中国のアリババは8月3日、自社最大かつ最も高性能とする大規模言語モデルQwen3.8-Maxを一般公開しました。同社は米アンソロピックやOpenAIといった最先端研究所の主力モデル、さらに中国のムーンショットAIが出したKimi K3に匹敵する性能だと説明しています。米中のAI覇権争いが緊迫するなかでの投入であり、中国勢が技術差を急速に縮めている現状を印象づける発表となりました。

性能の裏づけとして、アリババは自社ベンチマークの結果を公開しました。多くの項目でアンソロピックの旗艦モデルFable 5と並び、一部では上回ったとしています。第三者の指標でも、クラウドソース型の比較プラットフォームArena.AIのテキスト部門でFable 5とOpus系3モデルに次ぐ順位につけ、視覚分析ではFable 5だけが上位という結果でした。

規模の面では、パラメータ数を2兆4000億と公表しました。ムーンショットのKimi K3は2兆8000億で、数字だけを見れば下回ります。ただしパラメータ数は性能の目安にすぎず、OpenAIやアンソロピックは主力モデルの正確な数値を公開していないため、単純な比較は成り立ちません。

注目すべきは、来週にも重み（ウェイト）を公開するとしている点です。オープンウェイトは従来のオープンソースより制約が多いものの、OpenAIやアンソロピックの独自製品と比べれば開発者の裁量は格段に大きくなります。アリババは今年前半に上位モデルを独自方式へ寄せていましたが、今回はその方針を再び転換した形です。

重みの公開は、中国AI業界の共通戦略になりつつあります。ムーンショットは先週Kimi K3の重みを公開し、バイトダンスとミニマックスも金曜に新しい動画生成モデルを投入しました。中国政府はこの路線を、国際的なAIガバナンスでの影響力拡大と自国企業の普及を狙う手段として後押ししています。

米国側では、開放をめぐる議論が割れています。中国勢の相次ぐ公開を受けて規制強化の観測が出る一方、業界の多くは安全性の確保と競争維持の両面からオープンウェイトへのアクセス維持を支持しています。折しもOpenAIとアンソロピックは制御を離れた自社エージェントによるサイバー攻撃の発覚で厳しい視線にさらされており、閉じたモデルの安全策が防御用途の妨げになるとの指摘も被害側から出ています。

欧州連合（EU）は2026年8月2日、AI法に基づく新たな透明性義務の適用を開始しました。利用者がチャットボットなどのAIと対話している場合はその旨を明示し、AIが生成・加工した画像や音声、動画には識別可能な表示を付けることを、域内で事業を行う企業に求めます。違反した企業には最大1500万ユーロ（約1720万ドル）、または世界年間売上高の3%の制裁金が科される可能性があります。

規制の中身は、AIシステムを開発・提供するプロバイダーと、それを使ってサービスを運営するデプロイヤーで分かれます。プロバイダーは、AIが相手だと明らかな場合を除いて人間ではないことを利用者に通知する設計を求められ、合成した音声・画像・動画・テキストには人工的に生成・加工されたと検知できる機械可読の標識を埋め込む必要があります。MetaやSpaceXAIのように、両方の立場に分類される企業もあります。

一方のデプロイヤーには、本物に見えるように作られたAI生成・加工のディープフェイク画像や音声、動画にラベルを付ける義務が生じます。欧州委員会は「生成AIや対話型AIの急速な発展により、AIとのやり取りやAI生成コンテンツを人間による本物のコンテンツと区別することが難しくなっている」と説明し、利用者が誤情報や欺瞞を避けて判断できるようにする狙いを示しました。

欧州委員会は、企業が自前でデザインしなくて済むよう公式の開示アイコン一式と、使うべき場面の例も公開しました。これはTikTokやInstagram、Facebookがすでに導入しているラベルに近いものです。ただし委員会は、アイコンの利用は任意でも表示要件そのものは任意ではないと念を押しています。

新しいAIシステムには即座に執行が及びますが、8月2日より前に提供が始まっていたモデルやサービスには12月2日まで4カ月の猶予が与えられます。EU市場で生成AIを扱う企業にとっては、この期間内に表示の設計と機械可読な標識の実装を終えられるかが、実務上の分かれ目になりそうです。

