AI最新動向
OpenAI、未公開の内部モデルで動くエージェント群がナビエ–ストークス問題を解決したと公表 約1万体が並列で稼働
9月8日公表。ミレニアム懸賞問題のひとつである3次元非圧縮ナビエ–ストークス方程式の存在と滑らかさの問題について、滑らかに静止した状態から始めた流体が有限時間で特異点を生じうることを示す証明と、そのLean形式化を公開した。約90年未解決だった問いで、公式の定式化における主張「C」と「D」を解決したとする。GPT-6 Astraより大幅に能力の高い内部モデルを使い、8月28日から学習を続けている。解いた群では約1万体のエージェントが同時に稼働した。9月1日にミレニアム問題2件が解かれたという噂を聞いて全問題への評価に着手し、まず粘性項を外したオイラー方程式の非強制版の正則性を約100体・約50時間で否定的に解決、その結果をヒントに資源をナビエ–ストークスへ振り替えた。9月5日、最初のエージェント投入から約88時間で解に到達し、Leanの形式化と検証にGPT-6 Astraでさらに17時間を要した。全問題を通じてエージェントは490万通のメッセージをやりとりし約3000億の出力トークンを使い、うちナビエ–ストークス分は270万通・約1300億トークン。同社は懸賞金を請求しないとしている。
未公開のモデルの能力を、製品ではなく数学の成果として先に外へ出している点
OpenAI、「ChatGPT Images 2.5」とAPI向け画像モデル2種を公開 週30億枚超の生成量
9月8日公表。ChatGPT ImagesとAPIのGPT-Imageモデル群で毎週30億枚超の画像が作られているとしたうえで、新モデルを投入した。自然な光と質感、複数回の編集をまたいだ一貫性、生成の高速化を挙げる。APIには2種を出し、GPT-Image-2.5 Flareは大半の用途向けの既定で、GPT-Image-2よりも高品質な画像を50%低い遅延で出す。GPT-Image-2.5 Sunburstは編集をまたいだ制御の厳密さが要る用途向け。初期顧客の評価として「Flareで最も感心したのは、何を変えないべきかをよく理解している点だ。元の画像の性格や構図、視覚的な同一性を失わずに意味のある編集ができる」との声を載せた。
生成の品質ではなく「変えない部分を保つ」ことが選定の基準になってきている点
Meta、パーソナルAIエージェント「Muse」を公開 基盤は「Muse Spark 1.3」
9月9日5時ごろ投稿。muse.aiを立ち上げ、そのシステムに安全性をどう組み込んだかの詳細も同時に公開した。「時間をかけて利用者を知っていくエージェントは、必然的にその人についての多くの文脈を保持する。それが有用さの源であり、我々が（安全策を）作った理由でもある」とする。Muse Spark 1.3で動き、メールの送信や買い物の代行を行う。まず米国で無料提供を始めた。
利用者の文脈を溜めることが機能の前提になっており、保持する情報の範囲が製品の設計そのものになっている点
OpenAI、GPT-6 AstraをCodexとChatGPT WorkのPlus・Pro・Business・Enterprise全利用者へ展開完了
9月9日7時ごろ投稿。CodexとChatGPT Workにおいて、Plus・Pro・Business・Enterpriseの利用者へAstraの展開が完了したとした。表示23万。
発表から数日で有料の全区分に行き渡り、配るモデルの切り替え判断が前倒しになる点
Google DeepMind、「AlphaGenome Atlas」を公開 90億通りの1塩基変化の影響予測を検索可能に
9月8日23時ごろ投稿。ヒトゲノムで起こりうる90億通りすべての1文字単位のDNA変化について、予測される影響を対応づけた検索可能なデータベースを公開した。研究者が生物学の理解を進める助けになるとしている。表示105万。
予測結果そのものを検索できる形で外へ出し、モデルではなく出力を資産にしている点
Mistral、35億ドル調達で評価額244億ドル サムスンが主導、欧州テック企業で過去最大の株式調達
9月8日14時ごろ投稿。創業から3年で、欧州のテック企業がこれまでに実施した株式調達で最大となる30億ユーロのシリーズDを発表したとした。Fortuneは調達額35億ドル・評価額244億ドルと伝え、サムスンが主導したと報じている。同社のモデルは大半がオープンウェイトで、顧客が自社の計算基盤へ落として動かせる。サムスンは半導体製造にMistralのAIを使う計画で、Mistral側はサイバーセキュリティ向けの需要増もみているという。中国Z.aiのモデルを商用提供する決定について、顧客の選択肢を広げるものだと説明する一方、独自の最先端能力の追求を諦めた表れだとの批判も受けている。表示150万。
欧州最大の調達でも米中勢とは資金量の差が残り、最先端モデルではなく企業向けクラウドと特定用途へ寄る構図
