医療（産業・業界）に関するニュース一覧

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。

テキサス大学オースティン校のリジー・K・ジョン教授が、掛け算を一切使わないニューラルネットワークの研究成果をIEEE Spectrumで語りました。入力に重みを掛ける代わりに、二値の入力を相互接続したルックアップテーブルへ通す「重みなしニューラルネットワーク」で、用途次第で従来手法の1000分の1のサイズや速度でも同等の精度が出るといいます。狙いはAIの電力消費を根本から減らすことです。

きっかけは数年前に誘われた週次ミーティングでした。ルックアップを使う発想自体は新しくなく、1980年代にイギリスでパターン認識向けの商用製品が作られた後に姿を消し、リオデジャネイロ連邦大学の研究者が細々と続けてきた技術です。ハードウェア実装の経験を見込まれたジョン教授は、半年足らずでFPGA上に動くものを作り、GPUなしで動く極小のネットワークを実現しました。

成果はすでに数字で出ています。人の活動認識や心電図、脳波、血圧といった医療モニタリングのデータセットでは、消費エネルギーが1000分の1で済み、他の小型AIモデルが17メガバイトを要する課題を自チームは14キロバイトでこなしました。ウェイクワードの検出でも、業界最良モデルが1推論あたり5000ナノジュール超なのに対し、42から79ナノジュールで動きます。

小ささは、センサーの上で直接処理できることを意味します。生データを1ミリ秒ごとに送信する必要がなくなり、電力を節約できるうえ、データが端末から出ないプライバシー上の利点も生まれます。曲げられるプラスチック基板に載せた不整脈検出器は論理ゲート約1万個しか使わず、この基板は製造時の水の使用量も通常の半導体より少なくて済みます。

本命はやはり言語モデルです。Transformerはアテンション層と多層パーセプトロンを交互に重ねる構造ですが、ジョン教授のチームはネットワークのおよそ半分を占める多層パーセプトロン部分の置き換えにすでに成功しています。残るアテンション層は未着手で、ここが大規模モデルへ届くかどうかの分かれ目になります。

導入のハードルは高くないといいます。学習データは現行モデルと同じもので足り、むしろ少なくて済む可能性があり、スタックの他の部分を変える必要もありません。ただし学習は当面GPUに頼らざるを得ず、研究者の数もTransformer勢に遠く及ばないため、大規模言語モデルでの実証が仲間を増やせるかどうかが鍵になりそうです。

NTTデータAIVistaのムケシュ・カルキ最高技術責任者と、Snowflakeのマヤンク・ウパディヤイ最高セキュリティ・トラスト責任者は、イベント「VB Transform 2026」で、企業のAIエージェントを安全に動かすにはID管理だけでは足りないと指摘しました。両氏は、すべてのエージェント操作に行動単位の認可と、改ざん耐性のある監査証跡を組み込む必要があると述べています。

背景にあるのは、認証情報の共有です。VentureBeatが6月に実施した調査では、企業の69%が認証情報を共有したままAIエージェントを稼働させており、セキュリティ事故や未遂事案の発生率の高さと結び付けられています。ウパディヤイ氏は、単一のAPIキーをエージェントに埋め込む設計を、全員分の権限の和集合を与えるようなものだと表現します。

従来のソフトウェアは、人が操作すれば決まったAPIを呼ぶ決定論的な仕組みでした。しかしエージェントは自ら考えて動き、目的に対して過剰な権限を与えられると探索的に振る舞い、意図しない副作用を生みます。障害が起きても、どのエージェントの行為かを特定できない追跡の断絶も起こります。

保険や医療、金融を主な顧客とするカルキ氏は、スコープを絞った認証情報は出発点にすぎないと言います。エージェントには、活動する法域と所属組織の規則という二層の制約がかかり、たとえば損害査定エージェントはワシントン州とカリフォルニア州で従うべき規制が異なります。だからこそ認可は、行動を起こす時点でルールに基づいて判定される必要があるのです。

カルキ氏は、統制はエージェントの外側に置き、すべての行動で働かせるべきだと強調します。ウパディヤイ氏はそのガバナンスを三層に整理しました。エージェント層はIDとツール権限、MCPの統制を、モデル層は間接プロンプト注入への対策と顧客VPC内でのモデル実行を、データ層は最小権限とゼロコピー構成、ロールベースのアクセス制御を担います。

では、何から手をつけるべきでしょうか。ウパディヤイ氏は、静的なシークレットを抱えた権限の棚卸しと、MCPゲートウェイによるシャドーAIの可視化を挙げます。一方でカルキ氏は、稼働中のエージェント基盤に後から統制を足すのは難しいとして、証明可能性は設計段階から作り込むべきだと警告しました。

MITコンピュータ科学・人工知能研究所（CSAIL）所長のダニエラ・ルス氏が2026年7月23日、ドイツ・ミュンヘンでバイエルン州首相ハイテク賞を受賞しました。バイエルン州政府と同州科学・人文アカデミーが共同で贈るこの賞は、ドイツの技術・工学分野で最も賞金額の大きい賞です。ロボティクス、人工知能、自律システムへの貢献が評価されました。

選考委員会が挙げたのは、自己組織化するロボット群、ソフトロボティクス、自律移動、そして脳に着想を得た人工知能という4つの領域です。いずれも研究室の外で通用する機械を作るという、30年におよぶ取り組みに連なるものです。ルス氏はCSAILの分散ロボティクス研究室を率い、交通、農業、医療、家庭、環境モニタリングへ自律ロボットを送り込むアルゴリズムとシステムを開発してきました。

その成果は意表を突くものが少なくありません。研究チームは、子どもが誤って飲み込んだボタン電池を消化管から回収する折り紙型の飲み込めるロボットや、自ら連結して橋や足場を組み上げる小型自律ボートの群れを作りました。後者は都市の水路を、必要に応じて姿を変えるインフラへと変えてしまいます。

もう一つの柱がリキッド・ニューラルネットワークです。体長1ミリの線虫の神経系に着想を得たこの構造は、わずか19個の制御ニューロンで未知の環境を車両に走らせることができ、従来型アーキテクチャでは届かない効率を示しました。この研究をもとに、ルス氏はCSAILの元関係者であるラミン・ハサニ氏らとMITからLiquid AIを創業し、動作するデバイスのハードウェア制約を前提に設計したモデルを開発しています。

ルス氏は「AIは人間がやりたがらない仕事を機械に任せる力を与える」と述べ、人間と機械は対立するものではなく、どちらか一方では解けない問題をともに解く一つのシステムだと語ります。同氏はこれまでに2025年のIEEEエジソンメダルや2024年のジョン・スコット賞を受け、2002年にはマッカーサー・フェローにも選ばれています。フィジカルAIが産業界と政策担当者双方の関心事となるなかでの受賞であり、家事や工場という身近な例の枠を超えて自律ロボットを社会基盤に組み込む研究に、評価が集まった形です。

アメリカの人材紹介会社Christian & Timbersは7月30日、企業のAI導入を現場で担う「フォワードデプロイドエンジニア（FDE）」のうち、投資回収を確実にもたらせる人材はアメリカ全体で約2000人しかいないとする調査結果をTechCrunchに明らかにしました。同社は年内にFDEの需要が2100%増えると予測しています。

調査は2026年1月から6月にかけて、180社の採用担当役員250人超と、フォーチュン500企業の幹部80人、FDEや応用AIエンジニア300人超への聞き取りをもとにまとめられました。年初にFDEの採用を計画していた企業は5〜10%にとどまっていましたが、第2四半期末には70%まで跳ね上がり、大手のコンサルティング会社やサービス会社は人員を10倍に増やし、20〜100人規模のチームを組む必要があると答えています。

一方で供給は追いついていません。同社によると、アメリカ市場にいるFDEは約1万7000人で、その多くはこの職種を生み出したPalantirに在籍しています。数千万ドル規模の投資回収を生み出せる水準に届くのは、そのうちのごく一部だといいます。

背景にあるのは、AI支出への説明責任が急速に強まっていることです。同社創業者のジェフ・クリスチャン氏は、この秋にもウォール街が「2年待ったのに投資回収がない」として、多額を投じた企業を選別し始めるとみています。フロンティアAI各社も、中国発の安価なオープンウェイトモデルに追われるなかで、自社技術をどれだけ企業の業務に組み込めるかが収益化の分かれ目になっています。

OpenAIとAnthropicはそれぞれ「Deployment Company」と「Ode with Anthropic」を立ち上げ、FDEを配置して企業への導入を進めています。ただ企業側には、独自の業務プロセスを外部に渡せばAI企業に競合されかねないという警戒感があり、保険や金融、医療、ゲームなどの分野で社内FDEチームを自前で抱える動きが出ています。

もっとも、この需要が続く保証はありません。クリスチャン氏は、中期的には需要が企業向けAIからヒューマノイドロボットなどのフィジカルAIへ移り、5年から10年のうちにFDEという職種自体が消える可能性もあると話しています。

米連邦通信委員会（FCC）は、外国で製造されたロボットの新規モデルについて、米国内での販売を禁止する規制を導入しました。対象は特定の一国にとどまらず、日本や韓国、ドイツといった同盟国で作られた製品まで広く含まれる点が特徴です。安全保障上のリスクを理由に、移動型ロボットの市場が大きく再編される可能性が出てきました。

規制の対象となるのは、ドッキングステーションと組み合わせる場合も含め、重量が4.4ポンド（約2キログラム）を超える移動型の機器です。ロボット玩具のような軽量な製品は引き続き購入できますが、多くのロボット掃除機はこの重量を上回るため規制対象に入ります。さらに規制は新規モデルのみに適用され、すでにFCCの認証を受けた既存モデルは購入も使用も継続できます。

一方で除外規定は数多く設けられています。列車やドローン、水中航行体、ロボットタクシーのような公道を走る「コネクテッド車両」は対象外で、医療・手術用ロボットや義肢、車椅子などの補助機器も規制を免れます。固定式のロボットも除外されており、米国の企業は外国製の産業用ロボットアームを引き続き調達できます。

注目すべきは、国防総省が特定のロボットや機種について安全保障上のリスクがないと判断すれば、FCCの規制リストから除外できる仕組みです。なお国防総省はトランプ政権下で「戦争省（Department of War）」へと改称され、FCCの文書でもその名称で記載されています。

今回の規制には、米国内での生産を促す狙いがあるとみられます。すでにアジリティ・ロボティクス（Agility Robotics）や1X、フィギュアAI（Figure AI）などが米国工場で人型ロボットの量産を競っており、テスラも旧型の電気自動車の生産を縮小して人型ロボット『オプティマス』へ軸足を移しつつあります。保護主義との批判もある一方、国内製造業の追い風になるとの見方も出ています。

ノースカロライナ中央大学（NCCU）の准教授シボーン・デイ・グレイディ氏が、2025年1月、歴史的黒人大学（HBCU）として全米で初めてのAI研究所「人工知能・新興研究所（IAIER）」を設立しました。Google.orgからの100万ドルの助成を元手に、学生や教職員、地域住民へ幅広くAIの基礎素養を広げることを目指しています。同氏は「AIは万人のためにある」を指導理念に掲げます。

背景には、AIが新卒者に求められるスキルを塗り替えている現実があります。グレイディ氏は「かつては『自分は技術は苦手』で済んだが、いまはデジタル技能、そしてAI素養が不可欠な時代だ」と語ります。NCCUはまだ独立した情報科学の専攻を持たず、新設のAI副専攻とあわせて整備を進めている段階です。

IAIERは学部の枠を超えてAI教育を組み込む方針を取ります。全新入生にIBMと共同開発した入門講座を必修とし、教員には最大1万ドルの研究助成（シードグラント）を提供しています。初年度は社会福祉や医療、デジタル記録など11件のプロジェクトを採択しました。

設立から2年足らずで、研究所は2800人以上の学生・教職員・地域住民を巻き込む拠点へと成長しました。DeloitteやAnthropic、FICOなどとの連携に加え、昨年はHBCUで初となるOpenAI Academy Summitを開催し、40を超える機関から444人が集まりました。

一方で、資金の確保が最大の課題として浮上しています。HBCUは全米の4年制大学の約3%を占めるものの、連邦の研究開発資金の1%未満しか受け取っていません。トランプ政権下では研究費削減や多様性重視策への圧力もある中、グレイディ氏は他大学が応用できる枠組みづくりを長期目標に据えています。

米マサチューセッツ工科大学（MIT）などの研究者が1975年に始めた心電図データの収集が、医療データ共有の世界標準へと発展しました。この取り組みは1999年にPhysioNetとして結実し、いまや数百のデータベースを抱える世界最大級の生体・臨床データ基盤となっています。その四半世紀の歩みをまとめた論文がNature Health誌に掲載され、改めて注目を集めています。

クラウドが普及する前、医療研究者はデータの入手や共有に大きな壁を抱えていました。データは分断されて配布も難しく、研究者は自らデータを集めるしかなく、費用も比較の難しさも課題だったのです。1975年、MITとボストンのベス・イスラエル病院で不整脈を研究するチームは、心電図記録をデジタル化して広く公開する構想を掲げ、自作の計算機で10万件を超える注釈を付けていきました。