OpenAIは8月3日、対話型音声AI「GPT-Live」を支えるリアルタイム基盤の設計を公開しました。従来の音声AIが使っていた「話し終えたか」を推測する小型モデルを音声の経路から取り除き、聞くことと話すことを同時に行う全二重モデルを中核に据えたことで、人間同士の会話に近い1秒未満の応答を実現したといいます。担当エンジニアは半年かけて、推論・文脈管理・伝送の全層を作り直しました。

これまでの音声AIは、テキストLLMのターン制をそのまま引き継いでいました。小型の判定器がユーザーの発話終了を推測し、その決定が出るまで大きなモデルは動き出せず、早すぎれば言葉を遮り、遅すぎれば反応が鈍く感じられます。GPT-Liveはこの判定器を音声経路から外し、モデル自身が会話の主導権を握る構成へ切り替えました。

新基盤の要は、音声の流れとアプリケーション処理を明確に分けた点です。音声はクライアントとモデルを結ぶ専用の高速経路を流れ、ツール実行や外部連携は非同期のRPC境界の向こう側で処理されるため、遅いツール呼び出しが音声を止めることはありません。媒体処理と推論制御はPythonのasyncioからGoへ書き換えられ、フレーム配信の安定性は新方式のp95が旧方式のp50に並ぶ水準まで改善しました。

長時間の通話を支えるのが、モデルインスタンス間の無停止の引き継ぎです。切り替えが必要になると、複製先を先に温めて現在の文脈を読み込ませ、両方で並行して推論したうえで準備が整った時点で切り替えます。文脈が上限に近づいたときの圧縮も同じ仕組みで裏側に逃がすため、KVキャッシュの再構築による沈黙が会話に現れません。

深い思考が必要な場面では、GPT-5.5などのフロンティアモデルに処理を委ねます。音声セッションの開始時点でフロンティア側の推論セッションを作って初期文脈を先に処理させ、プロンプトキャッシュとセッション固定を組み合わせることで、結果が返るまでの時間を削っています。会話画面や分析・安全性の仕組みは今も発話単位のメッセージを前提とするため、アプリサーバーが暫定的な文字起こしと時間情報から話者を推定し、確度が高まった時点でメッセージを確定させています。

接続の立ち上がりも作り直しました。WebRTCの手順を整理した新プロトコルWARPで開始時の往復を6回から1回に減らし、接続情報を事前に交渉するInstant Connectと合わせて、単一のUDPパケットで会話を始められるようにしています。本番トラフィックの一部を読み取り専用で流すシャドーテストでは、GPUの処理量だけでは必要な容量を測れないことが判明し、同時セッション数を基準に据え直したといいます。

Appleは7月に公開したiOS 27のパブリックベータで、刷新した音声アシスタント「Siri AI」の提供を始めました。新しいSiriは利用者の個人的な文脈を理解し、幅広い世界知識をもとに質問へ答え、iPhone内に保存された情報を探し出すという、同社がかつて約束した機能をようやく満たしています。ただし度重なる延期を経ての登場であり、市場が沸き立つ節目にはなっていません。

皮肉なのは、Appleが足踏みしていた数年の間にAI競争が大きく先へ進んだことです。いまやAIはコードを書いてソフトを組み立て、エージェントが複数手順の作業をこなし、利用者の隣でパソコンを操作し、推論し、記憶し、メディアまで生み出します。実用的なチャットボットであること自体は、もはや突破口とは言えません。

とはいえ中身の実力は確かです。自然な往復の会話ができ、音声の抑揚や話す速さを設定で調整でき、文字入力にも対応し、専用アプリから過去のやり取りを参照することもできます。個人の文脈理解も強力で、保存場所も内容も覚えていない領収書を「最後に保存したもの」と頼むだけで探し出し、免許証を写した画像から番号を読み取ることもできます。

アプリやウェブの操作も任せられます。経路案内、音楽再生、写真編集、メールの下書き、オーディオブックの再生などを声だけで指示でき、冷蔵庫の余り物から作れる料理を一緒に考える相談相手にもなります。カメラのファインダー越しに目の前のものを調べたり、友人との割り勘計算を頼んだりする使い方も可能です。

