MIT（大学・研究機関）に関するニュース一覧

マサチューセッツ工科大（MIT）の研究チームは7月13日、児童保護団体Thornと共同で、AIモデルが違法な児童性的虐待資料（CSAM）を生成できるかどうかを、実際に画像を生成せずに判定する新たな監査手法を発表しました。モデル内部の隠れ表現を解析することで、有害な画像生成に特化したモデルを高精度で見抜けるのが特徴です。試験ではCSAM生成用に改変されたモデルを100%の精度で特定しました。

背景には、生成AIの急速な普及があります。誰でも改変できるオープンソースモデルが悪用され、全米行方不明・被搾取児童センターへのAI生成CSAMの通報は2024年の6万7000件から2025年には150万件超へと急増しました。しかし米国では意図に関わらずCSAMの生成自体が違法なため、従来の「生成して出力を確認する」監査手法が使えないという深刻なジレンマがありました。

研究チームが着目したのは、モデルを効率的に特化させるLoRA（低ランク適応）という微調整技術がもたらす内部の変化です。「Gaussian probing（ガウス探査）」と呼ぶ手法で、ランダムなデータをモデルに入力し、多層構造の内部でどう処理されるかを解析します。出力を最後まで生成しないため、有害画像を作り出すことなく能力を推定できる点が画期的です。

3種類のモデルの改変版で検証したところ、CSAM生成用に調整されたモデルを100%正確に識別できました。手法は安価で拡張性が高く、毎月何千もの改変モデルが公開される現状にも対応できます。ホスティング事業者はこれを使い、危険なモデルにフラグを立てて削除したり、アップロード自体を防いだりできます。

筆頭著者のMIT大学院生Vinith Suriyakumar氏は「これまで測定手段がなく、悪用される大きな死角だった。今回、深刻な悪影響を及ぼすAI安全性の問題に対処できる」と語ります。研究チームは今後、より多くのモデルで検証を進め、微調整前の基盤モデルの段階で有害な能力を検出できるかも探る方針です。

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。

米ニューヨークのAI新興企業General Intuitionが、ゲームプレイのデータを人工知能（AGI）実現の鍵と位置づけ、注目を集めています。同社はAmazon創業者のジェフ・ベゾス氏らから出資を受け、評価額23億ドルで3億2000万ドルを調達しました。CEOのPim de Witte氏は、テキスト中心の大規模言語モデルには限界があると指摘し、ゲーム由来のデータで学習する世界モデルこそ次の飛躍だと主張しています。

ChatGPTやClaudeといった大規模言語モデルは、テキスト処理に優れる一方、物体が空間や時間の中でどう動くかを理解する力が弱いとされます。de Witte氏は、この空間・時間の把握こそ汎用的な知能に不可欠だと説明します。その欠落部分を、膨大なゲームプレイのデータが埋められると見ているのです。

今回のラウンドにはCoatueや元Google会長のEric Schmidt氏、MITやGoogle DeepMindの研究者が名を連ねました。同社はゲーム録画プラットフォームのMedal TVから分社化した経緯を持ちます。潤沢な資金を背景に、物理世界で動くAIエージェントの開発を加速させる構えです。

技術面では、わずか8分間の実世界データで、ロボットが初めて訪れるオフィスを自律的に移動できたといいます。同社はOpenAIからとされる買収提案を断り、独立の道を選びました。使命を支持する投資家の存在が、世代を代表する企業を築くうえで欠かせないとの判断です。

一方で同社は、AIによる雇用喪失に先手を打つ狙いから、ゲーマーとデータのラベリングや遠隔操作の仕事を結ぶ市場「Nerve」を立ち上げています。ただしモデルが防衛用途に使われうる点では、倫理的な線引きが課題として残ります。AIの学習データを巡る競争が、テキストの先へと新たな局面に入ったことを示す動きといえるでしょう。

Vercelは2026年7月7日、オープンソースのTypeScript認証ライブラリを開発するBetter Authを買収したと発表しました。Better Authは週470万回超のnpmダウンロードと850人以上のコントリビューターを抱える人気プロジェクトで、創業者のBereket Engida氏と中核チームがVercelに加わります。同社は認証技術とエージェント向けのID管理を一段と強化する狙いです。

Better Authはフレームワークに依存せず、どこでも動作し、開発者が自ら所有できる認証を提供する点が特徴です。VercelはNext.jsやAI SDKで掲げてきた「デフォルトでオープン」「疎結合」「あらゆるプラットフォームに移植可能」という方針を、認証の分野にも広げる形になります。

