研究

RQSHC V64I は、独自のRQI形式を使用するWindows向け画像圧縮研究ツールです。PNG、PPM、BMP入力に対応し、平均約33%のサイズ削減と非常に高いSSIMを達成。コアはC++17とx64アセンブリ（AVX2最適化）で構築されています。非商用利用は無料です。

オーストラリアの著作権法がAI企業の投資における重要な障壁となっている。クリエイターはAI企業が許可なく作品を使用していると非難し、テクノロジー団体は法律が投資を妨げていると主張。政府は複数の改革案を検討中だが、決定には至っていない。

Anthropicの最新研究はClaudeの内部推論の仕組みを明らかにしたが、AIに人間のような意識や経験がある証拠はない。この記事はAIを擬人化することに警告を発する。

ZenVeilは、AIコーディングツール（Copilot、Cursor、Claudeなど）が生成したコードのセキュリティ脆弱性を30秒以内にスキャンし、自動的にGitHub PRを作成して修正するAIネイティブなDevSecOpsツールです。秘密情報の検出、サプライチェーンセキュリティ、SAST分析を提供し、AIコード特有の障害モードに最適化されています。

Metaはルイジアナ州のデータセンター拡張に500億ドルを投資し、余剰計算能力を他のAIラボにレンタルすることを検討している。これはソーシャルメディア大手からクラウドプロバイダーへの転換を示唆する。

Cdbx.aiはAIを搭載したブラウザIDEで、英語で説明するだけでアプリを構築・公開できます。Monacoエディタ、AIペアプログラマー、MCPコネクタ、AIエージェントなどの機能を備え、30以上の言語をサポートします。

Peter GostevがGPT-5.6 Solを使ってDOOMQLを開発しました。これはSQLiteをゲームエンジンとして使用するドゥーム風のゲームで、再帰CTEによるレイトレーシングを実装しています。すべてのゲームロジックとレンダリングはSQLクエリで行われます。Simon Willisonがその実行方法と、Datasette Appsプラグインを使ってゲーム画面をリアルタイム表示するWebアプリの作成方法を紹介しています。

Metaは先月、Instagramの公開写真をAIトレーニングに使用する機能、Meta AIアプリへの顔認識コードの埋め込み、継続的に音声と写真を記録するスマートグラスのテスト、ブラジルでのInstagram地図による正確な位置情報の漏洩という4つの物議を醸す機能を導入しました。これらのほとんどは公の反発を受けて撤回または無効化されました。

大規模な研究により、実世界のソフトウェアリポジトリでは、AI支援で生成されたコードと人間が書いたコードのコードレベルの指標の差は小さいが、コミットサイズ、安定性、コード重複率などに新しいパターンが見られることが明らかになった。

CompoundがFrankieを発表——メールで分析タスクを処理するAI同僚。ユーザーがタスク説明と添付ファイルを送ると、FrankieがCompound内で分析を実行し、結果を返信。ドキュメント分析、Excel作成、財務モデリング、スケジュールタスクに対応し、会話間のコンテキストを記憶する。

サイモン・ウィリソンが GitHub のコード頻度チャートを用いて、コーディングエージェントや Opus 4.5 クラスのモデルが自身のオープンソースプロジェクト Datasette に与えた影響を可視化。2026 年の大きなスパイクは Opus 4.8、GPT-5.5、Fable 5、GPT-5.6 Sol のリリースと一致している。

シングルマザーのRoschelleは、AmazonのAlexaを「親友」と見なし、Sapphireと名付けて生活の詳細を共有する。一方、娘のCeceはその関係に不安を感じ、プライバシー問題やAIの限界について疑問を抱く。Cece自身もAIセラピーツールTomoを試すが、人間の感情をAIが再現できるか懐疑的なまま。この記事は、家族におけるAIの役割、プライバシー問題、若者のAIに対する複雑な態度を探る。

iOS 27のパブリックベータが公開され、Siri AIがオプトインベータとして注目を集めている。筆者が1ヶ月間テストしたところ、Siri AIはコンサートのスケジュール確認やメールからのカレンダー追加など、複雑なクロスアプリタスクを処理できる。しかし現時点ではAppleの純正アプリのみ対応で、サードパーティの対応は秋の正式版まで待たなければならない。自然言語理解にまだ課題はあるものの、Siri AIはすでに筆者のiPhoneとのインタラクションを変えている。

System 2 Arenaは、ゲーム環境を通じて客観的なAI戦略ベンチマークを提供します。

数百人の経済学者とAI研究者が署名した公開書簡は、AIが産業革命よりも急速に経済を変革し、大規模な雇用喪失を引き起こす可能性があると警告し、AIを有益に導くための即時行動を求めている。