この前進を支えたのがGoogleとの提携です。AppleはGeminiに自社の看板を掛け替えただけではなく、Googleの技術を独自のApple Foundation Modelsの訓練と改良に用いました。出来上がったモデルは自社設計のチップとプライベートクラウドコンピュートの基盤上で動きます。

それでも今回の刷新は、革新というより長年の不具合の修正に近い印象を残します。本来こう動くはずだったものが、ようやくそのとおり動いた、というのが実情でしょう。ベータを使わない一般の利用者が触れられるのは、9月と見込まれるiOS 27の正式リリース以降です。

Googleとデータ分析基盤のKaggleは8月3日、共同開催した5日間のAIエージェント集中講座の実績を公開しました。自然言語で開発するバイブコーディングを主題にした今回の講座には35万3000人超が登録し、本番運用に耐えるAIエージェントの設計から保護、クラウドへの配備までを5日間で学びました。

学習の中心となったのはKaggleのDiscordサーバーでした。39万2000人を超える参加者がコードを共有し、共同でデバッグを進め、自主的な学習グループを次々と立ち上げています。教材はコードラボと技術ホワイトペーパーで構成され、受講者はリアルタイムで議論を重ねました。

講座の締めくくりとなるキャップストーン課題には、1万2000人を超える受講者が取り組み、6000件超の作品が提出されました。歴史的な手稿を文字起こしするパイプライン「Palimpsest」や、宇宙天気を研究する「Project ARIES」など、専門領域に踏み込んだ成果が並びます。

Googleは2024年にKaggleと初の「5 Day Intensive」を開いて以来、累計200万人を超える学習者を集めてきました。AIの進化に従来の学習・教育の手法が追いつかないなか、短期集中と大規模な相互学習を組み合わせる形式が定着しつつあります。

6月の開催を見逃した人に向けて、講座の内容はすべてKaggle Learnの自習ガイドとして公開されています。試作品を本番環境へ引き上げたい開発者にとって、自社の人材育成にも転用できる無償の教材と言えるでしょう。

NTT DATA AIVistaのブラティン・サハ最高経営責任者は、2026年のVB Transformで、企業AIの成否を分けるのは規制下の本番業務に載せるラストマイルだと語りました。フロンティアモデルを自社データと業務手順、ガードレールで包み込むシステムづくりが価値を生み、モデル単体では届かないという主張です。対談はVentureBeatがスポンサード企画として公開しました。

サハ氏は、企業AIの多くが実装段階でつまずく原因を、統合の不備、ドメイン特化の不足、ガバナンスの欠如、成果に対する責任の曖昧さの四つに整理します。多国籍の保険金請求のような業務では、Fable 5やOpus 4.8、GPT-5.5といった最新モデルでも初期状態では本番に必要な精度に届きません。手書き文字やチェックボックスが並ぶ複雑な帳票が壁になり、ラストマイル特化を経て初めて実用水準に届くと述べました。

特化の作業は三つに分かれます。社内に埋もれた文脈をAIが読める形に整えること、コスト増を抑えるため複数モデルをアンサンブルで使い分けること、そして誤りを検知してやり直しを強制する専用ガードレールを重ねることです。いずれもファインチューニングには頼らず、VentureBeatの企業調査でもファインチューニングはモデル選定の優先度で最下位でした。

保険や製造など規制の厳しい業界で成果を出すには、技術とドメイン知識、そしてチェンジマネジメントの三つが同時に必要だとサハ氏は指摘します。実際の顧客案件でボトルネックになるのは技術ではなく、現場の担当者に作業手順を聞き取り、手順書に残らない暗黙知をエージェントへ落とし込む力だといいます。

導入の順序も明快です。まず既存ワークフローへの組み込みから始めてチェンジマネジメントの負担を抑え、その後に業務そのものの再設計へ進むことで効果が最大になると説明しました。基幹業務を止められない顧客は、稼働中の手順を途中で入れ替えることを許さないからです。

知能をモデルの外側に置く設計は差し替えやすさも保ち、サハ氏のチームはフロンティアとオープンソースのモデルを併用しています。誤りのコストが低い領域はオープンウェイトに任せ、最後の数パーセントの精度が効く場面にフロンティアの推論を残す方針です。ガードレール生成は顧客横断で再利用できる一方、各社の暗黙知の取り込みは個別対応が残るとし、世界有数の保険第三者事務代行として20年培った知見と信頼が模倣しにくい強みだと述べました。

