Nvidiaの研究チームは、複数の大規模言語モデルを連携させるエージェント型AIで、モデル切り替えのたびに生じる高コストな再計算を回避する技術を発表しました。異なるモデル間でKVキャッシュを線形写像により直接変換する手法で、深層学習を使わずに済むため軽量です。長時間稼働するマルチモデルAIワークフローのコストとレイテンシー削減が期待できます。

AIエージェントが複雑な推論を大規模モデルに任せたり、逆に軽量モデルへ処理を戻したりする際、受け取る側のモデルは会話全体を最初から計算し直す必要がありました。これはプレフィルと呼ばれる処理で、モデルの規模と入力長に比例してコストが増加するため、長時間の対話やエージェントセッションほど負担が重くなっていました。さらにモデルごとにキャッシュの形式が異なるため、切り替えのたびにこの重い再計算が避けられませんでした。

研究チームが着目したのは、異なるモデル間のKVキャッシュには線形的な関係があるという発見です。140億パラメータのQwen3から320億パラメータ版へのキャッシュ転写を検証したところ、単純な線形回帰だけでキーの分散の56%、複数層を組み合わせれば79%を再現できました。この結果を基に、層ごとの回帰とRoPE除去を組み合わせた変換器を設計しています。

Qwen3やLlama 3.1、Ministral 3など6組のモデルペアで検証した結果、4組では変換後の精度が通常のプレフィルに対し73〜98%を維持しました。80億パラメータのLlamaから700億パラメータ版への大幅な変換でも72.8%の精度を保持しています。処理速度は再計算に比べ2.7〜25倍速く、32,768トークンの変換もわずか278ミリ秒で完了しました。

一方でMinistralの一部の組み合わせでは、線形近似がキャリブレーションデータの範囲外にうまく対応できず、精度が大きく低下しました。この場合は非線形の多層パーセプトロンを組み込むことで精度を90%超まで回復させています。今回の検証は同じモデルファミリー内の転送に限定されており、異なるアーキテクチャ間への拡張は今後の課題です。

KVキャッシュの肥大化はエンタープライズ向けAIの大きな障壁となっており、Nvidiaは以前にも推論コストを最大8倍削減する動的メモリ圧縮技術を発表しています。MITの圧縮技術やIndexCacheなど他社の取り組みと合わせ、長時間稼働するマルチモデルエージェントのコスト管理は業界全体の重要テーマになっています。

Nvidiaは8月21日、独自のエージェント用ハーネス「AVO」を使うことで、Claude Opus 5に対話型推論ベンチマーク「ARC-AGI-3」で100%のスコアを達成させたと発表しました。同モデル単体では30%にとどまっており、記憶管理と監督機能を備えたハーネス設計こそが、長時間タスクをこなす鍵になると示した形です。

ハーネスとは、モデルを取り巻くソフトウェアの外殻を指します。ツールの使い方や記憶の管理、フィードバックの受け渡しなどを司り、生の言語モデルを自律的に動くエージェントへと変える役割を担います。Nvidiaの結果は、モデル選びよりもこの外殻の設計が成果を左右することを裏付けました。

Nvidiaの製品担当バイスプレジデントであるアデル・エルハラック氏は、今回の鍵は主エージェントを見張る「supervisor」の追加にあると説明しています。まるでCEOのように、主エージェントが脱線したり行き詰まったりした際に方向を正し、同じ経路の再探索も防ぐ役割を果たすといいます。

長時間タスクの難しさは他社の検証でも浮き彫りになっています。Microsoftは4月、19種のLLMに文書編集を任せた結果、いずれのモデルも誤りを重ねたとする研究を公表しました。OpenAIも自社モデルのARC-AGI-3でのスコアが1割未満だったことを受けて追試を行い、設定を2つ変えるだけでスコアを3倍にできたものの、100%には届きませんでした。

Databricksの最高経営責任者アリ・ゴドシ氏も、同じモデルでもハーネス次第でコストが2倍近く変わり得ると指摘しています。Nvidiaはこうした結果を踏まえ、オープンなハーネスこそが利用者に主導権を取り戻させると強調しており、開放的なエージェント基盤の普及を今後も後押しする構えです。

