長分析。メカニズム的解釈可能性の手法、顕著性マップ、および規制産業におけるそれらの実用的な展開を網羅します。
出版物の成長を示す折れ線グラフと、規制産業における採用率を示す棒グラフ
2025年におけるAIメンタルヘルスアプリケーションと関連リスクに関するデータ：チャットボットベースのメンタルヘルスサポートの展開、有効性データ、および有害なAIメンタルヘルスの相互作用を含むインシデント。
有効性チャートとインシデントカテゴリの内訳を示す展開指標
2025年におけるAIシステムに関連する子供の安全性の懸念の概要：CSAM検出、年齢に応じたAI体験、教育における子供のAI利用、および規制による保護。
規制状況マップと安全対策の採用状況チャートを含むテキスト分析
2025年における主要なバイアス軽減手法の有効性に関する実験データ。バイアスメトリクス全体で、前処理、処理中、および後処理のアプローチを比較します。
テクニックごとのバイアスメトリクス削減の比較棒グラフと、精度コスト分析
2025年における責任あるAIの職務役割に関するデータ：AI倫理学者、AI安全エンジニア、責任あるAIプログラムマネージャーの求人、給与、およびこの分野における需給ギャップ。
求人トレンドチャートと給与比較、および需給ギャップに関する注意書き
2025年における新たなAI監査エコシステムの概要：第三者監査人、アルゴリズム監査基準、さまざまな管轄区域における義務的な監査要件、および業界の自己評価ツール。
AI監査組織のエコシステム図と、規制要件の比較表
2025年におけるオープンソースモデルのリリースに特有の、責任あるAIに関する懸念の分析。二重使用リスク、リリース後の安全性、およびコミュニティの安全対策が含まれます。
オープンソースAIのリスク分類、軽減アプローチの比較、およびテキスト分析
パリAI安全サミット（2025年2月）およびその後の国際的な安全性のコミットメントの成果の概要。GPAI行動規範のマイルストーンが含まれます。
サミットごとの成果概要カードと、コミットメント追跡ステータスインジケーター
第3章の概要ダッシュボード。主要な責任あるAIの指標（AIインシデントの増加、バイアス監査の結果、安全研究の成長、およびガバナンスの採用率）を示します。
大きな数値統計、トレンドスパークライン、および主要な調査結果の注意書きボックスを含むダッシュボードグリッド
2025年におけるAIシステムの毒性、有害、または不適切な出力を生成する傾向の分析。毒性ベンチマークの結果と、安全性のファインチューニングの有効性が含まれます。
モデル改善のトレンドとテキスト分析を含む、毒性率の比較バー
2025年におけるAIの著作権と知的財産の課題の概要：トレーニングデータの権利、AI生成コンテンツのIPステータス、主要な訴訟事例、および新たな規制フレームワーク。
ポリシーフレームワークの比較とテキスト分析を含む、訴訟事例のタイムライン
2025年における選挙を標的とした、文書化されたAIによる偽情報キャンペーンの分析。規模の推定、プラットフォームの対応、および検出の課題が含まれます。
規模の推定とプラットフォームの対応比較表を含む、キャンペーンのタイムライン
2025年におけるAI導入チェーンにおけるアカウンタビリティ・ギャップの分析：開発者、導入者、ユーザーに責任が分散し、責任を割り当てる取り組み。
管轄区域を越えた責任フレームワークの比較によるアカウンタビリティ・ギャップ図
2025年におけるAIシステムの人権への影響の概要。監視や自由な表現から、司法へのアクセス、自動化された意思決定における説明を受ける権利まで。
AIアプリケーションの行と人権の列を持つ権利影響マトリクステーブル。影響評価セル付き
第3章で参照されている技術的な安全性評価方法のプレビュー。レッドチームプロトコル、能力評価手順、バイアス測定基準など。
参照リストとテキスト説明付きの方法論概要図
2025年における責任あるAIの規制とガバナンス活動の世界地図の可視化。国ごとの規制密度と、EU、米国、アジアのアプローチの対比を示す。
規制強度カラーコーディングと地域コールアウトボックスを備えた世界コロプレスマップ
2025年に政府、企業、国際機関によって採用されたAI倫理原則の比較分析。重複と相違点をマッピング。
20以上の主要なフレームワークにわたる倫理原則テーマのベン図/重複図
インシデントデータ、バイアス調査、安全性研究、ガバナンスフレームワークの引用に関する主要なデータソースを含む、第3章の参照ノート。
2段組みの番号付きエンドノート形式
第3章のためにキュレーションされた参考文献。安全性研究、バイアスと公平性、ガバナンス、インシデント分析のセクションごとに整理され、簡単な注釈が付いています。
セクションヘッダーとエントリを含む構造化された読書リスト
深みのある紺色の背景、大きな白い第4章の数字、タイトル「経済」、およびAI投資、労働、導入の傾向をカバーする簡単な章の説明を含む、全面印刷の章のオープナー。
全面印刷の深みのある紺色の背景、特大の章番号、白いタイトルと説明
経済の章の紹介。2025年におけるAIの経済的なフットプリントを、民間投資、労働市場、企業の導入、生産性効果にわたって構成します。
章のハイライトコールアウトボックスとセクションの概要を含む、1段組みの紹介
2013年から2025年までのグローバルな民間AI投資を示す折れ線グラフ。2025年にはグローバルで4,700億ドルを超え、米国は2,859億ドルを占め、2022年の水準から3倍になっています。
グローバルおよび米国固有の投資ライン、年x軸、金額y軸、主要なマイルストーンの注釈付きの折れ線グラフ
2025年の民間AI投資で国をランク付けした棒グラフ。米国が大幅にリードし、次いで中国、英国、インド、カナダが続きます。
y軸に国名、x軸に投資額を表示した水平ランク付け棒グラフ
2025年における業界セクター別のAI民間投資の内訳：エンタープライズソフトウェア、ヘルスケア、自動運転車、金融サービス、サイバーセキュリティ、教育、小売。
セクターの投資シェアと金額を示す円グラフと付随する棒グラフ
2025年における生成AI投資の急増に関する分析。棒グラフは、総AI投資に占める生成AIの割合が2023年の15%から2025年には45%以上に増加していることを示しています。
生成AI投資シェアの棒グラフ（年別）、総投資額のオーバーレイ線付き
2025年におけるAI企業の資金調達の大型ラウンド（1億ドル以上）と、世界のAIユニコーンの数に関するデータ。AIネイティブ企業の10億ドル規模の評価額が加速していることを示しています。
企業別の大型ラウンド取引のバブルチャート、上位20社のAIユニコーンの表付き
2025年におけるAI関連のM&A活動の分析。記録的なM&A件数と、大手テクノロジー企業によるAI人材とテクノロジーの戦略的な統合を示しています。
M&A取引量の棒グラフ（年別）、取引タイプ別の内訳と主要な取引に関する注釈付き
AIの民間投資の地理的集中を示す世界地図とジニ係数分析。米国、中国、英国が世界のAI投資の80%以上を占めています。
投資集中度の世界コロプレスマップと集中度指標パネル
2025年におけるFortune 500社のAI導入に関する分析：90%以上が業績発表でAIに言及しており、McKinseyの調査データでは70%が少なくとも1つの事業機能でAIを使用しています。
導入トレンドの折れ線グラフとセクター別の内訳を示す棒グラフ、言及から導入へのファネル図
企業規模（大企業、中堅企業、中小企業、零細企業）別のAI導入率を比較する棒グラフ。AIツールへのアクセスにおいて、中小企業が直面する大きな導入ギャップと課題を示しています。
企業規模別のグループ化された棒グラフ、導入指標の内訳とテキスト分析付き
2025年におけるAI導入のセクター別内訳：金融サービスとテクノロジーが導入をリードし、次いでヘルスケア、小売、製造業が続き、教育と政府が遅れています。
AI導入率でセクターをランク付けした水平棒グラフ、テクノロジー、ユースケース、投資データ付き
2025年における業界全体のAIの生産性への影響を測定した実証研究の概要。コーディングの生産性、ナレッジワークの成果、および顧客サービス効率の向上が記録されています。
生産性向上に関する推定値と方法論のテキスト分析を含む、調査結果の概要表
ナレッジワークタスク（執筆、コーディング、調査、分析、および顧客サービス）におけるAIの生産性向上に関する分析。フィールド調査による推定では、20〜80%の効率向上が見込まれています。
タスクタイプ別の生産性向上を示す棒グラフ、調査ソースの引用とエラーバー付き
2019年から2025年までのAI関連の求人掲載数の増加を示す折れ線グラフ。2025年には前年比約30%の成長が見込まれ、AIスキルがAIスペシャリスト以外の求人にもますます多く見られるようになっています。
AIスペシャリストの求人とAIスキル必須の求人の推移を示す二重折れ線グラフ
2025年におけるAIスキルを持つ労働者の賃金プレミアムを示す棒グラフ。AIロールは、ソフトウェアエンジニアリング、データサイエンス、および研究において、同等の非AIロールよりも30〜40%高い賃金プレミアムを得ています。
ロールタイプ別の賃金プレミアムを示す棒グラフ、非AI相当職との比較付き
2025年における職業グループのAI自動化および拡張へのエクスポージャーに関する分析。高賃金の認知労働は拡張の影響を大きく受け、ルーチンタスク労働者は代替のリスクにさらされています。