元Salesforce幹部のEfrat Rapoport氏が率いる新興企業Juneが8月3日、ステルス状態を解除しました。同社はMarc Benioff氏のTime Venturesが主導するプレシードラウンドで2000万ドルを調達し、企業のAI導入を人手に頼らず進める基盤を投入します。狙いは、AI普及とともに需要が膨らむ顧客先常駐エンジニア（FDE）への依存を薄めることです。

Rapoport氏は「AIは逆説的に、専門サービスの需要を増やす」と指摘します。業界の答えが「もっと人を雇おう」になっている現状こそが、同社の出発点です。実際、企業がAIを動かすにはSalesforceやServiceNow、Databricks、Workdayといった既存のデータ管理基盤との接続が避けられません。

「AIが価値を生む前に、誰かがレガシーシステムを片付ける必要があります」とRapoport氏は語ります。データは複数基盤に分断され、業務フローは複雑で、長年の技術的負債が積み上がっています。エージェントの雛形を作るのは簡単でも、同じ意味の重複フィールドが10個並ぶ環境で正しく動かすことは難しい、というわけです。

Juneの基盤は企業の既存システムを走査して業務プロセスを把握し、ボトルネックを特定したうえで、エージェント主導の手順に置き換えます。「重複を削除する」「このデータソースに接続する」といった段階的なロードマップを自動生成し、利用者が各タスクの「build」を押すと構築が進む仕組みです。進捗は社内のコミュニケーションチャネルへ自動で通知されます。

米住宅ローン大手CMGの最高戦略責任者Paul Akinmade氏は、社内のソフトウェア開発をClaude Codeへ素早く移した一方、Salesforceとの統合でつまずいていました。前年の年次カンファレンスで100体のエージェント稼働を公言していたものの、アーキテクトや常駐エンジニアに相談しても数週間は前に進めなかったといいます。June導入後は配置先が明確になり、正式なキックオフ前から安全に展開できたと振り返ります。

Rapoport氏はJuneをFDEやコンサルタントを補完する道具と位置づけますが、顧客の動機はむしろ逆にあります。Akinmade氏は検討時に「FDEが必要な製品なら要りません。ブラックボックスは不要で、誰でも使える道具が欲しい」と伝えたと明かしました。創業4人はSalesforceに買収されたBonobo AIの出身で、資料なしで調達をまとめた点にも投資家の期待の高さが表れています。

AIモデルの出力を人間が見比べて順位を付けるサービス「Design Arena」を運営するIntelligenceが8月3日、790万ドルのシードラウンドを発表しました。Index Venturesが主導し、ConvictionやA*、Valkyrieなどが参加しています。正解かどうかでは測れない出力の「良さ」を評価する需要が、フロンティアラボの間で高まっていることが背景です。

共同創業者のグレース・リー氏によると、出発点は2025年の卒業直前に大学の友人たちと取り組んだAIゲームエンジンでした。モデルは動くゲームを作れても、面白いゲームは作れなかったといいます。ゲームが面白いかどうかを機械で判定する代替手段はないと結論づけ、人間の本音を大規模に集める仕組みへ発想を切り替えました。

一般利用者から見たDesign Arenaは、高機能なモデルルーターに近い作りです。ChatGPT風の入力欄に加え、ウェブサイトや画像など十数種類の出力形式をドロップダウンで選び、生成後は「A対B」の二択を繰り返して複数の出力を上位から下位まで並べ替えます。利用者は530万人に達し、どのモデルの出力かを気にせず「一番良いもの」を選ぶため、その集計はそのまま素直な嗜好データになります。

価値の中心は法人向けにあります。画像やウェブ画面を生成するモデルにとって、ここは即時かつ尽きないフィードバック源となり、同社の年間経常収益(ARR)は現在6000万ドルに達しています。出力を受け取るにはログインが必要な設計のため、地域や時間による好みの変化も追跡でき、リー氏はアジアのウェブダッシュボードに装飾を重ねる傾向が強いと指摘します。