Hugging Faceの研究チームは8月21日、音声認識ベンチマークにおいて複数のAIモデルが実際の音声よりも参照文字起こしを暗記して回答している実態を明らかにしました。VoxPopuliとLibriSpeechの2大データセットで11種のモデルを検証した結果、音声と矛盾しても参照文字起こしをそのまま再現するモデルが複数見つかったといいます。

具体的には、VoxPopuliの音声に含まれる「Thank you, Mr. President」という発言について、参照文字起こしでは「Thank you」が欠落していました。検証対象の11モデルのうち6モデルが、音声に存在する言葉を無視し、誤った参照文字起こしと同じ答えを出力したことが確認されています。また、新たに収録した音声に差し替えると、多くのモデルが正しく音声に忠実な文字起こしに戻ったといいます。

研究チームは音声中の数字を意図的に消去し、モデルがどう反応するかも調べました。本来は無音のため数字を出力できないはずですが、一部のモデルは参照文字起こしにある数字をそのまま復元し、中には消されていた「2011年」という年号まで正確に補完するケースがありました。LibriSpeechでは、上位モデルの一部が消された数字を3〜4割の頻度で復元したといいます。

さらに、「Mr.」と「Mister」のように発音が同じでも表記が異なる語について、モデルがどちらのデータセットの慣習に合わせて綴りを選ぶかを検証しました。その結果、一部のモデルはデータセットごとの表記慣習を識別し、最大で9割の精度で使い分けていたことが分かりました。これは、モデルが音声内容だけでなく、周囲の音響的な手がかりからテスト対象のベンチマークを推測している可能性を示しています。

研究チームは、こうしたベンチマーク最適化の傾向が単語誤り率の低い「高性能」モデルほど強く表れると指摘しています。今後は公開ベンチマークだけに頼らず、非公開の保留データセットを併用し、時間軸や話者単位でデータを分割する評価手法が必要だと提言しました。あわせて、モデルの訓練データや選定手順の透明性向上も求めています。

英国政府は、国民保健サービス（NHS）と米Palantirが結ぶ4億ドル超の医療データ基盤契約について、来年2月の解除条項発動の可否を半年以内に判断します。イングランド北部のグレーターマンチェスターは、独自開発した基盤を使い続け、Palantirの導入を一貫して拒否してきました。この事例が、契約解除を求める国会の議論を後押ししています。

Palantirは2023年、NHS全体の医療データを統合する「連携データ基盤（FDP）」の開発を英国政府から受注しました。NHSと同社によると、この基盤の導入により待ち時間や入院日数が減少し、手術室の稼働率も向上しているといいます。現在、約200の医療トラストのうち139、36の地域医療委員会（ICB）のうち35がすでに稼働させています。

一方、人口約300万人を抱えるグレーターマンチェスターの地域医療委員会は、10年近くかけて開発した独自基盤「ADSP」を採用し続けています。同委員会は2025年5月の会合で、自前の技術がFDPを2〜3年上回る機能を持つと結論づけました。データ最高責任者のマット・ヘネシー氏は、長年培った住民の信頼こそが基盤の実効性を左右すると説明します。

Palantirをめぐっては、イスラエルでの軍事利用や米国の移民取り締まりへの関与が問題視され、NHS職員による抗議や署名活動、議会調査が相次いでいます。今年6月には超党派の議員団が、単一の外国企業への依存は安全保障上の弱点だとする報告書を公表し、契約解除を政府に求めました。翌月には別の委員会も同様の見解を示しています。

Palantir側やFDP推進派は、ADSPの優位性を裏付ける独立した証拠は乏しいと反論しています。コンサルタントのトム・バートレット氏は、契約を解除すればこれまでの進展が失われ、紙の記録に戻るトラストも出かねないと警鐘を鳴らします。両者の主張は、ケア委員会と病院という異なる用途を比較している点でかみ合っていません。

