AI関連のインシデントが急増しているにもかかわらず、主要な産業用モデル開発者における標準化された責任あるAI（RAI）評価は依然として不足している。しかし、HELM Safety、AIR-Bench、FACTSなどの新しいベンチマークは、事実性と安全性を評価するための有望なツールを提供している。企業によるRAIリスクの認識と意味のある行動の間には大きなギャップが存在する。一方、政府は緊急性を増しており、2024年にはAIガバナンスに関するグローバルな協力が強化され、OECD、EU、国連、アフリカ連合などの組織が、透明性、信頼性、その他の責任あるAIの核心原則に焦点を当てたフレームワークを発表している。
この記事では、1982年のSF作家アイザック・アシモフのインタビューを取り上げています。アシモフは人工知能を、これまで人間特有の知性と関連付けられていたタスクを実行するあらゆるデバイスとして定義しました。アシモフは、AIと人間の知性は競争相手ではなく補完的関係にあり、両者の協調がより速い進歩をもたらすと考えていました。創造的な思考を必要としない仕事から人間を解放すると予測しつつも、技術的進歩に伴う潜在的な困難や課題についても警告し、自動車の登場を例に挙げています。AI時代への備えと過去の過ちの繰り返しの回避を強調しました。
このベンチマークは、大規模言語モデルの長編小説の創作能力を評価します。ブレインストーミング、改訂、8つの1000単語の章の執筆を評価します。指標には、章の長さ、流暢さ（使いすぎのフレーズの回避）、繰り返し、章全体での書き込み品質の低下が含まれます。最終的なスコア（0〜100）は、評価用LLMによって割り当てられます。
OpenRouterプラットフォームに、Quasar Alphaという謎めいたAIモデルが登場し、プログラミングにおいて瞬く間にトップのAIモデルとなりました。様々な証拠から、OpenAIとの関連性が示唆されており、OpenAIのo4-mini-lowモデルの別名である可能性も考えられます。最先端のものではないものの、その速度とコストパフォーマンスは、AIコーディングモデル市場を混乱させる可能性があります。Quasar Alphaは現在、Kilo Codeで利用可能です。
Anthropicは、OpenAIのChatGPT Proに対抗するため、AIチャットボットClaude Maxの新しい高価格サブスクリプションプランを発表しました。Maxは、Anthropicの月額20ドルのClaude Proと比較して、より高い使用制限と、最新のAIモデルや機能への優先アクセスを提供します。2つのプランがあり、月額100ドル（速度制限5倍）と月額200ドル（速度制限20倍）です。この動きは、最先端のAIモデル開発の高コストを賄うための収益増加を目指しています。Anthropicは、大学をターゲットにしたClaude for Educationなど、他の収益源も模索しています。サブスクリプション数は明らかにされていませんが、同社の新しいClaude 3.7 Sonnetモデルは大きな需要を生み出しています。
ニューイングランド医学誌に掲載された新しい研究によると、ダートマス大学の研究者らが開発したAI心理療法ボットが、無作為化臨床試験において、人間の臨床医と同等かそれ以上の有効性を示したことが明らかになりました。 アメリカの深刻なメンタルヘルスケア提供者の不足に対処するために設計されたこのボットは、5年以上もの間、臨床上のベストプラクティスを厳格にトレーニングされてきました。結果は、患者のメンタルヘルスの改善だけでなく、驚くべきことに、強い治療関係と信頼関係の構築を示しました。 アメリカ心理学会は、規制されていないAI心理療法ボットへの懸念を表明していますが、この研究の厳格なアプローチを称賛しています。 研究者らは、この技術はまだ市場投入には程遠く、さらなる試験が必要であると強調していますが、広範なメンタルヘルスケアへのアクセス危機に対する潜在的な解決策を提供しています。
Google Cloud Next '25で、Googleは第7世代のテンソル処理ユニット（TPU）「Ironwood」を発表しました。これは、これまでで最も強力かつスケーラブルなカスタムAIアクセラレータであり、推論用に特別に設計されています。Ironwoodは、AIモデルがデータだけでなく洞察や回答を生成する、先見的な「推論時代」への転換を示しています。9216個もの液体冷却チップが、革新的なICIネットワーク（約10MW）で接続されており、Google CloudのAIハイパーコンピューターアーキテクチャの重要な構成要素となっています。開発者は、GoogleのPathwaysソフトウェアスタックを活用して、数万個のIronwood TPUの処理能力を簡単に活用できます。