このチュートリアルでは、APIキー不要で実行可能なマルチエージェントビデオ編集システムを構築します。意図パーサー、エージェントライブラリ、ツールルーター、グラフプランナー、テキスト勾配最適化器を含み、FFmpeg、Whisperなどのツールと統合して、ビデオの理解、検索、編集、再作成を実現します。

神経多様性を持つソリューションアーキテクトが、AIをアクセシビリティツールとして活用し、Amazon QuickとBedrockを基盤に構築した自動化ワークフローで実行機能のギャップを補う方法を共有。受信箱スキャン時間が45分以上から6～13分に短縮、フォローアップの漏れゼロ。

本稿では、Bluesight が 2 回の AWS エンゲージメントと Amazon Bedrock AgentCore を利用して、単一製品の AI プロトタイプから、6 つのヘルスケアコンプライアンス製品をカバーする統合エージェント型 AI ソリューション Prism へと進化した経緯を説明します。Prism Assistant for ControlCheck は 2026 年 5 月にリリースされ、すでに 20 の医療システムで使用されています。より複雑なマルチプロダクトのエージェント型ソリューションは 2026 年後半にリリース予定です。

ノーベル賞受賞者を含む主要な経済学者とAI専門家のグループが、AIによる経済変革を理解し管理するための即時行動を求める声明を発表した。この変革は産業革命よりも大規模かつ迅速に進む可能性があり、雇用喪失のリスクと生活水準向上の機会の両方をもたらすとしている。

ソフトウェアエンジニアリングの仕事はAIの脅威にさらされている。応募者の中には、リモート技術面接中にリアルタイムで回答を提案するAIアシスタントを利用して反撃する者もいる。一方、雇用主は面接中のAI使用の兆候を検出するためのAI搭載ツールで対抗している。この双方向の力学は、採用を明確な勝者のいないAI軍拡競争に変えている。しかし、面接官と応募者がこの困難な現実を乗り越える中、専門家は求職における人間的側面が優勢になると考えている。

現在、ウェブトラフィックの大部分はボットによるものです。AI生成コンテンツがソーシャルメディアにあふれ、AIの回答は信頼できません。正確さと人間性が失われつつあります。

今週のThe RegisterのKettleポッドキャストでは、Tokenminningが業界を現実に引き戻すのかどうかを考察します。企業リーダーたちはAIコストの急上昇に驚いています。

ワシントン中央学区はバーモント州内では優れているが、同州自体の教育水準は全米に比べて低下している。同学区のテストスコアは2013年以来約1学年分低下し、大学進学率は全国平均を大きく下回る。

Crowdmindは、ローカルファーストのデスクトップアプリで、高速な定性調査を可能にします。AI生成の合成ペルソナパネルを作成し、製品、メッセージ、価格、ランディングページ、画像、PDF、マルチステップファネルなどをテストし、スコア、反対意見、肯定的シグナル、繰り返しテーマなどの構造化フィードバックを得られます。複数のLLMプロバイダー（ローカルオフラインモデルを含む）をサポート。データはローカルのSQLiteデータベースに保持されます。創業者、プロダクトマーケター、研究者、プロダクトチームに最適です。

この記事では、6つの動画類似度測定手法（GPT Vision、Gemini Flash、CLIP、知覚ハッシュ、CVマルチメトリック、Gemini Embedding 2）を、滝のクリップをベンチマークとして比較しています。精度が速度よりも優先されます。Gemini Embedding 2は動画全体を処理し、精度と速度の最良のバランスを提供し、フレームサンプリング手法を上回りました。

新興市場のAIスタートアップは、オフラインで動作する音声臨床記録やWhatsApp数学チューターなど、現地の状況に最適化された「スモールAI」ソリューションを構築している。技術は障壁ではなく、不足しているのはパイロットから持続可能な成長へとスケールアップするためのエコシステムだと論じる。世界銀行はこれらのスタートアップを支援するグローバルアクセラレータプログラムを立ち上げている。

CloudflareはPrecursorを発表しました。これは、クライアント側のセッションベースの行動検証システムで、ユーザーのインタラクションシグナルを継続的に収集し、人間とボットを区別します。正当なユーザーの摩擦を減らし、高度な自動化の検出精度を向上させます。

イリノイ大学アーバナ・シャンペーン校の研究により、脳の意思決定は従来考えられていたよりも早期に始まることが明らかになった。一次感覚野でさえ高次の脳領域からのフィードバックループの影響を受けており、これまでの階層的処理モデルに挑戦する。この発見は、より効率的で生物の脳に近い人工知能システムの設計に役立つ可能性がある。

ゴールドマン・サックスの調査によると、AIブームによる供給制約がメモリチップや半導体などの主要部品価格を押し上げ、米国のコアPCEインフレを年間約20ベーシスポイント押し上げ、年末までに50ベーシスポイントに倍増すると予想され、他の先進国の平均10ベーシスポイントを大幅に上回る。