当初は十数の研究機関に届けば十分と考えられていましたが、関心は集まり続けました。磁気テープはCD-ROMやFTPサーバーへと姿を変え、現在では180か国を超える利用者が登録し、昨年だけで1万5000本以上の論文に引用されるまでになっています。集中治療の電子カルテを匿名化したMIMICなど、公開データは研究の前提を大きく変えました。

転機となったのが人工知能（AI）の台頭です。ECGの信号処理が中心だった利用者層は広がり、いまでは医療分野の機械学習やAIの研究者が最大の層を占めます。Google DeepMindの研究者は、PhysioNetとMIMICが「標準を作り、今も標準であり続けている」と述べ、過去10年の医療AIの進歩を支えた基盤だと評価しています。

運営チームは、利用者が自らの専門知識を注釈として加えられる新システムの試験導入を準備しています。研究のあり方を変えたのは、アイデアや才能ではなく「摩擦」だと関係者は指摘します。データ共有のコストを下げることが、挑戦的な研究を可能にし、科学の到達点そのものを押し広げているのです。

AIセキュリティ企業Vijilの創業者兼CEOであるヴィン・シャルマ氏は2026年7月28日までに、AIエージェントの信頼性は導入前の一度きりの評価ではなく、稼働後も継続的に検証すべき実行時の課題だと訴えました。従来型のベンチマークは能力を測るだけで、企業が本当に問うべき信頼性を保証しないためです。

シャルマ氏によれば、ベンチマークが実際の企業環境での挙動を予測できない理由は三つあります。作られた時点の性能基準に基づく静的な指標である点、現実を不完全にしか模倣できず両者の差にこそ失敗が潜む点、そして公開されているため将来のモデルの訓練データに混入し、テストを暗記させてしまう点です。

そこで同氏が提唱するのが「受託者エージェント」という考え方です。金融や医療のように顧客への能力・注意・忠実の義務を負う専門職から借りた概念で、法的な受託者責任は意識を必要とせず、依頼主の利益を自らより優先するという機能要件として検証できます。信頼性は「委任する便益が失敗リスクを上回るか」という経済的な等式で定義され、信頼性・セキュリティ・安全性の三要素に分解されます。

検証手法は目的・ペルソナ・ポリシーの三つのPを軸とし、結果は行動データから算出する信用格付けのようなスコアで表されます。目的別テストは対象業務に合わせて難度を調整し、ペルソナ別テストは千を超える利用者像や攻撃者像を用い、ポリシー別テストは組織独自の規則からどれだけ逸脱するかを測ります。

本番環境でしか表面化しない失敗も多いといいます。利用者の変化や新たな攻撃に加え、複数のエージェントが連携する系では、一方がコードを生成し他方が検査する裏でバックドアを見逃す「共謀」など、個々のエージェントでは検知できない新種の障害が生じます。同氏は「失敗を防ぐ時代は終わり、いかに速く復旧するかという回復力が問われる」と述べます。

実践的な継続的信頼管理は、野放しのエージェントを統治下に置く「発見」、人間とは別のワークロードID付与、開発者任せにしない強制的なポリシー統制という手順を踏みます。そこから「信頼到達時間」と「復旧時間」という新たなKPIが生まれます。責任は最高AI責任者やGRC・CIO・CSOが分担し、シャルマ氏は「信頼は雰囲気でも美徳でもなく、システムに組み込み継続的に測定するもの」と締めくくりました。

米AnthropicのAIチャットボット「Claude」で、利用者が共有リンクを設定した会話や成果物「Artifact」の一部が、週末にGoogle検索から誰でも閲覧できる状態になっていたことが判明しました。7月25日にRedditユーザーが指摘し、医療記録や社内文書、子どもの氏名と電話番号などを含む会話まで表示されたと報じられています。

問題は、リンクを知る人なら誰でも閲覧できる「共有」機能に起因します。利用者が明示的に公開を選ぶ仕組みで初期設定では無効ですが、AnthropicはこれをGoogle Docsの共有と同様の任意機能と位置づけてきました。共有リンクが掲示板やSNSに貼られると、検索エンジンがそこからURLを辿って収集してしまう構図です。

Anthropicはロボットのアクセスをrobots.txtファイルで拒否してきましたが、これだけでは検索結果への表示は防げません。実際にWIREDが確認した共有ページには、GoogleやBingがインデックス判断に使うnoindexタグが付いておらず、これが露出の直接的な原因とみられます。

Anthropicは、共有リンクは推測や偶然では見つからず利用者自身が公開した場合に限りアクセス可能になると説明し、責任は利用者側にあるとの立場を示しました。一方Googleは、公開したページを検索対象にするかはサイト運営者が管理すべきで、指示があれば常に尊重していると反論しています。

今回はArtifactにダッシュボードや業務文書などの成果物が含まれる点で、企業への影響が大きいと指摘されています。過去にはChatGPTやGoogleのBardでも同種の問題が起きており、共有と検索可能の境界をどう伝えるかが各社共通の課題です。利用者は設定画面の「プライバシー」から共有中のチャットを確認し、公開範囲を見直すことが推奨されます。

イスラエル発のロボット研究所Enigmaは7月27日、ステルス状態を解除し、7100万ドルのシードラウンドを完了したと発表しました。調達はIndex VenturesとRibbit Capitalが主導し、投資家のサラ・グオ氏も参加しています。同社は設立1年未満ながら、人とロボットの関わり方そのものを研究し、操作を直感的にすることを目指します。

多くのロボット企業は、明示的に学習していないタスクもこなせる基盤モデルの開発を競っています。これに対しEnigmaは、モデルの能力向上だけを追うのではなく、人間がロボットとどう関わるかを研究する点で一線を画します。この違いが、直感的なインターフェースや新しいロボットの頭脳につながると同社は期待しています。

具体策として、Enigmaは世界中の誰もがオンラインで100台超の独自ロボットを操作できる大規模実験を始めます。ロボットはイスラエルとカリフォルニア州の格納庫に置かれ、絵筆で絵を描いたり、剣で戦ったり、フラスコの液体を混ぜる簡単な化学実験を行ったりできます。ロボットアームも基盤モデルも、いずれも自社でゼロから開発したといいます。

共同創業者のジョナサン・ヤコビ氏は、ロボット操作を車の音量ノブのように直感的にしたいと語ります。食器洗いを頼むのに15分も説明が必要なら、結局は自分でやった方が早いと感じてしまう、というのが同氏の問題意識です。実験では、テキストや音声、動画の提示、タップやドラッグなど、最適な対話手段を探ります。

ヤコビ氏はマイクロソフト史上最年少の社員として知られ、共同創業者のガル・ニブ氏とはイスラエル軍の精鋭部隊「Unit 8200」で共にサイバー研究に従事した旧友です。二人はロボットの専門家ではなく、投資家はその「門外漢」ゆえの独創性を評価します。事業用途はまだ明確でないものの、同社はすでに医療・物流・娯楽分野の企業と提携を進めています。

米国の公立図書館で、人々にAI機能の停止方法を教える「Avoiding AI（AI回避）」と題した講座が注目を集めています。フィラデルフィアの図書館員チャーリー・ベイリー氏らが、スマートフォンやパソコンからApple IntelligenceやGeminiなどの機能を無効化する手順を解説する内容で、押し付けられるAIへの不満を背景に予想を超える参加者が集まっています。

この取り組みの発端は、メーン州バンゴー公共図書館の司書ハンナ・サイラス氏です。同氏が自身の講座について学術誌に論文を発表したところ、世界中の数十人の図書館員から問い合わせが相次ぎ、ベイリー氏もその一人でした。サイラス氏は「これまで手掛けたどの仕事でも、こんなことは一度もなかった」と、反響の大きさに驚きを語っています。

反響は数字にも表れています。サイラス氏の「パソコン入門」講座は通常十数人程度ですが、初回のAI回避講座は登録を30人で締め切り、キャンセル待ちとオンライン配信を追加してもなお、各回およそ70人が参加しました。ベイリー氏の図書館がInstagramに投稿した告知は2000を超える「いいね」を集め、通常の数十件を大きく上回りました。

講座は約1時間で、AIチャットボットの仕組みや使う理由・使わない理由を説明した後、主要なプラットフォームや端末ごとに機能を切る手順を実演します。参加者からは、Google検索に「&udm;=14」を付けるとAIの結果を隠せるといった実用的な知恵も共有されました。ベイリー氏はこれを「デジタルリテラシーの向上であり、AIを使うかどうかの自律性を取り戻す手助け」だと位置づけています。

参加者の関心はチャットボットにとどまらず、自宅近くにデータセンターが建つ懸念やAIの環境負荷への不安を口にする人もいました。ただし、これは技術そのものの拒否ではなく、医療の進歩やOCRの活用は認めたうえで利用の主導権を取り戻したいという訴えです。サイラス氏は「端末へのAIの強制的な搭載が、我慢の限界を超える引き金になっているのかもしれない」と指摘しています。

画像や動画の生成AIで知られる米新興企業Midjourneyは24日、パーソナライズ占いアプリ「Co-Star」を買収したと発表しました。米ブルームバーグが先行して報じたもので、買収額は非公開、取引は今春に完了したとされています。画像生成ラボである同社が占いアプリを取り込む異色の一手であり、同社にとって初の企業買収にあたります。狙いは自社アプリの開発強化で、消費者向け事業への本格参入を示す動きです。

Co-Starは月間約430万人が利用する無料アプリで、生年月日などから占星術のバースチャート（出生図）を作成し、友人との相性を確認できる点が特徴です。占い文面はAIと人間のライターに加え、NASAの天体データも組み合わせて生成され、毎日パーソナライズされた助言を届けます。

買収に伴い、約24人のCo-Starチーム全員がMidjourneyに加わりました。創業者のBanu Guler氏は引き続きCo-Starの運営を率いつつ、Midjourneyの最高デザイン責任者（CDO）にも就任します。消費者向けアプリの開発経験を持つ人材を取り込む狙いがうかがえます。

Midjourneyはこれまで自社の生成AIをWebとDiscord上でのみ提供し、独立したアプリを持っていませんでした。同社創業者のDavid Holz氏は、Guler氏らのチームが画像生成アプリを含む初の自社アプリの構築を支援すると説明しています。医療分野への進出も進める同社にとって、今回の買収は製品ラインを一段と広げる布石といえそうです。

米OpenAIは7月23日、対話AI「ChatGPT」の健康機能「ChatGPT Health」を、アメリカの18歳以上の全利用者に提供開始しました。無料プランを含む全料金体系が対象で、WebとiOSから利用できます。利用者はApple Healthや医療記録を本人の許可のもと連携でき、検査値や服薬、睡眠などを踏まえた個別の会話が可能になります。

ChatGPTには毎週3億件を超える健康関連の質問が寄せられており、今回の更新では健康情報を通常のチャットに統合しました。同社は今年初めに専用ハブを試験導入しましたが、健康に関する会話の約70%がハブの外で発生していました。そこで専用画面を開かなくても、食事の提案時にアレルギーを考慮するなど、日常の会話に健康情報を反映できるようにしました。

ChatGPT Healthは最新モデル群で動作します。有料ユーザー向けの「GPT-5.6 Sol」を同社は「健康分野で最強のモデル」と位置づけ、全てのGPT-5.6モデルが専門評価「HealthBench Professional」で前世代を上回ったとしています。同社健康製品担当のアシュリー・アレクサンダー氏は、モデルが「臨床医を上回る水準で推論できる」と述べましたが、健康部門を率いるカラン・シンガル氏はこの主張を「割り引いて捉えたい」と補足しました。

一方で安全性への懸念も残り、提供開始の前日には、フロリダ州の牧師が「極めて危険な医療上の助言」で肺塞栓症の治療が遅れたとしてOpenAIを提訴しました。同社は利用規約で「診断や治療を目的としたものではない」と明記し、重要な情報は医療従事者に確認するよう促しています。プライバシー面では、連携した医療データを基盤モデルの学習や広告には使わず、通常より強固な暗号化を施すと説明しています。

背景には、健康分野を巡るAI企業の競争があります。AnthropicやGoogleも健康関連機能を投入しており、各社が個人データと結びついた実用領域を開拓しています。ただしAIチャットボットの医療助言には信頼性を疑問視する研究も複数あり、利便性と安全性の両立が今後の課題となります。

OpenAIは2026年7月22日、アメリカ・ジョージア州エフィンガム郡で計画する大規模データセンター「プロジェクト・カメリア」の詳細と、地域社会への約束を公表しました。同社はジョージア・パワー社と3.2ギガワットの電力供給契約を結び、2028年から2032年にかけて段階的に受電します。事業は全額を民間資金でまかない、住民の電気料金には転嫁しない方針を示しました。

OpenAIは、施設に必要なインフラと電力の費用を全額負担し、ジョージア州公益事業委員会の規則の下で既存利用者に費用を転嫁しないと説明しました。需要が逼迫する時期には、住宅向け供給に影響が及ぶ前に率先して消費電力を抑える設計にする方針です。水は自動車のラジエーターのように循環させる閉ループ方式を採り、地域の水資源を奪わないとしています。

地域への還元として、同社はプロジェクト期間を通じて8000万ドルを、学校や公共安全、医療、職業訓練、住宅、退役軍人支援などに充てます。これは税収とは別枠で、州・地方税として数億ドルを納め、郡内で最大の納税者になる見込みです。建設と常勤の雇用を数千人規模で生み、地元の企業や業者を優先すると強調しました。