今回の買収で中心に据えられるのがエージェント認証です。AIエージェントが利用者に代わって動作する際、従来は利用者本人のIDと権限のまま実行されるため、個々のエージェントの権限を制限したり、一つだけを停止したりする明確な手段がありませんでした。

Better Authチームが開発してきたAgent Authは、各エージェントに固有のIDと、範囲を限定していつでも失効できる権限を持たせ、利用者を唯一の制御点とする仕組みです。同チームはVercelでこの取り組みを継続し、Vercel ConnectとeveにエージェントIDをもたらします。

ライブラリ自体は今後もMITライセンスの下で無償かつオープンソースのまま提供され、名称も維持されます。開発体制も従来通りコミュニティ主導のガバナンスと幅広いフレームワーク対応を続けるため、既存の利用者は安心して使い続けられそうです。

米マサチューセッツ工科大学（MIT）は7月7日、コーディング未経験の米空軍士官候補生が生成AIチャットボットだけを使い、軍事用アプリの試作に成功したとする研究を公表しました。MITリンカーン研究所と米空軍のAIアクセラレーターによる共同プロジェクトで、士官候補生のジョシュア・リンチ氏が約3カ月かけてプロンプトのみでコードを生成する「バイブコーディング」を実践し、非技術者による軍事ソフト開発の可能性を検証しました。

リンチ氏はAnthropicのClaude、OpenAIのChatGPT、GoogleのGeminiという3つの有料AIチャットボットを使い分け、アプリを構築しました。当初は標的認識や自律攻撃、通信管理など戦場支援を担う高度なアプリを目指していましたが、AIの能力と開発期間の制約から、戦術地図の解析や作戦立案文書の生成といった基本的な文書処理へと目標を縮小しています。

開発の過程でリンチ氏は、チャットボットが階層的な焦点を欠き、無関係なコードを勝手に変更してしまう問題に直面しました。この課題を克服するため、問題を小さく分割し、質問を明確に組み立て、話題が逸れたら本題に戻す、といった手法が有効だと学んでいます。プロジェクト期間の大半は、こうしたAIの限界を認識し回避策を身につけることに費やされました。

指導役を務めたMITリンカーン研究所のローラ・ニス氏は、完成品が非専門家による試作の有力なツールになると評価しました。一方で、リンチ氏が入力文書を手元で処理していると思い込んでいたものの、実際にはGeminiに送信されていたという事例もあり、機密情報を扱う用途では安全性の面で課題が残ると指摘しています。

研究は、AIチャットボットが非技術者の軍人でも実用的なソフトを生み出せる力を持つ一方、本格運用よりも試作支援に向いていることを示しました。大量の機能的なコードを生成できてもコードレビューが依然ボトルネックであり、専門家同士の協働が不可欠だと研究チームは結論づけています。

マサチューセッツ工科大学（MIT）は2026年7月7日、理論素粒子物理学者のJesse Thaler教授を核科学研究所（LNS）の新所長に任命したと発表しました。就任は8月1日付で、10年間所長を務めたBolek Wyslouch教授の後任となります。Thaler教授は量子場理論と機械学習を組み合わせ、基礎物理学の未解決問題に挑む研究で知られています。

理学部長のNergis Mavalvala氏は、Thaler教授が大型ハドロン衝突型加速器における粒子ジェット研究で先駆的な成果を上げ、AIと機械学習を素粒子物理学に融合する分野のリーダーだと評価しています。科学がAI駆動の発見という新時代に入るなか、その協調的な研究姿勢がLNSに貢献するとの期待を示しました。

Thaler教授は2020年から、全米科学財団（NSF）が支援するAI研究所IAIFIの初代所長を務めてきました。同研究所は先ごろ、さらに5年間の支援継続が決まったばかりです。IAIFI所長の後任には、物理学教授のMike Williams氏が就く予定です。

LNSは今後、エネルギー省（DOE）のGenesis Missionを通じた新規プロジェクトの推進も見込んでいます。同ミッションはAIを活用した科学的発見に重点を置いています。Thaler教授は、衝突実験の膨大なデータ処理や理論計算にAIアルゴリズムが不可欠になりつつあり、その技術は物理学の枠を超えて価値を持つと語ります。

1946年に設立されたLNSは、現在では宇宙論や重力、場の理論、量子情報科学まで研究領域を広げています。Thaler教授は、IAIFIで培った分野横断型の育成の枠組みをLNSにも持ち込みたいとしています。若手研究者に領域や大学、キャリア段階を超えたつながりを築く自由を与える取り組みです。

