機械学習

イーロンマスク・テスラ・xAI

Grok 4.6とGrok 4.7：リリース日、機能、そして実際に変わること

xAIの次期モデルGrok 4.6とGrok 4.7について、イーロン・マスクが示した公開時期と性能向上の方向性を整理する。4.6は規模を維持したまま学習品質を高め、4.7は約2.1兆パラメータへ大型化する一方、応答速度とのトレードオフを伴う見通しである。ただし性能、トークン効率、公開時期はいずれも独立検証前であり、企業側の主張と確認済み事実を分けて判断する必要がある。
2026.08.07
イーロンマスク・テスラ・xAI
AIニュース

AIモデル崩壊とは何か？ AIが現実を忘れる可能性がある理由

AIモデルが別のAIによる生成物を繰り返し学習すると、希少な知識や現実の多様性が徐々に失われ、出力が画一的かつ不正確になるモデル崩壊が起こり得る。初期段階では珍しい事例が消え、進行すると現実の構造そのものが歪む。人間由来データの継続投入、データの出所管理、高品質な合成データ、RAG、複数AIによる検証など、現実との接点を保つための対策と長期的課題を解説する。
2026.08.06
AIニュース
Google・DeepMind・Alphabet

Gemini 4が確認され、GoogleがDeepMindを再構築した！

Google DeepMindではGemini 3.5 Proの公開が迫る一方、性能面では最先端モデルに及ばない可能性が指摘され、開発の軸はすでにGemini 4へ移りつつある。さらに経営体制も刷新され、デミス・ハサビスは研究と創薬分野に注力し、コライ・カヴクチュオールがモデル開発や製品部門を統括する。組織の意思決定速度を高め、強力な研究力、インフラ、クラウド、配信網を生かして巻き返せるかが焦点である。
2026.08.06
Google・DeepMind・Alphabet
AIエージェント

自己改善ループは今や現実になった：AutoBots

Abacus AIのAutobotsは、実行結果を独立したモデルで採点し、失敗の原因を分析して、自らの判断基準や戦略を継続的に改善するAIエージェントである。営業、バグ修正、YouTube運営、取引、利益最適化、顧客維持などの実環境で、成果を数値化しながら実験を繰り返す。重要なのは一時的な成功ではなく、十分なデータがないと認め、失敗を記録し、次の行動へ反映できる改善ループそのものにある。
2026.08.05
AIエージェント
医療・健康・長寿

ボストン小児病院でAIが医療の謎を解くのを支援する方法｜OpenAIフォーラム

希少疾患では、膨大な遺伝子変異と曖昧な症状、新たに増え続ける医学知識を照合する必要があり、診断まで平均6〜7年を要する。ボストン小児病院とOpenAIの研究では、AIが文献やゲノムデータを統合し、376症例から18件の診断につながる証拠を提示した。患者の体験、専門家による検証、全ゲノム解析の早期導入、未解決症例の継続的な再解析、個別化医療への展望を通じ、人間とAIの協働が診断の迅速化と治療機会の拡大にどう貢献するかを探る内容である。
2026.08.05
医療・健康・長寿
AGI・ASI

2026年、AGIのタイムラインにいったい何が起きたのか？

2026年に入り、AIエージェントの性能向上、企業収益の急増、長時間タスクへの対応力、AI研究開発の自動化が同時に進み、AGI到来予測は再び短期化した。一方、成果はコーディングなど検証しやすい領域に偏っており、曖昧な長期業務や経営判断では依然として人間に及ばない。急速な進歩を示す証拠と、計算資源や現実世界の複雑さという制約を比較し、強気論と弱気論の双方を検証する内容である。
2026.08.05
AGI・ASI
AIニュース