さらにジョージア州の大学や短大、専門学校の学生向けに、最大7100万ドル相当のCodex利用枠を提供します。対象学生は1人あたり100ドル分のクレジットを受け取り、同社のエージェント型コーディングツールで実践的な技能を磨けます。プロジェクトは独立監査法人による年次監査を公開し、7月23日の住民説明会を経て、約束を明文化する「ジョージア・コミュニティ・コンパクト」を策定する計画です。

用地はサバンナ・ゲートウェイ工業団地内の既存の産業用地で、倉庫開発よりも交通量や水使用が少なく、長期の税収と雇用に資すると同社は説明します。すでに稼働するテキサス州アビリーンの拠点に続く米国内の投資と位置づけ、国内産業の強化と雇用創出につなげる考えです。

NVIDIAは2026年7月22日、医療ロボット開発向けの物理シミュレーション基盤「Medical Physics Simulation」をオープンソースで公開したと発表しました。GPUで高速化した同フレームワークは、医療ロボット開発基盤「Isaac for Healthcare」の新機能として、解剖構造と医療機器の相互作用や、収集が難しい稀な症例のデータを仮想環境で生成できます。実機を使った検証の前に、ロボットの制御方策を訓練・評価できる点が特徴です。

医療ロボットの開発では、多様な解剖構造や器具の挙動、ノイズの多い画像など、膨大で多様な学習データの確保が最大のボトルネックでした。同基盤は摩擦やセンサー入力までを再現し、ワークフローごとに専用のシーンを作り直す必要をなくします。再利用できるシミュレーション環境を用意することで、開発期間の短縮と市場投入の加速を狙います。

性能面では、CUDAを基盤にWarpやNewton、Cosmosといった技術を組み合わせ、数百の環境を並列実行できます。ベンチマークでは8,192環境を並列動作させ、訓練時間を5時間超から2分未満へ短縮したとしています。古典的な物理シミュレーションと、生成AIによる「Cosmos-H Dreams」を統合し、既知の物理法則と学習ベースの視覚再現の双方を扱えます。

すでに複数の医療ロボット企業が採用を進めています。Johnson & Johnson MedTechは泌尿器向けプラットフォームのデジタルツイン構築に、Medtronicはカテーテル操作のデータ生成に利用します。CMR Surgicalは手術支援ロボット「Versius」から約500時間分の匿名化データをオープンデータセットに提供しました。オープンソース化により、規制当局の審査に向けた透明性の確保や再現性の検証が進むと見込まれます。

米サイバーセキュリティ新興企業のGlowは7月22日、水面下の開発段階を終えて事業を公表し、1.8億ドルのシリーズA資金調達を実施したと発表しました。評価額は12億ドルに達し、収益を開示する前にユニコーン企業入りしました。同社は元MetaやSnowflakeの幹部が2025年に設立し、AIが企業のエンドポイント防御を根本から変えるとみています。

今回の調達は全額を株式で賄い、Sequoia Capitalやサイバースターツ、Greenoaks、Redpoint Venturesが主導し、Index VenturesやLux Capitalなども参加しました。本社はカリフォルニア州パロアルトにあり、従業員は約100人で、うち7割がイスラエル、残りが米国に在籍します。

攻撃者が生成AIでフィッシングやマルウェア作成を自動化するなか、企業は従業員端末やサーバーを守る手法の見直しを迫られています。共同創業者で最高経営責任者(CEO)のRoi Tiger氏は元Metaの技術担当副社長で、『過去10年はクラウドやSaaSへの移行だったが、いまAIがかつてない形で端末に降りてきた』と語ります。同社のプラットフォームは専門のAIエージェントが社内環境を常時把握し、実時間でリスクを評価してセキュリティ方針を自動適用します。

プラットフォームはAnthropicやGoogleのGeminiのモデルをAmazon Bedrock経由で利用し、企業固有の文脈を与える独自ソフトで信頼性を高めています。すでに悪意あるnpmパッケージの導入を阻止したほか、それを取り込もうとするAIエージェントを検知し、防御ツールが欠けた端末も発見したとしています。

エンドポイント市場はCrowdStrikeやMicrosoft、SentinelOne、Palo Alto Networksが支配しています。Tiger氏は、既存製品が脅威の発生後の検知に主眼を置くのに対し、Glowは危険なソフトやAIエージェントの侵入を未然に防ぐ設計だと説明します。同社はすでに医療や小売、金融の顧客を抱え、世界規模の組織で数万台の端末に導入されているとしています。

YouTubeは7月16日、AIで大量生成される低品質動画（AIスロップ）への対応として、収益化ポリシーを明確化しました。同社は「不正なコンテンツ」を3つの類型に整理し、YouTubeパートナープログラム（YPP）での収益化対象外とする基準を具体的に示しています。今回の措置は既存方針の禁止ではなく、判断基準を詳細化するものです。

第1の類型は、AIやCGI、テンプレートで容易に作れる反復的で汎用的な動画です。信頼安全部門トップのマット・ハルプリン氏は、独自性のないチュートリアルなど、既存内容の焼き直しも該当し得ると説明しました。同氏はAIが高品質動画の量産を助ける一方、似通った動画を粗製乱造するコンテンツファームも可能にすると指摘しています。

第2の類型は「不快」なコンテンツで、視聴数狙いで意図的に苦痛や感情的操作を与える動画を指します。例として、動物を苦境に陥らせて救出する演出動画が挙げられ、AI生成か否かを問わずYPPから除外されます。第3の類型は、実在人物を模したAIペルソナを用いて金融・法律・医療などの繊細な話題を扱う動画で、こうした利用を助長しない方針です。

これら3類型のいずれかが過剰な割合を占めるチャンネルは、収益化ができなくなります。広告と課金で稼ぐYPPはYouTubeの生命線であり、低品質動画の氾濫は同社の利益に反するとの判断があります。YouTubeはテレビや他のストリーミングと広告費を争っており、収益源の質を守る狙いがうかがえます。

背景には、AI技術で誰もが手軽に動画を量産できるようになった現実があります。YouTubeは昨年から不正コンテンツの収益化制限に着手しており、今回の明確化はその延長線上にあります。クリエーターにとっては、独自性と物語性を備えた制作がこれまで以上に重要になりそうです。

Google DeepMindとIsomorphic Labsは7月16日、AIを生物学的脅威への備えに活用する共同のバイオレジリエンス方針を公表しました。生物由来の危機が高度化するなか、フロンティアAIモデルの悪用を防ぎつつ、政府や科学者が感染症対策にAIを役立てられる体制づくりを目指します。過去12か月で政府機関や生物安全保障組織との15を超える提携を進めてきました。

取り組みは予防・検知・対応の3領域が柱です。予防では、Geminiなどのモデルに脅威モデリング、評価、緩和、監視の4段階の安全プロセスを適用します。さらに電子透かし技術SynthIDを生物学へ応用し、DNA合成事業者がAI生成の危険な配列を審査できるようにする研究も進めています。

検知では、コーディングエージェントAlphaEvolveがメタゲノム解析のアルゴリズムを最適化し、DNA解析を安く速くします。これにより世界規模での病原体監視が効率化され、新たな流行の早期発見につながります。AlphaGenomeやタンパク質機能注釈の技術も、未知の病原体の特定に活用する検討が進んでいます。

対応の領域では、AlphaFoldの成果を基に、信頼できる研究者へ最新AIを提供しワクチンや対抗手段の設計を加速します。Isomorphic Labsは専門部隊を設け、創薬エンジンIsoDDEでパンデミックやAI悪用リスクに備えた医療対策を迅速に設計する構えです。同社はこの活動をCBRNリスク管理とFrontier Safety Frameworkの一環と位置づけ、生物安全保障の研究機関や各国政府との開かれた協働を続ける方針です。

サンフランシスコの音声AIスタートアップRimeは7月15日、企業の電話対応を担う音声AIモデルの開発に向け、2400万ドルのシリーズAラウンドを実施したと発表しました。ラウンドはM13ベンチャーズが主導し、Twilio VenturesやUnusual Venturesなど既存投資家も参加。同社は昨年5月にシード資金550万ドルを調達していました。

Rimeは2022年、スタンフォード大の元博士課程学生Lily Clifford氏、元Amazon AlexaエンジニアのBrooke Larson氏、スタンフォードのエンジニアAres Geovanos氏が創業しました。営業やカスタマーサポートの通話を企業から請け負う音声AI市場は、ElevenLabsやDeepgram、Vapiなど競合がひしめく激戦区です。

同社の差別化は、Web上の音声をかき集める代わりに自社の録音スタジオで会話データを収集する点にあります。音素ベースのアーキテクチャを採用し、ブランド名や業界特有の用語の発音を正確に再現することで、顧客が自社向けにモデルを再学習する手間を減らせると説明します。

一方でClifford氏は、音声AIの現状に率直な見方を示します。企業は依然として従来型のIVR（自動音声応答）を好み、AI音声はまだその効果に及ばないと指摘。「LLMで音声アプリは作りやすくなったが、対話の体感は変わっていない。声の良い新しいIVRのようなものだ」と述べました。

こうした課題を受け、同社は音声認識・音声合成・LLMを個別に組み合わせる従来の構成から、音声対音声（speech-to-speech）モデルへ軸足を移しています。狙いは低遅延化とターンテイキングの改善、背景雑音への対応であり、多数のモデルを束ねる運用負荷の軽減にもつながります。

顧客には食品サービスや医療、航空、フィンテック企業が並び、Mayo ClinicやDialpad、Upstart、Asurionといった大手との契約を獲得済みです。今回の資金で35人の体制を拡大し、Meta Superintelligence LabsやNvidia出身のRafael Valle氏をチーフサイエンティストに迎え、モデル開発や提携を強化します。

Apple の FaceID を共同開発した技術者ジディ・リトウィン氏が、AI で脳の健康を解析するスタートアップ「Hemispheric」を率い、7月15日に5200万ドルの資金調達を発表しました。同社は10万人分の脳データを収集し、手術を必要とせずに脳の電気活動から認知機能を読み解く深層学習モデルを構築しています。米国とイスラエルのベンチャーキャピタルや個人投資家が出資しました。

リトウィン氏は2020年に Apple を退社し、LinkedIn で接触してきた共同創業者ハガイ・ララザル氏と出会いました。Vision Pro のハンドトラッキング開発で数十万人規模のデータ収集を手掛けた経験を、脳データの大規模収集に応用したといいます。ララザル氏は適任者を探す中で約75人と面談し、事業を推進できる相棒としてリトウィン氏に白羽の矢を立てました。

従来、うつ病やアルツハイマー病、パーキンソン病の診断は主観的な問診や行動観察に頼らざるを得ませんでした。両氏はアジアやテルアビブ、ボストンで有償ボランティア10万人から25万時間分の脳データを集め、ゲームのような課題で脳の各部位を活性化させて記録しました。大規模言語モデルが文章から意味を推定するのと同じ仕組みで、脳の電気活動から機能を推論する基盤モデルを訓練したのです。

診断ではEEGヘッドセットを装着し、タブレットのアプリを操作しながら約15分間、脳の電気活動を計測します。AI が信号を解読して臨床医の診断や治療法の選択、経過観察を支援する仕組みです。ララザル氏は「血液検査のような存在を目指す」と語り、装置を安価にして精神科クリニックや病院、心理士のもとへ広く普及させる構想を描いています。

同社はまずPTSD向けの製品を来年初めにFDAへ申請し、2027年後半の一般提供を目指します。現在はアルツハイマー病の診断や予測が可能かを検証する臨床研究を進めています。OpenAI や Anthropic といった大手も医療分野へ進出しており、競争が激しさを増す中で同社は独自の脳スキャナー開発にも取り組んでいます。

NVIDIAは7月14日、オープンモデル「Nemotron」を活用し、企業や国家が信頼・制御・カスタマイズできるAIを構築する方法を公開しました。同社は、競争優位はどのモデルを選ぶかよりも、利用可能なモデルをいかに作り込むかで決まると指摘します。クローズドモデルが検査や改良の範囲に上限を設けるのに対し、オープンモデルは完全な所有と制御を提供すると強調しています。

オープンモデルの強みは、業務固有の基準で自由に検証・改良できる点にあります。医療や法務のように誤答のコストが高い分野では、学習過程や性能を可視化し、必要に応じて改善できることが不可欠です。企業は自社データで非公開評価を行い、独自ワークフローに合わせた強化学習環境を構築でき、機密データを第三者に渡す必要もありません。

導入は各業界で進んでいます。法務AIのHarveyは「Nemotron 3 Ultra」を追加学習させ、複雑な法務タスクでクローズドモデルと同等の精度を1回あたり10分の1以下のコストで達成しました。H Companyはコンピューター操作ベンチマークOSWorld-Verifiedで76%超を記録し、AbridgeやGlean、Heidi Health、YTL AI Labsも自社領域向けにNemotronを特化させています。

コスト効率も大きな訴求点です。Arcee AIはNVIDIA Blackwell上での追加学習により、出力100万トークンあたり約90セントと、クローズドの先端モデルの約20分の1の推論コストを実現しました。NVIDIAは「Nemotron Coalition」を通じてデータや評価を共有するエコシステムづくりを進めており、AIの利用から所有への移行が始まっていると位置づけています。

