上海創智学院のLeapQuestチームは、複数の大学と協力して、モデルが推論プロセスで視覚ツールを積極的に活用し、受動的な入力から能動的なエビデンス探索へと変革する新しい医学AIパラダイムを提案。2本の論文がICML 2026に採択された。

本記事では、AIがデジタル製品デザインにパラダイムシフトをもたらし、コマンド駆動から意図駆動のインタラクションへと移行する様子を探り、製品管理、ユーザーエクスペリエンス、意思決定ロジック、リリースサイクル、リスク、価値創造における新たな課題を分析しています。

2026年中国AIGC産業サミットで、百度の秒哒（Miaoda）製品責任者・朱広翔氏が、AIがプログラミングのハードルをコード記述から会話に下げたと発表。秒哒ユーザーの87%はコード非習得者で、8歳児がOSを開発、一人会社（OPC）がプロジェクトマネージャーだけで千万円の受注を獲得。石油技術者が140万元の調達プラットフォームを代替。Vibe Codingが需要側を供給側に変え、大衆創業を実現。

ElevenLabs は、1曲の中でオペラ、ヘビーメタル、ラップなどのジャンル間を移行できるアップグレード版AI音楽生成モデル「Music v2」をリリースしました。新しいインペインティング機能により、他の部分に影響を与えずに特定のセクションを再生成できます。

CognitionがシリーズDで10億ドルを調達し、評価額は260億ドルに。年間経常収益（ARR）は年末に10億ドル超えを見込む。記事は推論効率、エージェントエンジニアリング、継続学習、新ベンチマーク、モデルリリース、コーディングエージェントの製品化などをカバー。

今月のAIhubダイジェストでは、科学のためのAI会議、宝くじ券仮説インタビュー、世界モデル討論、透明で信頼できるAI研究、基盤モデル影響報告、AIES会議の振り返り、ロボティクスカフェ、ACLのリジェクトポリシー、arXivのAIスラッグポリシーなどを取り上げます。

バチカンの新回勅『偉大なる人間性』は、人間の不完全性を尊厳の源として擁護し、中核的な人間能力をAIに外部委託することへの警告を発している。シリコンバレーによる人間の限界の軽視に対抗する。

Google DeepMind、Apple、OpenAI、Metaで働いていたAI研究者グループが、Trajectoryという新興企業を立ち上げ、実世界のユーザーインタラクションを学習してAI製品を継続的に改善することを目指しています。同社は、トレーニング後に停止するのではなく、継続的に学習できるAIプラットフォームを構築しようとしています。1500万ドルのシード資金を調達し、評価額は1億1500万ドルで、Convictionがリードしました。CEOのRonak Malde氏は、CursorのようなAIコーディング製品がすでに初期の継続学習を実践していると述べ、Trajectoryは同様の技術を他の分野に拡大したいとしています。

量子トンネル効果物理と脳に着想を得たアーキテクチャを組み合わせたニューロモルフィックコンピュータが開発され、物流ネットワークやチップ配線などの組合せ最適化問題を大規模に解決し、漸近的最適解への収束を保証する。Nature Communicationsに発表され、量子インスパイア計算の新たな方向性を示す。

AIに多くのタスクを委任できる時代だが、その過程で重要な「構築する喜び」を失う可能性がある。非自明な問題へのエレガントな解決策を見つけることや、クリーンなアーキテクチャを設計すること、製品をリリースしてユーザーからのフィードバックを得ることなどは、AIに任せるべきではない。

TopRecは、採用担当者が候補者をランク付けし、自己構築型CRMを構築するためのAI搭載プラットフォームです。PWAのキャッシュ問題を避けるため、ウェブサイトとして使用するよう設計されています。

RobinhoodがAgentic Tradingを開始。顧客は自身のAIエージェントを接続して取引やクレジットカード購入を自動化でき、安全制御とリアルタイム活動フィードが利用可能。

BetterCallClaudeは、イタリアの法律専門家向けに設計されたオープンソースのAIリーガルエージェントプラットフォームです。20の専門AIエージェントがイタリア全20地域をカバーし、バイリンガル（伊・英）対応、プライバシーを重視したローカルLLM処理とGDPR準拠を特徴としています。法律研究の高速化、効率向上、完全な透明性を実現します。