職業賃金とAIエクスポージャーの散布図、職業クラスターラベル付き
AIをリードする経済におけるマクロレベルの雇用データを分析し、自動化への懸念にもかかわらず、AI集約型セクターで強い雇用を示し、セクターごとのパターンを詳細に示しています。
AI強度オーバーレイとテキスト分析によるセクター別の雇用トレンドチャート
AIの賃金分配効果の分析：高学歴、高スキルの労働者に集中した賃金上昇の証拠、低スキルの労働者の賃金成長は限定的。
分布曲線インセット付きの教育レベル別の賃金成長比較チャート
2025年におけるAI関連の雇用の喪失に関する現在の実証的証拠の要約。文書化された事例と予測される喪失シナリオを区別し、セクターレベルの喪失データを示します。
セクターの行、文書化された列と予測された列、およびテキスト解説を含む喪失証拠テーブル
2025年のAIスキルギャップの分析：事実上すべてのセクターにおけるAIスキルを持つ労働者の不足、AIの求人需要と資格のある供給のギャップ、および再トレーニングの課題。
役割と地域別の需給ギャップチャートと、ギャップの原因のテキスト分析
高AI能力国と低所得国との間、および経済内の高スキル労働者と低スキル労働者との間の経済的不平等を悪化させる可能性のあるAIの役割についての考察。
不平等予測チャートと地域能力ギャップの可視化によるテキスト分析
2025年のAIインフラ投資に関するデータ：データセンターの建設、GPU/チップの調達、電力網への投資、およびAI需要に牽引されるハイパースケーラーの設備投資。
カテゴリ別のインフラ投資棒グラフと前年比成長率の注釈
2025年のAIが金融市場に与える影響の分析：AI企業の株価パフォーマンス、AI駆動型取引アルゴリズムへの懸念、およびAIセクター株の投資家センチメントデータ。
時価総額のコールアウトとテキスト分析によるAIセクター株価指数のパフォーマンスチャート
2025年のカスタマーサービスにおけるAIの導入に関するデータ：チャットボットの採用、解決率の向上、コスト削減の指標、およびAIカスタマーサービスに対する顧客満足度。
満足度比較とコスト削減分析による導入指標チャート
2025年のマーケティングと広告におけるAIの導入の分析：コンテンツ作成のための生成AI、AI駆動型広告最適化、大規模なパーソナライゼーション、およびROIの証拠。
ROIエビデンス表とコンテンツ作成コスト削減データによる導入率チャート
2025年の法務サービスにおけるAIの導入の概要：契約レビューの自動化、法務調査AI、eディスカバリーツール、および法的労働時間と請求可能料金への影響。
導入率とテキスト分析による法的タスクタイプ別の時間節約棒グラフ
2025年の製造業とサプライチェーンにおけるAIアプリケーションに関するデータ：予測メンテナンス、品質管理ビジョンシステム、ロジスティクスの最適化、および生産性の向上。
アプリケーションタイプ別のROIと効率向上チャートと導入率の内訳
2025年の金融サービスにおけるAIの導入の分析：不正検出、信用引受、アルゴリズム取引、コンプライアンス、および金融AIの規制状況。
不正削減指標と規制コールアウトボックスによるユースケース導入チャート
2025年の中小企業におけるAI導入に関する調査データ。マーケティング、顧客サービス、および業務におけるAIツールの導入が増加している一方、アクセス障壁も存在することを示す。
障壁分析チャートと中小企業セクターの内訳による導入率のトレンド
2025年のAIスタートアップのエコシステムに関するデータ：新規会社設立率、セクターの重点分野、資金調達ラウンド、AIネイティブスタートアップとAI対応スタートアップの成功指標。
資金調達段階のファンネルとセクターの重点分野の円グラフを含むスタートアップエコシステムの図
2025年における各国のAI経済開発戦略の比較：米国のAI投資、EUのAI産業政策、中国のAI経済計画、インドのAIミッションなど。
国ごとの投資額と優先分野を示す比較戦略表
2025年における国際貿易におけるAIの役割の分析：税関とロジスティクスにおけるAI、AI輸出規制、チップ貿易制限、および比較優位に対するAIの影響。
貿易フローへの影響チャートとテキスト分析による輸出規制のタイムライン
McKinsey、Goldman Sachs、およびIMFによる、2030年までのAIの経済的影響に関する主要な経済予測の概要。GDPへの影響は大きく不確実であるというコンセンサスを示す。
シナリオ範囲と方法論の注記を含む予測比較チャート
2025年におけるAI対応の新しいビジネスモデルの分析：AI-as-a-service、垂直型AIソリューション、自律エージェントサービス、および基盤モデルAPI上に構築されたプラットフォームビジネス。
企業例と収益モデルの説明を含むビジネスモデルの分類図
2025年のエネルギーセクターにおけるAIアプリケーションに関するデータ：グリッド最適化、再生可能エネルギー管理、需要予測、および石油・ガス探査におけるAIの利用。
効率向上メトリクスとセクター展開マップを備えたアプリケーションの棒グラフ
2025年における農業におけるAI導入の概要：精密農業、作物病害検出、収量予測、および農業ロボットの展開と生産性データ。
生産性向上データと地理的分布マップを備えた導入トレンドチャート
2025年における不動産におけるAIアプリケーションの分析：不動産評価アルゴリズム、市場予測ツール、建設AI、およびスマートビルディング管理システム。
評価精度メトリクスとテキスト分析を備えたアプリケーション導入チャート
2025年におけるAIコンピューティング市場の経済学の分析：GPUレンタル価格、クラウドAIサービス価格のトレンド、ハイパースケーラーのAI収益、およびトレーニングと推論の経済性。
市場規模の推定とハイパースケーラーのAI収益比較を備えたコンピューティングの価格トレンドチャート
2025年におけるAIロールの給与と報酬データ。MLエンジニア、AI研究者、データサイエンティスト、およびさまざまな企業タイプと地域にわたるAIプロダクトマネージャーを含む。
役割と地域別の給与比較チャートと総報酬の内訳
2025年におけるAIの知的財産（IP）経済の分析：AI生成IPの評価、トレーニングデータライセンス市場、AI技術の特許ロイヤリティ、および法的不確実性が投資に与える影響。
法的不確実性のタイムラインとテキスト分析を備えたIP市場規模の推定チャート
米国のAIコリドー都市、EUのAIハブ、中国のAI技術パーク、インドのAIエコシステム、東南アジアの新興AIエコノミーを網羅した、地域別AIエコノミースポットライト。
都市/ハブの吹き出しカードと地域ごとの主要指標を伴う地域マップ
主要な経済指標を掲載した第4章のまとめダッシュボード：2,859億ドルの米国AI投資、90%以上のFortune 500企業におけるAI言及率、30～40%のAI賃金プレミアム、および文書化された生産性向上。
大きな数値統計と章のテーマカラーのグラフィックを備えたまとめダッシュボード
投資データソース、労働市場調査の引用、および生産性調査方法に関する注釈を記載した第4章の参照注記。
2段組の番号付き注釈形式
AI投資、労働経済学、生産性調査、および経済的影響予測を網羅した、簡単な注釈付きの第4章の厳選された参考文献。
セクションヘッダー付きの構造化された参考文献リスト
ダークティール/フォレストの背景、大きな白い第5章の数字、「科学とAI」というタイトル、および2025年における科学研究におけるAIの変革的な役割の簡単な概要を掲載した、全面刷りの章のオープナー。
全面刷りのダークティール/フォレストの背景、特大の章番号、白いタイトルと説明
2025年における科学的発見のための新しいツールとしてのAIを位置づけ、AI支援研究の成長とAIノーベル賞のマイルストーンに関する概要統計を掲載した第5章の紹介。
主要な統計吹き出しボックスとセクションの概要を伴う1段組の紹介
主要な分野における2015〜2025年のAI支援科学出版物の成長を示す折れ線グラフ。AI支援生物学およびライフサイエンス研究における71%の成長が強調表示されています。
年をx軸、出版物数をy軸とする科学ドメイン別のマルチラインチャート
AlphaFold 3の分析と、2025年におけるその後のタンパク質構造予測の進歩。ベンチマーク精度データとAI支援タンパク質研究の成長を掲載。
構造予測の例の表とテキスト分析を伴う精度ベンチマークチャート
2025年におけるタンパク質を超えた複雑な生体分子構造のAI予測の概要：タンパク質-DNA、タンパク質-リガンド、RNA構造、および基盤モデルを使用した抗体設計。
テキスト分析と主要なブレークスルーの吹き出しボックスを伴う機能比較チャート
2025年におけるAIが発見した医薬品候補の分析：臨床試験への参加数、対象となる疾患領域、コスト削減の見積もり（30〜50%の節約）、および主要なAI創薬企業。
疾患領域の内訳とコスト削減棒グラフを伴う医薬品パイプラインのファンネル図
2025年に臨床試験中のAIが発見した医薬品に関するデータ。フェーズI/II/IIIのステータス、治療領域、および規制当局の承認に近づいている最初のAIが発見した医薬品が含まれます。
パイプラインチャートとマイルストーンタイムラインを伴う臨床試験ステータステーブル