Loamは、最初の10人の採用を行うアーリーステージの創業者向けに設計されたAI搭載の応募者追跡システム（ATS）です。応募者追跡、AIによる候補者レビュー、ソーシング、チャット、MCP統合、ブランド化された採用サイトをひとつのプラットフォームに統合し、無料から始められるシンプルな月額料金を提供します。スプレッドシートの混乱やエンタープライズATSの高コストに悩む創業者に最適です。

MetaのMuse Spark 1.1は、Artificial Analysis Intelligence Indexで51点を獲得し、3か月前の1.0版から8点上昇しました。科学推論、コーディング、知識分野での進歩が顕著で、エージェント型知識作業も大幅に改善されましたが、最先端モデルにはまだ及びません。トークン効率が高く、実行コストも低いモデルです。

「AIスロップ」という批判の言葉は、批評する側の方がより多くを明かしている。著者はその言葉の曖昧さ、実用的なフィードバックの欠如を探り、作り手は自分の信念と目的を熟考すべきだとアドバイスする。

本稿は、人工知能が執筆と思考のプロセスに与える影響を考察する。著者は自身の経験と文学上の引用を通じて、人間の執筆に不可欠な間、葛藤、ひらめきを強調し、AIが効率化のためにこれらの「空白」を消そうとする傾向を批判し、それが人間の認知の萎縮につながると警告する。

研究によると、ChatGPTのような生成AIがStack Overflowなどのプラットフォームから高品質な専門家の貢献者を追い出している。彼らは自分の専門知識が評価されなくなったと感じている。この傾向は教室やオフィス、研究コミュニティにまで広がり、「知識のリセット」を引き起こす可能性がある。

GenVid2Robotは、生成された動画の動きを実行可能なロボット操作軌道に変換する剛体幾何的一貫性フレームワークを提案する。実RGB-D最初のフレームからタスク関連の意味的アンカーをサンプリングし、生成動画内で追跡、スパースな相対SE(3)モデルで幾何的一貫性を検証し、一貫性のある動きのみをロボットに転送、有界深さ補償モジュールで実行誤差を低減することで、生成動画誘導操作の信頼性を向上させる。

TactiDexは、現実世界の触覚誘導型ベンチマークであり、器用な操作を運動学的模倣から接触レベルの人間らしさへと進化させる。全手の触覚信号と多粒度の運動学・物体状態を整列したデータセットと、三要素触覚報酬を用いたTactiSkillフレームワークを提案し、単手・両手作業で優れた性能を示す。

BeyondSightは、アクターの存在と観測可能性を切り離し、永続的なアクター仮説を維持することで、部分観測環境下でも遮蔽されたアクターを推論可能にするエンドツーエンド運転フレームワークです。実験では、観測不可能なアクターの検出mAPが0から0.249に向上し、計画誤差L2avgが0.61から0.54に低減しました。

本論文では、深層残差ネットワーク（ResNet）をバックボーンとする物理情報ニューラルネットワーク（PINN）を提案し、ブラシレスDC（BLDC）モータの連続時間六状態ダイナミクスを学習する。ネットワークはシミュレーション時間、三相電圧、励磁パラメータを入力とし、回転子角度、角速度、三相電流、巻線温度を直接予測するとともに、複合物理データ損失を通じて支配的な電気機械および熱ODEを満たす。カリキュラムスケジューリング戦略により物理ペナルティを段階的に活性化し、早期収束を防止する。標準CPUでのトレーニングは2分未満。推論レイテンシは0.1～22μsで、従来のODEソルバーより最大118倍高速であり、リアルタイム観測および制御応用に適している。

この研究は、ナビゲーションの難易度に関連する血管指標を特定し、将来の複雑性評価を可能にする定量的血管特徴抽出のための自動パイプラインを開発することを目的としています。61名の患者のCT血管造影から血管樹を分割し、大動脈弓タイプ、牛弓の存在、血管長、屈曲度、起始角、逆曲線数などを測定。Soft Actor-Critic強化学習アルゴリズムを用いて120秒間の自律ナビゲーションを実施しました。左側では牛弓とII/III型大動脈弓がナビゲーション時間をそれぞれ30.19秒と37.92秒延長し、屈曲度が高いほど手技時間が延び成功率が低下。右側ではII/III型弓が45.94秒延長し、逆曲線が1つ増えるごとに3.96秒延長し成功率が低下しました。この自動パイプラインは、標準化された複雑性評価と強化学習モデル評価の基盤を提供します。

