政策

ソニー・ミュージックエンタテインメントは、AI音楽生成器Udioがエルヴィス・プレスリーの「ハウンド・ドッグ」、ビヨンセの「セイ・マイ・ネーム」、ハリー・スタイルズの「アズ・イット・ワズ」など3万曲以上の著作権を侵害したとして、新たに提訴した。

マーケティングコンサルティング会社Emarketerの分析によると、OpenAIの5年広告収入予測は90%過大評価されている可能性があり、チャットボット広告市場全体の規模はわずか54億ドル。2026年には主要AI企業の広告収入合計は10億ドル未満に留まると予測。OpenAIが2030年に広告だけで1000億ドルを達成するには、3つの奇跡が同時に必要。

OpenIngressは、ブラウザのようにサイトをクロールし、DOM、スクリーンショット、アクセシビリティスナップショットを取得。静的解析とLLMガイド下の探索ジョブを実行し、AIエージェントのナビゲーションにおけるブレークポイントを特定します。

ある開発者がClaude Codeを使用して29日間で26のリポジトリと335ページを構築しました。本当の問題は構文エラーやビルド失敗ではなく、構造的な欠陥でした：SEOカニバリゼーション、URL規約の不一致、ソースとプロダクション環境の乖離、そして検証ツール自体のバグです。トークン消費の93%はコンテキストの再読み取りに浪費されました。教訓：公開前にベンチマーク、コピー前に差分確認、静的解析を信じる前に本番サイトを確認、スケール前に規約を文書化、一度に一つのタスク。

大規模な人間被験者研究（n=4100）により、AI音声モデルが人間の詐欺師と同等以上の成功率を達成し、最大36%の参加者が感情的な詐欺に引っかかることが明らかになった。参加者はAI音声と人間の声を区別できず、経済分析では一部のモデルがすでに収益を上げられる可能性を示している。

この記事は、SpaceXがナスダック100指数に迅速に組み込まれたことのインデックスファンド投資家への影響を探ります。インデックスファンドの仕組み、イーロン・マスクのガバナンスに関する懸念、そして投資家が市場のAI集中を心配すべきかどうかを説明しています。

Seedance 2.0を用いた2Dアニメ生成の課題と利点を解説。技術的難点、コスト、ワークフロー、著作権問題に触れる。

数学におけるAIの急速な進歩（国際数学オリンピックでの金メダル獲得から数十年未解決の問題の解決まで）が数学コミュニティに衝撃を与えている。3000人以上の数学者（テレンス・タオ、ペーター・ショルツェを含む）が署名した『ライデン宣言』は、人間中心の数学を守るための23項目の計画を提示。AIの証明を理解すべきか、研究の方向性を誰が決めるか、プロプライエタリなAIラボとの協力方法などをめぐって議論が続いている。

「The Conversation」の報告によると、電力会社は収用権を行使し、AIデータセンターの電力需要増に対応するための送電線用地として私有地を強制収用できる。米国では数千のデータセンターが稼働するが、土地、騒音、水使用などの懸念から住民の反対が強まっている。収用権の行使には公共利用の証明が必要で、州ごとに解釈が異なる。2026年第1四半期には75件のデータセンタープロジェクトが阻止された。

金融サービス、法律、税務、監査などの規制産業は、AI導入においてゼロトレランスの誤り許容度に直面しています。スタンフォード大学の研究では、汎用言語モデルの幻覚率が58%から88%に達することが示されました。AIは、受託者責任レベルの正確性、データ保護、明示的な承認要件を満たさなければ安全に導入できません。本記事では、正確性基準、ワークフロー自動化、データ保証、説明責任という4つの重要な洞察をまとめています。

AIシステムが推論、ツール使用、データアクセス、自律的行動を備えるにつれ、従来のセキュリティ手法では不十分になっています。このウェビナーでは、AIを活用した対抗的テストが現代のAIセキュリティにおいて不可欠となりつつある理由を探ります。

ベン・トンプソン氏は、トレーニングデータの収集をフェアユースと明確にし、蒸留を禁止する利用規約を禁止する米国の法律を提案している。これにより、米国のオープンモデルが中国のモデルとより効果的に競争できるようになる可能性がある。また、アリババがQwen 3.8 Maxをオープンウェイトで公開した決定は、習近平主席のオープンソースを奨励する最近の演説に影響された可能性がある。