中国北京のAI研究所Z.aiは7月2日、旗艦モデルGLM-5.2専用の無料デスクトップ開発環境ZCodeを正式に公開しました。CursorやアンソロピックのClaude Code、GitHub Copilot、グーグルのAntigravityが競う、Gartner推計で約100億ドル規模のAIコーディング市場への本格参入となります。macOS、Windows、Linuxに対応し、他社モデルを持ち込むBYOK設定も可能です。

ZCodeは、チャット欄を後付けする従来型IDEと異なり、エージェント優先の設計を採ります。利用者が成果を伝えると、エージェントが作業を計画し、ファイルを編集し、チェックを実行し、目標達成まで反復します。WeChatやFeishu、Telegramといったメッセージアプリからスマホ経由で実行中のエージェントを操作できる点は、これらの基盤が普及する中国の開発者市場を強く意識した差別化要素です。

価格戦略も鮮明です。ダウンロードは無料で、収益はGLM Coding Planの月額課金で得ます。料金は「Lite」の月16.20ドルから「Max」の月144ドルまでで、Claude CodeやCursorの同等プランを大きく下回ります。基盤となるGLM-5.2は7440億パラメータの混合エキスパート型で、100万トークンの文脈窓を持ち、MITライセンスのオープンウェイトとして公開されています。

ZCodeの登場は、直近の地政学的な動きと切り離せません。6月12日に米政府がアンソロピックの最上位モデルへの外国人アクセスを一時停止した際、Z.aiは同日にGLM-5.2をオープンソースで公開しました。米政府は6月30日に規制を撤回しましたが、この一件は開発者に主権的アクセスリスクという新たな観点を突きつけ、自己ホスト可能な代替への関心を一気に高めました。

もっとも、課題は小さくありません。ZCode自体はオープンソースではなく、Linux版はベータ段階で、SSHやメッセージ連携での認証情報の扱いには慎重な検証が求められます。Z.aiは1280億ドルと評価される一方で赤字を抱えており、Cursorの洗練されたUXやClaude Codeの深いエージェント基盤、Copilotの圧倒的な普及と競う中で、西側企業の信頼をどこまで得られるかが問われます。

AI研究者のグループが2026年7月1日、AIの有害な挙動を報告・追跡するクラウドソーシング型サイト「FLARE-AI」を公開しました。チャットボットがマルウェアや爆弾製造の手順を生成したり、個人情報を漏らしたり、利用者の妄想を助長したりした場合に、誰もが警鐘を鳴らせる仕組みです。サービス障害を集計するDowndetectorのAI版とも言える存在です。

最大の狙いは、AIの不具合を通報する統一的な窓口の欠如を埋めることです。開発を主導したHuggingFaceのアビジット・ゴーシュ氏は「現在、AIシステムの欠陥を報告する中央集約された説明責任のある方法が存在しない」と指摘します。同システムのオープンソースコードにより、第三者が問題を検証し、モデル開発元や非営利団体MITREへ報告を振り分けられます。

この取り組みは32の組織から集まった49名のAI専門家との協働で開発されました。研究者らは論文の中で、AIの普及とエージェント型システムの高度化が進むほど、この仕組みが重要になると論じています。6月に発表された連邦議会の法案とも連動し、米国立標準技術研究所（NIST）が欠陥報告データベースを整備する構想も含まれます。

背景には、AIツールを巡る不具合の続発があります。今週はLayerX社が、OpenAIのAtlasやPerplexityのCometといったAI搭載ブラウザのガードレールを回避する手口を公表しました。バグやサイバー攻撃だけでなく、心理的被害や差別、誤情報など問題は多岐にわたり、企業ごとに基準が異なる点も課題です。

一方で運用面の懸念も残ります。Humane Intelligenceのラムマン・チョウドリー氏は、深刻でない報告を含む大量の通報をどうさばくか、また信頼できる権威ある組織の裏付けをどう確保するかが課題だと指摘します。エージェント型システムの能力向上に伴い、AIの被害を報告する新たな手段の必要性は今後さらに高まりそうです。

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。

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。

中国の生活サービス大手Meituanは6月30日、巨大なAIコーディングモデル「LongCat-2.0」をGitHubやHugging Face上で公開しました。1.6兆パラメータのMixture-of-Experts（MoE）構成で、100万トークンの文脈を扱え、商用利用に寛容なMITライセンスで提供されます。同社はこのモデルが、過去2カ月にわたりOpenRouterの開発者ランキング上位を占めてきた匿名モデル「Owl Alpha」の正体だと明かしました。