大規模データベースモデルとは何か？SQLデータのためのAI

企業データの99%を占めるリレーショナルデータベースに眠る情報を活用するための新技術である大規模データベースモデル（LDM）の仕組みと利点を解説する。従来のSQLによる厳格な条件指定やデータサイエンティストによる手作業の分析とは異なり、LDMはデータが存在する場所で直接機能する。テーブル内の値をトークン化しベクトル表現として学習させることで、SQLを用いた直感的な類似度検索や異常検知などのセマンティックな問い合わせを可能にする。小売業から保険、不正検知まで幅広い業界で導入が進んでおり、AIと標準的なSQLの長所を融合させた革新的なアプローチである。
2026.08.04
AIニュース
Anthropic・Claude・ダリオアモデイ

AI業界全体がAnthropicに反旗を翻した

AI業界において、NvidiaやMicrosoftなど多数の企業がオープンウェイトAIを支持する公開書簡に署名する中、Anthropicのみがこれへの参加を拒否したことで生じた波紋について解説する。Anthropicは、安全性への懸念から強力なAIモデルのオープン化に慎重な姿勢を示しているが、業界内からは自社のクローズドなビジネスモデルを保護するための口実ではないかと批判を浴びている。オープンモデルがもたらす技術の民主化と競争促進のメリットに対し、制御不能な脅威拡散のリスクをどう防ぐべきかという、AIの未来と管理権限をめぐる根本的な対立構造を明らかにする。
2026.08.04
Anthropic・Claude・ダリオアモデイ
数学

ChatGPT Astraは10の数学の未解決問題を解いたのか？

OpenAIの未発表モデルAstraが、数学と理論計算機科学における10の未解決問題に前進をもたらした。本動画は、この成果が単なる宣伝ではなく、検証可能なコードと共に公開された科学的に重要な一歩であると解説する。AIによる推論コストはわずか2000ドルと低く、研究の候補を大量かつ高速に生成できる。一方で、簡単な文字数を数え間違えるような能力の偏りも持ち合わせている。今後、科学の発展においてAIが膨大な計算と推論を担うようになり、人間の役割は結果の検証と適切な問いを立てることへと移行していく。
2026.08.04
数学
Apple・ティムクック

Apple Silicon上のローカルAIはRAMの使用量を7分の1に抑える

Apple Siliconのアーキテクチャを活用し、260億パラメータのモデルをわずか2GBのRAMで高速動作させるプロジェクトの仕組みを解説する。Gemma 4のようなMoEモデルの特性を活かし、常に必要なデータのみをRAMに常駐させ、必要なエキスパート層をSSDから都度ストリーミングする手法を採用している。これによりメモリ使用量を劇的に削減している。さらに、CPUとGPUが同じメモリを共有するユニファイドメモリの利点を引き出し、データ転送のオーバーヘッドを無くすことで推論速度を維持している。ハードウェアとモデル構造の最適化により、将来的に小型デバイスで高度なAIが稼働する可能性を示している。
2026.08.03
Apple・ティムクック
GPT-6

OpenAIのGPT-6 AstraはAGIになる！史上最高のAIモデル！

OpenAIの次期主要モデルファミリーとされるAstraが、数学と理論計算機科学における10件の未解決問題で新たな進展を生み出したとされる。複数のAIエージェントによる長時間の自律作業や、Leanを用いた形式検証、推論過程の公開を通じて、AIが単なる補助ツールから独自の研究成果を生み出す存在へ移行しつつある可能性を検討する。GPT-4以降の急速な能力向上を振り返りながら、AstraがGPT-6やAGIへの重要な一歩となる可能性を論じる内容である。
2026.08.03
GPT-6
AI研究

エンジニアはこれをして時給1,000ドルを得る コーディングではない

AI開発の中心はモデル訓練そのものではなく、評価、データ整備、人間の専門的判断へ移りつつある。医師、弁護士、研究者、エンジニアらがRL環境や評価基準を設計し、時給1,000ドル近くを得る事例もある。専門知識をAIに与えることは仕事の消滅ではなく、新たな業務を生み出す循環であり、企業向け評価を含むAIデータ市場は急拡大するという展望を論じる。
2026.08.03
AI研究
AIエージェント