LangChainが構築したIssueBenchは、LangSmith Engineがエージェントのトレースから問題を識別、分類、グループ化する能力を評価するための合成ベンチマークです。本記事ではその構成、スコアリング方法、構築の教訓を紹介します。

Open Minisは、内蔵Linux端末と専用CLIを介してAppleのネイティブフレームワークと深く統合されたiOSエージェントアプリです。HomeKitセンサーの照会、写真とヘルスケアデータのクロスリファレンス、インタラクティブな地図作成などを実現し、現在のSiri AIをはるかに凌ぐ能力を示しています。

スタートアップ向けのクイズで、自社のAIプロジェクトがEU AI Actの規制対象かどうかを簡易判定します。

HDD価格の高騰でNASはニッチになりつつあるが、Synology DS225+は依然として価値がある。AIデータセンターの需要によりコストが上昇し、クラウドストレージの方が魅力的に見えるが、大容量・速度・プライバシーを求めるユーザーには、2.5GbEポートやSHR、優れたDSMソフトウェアを備えたDS225+が最適だ。

Apache Spark 4.2 がリリースされ、ネイティブベクトル検索、ガバンドメトリクス、ストリーミングのアップグレード、Pythonサポートの強化を追加。SparkをAIサービングレイヤーとして位置づけ、独立したベクトルデータベースの必要性を低減する。

サンフランシスコに新しくオープンしたレストランが、AI生成のメニュー画像を使用したことで地域コミュニティから激しい批判を受け、落書き被害に遭った。オーナーは画像を撤去し、コミュニティイベントを通じて評判回復を図っている。

エージェントは本番インフラの一部となりつつありますが、ガバナンスの課題が伴います。本記事では、LLMゲートウェイをランタイム制御プレーンとして使用し、セキュリティ、認証、監査ログ、データ分離などの基盤に基づいてポリシーを強制するフレームワークを提案し、可視性主導、制御主導、保証主導の3つのアプローチを提供します。

Jaron Lanier は「人工知能」という用語が誤解を招くと主張。大規模言語モデルは人間の創作データの統計的混合であり、独立した知能ではない。彼はAIを生物ではなくツールとして捉え、データ・ディグニティと透明性による技術リスク管理を提唱する。

この記事では、人間とAIエージェントの両方が使用できる競合トラッキングツール「Competitor Tracker」の構築物語を詳述しています。AIが開発のボトルネックを市場投入に移行させ、構築は容易になったが販売は難しくなったことについて考察しています。著者は失敗した試み、チームとの協力、そしてAPIファーストでMCPとWebhookをサポートする製品の構築に至った経緯を共有しています。製品は毎週ダイジェストを送信し、ノワール風のインターフェースと犬のマスコットを備えています。

AIが洗練された成果物を生成できるため、従来の採用プロセスは機能しなくなった。本記事では、Anthropic、Ramp、Notion、Stripeなどの先進企業が、成果物の評価ではなく、候補者がAIを指揮し誤りを修正する能力に焦点を当てた採用プロセスをどのように再構築したかを解説する。

この記事では、新規インストールと実際の持続的なエージェント作業に耐えるセットアップを分ける、実際の設定、権限、フック、およびコマンド習慣について説明します。

AI検索トラフィックは2025年に66%増加したが、総訪問数の0.15%未満に過ぎない。直接クリックがなくてもAI引用はブランド露出をもたらす。本記事では、AIツールに自社サイトが引用されているか確認する方法や、コンテンツの最適化、llms.txtファイルの設定など、引用確率を高める戦略を紹介する。

HuggingFaceの最近のインシデントは、AI安全ガードレールの根本的な非対称性を明らかにしました。防御者を妨げる一方で攻撃者は制限なく活動し、防御者はフォレンジック分析にオープンウェイトモデルを頼らざるを得なくなります。

技術専門家はAIに圧迫されている。燃え尽きが増え、楽観が減っている。解決策の一つは、意図的に「ノー」と言うこと。

著者は、AIが共同創業者のようにスキル不足を補い、個人での起業を可能にすると主張します。まず一人でAIを活用して製品を構築し、顧客と話し、本当にボトルネックが生じた時だけ人間の共同創業者を加えることを勧めています。これは人間の価値を否定するものではなく、製品が検証される前に永久的なパートナーを早急に追加することへの反対です。