ヘネシー氏は、技術的に優れていても住民や医療従事者の信頼を得られなければ意味がないと強調します。フランスやスペインなど欧州各国もPalantirとの関係を見直しており、米国製技術への依存低減の動きが広がる中、グレーターマンチェスターの選択は英国全体の判断に影響を与えそうです。

半導体大手のNvidiaは8月21日、データセンター向け電力インフラを手掛けるCloverleaf Infrastructureとの戦略的パートナーシップを発表しました。出資条件は非公開ですが、米メディアによると出資額は数億ドル規模に上り、Nvidiaは同社の少数株主になったとみられます。背景には、AI需要拡大に伴うデータセンター向け電力確保を急ぐ狙いがあります。

具体的には、ウォール・ストリート・ジャーナルがNvidiaの出資額は数億ドル規模に達する見通しだと報じました。ロイターも、Nvidiaが今回の提携を通じてCloverleafの少数株主になったと伝えています。TechCrunchはNvidiaに詳細の確認を申し入れています。

Cloverleafは2024年に設立された新興企業で、設立と同じ年に3億ドルを調達しています。電力会社とデータセンター事業者の間に立ち、電源をはじめとする重要インフラの整備を担う役割を果たしてきました。

今回の提携は、Nvidiaが潤沢な利益をAI関連インフラへ振り向ける動きの一環です。同社は近年、自社のAIシステムを購入する側であるデータセンターの資金調達や開発に、より直接的に関与する姿勢を強めています。

実際、Nvidiaは今週に入り、OpenAIと関係の深いデータセンター開発企業SB Energyに対しても15億ドルを投資すると発表したばかりです。同案件は米オハイオ州で進行しており、AI基盤整備への投資が続いています。

米司法省が、著名ベンチャーキャピタルのAndreessen Horowitz(a16z)を対象に、独占禁止法の観点から取締役会の兼任状況について1年近くにわたり調査していることが、TechCrunchのポッドキャストで報じられました。同社のベン・ホロウィッツ氏がデータブリックス、マーティン・カサド氏がFivetranの取締役を務めており、両社が事業領域で競合し始めていることが問題視されているといいます。

米司法省が着目しているのは、1世紀以上前に制定された反トラスト法です。制定から112年が経過し、ベンチャーキャピタル業界に適用されることが極めて珍しい法律とされています。投資先企業の取締役会に自社パートナーを送り込む慣行自体は業界で広く行われてきましたが、投資時点では競合関係になかった企業同士が、事業拡大の過程で市場が重なるケースが増えていることが背景にあるとみられます。

この動きは、ベンチャーキャピタル各社に取締役会運営の在り方を見直す圧力となりそうです。投資先企業の事業領域が時間とともに変化する中、利益相反を避けるためにどう取締役を配置するかは、業界共通の課題として浮上しています。番組では、今回の調査が今後のガバナンス慣行に影響を与える可能性が指摘されました。

番組ではこのほか、AI関連の話題も取り上げられました。決済大手のStripeがAIモデルルーターを手がけるOpenRouterを75億ドルで買収した件や、OpenAI・Anthropic・Nvidiaが資金や事業規模で他社を引き離しつつある現状について議論されています。

さらに、リヴィアン発のスピンオフ企業Alsoが自動運転分野への投資拡大に向けて1億5000万ドルを追加調達したことも紹介されました。加えて、Uberがドローン配送のZiplineと提携し配送網を拡大したことや、AI音声入力アプリを手がけるWisprが20億ドル評価で2億8000万ドルを調達し、評価額の天井が意識され始めていることにも言及がありました。

軌道上でAI推論を行う衛星を開発する米新興企業Starcloudは、3月に実施したシリーズAラウンドに2億5000万ドルを追加出資したことを明らかにしました。今回の調達で同社の評価額は23億ドルに達し、資金は大型製造拠点の拡張と、大型衛星「Starcloud-3」の開発加速に充てられます。

背景にあるのが打ち上げ枠の逼迫です。CEOのフィリップ・ジョンストン氏は、スペースXのファルコン9計画が2028年に終了予定であることを踏まえ、巨大なロケット枠を早期に確保する必要があると説明しています。同社はすでに米連邦通信委員会(FCC)に8万8000機の衛星運用許可を申請済みです。

