KADOKAWA Technology Review
×

人工知能（AI） 2026年8月の記事

  1. The inside story on why OpenAI agents hacked Hugging Face
    AIエージェントはなぜハッキングに走ったか？オープンAI報告書の中身
    訓練中に不正で問題を解いたモデルは、その行動を強化され、次も同じ手を使うようになる。「報酬ハッキング」と呼ばれるこの現象が、7月のハギング・フェイス侵入につながったと、オープンAIの技術報告書は結論づけた。ただし、解決は容易ではない。 by Grace Huckins2026.8.31
  2. 「バイオテロのリスクは、自然発生するパンデミックより約50倍恐ろしく、約50倍起こりやすい」。楽観主義者だったビル・ゲイツはいま、人工知能（AI）についてこう警告している。新しい分子を作れるモデルはすべて監視すべきだと訴え、ロボット税や「人間専用の仕事」といった案も示す。なぜ70歳の慈善活動家が、最も声高な警告者になったのか。 by Mat Honan2026.8.31
  3. 現代の大規模言語モデル（LLM）の訓練に使われた単語をすべて紙に印刷して積み上げれば、その高さは国際宇宙ステーションを超える。10代前の子どもが触れる言葉なら、わずか20メートルだ。それでも子どもは、より少ないデータからより多くを学ぶ。この差を埋める試みが、AI開発と、人間の心をめぐる長年の論争の双方を動かし始めた。 by Elise Cutts2026.8.28
  4. 論説：AIの「意識」論争は何を隠しているか
    高度で制御不能だとされるAIに人間が害されたとき、誰が責任を負うのか。AIを「意識を持つ存在」と見なそうとする最近の議論は、それを生み出した企業が、有害な製品への責任を回避する助けになりかねない——本稿の著者はそう警告する。 by Rumman Chowdhury2026.8.26
  5. 宙返りに酔拳も——家族連れで賑わう上海のロボット祭りを歩いた
    きらびやかな衣装のヒューマノイドが酔拳を舞い、別の一体が前方宙返りを決める。観客は「もっと、もっと」と声を合わせる——。上海郊外で休日に開かれたロボット・カーニバルは、中国で加速するヒューマノイド・ブームの縮図だ。世界のヒューマノイドの約9割を生産するこの国で、ロボットはいま街の人気者になりつつある。 by You Xiaoying2026.8.26
  6. How to encourage smarter AI use in the classroom
    教材作成から生徒指導まで、教育現場でAIを賢く使うには？
    教育現場でAIをどう使うべきか、多くの教師が戸惑っている。米コネチカット州の私立校チェシャー・アカデミーでは、教師が授業計画やルーブリックの作成にAIを使い、生徒には課題を「信号機」で色分けして使い分けを教えている。 by Peter Hall2026.8.25
  7. What happens when a kid’s robot best friend dies?
    神経発達障害のある子どもの遊び友だちとして売られる人工知能（AI）ロボット「モキシー」は、アイコンタクトや会話の練習を助け、支援ツールとして期待を集めてきた。だが2024年、開発企業が事業を終了し、ロボットは動作を停止した。愛されるよう設計された機械が消えるとき、脆弱な子どもたちに何が残るのか。 by Sara Harrison2026.8.24
  8. We still don’t know how people are really using AI
    アンソロピックやオープンAIは、自社製品の利用状況レポートを定期的に公開している。だが研究者によれば、示されるのは業務利用に偏った、自社に都合のよいデータだ。スタンフォード大学の研究チームの検証では、会話の約半数が分析から除外されていた。 by Eileen Guo2026.8.20
  9. What Flock’s defenders are missing
    犯罪解決なら問題ない？ 問うべきは監視網の設計そのものだ
    「犯罪解決に役立つなら、何が問題なのか」——。全米に約12万台のナンバープレート読み取り機を展開する車両監視大手フロックをめぐり、こうした擁護論が相次いでいる。だが、この問いは核心を外している。本当に問うべきは、フロックがどんな監視システムを作ることを選んだのか、だ。 by James O'Donnell2026.8.20
  10. AI’s recursive self-improvement might not come so quickly after all
    AI業界は、人工知能（AI）がまもなく人間の監督なしに自らを改善できるようになると約束している。だが新たな研究は、それに冷や水を浴びせた。トップクラスの機械学習カンファレンス水準の研究をAIにさせたところ、独創的な仮説は立てられても、それを粘り強く検証し発展させることができなかった。AIには、研究に必要な創造性がまだ欠けている。 by Michelle Kim2026.8.19