最大の注目点は、訓練を米Nvidia製GPUに頼らず、5万基を超える中国国産ASICで完結させた点です。near-frontier級のモデルを国産シリコンだけで構築できることを示し、Nvidia優位の構造に変化を迫る出来事だと位置づけられています。米国が自国の主要モデルへのアクセスを制限する動きを強める中で、安価で高性能な中国製オープンモデルが世界の開発者の選択肢として浮上しています。

性能面では、ソフトウェア工学のベンチマークSWE-bench Proで59.5を記録し、OpenAIのGPT-5.5の58.6をわずかに上回りました。Terminal-Benchで70.8、SWE-bench Multilingualで77.3を示すなど、対話よりも自律的な開発タスクに特化した設計です。汎用性ではClaude Opus 4.8など最上位モデルに及ばないものの、コーディング領域では競争力を持つとされています。

技術的には、合計1.6兆パラメータのうち1トークンあたり平均480億パラメータのみを動かす積極的なスパース化を採用しました。100万トークンの文脈を支えるため、DeepSeek Sparse Attentionを発展させた独自の「LongCat Sparse Attention」を導入し、ハードウェアに沿った効率的なメモリアクセスを実現しています。後処理では、Agent・Reasoning・Interactionの3つの専門家群に最適化を分離する「MOPD」と呼ぶ枠組みを使い、推論・ツール実行・安全性を両立させています。

商用面では、通常の従量課金APIに加え、北京時間の決まった時刻に1日4回の数量限定セールで提供する「Token Pack」を用意しました。最大の特徴は文脈キャッシュの再利用が完全無料になる点で、同じ巨大なコードベースを繰り返し読み込む自律エージェントのコスト構造を大きく変えるとしています。Meituanは2010年創業の出前・生活サービス大手で、利益率低下を背景にAIと国産チップへ多額の投資を進めてきました。

中国のDeepSeekが2026年6月の週末に、大規模言語モデル（LLM）の推論を高速化する新フレームワークDSparkをオープンソース公開しました。商用利用も認める寛容なMITライセンスで、GitHubとHugging Faceから入手できます。出力内容を変えずに応答速度を高める点が特徴で、開発者や企業が自由に研究・転用できます。

DSparkが採用するのは投機的デコードと呼ばれる手法です。LLMは通常、文章を1トークンずつ順番に生成するため処理が遅くなりますが、軽量な「ドラフト」が次の数トークンを先読みして提案し、本体モデルがまとめて検証します。推測が当たれば一気に複数トークン進み、外れた部分だけ破棄して作り直す仕組みです。

今回の核心は2つの工夫にあります。1つは半自己回帰生成で、並列処理の速さと逐次処理の一貫性を両立させ、不自然な語のつながりを抑えます。もう1つは確信度に応じた検証で、ハードウェアを意識したスケジューラーがサーバー負荷に合わせて検証するトークン量を柔軟に変え、無駄な計算を減らします。

DeepSeekの本番環境テストでは、自社モデルのV4-Flashで最大85%、V4-Proで最大78%のユーザー体感速度向上を記録しました。さらに厳しい速度目標下では総処理量が661%増えたとも報告しています。前者は「乗り心地の速さ」、後者は「道路がさばける交通量」を測った指標だと同社は説明します。

重要なのは、この技術がDeepSeek専用ではない点です。同社の検証ではアリババのQwenやグーグルのGemmaでも受理長が改善し、自社でモデルの重みとサーバー基盤を管理する企業なら、独自のドラフトモジュールを学習させて適用できます。ただしAPI経由の利用者は外部から後付けできず、自己ホスト型インフラの優位性を裏付ける結果となりました。

DSparkは、モデル本体の構造を変えなくても推論層に大きな性能の余地が残ることを示しました。AI各社がモデル品質や価格で競う中、デコード効率は新たな主戦場になりつつあります。今後の性能向上は巨大モデルだけでなく、手元のモデルをいかに賢く動かすかにかかっていると言えるでしょう。

米マサチューセッツ工科大学（MIT）のCSAILは6月26日、大規模言語モデル（LLM）を使い、ロボットに曖昧な指示を理解させる新手法「Masked Inverse Reinforcement Learning（Masked IRL）」を発表しました。人間が一つひとつ細かく説明しなくても、必要な実演データを従来の約5分の1に抑えながら、ロボットが家庭や工場で安全に作業をこなせるようにする技術です。