2021年スローン賞受賞者でUCバークレー物理学部助教授の戴亮氏が復旦大学に常勤教授として着任し、物理学部および天文・天体物理研究センターで教鞭をとる。復旦大学は近年、蘇昊、袁峰、季索清など多くのトップ人材を獲得している。

NVIDIAのCEOジェンセン・フアンが清華大学経営管理学院の顧問委員会に加わることが明らかになった。委員会はアップルのティム・クックが議長を務め、イーロン・マスク、サティア・ナデラ、マーク・ザッカーバーグ、馬雲らが名を連ねる。フアンは先日、カーネギーメロン大学から名誉博士号を授与された。

本記事はアムダールの法則をAIエージェントに適用し、並列エージェントによる高速化は人間の判断を必要とするワークフロー割合（H）によって制限されると主張する。「自己流動化H」の概念を導入し、各人間の介入が将来の同様の介入を不要にする成果物を生み出すべきだと説く。構成（コンフィギュランジー）と適合スイートへの投資が、エージェントの自律動作を可能にする鍵である。ElectricSQL、Gas Town、Ralph Loopの事例が原則を例示する。

先月の北京ハーフマラソンで、ロボット「ライトニング」が人間の世界記録を約7分上回るタイムで完走した。これはチャットボットのようにロボットが日常生活に入り込むのではないかとの疑問を呼ぶ一連のAIマイルストーンの最新例である。中国がこの流れを先導し、政府は今後20年間で1000億ポンド以上をロボット工学に投資することを約束している。

本論文は、制約認識拡散モデル（CADM）を用いて近隣ロボットの将来軌道をシミュレーションし、安全制約下で自身の軌道を計画する分散型フレームワーク「シミュレーション情報拡散（SID）」を提案する。SIDは高混雑時のみ通信をトリガーし、実験ではベースラインを凌駕し、108台のロボットと160個の障害物のシナリオにスケールする。

研究者らは、惑星探査ローバー向けに、イベントカメラデータを処理する誤差状態カルマンフィルタを用いたリアルタイム非同期イベントベース単眼オドメトリを提案。高ダイナミックレンジ照明や計算制約下でのロバストな自己運動推定を実現する。

本論文では、トランスフォーマーアーキテクチャに基づくTrinityを提案し、統一ネットワーク内でクラス固有のセマンティックセグメンテーションとクラス非依存の地形分割を同時に実行する。地形領域は事前定義ラベルやロボット依存の走行可能性スコアなしに視覚的外観のみで分割され、ロボット非依存の視覚的地形事前知識を学習可能にする。大規模トレーニングのためにOAISYSシミュレータを拡張しRUGDSynth合成データセットを作成、さらにEXTerra実世界データセットを提供する。実験により複雑な屋外環境での有効性が実証された。

研究者らは、条件付き大規模言語モデルを用いて、音声またはテキストのコマンドを微分可能な目的関数に変換するモジュラー型エージェントパイプライン「Speak-to-Objective」を提案する。これは、制約認識逆解法と実験的な光流体プラットフォーム上で微粒子を組み立てるためのものである。アプローチは「知覚→構成→提案→行動→報告と学習」のループを採用し、目的を意図と動作のインターフェースとして扱うことで、自然言語でプログラム可能なマイクロスケールアセンブリを実現し、自律的な光製造プラットフォームへの道を開く。

Uni-LaViRAは、身体性ナビゲーションのための統一エージェントアーキテクチャであり、ナビゲーションの意思決定を単一の言語-視覚-ロボット動作変換に還元する。事前学習済みのMLLMを活用し、4つのタスクファミリーと4種類の実ロボットに対してゼロショットで適応する。TODOリストメモリとセカンドチャンスバックトラック機構により、訓練なしで自己修正ナビゲーションを実現する。

