人工知能（AI） 2026年8月の記事

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
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
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
「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
トランスフォーマーに限界、次世代LLMを担う4つの最新アプローチ

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
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
Here’s why AI agents lie and cheat to reach their goals
まるで「ずる賢い学生」、なぜAIエージェントは不正や嘘に走るのか

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
A fundamental flaw leaves LLMs strikingly vulnerable to attack
「思考の連鎖」偽装でLLMを騙す新手法、訓練では防げない構造的欠陥

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