Googleは、異なるベンダーによって構築された、または異なるフレームワークを使用するAIエージェント間のシームレスな協調を可能にするオープンなプロトコルAgent2Agent（A2A）をリリースしました。50社以上のテクノロジーパートナーとサービスプロバイダーの支援を受けて、A2Aは安全な情報交換と調整されたアクションを可能にし、生産性を向上させ、コストを削減します。既存の標準に基づいて構築されたA2Aは、複数のモダリティをサポートし、セキュリティを優先し、長時間実行されるタスクを処理します。ユースケースは、採用プロセス（候補者の選別や面接のスケジュール設定など）の自動化から、さまざまなエンタープライズアプリケーション全体での複雑なワークフローの合理化まで多岐にわたります。オープンソースであることから、協力的なAIエージェントの繁栄するエコシステムを促進します。
AgenticaとTogether AIは、Deepseek-R1-Distilled-Qwen-14Bから分散型強化学習によって微調整されたコード推論モデル、DeepCoder-14B-Previewをリリースしました。LiveCodeBenchで60.6%のPass@1精度を達成し、わずか14BパラメータでOpenAIのo3-miniに匹敵する性能を示しています。このプロジェクトでは、データセット、コード、トレーニングログ、システム最適化をオープンソース化しており、高品質なデータとGRPOへのアルゴリズム改良に基づいた堅牢なトレーニングレシピを示しています。この進歩により、高性能なコード生成モデルへのアクセスが民主化されます。
Gemini Advancedのサブスクライバーは、業界ベンチマークとChatbot Arenaによって世界で最も強力なAIモデルと見なされているGemini 2.5 Pro実験版を搭載したDeep Researchにアクセスできるようになりました。このパーソナルAIリサーチアシスタントは、研究プロセスのあらゆる段階を大幅に改善します。テストでは、評価者はGemini 2.5 Proによって生成されたレポートを競合他社よりも2対1以上の割合で好んでおり、分析的推論、情報合成、洞察力のあるレポート生成の改善を挙げています。Web、Android、iOSで、あらゆるトピックに関する詳細で読みやすいレポートにアクセスし、何時間も作業時間を節約できます。さらに、移動中のリスニングのための新しいオーディオ概要機能を試してみてください。詳細情報と試用版は、Gemini 2.5 Pro（実験版）を選択し、プロンプトバーで「Deep Research」を選択して確認してください。
本稿は、記号論理の拡張によって人工汎用知能（AGI）を構築しようとした、Douglas Lenatによる野心的なプロジェクト「Cyc」の40年間の歴史を詳述する。2億ドルの投資と2000人年の努力にもかかわらず、Cycは知的な成熟に達することができなかった。本稿は、その秘密の歴史を明らかにし、プロジェクトの閉鎖性と代替的なAIアプローチの拒否が失敗の主要因であったことを強調する。Cycの長期的かつ緩慢な衰退は、AGIへの記号論理アプローチに対する強力な批判となっている。
MetaはLlama 4の2つの新しいモデル、ScoutとMaverickをリリースしました。MaverickはLMArenaで2位を獲得し、GPT-4oとGemini 2.0 Flashを上回りました。しかし、MetaはLMArenaでテストされたのは、一般公開されているものではなく、特別に最適化された「実験的なチャットバージョン」であることを認めました。これは論争を巻き起こし、LMArenaは同様の事態を防ぐためにポリシーを更新しました。Metaは様々なバージョンを試していると説明しましたが、この動きはAI競争におけるMetaの戦略と、Llama 4のリリース時期の奇妙さについて疑問を投げかけています。最終的に、この事件はAIベンチマークの限界と、大企業の競争における複雑な戦略を浮き彫りにしています。