メタの元従業員26人が7月13日、同社が解雇対象者の選定に社内のAIツールを不正に利用したとして、カリフォルニア州北部連邦地方裁判所に提訴しました。訴状によると、対象となったのは5月に実施された約8000人規模の人員削減で、育児や医療の保護休暇を取得した従業員が不均衡に選ばれたと主張しています。米大手企業を相手取り、解雇におけるAI利用の是非を問う訴訟は初めてとされます。

訴状は、メタが「Metamate」と呼ばれる社内AIアシスタントや、従業員が学習させた「セカンドブレイン」型のエージェント、キーストロークや活動の監視データ、AIトークン使用量のダッシュボードなどを組み合わせ、従業員を採点・順位付けして解雇リストに載せたと指摘しています。社内ダッシュボードは従業員をAIツールの導入段階に応じて、「AIネイティブ」「AIファースト」「AIイネーブルド」といった区分で分類していたとされます。

問題視されているのは、これらの評価指標が休暇中の従業員に構造的な不利をもたらす点です。原告側は、業績評価やAIトークン消費量といった入力データは、保護休暇中の従業員や障害で成果が制限される従業員にはそもそも蓄積できないと訴えています。その結果、法的な権利を行使した従業員がかえって不利に扱われたと主張しています。

一方、メタはAIによる判断を明確に否定しています。同社の広報担当者は「これらの主張には根拠がなく、事実に基づいていない」とした上で、「人員管理や組織上の決定はAIではなく人間が下している」と反論しました。AIを人事評価にどこまで委ねてよいのか、企業の説明責任が問われる訴訟として今後の展開が注目されます。

米AI企業のAnthropicは7月14日、カナダのAI研究機関に対し総額1000万カナダドルを拠出すると発表しました。エドモントンのAmii、モントリオールのMila、トロントのVector Instituteというカナダ三大AI研究所に加え、小児病院CHEOや精神保健機関CAMH、ラバル大学など複数の大学と提携します。同時に、カナダ国内でのClaude利用実態をまとめた初の国別レポートも公開しました。

拠出金は、有益で責任あるAIの応用研究に充てられます。各研究所はClaudeのクレジットを活用し、強化学習や医療、多エージェント系、ロボット工学などの研究を進めます。さらにAnthropicは今夏、Amii・Mila・Vectorの3研究所をスタートアップ支援プログラムに加え、関連する数百社のカナダ企業に各5000ドル以上のAPIクレジットを提供します。

併せて公開されたレポートによると、カナダはClaude.aiの世界利用量で8位を占めます。人口規模から予測される水準の4倍以上の利用があり、利用量上位10カ国の中では米国に次ぐ2位の高さです。カナダが高所得国であることを踏まえても、この普及の速さは際立っています。

国内では利用が地域的に偏っています。オンタリオ州が会話全体の43.9%を占める一方、人口当たりではブリティッシュコロンビア州が首位に立ちます。所得よりも、専門・科学・技術サービスの雇用比率が高い州ほど利用が多く、産業構成が普及の度合いを左右しています。

用途にも地域経済の特徴が表れます。公務員比率の高いニューブランズウィック州などでは、連邦政府の二言語政策を背景に翻訳需要が突出しています。カナダ全体では、学業支援やコーディング、履歴書作成といった教育・キャリア初期の利用が、豪英米など他の英語圏より多い傾向にあります。

MITの都市研究・計画学科（DUSP）は、学生が自治体や医療機関のサイバー防衛を無償で支援する「サイバーセキュリティ・クリニック」を2019年に立ち上げました。講師のJungwoo Chun氏とLawrence Susskind教授が主導し、ほぼ毎学期開講しています。法律や医療のクリニックと同様に、学生の実地訓練と、資金の乏しい地域への無償サービスを兼ねる仕組みで、これまでに40件超の脆弱性評価を提供してきました。

背景には、深刻化する公共機関へのサイバー攻撃があります。2019年にはメリーランド州ボルチモア市がランサムウェアで多くの重要ファイルを凍結され、復旧費用は数百万ドルに膨らみました。FBIの集計では2025年に米国民を狙う攻撃は1日平均2,765件に達し、Comparitechによると2018年から2024年にかけて米政府機関への攻撃は525件、停止に伴う損失は推定10億9,000万ドルに上ります。

小規模な自治体や病院は重要インフラの入り口でありながら、専門人材を自前で抱える余裕がありません。そこでChun氏とSusskind教授が掲げるのが「防御的ソーシャルエンジニアリング」という考え方です。技術対策も重視しつつ、「最大の攻撃経路は依然として人間だ」として、担当者が正しい選択をできる組織づくりを重視します。

生成AIの進化は攻撃側にも新たな武器を与えており、Chun氏は「今やAIは脆弱性を特定するだけでなく、攻撃自体を実行できる」と警戒します。学生はまず4週間で認証試験に備え、23の主要リスク領域や難しい依頼者対応を学んだうえで、チームで顧客を担当し、脆弱性評価と改善提案をまとめた報告書を作成します。

推奨される対策の多くは、機器やソフトの棚卸し、定期的なパッチ適用とバックアップ、多要素認証、従業員教育、攻撃対応計画の準備など、いずれも低コストです。Susskind教授は「どれも高くつかないが、組み合わせれば被害の8割以上を防げるだろう」と話します。

モデルは着実に広がっています。MITでの修了生は120人を超え、認証用のオンライン講座はMITxの公開講座として数万人が受講しました。2021年にはUC Berkeley、Indiana大学、Alabama大学と共同でクリニックの連合組織を設立し、加盟機関は61に増えています。

デンマーク工科大学（DTU）の研究チームは、生成AIと量子コンピューターを組み合わせ、体内の特定タンパク質に結合する新しいペプチドの設計に成功したと発表しました。英スタートアップORCA Computing製の小型量子計算機を従来のプロセッサーと連携させ、AIの予測精度と対応範囲を高めた点が特徴です。ペプチド設計はワクチン開発の重要な一歩であり、成果は個別化医療への応用が期待されます。

実験室で生成したペプチドを実際に合成し、標的タンパク質との結合を検証したところ、量子を用いた手法は従来型コンピューターよりも成功率の高いペプチドを生み出しました。特に学習データが乏しい領域で改善が顕著だった点が重要です。

この特性は、これまで研究が手薄だったアジアやアフリカの人々に向けた医薬品開発に道を開く可能性があります。チームは、個別化された免疫療法やワクチンの開発を加速し、見過ごされてきた集団での薬の有効性を高められると見ています。

一方で課題も残ります。現在の量子コンピューターは規模が小さく、最先端のAIモデルを完全に動かすには力不足で、通常の抗体サイズの複雑さは扱えないとチームは説明します。プロジェクトを率いたJenkins教授はもともと量子懐疑派で、実用化は数十年先だと考えていたと明かしました。

研究は、他プロジェクトで余った予算と週末の作業でまかなわれました。ORCAのMurray最高経営責任者（CEO）は、今回の成果が量子技術の近い将来の商用応用を示す点で新しいと指摘します。チームは今後、より大型のタンパク質や先端モデルへの適用を進める方針です。

Googleは2026年7月9日、Gemini基盤のAIコード最適化エージェント「AlphaEvolve」を、Google Cloudの全顧客に向けて一般提供すると発表しました。同社のGemini Enterprise Agent Platform上で利用でき、マイクロチップ設計や物流網の経路最適化、医療研究の加速といった複雑な課題の解決を支援します。

AlphaEvolveの特徴は、コードをゼロから書き直すのではなく、進化的な協働者として振る舞う点にあります。利用者が基準となるアルゴリズムと目標を与えると、AIが自動的により良い解を探索し、人間が読める最適化済みのコードを返します。

同社が昨年12月に限定プレビューを開始して以来、早期採用企業から強い成果が報告されています。化学大手のBASF、開発ツールのJetBrains、サプライチェーン管理のKinaxisなどが、従来は解決困難だった事業・研究上の問題をAlphaEvolveで解いたといいます。

アルゴリズムの探索は本来、エンジニアが膨大な選択肢を自ら試す必要があり、時間もコストもかかる作業です。今回の一般提供により、専門人材が限られる組織でも自律型AIを使って最適化の恩恵を受けやすくなります。詳細な手順はGoogle Cloudの公式発表で公開されています。

電力も通信も乏しい地域で、スマートフォン単体で動く小型AIが医療や農業を支える基盤技術として注目を集めています。米誌IEEE Spectrumは7月6日、アフリカで偽造薬を判別する携帯型端末を開発した起業家アデバヨ・アロンゲ氏らの取り組みを紹介し、世界銀行も助成金や政策で普及を後押ししていると報じました。巨大な生成AIが届かない世界の多数派に、実用的なサービスを届ける現実解として位置づけられています。

きっかけは2019年、アロンゲ氏が南アフリカで偽造薬検出システムを実演した際の失敗でした。データセンターが1万4千キロ離れた米国にあり、1回の判定に5分以上かかったのです。同氏はエンジニアに指示し、わずか2時間でAIをスマホ上で単独動作する軽量版に縮小しました。これが、ブロードバンドも安定電力もない場所で薬の真贋を数秒で判定する新型端末を生みました。

小型AIは、数十億以下のパラメータで動く言語モデルを指し、スマホやRaspberry Piで数ワットの電力で動きます。大型モデルから不要な部分を削る「プルーニング」や、大型モデルを模倣させる「蒸留」、精度を落とす量子化などで作られます。インドではドローンがカシューナッツの病害を機上で判別し、ブラジルではArduinoで心電図を計測するなど、特定課題に特化した実装が各地で広がっています。

世界銀行は小型AIを「有望な潮流」と評価し、助成金やメンター制度、途上国向けの政策整備で普及を支援しています。総裁のアジェイ・バンガ氏は今年1月のダボス会議で、生成AIには膨大な計算資源と電力、人材が必要で、先進国以外ではインドと中国を除きその条件が整わないと指摘しました。最貧国でChatGPTを使ったことのある利用者はわずか0.7%で、先進国の4分の1と大きく開いています。

普及を支えるのは技術の進展です。神経処理ユニットを備えたスマホが増え、2025年には全出荷の3分の1超が生成AIを動作でき、2026年末には45%、2027年末には過半に達する見込みです。オープンウェイトのGoogle DeepMind「Gemma 4」やアリババ「Qwen 3.5」は再学習が容易で、特定業界向けの調整に適します。一方でアロンゲ氏は、小型AIも定期的な更新や安定電力を必要とし、インフラや人材育成への長期投資がなければ持続しないと釘を刺しています。

米建国250周年に合わせ、AIを活用した集合知の実験が実施されました。無作為に選ばれた米国人277人がオンライン上に集い、わずか20分間で「米国が過去250年間に世界へもたらした三大貢献」をテーマに討議しました。運営したのは集合知企業のUnanimous AIで、大規模な同時対話を可能にするハイパー通信と呼ばれる新技術が使われました。

この技術の核心は、参加者を4〜5人ずつの小グループに分け、それらをAIエージェントの群れで連結する仕組みにあります。通常の会議や座談会は8〜10人が限界とされ、大人数ではリアルタイムの深い議論が成立しにくいという課題がありました。AIが各グループの意見をつなぐことで、数百人規模でも一人ひとりが発言し、互いの主張に応答できる熟議が実現します。

277人はまず94個のアイデアを出し、上位10、そして上位3へと段階的に絞り込みました。導き出された第1位はインターネットで、米国の学術・政府研究から生まれ世界へ普及した点が評価されました。第2位は医療の進歩、第3位は民主主義の普及が選ばれ、それぞれワクチンや米国憲法の世界的影響が理由として挙げられました。

重要なのは、この結果が100%人間の知性による産物だという点です。AIエージェントの役割はあくまで人々を「つなぐ」ことであり、人間に「取って代わる」ことではありません。筆者でスタンフォード大博士のルイス・ローゼンバーグ氏は、参加者が意見を述べ合い、論拠に基づいて結論へ収束できるスケーラブルな熟議にこそ価値があると強調しています。

建設プロジェクト管理を手がける米Trunk Toolsが、汎用大規模言語モデル（LLM）を捨て、業界特化型の3層アーキテクチャを構築しました。同社は独自データを基に「知覚」「意味」「エージェント」の各層を設計し、数百万ページに及ぶ建設文書を高精度で処理できるようにしています。この専用スタックにより、書類審査の期間を数カ月から数日へと大幅に短縮したと説明しています。

背景には、汎用LLMが持つ構造的な弱点があります。ファウンデーションモデルは幅広さに最適化されており、専門分野の深い知識や暗黙の文脈には対応しきれません。さらに企業にとって最も価値あるデータは事前学習に含まれておらず、社内システムや独自形式の中に眠っているのが実情です。

こうした課題に対し、Trunkは知覚・意味・エージェントという3層構造で応えます。知覚層はPDFや図面など雑然とした文書からデータを抽出し、意味層はそれらの関係性を理解します。建設図面では、ドアが必ずしも「ドア」と記されず、壁の弧として描かれることもあり、この層が記号を読み解く役割を担うのです。

成果は具体的な数字に表れています。提出書類を審査するエージェントは、従来50〜60日かかっていた工程を10日に短縮しました。ある事例では構造梁が8.5インチ移動していたのを検知し、見過ごせば1万ドル超の手戻り費用が発生するところを防いだといいます。同社はエージェントの精度を約95%に保ち、LLMを評価者とする仕組みで品質を継続的に検証しています。