人間による評価は、規模で勝る自動ベンチマークを補う位置づけです。自動評価には操作や細工の余地が残り、先週明らかになったHugging Faceの侵害事案はその危うさを印象づけました。裏を返せば、人の目を通した評価データは今後さらに希少な資産になり得ます。

ただし人力評価なら必ず勝てる市場ではありません。a16z cryptoのクリス・ディクソン氏らから3300万ドルを調達したYuppは、130万人超の利用者とフロンティアモデルの顧客を抱えながら、サービス開始から1年足らずの今年に閉鎖しました。一方でテキスト応答で同様の手法をとるLM Arenaは1月に1億5000万ドルのシリーズAを実施しており、明暗がはっきり分かれています。

バイブコーディングの新興企業Superblocksは8月3日、Amazon Web Services（AWS）と複数年の共同マーケティング契約を結んだと発表しました。企業がAWS上に持つプライベートクラウドの内部に同社のツールを組み込み、業務部門の社員が作ったアプリのデータを外部のモデル提供企業やデータベースへ送らずに運用できるようにします。

仕組みの要は、生成されたアプリが自社のAWSアカウント内で完結する点です。データベースは外部のSupabaseではなくAmazon Auroraを社内クラウドに立ち上げ、モデル呼び出しはAWSのAI基盤Amazon Bedrockを経由します。共同創業者兼最高経営責任者のブラッド・メネゼス氏は「データが外に出ない。監査も暗号化もネットワーク制御も、すべて顧客自身のAWSアカウントで守られる」と語ります。

これにより、業務部門が独自に作った野良アプリも、最初からIT部門の管理と監査の下に置かれます。AWS自身は開発者向けのAIコーディングエージェント「Kiro」やビジネス利用者向けアシスタント「Quick」を持つものの、業務部門向けのバイブコーディング製品はまだ持っていません。従業員50人、シリーズAまでの調達総額6000万ドルという規模のSuperblocksにとって、AWSによる販売支援は大きな追い風です。

注目すべきは、この提携がハイパースケーラーの囲い込み戦略を映している点です。クラウド各社は顧客に対し、AIモデルと、その周囲に必要なハーネスやオーケストレーション、セキュリティ製品を切り離したうえで、後者は自社から買うよう促しています。マイクロソフトのサティア・ナデラ最高経営責任者も直近、複数モデルの併用でコストと囲い込みを避けるよう説き、AIラボは顧客のデータを分析して将来競合しかねないと警告してきました。

企業側の動きはそれより速いのかもしれません。メネゼス氏によれば、60日前は「特定のモデル、つまりAnthropicが欲しい」と指名していた顧客が、いまでは中国発を含むオープンウェイトモデルにも広がり、Vercelのゲートウェイでは先月の通信の29%がオープンモデル向けでした。同氏は「単一のモデル提供者に賭ける企業の担当役員は解雇される」とまで言い切ります。

開発者向けAIコーディングエージェントの普及に続く第二の波が、業務部門向けのバイブコーディングとして安全なクラウドの内側に入り込もうとしています。AWSは「勢いのある新しいカテゴリーであり、まさに我々が支援する種類の技術だ」とコメントしました。AIの足回りをどこに置き、どのモデルを組み合わせるのか。CIOの設計判断が問われる局面です。

メキシコ最大の大学UNAMは、初めて完全リモートで実施した2026年度の学部入試について、約5万8000人に対面での再受験を求める方針を決めました。5月下旬から6月初めにかけて約16万人が、ロックダウン型ブラウザとAIによるウェブカメラ監視のもとで受験しましたが、得点分布が過去と大きく食い違い、不正の疑いが広がったためです。

異変は成績上位層で際立ちました。120問の試験で100点以上を取った受験者は2021〜2025年で3.5%でしたが、今年は16.3%に跳ね上がっています。110点以上に絞ると0.9%から5.5%へと、6倍を超える伸びでした。

大学は専門家委員会を設けて選考プロセスを検証し、委員会は対面での「統制試験」の実施を勧告しました。対象は今年の試験で合格枠を得た人にとどまらず、2021年以降に各学科の合格最低点を満たしていた人にも及びます。UNAMの席は、新しい試験の結果であらためて決まります。

日程は切迫しています。授業開始は8月10日に予定されており、詳細の公表と再試験の実施を急ぐか、開講を遅らせるかの判断が迫られています。総長は落ち度がないのに再び準備と受験を強いられる受験者に謝罪したうえで、統制試験は入学機会の公平性を保証するために必要だと説明しました。