現在のトランスフォーマーモデルは、長いコンテキストに対する自己注意レイヤーの非効率性のために、1分間の動画生成に苦労しています。本論文では、隠れ状態自体がニューラルネットワークであるテスト時訓練（TTT）レイヤーを検討します。これにより、表現力が向上します。事前学習済みトランスフォーマーにTTTレイヤーを追加することで、テキストストーリーボードから1分間の動画を生成できます。トムとジェリーカートゥーンのデータセットを使った実験では、Mamba 2やGated DeltaNetなどのベースラインと比較して、TTTレイヤーが動画の一貫性とストーリーテリングを大幅に向上させ、人間の評価で34 Eloポイントのアドバンテージを達成しました。50億パラメータモデルの制約によりアーティファクトが残っていますが、この研究は、より長く複雑な物語を持つ動画にスケール可能な有望なアプローチを示しています。
GoogleとOpenAIが最近発表したマルチモーダル画像生成機能は、AI画像生成分野における革命を意味します。従来、テキストプロンプトを独立した画像生成ツールに送っていた方法とは異なり、マルチモーダルモデルは画像生成プロセスを直接制御し、LLMがテキストを生成するように、トークン単位で画像を構築します。これにより、AIはより正確で印象的な画像を生成し、ユーザーのフィードバックに基づいて反復処理を行うことができます。この記事では、インフォグラフィックの生成、画像詳細の修正、仮想製品広告の作成など、さまざまな例を通してマルチモーダルモデルの強力な機能を示しています。しかし、著作権や倫理的な懸念、ディープフェイクのような潜在的な悪用リスクなども指摘されています。最終的に、著者はマルチモーダルAIが視覚的創造の風景を劇的に変えるだろうと述べており、その健全な発展を保証するために、この変革をどのように導くべきかを慎重に検討する必要があると結論付けています。
「ニューラル・グラフィティ」と呼ばれるこの実験的な手法は、「スプレー層」と呼ばれるプラグインを使用して、事前学習済み大規模言語モデル（LLM）の最終推論段階に直接メモリトレースを注入します。ファインチューニングや再トレーニングは不要です。脳のニューロプラスティシティを模倣し、ベクトル埋め込みを修正することでモデルの「思考方法」を微妙に変更し、生成トークンの予測に影響を与えます。インタラクションを通じて、モデルは徐々に学習し、進化していきます。特定の単語の出力を強制するわけではなく、繰り返しインタラクションを通じて関連する概念にモデルを偏らせることで、AIモデルにより能動的な行動、集中した個性、そして向上した好奇心を与えることを目指しています。最終的には、ニューロンレベルで何らかの自己認識を獲得するのを支援することを目的としています。
17～30歳の910人の若年成人を対象としたオンライン調査では、認知的負荷の異なるタスクにおいて、神経典型的な個人とADHDスクリーニング陽性者間の背景音楽（BM）の聴取習慣と主観的影響を比較しました。ADHD群は、学習や運動など特定の状況においてBMを好む傾向が著しく高く、刺激的な音楽をより好む傾向がありました。しかし、BMの認知機能および感情機能への主観的影響において、群間で有意差は見られませんでした。本研究は、個人の覚醒の必要性と利用可能な認知資源に基づいてBMの使用を調整することの重要性を強調し、ADHDに対する音楽介入に関する新たな視点を提供しています。
Llama 4のリリースは、大規模言語モデルが性能の限界に達しつつあることを示唆しています。MetaによるLlama 4への巨額投資は期待通りの成果を生み出せず、目標達成のためにデータ操作が行われたという噂もあります。これは、GPT-5レベルのAI開発でOpenAIやGoogleなどが直面している困難を反映しています。Llama 4のパフォーマンスに対する業界の失望は広まっており、MetaのAI担当副社長であるJoelle Pineau氏の辞任によってさらに裏付けられています。この記事では、AI業界におけるデータ漏洩やデータ汚染といった問題を指摘し、著名な専門家たちが現実世界の失敗を無視して楽観的な予測をしていると批判しています。
大規模言語モデル（LLM）はコード生成において著しい進歩を見せているが、コードを本当に「理解」しているかどうかは依然として疑問である。本研究は、コードにおけるNULL値の理解について、外部評価（コード補完）と内部プロービング（モデル活性化分析）の両方の手法を用いてLLMを調査した。その結果、LLMはNULL値に関するプログラミングルールを学習し適用できることが明らかになったが、その理解能力はルールの複雑さとモデルのサイズによって変化することが示された。また、LLMがNULL値を内部的にどのように表現し、その理解がトレーニング中にどのように進化するかも明らかにされた。