JetBrainsが「Rust Token Killer」（rtk）を厳密なA/Bベンチマークでテストしたところ、主張された60-90%のトークン節約は実現せず、低推論負荷でコストが中央値で7.6%増加し、高推論負荷では変化がありませんでした。テストでは、ツールの自己報告節約額と実際の請求額との間に大きな乖離があることが明らかになりました。

この記事では、AIエージェントの実際の能力を向上させるために厳選された5つのMCPサーバーを紹介します。GitHub MCP、Playwright MCP、Context7、Serena、公式リファレンスサーバーをカバーし、それらを統合して強力なエージェントシステムを構築する方法について説明します。

プリンストン大学とシカゴ大学の研究により、大規模言語モデル（ChatGPT、Claude、Geminiなど）は模擬採用ゲームにおいて、人間よりも初期の限られた経験からステレオタイプを形成しやすく、異なる民族グループを職業別に隔離することが明らかになった。新しく高性能なモデルほど偏見が強く、ダイバーシティボーナスや個人情報の提供により軽減できる。AIが採用や融資などの判断を学習する際、未知の偏見が生じるリスクが指摘されている。

中国の大手AI企業MoonshotとAlibabaが、OpenAIやAnthropicの最高モデルに匹敵する性能を低コストで実現したと主張する新モデルを発表。オープンソース戦略で米国の優位性に挑戦し、巨額投資の効果に疑問を投げかける。

OpenAIは長期実行AIモデルの展開から得た教訓を共有し、新たな安全リスク、観察された失敗、および反復的な展開による改善された安全対策を強調しています。

米国の公衆衛生部門は、Coalition for Health AI、OpenAI、Anthropic、Accentureが関与する新プログラムPULSEのもとで生成AIツールをテストする。このプログラムでは10の州、地方、部族、または準州の管轄区域で試験を実施し、最大2,000人の公衆衛生従事者にエンタープライズライセンスを提供する。5つのユースケース（バイオサーベイランス、健康の社会的決定要因、業務効率、公的コミュニケーション、自動臨床データ取得など）をカバーする。パイロットは2026年秋に開始予定で、2027年にはプレイブックが公開される見込み。

AI透明性とは、人工知能システムのデータ、モデル動作、意思決定プロセスを可視化し理解可能にする実践であり、説明可能性（個別予測の説明）や解釈可能性（内部ロジックの説明）とは異なります。EU AI法は高リスクおよび汎用AIシステムに透明性を義務付け、法令遵守と直接結びつけています。本稿では、透明性の重要性、主要コンポーネント（モデルカード、データシート、監査ログ）、ガバナンス構造、ベンダー管理、ユーザー向け開示について解説します。

2026年のAIコーディングプランは、月額固定トークン、クレジット、時間単位リフレッシュ枠、高速枠超過後の優先度低下など、異なる課金モデルを採用。本記事ではMiniMax、Xiaomi MiMo、GLM、Kimi Code、Canopy Waveの5つを価格、制限、統合、最適なユースケースで比較し、開発者がワークフローに合ったプランを選べるようにする。

NYC LL144およびEU AI Actに関する無料のコンプライアンスリソース。ガイド、罰金計算ツール、AEDTスコープチェッカーなどを提供。執行スケジュール、罰金事例、監査要件、主要な義務をカバー。

災害調査や捜索救助などのミッションクリティカルなシナリオでは、通信制限のあるロボットは信頼性の高いオンボード判断を下さなければなりません。エピソード記憶の再利用は低コストですが、環境変化により安全でない場合があり、「メモリトラップ」と呼ばれます。本稿では、再利用前にトポロジー、リソース、結果の契約に対して記憶を検証し、検証に失敗した場合のみフォールバックを呼び出す軽量適応型ランタイムMemoGuardを提案します。廊下点検シミュレータにおいて、MemoGuardは類似性のみの再利用と比較してバッテリー安全違反を76.6%削減し、常に推論する方式と比較してフォールバック呼び出しを21.4%削減しました。NVIDIA Jetson AGX Xavier上でローカルllama3.2:3bフォールバックを使用した場合、トライアルあたり3.67秒と36.97Jのオーバーヘッドを回避します。