この手法では、2つのLLMが役割を分担します。1つ目のLLMは、人間がロボットの関節を直接動かして教える「キネステティック・デモ」の軌跡を最短経路と比較し、「近くにいて」といった曖昧な要求を「テーブルの表面に近づいて」と具体化します。これにより、なぜその動きが重要なのかをモデルが把握できるようになります。

2つ目のLLMは、障害物の位置や対象物の形状など環境の詳細を評価します。タスクに無関係と判断した要素は「マスク」して無視し、各要素を重要なら「1」、そうでなければ「0」と採点します。たとえば実演中に人がテーブルにもたれていたかどうかは「0」となり、最終的な行動計画には反映されません。

この仕組みにより、Masked IRLは3次元シミュレーションと実機の両方で既存手法を上回りました。ノートPCを避けてマグカップを動かすといった課題で、ユーザーが明示しなかった好みを最大15%多く正しく特定できたといいます。少ない実演回数で学習でき、曖昧な指示をそのまま追わせるより成績が良かったとのことです。

実機のロボットアームでも、訓練時に見ていない指示を実行できました。50回のキネステティック・デモで学習した後、利用者のPCにぶつからないようカップを差し出し、テーブルを拭き、人とテーブルの両方を避けてポテトチップスの袋を手渡しました。研究チームは今後、カメラを搭載して周囲を画像で捉え、特定の対象に注目できるよう発展させる計画です。

米マサチューセッツ工科大学（MIT）は6月26日、労働経済学者のデビッド・オーター教授を経済学部長に任命したと発表しました。就任は7月1日付で、2023年7月から学部長を務めてきたジョン・グルーバー教授の後任となります。

オーター氏は技術革新やグローバル化が雇用や賃金、格差に与える影響を研究してきた、労働経済学の第一人者です。MITには1999年から在籍し、不平等と仕事の未来を扱う学内研究センターの共同責任者も務めています。

就任にあたりオーター氏は、教員と学生が築いてきた高い水準を引き継ぎつつ、予算の引き締めと変化する政治情勢に対応する考えを示しました。大学運営が厳しさを増すなかでの船出となります。

さらに同氏は「進化するAIが、私たちの教え方や研究内容に開きつつある機会へと学部を導きたい」と述べ、AIを教育と研究の中心に据える姿勢を明確にしました。経済学の研究現場でもAI活用が課題となっていることがうかがえます。

オーター氏はタフツ大学で心理学の学士号を、ハーバード大学ケネディスクールで公共政策の博士号を取得しました。研究と教育の両面で数多くの賞を受けており、2024年にはAIの社会実装を支援するAI2050シニアフェローにも選ばれています。

米マサチューセッツ工科大学（MIT）は6月25日、科学誌サイエンティフィック・アメリカンが16日に公開した特集「若き米国の科学者2026」を取り上げ、教員らが好奇心駆動の科学の重要性を訴えたと報じました。同特集は若手研究者を紹介し、不確実な時代でも科学に献身する理由を語る内容です。サリー・コーンブルース学長は、発見は「米国のDNAの一部」であり、必要なのは米国科学への公的投資の再強化だと強調しました。

学長は「米国科学への投資は賭けではない。歴史を振り返れば、その恩恵に疑いの余地はない」と述べています。一方で、技術的には最高にわくわくする時期である半面、科学予算の継続性に人々がこれほど不安を感じた状況はかつてないとも指摘しました。ロバート・ランガー教授も、過去50年から100年の米国科学の成果は目覚ましいと評価しています。

特集では若手の具体的な研究も光ります。客員研究者のアリス・スタントン氏は人間の脳の3D組織モデル「miBrain」を開発し、アルツハイマー病やパーキンソン病の個別化治療を目指しています。コモンウェルス・フュージョン・システムズCEOのボブ・マンガード氏は核融合発電の商用化に取り組み、大学院生のアレックス・ジャン氏はAI言語モデルが情報生成とともに劣化する「文脈劣化（context rot）」の解決に挑んでいます。

ただし、研究者の多くが連邦政府の資金に懸念を示しました。CRISPR遺伝子編集技術を開発したフェン・ジャン教授は、NIH（国立衛生研究所）やNSF（全米科学財団）の資金の不安定さ、国際研究者の移民の不確実性、専門知識への信頼の低下を挙げ、「保護を怠れば、米国は急速に優位を失う」と警告しています。