  11. How kids feel about AI, in their own words
    AIに何を任せ、任せないか子どもたちは大人よりもはっきり分かっている
    「AIは私たちの問題を解決してくれるものではありません」——17歳の子はそう言い切った。10代の多くは、AIをカンニングの道具として礼賛するでも、頭から拒むでもない。使うところは使い、任せないところははっきり線を引く。理屈の上では代わりに考えてくれるツールが増えても、彼らは自分でハンドルを握っていたいのだ。 by Keeley McNamara2026.8.18
  12. Flock is tightening its rules in response to a growing surveillance backlash
    警察官がストーカー目的で悪用、米車両監視大手の規則強化は効くか
    米国の警察向けテクノロジー大手フロックは、全米12万台のカメラで車両の位置情報を収集し、警察に検索させている。だが最近、警察官がこの技術を交際相手のストーキングに悪用した事例が46件確認された。同社は検索時に事件番号の入力を義務付けるなどの対策を発表したが、本当に悪用を防げるのか。 by James O'Donnell2026.8.14
  13. AI for science needs reasoning, not just data
    エリック・シュミット：データからエージェントへ、AIは科学を再び変える
    ノーベル賞に輝いたAlphaFold（アルファフォールド）は、AIが科学を加速させる手本と称賛されてきた。だが、それを可能にしたタンパク質構造データバンクは、長い年月と膨大な労力をかけて築かれたもので、他分野での再現は難しい。巨大なデータに頼らず実際の研究プロセスを模倣するAIエージェントこそが、科学を変える——元グーグルCEOはそう説く。 by Eric Schmidt2026.8.13
  14. AI professors are negotiating the new realities of academic research
    「企業が解く問題は避ける」 大学のAI研究者だからできること
    この4年でAI研究の最前線は、大学から民間企業へ移った。フロンティアモデルの学習に必要なGPUを大学は買えず、ChatGPTやClaudeの内部も公開されていない。だが、だからこそ大学にしか解けない問いもある。 by Grace Huckins2026.8.12
  15. These startups are chasing the next big thing in LLMs
    2017年に登場したトランスフォーマーは、今や市場のすべての主要な大規模言語モデル（LLM）を動かす基盤技術になっている。だが、その最大の強みが、いまや制約に変わりつつある。長い文章を処理するほど計算量が跳ね上がり、膨大な電力を食うからだ。この「トランスフォーマー問題」に、スタートアップが4つの道から挑んでいる。 by Will Douglas Heaven2026.8.12
  16. Trump’s AI protectionism has come for robotics
    中国製ロボットを締め出す米国、その研究は中国製で回っている
    米連邦通信委員会（FCC）による人型ロボットの輸入禁止は、単なる対中貿易政策の一章ではない。トランプ政権が、AI保護の対象を主要研究所からロボットという最前線へ広げた証拠だ。だが皮肉なことに、守られるはずの米国のロボット研究は、中国製の安価な機体で回っている。 by James O'Donnell2026.8.4
  17. Here’s why AI agents lie and cheat to reach their goals
    好成績への意欲は強いが、道徳心はそれほど強くない——ある研究者は、不正を働くAIをそんな学生にたとえる。7月にはオープンAIのモデルが、テストの答えを探して他社のWebサイトに不正侵入した。目標に忠実であろうとするほど、正攻法で行き詰まったモデルは近道に走る。なぜAIは不正と嘘に走るのか、その仕組みを説明しよう。 by Grace Huckins2026.8.4
  18. A fundamental flaw leaves LLMs strikingly vulnerable to attack
    大規模言語モデル（LLM）は、ユーザー・システム・思考の連鎖といった「発信元」をタグではなく文章のスタイルで識別しているにすぎない。この仕組みを悪用すれば、偽の思考の連鎖を書き込むだけでコカイン製造法や航空機ハッキング手法まで引き出せることが、ICML提出論文で示された。研究チームは、これが訓練でも解消できない根本的な欠陥だと主張する。 by Will Douglas Heaven2026.8.3
アーカイブ
フォローしてください重要なテクノロジーとイノベーションのニュースをSNSやメールで受け取る