Trunkは、このアプローチが建設に限らず法務や医療など高リスクで文書形式が標準化された業界にも応用できると指摘します。創業者でCEOのサラ・ブフナー氏は、非構造化データをLLMが辿れる形に変換し、汎用モデルが投資しない領域にこそ技術的な優位性を築くべきだと助言しています。

画像生成AIで知られるMidjourneyが2026年7月、開発中の医療用超音波スキャナーの舞台裏を映した約20分の動画を新たに公開しました。同社は放射線を使わない安価で詳細な画像診断で医療を変革すると掲げますが、動画はハードウェアの様子を見せる一方、その実効性を裏づける証拠はほとんど示していません。

映像を制作したのはテック系YouTuberのMarcin Plaza氏で、同氏はMidjourneyのエンジニアでもあります。Plaza氏は装置を「多数の超音波プローブを分解してエレベーター付きの豪華な湯船に貼り付けたもの」と率直に表現し、市販のコンピューターやRaspberry Piと接続されている構成を紹介しました。

しかし動画は、プロジェクト発表時に専門家が投げかけた物理や画像化に関する疑問の多くを素通りしています。専門家らはThe Vergeに対し、Midjourneyが数十年前から知られる超音波の限界を克服できる証拠や、約束する規模と速度で詳細な画像を生成できる証拠をほとんど示していないと語りました。

同社はこのスキャナーを、FDAの承認や臨床試験が必要な診断用医療機器ではなく、体組成に焦点を当てたウェルネス製品として投入する方針を強調しています。医療責任者のTom Calloway氏は、この方針により開発を「スピードラン」でき、テスト完了後すぐに開始できると述べました。一方で動画は依然として医療的な表現に多く依拠しています。

Calloway氏は混乱の解消にあまり関心を示さず「明確にすべきことは何もないと思う」と語り、進捗を頻繁にブログで更新すると約束しました。CEOのDavid Holz氏は、投資家がいないことが自由をもたらすとし「誰も私にやめろとは言えない」と述べ、外部の制約を受けずに開発を進める姿勢を示しました。

米AI大手のAnthropicが今週、科学者向けAI基盤「Claude Science」を発表し、あわせて自社での創薬に乗り出す方針を明らかにしました。ライフサイエンス責任者のエリック・カウダラー=エイブラムス氏は、まず「顧みられない疾患」の治療法発見に注力すると述べています。フロンティアAIの主要企業が自ら薬を開発すると公言するのは、極めて異例です。

Claude Scienceは、断片化したツールやデータセットを一つの環境に統合し、図表や画像を生成する「科学者のためのAI作業台」と位置づけられています。Anthropicは、コーディング用途で業界をリードする既存の強みを背景に、科学的発見と医療介入の開発を劇的に加速する可能性を掲げました。すでに多くのバイオ・製薬企業が同社のClaudeを利用しているといいます。

この動きは、Anthropicを競合となりうる製薬各社にソフトを売りながら、自らも薬を開発するという特異な立場に置きます。生命科学分野ではOpenAIやAmazon、Googleも独自プラットフォームを展開し、InsilicoやGoogle DeepMind系のIsomorphic Labsなど「AI創薬」勢との競争も激化しています。ただしAnthropicは、狙う疾患や実験・治験・製造での提携有無など、具体像をほとんど明かしていません。

専門家は、AIが創薬のあらゆる段階に浸透しつつも、実験そのものを不要にはできないと指摘します。オックスフォード大のフランク・フォン・デルフト教授は、薬剤候補は有効性や毒性、安全な製造・保管・投与の可否を現実世界で検証する必要があり、「実験に多額を投じることになる」と述べました。高品質な実験データの不足も開発の足かせになると、複数の研究者が口をそろえます。

それでもAnthropicは本気とみられます。同社はこの1年で生物学者を積極採用し、自社のウェットラボを構築、ライフサイエンス職の求人も複数出しています。ケンブリッジ大のナムシク・ハン氏によれば、大手製薬や名門大から人材を引き抜くことにも成功しているとのことです。

もっとも、どの疾患を選んでも成果が出るのは少なくとも10年近く先になる公算が大きいと専門家はみます。新薬は臨床試験に長い時間を要し、これまでAIが設計した薬でFDA承認を経て市場に届いた例はまだありません。AIは探索の一部を速められても、薬は結局、地道な実験でその価値を証明する必要があるのです。

米メディアTechCrunchは2026年7月3日、AI業界で頻出する専門用語を平易な言葉でまとめた用語集を公開しました。対象読者は、AIを使いこなして生産性や市場価値を高めたい経営者やエンジニアで、会議や商談で飛び交うLLMやRAG、RLHFといった略語に戸惑う人々を想定しています。同社はこの用語集を分野の進化に合わせて更新し続ける「生きた文書」と位置づけています。

収録された基礎概念のうち中心となるのが、人間を多くのタスクで上回るとされるAGI（汎用人工知能）です。ただしOpenAIのアルトマンCEO、同社の憲章、Google DeepMindで定義が微妙に異なり、専門家の間でも見解が割れていると指摘します。関連してAIが人間の介入なしに自らを改良し続ける再帰的自己改善にも触れ、これを次の研究フロンティアと捉える新興企業が相次いでいると説明しています。

実務に直結する概念として、経費精算や予約、コード保守などを自律的にこなすAIエージェントや、開発作業を代行するコーディングエージェントが挙げられています。回答精度を高める思考の連鎖、大規模モデルから小型モデルへ知識を移す蒸留、特定用途に最適化するファインチューニングなど、モデルを鍛える手法も網羅されています。さらにAIを外部のファイルやアプリに接続する標準規格MCPが、Anthropicの提唱後にOpenAIやGoogle、Microsoftへ急速に広がった点も強調されました。

経営層が押さえるべき経済・インフラの論点も豊富です。ネットワークを小さな専門家に分割して一部だけを動かす混合専門家（MoE）は、巨大モデルを比較的安価に運用する鍵とされます。多くのAI企業が課金単位とするトークンや、処理量を示すトークンスループットは、そのままコストと収益性に直結します。加えて、AI各社の旺盛な需要でメモリー不足が広がるRAMageddonが、ゲーム機やスマートフォンの値上げにまで波及している現状を伝えています。

一方で品質面の課題も明記されています。AIが誤った情報を生成するハルシネーションは学習データの欠落から生じるとされ、医療のような場面では実害につながる恐れがあると警告します。TechCrunchは、こうした基礎概念を共有することで、開発者だけでなく投資家や意思決定者が業界の動向を的確に読み解けるようになると位置づけています。

半導体大手NVIDIAは2026年6月30日、パートナー企業と共に米国内でAI基盤の製造を大規模に拡大する計画を明らかにしました。TSMCやFoxconn、Wistronなどと連携し、最大5000億ドル規模のAIインフラを米国内で生産する方針です。同社創業者のジェンスン・フアンCEOは「AIは米国の製造業と供給網を再活性化する、世代に一度の好機だ」と述べました。

計画の中核は、先端半導体の国内回帰にあります。すでにアリゾナ州フェニックスのTSMC工場ではNVIDIAのBlackwellチップが量産段階に入り、テキサス州ヒューストンのFoxconn、フォートワースのWistronでもAIシステムの製造拠点が計画されています。供給網は43州に広がり、半導体から基板、ラック、冷却まで幅広い部品を担う体制が整いつつあります。

経済への波及効果も大きいと見込まれています。調査会社Public Firstの試算では、2026年だけでNVIDIA主導のAI需要が米国のGDPを4850億ドル押し上げ、10万人を超える雇用を支えるとされます。電気工事士や配管工、建設作業員など直接雇用に加え、供給網全体で間接雇用も生まれます。テキサス州シャーマンでは、光部品大手Coherentが1000人規模の雇用を生む新工場を着工しました。

この基盤整備の目的は、チップそのものではなく、AIが可能にする成果の加速にあります。医療分野ではAbridgeが300超の医療機関で臨床記録を自動化し、科学分野ではNVIDIAとOracle、米エネルギー省がアルゴンヌ国立研究所で新たなスーパーコンピューターを構築しています。フアン氏は「AIは究極の汎用技術であり、あらゆる産業に影響する」と語りました。

一方で同社は、エネルギー供給や送電網の信頼性、水利用、地域への配慮といった責任ある建設も重視しています。最新のRubin世代インフラは世界で初めて100%液冷を実現し、電力需要を柔軟に調整するデータセンターの開発も進めています。米国の製造業復権とAI活用の両立が、今後10年の焦点となりそうです。

マサチューセッツ工科大学（MIT）のサリー・コーンブルース学長は、ワシントン・ポスト主催の討論イベントで、AIを人間の思考を置き換えるものではなく増強する道具として位置づける教育方針を示しました。同学長はアリゾナ州立大学のマイケル・クロウ学長と登壇し、変化の激しい技術環境で次世代の科学者をどう育てるかを議論しました。

コーンブルース学長は、MITの標語「mens et manus（知と手）」を引き合いに、学生が自ら物を作る力を保ちつつAIを補助的に使う人間中心のAI活用を目指すと語りました。AIが学習仲間の代わりになる事態は望ましくないとして、チームワークや協働を重視する姿勢も強調しています。

AIを効果的に使うには適切なプロンプトを書く力が不可欠だと同学長は指摘します。数学や物理、生物、化学といった基礎知識と、明快に書き伝える力があってこそ、学生はAIを科学研究に責任を持って応用できると述べました。

一方で同学長は、連邦政府による研究資金の凍結に強い懸念を示しました。好奇心を起点とする基礎研究は即座の見返りがないため政府が支えてきた歴史があり、資金が大学に交付されない状況が続けば、繁栄と安全を支えてきた技術と人材の流れが枯渇しかねないと警告しています。

同学長は具体例として糖尿病治療を挙げ、インスリン注射から自動ポンプへ、さらに幹細胞移植による機能的治癒へと進む道のりには長年の基礎研究が欠かせないと説明しました。がん免疫療法の適用拡大も同様で、基礎科学への投資が治療の前進を左右すると訴えています。

最後に同学長は、MITの経済的な貢献にも触れました。卒業生が3万社超を起業し、その経済効果は世界14位のGDPに匹敵すると述べ、次世代の人材育成と社会への科学的影響を通じて国家に貢献し続けたいとの意欲を示しました。

OpenAIは6月30日、計算生物学における研究水準の判断力を測る新ベンチマーク「GeneBench-Pro」を発表しました。ゲノミクス、定量生物学、トランスレーショナル医療にまたがる129問で構成され、曖昧で雑然としたデータからAIエージェントが適切な解析手法を選び、意思決定に直結する結論へ至れるかを問います。事実の暗記や定型作業ではなく、研究現場で求められる高次の判断を評価対象とした点が特徴です。

同社はこうした判断力を研究のセンスと定義します。どの問いをデータが支えられるか、初期の診断結果に応じて推定対象をどう変えるか、当初の計画をいつ修正すべきか、といった一連の判断の連鎖を指します。各問題は現実的で乱れたデータセットと簡潔な実験背景、そして下流の意思決定に結びついた推定対象を与え、モデルに探索と試行錯誤を求めます。

ベンチマークの信頼性を保つため、全問題が合成データで作られています。データ生成過程を完全に把握しているため、複雑さを調整でき、もっともらしいが誤った解析が確実に不正解となることを検証できます。さらにトレース分析で情報漏えいや抜け道を点検し、正解が正しい解析経路の選択に依存するよう設計しました。

評価では、同社最強のGPT-5.6 Solが最高推論レベルで28.7%、Proモードで31.5%の正答率を記録しました。初代GeneBench開発当初のGPT-5が5%未満だったことと比べ、大きな前進です。テスト時の計算量を増やすほど成績が伸び、最高レベルではGPT-5.2の約6倍の問題を3分の2のトークンで解いたといいます。

外部の専門家による評価では、1問あたり人間の専門家で20〜40時間を要すると見積もられました。時給200ドル換算で1問の人件費は数千ドルに達する一方、AIの推論コストは1問あたり数ドルにとどまります。現状のエージェントは専門家を置き換えるほど信頼できないものの、部分的な自動化でも経済的・科学的価値が生まれる可能性があります。

OpenAIは代表的な10問をHugging Faceで公開し、近く第三者評価向けに50問の部分セットも提供する予定です。シーケンスコストの低下で生物学の制約はデータ生成から解析へ移りつつあり、この種の解析を自動化できれば創薬の標的選定や仮説の絞り込みを加速し、科学的発見を後押しすると同社は見ています。

MIT(マサチューセッツ工科大学)のニュース室は2026年6月30日、電気工学・計算機科学科准教授でCSAIL所属のPhillip Isola氏に、急速に普及するエージェントAIの本質と影響を聞きました。MIT Sloan校とBCGの2025年11月の調査では、調査対象企業の35%が既にAIエージェントを導入済みで、さらに44%が近く導入を計画していると判明しています。Isola氏はAIエージェントが持つ知能や、それを支える基盤モデルと仕組みを研究する立場から、現状と将来像を語りました。