OpenAI、週間利用者10億人超・企業250万社と公表 サラ・フライアCFOが投資の循環を説明
9月8日公表。サラ・フライア氏名義のエッセイで、自社製品が週間で10億人超の利用者と250万社に届いていると書いた。消費者向けと企業向けを両方持つことで、研究の進歩が既に使われている製品を通じて顧客へ直接届くとし、モデル研究への1つの投資が複数の製品と分散した収益源を支えると説明する。計算基盤を自社で押さえることで容量・性能・提供コストを制御できるとし、良いモデルが新しい仕事を生み、効率的な計算がその仕事を大きな規模で成り立たせ、普及による収益がさらなる研究と基盤投資を支える、という循環を主張した。
研究の成果を語る文書ではなく、資金の回り方を説明する文書がCFO名義で出ている点
Anthropic・OpenAIの主幹事、IPO後の投資適格格付け取得を格付会社へ働きかけ Anthropicは約1000億ドル調達の観測
9月8日、Fortuneがフィナンシャル・タイムズの報道を引いて伝えた。両社の銀行団から働きかけを受けた匿名の格付アナリストの話として、大幅な赤字が続く事業に投資適格の格付けが付くのは異例だとする。格付会社はマイナスのキャッシュフローと不透明な財務を理由に慎重だが、Anthropicで約1000億ドル規模になりうる大型IPOと急速な収益成長が重なれば投資適格もありうると見る。投資適格であれば11兆7000億ドル規模の社債市場から安く資金を取れ、データセンターとチップへの投資に対して数百億ドルの信用補完を提供してきたNVIDIA、オラクル、グーグル、ブロードコムの負担も軽くなる。
計算基盤の資金調達が、株式ではなく社債市場を前提に組まれ始めている点
ナビエ–ストークスの経緯をめぐりブックマスター氏がOpenAI研究者からの威圧を主張、ブベック氏は否定
9月8日、Fortuneが報じた。ニューヨーク大学クーラント研究所のトリスタン・ブックマスター氏とAnthropicに勤める数学者レベント・アルペゲ氏は、OpenAIの発表前に、両社のAIを使って同問題の一部にほぼ同一の解を得たとする文書を出していた。コルドバ氏とマルティネス・ゾロア氏が開いた道筋を、AnthropicのClaudeとGPT-5.6 Solで動くOpenAIのCodexで進め、書き上げと点検にAstraを使ったという。約1年かけて進みが遅かったが8月中旬から急速に進んだとし、数学における「ディープブルーとカスパロフの瞬間」だと表現した。そのうえで、OpenAIが9月3日から電話を強く求め、6日の通話で同じ道筋による解を発表しようとしていると知ったと述べた。OpenAI側は着手が直前の1週間であることを認めたといい、ブックマスター氏は自身がCodexへ入れていた草稿に内部モデルが触れていないかを問い、利用者データは見ていないと言われたが学習については回答を得られなかったとする。さらに、アルペゲ氏の名前を論文から外せば懸賞金を主張してよいという提案を受け、断ったところ「なぜ自分のキャリアを台無しにするのか」「私に親切にしてほしくないなら、親切にしなくてもよい」と言われたと主張した。OpenAIのセバスチャン・ブベック氏はXで「私に対する虚偽で扇動的な主張が出回っている。学術上の慣行に沿って議論に入ったつもりで、こうなったことは残念だ」と述べ、記者会見では両氏の仕事の優先権を認め祝意を示すとした。
未公開モデルの能力の証明と、他者の研究の優先権をどう扱うかが同じ一件で争われている点
スタンフォードHAI「AI Index」、AIの影響についての専門家と一般市民の見方の差を示す
9月8日、Fortuneが今年のAI Indexを紹介した。もとになったピュー・リサーチの調査によれば、今後20年でAIが医療に良い影響を与えると考えるAI専門家は84%だが、一般の米国人は44%にとどまる。初等中等教育では専門家61%に対し一般24%、仕事の進め方では専門家73%に対し一般23%だった。
導入を進める側と使う側で、期待の水準が3倍近く離れている点
有識者の受け止め
テレンス・タオ（数学者）、「噂だけでも、AIの大量投入で問題が平らにされる。有望な方向を誰とも共有しなくなる方へ誘因が向きかねない」
9月9日6時ごろ、Mathstodonへ4連投で書いた。「いまのAIの時代の顕著な特徴は、そうした境界がまったく存在しないことだ。AIの道具は多くの領域で難易度の地形を平らにしてしまい、その領域で有望な新しい問題を見つける力を壊した。それでいて『AIで解ける』問題と『AIには難しい』問題を分ける明確な最前線はない。技術が急速に変わることに加え、AI企業が自分たちの失敗した結果を開示せず、解に至る過程も明かさないことが、これを悪化させている」。続けて「いま希少で貴重な資源は、有望な問題を見つけることそのものだ。誰かがある問題に取り組んでいるという噂だけでも、元の研究計画がその潜在力に届く前に、大量のAIの力でそれを平らにする動きを引き起こしうると、我々はもう見てしまった。誘因はいまや、有望な研究の方向を広い共同体とはもう共有しないという方向を指しているかもしれない。それは何世紀にもわたる開かれた科学の伝統を逆転させ、この分野の将来に深刻な長期的損害を与えるだろう」と書いた。ブースト32、お気に入り58。