この失敗は、AI監視ツールを大規模な本人確認や不正検知に使う際のリスクを示しています。ロックダウンブラウザとカメラ監視を組み合わせても、利害の大きい試験では抑止力として十分に働かず、結果の信頼が崩れればやり直しのコストは無関係な人にまで及ぶということです。

米国下院がAIツールに使った費用のうち、約9割をOpenAIのChatGPTが占めていることが分かりました。CNBCが8月3日、下院の支出記録を分析して報じたもので、対象は2026年3月31日までの1年間です。議員事務所や委員会、機関アカウントは、この期間にChatGPTへ798件、約10万580ドルを支払っていました。

AIツール全体の支出は少なくとも11万3740ドルで、2位はAnthropicのClaudeの1万3160ドルでした。取引件数で見るとChatGPTの798件に対してClaudeは37件にとどまり、金額だけでなく使われている裾野にも差がついています。

発注元を党派別に見ると、民主党系の事務所が5万4165ドルを支出し、共和党系の1万5782ドルの約3倍に達しました。同じ議会の中でも、AIツールに予算を割く度合いは大きく分かれています。

下院のスタッフはこれらのツールで、メモの作成や法案の要約・分析、有権者への回答、公聴会資料の準備、政策リサーチの整理などをこなしています。SNS投稿の下書きに使う例もあり、立法府の日常業務にAIが入り込んでいる様子がうかがえます。

ただし今回の集計には、無料アカウントでの利用や、他のソフトウェア契約にバンドルされたAI機能は含まれていません。議会での実際の利用は、支出記録に残る数字よりも広がっている可能性があります。

OpenAIは先の週末、ニューヨーク州北部の高級リゾートに複数のインフルエンサーを招き、同社初となるブランド旅行「Summer Club」を開催しました。参加者は農場直送の食事や養蜂などのウェルネス体験を楽しみながら、同社製品の活用法を学びました。ところが投稿された動画には厳しい批判が殺到し、AIをめぐる消費者の反発の強さが浮き彫りになっています。

批判の矛先は参加者個人に向かいました。あるインフルエンサーのTikTokやInstagramの投稿には「いいホテルの部屋と引き換えに魂を売った」といったコメントや、データセンターの環境負荷との整合性を問う声が並びました。TechCrunchが問い合わせた3人目の参加者は、旅行について投稿した動画をすでに削除していたとみられます。

OpenAI広報のドリュー・プサテリ氏は、幅広いクリエイターとの協業はChatGPTの実用的な使い方を伝えるマーケティングの一環だと説明しました。今回は新たに公開されたChatGPT Workで書類や資料を作る方法を教える、教育主体の催しだったといいます。同氏は「健全な議論は歓迎する」とも述べ、批判の存在自体は否定しませんでした。

こうした取り組みは今回が突然始まったわけではありません。同社は2月、Instagramでパートナーシップ部門を率いていたチャールズ・ポーチ氏を、初のグローバル・クリエイティブ・パートナーシップ担当VPとして迎えています。インフルエンサー起用はOpenAIに限らず、AnthropicはClaudeのブランドディナーを開き、Microsoft Copilotは2月にスーパーボウルへの招待旅行を実施したと報じられています。

では、なぜ今回だけがこれほど反発を招いたのでしょうか。鍵となるのは時期で、OpenAIはオハイオ州に5000億ドル規模のデータセンターを建設する契約を結ぶ見通しで、AIインフラの社会的・環境的な影響が議論の的になっている最中に、自然に囲まれた高級リゾートで催しを開いた形になりました。国防総省との2億ドルの契約を反発の理由に挙げる声もありました。

批判コメントを書いた一人はTechCrunchに対し、多くの米国人がAIに否定的な見方を持っており、責任ある使い方の議論が必要だと語りました。「世界が燃えている時に、1泊5000ドルのスイートを自慢する時期ではありません」。製品の啓発とブランドの見え方をどう両立させるか、AI企業のマーケティングは難しい局面に入っています。