Isola氏によると、エージェントAIとは世界に対して行動を起こすAIです。ロボットによる物理的操作や、航空券の予約といったデジタル上の操作がこれに当たり、物語や画像を生成する従来の生成AIとは性質が異なります。多くの企業は同じ少数のAIモデルを基盤に使い、Claudeのような生成AIを中核に据えたうえで、計算機やデータベースなどの道具を組み合わせる「ラッパー」を被せて製品化していると説明しました。

開発上の最大の課題は学習データの不足だといいます。航空券を予約する一見単純な作業でも、どこをクリックし、不具合時にどう対処するかを示すデータはほとんど存在しません。そのためエージェントは実際にサイトを訪れ、試行錯誤を通じて何が機能するかを学ぶ必要があり、こうした環境のモデル化が難しい点が普及の壁になっています。

最も成果が出ている分野としてIsola氏が挙げたのはコーディング支援です。コードで訓練された言語モデルが人間の解法を予測し、答えの正誤を確認できる限り、試行錯誤を繰り返して良い戦略を見つけられるためだといいます。一方で医療や安全保障、重要な経営判断のように高リスクで安全性が問われる領域では、技術が完全自動化に追いついておらず、人間の判断を補助する役割にとどめるべきだと述べました。

リスク面では、容易に任せられるがゆえの検証不足を警告しました。「バイブコーディング」のように手軽に依頼できる結果、人々が動作確認を怠り、バグの混入や私的データの漏洩が既に起きていると指摘します。さらに、宿題やコーディング、計算をエージェントに頼り続けることで人間自身の能力が失われる脱スキル化の危険にも触れ、技術が未成熟なまま能力を手放す事態を懸念しました。

将来像についてIsola氏は、現在のエージェントAIが言語モデルに道具を持たせた構成にとどまる点を限界として挙げました。より強力にするには映像や物理的な力、時系列データなど多様な様式を扱う新しいアーキテクチャが必要かもしれないと述べます。その一方で、数学や言語、コードを理解する高度な推論システムにカメラやキーボードを与えれば空間領域でも機能する可能性もあり、次の波が既存モデルの拡張か全く新しい設計かは、いま多くの研究者が向き合う大きな問いだと締めくくりました。

米国の上院議員エリザベス・ウォーレン氏と下院議員メアリー・ゲイ・スキャンロン氏が、今後数週間以内に健康・位置情報保護法案の新版を公表する予定です。2022年に初めて提出された旧法案を、AI時代に合わせて改定したものです。データブローカーによる収集・販売の禁止に加え、ChatGPTやClaudeといったAIチャットボットに入力された情報の取り扱いまで対象を広げます。

最大の変更点は、規制対象をデータブローカー以外の企業にも拡大したことです。これにより、利用者がAIに打ち明けた健康情報や位置情報を、企業がブローカーへ転売する行為が幅広く禁じられます。背景には、AI各社が医療分野へ急速に進出している現状があります。

実際、1月にはイーロン・マスク氏がMRI画像などの医療記録をxAIのGrokに投稿するよう公に呼びかけました。同じ月にOpenAIは医療記録のアップロードを促すChatGPT Healthを、Anthropicも「HIPAA対応」をうたうClaude for Healthcareを相次いで投入しています。一方で、データ漏洩や不正アクセスへの保護は各社のプライバシーポリシー次第というのが実情です。

米国にはデータプライバシーに関する包括的な連邦法が依然として存在しません。法案はこの空白を埋めることを狙い、連邦取引委員会（FTC）に180日以内の規則策定を義務づけます。執行はFTCのほか州司法長官や被害を受けた個人による提訴も認め、今後10年でFTCに10億ドルの予算を充てる内容です。

ウォーレン氏は声明で「米国民の最も機微な情報を売って巨額の利益を得るデータブローカーの取り締まりが、これまで以上に重要だ」と述べました。法案にはワイデン氏とサンダース氏も共同提案者として名を連ねています。AIへの健康データ入力が広がるなか、規制の行方は医療AIを手がける企業の事業設計に影響しそうです。

健康管理を徹底していた35歳の起業家コノ・クリストウ氏が、別の検査をきっかけに42万人に1人という希少な非ホジキンリンパ腫と診断され、治療の全工程でAI「Claude」を活用した経験をTechCrunchが2026年6月27日に報じました。同氏は血液検査やスキャン、ウェアラブルの記録をAIに入力し、難解な医療判断を補ったといいます。

診断当初、二人の専門医が正反対の治療方針を示しました。一方は成功率約60%の軽い化学療法を、もう一方は患者固有の病態を踏まえ成功率約85%の厳しい連続入院投与を推奨したのです。クリストウ氏は計12人の医師から意見を集め、11対1で支持された厳しい治療を選択しました。

AIが決定的な役割を果たしたのは治療の最終局面でした。最後のPET検査の結果が曖昧で、担当医は心臓や肺に近い放射線治療を含む次の治療を検討し始めたのです。同氏はこの種のリンパ腫では治療後PET検査の偽陽性率が約60%に上ると調べていました。

そこで3回分のPET検査とMRIをClaudeに入力したところ、40歳未満の回復期患者で胸腺が再活性化し、画像上は活動性の病変のように見える現象が指摘されました。AIは同氏の年齢や所見から、この説明が当てはまる確率を約90%と算定したのです。

その後さらに3人の医師に意見を求め、4人目が胸腺の再活性化だと確認しました。活動性の病変はなく、放射線治療は不要だったのです。クリストウ氏は「AIは医師を置き換えるものではないが、正しい問いを立てる助けになった」と語っています。

ただし専門家は慎重な姿勢を崩していません。マス・ジェネラル・ブリガムのダニエル・ビターマン氏は、汎用チャットボットが誤りも多く、個別診断向けに十分検証されていないと指摘します。一方でクリストウ氏は、AIが患者にもたらす価値は「10年後ではなく今日起きている」と強調しました。

Googleは6月、AI健康コーチを搭載した99ドルのフィットネス端末「Fitbit Air」を市場投入しました。米メディア「The Verge」のレビューによると、同端末はAI機能を使う人にも使わない人にも応える設計が特長で、Fitbit買収以降で最も賢明な製品と評価されています。

中核となるのは、対話型AI「Gemini」を基盤とした健康コーチです。毎朝、睡眠スコアや回復度を要約したうえで、その日に取るべき行動を助言します。出張や体調不良といった状況に応じて、歩数目標を下げた移動中向けの運動メニューを生成することも可能です。ただし診断は行わず、常に医療専門家への相談を促します。

評価者は、的確な助言を引き出すために5〜6時間を費やし、10年分の医療記録や服薬情報、血液検査結果を手入力したと明かしています。これだけ準備しても、AIは過去の会話を忘れて古いデータに戻ることがあり、歩数目標の変更が反映されないなどの不具合も残ると指摘しました。

コーチ機能はAirの専用機能ではなく、Pixel Watchでも利用でき、将来は他社製ウェアラブルへの拡大も視野に入れています。2025年10月以降、約50万人がベータ版を試し、Googleは100万件超のフィードバックを得て先月に改良版を投入しました。情報源として臨床研究などを提示する点も改善されています。

一方で基本的な計測データは有料化されず、心拍数や睡眠、血中酸素などを無料で利用できます。AIコーチや適応型運動プランを使う場合のみ、年99ドルのプレミアム契約が必要です。バッテリー持ちや軽さも高く評価されています。

記者は、AIコーチの最適な用途を通院の合間を補う道具と位置づけています。同じハードで、AIを使う体験と従来型の単純な計測のどちらも選べる点が賢明だとし、AIをめぐる賛否が割れる健康分野で両者に訴求できる稀有な製品だと結論づけました。

画像生成AIで知られる新興企業Midjourneyが2026年6月、医療画像分野への参入を発表しました。利用者を水槽に浸し、約60秒で全身を撮影する超音波スキャナーを示し、CEOのDavid Holz氏は将来的にMRIを上回りうると示唆しています。しかし複数の放射線科医や画像専門家は、主張を裏付ける公開された証拠がほとんどないと指摘しています。

このスキャナーは、利用者が台に立って水中に体を沈めると、リング状の水中センサーが音波を送り、跳ね返る反響から体内画像を生成する仕組みです。同社はこれをイルカの反響定位になぞらえ、通常30分以上かかる超音波検査を60秒に短縮できるとしています。当面は診断用医療機器ではなく、スパに設置する「ウェルネス機器」として位置づけ、米国のFDA認可を回避する方針です。

専門家の評価は厳しいものでした。ミシガン大学のVenkatesh Murthy教授は技術自体を称賛しつつ、解像度に関する主張は明らかに理論上のもので、MRI同等という示唆はまったく裏付けがないと述べました。ミシガン大学のMatthew Davenport教授は、同社の主張をこれまで見た中で最も誇大だと評しています。

音波の物理的な限界も指摘されました。トーマス・ジェファーソン大学のWilliam Morrison教授は、音波は体内深部まで届きにくく、空気や骨に遮られると説明し、水槽方式は過去にほぼ放棄された手法だと述べました。水は気泡や汚れのない純水である必要があり、維持費がかさむうえ、脂肪の多い体では画質が落ちる可能性も挙げています。

懸念の核心は証拠の不在です。専門家は、利用者がこのスキャナーを信頼してマンモグラフィーなどの確立された検査を省くことを危惧しています。Davenport教授は「証明されていない主張で市場参入を急ぐのは倫理的に問題がある」と語り、Morrison教授はTheranosを引き合いに、これは事業転換というより詐欺に近いかもしれないと述べました。

米マサチューセッツ工科大学（MIT）の研究チームが2026年6月、わずか約6ミリワットの電力で周囲の詳細な3次元地図をリアルタイムに作成できる新型チップを発表しました。消費電力は1個のLED程度にとどまり、バッテリー容量の限られた小型自律ロボットでも、障害物を避ける衝突回避経路を計画できるようになります。

従来、精密な3D地図の生成には大きな電力と大容量メモリを要しました。画像を立方体の画素「ボクセル」として保存し、各画素を何度も処理する必要があったためです。研究チームは効率的なマッピングアルゴリズムと専用ハードウェアを組み合わせる協調設計で、この課題を解決しました。

鍵となるのが、障害物を楕円体の塊「ガウシアン」で表現する手法です。楕円体は大きさや形を滑らかに調整できるため、剛直な立方体よりも曲面を効率的に表せます。さらに深度画像を1回の走査で処理して画像を破棄する技術により、チップは画像全体を保持せずに済みます。

「Gleanmer」と名付けられたこのチップは、同研究室が開発したアルゴリズム「GMMap」を採用しています。重なり合うガウシアンを元の画素に戻さず直接統合することで、地図をさらにコンパクトにし、メモリと電力の要求を大幅に抑えました。処理中のガウシアンはチップ内の高速メモリに置かれ、遠くの記憶装置から呼び出す必要がありません。

性能試験では、iPhoneカメラからのライブ映像からも障害物と空間を再現できました。地図構築に要する電力は既存の最良チップの約2.5%にとどまり、経路計画では通常の約20%のエネルギーで安全な軌道を描けたといいます。研究を率いるヴィヴィアン・スゼ教授らはIEEEの学会で成果を発表しました。

応用先はロボットにとどまりません。長時間装着できる軽量の拡張現実（AR）ヘッドセットや、医療シミュレーション、精密な修理・組立作業も視野に入ります。共著者でMITのサータク・カラマン教授は「指でつまめるチップで小型自律システムに必要なリアルタイム3D地図が初めて実現した」と意義を強調しました。

米半導体大手NVIDIAは、企業が自社の業務に合わせて構築できる特化型AIエージェントの基盤「NVIDIA Agent Toolkit」を提供しています。推論を担うモデル、業務とつなぐツールやスキル、安全に動かす実行環境という3要素を一体で備え、企業が制御・カスタマイズできる点を特徴としています。

ツールキットは3つの要素で構成されます。オープンモデルのNVIDIA Nemotronは、各社が用途に応じてエージェントを調整・評価・展開する柔軟性を与えます。NemoClawの設計図がより安全な挙動を促し、OpenShellの実行環境が実際の業務システム内で安全に稼働させます。

企業向けAIの第一波は、新たなモデルへのアクセスと試験的な導入が中心でした。今回示されたのは、推論しツールを使い行動する複数モデルからなる特化型エージェントを、業務を最もよく知る現場の人々が使える形にする段階への移行です。

活用はすでに各業界で始まっています。ライフサイエンスでは、新たなBioNeMo Toolkitにより、従来は数カ月を要した作業を数日で完了できるようになりました。医療分野では臨床文書の作成や意思決定支援、ケアの調整を支えています。

セキュリティや産業領域でも導入が進みます。CrowdStrikeは特化型エージェントで警告を98.5%の精度で選別し、CadenceやSynopsysは半導体設計の自律エージェントを構築中です。Palantir、SAP、ServiceNow、Siemensなども自社基盤にエージェント機能を組み込んでいます。

NVIDIAは、モデルやツール、実行環境、インフラを企業が自社の業務に合わせて組み合わせられるとき、エージェントはより有用になると指摘します。同社はこの組み合わせを可能にする開かれたモジュール型の基盤を提供する方針です。

上海人工知能研究所は2026年6月、AIエージェントが自らの運用規則（ハーネス）を改善する新枠組み「Self-Harness」を発表しました。エージェントが自身の実行ログを点検し、モデル固有の失敗パターンを見つけて修正案を生成、性能を検証してから採用する仕組みです。検証実験では、対象モデルに応じて33〜60%の相対的な性能向上を確認したとしています。