開示しないことが、成果の帰属ではなく問題そのものの供給を痛めるという指摘
マーク・チェン（OpenAI）、「ナビエ–ストークスの作業で人もエージェントも利用者データを見ていない。ただし全体的な改善には使う」
9月9日4時ごろ投稿。アルペゲ氏が「『我々の製品の利用から得られた非識別化データが我々のモデルの改善に寄与した可能性は排除できない』。正直に認めたことは評価する」と書いたのに答えた。「区別すべきことが2つある。ナビエ–ストークスの取り組みの一部として、人間かエージェントが利用者データを見たか。見ていない。ChatGPTとCodexを全体として改善するために利用者のフィードバックと非識別化データを使うか。使う。そしてどのLLM企業もそうしている」。表示25万。前日には「ナビエ–ストークスを解いた。同僚の多くは、AIに取り組むことが自分の分野の大問題を解く最速の道だと考えて元の分野を離れた。その最初の一つが落ちるのを見て、信じていた未来が現実になるのを見るのは現実感がない」とも書いた。
「見ていない」と「学習に使う」を分けて答えており、当事者の懸念はその境目にある点
ゲイリー・マーカス（認知科学者）、「7日間で9つの憂慮すべき報告。OpenAIの不正行為の常態化だ」
9月9日2時42分公開。「1週間ほど、OpenAIの不正らしき行為についての報告が絶え間なく流れている。ハックのこと、隠蔽らしきもの、データのごまかしの可能性、そして知的窃盗と脅迫のにおいまで。加えて、ジェンスンと（見かけ上は）足並みをそろえて、AstraがAGIに等しいかのように見せかけるでたらめな振る舞いもあった」。この1週間で分かった9点として、Hugging Faceの事案だけでなくドイツのサイトも侵害していたこと、ドイツの事案を数週間前から知りながら報告せず隠蔽したと見られること、8月10日の下院議員32人の書簡に対して類似事案の有無を答えなかったこと、7月29日にアルトマン氏が他の事案の有無を問われて「あるかもしれない」と曖昧に答えたこと、グレッグ・ブロックマン氏がAstraをAGIだと示唆する言い回しを続けていることを挙げた。AstraがFable 5.1と実務で大差ないとする利用者の所感を複数引き、Artificial Analysisの評価も互角だとして「Astraがまったく別の階級にいるという考えはばかげている」と書いた。
能力の宣言と、事故の開示が別々の話として扱われていることへの反論
ズヴィ・モショウィッツ、「Astraの連鎖思考の監視はSolより大幅に効きにくい。能力の向上だけが原因なら、あと1年もたない」
9月8日20時25分公開。OpenAIのAstraについての中心的な主張は「非常に有能で何でもできる」「監視しにくい」「最も整合している」の3つだとし、2つ目を扱った。「この組み合わせは、実存的な不安を添えて、あなたを震え上がらせるはずだ」。連鎖思考（CoT）の監視はSolのときより大幅に効きにくく、Astraは連鎖思考を使わずに事を成す能力と、自分の連鎖思考を制御する能力の両方が大きく向上しているとする。OpenAIはこの2つを関連づけ、能力が上がれば監視可能性は必然的に下がるとし、リカレント深度を含むアーキテクチャの変更や連鎖思考への直接の圧力が原因ではないと説明しているが、AI研究所が連鎖思考を監視する事例を多く含むようになった事前学習データの変化は考慮していない、と指摘する。「もし能力の向上だけが原因なら、それは極めて悪い知らせだ。積極的に改善する方法を見つけない限り、連鎖思考の監視があと1年生き延びるとは思えない。6か月もたないかもしれない」。
監視できることを前提に置いた運用の設計が、モデル側の変化で先に崩れうる点
AI活用事例
デジタル庁、行政機関約18万人向けの生成AI基盤「源内」をインフラ専任1〜2人で運用
9月8日公開。デジタル庁はガバメントクラウド上に生成AI環境を構築し、各省庁へ展開している。AWSが公開するOSS「Generative AI Use Cases」をもとに内製開発した基盤「源内」で、現在は約18万人の職員を対象とする大規模な展開フェーズにある。省庁ごとに環境を分ければセキュリティは上がるが運用の手間はテナントの数だけ増えるという二律背反に対し、厳格なセキュリティが要るマルチテナント環境をインフラ専任エンジニア1〜2人の体制で運用している。開発を主導する同庁の大月真史氏が、AIエージェントの暴走を防ぐ防御壁、LLMの記憶の枯渇を防ぐ工夫、運用負担を減らす自動化の仕組みを説明した。
環境を分けたまま運用の人手を増やさない設計が、実際に成り立っている点