2025年における材料科学におけるAIアプリケーションの概要：AI設計のバッテリー材料、半導体、触媒、および構造材料。生産に入る例を掲載。
発見のタイムラインとテキスト分析を伴う材料アプリケーション棒グラフ
2025年のゲノミクスにおけるAIアプリケーションの分析：バリアント効果予測、遺伝子制御モデリング、シングルセル解析、およびAI誘導CRISPRターゲティング。
ゲノミクスAIタイムラインとテキスト分析によるアプリケーション能力マトリックス
2025年の気候と地球科学におけるAIアプリケーションの概要：10,000倍の高速化を示すAI気候モデル、グローバルモデルのダウン スケーリング、極端なイベント予測、および炭素循環モニタリング。
アプリケーションドメインの内訳とテキスト分析による高速化比較チャート
2025年における従来のNWPモデルに対するAI気象予測モデル（GraphCast、Pangu-Weather、FourCastNet）のパフォーマンス比較。ほとんどの指標でAIが従来のモデルを上回ることを示しています。
従来のモデルのベースラインを使用した、複数の予測指標のパフォーマンス比較棒グラフ
2025年におけるAI地震予測の改善分析：早期警戒時間の延長、マグニチュード推定精度、および地震データに対する深層学習を使用した余震予測。
地理的な展開マップとテキスト分析によるパフォーマンス改善チャート
2025年における物理学研究におけるAIアプリケーションの概要：CERNでの素粒子物理学データ分析、量子システムシミュレーション、核融合のためのプラズマ物理学、およびAI誘導実験設計。
主要な発見の吹き出しとテキスト分析によるアプリケーションドメインのタイムライン
2025年における天文学におけるAIアプリケーションの分析：大規模な銀河分類、重力波信号検出、望遠鏡データからの系外惑星の発見、および宇宙論的シミュレーションの加速。
アプリケーションドメインの内訳とテキスト分析による発見数チャート
2025年における化学研究におけるAIの概要：反応予測、合成計画、触媒設計、およびAI支援化学安全性スクリーニング、出版物の成長データ付き。
アプリケーションの内訳と主要なツール吹き出しによる出版物の成長チャート
科学へのAIの貢献に対する歴史的な2024年ノーベル賞の認識（Geoffrey Hinton — 物理学; Demis HassabisとJohn Jumper — 化学）に関する議論。AIの公式な科学的確立の認識を示す。
受賞者のプロフィールと重要性分析によるノーベル賞発表のタイムライン
2025年における科学文献を処理するAIツールに関するデータ：数百万の論文に対するセマンティック検索、自動仮説生成、主張抽出、および引用グラフ分析。
採用率チャートとテキスト分析によるツール機能比較表
2025年における自律的な科学実験を実施するAIシステムの概要：AIによって誘導されるロボットラボシステム、自己指示型仮説生成、実験設計、および結果の解釈。
機能マイルストーンのタイムラインとテキスト分析による自律科学パイプライン図
2025年における神経科学におけるAIアプリケーションの分析：大規模な脳マッピング、神経信号のデコード、ブレイン-コンピュータインターフェースの改善、および神経計算のAIモデル。
脳マッピングスケールデータとテキスト分析によるアプリケーション能力チャート
2025年における生物医学イメージング研究（臨床使用とは異なる）におけるAIのパフォーマンスデータ：シングルセルイメージング分析、クライオEM処理、および超解像顕微鏡AI。
テキスト分析によるイメージングモダリティ別のパフォーマンスベンチマークチャート
2025年における社会科学研究におけるAIの応用事例の概要：大規模な調査分析、歴史的テキストの自然言語処理、AI支援による行動実験。
出版成長チャートとテキスト分析によるアプリケーションタイプ概要
2025年における科学的AIをサポートするAI研究インフラの分析：国のAI研究クラウド、科学のためのオープンアクセスコンピューティングリソース、およびNSF、DOE、および国際的な同等機関の役割。
リソース比較表と資金分析によるインフラストラクチャマップ
2025年における数学研究のためのAIツールの分析：自動定理証明、AI支援による証明検証、推測生成、およびAI支援による数学出版物の成長。
定理証明ベンチマークデータとテキスト分析による能力進捗チャート
2025年における科学的再現性を向上させるためのAIツールの考察：自動プロトコルドキュメント、コードとデータ共有ツール、およびAI支援による結果検証。
採用指標チャートとテキスト分析による再現性向上図
2025年における科学的ピアレビューにおけるAIツールの分析：自動レビュー支援、論文スクリーニング、倫理的違反の検出、およびAIレビューアの信頼性に関する議論。
信頼性データと倫理的議論コールアウトボックスによる採用率チャート
2025年におけるAI対応科学の地政学的側面分析：研究協力パターン、国家間のAI科学能力ギャップ、およびオープンアクセスAI科学ツール。
能力ギャップマップとテキスト分析によるコラボレーションネットワーク図
2025年における科学固有の基盤モデルの概要：生物学（ESM3、Geneformer）、化学（ChemBERTa）、材料（MatBERT）、地球科学（ClimaX）、およびクロスドメイン科学LLM。
能力比較とドメインカバレッジ図によるモデル分類表
2025年における臨床試験の設計と実施に対するAIの影響に関するデータ：患者リクルートの最適化、プロトコル設計支援、有害事象の検出、および試験タイムラインの短縮。
アプリケーションの内訳とテキスト分析によるタイムライン短縮チャート
2025年における疫学および公衆衛生研究におけるAIの応用事例の概要：疾病サーベイランス、アウトブレイク予測、ゲノム疫学、およびAI支援によるワクチン接種戦略モデリング。
サーベイランス展開マップとテキスト分析によるアプリケーション能力チャート
2025年におけるエネルギー科学研究へのAIの貢献分析：AIによる核融合プラズマ制御、バッテリー発見、炭素回収材料設計、および太陽電池最適化。
パフォーマンス改善データとテキスト分析によるアプリケーションタイムライン
AI科学ツールの学際的影響の分析。AIが生物学、化学、物理学、および工学間のインターフェースでどのようにブレークスルーを可能にしているかを示す。
科学ドメイン間のAIツールフローを示す学際的影響図
AI対応科学におけるリスクと課題の考察：科学的文脈におけるAIのハルシネーション、AIモデルへの過度の依存、ブラックボックス科学的推論、および研究者のスキル低下。
ケーススタディの例と軽減策の議論によるリスク分類
第5章のまとめダッシュボード：AI支援による科学出版の成長、画期的なマイルストーン、AIが科学に最も大きな影響を与えている分野に関する主要な統計。
大規模な統計と章のティールをテーマにしたグラフィックを備えた概要ダッシュボード
科学出版データ、AlphaFoldの引用、およびドメイン固有の研究参考文献の主要なデータソースを含む第5章の参考文献。
2段組の番号付きエンドノート形式
生物学、化学、地球科学、およびクロスドメインのAI科学エージェントにおけるAIに関する主要な論文とレビュー記事を含む、科学ドメイン別に編成された第5章の厳選された参考文献。
ドメインセクションヘッダーと注釈付きエントリを含む構造化された参考文献リスト
濃い青色の背景、大きな白い第6章の数字、タイトル「医学とAI」、および臨床ケアと生物医学研究におけるAIの役割の拡大に関する簡単な説明を含む、全面印刷の章のオープナー。
全面印刷の濃い青色の背景、特大の章番号、白いタイトルと説明
2025年の変革力としての医学におけるAIを紹介する第6章の紹介。主な統計：258件のFDA承認済みAIデバイス、MAI-DxOの85.5％の診断精度、AI scribeを使用している30万以上の臨床医。
見出しの統計の吹き出しボックスとセクションの概要を含む、単一列の紹介
放射線科、病理学、皮膚科、眼科における2025年のAI診断システムと専門医のベンチマーク比較。AIが専門医の精度を達成または上回っていることを示しています。
専門家のベースラインとAIパフォーマンスバーを備えた、マルチドメインの精度比較棒グラフ
標準化された臨床症例で85.5％の診断精度を達成し、平均的な専門医のパフォーマンスを上回り、AI診断の可能性を検証するMAI-DxOの詳細な分析。
症例タイプの内訳と統計的有意性分析を含む精度比較チャート
2016年から2025年までのFDA承認済みAI対応医療機器の承認を年ごとに示す棒グラフ。2025年には258件の承認に達し、累積承認数は950件を超えています。
年をx軸、年間承認数をy軸とする棒グラフ、累積線オーバーレイ
2025年の専門分野別のFDA承認済みAI医療機器の内訳：放射線科が約75％を占め、次いで心臓病学、病理学、その他の専門分野が続きます。
医療専門分野別のデバイス分布の円グラフと棒グラフ
2025年の放射線科におけるAIの詳細な分析：CT分析、胸部X線検査の解釈、マンモグラフィスクリーニング、MRI分析。臨床展開データと診断精度のベンチマーク。
展開統計とテキスト分析を備えた画像モダリティ別のパフォーマンスベンチマークチャート
2025年のAI計算病理学の概要：デジタル病理スライド分析、癌グレーディング支援、バイオマーカー検出、およびAI病理学ツールの臨床展開の拡大。