それでも楽観を語る声もあります。ランガー教授は「米国のイノベーションの歴史を見れば、世界大戦や恐慌など幾多の挫折を経ても、人々は学び、発見し、発明を続けてきた」と述べ、現状を最悪の時期ではないと語りました。経営者やリーダーにとって、基礎研究への継続投資が10年後20年後の経済的インパクトを左右するという視点は示唆に富みます。

MITとMicrosoftの研究チームは2026年6月25日、複数のAIモデルやツールを連携させるエージェント型ワークフローの設計と実行を自動最適化するシステム「Murakkab」を発表しました。開発者が自然言語でやりたいことを記述するだけで、最適なモデルやツール、ハードウェア構成を自動で決定し、計算資源の無駄を抑えます。

従来は開発者が使用するAIエージェントやモデル、ツールに加え、実行順序やハードウェアまですべて手作業で指定する必要がありました。組み合わせの選択肢が膨大なうえ、各社のブラックボックス型モデルが混在するため、最適な構成を人手で見つけるのはほぼ不可能でした。新モデルが登場するたびに一から作り直す手間も生じていました。

Murakkabは開発者の意図を高レベルで受け取り、最適なモデルとツールの組み合わせを自動で特定します。逐次実行すべき処理と並列実行できる処理も判別し、性能を高めます。クラウド事業者が利用者に展開する際には、精度や遅延などの制約に合わせてハードウェア割り当てを動的に最適化します。

動画Q&A;やコード生成のワークフローで検証した結果、利用者の要件を満たしつつ計算量は他手法の約35%、消費電力は約27%、コストは25%未満に抑えられました。ある事例では精度の低下を約2%にとどめながら、消費電力を1桁以上削減したといいます。研究チームは今後、より複雑なワークフローや大規模クラスタへの拡張を目指す方針です。

AI新興企業General Intuitionは6月25日、評価額23億ドルで3億2000万ドルを調達したと発表しました。今回のラウンドはKhosla Venturesが主導し、ジェフ・ベゾス氏やエリック・シュミット氏、Google DeepMindやMITの研究者らも参加しています。累計の開示資金は4億5400万ドルに達しました。

同社の強みは、ゲーム映像に埋め込まれた操作ログです。どのボタンをいつ押したかという行動データを使い、空間と時間を移動する推論能力をモデルに学習させています。映像だけから行動を推測する競合に対し、共同創業者のde Witte氏はこのアプローチが優位だと主張します。

学習基盤となるのが、フレームごとに生成される世界モデルです。社内で「ジム」と呼ばれるこの環境を通じ、エージェントは壁やはしご、影の動きといった現実の物理法則を自ら習得します。同社はこの世界モデルではなく、汎用的なエージェントモデル自体を製品として販売する方針です。

実機への応用も進んでいます。ゲームを100時間連続でプレイするエージェントと同じ「脳」が四足歩行ロボットを動かし、わずか8分の実機データで微調整できたといいます。一方で、こうしたモデルを物理世界で大規模に通用させた例はまだなく、ゲーム映像が安価な近道になるかは賭けの段階です。

調達資金の大半は計算資源の拡充に充てられ、CoreWeaveとの契約のもとで次世代モデルの事前学習に集中します。APIは夏の終わりまでに広く公開する計画です。de Witte氏は人道支援の経験から、AIを人間への危害に使わない方針も明確にしています。

フランスのAI企業Mistralは2026年6月24日、文書知能モデル「OCR 4」を発表しました。単なる文字抽出にとどまらず、文書全体を構造化データとして返す点が特徴で、各ブロックに位置情報を示す枠、見出しや表といった種別、さらに単語ごとの信頼度スコアを付与します。15カ月でOCR技術の第4世代となり、即日でAPIやAmazon SageMaker、Microsoft Foundryなどから利用できます。

技術上の核心は構造化された出力にあります。従来のように平坦なテキストを並べるのではなく、各ブロックを枠で特定し、タイトルや表、署名などに分類したうえで信頼度を返します。これにより、抽出した事実を元の文書のどこに記載されていたかまで追跡でき、RAGや法令順守の業務で「この数値はどこから来たのか」という監査可能な答えを得られます。

Mistralは独立した評価者による比較で72%の勝率を得たと報告しています。ただし同社自身が採点上の誤差を公開し、集計値は確定的ではなく方向性を示すものだと注意を促しました。公開ベンチマークでは3位という指摘もあり、企業の導入担当者はベンダーの数値に頼らず、自社の文書と言語で独自に評価すべきだと記事は指摘します。