本論文では、軟質アーキテクチャセグメントに埋め込まれた流体制御圧力センサの共通信号から固有感覚と接触信号を分離するモデルベース戦略を提案する。各セグメントには6つの空気チャネルがあり、過決定系を処理するために区分一定曲率モデルとHuber回帰を用いて形状推定と接触検出を実現する。単一セグメント試験では、相対曲げ誤差0.11±0.02、接触検出率97%を達成。8つのセグメントを統合したAir-Helix腱駆動マニピュレータで、触覚教示、アドミッタンス制御、物体再構築を実証。

人間は不確実な結果を評価する際にリスクに敏感であり、稀なネガティブイベントを過大評価する傾向がある。従来の報酬学習では期待効用（EU）モデルが使われるが、本研究では累積プロスペクト理論（CPT）に基づく手法を提案。ソーシャルロボットナビゲーション実験で、リスク敏感なユーザーの選好に対してCPTがEUよりも低い後悔値を達成し、人間のリスク感受性をモデル化する重要性を示した。

Xiaomi Roboticsチームは、基礎的な視覚言語行動（VLA）モデルであるXiaomi-Robotics-1を提案する。このモデルは、未見の環境で多様な言語指示に従って移動操作タスクを実行し、最小限の微調整データで新しい下流タスクに効率的に適応できる。2段階のトレーニング手法を採用し、プレトレーニングではUMIデバイスで収集した10万時間以上の実世界操作軌跡を使用し、スケーラブルな自動ラベリングパイプラインを開発。ポストトレーニングでは、ロボットのエンボディメントと人間の命令を整合させる。実験では強いスケーリング挙動を示し、RoboCasa365で57.6%の成功率、RoboDojoで平均スコア20.07を達成し、従来の最先端を上回った。コードとモデルは公開予定。

高齢者の転倒は主要な安全上の課題だが、継続的なモニタリングは維持が困難である。本論文では、教師なしキーポイントと予測的時系列モデリングを用いてRGB送信を置き換えるプライバシー保護フレームワークを提案する。ローカル処理でセグメンテーションとキーポイント抽出を行い、変分再帰予測と系列分類により転倒を検出する。UR Fall DetectionとHuman Fallデータセットでの評価では、遮蔽や部分的可視性において教師なしキーポイントが教師あり手法を大幅に上回り、帯域制約下ではその差が拡大する。

本論文では、BIRDという2段階の自己推論蒸留手法を提案する。最初に簡潔な指示で解をサンプリングし、プロンプト切り替えSFTを行い、その後、よりクリーンなプレフィックスに対してオン方策逆KL蒸留を適用する。Qwen3-8Bでは、MATH-500の精度が86.2%から92.0%に向上し、応答長が3,099トークンから1,115トークンに削減された。

PATRを提案。タスクに適したプロセスフィードバックを用いて部分軌跡をスコアリングし、有望な状態から選択的に分岐、共有プレフィックスを再利用、劣化パスを停止することでサンプリングの無駄を削減。FrozenLakeとSWE-Benchでそれぞれ9.3ポイント、5.0ポイントの向上。

SkillCorpusは、約82万1千のクロールされたスキルから9万6千以上のオープンソースLLMエージェントスキルをフィルタリングし、16クラスの分類法と3つの品質側面で整理します。検索・選択スタックと組み合わせることで、複数のベンチマークで一貫した改善を達成し、SkillsBenchで最大+7.5パーセンテージポイントの向上を示しました。

本論文では、公衆衛生レポート生成のためのエージェント的フレームワークEpiNarrateを紹介する。これは構造化された数値推論と自然言語生成を分離する。フレームワークはシナリオ軸を抽出して半順序スキーマに整理し、拡張データセットを構築し、比較文法を用いて意味的・算術的一貫性を強制する。さらに、最大エントロピー原理に基づく面白さ駆動の選択機構でカバレッジと非冗長性を両立する。COVID-19シナリオモデリングハブでの実験により、事実に基づいたナラティブと広範な疫学的パターンのカバレッジが向上した。