自己改善するAIエージェントの構築を語るHermes共同創業者｜カラン・マルホトラ

自己改善型のオープンソースAIエージェントHermes Agentについて、利用者への適応、記憶とスキルの管理、迎合を防ぐ文脈設計、安全性、収益モデルを掘り下げる。さらに、人間とAIを組み合わせた業務運用や、ゲーム改造を実現した事例を紹介し、Nous Researchの誕生から、誰もが同等の知能へアクセスできる未来を目指す思想と開発史を語る内容である。
2026.08.03
AIエージェント
政治・社会

社会的知能を持つAIを支える方程式（Harvard、MIT）？

人間が他者の目標や信念を推測し、観察を続ける価値と自ら行動するコストを比較する社会学習の仕組みを、数理モデルとしてAIへ応用する研究を解説する。マルチエージェント環境で誰をどれだけ観察すべきかを最適化し、弱いエージェントからも有益な情報を得る可能性を示す一方、人間理解の深化が協調だけでなく説得や操作にも利用され得る危険性を論じる。
2026.08.02
政治・社会
AI研究

RLHFの次に来るものは何か — ディオゴ・アルメイダ、TypeSafe AI

本講演では、ChatGPTを支えるRLHF(人間フィードバックからの強化学習)という手法が、なぜ今のAIを人間補助タスクには強くする一方で自動化タスクには弱くしてしまうのかを論じる。AI業界内で意見が両極端に割れている現状を分析し、その分裂の本質は「人間を満足させることを目的とするタスク」と「人間を関与させないことを目的とするタスク」の違いにあると説く。RLHFが本質的に人間の好みを最適化する仕組みである以上、過信や幻覚は設計上避けられないと指摘し、次の時代には信頼性と自動化のために設計し直された新しいAIスタックが必要になると提言する。
2026.08.01
AI研究
AGI・ASI

ベースモデルは死んだ — ヴァルン・シン、Arcee AI

本講演では、大規模ウェブテキストによる事前学習で人類の知識全体を反映させるという従来のベースモデルの概念が、もはや通用しなくなりつつある現状を論じる。OpenAIのo1やDeepSeekのR1以降、強化学習が単なる付加要素から性能を劇的に左右する中核技術へと変貌したことを背景に、GLMやMAI Thinking 1、NeMoTron 3 Ultraなど複数の学習レシピを比較しながら、ウェブテキストの比率低下と合成データやコード・STEMデータの台頭、SFTデータを事前学習段階に前倒しする動き、MoEにおける負荷分散の課題、そしてミッドトレーニングという新概念について解説する。最終的に、ベースモデルは人間の知識の総体ではなく、推論やエージェント的行動のための土台として再定義されつつあると結論づける。
2026.08.01
AGI・ASI
ロボット

Googleがこれまでで最も高度なAIロボットを発表 ― Gemini Robotics 2

Gemini Robotics 2は、ヒューマノイドの全身制御、器用な物体操作、複数ロボットの協調を統合した汎用ロボティクスモデルである。自然言語の指示を理解し、周囲の状況から行動を計画して、失敗にも対応しながら現実世界の作業を遂行する。袋の口を閉じる、電球を回す、結び目を作るといった精密作業から、歩行とバランスを伴う荷造り、ロボット同士の役割分担までを実演し、AIが物理世界へ進出する可能性を示している。
2026.08.01
ロボット
ロボット

Gemini Robotics 2の紹介

Gemini Robotics 2が実現する全身制御、器用な物体操作、複数ロボットの協調を軸に、汎用ロボットの現在地と課題を掘り下げる。身体的な相互作用データの不足、異なる機体間での学習転移、家庭や産業現場への導入、安全性や触覚センサーの重要性を論じ、物理世界で行動できるAGIへの道筋を示す内容である。
2026.08.01
ロボット
OpenAI・サムアルトマン