展開データとテキスト分析を備えた機能比較チャート
2025年の眼科におけるAIアプリケーションの分析：糖尿病性網膜症スクリーニング、緑内障検出、加齢黄斑変性症の診断、および網膜画像分析。
状態別の診断精度棒グラフ、地理的展開マップ、およびテキスト分析
2025年におけるアンビエントAI臨床ドキュメンテーション・ scribeの分析。30万人以上の臨床医がドキュメンテーションの負担を軽減するために使用し、時間節約と燃え尽き症候群の軽減に関するデータを示す。
時間節約の指標と燃え尽き症候群軽減に関する調査データを用いた導入トレンドライン
2025年におけるAIドキュメンテーション・ scribe導入による臨床アウトカムデータ：医師の時間の節約（1シフトあたり1～2時間）、患者との対話時間の増加、ドキュメンテーションの正確性の向上。
時間配分とドキュメンテーションの正確性に関するテキスト分析を用いた導入前後の比較チャート
2025年におけるAI創薬の進捗状況の概要。AIが発見した候補薬の数、主要企業（Insilico Medicine、Recursion、Exscientia）、コスト削減データなど。
パイプライン数とコスト比較チャートを用いた企業ランドスケープ図
2025年におけるバーチャル細胞モデリングの概要：薬剤や介入に対する個々の細胞応答をシミュレートするAIモデル。個別化医療の研究を可能にし、動物実験の要件を削減する。
アプリケーション領域とテキスト分析を用いたバーチャル細胞モデルの能力図
2025年におけるメンタルヘルスにおけるAIアプリケーションに関するデータ：チャットボットセラピー・ツールの導入、臨床研究からの有効性データ、危機検出機能、倫理的な懸念。
導入統計と倫理的な懸念に関する強調表示ボックスを用いた有効性研究の比較チャート
2025年における精密ゲノミクス医療におけるAIアプリケーションの分析：ポリジェニック・リスクスコア予測、ファーマコゲノミクス、ゲノムデータからの希少疾患診断、AI誘導遺伝子治療設計。
臨床アプリケーションの例とテキスト分析を用いた能力比較表
2025年におけるAI臨床意思決定支援システム（CDSS）の導入の概要：敗血症予測、状態悪化アラート、薬剤相互作用チェック、および臨床アウトカムへの影響。
導入データとテキスト分析を用いたCDSSタイプ別の結果改善棒グラフ
2025年におけるAI支援手術に関するデータ：ロボット手術AIガイダンス、リアルタイムのスキル評価、手術画像分析、AI支援手術の手術結果データ。
テキスト分析を用いたAI支援手術と従来の手術の結果比較チャート
2025年における救急医療におけるAIの分析：トリアージ支援、胸痛リスク層別化、CTでの脳卒中検出、およびED患者フローの最適化。
導入データとテキスト分析を用いたアプリケーションタイプ別のパフォーマンス指標チャート
2025年におけるAIの健康格差への影響の分析：診断へのアクセスを不十分な地域に拡大する可能性、バイアスのかかったデータでトレーニングされた場合、既存の格差を永続または増幅するリスク。
地理的アクセス拡大マップとバイアスリスクチャートを用いた公平性への影響に関する二段組み分析
2025年におけるグローバルヘルスおよび低リソース環境におけるAIアプリケーションの概要：低中所得国（LMICs）におけるモバイルAI診断、顧みられない熱帯病のためのAI、および遠隔医療AIの導入。
アプリケーションタイプの内訳と費用対効果データを用いた地理的導入マップ
主要な法域における2025年のAI医療機器規制の分析：FDAの事前決定された変更管理経路、AIに関するEU MDR、中国NMPA AIデバイス承認、および国際的な調和努力。
承認タイムラインとテキスト分析を用いた規制フレームワーク比較表
2025年におけるEHRシステムへのAI統合の分析：EHRに組み込まれた予測分析、非構造化ノートに対するNLP、AI駆動型のケアギャップ特定、および相互運用性の課題。
採用率とテキスト分析を含むEHR AI統合機能チャート
2025年におけるAI搭載ウェアラブルヘルスデバイスに関するデータ：持続血糖モニタリング、心臓リズム検出、呼吸モニタリング、および集団レベルの健康モニタリングプログラム。
臨床検証データと導入統計を含むデバイス機能比較チャート
2025年におけるAI患者コミュニケーションツールの概要：患者教育のためのAIチャットボット、服薬アドヒアランスサポート、予約スケジューリング、および退院後のフォローアップ。
有効性データと患者満足度調査結果を含むツールタイプ比較チャート
2025年におけるAIに対する臨床医の態度に関する調査データ：専門分野別の信頼レベル、責任に関する懸念、新しいAIツールの採用にかかる時間、およびAIが臨床医の役割を置き換えるか、または補完するかについての見解。
専門分野別および懸念カテゴリ別の調査結果棒グラフとテキスト分析
2025年における医療教育におけるAIの概要：AI臨床症例シミュレーター、AI支援による国家試験対策、仮想患者とのインタラクション、およびAIガイドによる外科手術スキル訓練。
学習成果データとツールタイプ内訳を含む採用率チャート
2025年における病院運営におけるAIアプリケーションに関するデータ：患者フローの最適化、ベッド管理、人員配置予測、サプライチェーン管理、および収益サイクルAI。
運用ドメイン別の効率向上棒グラフと導入統計
2025年における予防医学におけるAIの概要：集団の健康リスク層別化、がん検診の最適化、ライフスタイル介入のパーソナライズ、および公衆衛生AIツール。
スクリーニング最適化データとテキスト分析を含むリスク層別化パフォーマンスチャート
2025年におけるAIが臨床試験をどのように変革しているかの分析：合成コントロールアーム、患者マッチング、エンドポイント予測、およびリアルワールドエビデンスの生成、コストとタイムラインへの影響データ付き。
試験設計方法論図とテキスト分析を含むコストおよびタイムライン削減チャート
2025年におけるAIが希少疾患の診断に与える影響に関するデータ：診断時間の短縮、全ゲノムシーケンス解析AI、表現型と遺伝子型のマッチング、および診断オデッセイの短縮。
症例研究の例とテキスト分析を含む診断時間比較チャート
2025年における薬局および投薬管理におけるAIの概要：自動調剤AI、薬物相互作用チェック、パーソナライズされた投薬量最適化、および服薬アドヒアランスツール。
アウトカムデータとテキスト分析を含むアプリケーション機能チャート
2025年におけるAIがヘルスケアコストに与える影響の分析：放射線科、ドキュメンテーション、および運営における文書化されたコスト削減と、実装および統合コストとの比較。
アプリケーションタイプ別のROI推定値を含むコスト影響分析チャート
2025年におけるAI皮膚科システムのパフォーマンスデータ：皮膚科医に対するメラノーマ検出精度、ニキビおよび皮膚状態の分類、およびAI支援による遠隔皮膚科の導入。
導入統計とテキスト分析を含む状態タイプ別の精度比較チャート
2025年における心臓病学のAIの分析：心電図（ECG）解釈AI、心エコー検査分析、心臓MRIセグメンテーション、およびAIガイドによる心不全管理。
臨床展開データを用いた心臓病学タスクごとのパフォーマンスベンチマークチャート
2025年における腫瘍学のAIの包括的な概要：腫瘍検出、治療反応予測、放射線計画最適化、ゲノムバイオマーカーの特定、およびプレシジョンがん医療。
臨床エビデンスの要約とテキスト分析を伴うマルチアプリケーション能力マトリックス
2025年における感染症のAIアプリケーションに関するデータ：病原体ゲノムサーベイランス、アウトブレイク検出アルゴリズム、抗菌剤耐性予測、およびパンデミック対策AIツール。
展開マップとテキスト分析を伴うサーベイランス能力チャート
2025年におけるAIをサポートする医療データインフラの分析：連合学習の展開、トレーニング用の合成データ、データ共有フレームワーク、および国の医療データプログラムの役割。
連合学習展開マップとテキスト分析を伴うインフラストラクチャランドスケープ図
2025年におけるAI医療における主要な倫理的課題の考察：診断におけるアルゴリズムの説明責任、AIツールに対する患者の同意、AIが誤った場合の責任、および透明性の要件。
規制対応の比較とテキスト分析を伴う倫理的課題の分類
主要な統計を含む第6章のまとめダッシュボード：258件のFDA承認、30万以上の臨床医がAI scribeを使用、85.5％のMAI-DxO精度、フェーズII/III試験中のAI創薬候補。
大きな数値統計と章の青をテーマにしたグラフィックを含むまとめダッシュボード
FDAデータソース、臨床研究の引用、および医療専門分野とAIアプリケーション別に編成された厳選された参考文献リストを含む、第6章の参考文献と参考文献。
2列のエンドノート形式に続き、構造化された参考文献リスト
全面に広がるフォレストグリーンの背景、大きな白い第7章の数字、タイトル「教育」、および学習、教育、および学術機関に対するAIの影響力の増大の簡単な概要を含む、全面に広がる章のオープナー。
全面に広がるフォレストグリーンの背景、特大の章番号、白いタイトルと説明
2025年の重要な問題として教育におけるAIを紹介する第7章の紹介。主な調査結果：80％の学生が生成AIを使用、CSの入学者の11％減少、AI修士プログラムの82％の成長。