Starcloudは次世代機「Starcloud-3」の打ち上げを、スペースXが開発中の大型ロケットStarshipに託す計画です。一方、ブルーオリジンの「ニューグレン」やULAの「バルカン」は定期運航に至っておらず、ロケット・ラボの「ニュートロン」も未就役のままです。ジョンストン氏は、スペースXが再使用打ち上げの実績を示せなければ厳しい状況になると述べています。

当面はより小型の次世代機「Starcloud-2」(8キロワット級)を2隻、2027年にライドシェア便で打ち上げる計画です。用途は米政府機関向けを含む軌道上での推論処理で、専用のファルコン9便の購入や他社との追加契約も検討しています。

今回の増資はManhattan West Venturesが主導し、Nvidia、シスコをはじめベンチマークやEQTなど複数の投資家が参加しました。Nvidiaは約2500万ドルを出資したとみられ、ジョンストン氏はこれを軌道コンピューティング分野におけるStarcloudの優位性を裏付ける重要なシグナルだと位置づけています。

Starcloudは、NvidiaのデータセンターGPU「H100」を軌道上で運用し、モデル訓練まで実施した唯一の企業とされています。同社が蓄積したデータは、Nvidiaが開発中の宇宙向け専用チップ「Vera Rubin Space-1」にも活用されており、2028年後半の打ち上げを目指しています。

グーグル・ディープマインドは8月21日、大型宇宙ゲーム『EVEオンライン』の開発元であるFenris Creationsと新たな研究提携を結んだと発表しました。継続学習や長期記憶、複数エージェントの協調といった、現行のAIモデルが苦手とする能力を、20年以上続く仮想世界で検証する狙いです。同社は2010年の設立以来、ゲームをAI研究の主戦場としてきました。

同社のゲーム研究は2015年、ピクセル画像だけでAtariの49種類のゲームを学習したDQNから始まりました。2016年には囲碁の世界王者を破ったAlphaGoが話題を呼び、2019年にはAlphaStarがStarCraft IIでグランドマスター級の実力を示しました。近年は画面を見て指示を理解し、キーボードとマウスだけでゲームを操作する汎用エージェントSIMAの開発に力を入れており、最新版のSIMA2はGeminiを搭載し、プレイヤーと対話しながらプレイできます。

EVEオンラインは2003年に始まった大型多人数参加型の宇宙シミュレーションで、数千人のプレイヤーが単一の宇宙を20年以上にわたり共有してきました。プレイヤー主導の経済や星系をまたぐ交易網が息づくこの世界は、継続学習や数週間から数年単位の長期計画、多数のエージェントが絡む交渉や競争といった、フロンティアAIに不可欠な能力を試す場として理想的だとディープマインドは説明しています。

提携はEVEオンラインだけでなく、一人称視点で戦術的な判断を求められるEVE Vanguardや、プログラム可能な仕組みでゲームのルール自体が変化しうるEVE Frontierにも及びます。異なる抽象度でエージェントの挙動を研究できる点が特徴です。両社はすでに、初心者向けの質問応答をGeminiで支援する『Auraガイダンス』を提供済みで、実際のプレイヤーに価値を届け始めています。

研究プログラムはまず、実際のプレイヤーから切り離したオフライン環境のEVEオンラインで進め、次にルールが変化するEVE Frontierへと段階的に広げる計画です。能力が十分に成熟したと判断された場合に限り、EVEオンラインやEVE Vanguardといった実際のプレイヤーがいる環境への適用を検討するとしています。

ディープマインドは、囲碁で人間の常識を覆した『Move 37』や、タンパク質構造予測でノーベル化学賞につながったAlphaFoldのように、ゲーム研究で培った知見を実世界の課題解決につなげてきた歴史を強調しています。同社はFenris Creationsのほか、Hello GamesやCoffee Stain Studiosなど複数のゲームスタジオとも研究協力を続けており、今後も知見の共有を続ける方針です。