多くの子供は感情調整や社会的相互作用に課題を抱え、日常活動や治療プログラムへの参加が制限される。社交支援ロボットの効果には持続的なエンゲージメントが不可欠であり、本研究では触覚ロボットを用いて合成感情フィードバックとポイント報酬の2つの戦略を評価。6-8歳の小学生16名を対象とした選好評価では感情的な関与が好まれ、20-27歳の大学生14名を対象とした行動研究ではポイントシステムが有意に高いタスク精度（p<0.05）と持続的パフォーマンスを示した。年齢層によって選好と行動結果が異なる可能性を指摘し、設計仮説の検証には観察による相互作用が重要と結論。

SCALE-COMMは、通信学習とポリシー最適化を分離し、コンパクトで安定したポリシー関連の潜在メッセージを学習することで、マルチエージェント強化学習における協調を改善する自己教師ありフレームワークです。標準ベンチマークと現実的な倉庫調整タスクにおいて、既存手法を上回る性能を示し、安定性、サンプル効率、スループットを向上させます。

GE-Sim 2.0は、アクション条件付きビデオ生成フレームワークに基づくクローズドループビデオワールドシミュレータです。数千時間の実世界ロボットデータで再トレーニングされ、行動追従精度と軌道カバレッジを大幅に向上させました。新しい3つのモジュール（状態専門家、ワールド審判、加速フレームワーク）により、ビデオシミュレーションからポリシー学習へのループを閉じます。わずか2BパラメータでWorldArenaリーダーボードのトップを獲得し、そのロールアウトで訓練されたポリシーは実世界でも効果を発揮します。

動画生成モデルは運転やロボット操作のシミュレータとして使われるが、既存のベンチマークは単独動画の品質のみを評価し、因果関係の理解をテストできない。そこで提案された「もしもの世界」ベンチマークは、1つの物理変数のみ異なるペアのプロンプトを使用し、モデルが正しく因果に応答するかを検証する。9つの最先端モデルを評価した結果、最高でも52%、オープンソースモデルは約28%のペアスコアであり、性能は物理の難易度ではなく視覚的顕著性に依存する。

Melanoscope AIモバイル皮膚鏡CDSSの前向き単施設臨床検証では、176名の患者において専門医評価との一致率88.6％、悪性病変5例に対する偽陰性ゼロ、特異度88.3％を示しました。研究では、カスケード深層学習モデルの定量的解釈可能性評価法と3ゾーン患者振り分けアルゴリズムを開発し、リソースが限られた環境での皮膚がんスクリーニングに再現可能で解釈可能な意思決定支援を提供します。

本研究では、DINOv2、DINOv3、CLIPから得られた表現を条件として合成画像データを生成する表現条件付き拡散モデルを提案。ImageNet100において、クラス条件付き生成を+10.76 p.p.のトップ1精度で上回る。合成データセットを拡大することで、実データで学習した分類器を+2.0 p.p.凌駕することも可能。また、データ拡張やサンプルフィルタリングにおいても優れた性能を示し、大規模視覚学習タスクにおける実世界データセットの補完や代替の有望な手法を提供する。

本研究は、ヘッドマウント慣性計測ユニット（IMU）を用いた行動レベルの活動認識手法を提案し、従来の動作プリミティブ認識を超えるものです。研究チームは、ARアプリケーションのニーズとセンサの観測可能性を考慮した5つの行動カテゴリを定義し、Ego4Dから16万サンプルのデータセットを構築しました。また、70.3万パラメータの階層モデルHiT-HARを提案し、5クラスの行動認識と8クラスのシナリオ認識で既存モデルを上回る性能を示しました。観測可能性分析により、移動行動は確実に観測可能であり、物体移動やタスク操作は時間的コンテキストを必要とすること、シナリオ依存の信号重複が課題であることが明らかになりました。アーキテクチャの選択では、時間的コンテキストとシナリオ構造を活用することが、単純なモデルサイズの拡大よりも効果的であることが示されました。

研究者らは、D²Turbフレームワークを提案。深度認識乱流合成プロトコルと適応型構造事前注入機構を導入し、大気乱流緩和をテクスチャのデブラリングと幾何補正の2つの相互作用する段階に分解することで、合成データと実データの両方で最先端の性能を達成した。