見出しの統計の吹き出しボックスとセクションの概要を含む、1列の紹介
2015年から2025年までの米国トップ大学におけるCSの入学者の傾向を示す折れ線グラフ。2024年から2025年には11％の減少が含まれており、従来のCS学位の市場飽和信号として解釈されます。
年をx軸、入学者の数をy軸とする、複数機関の入学者の折れ線グラフ、11％の減少の注釈
2018年から2025年までのAI/ML固有の大学院プログラムの成長を示す棒グラフ。AI修士プログラムの82％の成長と、主要大学における新しいAI学部集中が含まれています。
機関タイプの内訳と地理的分布を示す、年ごとのプログラム数の棒グラフ
2025年に大学生の80％がコースワークに生成AIを使用していると報告している調査データ。使用タイプ別：執筆支援、調査、コーディング、学習、および問題解決。
頻度分布と人口統計の内訳を示す、使用タイプの棒グラフ
2025年における学生のAI利用に関連するアカデミック・インテグリティに関するデータ：AI生成による提出物の検出、教育機関の方針の進化、AI利用の倫理に関する学生の意見。
インテグリティ・インシデントのデータと学生の意見調査を伴うポリシー採用チャート
2025年におけるAIに対する教員の意識に関する調査データ：60%が制限付きでAIの利用を許可、分野によって異なるポリシー、評価の妥当性に関する教員の懸念。
ポリシーカテゴリの内訳とテキスト分析を伴う、分野別の教員調査の棒グラフ
2025年におけるAIチューターシステムの有効性に関する実験的エビデンス：Khan Academy Khanmigo、Duolingo Max、および同様のAIチューターが、対照試験で文書化された学習効果を示しています。
学習効果の比較チャート（ツール別、調査方法の注記とテキスト分析付き）
2025年におけるAIチュータリングツールの導入に関するデータ：AIチュータリングプラットフォームを利用している学生数、地理的範囲、対象分野の範囲、および利用頻度のパターン。
地理的マップと対象分野の内訳を伴う採用チャート
2025年における世界中のK-12 AIカリキュラムの採用の分析。30か国以上が国のAI/CSカリキュラム標準を実装しており、教師向けのAIトレーニングの利用可能性に関するデータがあります。
国数の棒グラフとテキスト分析を伴う、K-12 AIカリキュラム採用の世界地図
2025年におけるK-12 AIカリキュラム標準のコンテンツ分析：どのAIトピック（機械学習の概念、倫理、データリテラシー、プロンプトエンジニアリング）がどの学年で教えられているか。
国別の比較とテキスト分析を伴う、学年別のカリキュラムトピックマトリックス
2025年におけるオンラインAI学習プラットフォームの成長に関するデータ：CourseraとedXのAIコースが50%以上増加、主要なテクノロジー企業からの新しいAI認定プログラム、および完了率の分析。
プラットフォームの比較と認定タイプの内訳を伴う成長トレンドチャート
トップ大学が2025年にAI研究の成果を教育にどのように統合しているかの分析。新しいAI倫理カリキュラム、学際的なAIプログラム、およびAI研究センターの成長が含まれます。
研究と教育の統合モデル図を伴う、大学のAIプログラム比較チャート
2025年におけるAIリテラシー教育イニシアチブの概要：一般向けのAIリテラシープログラム、政府資金によるAIスキルアップ、職場のAIトレーニング、および成長するAIリテラシー認定市場。
リーチメトリクスとテキスト分析を伴うプログラムタイプの概要
2025年における高等教育管理におけるAI利用に関するデータ：学生の入学、入学管理、財政援助の最適化、および学生の成功予測システムにおけるAI。
バイアス監査の結果とテキスト分析を伴うアプリケーション採用チャート
2025年における学術的な文脈でのAIライティング支援の利用の分析。ライティングの質、ライティングスキルの学習成果、および進化する学術的な規範への影響が含まれます。
ライティングの質の評価とテキスト分析を伴う調査結果の比較チャート
2025年における障害のある学生に役立つ教育におけるAIアクセシビリティツールの概要：リアルタイムキャプション、AIリーディング支援、パーソナライズされた学習の適応、および音声テキスト変換ツール。
アクセシビリティツールの機能チャート（採用データと学生の成果のエビデンス付き）
2025年における教師および教育者向け AI トレーニングプログラムに関するデータ：専門能力開発への参加率、トレーニングコンテンツの質、AIツール使用に対する教育者の自信。
信頼度調査とコンテンツカバレッジ比較を伴うトレーニング導入チャート
2025年における AI が教育の公平性に与える潜在的な影響の分析：個別化された学習による学力格差の縮小、デバイスと接続へのアクセス格差による新たな分断の発生。
アクセスギャップマップと学習成果データによる公平性影響の二重分析
2025年における STEM 教育を具体的に支援する AI ツールに関するデータ：AI 数学チューター、コーディング教育プラットフォーム、科学シミュレーションツール、およびラボ安全 AI アプリケーション。
学習成果の証拠と導入データによるツールタイプ比較チャート
2025年における AI 搭載の言語学習アプリケーションの分析：Duolingo、Rosetta Stone の AI 機能、および学習の加速データとエンゲージメント指標を示すその他のプラットフォーム。
エンゲージメント指標とテキスト分析による学習率比較チャート
2025年における各国の AI 教育政策の概要：UNESCO の AI 教育ガイダンス、EU の AI 教育戦略、米国の AI リテラシーに関する大統領令、および OECD の AI 教育フレームワーク。
地理的な導入マップとテキスト分析による政策フレームワーク比較表
2025年における AI が研究大学の優先事項に与える影響の分析：AI 研究センターへの資金提供、産学連携 AI パートナーシップ、大学からの AI 特許活動、および AI 関連の研究収入。
パートナーシップデータとテキスト分析による研究資金比較チャート
主要な教育統計を示す第7章のまとめダッシュボード：学生の AI 利用率、入学傾向、AI チュータリングの有効性、および K-12 カリキュラムの導入。
大きな数値統計と章の森林緑をテーマにしたグラフィックを備えたまとめダッシュボード
入学データソース、AI チュータリングの研究引用、および教育セクター別に編成された厳選された参考文献リストを含む、第7章の参考文献と参考文献。
構造化された参考文献リストが続く2列のエンドノート形式
濃い紫/藍色の背景、大きな白い第8章の数字、タイトル「政策とガバナンス」、および2025年における AI の規制と政策の展開に関する簡単な概要を備えた全面章のオープナー。
全面の濃い紫/藍色の背景、特大の章番号、白いタイトルと説明
2025年を AI 政策の世界的な転換期として位置づける第8章の紹介。主要な統計：204億ドルの米国連邦 AI 投資、25の AI 法案が署名、46か国が国家 AI 戦略を策定。
主要な統計の注意書きボックスとセクションの概要を含む単一列の紹介
オバマ AI レポート（2016年）から EU AI 法の実施（2025年）まで、2016年から2025年までの主要な AI 政策のマイルストーンの包括的なタイムラインの視覚化。地理別に整理。
国/地域レーン、マイルストーンマーカー、および簡単な注釈付きの水平マルチトラックタイムライン
2025年までに正式な国家 AI 戦略を採用した46か国を示す世界地図。採用日のシェーディングと AI ガバナンス活動の地域クラスター。
主要な戦略の採用日のシェーディングと国名の注意書き付きの世界コロプレスマップ
米国の連邦政府によるAI投資の分析。2025年には204億ドルに達し、政府機関（DOD、DARPA、NSF、NIH、DOE、NIST）別および優先研究分野別に内訳を示しています。
政府機関別の内訳を示す棒グラフと、優先分野の分析、および前年比成長率の注釈
2025年における米国のAI関連法案の分析：連邦レベルで25件のAI法案が成立し、トピック別の内訳（安全性、調達、労働力、ディープフェイク、国家安全保障）、および州レベルのAI法案を示しています。
法案のトピック別棒グラフ、成立した法案のタイムライン、および州レベルの活動マップ
2025年における米国の主要な行政機関によるAI関連措置の概要：NIST AI Safety Instituteの活動、ホワイトハウスのAI政策指令、および連邦政府機関のAI導入義務。
主要な大統領令と政府機関の対応に関するテキスト分析を含む政策措置のタイムライン
2025年における米国のセクター別AI規制の分析：FDAのAI医療機器ガイダンス、FTCのAI広告規則、CFPBのAI信用スコアリングガイダンス、およびEEOCのAI採用ガイダンス。
セクター別および政府機関別の規制マトリックスとテキスト分析
2025年に達成されたEU AI法の実装マイルストーンの概要。2025年2月に施行された禁止行為の禁止や、リスク層分類図が含まれます。
リスク層ピラミッド図、実装タイムライン、および禁止行為リスト
EU AI法のリスクカテゴリーの詳細な内訳：容認できないリスク（禁止）、高リスク、限定的リスク、および最小リスク。各カテゴリーにおけるAIアプリケーションの例を示します。