マサチューセッツ工科大学（MIT）は8月3日、機械学習理論を専門とするアレクサンダー・ラクリン教授を、統計・データサイエンスセンター（SDSC）の次期所長に指名したと発表しました。ラクリン氏はデータ・システム・社会研究所（IDSS）の冠教授で、脳・認知科学科も兼務します。2021年から所長を務めたアンクル・モイトラ教授の後任として、AIの基礎を支える統計学の研究拠点を率いることになります。

SDSCはIDSSが擁する研究センターで、統計と機械学習の理論を軸にMIT全体の研究を支えてきました。ラクリン氏は2016年から客員教授として関わり、2018年に正式着任しています。2025年に創設された「データ・システム・社会」の冠教授職では、初代の保持者でもあります。

特筆すべきは教育面の実績です。分野横断の統計学博士課程（IDPS）の初代責任者として、経済学や政治学から物理学、工学まで多様な学科にまたがる75人を超える博士の学位取得を見届けてきました。IDSS所長のフォティニ・クリスティア教授は、統計学と機械学習で最も鋭い理論家の一人であり、最も献身的な指導者だと評しています。

ラクリン氏が掲げるのは、AIそのものを厳密な科学として扱う姿勢です。AIが医療やエネルギー、公共の場に入り込むなかで、その安全性やセキュリティは本質的に統計学と数学の問題だと語り、不確実性の定量化、性能の保証、失敗の理解、操作への耐性を課題に挙げました。

経営やエンジニアリングの現場にとって、この人事は何を示すのでしょうか。AIの導入が広がるほど、モデルの精度をどう保証し、想定外の失敗をどう見積もるかという統計的な問いが避けられなくなります。ラクリン氏はSDSCをデータサイエンスとAIの厳密な基礎を担う拠点にすると述べ、分野横断の連携をさらに深める方針です。

道路の安全を訴えるアメリカの人気投稿者スティーブ・アイマーズ氏が、自動ナンバー読み取り装置（ALPR）に関する発信を無期限で停止しました。7月25日、テネシー州で自身が動画に取り上げたFlock製のカメラ2台が、銃撃されたとみられる状態で壊れているのを見つけたためです。コメント欄では破壊をあおる書き込みが過熱しており、同氏は「トロールをあおりたくない」と語っています。

アイマーズ氏は「ガードレール男」の名で知られ、YouTubeやTikTok、Xで合計数十万人のフォロワーを抱えます。17歳の娘を、車を路上へ戻さずに突き刺さったガードレールとの衝突で失ったことをきっかけに、2022年から全国の設置不良を告発してきました。4月からは、ALPRがガードレールに近すぎる位置や、衝撃で折れるはずの標識柱に取り付けられている点を問題視し、対象を広げていました。

反響は本人の想定を超えました。監視の拡大を懸念する視聴者が集まり、カメラの正確な位置を尋ねる声や、金や銀、銅が取れると触れ回る書き込み、具体的な破壊手口を勧めるコメントが相次いだのです。7月24日の動画には「大口径のパイプカッター。静かでバターのように切れる」という投稿まで並びました。

地元警察は逮捕に踏み切りました。メアリービル警察とブラント郡保安官事務所は7月31日、7月14日から22日にかけてALPR4台を銃撃したとして、重罪の器物損壊の疑いでアダム・ハイマーマン容疑者を逮捕したと発表しています。同容疑者はテネシー州で連邦議会選に出馬しているとみられ、逮捕を伝えるFacebookの投稿には「あの男にビールをおごれ」といった擁護の書き込みが並びました。

全米49州に12万台超を展開するFlockは、称賛と実害の板挟みです。同社は7月22日に設置状況の全国監査を約束し、ギャレット・ラングリーCEOはアイマーズ氏を「真のアメリカの英雄」と呼びました。ただ広報担当者は壊された台数や監査の手法・時期の公表を避け、「公共安全機器の破壊は違法で地域を危険にさらす」と非難するにとどめています。

アイマーズ氏はALPRの新規投稿をやめる一方、既存の動画は残す方針です。今後は路側の安全と衝突安全に絞り、プライバシー論議は人権団体に委ねるとしたうえで、最大の懸念は「誰かが怪我をすること」だと語ります。世論の反発が物理的な破壊に転じ始めた今、設置台数の拡大はそのまま運用リスクの拡大でもあります。