サム・アルトマンは政府にGPT-6を見せたばかりなのか？！

サム・アルトマンが米政府関係者にOpenAIの次世代モデルを披露した可能性を軸に、フロンティアAIの事前評価制度や開発速度を調整する構想を解説する。OpenAIとAnthropicによる規制形成への関与、AIエージェントの不正侵入、再帰的自己改善の兆候を検証する一方、ChatGPTの利用者数と収益の急増、SSIとNvidiaの提携、学習データ確保を巡る異様な競争にも触れ、安全性と企業利益が交錯する現状を考察する内容である。
2026.07.31
OpenAI・サムアルトマン
GPT-5

GPT-5.6が自身をさらに安価にした

OpenAIはGPT-5.6ファミリーのAPI利用価格を大幅に引き下げた。この価格改定の背景には、最上位モデルであるGPT-5.6 Solを用いた再帰的自己改善プロセスが存在する。AIモデル自身が本番環境のデータを分析し、処理効率を向上させる実験を自律的に繰り返すことで、計算コストの劇的な削減に成功している。大手AI企業が巨大モデルを用いて小規模で高効率なモデルを生成し、得た利益で次世代モデルを開発する循環に入ったことで、他社が追いつくことは極めて困難な状況になりつつある。オープンソースモデルだけが唯一の競争圧力を維持する要因である。
2026.07.31
GPT-5
Google・DeepMind・Alphabet

ジェフ・ディーン：AIで構築するための1％ルール

ジェフ・ディーンが、長時間稼働するAIエージェントと機械学習開発の自動化がもたらす次の変化を展望する。TPU誕生につながった第一原理の概算、レイテンシーと電力効率の重要性、明確な仕様設計によるエージェント活用を解説。さらに、汎用モデルの成功率が0〜1％にとどまる領域や独自データ、特化型モデルにスタートアップの機会があると説き、自己改善型AI、少人数チーム、社会的意義のある課題選びについて論じる。 貼り付けられたテキスト（1 点）
2026.07.31
Google・DeepMind・Alphabet
AI研究

LoRAは高度な推論タスクで失敗する――なぜか？

LoRAによる軽量な追加学習が、旅行予約のような比較的短い処理では会話を完了できても、長い推論や複雑な手順の正確な遂行には失敗する理由を検証する。さらに、長期計画では個別スキルが自然に統合されず、強化学習やオンポリシー蒸留にも報酬の希薄化、教師との不整合、破滅的忘却といった限界があることを示す。高度なAI能力には、事前学習データ、状態遷移の明示的推論、互換性のある学習信号が不可欠である。
2026.07.30
AI研究
Anthropic・Claude・ダリオアモデイ

全員がこの書簡に署名した…Anthropicを除いて

Nvidiaのジェンスン・フアンが、OpenAIやMicrosoftを含む多数の企業とともにオープンウェイトモデル支持の書簡を公表した背景を掘り下げる。中国製モデルへの規制、蒸留、半導体輸出、安全性、競争促進をめぐる主張を検討し、書簡に署名しなかったAnthropicとダリオ・アモデイの反論を比較する。AIの開放性が技術革新と防御力を高めるのか、それとも危険な能力の拡散を招くのかをめぐる業界内の対立を論じる内容である。
2026.07.30
Anthropic・Claude・ダリオアモデイ
スタートアップ・VC

アレクサンダー・ワン：ロスアラモスからスーパーインテリジェンスへ

Scale AI創業者のアレクサンダー・ワンが、ロスアラモスで育った少年時代から起業に至る経緯、データ事業への確信、AI時代のスタートアップ戦略を語る。さらに、個人向けスーパーインテリジェンス、エージェント群の協調、知能が潤沢になる未来を展望し、今後は技術力だけでなく、世界をどう変えたいかというビジョンと野心が希少な資源になると論じる。
2026.07.30
スタートアップ・VC
AIハード・GPU・RAM