リスクレベルごとの例と規制義務の概要を示す4つのカテゴリー図
2025年におけるEU AI法に基づく高リスクAIシステムのコンプライアンス要件の分析：技術文書、人間の監督、データガバナンス、および適合性評価義務。
実装コストの見積もりとセクター固有のガイダンスを含むコンプライアンスチェックリスト図
2025年における大規模企業におけるEU AI法のコンプライアンス状況に関するデータ。大企業による早期導入、中小企業（SME）のコンプライアンスの課題、および執行機関の設立の進捗状況を示しています。
企業規模別のコンプライアンス率を示す棒グラフ、執行の進捗状況の指標、およびテキスト分析
EU AI法に基づくGeneral Purpose AI Code of Practice（汎用AI行動規範）の分析。透明性要件、システムリスク評価、およびフロンティアAI開発者がどのように適応しているかについて説明します。
フロンティアモデル開発者のコンプライアンス状況表を含む行動規範の義務図
2025年における中国の国家AI政策の概要：次世代AI開発計画の実施、150億ドル以上のAI投資コミットメント、AI業界標準、および生成AIの規制ガイドライン。
投資チャートと規制タイムラインを含む政策フレームワーク図
中国のGenerative AI Regulation（2023年、2025年更新）の規定の分析：コンテンツフィルタリング要件、透かし義務、実名登録、およびコンプライアンスの実施。
コンプライアンス負担分析とテキスト分析を含む規制規定の概要
2025年における英国のAI政策の概要：AI Safety Instituteの進化、イノベーションを重視する規制アプローチ、AIセクター固有のガイダンス、およびEUからのBrexit後のAIガバナンスの乖離。
AI Safety Instituteの活動概要を含む政策アプローチの比較（英国対EU）
G7広島AIプロセスの成果と、2025年におけるG20のAIガバナンス・フレームワーク採択に関する分析。高度なAI開発者向けの広島行動規範の実施状況を含む。
実施状況指標と国別採用表を用いたガバナンス・フレームワークの概要
パリAI安全サミット（2025年2月）の成果の概要：主要なコミットメント、参加国、ワーキンググループの結果、およびグローバルなAI安全プロセスのフォローアップスケジュール。
参加国リストとコミットメント追跡表を用いたサミット成果の概要
2025年における国連のAIガバナンス活動の分析：グローバル・デジタル・コンパクト、国連AI決議の採択、国連事務総長AI諮問委員会、および新たな国連AI機関をめぐる議論。
テキスト分析と国の立場比較を用いた国連ガバナンス活動のタイムライン
2025年に登場したAI主権の概念の分析。その5つの側面（コンピューティング主権、データ主権、人材主権、標準主権、地政学的なAIの独立）を定義する。
次元ごとの国別評価とテキスト分析を用いた5次元フレームワーク図
2025年における、主権的なAIコンピューティング・インフラストラクチャ構築に向けた各国の取り組みに関するデータ：EUのAIギガファクトリー計画、インドの国家AIコンピューティング・グリッド、UAEのFalcon AIインフラストラクチャなど。
地理的な展開マップとテキスト分析を用いたコンピューティング投資比較チャート
2025年におけるAI関連の輸出規制ポリシーの分析：米国の半導体輸出規制の拡大、対中チップ規制、AIソフトウェア輸出規制、および同盟国の連携。
国の影響分析と技術規制マップを用いた輸出規制のタイムライン
2025年におけるAI標準開発活動の概要：ISO/IEC AI標準、IEEE AI倫理標準、NIST AI標準、および国際標準の調和に向けた取り組み。
採用追跡チャートとテキスト分析を用いた標準ランドスケープ図
2025年に登場したAI責任フレームワークの比較分析：EU AI責任指令、AIに対する米国の製造物責任アプローチ、および業界の自主規制による責任フレームワーク。
管轄区域ごとの分析を用いた責任フレームワーク比較表
2025年におけるAIが民主的プロセスに与える影響の分析：選挙におけるAI（ディープフェイク、有権者ターゲティング、AI生成の政治コンテンツ）、規制対応、および国際選挙監視。
規制対応タイムラインとテキスト分析を用いた影響分析図
2025年における公的AI投資コミットメントの国際比較：米国204億ドル、EU 200億ユーロ超のAI Act執行資金、中国150億ドル超、英国15億ポンド、カナダ24億カナダドルなど。
テキスト分析を用いた国別の投資比較棒グラフ
2025年における国家安全保障におけるAIアプリケーションの概要：インテリジェンス分析、サイバー防衛、ロジスティクス最適化、自律システム、および防衛における米国と中国のAI競争。
防衛AI投資データとテキスト分析を用いたアプリケーション・ドメインの概要
2025年における米国の州レベルのAI規制の分析：カリフォルニア州のAI法案、ニューヨーク州のAI採用規則、コロラド州のAI消費者保護、およびパッチワーク対連邦先占の議論。
法案数とトピックの内訳を用いた州ごとの規制活動マップ
2025年における政府のAI調達ポリシーの分析：米国の連邦AI取得規則、EUの公共部門AI要件、責任ある政府AI調達の基準。
管轄区域別の調達ポリシー比較表とテキスト分析
2025年における、FDAの医療機器承認を超えるAI固有の医療規制の動向の概要：CMSのAI適用範囲の決定、HIPAA-AIガイダンス、臨床診療ガイドラインにおけるAI。
主要な決定事項のテキスト分析を含む規制動向のタイムライン
2025年における金融サービスにおけるAI規制の分析：SECのAI取引規則、銀行規制当局のAIモデルリスクガイダンス、CFPBの融資監督におけるAI、およびグローバルな金融AI基準。
金融セクター別の規制フレームワーク比較とテキスト分析
2025年におけるAI労働規制の概要：EU AI Actの労働者監視条項、米国のNLRBの職場におけるAIガイダンス、EEOCの採用におけるAI執行、および労働組合のAI交渉要求。
テキスト分析を含む労働規制比較表
2025年におけるAIポリシーの有効性に関する初期の証拠の分析：どの規制アプローチがコンプライアンスの結果を示しているか、規制の意図しない結果、およびポリシーのギャップ。
テキスト分析を含むポリシー有効性評価マトリックス
2025年におけるAI固有のプライバシー規制の動向の概要：GDPR AIガイダンス、米国の連邦プライバシー法案のAI条項、AIトレーニングのためのデータ最小化、および生体認証データの制限。
テキスト分析を含むプライバシー規制比較表
2025年におけるAIポリシーにおける市民社会とNGOの活動の概要：アドボカシー団体、公共の利益のためのAI研究、連合キャンペーン、およびAI規制への影響。
ポリシーへの影響分析を含む市民社会AI組織の状況図
主要なポリシー数値を提示する第8章のまとめ：米国の連邦AI投資、グローバルな法律数、EU AI Actのマイルストーン、AIサミットの結果、およびAI主権の概念の出現。
多数の統計と章の紫/藍色のテーマのグラフィックを備えた概要ダッシュボード
主要なガバナンストレンドを特定する第8章の結論分析：規制の断片化リスク、トップ/ボトムへの競争のダイナミクス、AI主権の緊張、およびAIの進歩に遅れないようにすることの課題。
主要な緊張図と将来を見据えた分析を含むテキストの結論
ポリシー文書の引用、法律データソース、および投資額の算定方法に関する注記を含む第8章の参照注記。
2列の番号付きエンドノート形式
ポリシー地域とトピック別に編成された第8章の厳選された参考文献：米国ポリシー、EUポリシー、中国ポリシー、国際ガバナンス、およびAI主権。
地域およびトピックヘッダー付きの構造化された読書リスト
青緑色の背景、大きな白い第9章の数字、タイトル「世論」、および2025年に調査されたAIに対する世界的な世論の簡単な概要を含む、全面の章のオープナー。
全面の青緑色の背景、特大の章番号、白いタイトルと説明
第9章の紹介として、2025年におけるAIに対する世界的な世論の状況を提示します。Ipsosの調査によると、世界的に59%が楽観的である一方、偽情報に対する不安が顕著であり、専門家と一般大衆の間には大きな意識のギャップがあります。
ヘッドラインとなる統計のコールアウトボックスとセクションの概要を含む、シングルカラムの紹介
2025年における世界のAIに対する感情の世界地図。国別のAIに対する楽観的な見方の割合を示しており、新興国では楽観的な見方が高く、ヨーロッパでは低い傾向にあります。
AIに対する楽観的な見方の世界コロプレスマップ。カラーグラデーションスケールと国のコールアウトボックス付き
30カ国以上を対象とした2025年におけるAIに対する意識調査の詳細なIpsos調査結果：楽観、懸念、信頼、認知度レベルを国別および地域別に分析。
各意識次元に対する複数国の棒グラフと地域集計
AIに対する感情に関する地域別の詳細分析：中国とインドが最も楽観的（80%以上）、西ヨーロッパが最も慎重、米国は中程度、アフリカは開発への期待から高い楽観性を示しています。
楽観/懸念のバランスとテキスト分析を含む、地域別のグループ化された棒グラフ
2025年におけるAI専門家と一般大衆のAIに対する意識調査の比較。専門家は長期的なリスクをより懸念している一方、一般大衆は短期的な経済的影響に焦点を当てています。