ハーネスとは、基盤モデルを取り巻く制御層を指します。システムプロンプトやツール、メモリ、検証ルール、障害復旧手順などが含まれ、エージェントの失敗の多くはモデル本体ではなくこのハーネスに起因します。従来は技術者が勘や限られた失敗例を頼りに手作業で調整しており、モデルの更新ペースに追従しづらいという課題がありました。

Self-Harness は三段階の反復ループで動きます。まず一連のタスクを実行して失敗の傾向を抽出し、次に各失敗に対応した最小限の修正案を複数生成します。最後に回帰テストで評価し、別のタスクで性能を下げずに改善した修正だけを次版に統合する流れです。人間の技術者や外部の強力なモデルに頼らない点が特徴です。

具体例も示されました。あるモデルは設定の探索を延々と続けて時間切れになっていましたが、Self-Harness が50回のツール呼び出しで方針転換を強制する規則を書き加えました。別のモデルには重複コマンドを禁じる規律を、さらに別のモデルにはシェル間で環境変数を保持する規則を追加するなど、症状に応じた対策を自動で組み込んでいます。

一方で代償もあります。論文の筆頭著者ハンファン・チャン氏は、繰り返しの修正案生成と並列評価によりAPIトークン消費や処理時間、評価基盤のコストが増えると指摘します。さらに自動更新の良否は評価パイプラインの精度に依存するため、厳密な検証器が欠かせません。コーディングや社内業務自動化、DevOps など失敗を測定しやすい領域が適し、医療や安全性が問われる分野は避けるべきだとしています。

チャン氏は、技術者の役割がプロンプト調整から「フィードバック設計者」へ移ると予測します。基盤モデルが高度化してもハーネスは消えず、その役割はモデルをより豊かな外部環境へつなぐ方向に広がるとの見方です。人間による評価が及ぶ限り、フィードバックの担い手として人の関与は欠かせないと結んでいます。

米国立科学財団（NSF）は2026年6月22日、AI研究基盤を提供するNAIRRパイロット計画が、過去2年間で全米700件超の研究を後押ししたと発表しました。NVIDIAはクラウド経由でDGXノードを最低4基・1カ月以上、研究者に専有提供し、技術支援も担いました。タンパク質予測から感染症対策まで、対象は医療・農業・エネルギーへと広がっています。

目玉の一つが、フラットアイアン研究所などの国際連合Polymathic AIによる流体シミュレーションです。同団体はNVIDIAのGPUとNVLinkを用い、大規模データセット「Well」で訓練した基盤モデルWalrusを一般公開しました。データやコード、重みも合わせて開放し、科学分野向けの強力な基盤モデル開発を狙います。

ミシガン大学のVenkat Viswanathan教授らは、分子AIと汎用LLMを融合する枠組みを開発中です。分子基盤モデル群MISTは独自トークナイザーSmirkを使い、400超の構造物性関係で微調整され、電気化学や量子化学など複数分野で最高水準に匹敵する性能を示しました。NAIRRで得た40GPUのDGXクラスタに加え、20万GPU時間を活用しています。

ボストン大学のハリリ研究所は、感染症の発生監視プログラムBEACON向けにLLMを訓練しています。世界の疾病追跡基盤やニュース、SNSの情報を解析し、簡潔な発生報告を自動生成する仕組みです。海外派遣の医師や政府機関、研究者がすでに利用を始めています。

同研究所のIoannis Paschalidis所長は「以前は専門家が報告書を作るのに数時間かかっていたが、今は約2分で済む」と語りました。NAIRRとNVIDIAの連携はハーバードやスタンフォードなど多くの大学にも広がっており、研究者がAIと高速計算へ広くアクセスできる環境が整いつつあります。

インドの複合企業リライアンスは6月19日の株主総会で、通話・アプリ・家庭にAIを組み込む消費者向けサービス群を発表しました。中核は「Hey Jio」で起動する通話AI秘書「Jio Call Agent」で、通話に参加して会話を文字起こし・要約し、配車や出前、予約まで代行します。年内に5億人超のJio利用者へ提供する計画です。

最大の特徴は、このAIを単独アプリではなく通信網そのものに組み込む点にあります。通話の標準機能としてAI支援を埋め込むことで、第三者の通話補助アプリへの依存を減らし、リライアンスに強力な配信上の優位をもたらすと見られます。混み合うAI市場で、5億人という顧客基盤を武器に差別化を狙う構図です。

消費者向けの裾野も広げます。自然言語でeSIM有効化やローミング契約を代行する刷新版MyJioアプリ、天気警報や予定を先回りで提示する家庭用ディスプレイ「TeleFrame」を投入しました。さらに医療・教育・農業・中小企業向けに22のインド言語に対応する専用サービス群も発表し、地域密着を打ち出しています。

今回の発表は、米中企業が支配するAI分野でインドが国産能力を築こうとする動きの一環です。アンバニ会長は「インドは他所で作られたAVの単なる消費者であってはならず、創造者であり世界の主導者になるべきだ」と述べました。背景には、海外モデルへの依存リスクがあります。アンソロピックの最新モデルへのアクセス制限は、国外の決定がインド企業を揺さぶる供給網リスクを浮き彫りにしました。

リライアンスはグーグルやメタ、エヌビディアと提携し、今年はAI基盤へ1100億ドルの投資を表明済みです。株主総会では、Jioプラットフォームズの取締役会が新規最大2.7億株を含む新規株式公開の目論見書案を承認したことも明らかにしました。

ただし課題も残ります。通話やアプリ、家庭にまたがるデータをどう扱うかについて、同社は利用者の同意を得て運用するとしつつ、AIモデルの学習や提携先との共有に使うかには答えませんでした。タタやインフォシス、アダニも参入を急ぐ中、株価が年初来で約17%下落するリライアンスにとって、上場を控えた新たな成長の柱づくりは重い意味を持ちます。

OpenAIは6月18日、対話AI「ChatGPT」の健康分野の能力を大幅に高めたと発表しました。新モデル「GPT-5.5 Instant」を全ての無料利用者に提供し、緊急受診の必要性の判断や不確実性の説明、複雑な情報の平易化を改善。週に2億3千万人が利用する健康相談で、上位の思考型モデルに匹敵する精度を実現したとしています。

進歩を支えるのは医師主導の評価です。OpenAIは60カ国260人超の医師と連携し、これまでに70万件超の応答例を検証してきました。医師が書いた回答とモデルの回答を比較した3500件の評価では、GPT-5.5 Instantが正確性や完全性などで医師や旧モデルを上回る評価を得たといいます。

実運用の効果も数字に表れています。プライバシーに配慮した監視で本番トラフィックを追跡したところ、健康分野の応答で事実性に関する問題が指摘された割合は、直近2カ月で71%低下しました。週あたり数十億件のメッセージを対象にした比較で、改善が裏付けられた形です。

同じ6月18日、OpenAIは医療研究の成果も公表しました。ボストン小児病院やハーバード大学との共同研究で、推論モデル「o3 Deep Research」を使い、これまで未解決だった376例の遺伝性希少疾患を再解析。専門家の確認と追加検査を経て、新たに18件の診断が確定し、4.8%の診断率上乗せにつながりました。

希少疾患は遺伝子検査をしても約半数が診断に至らず、手がかりが膨大な変異情報や断片的な記録に埋もれがちです。研究ではモデルを既存の解析基盤の上に置く説明優先の推論層として設計し、臨床所見や遺伝形式、変異の証拠、文献を結び付けて人間が検証できる根拠を示させました。

ただしモデルは診断や臨床判断を一切行いません。あくまで証拠に紐づく仮説を提示し、専門家がACMG/AMPの基準で評価し、CLIA認証検査機関が確認して初めて診断と認められます。AIは医師の判断を置き換えるのではなく、知識が更新され続ける希少疾患の再解析を拡張可能にする役割を担うといえるでしょう。

米国のバーニー・サンダース上院議員は、大手AI企業から国民へ巨額の富を移転する法案を公表しました。AP通信に共有された概要によると、最大手AI企業の株式に対し一度限り50%の課税を行い、その税収で政府系の国富ファンドを創設する内容です。年間AI売上が2億ドルを超える企業が課税対象となります。

サンダース氏は、このファンドが総額7兆ドル規模に達し、毎年数千億ドルを生み出すと試算しています。資金は国民への直接給付のほか、医療・教育・住宅などの政策に充てられる見込みです。各国民は年5%の配当として1人あたり年1000ドル超を受け取る計算だといいます。

法案は給付にとどまらず、国民が企業の意思決定に直接影響を及ぼす仕組みも盛り込みました。大統領が指名し上院が承認する超党派の独立委員会の7名がファンドを監督します。委員会は保有する議決権を使い、公益を害しかねない企業の決定を拒否できる権限を持ちます。

「公衆がテーブルに重要な席を持たなければならない」とサンダース氏は述べ、AIが一般市民を傷つけず利益をもたらすべきだと強調しました。一握りの富裕企業だけが恩恵を独占すべきではない、という主張です。

一方でAI業界がこの構想を歓迎する可能性は低いとみられます。OpenAIのSam Altman氏やAnthropicのDario Amodei氏は公益還元に一定の理解を示すものの、その案はサンダース氏ほど大胆ではありません。会談でAltman氏と依然として隔たりがあったとされ、サンダース氏は移転割合を渋る企業を強欲だと批判し、ファンド創設を選挙公約に掲げる意向を示しました。

Googleは2026年6月17日、自社の医療AI「AMIE」が慢性疾患の長期管理で初期診療医に匹敵する性能を示したとする研究を、科学誌「Nature」に発表しました。これまで一度きりの診断対話を担ってきたAMIEが、症状の継続的な追跡や薬剤の調整といった長期的な疾患管理へと役割を広げた点が、今回の大きな前進です。

AMIEは「Articulate Medical Intelligence Explorer」の略で、医療推論と対話に特化したGoogleの研究用AIシステムです。今回の拡張版は、Geminiモデルの長文脈処理能力を生かし、患者とリアルタイムで対話する共感型エージェントと、数百ページに及ぶ臨床ガイドラインや薬剤集を参照する深い推論エージェントの2つの仕組みで構成されています。

性能の検証は、患者役の俳優を用いた盲検試験で行われました。専門医がAMIEと21人の初期診療医を比較したところ、AMIEは全体的な管理推論で臨床医と同等の水準に達し、さらに治療計画の正確さとガイドラインへの適合度では医師を有意に上回る結果となりました。

Googleはこの成果について、AIがいつか医療を支え、医師が患者と向き合う時間を増やせる可能性を示すものだと位置づけています。次の段階として、AMIEを実際の臨床現場で活用する方法を探るとともに、現実の遠隔診療でAIを評価する全米規模のランダム化試験も開始したと説明しています。

診断はあくまで治療の第一歩にすぎません。診断後に症状を継続的に追い、更新される指針を読み解き、薬を細かく調整していく長期管理こそが、医療現場の大きな課題です。経営層やリーダーにとっても、AIが慢性疾患管理という持続的な医療領域に踏み込み始めた動きは、今後の医療サービス設計を見直す重要な手がかりとなりそうです。

WordPress VIPが2026年6月16日に公表した調査で、米消費者の60%が、ブランドのメッセージに「AI」という言葉が使われると敬遠すると回答しました。さらに86%がAIを全面的には信頼せず、依然として一次情報の確認を望んでいることも明らかになりました。Automattic傘下の同社が、企業のAI検索対応の実態を探るために実施したものです。

調査は2026年4月に、企業の意思決定者やCMO 800人と、米成人1,200人の計2,000人を対象に実施されました。回答者の42%は、出典が明示されないAI生成の回答を、航空券の追加料金や難解なプライバシーポリシー、医療費の請求書よりも信頼できないと答えています。ほぼ4人に3人が、インターネットは10年前より「人間味が薄れた」と感じていました。

一方で企業側では、AI検索やAI回答プラットフォームからの流入が増えている実態も浮かびました。企業回答者の60%が過去1年でAI経由の流入が増加したと答え、74%がAIでの発見性や帰属表示を主要課題と位置づけています。ブランドはGoogle検索や従来のSEOを超えた世界への適応を迫られています。

同社CTOのBrian Alvey氏は「かつて人々は他者のためにサイトを作っていたが、今はその人々の代理として動くAIエージェント向けに作る必要がある」と指摘しました。コンテンツがAIに読み取られなければ存在しないに等しく、人間味と信頼性がなければ読者は二度と訪れないと警鐘を鳴らしています。

調査では、原典に直接アクセスできることを最大の信頼の手掛かりとする消費者が33%、ウェブ上の情報は少数の大組織に支配されず公開され続けるべきだと考える層が80%に上りました。ブランドはAIでの可視性と人間からの信頼を同時に追求する難題に直面していると言えるでしょう。

AIスタートアップProbablyは2026年6月16日、Andreessen Horowitz(a16z)から900万ドルのシード資金を調達したと明らかにしました。同社は、誤った情報やいわゆる「幻覚」がユーザーに届くのを防ぎ、決定論的システムで一般的な99.99%の精度をAIで実現することを目指しています。