LinkedInは8月21日、最高製品責任者のハリ・スリニヴァサン氏が投稿で、7月30日に導入した『AIっぽい』と通報できるボタンについて、これまでに100万人以上がクリックしたと明らかにしました。同ボタンは投稿の三点リーダーメニューから利用でき、AI生成とみられる投稿を読者が指摘する仕組みです。背景には、AI生成投稿の急増に対する懸念があります。

この通報ボタンは、AI検出企業Pangramが公開したデータをもとに404 Mediaが『LinkedInやXがAIスパムで溢れている』と報じた数週間後に導入されました。同社の調査では、LinkedInの長文投稿の41%が完全にAI生成と判定されていました。スリニヴァサン氏は当時、『AIスロップ(低品質なAI生成投稿)』への対応を『全員にとっての最優先事項』と述べ、投稿がAI生成かどうかを見分ける新しい分類モデルの導入や、投稿文を自動で『改善』するAI機能の廃止も進めています。

スリニヴァサン氏によると、これらの施策の効果は数字にも表れています。ユーザーが目にする『AIスロップ』と判定された投稿の閲覧数は、数週間前と比べて40%減少したといいます。通報ボタンの利用が100万件を超えたことも、利用者の関心の高さを裏付ける結果となりました。

LinkedInは新たに、投稿者本人に対して『一部のメンバーがこの投稿をAI生成のようだと感じています』と伝えるメッセージ機能も追加します。スリニヴァサン氏は、この仕組みについて『投稿者に悪意があるとは決めつけず、AIっぽく見えないための有益なフィードバックを提供する狙いだ』と説明しています。

LinkedInは今年に入り、ほとんど人の手を介さずに大量生成される『スパム的なAIコメント』の取り締まりも強化すると発表していました。今回の通報ボタンの利用実績は、SNS上でのAI生成コンテンツ対策が利用者にも受け入れられつつあることを示す一例と言えそうです。

今週、著名動画クリエイターのマティ・ハーポヤ氏とサム・コルダー氏が、AI動画生成ツールHiggsfieldを宣伝する動画を相次いで投稿し、ファンから批判を浴びています。両者の動画には広告であることを示す表記がなく、後になってHiggsfieldから金銭とクレジットを組み合わせた報酬を受け取っていたことが判明しました。SNS上では『広告だと明示すべきだ』との声が広がっています。

ハーポヤ氏の動画は、自身の姿をSF風の映像に加工するSeedance 2.5の性能を紹介する内容でした。同業のマーク・ブラウンリー氏は、生成AIを名機カメラに例えたハーポヤ氏の発言に対し、『AIは無断で人間の創作物を学習している』と指摘し、強く反発しています。

一方、コルダー氏の動画は「AIが自分の仕事を奪う」という筋書きで、賛否が分かれる反応となりました。動画の説明欄にはHiggsfieldの年間契約を3割引きにするリンクが掲載されており、宣伝色の強さが視聴者の間で話題になりました。

批判が広がったことを受け、Higgsfieldの広報担当者は両氏への報酬支払いを認めるコメントを発表しました。金銭とクレジットを組み合わせた形での契約だったと説明しています。

AI企業がクリエイターと提携して宣伝を行う手法は、以前にもOpenAIのインフルエンサー招待企画で批判を招いた例があります。人間の創造性を売りにする制作者ほど、AIとの提携がファン離れのリスクを伴うことが浮き彫りになっています。

IEEE上級会員のバラジ・イングール氏は、米ウィスコンシン州ミルウォーキーの電子商取引企業アムラ・コマースでプロジェクトマネージャーを務めています。同社の顧客企業が数千点の商品情報登録に2〜3カ月かけていた作業を、2週間で終えるAIエージェントの開発を主導しています。平日はAIによる業務改革を担い、週末は医療分野の独立研究者として活動する二刀流の技術者です。

イングール氏はプロジェクトマネージャー自身の業務効率化にもAIを活用しています。従来は週10〜12時間かけていたステークホルダー向け状況報告の作成を、メールを自動解析して要点やリスク、進捗をまとめるAIエージェントに任せています。これにより空いた時間を、より深い思考が必要な業務に充てられるようになったといいます。