専門家と一般大衆の懸念カテゴリの内訳を示す、左右比較チャート
AIを公正に規制するさまざまな機関に対する国民の信頼に関する調査データ：EUの機関が世界的に最も信頼されており、テクノロジー企業は最も信頼されておらず、各国政府の結果はまちまちです。
複数国にわたる機関タイプ別の信頼レベルの水平棒グラフ
AIに関する米国固有の世論データ：AIを適切に規制すると政府を信頼しているアメリカ人はわずか31%、68%がAIによって生成された誤った情報について懸念しており、さまざまな政府の役割におけるAIに関する見解。
信頼と懸念の内訳とテキスト分析を含む、米国の意見棒グラフ
2025年におけるAIに対する不安の原因分析：失業への懸念、偽情報への恐怖、プライバシーへの懸念、自律型兵器への懸念、そして実存的リスク—国別および人口統計別に分析。
人口統計の内訳を示すインセット付きの、国グループ別の不安の原因の積み上げ棒グラフ
2025年におけるAIの認知度と理解度に関するデータ：認知度は上昇しているものの、技術的な理解は限定的であり、教育レベルと年齢による認知度と理解度のギャップ分析。
教育と年齢の内訳を示す、認知度と理解度の比較チャート
2025年における世代（Z世代、ミレニアル世代、X世代、ベビーブーマー世代）間のAIに対する意識を比較した調査データ：若い世代ほど楽観的でAIの日常的な利用頻度が高く、高齢の世代ほど慎重です。
複数の意識次元に対する世代比較棒グラフ
2025年における教育レベルとAIに対する意識の相関関係の分析：高学歴ほど、単純な楽観や悲観ではなく、よりニュアンスのある見方と関連付けられています。
テキスト分析を含む、教育レベルとAIに対する意識次元の相関チャート
2025年における個人のAIツール利用とAIに対する意識の関係の分析：日常的に利用するユーザーはAIの利点について著しく肯定的な見方をしていますが、リスクについてもより認識しています。
テキスト分析を含む、利用頻度と意識の比較チャート
2025年の所得水準別のAIに対する態度に関する調査データ：低所得層の回答者は雇用喪失をより懸念し、高所得層の回答者はAIの経済的利益についてより楽観的である。
雇用喪失の懸念の内訳を示す所得水準別の態度比較チャート
2025年のAIに対する態度の男女差の分析：男性は平均してわずかに楽観的であり、女性はプライバシーと雇用への影響をより懸念している（国によってばらつきがある）。
態度次元ごとの男女比較棒グラフ（国のばらつきを示すインセット付き）
2019年から2025年までのAIに対する態度の長期的な傾向を追跡する折れ線グラフ：2022年までは楽観的な見方が高まり、AIが2024年から2025年にかけて個人的に身近になるにつれて、より多様な見方が停滞している。
態度カテゴリの線とイベント注釈を含む複数線の長期的なチャート
2025年のAIによる雇用喪失に関する世界的な調査データ。世界の回答者の約半数がAIによって自分の仕事が奪われることを心配しており、セクターや国によって大きく異なる。
国別の世界的な懸念を示す棒グラフ（セクター固有のばらつき分析付き）
2025年に人々が日常の製品やサービスでAIをどの程度認識しているかに関するデータ。AIツールの使用率は高いが、基盤となるテクノロジーがAIであるという認識は限定的である。
製品カテゴリの内訳を示す使用率と認識度の比較チャート
2025年のAIが社会の結束に与える影響に関する調査データの分析：AIが二極化、不平等、および人間関係の減少を悪化させることへの懸念。
懸念カテゴリを示す棒グラフ（二極化と不平等に関する注釈とテキスト分析付き）
2025年のAI倫理に関する一般の見解に関する調査データ：AI開発を導くべき価値観（安全性、透明性、公平性、プライバシー）と、AI倫理に関する決定権を誰が持つべきか。
権限の優先度の内訳とテキスト分析を示す、ランク付けされた価値観の棒グラフ
2025年のAIが民主主義的価値観に与える影響に関する一般の懸念に関する調査データ：選挙の完全性、言論の自由、監視、法の支配について、世界的に重大な懸念レベルがある。
国別比較とテキスト分析を示す、民主主義的懸念カテゴリの棒グラフ
第9章の概要では、主な世論調査の結果を紹介する：世界的な楽観率、信頼度ランキング、AIに対する主な不安、およびAIに対する態度の主要な人口統計学的区分。
多数の統計と章の青緑色のテーマのグラフィックを備えた概要ダッシュボード
第9章の参考文献ノート。調査データの出典と、トピックと方法論の種類別に整理された、AIに対する一般の態度に関する厳選された参考文献。
2列のエンドノート形式に続いて、構造化された参考文献リスト
AI Index 2026の調査方法論の概要。9つの章すべてのデータ収集アプローチ、レポートで使用される「AI」の定義、および一般的な方法論的原則について説明する。
セクションごとのアプローチ図を含む構造化された方法論の概要
R&Dの章の詳細な方法論：出版データのソース（Semantic Scholar、Dimensions）、特許データ（WIPO、USPTO）、モデルリリースの追跡基準、および計算データの収集。
データソースの表と制限事項の注記を含む方法論の説明セクション
技術パフォーマンスの章の方法論に関する注記：ベンチマークの選択基準、Papers With Codeおよびリーダーボードからのデータ取得、人間のベースライン収集、ベンチマークの包含/除外ルール。
ベンチマーク選択基準の表を含む方法論の説明セクション
責任あるAIの章の方法論：AIAAICインシデントデータ収集、バイアス調査の包含基準、安全性研究の出版物検索方法論、ガバナンスフレームワークのコーディング手順。
包含/除外基準を含む方法論の説明セクション
経済の章の方法論：NetBase Quidからの投資データ、Lightcastからの求人情報データ、賃金データソース、生産性調査の選択基準、企業導入調査の方法論。
データソース参照表と制限事項に関する注記を含む方法論の説明
科学とAIの章の方法論：科学出版物のAI支援分類方法論、ドメイン固有の検索基準、ClinicalTrials.govからの臨床試験データ収集。
ドメイン基準と分類の説明を含む方法論の説明
医学とAIの章の方法論：FDAデバイスデータ収集、臨床AI研究の包含基準、診断精度集計方法、AI scribe導入データソース。
FDAデータアプローチと研究基準を含む方法論の説明セクション
教育の章の方法論：登録データソース（IPEDS、国際的な同等物）、学生調査方法論、教員調査設計、K-12カリキュラムデータ収集アプローチ。
調査設計ノートとデータソース参照を含む方法論の説明
政策の章の方法論：立法データベースソース、AI法案識別基準、投資額集計ソース、国家戦略コーディング方法論、政策タイムライン構築。
立法データソース参照を含む方法論の説明セクション
世論の章の方法論：調査データソース（Ipsos、Edelman Trust Barometer、Stanford調査）、調査サンプリング基準、国際比較可能性に関する注記、態度測定の定義。
サンプリング基準と比較可能性に関する注記を含む調査方法論の説明
'基盤モデル'、'AIインシデント'、'トレーニング計算'、'ベンチマーク飽和'、その他のコアコンセプトの定義を含む、AI Index 2026全体で使用される主要な用語とデータ定義の用語集。
用語と定義のエントリを含むアルファベット順の用語集レイアウト
レポートで引用されているすべてのAIベンチマークの包括的な参照表。ベンチマーク名、ドメイン、タスクタイプ、人間のベースライン、導入年が含まれます。
章ごと、次にベンチマーク名でソートされた複数列の参照表
AI Index 2026で言及されているすべての注目すべきAIモデルの参照表。モデル名、組織、リリース日、モダリティ、アクセスタイプ（オープン/クローズ）が含まれます。
組織とリリース日でソートされた複数列の参照表
レポートで引用されているすべてのAI政策、規制、および法律の参照表。国別に整理され、政策名、種類、年、ステータスが含まれます。
国と年でソートされた政策参照表
第4章で参照されている、国別、セクター別、および2013年から2025年までの年別の詳細な民間AI投資額を示す補足的な投資データテーブル。
国の行、年の列、および投資額のセルを含むデータテーブル
第1章で参照されている、国別、ドメイン別、および2010年から2025年までの年別の詳細なAI出版数を示す補足的な出版データテーブル。
国/ドメインの行と年の列を含むデータテーブル
第9章で引用されている世論調査の完全な調査結果を示す補足的なテーブル。メインの章には示されていない国レベルの内訳を含む。
国の行と態度指標の列を含む調査データテーブル
第6章で引用されているFDAのAI対応医療機器の承認データの補足的なテーブル。専門分野、デバイスの種類、510(k)/PMA経路、および申請組織を含む。
複数の属性列を持つFDAデバイスデータテーブル
AI Index 2026で引用されているすべてのソースの参考文献エントリ（A～D）。著者、タイトル、出版場所、および年を含む学術的な引用スタイルでフォーマットされています。
アルファベット順のエントリを含む2列の参考文献形式
AI Index 2026で引用されているすべてのソースの参考文献エントリ（E～H）。
アルファベット順のエントリを含む2列の参考文献形式