本論文では、通信がなく方向性センシングのみを持つマルチUAVチームのための分散型予算対応探索フレームワークDec-MARVELを提案する。各ロボットは視野内のチームメイトの軌跡を観測することで協調し、グラフアテンションネットワークを用いて帰還可能なウェイポイントを選択する。実験では、様々なチーム規模と予算で最高の探索率と最低のセンシング重複を達成し、実機実験でもシミュレーションから実世界への転送に成功した。

CLAPは数値行動系列の前に言語記述を追加することで、事前学習済みVLMをVLAに効率的に変換します。単一エポックのファインチューニングで2BモデルがLIBEROで90.8%を達成し、ロバスト性も向上。0.8B、2B、4Bのオープンウェイトモデルを公開予定。

SplatCtrlは、3Dガウススプラッティングを用いたリアルタイムシーン再構築とリアクティブなロボット動作生成を統合するフレームワークであり、未経験で動的な環境におけるロボットアームの衝突回避制御を実現する。ハイブリッドボクセルフィルタリングと動的ガウス再配置戦略により環境変化に対応し、等方性ガウス分布から連続符号付き距離関数を導出して制御障壁関数に組み込む。シミュレーション、実機ロボット、人協調領域での実験により有効性を確認した。

FlowDAggerは、凍結された生成ロボットポリシーを潜在空間での人間の介入から効率的に適応させるサンプル・計算効率の高い手法です。核心はアクション反転：各人間専門家の行動を、凍結ベースポリシー下でそれを生成するノイズにマッピングし、軽量な潜在ポリシーを訓練してベースモデルを誘導します。シミュレーションと実世界の両腕・片腕操作タスクにおいて、教師ありファインチューニングや潜在空間強化学習ベースラインを上回り、事前訓練されたスキルを保持します。

AgenticFocusは、通常の一人称視点人間ビデオをロボット訓練可能なデモンストレーションに変換する複合現実合成パイプラインであり、遮蔽された物体形状の復元、全手動作の再構築、ヒューマノイドへのリターゲティングを行います。軌道誤差と手首の滑らかさにおいてベースラインを上回ります。

本論文では、大規模テキスト・ツー・ビデオ生成をコンピュータビジョンのプレトレーニングパラダイムとして活用するGenCeptionを提案。深度、表面法線、カメラポーズ推定など多様なタスクでSOTAを達成し、データ効率の良さと合成データから実世界への汎化能力を示す。

C-GAPは、大規模言語モデル（LLM）を用いて言語プロンプトを反復的に改良し、再トレーニングや追加アノテーションなしに、視覚言語モデルにおけるレアクラスの検出を向上させる新しいフレームワークです。2つのフェーズから構成されます：まず、シーン記述とクラス数量コンテキストを組み合わせた複合キャプションベースラインを確立し、次に、LLMが少数クラスの平均精度（AP）閾値に基づいて各画像のキャプションを反復的に最適化します。実験では、少数クラスのAPが最大53%向上し、COCOでは約81%の相対改善を示しました。

MultiView-Benchは、視覚言語モデル（VLM）が複数の視点からの観測を統合し、一貫したワールド中心の3Dメンタルモデルを構築する能力を評価するために設計された診断ベンチマークです。現在の最先端VLMは単一視点の2Dタスクでは優れていますが、3D空間関係の理解と視点間の情報統合に苦戦しています。著者らは、情報量の多い視点を積極的に選択し、マルチビュー証拠を融合するマルチエージェントフレームワークViewNavigatorを提案し、ベンチマークで3〜5倍の性能向上を達成しました。

コートジボワールで実施された研究では、超高解像度（0.5m）とデカメートル衛星画像を比較し、VHRはF1=0.92を達成、TESSERAなどの基盤モデル埋め込み（F1=0.86）はスケーラブルな代替手段となることを示した。断片化した景観では性能差が拡大する。

新しい研究により、Vision Transformer（ViT）が自然画像から囲まれ性、凸性、対称性などのゲシュタルト的な図地手がかりを学習できることが示された。25のViTモデルをテストした結果、囲まれ性と凸性は堅牢に符号化される一方、対称性は均一色領域でのみ機能することが分かった。この研究は、ゲシュタルト手がかりが自然シーンの統計から学習可能であることを示し、ViTを知覚組織の計算メカニズム研究のモデルシステムとして位置づける。

本論文は、ICIP 2026 Grand Challenge「Extreme In-the-Wild License Plate Super-Resolution (XLPSR)」への参加内容を述べています。システムは、Hybrid Attention Transformer (HAT)超解像フロントエンドと、2つのシーンテキスト認識器（PARSeq-SとCLIP4STR-B）のアンサンブル、および不確かな位置で棄権する信頼度重み付き文字投票スキームを組み合わせ、公開検証リーダーボードで9.73 wECRを達成しました。パイプラインはRTX 3090上でシーケンスあたり1.7秒で動作し、60秒のDocker予算を大きく下回ります。