研究者たちは、大規模言語モデル（LLM）の社会的推論、戦略、そして欺瞞における能力を評価するために、マルチプレイヤーの「排除ゲーム」ベンチマークを作成しました。8つのLLMが競い合い、公開および非公開の会話を行い、同盟を結び、投票によって相手を排除し、最終的に2つまで絞り込まれます。その後、排除されたプレイヤーの陪審員が勝者を決めます。会話ログ、投票パターン、ランキングを分析することで、LLMが共有知識と隠された意図のバランスを取り、同盟を築いたり、戦略的に裏切ったりする方法が明らかになります。このベンチマークは単純な対話を超え、モデルが公開と非公開のダイナミクス、戦略的投票、陪審員の説得力などを乗り越えることを強制します。GPT-4.5 Previewが最高の成績を収めました。
Google DeepMindの研究者たちは、人間の指示なしでマインクラフトでダイヤモンドを自律的に収集することを学習したAIシステム「Dreamer」を開発しました。これは、AIの知識を一般化する能力における大きな進歩を示しています。Dreamerは強化学習と世界モデルを用いて将来のシナリオを予測し、事前にプログラムされたルールやデモンストレーションなしで、ダイヤモンド収集という複雑なタスクを効率的に計画・実行することができます。この研究は、現実世界で学習し適応できるロボットを作成するための道を切り開きます。
コードのセキュリティスキャンにAIモデルを利用するスタートアップ企業は、2024年6月以降、ベンチマークスコアは上昇しているものの、実際的な改善は限定的であることを発見しました。著者は、大規模言語モデルの進歩が経済的有効性や汎化能力には反映されておらず、公表されている主張と矛盾していると主張しています。これは、AIモデルの評価方法と、AIラボによる能力の誇張の可能性に関する懸念を引き起こします。著者は、ベンチマークスコアではなく、現実世界のアプリケーションのパフォーマンスに焦点を当てるべきであり、AIを社会的な文脈で展開する前に、堅牢な評価が必要であると主張しています。
主要なAI研究所の現在のブラウザエージェントは、現実世界のタスクの80％以上で失敗しています。Foundryは、ブラウザエージェント向けに設計された、最初の堅牢なシミュレーター、RLトレーニング環境、および評価プラットフォームを構築しています。DoorDashなどのWebサイトの完璧なレプリカを作成することにより、Foundryは現実世界の複雑さなしで数百万回のテストを実行し、失敗点を特定して改善を加速します。彼らの使命は、不安定な研究プロジェクトを信頼性の高いエンタープライズソリューションに変換することです。彼らは、この200億ドル以上の自動化市場の機会に取り組むために、Scale AIのMLエキスパートチームに加わる優れたフルスタックエンジニアを探しています。
QVQ-Maxは、画像や動画を「理解する」だけでなく、その情報を分析・推論して様々な問題を解決できる、新しい視覚推論モデルです。数学の問題から日常的な質問、プログラミングコードから芸術作品の作成まで、QVQ-Maxは印象的な能力を示しています。詳細な観察、深い推論、そして柔軟な応用を特徴とし、仕事、学習、日常生活など様々な場面で役立ちます。今後の開発では、認識精度の向上、複数ステップのタスク処理能力の強化、インタラクション方法の拡大に重点を置き、真に実用的な視覚エージェントを目指します。
モデルコンテキストプロトコル（MCP）は、大規模言語モデル（LLM）とツールやデータの統合における標準となりつつあり、「AIエージェントのUSB-C」と呼ばれています。標準化されたAPIを介してツールに接続し、永続的なセッションを維持し、コマンドを実行し、ワークフロー間でコンテキストを共有することを可能にします。しかし、MCPはデフォルトでは安全ではありません。注意深く検討せずに任意のサーバーにエージェントを接続すると、セキュリティの脆弱性が発生し、シェルアクセス、シークレット、またはインフラストラクチャがサイドチャネル攻撃によって公開される可能性があります。