AI Index 2026で引用されているすべてのソースの参考文献エントリ（I～L）。
アルファベット順のエントリを含む2列の参考文献形式
AI Index 2026で引用されているすべてのソースの参考文献エントリ（M～P）。
アルファベット順のエントリを含む2列の参考文献形式
AI Index 2026で引用されているすべてのソースの参考文献エントリ（Q～T）。
アルファベット順のエントリを含む2列の参考文献形式
AI Index 2026の完全な引用文献リストを完成させる参考文献エントリ（U～Z）。続いて、Webリソースとデータプラットフォームのリファレンス。
アルファベット順のエントリを含む2列の参考文献形式。続いて、Webリソースセクション。
AI Index 2026に貢献したStanford HAI研究チームのメンバーへの謝辞。各章の研究リーダーとデータアナリストを含む。
貢献者の名前と役割を含む、章ごとの構造化された謝辞リスト
外部貢献者、データプロバイダー、調査パートナー（Ipsos、NetBase Quid、Lightcast）、およびデータを提供したり、章の草稿をレビューした専門家レビュー担当者への謝辞。
組織の所属を含む、貢献者タイプ別の謝辞リスト
2026年版レポートの指針となったStanford HAI AI Index Advisory Boardのメンバー一覧（氏名、役職、所属機関）。
役職と所属機関とともに、諮問委員会メンバーをアルファベット順に掲載
AIAAICデータベースで追跡された2025年の重大なAIインシデントに関する詳細なケーススタディの要約。第3章に記載されている内容よりも詳細な背景情報を提供。
インシデント名、日付、カテゴリー、概要を記載したケーススタディカードを2列のグリッドで表示
米国とカナダの詳細なAIプロファイル。研究開発のアウトプット、投資、政策、人材、導入指標を網羅し、前年比で比較。
レーダーチャートと主要指標テーブルを備えた国別プロファイルカード
英国および主要なEU諸国（ドイツ、フランス、オランダ）の詳細なAIプロファイル。研究開発、投資、政策、人材、導入指標を網羅。
レーダーチャートと主要指標テーブルを備えた国別プロファイルカード
中国の詳細なAIプロファイル。研究開発のアウトプット、民間投資、国家AI政策、人材プール、モデルリリース、導入指標を網羅し、前年比で比較。
レーダーチャート、主要指標テーブル、政策ハイライトセクションを備えた国別プロファイルカード
インドおよび主要な東南アジアのAI経済圏（シンガポール、韓国、日本）の詳細なAIプロファイル。研究開発、投資、政策、導入指標を網羅。
レーダーチャートと主要指標テーブルを備えた国別プロファイルカード
主要な中東のAIアクター（UAE、サウジアラビア）および新興のアフリカのAI経済圏のAIプロファイル。AI投資、国家戦略、人材育成データを含む。
主要指標の概要と国家戦略のハイライトを記載した国別プロファイルカード
第2章で引用されているすべてのモデルとベンチマークに関するAI技術ベンチマーク結果の包括的な表。章のチャートと比較の背景にある完全なデータを提供。
モデルの行とベンチマークスコアの列を持つ大規模な複数列データテーブル
第7章の補足的な登録、プログラム、調査データテーブル。機関レベルのCS登録データ、完全な教員/学生調査のクロス集計を含む。
機関と人口統計の行を持つデータテーブル
第4章で参照されている2023〜2025年の民間AI投資の企業レベル、セクターレベル、地理的内訳を提供する詳細な投資データテーブル。
地理、セクター、年ごとの多層投資データテーブル
第3章のAI安全研究出版分析の補足データテーブル。検索クエリプロトコル、キーワードリスト、会場レベルの出版数を含む。
会場と年の内訳を持つ安全研究データテーブル
第8章の補足的な立法データテーブル。国レベルのAI法案数、立法トピックコーディングスキーム、主要なAI法の主要条項の概要を提供する。
国の行と法案カテゴリーの列を持つ立法データテーブル
第6章を補足する、2025年までのFDAのAI対応医療機器の完全な承認データ。専門分野、申請者、承認経路に関するデバイスレベルの詳細情報が含まれています。
詳細な列を含むFDAデバイスデータテーブル
Stanford Human-Centered AI Instituteの紹介ページ：ミッション、研究重点分野、教員およびフェロー、関連プログラム、HAIの研究およびイベントへの参加方法について。
HAIプログラムリストと連絡先/参加情報を含む組織概要
AI Index 2026の裏表紙。Stanford HAIのブランディング、レポートタイトル、ISBN/DOI、ウェブサイトURL（aiindex.stanford.edu）、およびレポートの目的の簡単な1段落の要約が記載されています。
レポートのブランディング、要約段落、Stanford HAIロゴ、およびURLを含む裏表紙
このスライドと基礎となるプレゼンテーションコンテンツに関する一般的な質問。
Stanford HAI AI Index Report 2026は、スタンフォード大学の人間中心AI研究所が発行する、人工知能の進捗状況に関する最も包括的な年次調査の第9版です。423ページのレポートでは、AIの研究開発、技術的パフォーマンスのベンチマーク、責任あるAI、経済的影響、科学応用、医学、教育、政策とガバナンス、および世界的な世論を網羅しています。これらはすべて、独自のデータ分析と数百の視覚化に基づいています。
主な調査結果は次のとおりです。米国の民間AI投資は2025年に859億ドルに達した（2022年の3倍）。AIエージェントは現在、SWE-benchで実際のソフトウェアエンジニアリングの問題の50％以上を解決している。FDAは2025年に258のAI対応医療機器を承認した。大学生の80％がコースワークにgenerative AIを使用している。46か国が国家AI戦略を採用している。AIAAICによって追跡されたAIインシデントは2019年以降1000％増加した。そして、EU AI Actの禁止行為の禁止が2025年2月に発効する。
AI Indexは、世界有数のAI研究センターの1つであるスタンフォード大学の人間中心AI（HAI）研究所によって発行されています。現在9回目の年次版であるこのレポートは、主要なAI科学者、政策立案者、および業界専門家からなる諮問委員会を持つ研究者チームによって作成されています。Ipsos、NetBase Quid、Lightcast、FDA、WIPO、学術出版データベースなど、数十の確立された情報源からの一次データを利用しており、政府、企業、および世界中の研究者にとって信頼できる参考資料となっています。
レポートは9つの章で構成されています。（1）研究開発—モデルのリリース、出版物、計算のスケーリング。（2）技術的パフォーマンス—言語、数学、コーディング、科学、マルチモーダルにわたるベンチマーク。（3）責任あるAI—インシデント、バイアス、安全性、ガバナンス。（4）経済—投資、労働、生産性、採用。（5）科学とAI—生物学、気候、材料、物理学。（6）医学とAI—診断、FDAデバイス、創薬。（7）教育—入学、学生のAI利用、個別指導。（8）政策とガバナンス—国家戦略、EU AI Act、米国政策。（9）世論—世界的な態度、信頼、不安。冒頭には、10の重要なポイントをまとめたエグゼクティブサマリーが含まれています。
はい、Stanford HAI AI Index Reportは、aiindex.stanford.eduで一般に無料で公開されています。完全な423ページのPDFレポート、インタラクティブなデータ視覚化、および基になるデータセットは、Stanford HAIのAIの利点とリスクが広く理解されるようにするという使命に沿って、無料で提供されます。
第9版はこれまでで最も包括的であり、AI in science（第5章）、medicine（第6章）に関する新しいセクション、および世論に関する専用の章（第9章）を含むように範囲を拡大しています。2026年版では、AI sovereignty（第8章）のような新しい概念が導入され、EU AI Actの実装に関する報道が追加され、generative AI投資の爆発を追跡し、場合によっては2010年まで遡る長期的なデータシリーズを拡張しています。これにより、以前の版よりもAIの進捗軌跡に関するより豊かな歴史的視点が可能になります。
レポートには、2010年から2025年までのAIの能力と投資の傾向を追跡する折れ線グラフ、30以上のベンチマークでAIと人間のパフォーマンスを比較する散布図、グローバルなAI活動を示す世界地図、出版物の成長を示す積み上げ面グラフ、フロンティアモデルの能力比較マトリックス、ポリシータイムライン、国および人口統計別の調査データの内訳、FDA承認の傾向など、423ページにわたる数百もの独自のデータ視覚化が含まれています。各章には巻末注と参考文献が含まれており、付録には完全な補足データテーブルが記載されています。
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
プロフェッショナルなデザインを参照し、スタイルを選択し、完璧なテキストレンダリングでスライドを生成。Nano Banana搭載—今すぐプレゼンテーションの作成を始めましょう。
© 2026 2slides。全著作権所有。