今回の発表は地政学的な追い風の中で行われました。6月12日、米商務省の輸出規制によりAnthropicは最新モデルへのアクセスを全面的に停止させられ、米国外の顧客が突然利用できなくなりました。Mistralが掲げる欧州AI主権の主張は、まさにこの事態で現実味を帯び、自社環境で完結する単一コンテナ提供が製品としての答えになっています。

価格は1000ページあたり4ドルからで、バッチ利用なら2ドルまで下がります。この水準なら10万ページの社内文書も200ドルで処理でき、大規模なデジタル化が現実的になります。一方で前日にはBaiduがMIT licenseの無償モデルを公開しており、自己ホスト型のオープンモデルと、企業向け機能を備えた商用サービスという二つの路線が鮮明になっています。

結局これはOCRの話ではなく、企業向けAI市場への入り口を巡る戦略だと記事は結論づけます。OCR 4はMistralの検索基盤や推論モデル、エージェント基盤へと連なる導線であり、同社は約200億ユーロの評価額での資金調達と2026年に10億ユーロの売上を目指しています。大手や急成長するオープンソース勢に対し、主権と構造化文書知能で欧州企業の予算を取り込めるかが焦点です。

米誌WIREDの記者は2026年6月、北京の中関村で開かれた大規模なAI国際会議に参加し、中国のトップ専門家らもAIの急速な発展に強い警戒感を抱いている実態を報じました。会議では再帰的自己改良やヒューマノイドロボットなどが議論され、公開鍵暗号の共同発明者ホイットフィールド・ディフィー氏らも登壇しました。記者が得た最大の示唆は、米中が激しいAI競争を脇に置くべきだという点です。

背景には、より自律的に動くエージェント型AIがサイバー攻撃や予期せぬ障害を引き起こすシステミックリスクへの懸念があります。米国はこれまで中国のAIを経済・安全保障上の脅威とみなし、半導体や製造装置の輸出規制を強めてきました。直近では米政府がAnthropicに対し、外国籍者が最新モデルMythosやFable 5へアクセスするのを防ぐよう命じ、同社は全利用者のアクセスを一時停止しています。

それでも会議を主催した北京智源人工智能研究院での議論は、AIを拙速かつ無謀に開発すれば米中双方が損失を被るという認識を補強しました。MITの計算機科学者スティーブン・キャスパー氏は、国際協力の利点が安全保障上のリスクを上回るとする研究を示し、米ソが核の危険性をめぐり協力せざるを得なかった歴史になぞらえました。「AIにチェルノブイリの瞬間は必要ない」という言葉は、立場を超えた共通認識を表しています。

上海交通大学のリン・ユン教授は、当面はハッカーが優位に立つものの、AIを使った新たな防御策が時間とともに均衡を取り戻すと見ています。同教授は、競争があっても国際協力は優先課題であり、各国がリスクを同様に理解すれば共通の安全基準や技術標準を作りやすくなると指摘しました。機微な運用情報を晒さずにシステミックリスクを減らせる領域を見つけることが鍵だと述べています。

最も差し迫った論点は、開放性とリスクのバランスです。MoonshotのKimi、AlibabaのQwen、Z.aiのGLMなど中国製のオープンウェイトモデルは米国でも人気を集め、研究や技術革新に欠かせない存在となっています。一方、米国もNvidiaのNemotronなどで巻き返しを図っていますが、ガードレールを外した低性能モデルでさえ危険になりうる転換点が近づいています。

実際、今週には中国のサイバーセキュリティ大手360が、Mythosに匹敵するハッキング能力を持つAIを開発したと表明しました。中国大手AI企業の匿名の関係者は、安全上の懸念から一部の先進モデルをオープンソースとして公開しなくなっていると明かしています。バックドアや脆弱性のない最新モデルをどう保証するかが、今後の業界共通の課題となりそうです。

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。

マサチューセッツ工科大学（MIT）は5月12日、学内のリンデ音楽棟で「AIと社会フォーラム」を開催し、各分野の専門家が人工知能（AI）の労働や民主主義への影響を議論しました。人文・芸術・社会科学スクール（SHASS）と「コンピューティングの社会的・倫理的責任」（SERC）が共催し、生成AIを用いた音楽演奏も行われました。

開会あいさつでSHASS学部長のアグスティン・ラヨ氏は、AIの影響を理解するには学内全分野の知見が必要だと述べ、分野横断的な議論の意義を強調しました。シュワルツマン・コンピューティング・カレッジのダン・ハッテンロッカー学部長も、AIの長所と短所を見極めることが過信や予期せぬ結果の回避に不可欠だと指摘しました。