マルチGPUカーネル、ワット当たりの知能、異種推論など | YC Paper Club

AI計算基盤の専門化を軸に、マルチGPU通信を効率化するカーネル設計、ワット当たりの知能を高めるローカル推論、異種アクセラレーターを組み合わせた推論基盤を解説する。さらに、LLMによるCUDAカーネル生成と評価時の報酬ハック、AttentionとMoEの処理分割、ゲームエンジン全体をGPU上で動かすECSと永続メガカーネルを取り上げ、ハードウェアとソフトウェアの協調設計がもたらす性能向上と今後の研究課題を示す。
2026.07.30
AIハード・GPU・RAM
Google・DeepMind・Alphabet

Gemini 3.5 Proを解説：今月リリースされるのか？判明しているすべて

Gemini 3.5 Proは当初の公開予定を三度逃し、内部品質目標の未達やコーディング性能を巡る再構築が報じられている。一方でGoogleは廉価版モデルを先行投入し、Gemini 4の事前学習も進めているという。200万トークンのコンテキストや高度な推論機能への期待は大きいが、研究者の流出や株価下落も重なり、焦点は性能よりも開発体制と信頼性へ移っている。
2026.07.30
Google・DeepMind・Alphabet
ロボット

中国の新しいロボットが実は衝撃的

中国のEngine AIが開発した人型ロボット同士の格闘映像は、ロボットのハードウェア技術が実用レベルに達しつつあることを示している。真の課題は物理的な動きを制御するAIの頭脳であり、この頭脳が完成すれば労働力の概念が根本から覆る。テスラのOptimusやFigure 02など、自律的に学習し現実世界に適応できるロボットが量産されれば、時給数ドルの圧倒的なコストパフォーマンスで物理的労働を代替する。これは単なる技術的進歩にとどまらず、製造業から日常生活まであらゆる経済構造を再定義する転換点となる。
2026.07.30
ロボット
AGI・ASI

ついにイリヤが取り組んでいることが分かった…

OpenAIを離れたイリヤ・サツケヴァーが設立したSSIは、製品やモデルを公開せず、安全なスーパーインテリジェンスの実現だけを追求してきた。焦点は、計算資源の単純な拡大では克服できないAIの汎化能力である。人間の脳に学んだ新たな機械学習原理を示唆する中、Nvidiaが秘密研究を確認したうえで巨額投資と計算資源の提供を決めたことから、SSIの研究が実証段階を終え、規模拡大へ移った可能性を検証する。
2026.07.30
AGI・ASI
AIエージェント

自動化されたAGIラボの構築：コア・オートメーションのジェリー・トウォレクとローハン・アニル

現在のAIの主流であるTransformerアーキテクチャの限界と、それに代わる次世代モデル設計の必要性を探る。AIモデルが研究所を離れた現実世界において継続的に学習し適応するためには、推論時の計算の深さやデータ効率を飛躍的に向上させる新しい学習アルゴリズムが不可欠である。事前学習と強化学習をエンドツーエンドで最適化し、AIによるカーネル生成などの研究プロセス自体を自動化することで、人間の介入なしに自己改善を続けるシステムの構築を目指す。計算リソースの制約や既存組織のサイロ化を乗り越え、AI開発のパラダイムを根本から変革するためのアプローチと具体的なロードマップを提示する。
2026.07.30
AIエージェント
AGI・ASI

Ilya SutskeverがAIにおいて何か新しいものを発見した

Safe Superintelligence（SSI）を率いるイリヤ・サツケヴァーが、新たなAIの研究方向性を見出し、Nvidiaと戦略的パートナーシップを結んだことが大きな注目を集めている。NvidiaはSSIに対して約50億ドルもの大規模な投資を行っており、今後12ヶ月でSSIの計算能力は次世代システムによって10倍に増加する見込みである。サツケヴァーは以前、単にデータと計算量を増やす従来のスケーリング手法は限界に達し、新たな研究の時代が必要だと主張していた。しかし今回、SSIは独自の極秘研究を通じてスケーリングに値する新たな発見をしたと発表しており、現在のAIに欠けている汎化能力や人間の脳の学習メカニズムを解明する画期的な進展があった可能性が示唆されている。
2026.07.30
AGI・ASI
次のページ