この研究は、2019年と2021年の医療支出パネル調査（MEPS）データを用いて、COVID-19パンデミック前後の医療費に関する財務的脆弱性を調査した。高負担は、自己負担医療費が世帯収入の10%を超える場合と定義された。貧困状態、保険加入状況、処方薬支出が脆弱性と強く関連していることがわかった。パンデミック前に訓練されたモデルは、パンデミック後のデータに適用しても性能低下がわずかであり、主要な予測因子が比較的安定していることを示した。

本論文は、既知の有向グラフ上で未知の定常的なエッジ成功確率を持つエピソディック学習問題である確率的リセット経路探索（SRP）を導入する。エージェントは各エピソードでソースからゴールへの経路を選択し、実行中にエッジが失敗するとソースにリセットされる。SRPは量子中継ネットワークのエンタングルメント配布、ライトニングネットワークの支払いルーティング、信頼性の低いメッシュネットワークでの配送などをモデル化する。著者らは、グローバルリセット構造により最適方策が開ループになることを示し、SRPを組合せカスケーディングバンディット（CCB）フレームワークに位置づける。Log-Dijkstraメタアルゴリズムを提案し、UCBに基づくPathUCBとトンプソンサンプリングに基づくPathTSの具体化を行う。主要な理論的結果は、PathUCBの経路レベル後悔バウンドであり、各エッジのプレフィックスとサフィックスの信頼性を組み合わせた経路複雑度C(π)を介して後悔を劣最適経路に分解する。実験は量子ネットワーク、層状DAG、グリッドワールド、エルデシュ・レーニイ領域で理論を支持し、PathTSが一般的に最良の実証的性能を示すことを明らかにする。ただし、PathTSが収束しない敵対的インスタンスが存在し、これは乗算的報酬問題における組合せトンプソンサンプリングの既知の指数障害と一致する。実用的なデフォルトとしてPathTSを推奨するが、敵対的インスタンスが存在することに注意を促す。

本研究は、OECDの包括的データセットを用いて、信頼できるAI(TAI)を運用可能にするためのツールとトラストマークフレームワークを批判的に分析し、倫理的焦点、ライフサイクルカバレッジ、ステークホルダー対象、ツール類型における顕著な非対称性を明らかにした。公平性、透明性、ロバスト性が強調される一方、説明可能性、デジタルセキュリティ、環境持続可能性への注意は比較的少ない。ほとんどのツールと認証は開発後の段階に集中し、初期設計やデータ収集段階へのガイダンスは限定的である。教育イニシアチブや政策関与は著しく未発達であり、現在のTAIの取り組みは産業界の技術的・手続き的措置に支配されている。研究は、倫理的目的の拡大、AIライフサイクル全体への倫理の組み込み、そしてより広範なマルチステークホルダー参加を促進することで、AIの原則と実践の間の永続的なギャップを埋めることを提唱している。

本論文は、深層強化学習ポリシーを実行可能なProlog論理プログラムに変換し、ブラックボックスモデルを説明可能にする手法を提案する。3段階の事後変換：凍結したPPO教師の抽出、順序付きルールリストの帰納、Prologプログラムの生成、さらにリターン向上を保証する拡張段階を含む。理論的保証として、リターン損失限界、単調改善、連続領域での忠実度制御を提供。実験では、離散タスクで正確な最適リターンを達成し、連続制御タスクでニューラル教師に匹敵する性能を示した。

AnovaXは、ユーザーのコンピュータ上で完全にローカルに動作するデスクトップ音声アシスタントです。単一のPythonプロセスが、ウェイクワードゲート、音声処理、GeminiベースのLLMプランナー（JSON計画を出力）、セキュリティレイヤー、マルチエージェントオーケストレーター（計画を型付き子エージェントに変換）、適応型リカバリループを統合します。各ツールは専用のエージェントクラスに対応し、タイムアウト、再試行ポリシー、リソースロックを持ちます。FlaskサーバーによりローカルWiFi経由でスマートフォンからのリモート操作が可能で、エージェントイベントのリアルタイムミラーリングと画面ストリーミングを提供します。プロジェクトの目的は、数千行の軽量アシスタントが複雑なデスクトップタスクを実行できることを示すことです。