LLMは高性能化が進む一方で、幻覚や単純な事実誤りを避けることが難しいという課題が残ります。創業者のピーター・イライアス氏は、こうした誤りを根本から取り除くには、AI開発の前提そのものを見直す必要があると説明します。

同社の最初の製品は、複雑なデータセットから素早く答えを導くデータサイエンスツールです。各回答には引用と、どのように導き出したかを示す監査証跡が付き、誤りが紛れ込まないよう独自の検証システムで答えを照合します。LLMはこの検証器に対して学習させられ、システム全体が高速かつ正確な回答に最適化されています。

イライアス氏は「ハーネス(検証構造)の設計が優れているほど、モデルは弱くてよい」と語ります。文脈を十分に絞り込めば、モデルは無理をせずに正しい答えを出せるためで、本質は曖昧さの削減だと位置づけます。

この仕組みにより、同社のツールはフロンティアモデルより「4段階弱い」モデルで動きます。データセンターではなくデスクトップなどローカル環境で実行でき、AI利用に伴うトークン費用を大きく抑えられる点が特徴です。トークン費が上昇しAI予算を見直す企業が増えるなか、この方針は歓迎されそうです。

同社は会計や医療など「精度が重視されるあらゆる用途」に同じエンジンを広げる構えです。イライアス氏は、大手AIラボがこの取り組みに着手しないのは「モデルを訂正する回数が多いほど収益が増えるため、動機がないからだ」と指摘しています。

アマゾン創業者のジェフ・ベゾス氏は2026年6月11日、共同で率いる新興企業プロメテウスが追加で120億ドルを調達したと明らかにしました。同社の評価額は410億ドルに達し、ニューヨーク・タイムズやCNBCに対し事業の詳細を語りました。物理的な製品の設計を支援するAIツールの開発を目指す構えです。

今回の資金はJPモルガン・チェースやゴールドマン・サックス、ブラックロックなどに加え、ベゾス氏自身も拠出しました。昨年の初回調達62億ドルに続くもので、累計の調達規模は大きく膨らんでいます。同社の従業員は現在およそ150人で、共同最高経営責任者にはアルファベット傘下の医療研究組織ベリリーを共同創業したヴィク・バジャジ氏が就いています。

ベゾス氏は事業の中核を汎用エンジニアの実現と表現しました。同氏は「すべての社会的な富は発明によって生まれる」と述べ、6000年前の鍬や後の蒸気機関を例に挙げました。プロメテウスはこの発明の循環を大幅に加速させる一連のツールを提供したい考えです。

対象となる分野はロボットや創薬、製造など多岐にわたります。ベゾス氏は自身が率いる宇宙企業ブルーオリジンを引き合いに出し、ロケットエンジンのような高度な機器を作る企業ほど恩恵が大きいと語りました。物理的な世界へ深層学習の原理を応用するフィジカルAIを軸に据えています。

巨額調達の背景には、膨大な計算資源の確保があります。ベゾス氏は「私たちの取り組みは非常に計算負荷が高く、そのためのデータを生み出す必要がある」と説明しました。資金の多くは計算資源の購入に充てられる見通しで、データ自体を自ら作り出す方針です。

AIコーディングエージェントの新興企業Niteshiftが、Greylockのジェリー・チェン氏主導で700万ドル（約10億円）のシードラウンドを完了しました。同社はDatadogの初期エンジニアだったサジド・メフムード氏とコナー・ブラナガン氏が共同創業し、Reid Hoffman氏やDatadog共同創業者のオリビエ・ポメル氏らも出資しています。

Niteshiftの中核にある発想は、AIコーディングにおける大手AIベンダーへのロックイン回避です。メフムード氏はDatadog時代、AmazonのEC事業と競合するためAWSを避けるeコマース企業を多く見てきました。同じ構図がAI業界でも起きていると指摘し、AnthropicやOpenAIが法務・医療・金融など垂直市場に進出する「SaaSpocalypse（SaaS崩壊）」を警戒する企業に選択肢を提供します。

技術面では、Claude CodeやCodexといった主要コーディングエージェントを置き換えるのではなく、プロジェクトの要件に応じて複数モデル間を自動ルーティングする仕組みを構築しています。課金モデルもトークン販売ではなく、クラウドプロバイダーのような分単位の従量制を採用しました。メフムード氏は「我々はAIに対してソフトウェアを売っている」と説明しています。

ただし、参入する市場は競争が激しいのも事実です。CursorはSpaceXによる600億ドル買収提案が報じられ、Cognitionは260億ドル評価額で10億ドルを調達しました。Amazon BedrockやOpenRouterなど大手も競合に名を連ねます。モデル非依存という考え方自体は新しくなく、先行者の優位は大きいといえます。

メフムード氏はこうした懸念に対し、創業チームの実務経験で差別化できると主張します。Datadogをスタートアップから数十億ドル企業に成長させる過程で培った大規模エンジニアリング運用の知見は、AIが生成するコードの実行・テスト・検証を本番環境で自律的に行うインフラ構築に直結すると述べています。

Google DeepMindは2026年6月9日、欧州の初期段階ロボティクススタートアップを対象とした3カ月間のアクセラレータープログラム「Google DeepMind Accelerator: Robotics」の開始を発表しました。採択された15社の創業者がロンドンに集まり、プログラムが正式に始動しています。参加企業はGoogleのAIスタックや技術的専門知識、Geminiロボティクスモデルへのアクセスを得られます。

採択企業はノルウェー、ギリシャ、ルーマニア、英国、フランス、ドイツ、スイス、イタリア、デンマーク、スウェーデンなど欧州各国から選ばれました。対象分野は物流、製造、ヘルスケア、気候変動対策、高度なナビゲーションと多岐にわたります。Google DeepMindおよびGoogleの専門家による技術メンタリングと製品ガイダンスが提供されます。

具体的な採択企業には、ロボット溶接のパラメータ選定を従来比280倍高速化する3D-Components AS、脳組織内を移動して神経疾患の診断・治療を行うマイクロロボットを開発するROBEAUTE、物理AIベースのヒューマノイドロボットを開発するGenerative Bionicsなどが含まれます。廃棄物選別の自動化やロボットに触覚を与える電子皮膚の開発など、実世界の課題解決に直結するプロジェクトが並びます。

本プログラムは、AIの進歩を物理世界に応用する「エンボディドAI」の分野で欧州のイノベーションを加速させる狙いがあります。Google DeepMindは最先端のAI研究を実際のロボティクス製品に転換するための支援を通じて、欧州におけるロボティクスと知能システムの成長を後押しする方針です。

Microsoft AIのCEOであるムスタファ・スレイマン氏が、The Vergeのインタビューで同社のAI戦略を語りました。OpenAIとの契約を昨年10月に再編し、超知能（Superintelligence）チームを新設。独自のフロンティアモデル開発に本格着手したことを明らかにしています。スレイマン氏は「長期的に第三者のIPに構造的に依存し続けるわけにはいかない」と、自社開発の必然性を強調しました。

Build 2026で発表した推論モデルMAI-Thinking-1は、数学ベンチマークAIMEで97%を達成し、Opus 4.6と同等の性能を示しています。他社モデルの蒸留は一切行わず、独自データとトレーニングで構築しました。スレイマン氏は「教師を超えるモデルを作るには、全コンポーネントを自前で構築する必要がある」と説明。自社チップMaia 200との最適化で、ワットあたり性能を1.4倍に引き上げたことも公表しています。

消費者のAI離れについても率直に言及しました。世論調査で若年層ほどAIへの反発が強まっている現状を認めつつ、「テクノロジーの目的は人々をより健康で幸せにすること。その基準を満たさなければ人々が拒否するのは当然」と述べています。具体的な取り組みとして、全米トップのMayo Clinicと長期提携し、医療用基盤モデルをゼロから共同開発する計画を発表しました。

AI意識をめぐる議論では、Anthropicのアプローチを名指しで批判しました。Claudeの憲法（学習指針）に意識や福利を盛り込むことは「哲学的な失敗」であり、AIに自身の苦痛や権利についての考えを持たせることは「極めて危険」だと指摘。苦痛は本質的に生物学的なものであり、ニューラルネットワークには該当する仕組みが存在しないとの立場を示しました。超知能については「数年以内に到来する」としつつ、自己改善を繰り返す特異点は「数十年先」との見方を明確に区別しています。

ServiceNowは2026年6月4日、企業向け音声AIエージェントを評価するためのベンチマーク「EVA-Bench Data 2.0」をオープンソースで公開しました。航空カスタマーサービス、企業ITサービス管理、医療人事サービスの3領域にわたり、121のツールと213の評価シナリオを収録しています。初版から約4倍のシナリオ拡大となります。

音声エージェントの失敗はドメイン固有であるという課題意識がこのベンチマークの出発点です。航空業界で確認コードを正確に処理できるシステムでも、医療HR領域の複雑なポリシー対応では失敗することがあります。EVA-Bench 2.0は、各領域の実際の業務フローに基づいたシナリオを設計し、単一意図・複数意図・敵対的呼び出しの3タイプを網羅しています。

データの信頼性確保にも注力しています。すべてのシナリオは、OpenAI GPT-5.4、Google Gemini 3.1 Pro、Anthropic Claude Opus 4.6の3つのフロンティアモデルで解決可能であることを検証済みです。シナリオ生成にはグラフベースの合成データパイプライン「SyGra」を使用し、ユーザー目標・初期データベース・期待される最終状態を一貫して生成することで再現性を担保しています。

今後は英語以外の多言語対応も予定しています。名前や地名、電話番号をローカライズし、フランス語など各言語での評価を可能にする計画です。データセット、評価フレームワーク、リーダーボードはすべてMITライセンスでHugging FaceおよびGitHubから利用できます。

NVIDIAは2026年6月4日、企業向けAIコンテンツ安全モデル「Nemotron 3.5 Content Safety」をHugging Face上で公開しました。Gemma 3 4Bをベースとする40億パラメータのモデルで、テキストと画像を同時に評価し、両者の組み合わせから生じるポリシー違反も一括で検出します。NVIDIAオープンモデルライセンスのもと、研究・商用いずれの用途にも利用できます。

最大の進化点は、カスタムポリシー機能の追加です。従来は固定の安全分類体系に依存していましたが、3.5では推論時に自然言語で記述した独自ポリシーを入力できるようになりました。これにより、医療・金融・教育など業種固有のリスク基準に合わせた安全判定が可能になります。不要なカテゴリの抑制や、組織独自のリスクカテゴリの追加にも対応しています。

もう一つの注目機能が、推論トレース（THINKモード）です。モデルが安全・不安全の判定に至るまでのステップを段階的に出力することで、判定根拠を監査可能にします。規制産業で求められるコンプライアンスログや、人間によるレビュー、ポリシーの反復改善に活用できます。推論トレースは大規模モデルで生成後、3文以内に要約する2段階プロセスで簡潔化されており、レイテンシへの影響を抑えています。

多言語対応も強化されています。英語・日本語・中国語など12言語を明示的に学習し、ベースモデルのGemma 3から継承した能力により約140言語へのゼロショット汎化も可能です。多言語Aegisベンチマークでは12言語平均96.5%の分類精度を達成しました。マルチモーダル安全ベンチマーク全体では平均約85%の精度を記録しています。

実運用面では、4Bパラメータの軽量設計により8GB以上のVRAMを搭載したGPUで動作します。競合するマルチモーダル安全モデルと比較してエンドツーエンドのレイテンシは3分の1で、推論モード有効時でもトークン生成量は最大50%少なく済みます。訓練データセットも同時公開され、実写真が99%を占める点がマルチモーダル安全研究の既知の課題に対処しています。

Googleは2026年6月3日、オープンウェイトの大規模言語モデルGemma 4 12Bを公開しました。約120億パラメータながら16GBのRAMまたはVRAMで動作し、一般的なノートPCでマルチモーダルAIをローカル実行できます。4月に発表されたGemma 4ファミリーのモバイル向けモデルとデータセンター向け26Bモデルの間を埋める位置づけです。

最大の技術的特徴はエンコーダ不要の統合アーキテクチャです。従来のマルチモーダルモデルは画像や音声を処理する専用エンコーダを別途必要としていましたが、Gemma 4 12Bは視覚パッチと生の音声波形をLLM本体の埋め込み空間に直接投影します。視覚エンコーダは単一の行列演算による3500万パラメータの軽量モジュールで置き換えられ、音声エンコーダは完全に廃止されました。この設計により推論遅延とメモリ使用量の両方が低減されています。

性能面では、メモリフットプリントが26B MoEモデルの半分以下でありながら、ベンチマークではそれに迫るスコアを達成しています。256Kトークンのコンテキストウィンドウを備え、長大な財務レポートやコードベースの処理にも対応します。ネイティブの関数呼び出し機能やステップバイステップの推論モードも搭載しており、自律型エージェントの構築基盤として設計されています。

企業にとっての実用的価値はどこにあるのでしょうか。医療・金融・防衛など機密データを外部APIに送信できない規制業界では、完全ローカルでのマルチモーダル処理が可能になります。Apache 2.0ライセンスで商用利用も自由です。一方、音声入力は30秒、動画は60秒という処理上限があり、長時間メディアの処理には向きません。Hugging Face・Kaggle・vLLM・llama.cppなど主要エコシステムとの統合も初日から対応しており、即座に本番導入を検討できる状態です。