大規模言語モデル（LLM）は、高価な実行コストのために、広く展開されることが制限されています。Metaの研究者らは、擬似乱数発生器のシードを使用してモデルウェイトをエンコードおよび圧縮する、新しいポストトレーニング圧縮手法SeedLMを発表しました。推論中に、SeedLMは線形フィードバックシフトレジスタ（LFSR）を用いて効率的にランダム行列を生成し、それを圧縮係数と線形結合してウェイトブロックを再構成します。これにより、メモリアクセスが削減され、アイドル状態の計算サイクルが活用され、メモリバウンドタスクの高速化が実現します。キャリブレーションデータに依存する最先端の方法とは異なり、SeedLMはデータフリーであり、さまざまなタスクで高い汎化性能を示します。困難なLlama 3 70Bを用いた実験では、4ビットおよび3ビット圧縮におけるゼロショット精度が、最先端の方法と同等かそれ以上であり、FP16ベースラインと同等の性能を維持しています。さらに、FPGAベースのテストでは、モデルサイズが増加するにつれて、4ビットSeedLMはFP16 Llama 2/3ベースラインに対して4倍の高速化に近づきます。
TripoSGは、高忠実度の画像から3Dへの生成を行う最先端の基礎モデルです。大規模修正フロー変換器、ハイブリッド教師あり学習、高品質なデータセットを活用することで、最先端の結果を実現しています。TripoSGは、シャープな特徴、細かいディテール、複雑な構造を持つメッシュを生成し、入力画像のセマンティクスを正確に反映します。強力な汎化能力を備え、多様な入力スタイルに対応します。15億パラメータのモデルと、推論コード、インタラクティブデモが利用可能です。
機械学習アプリケーションの爆発的な増加に伴い、モデルのセキュリティが重要な懸念事項となっています。このプロジェクトは、モデル署名によって機械学習モデルの整合性と来歴の追跡可能性を確保することを目指しています。Sigstoreなどのツールを使用してモデル署名を生成し、CLIとAPIインターフェースを提供し、さまざまな署名方法（Sigstore、公開鍵、証明書など）をサポートしています。ユーザーはモデルの整合性を独自に検証し、トレーニング後の改ざんを防ぐことができます。このプロジェクトは、SLSA（Supply chain Levels for Software Artifacts）とも統合されており、機械学習モデルのサプライチェーンのセキュリティをさらに強化しています。
Metaは、開発者の多様なニーズに対応するため、Llama 4 ScoutとLlama 4 Maverickを含むLlama 4シリーズのAIモデルを発表しました。主要なマルチモーダルモデルであるLlama 4 Scoutは、170億のアクティブパラメーターと1090億の総パラメーターを備え、最先端の性能を提供します。170億のアクティブパラメーターと400億の総パラメーターを持つLlama 4 Maverickは、Llama 3.3 70Bよりも低コストで優れた性能を発揮し、12言語に対応した画像とテキストの理解に優れています。一般的なアシスタントやチャットアプリケーションに最適で、高品質の応答と微妙なニュアンスのトーンに最適化されています。
大規模言語モデル（LLM）の台頭により、AIサプライチェーンのセキュリティへの関心が高まっています。モデル改ざん、データポイズニングなどの脅威がますます懸念されています。これに対処するため、GoogleはNVIDIA、HiddenLayerとのパートナーシップのもと、Open Source Security Foundationの支援を受けて、モデル署名ライブラリの最初の安定版をリリースしました。このライブラリは、Sigstoreなどのデジタル署名を使用して、アプリケーションで使用されているモデルが開発者によって作成されたモデルと完全に一致することをユーザーが検証できるようにします。これにより、モデルの整合性と出自が保証され、トレーニングから展開までのモデルのライフサイクル全体における悪意のある改ざんから保護されます。将来の計画には、この技術をデータセットやその他のMLアーティファクトに拡張し、より堅牢なAI信頼エコシステムを構築することが含まれます。
研究者は、がんリスク予測に使われている現在の臨床ツールの精度が低いことを指摘しています。AIは膨大な患者データを利用してパーソナライズされた医療を実現し、早期がん発見、診断の改善、治療プロトコルの最適化を可能にする可能性を秘めています。しかし、医療データの量は膨大で、従来のコンピュータチップでは処理能力が不足しており、計算能力が医療分野におけるAIの可能性を最大限に発揮するためのボトルネックとなっています。研究者たちはアルゴリズムの最適化に努めていますが、シリコンベースのチップ技術は性能限界に近づいており、AIの潜在能力を最大限に引き出すためには、新たなチップ技術が必要です。