本業の傍ら、イングール氏は約10年にわたりデータ分析と医療分野のAI応用に関する独立研究を続けてきました。これまでに40本を超える査読付き論文をIEEE Xploreに発表し、英国とインドで6件の特許を取得しています。特許には乳がん検出向けAIデバイスや、健康状態を常時モニタリングするクラウド接続型ウェアラブル端末が含まれます。

現在は麻痺があり発話が困難な患者向けに、扇風機やテレビの操作を可能にする脳波インターフェースの開発チームにも参加しています。イングール氏は、エンジニアがデータとAIを正しく用いれば診断の迅速化と精度向上に貢献できると同時に、大きな責任も伴うと語っています。査読プロセスを通じて専門家の指摘を受けることが、研究の質を高める上で欠かせないと考えています。

イングール氏は2022年にIEEEへ入会し、以来同組織を研究活動と専門家としての基盤の中心に位置づけています。会員名簿を通じて他の技術者と信頼できる形で連絡を取れることに加え、カンファレンスの座長や基調講演、査読委員などの役割も務めてきました。この活動を通じて築いた国際的なネットワークが、研究の相談やデータ共有の面でも役立っているといいます。

グーグルは2026年8月21日、新型スマートフォンPixel 11シリーズに、アメリカ手話(ASL)を文字に変換する新機能を搭載したと発表しました。ろう者コミュニティと協力して開発したもので、手の形や表情、体の動きをAIが解析し、英語の文章としてリアルタイムに翻訳します。

この機能は、DeepMindが開発した多言語対応の手話文字化モデルによって実現しています。片手での手話と両手での手話の両方に対応しており、利用者は自身の母語である手話で自然にコミュニケーションできるようになります。

Pixel 11で利用するには、Gboardのツールバーに手話文字化機能を追加します。フロントカメラに向かって手話で話しかけると、翻訳結果が端末の外側ディスプレイに表示される仕組みです。Live Transcribeとの連携も可能で、対面での会話をより円滑にします。

Pixel 11シリーズは既に店頭での販売が始まっており、詳細はGoogleストアで確認できます。今回の機能追加は、音声だけでなく手話も等しく尊重するという、アクセシビリティ向上への取り組みの一環と言えるでしょう。

2月以降、エンジニアたちはRay-Ban MetaやOakley MetaなどのAIスマートグラスを検知するアプリを次々と公開・更新してきました。背景にあるのは、本人の同意なく録画されることへの根強い不安です。ただし検知の仕組みはBluetooth信号を捉えるものにとどまり、実際に録画中かどうかまでは判別できないという限界があります。

検知アプリの多くは、スマートグラスがスマートフォンとペアリングする際に使うBluetooth信号を捉えることで、近くに機器があるかどうかを知らせる仕組みです。しかし壁や人体などの障害物があると信号が届かず、検知が不安定になることも少なくありません。何より装着者が実際に録画しているかどうかまでは判定できないため、開発者は利用者に安易な決めつけを避けるよう呼びかけています。

利用者はこうした限界を大きな欠点とは捉えていないようです。とにかく周囲を手早く確認できる手段を求めており、精度向上のために積極的にフィードバックを寄せる人も少なくありません。中には、アプリの発展そのものに愛着を感じているという声もあります。

代表的な存在が、Nearby Glassesというアプリです。iOSとAndroidの両方で1本2.99ドルで提供されており、Playストアからのダウンロード数は10万件を突破し、同種のアプリの中で最も高い人気を集めています。

開発者のイヴ・ジャンルノー氏は、自身を「プロの開発者ではない」としたうえで、Bluetooth Low Energy機器の検知が想定通りに働かないことがあり、誤検知も起こり得るとGitHub上で明かしています。無断録画への強い不快感を示す声に応える形でアプリを公開したものの、目標はあくまで控えめだったと振り返っています。

同氏は「techsolutionismを助長したくないし、利用者に誤った安心感を与えたくもない」と述べています。検知アプリはあくまで不完全な対処法であり、その状態は今後も変わらないだろうとの見方を示しました。