労働をめぐる基調講演では、経済学者のデビッド・オーター教授が「AIは仕事を奪う」という通説に異議を唱えました。重要なのは技術が専門性の希少性を高めるか商品化するかであり、AISは新たな専門職を生み出す可能性があるとして、労働者の再訓練や賃金保険などの先回りした政策を求めました。

続くパネル討論では、計算機科学・人工知能研究所（CSAIL）所長のダニエラ・ルス教授が、AIが職場を支援する可能性に期待を示しつつ、意思決定における人間の判断の重要性は変わらないと述べました。航空宇宙学のデビッド・ミンデル教授は、仕事の性質は常に変化してきたとしつつ、安全基準の維持と効率化の両立が課題だと語りました。

2つ目のセッションは民主主義への影響が焦点となりました。MITスローン経営大学院のチャラ・ポディマタ助教は、大規模言語モデル（LLM）の選挙情報におけるバイアスを監査する研究を発表し、2024年米大統領選で12の主要モデルの回答が属性や政治的傾向によって大きく変動したと報告しました。

政治学のチャールズ・スチュワート3世教授は、選挙結果が疑問視されれば暴力につながりかねないとして、AIが選挙に取り返しのつかない混乱をもたらす懸念を示しました。一方でリリー・ツァイ教授は、信念の根拠を問う「ソクラテス式対話チャットボット」が人々の立場を穏健化させた例を挙げ、適切な原則に基づく設計と厳格な評価があればAIが民主主義に好影響を与え得ると述べました。

AI創作ツール新興企業のKreaは6月、新たな画像生成AI「Krea 2」のオープンウェイト版を公開しました。学習向けの「Krea 2 Raw」と高速生成向けの「Krea 2 Turbo」の2種で、いずれもHugging Faceから誰でもダウンロードできます。同社はAI画像が画一的になりがちな課題を踏まえ、表現の多様性と高い指示再現性の両立を掲げます。

技術的な中核は、ゼロから構築した120億パラメータの拡散トランスフォーマーです。Turboは知識蒸留により生成工程を8ステップまで圧縮し、一般的な消費者向けハードでも2K解像度の画像を約2秒で描き出します。一方のRawは事後学習や人間のフィードバックによる調整を施さない素の状態で、独自スタイルの追加学習に向く「白紙のキャンバス」と位置づけられています。

想定される使い方は「Rawで学習し、Turboで生成する」という流れです。Rawは作り込まれた作風の偏りがないため、建築製図や特定ブランドの素材といった独自表現を高い忠実度で吸収できます。学習したLoRAはそのままTurboへ移植でき、高速な試作と反復に活用できる仕組みです。

ライセンスは独自の「Krea 2 コミュニティライセンス契約」を採用しました。個人や小規模事業者は無償で商用利用や成果物の収益化ができ、Kreaは生成物の著作権を主張しないと明記しています。一方で席数が50を超える組織は企業向けの有償契約が必要となり、APIの利用も生成ごとに課金される別建てのサービスです。

従来のMITやApache 2.0と異なり、この契約には下流の行動規範が課されています。モデルを自社運用する事業者は、違法素材や同意なき性的画像、児童性的虐待素材、名誉毀損的な生成物を防ぐための入出力フィルターの実装を義務づけられます。怠れば契約違反となり、Kreaは重みの更新やアクセス停止を行う権利を持ちます。

Kreaは2022年にサンフランシスコで創業し、これまでに計8300万ドルを調達、利用者は191カ国で3000万人を超えると説明しています。複数のAIエンジンを束ねる集約サービスから、自社開発モデルを提供する企業への転換を進めてきました。今回の公開は、閉鎖的なAPIに対し制作者の自由度を重視する選択肢として、オープンウェイト市場での競争を一段と高めるものと位置づけられます。

MITの研究チームは2026年6月19日、化学的に乱れた金属合金の挙動を高い精度で予測する機械学習手法を発表しました。材料を作って試験する従来の流れには時間とコストがかかりますが、この手法はシミュレーションを高速かつ高精度にして材料開発を加速します。成果は学術誌Science Advancesに掲載されました。

材料の性質は内部の原子配列でほぼ決まります。同じ元素の組み合わせでも配列が異なれば、もろい材料と割れずに変形する材料に分かれるためです。しかし実用される金属の多くは原子配列が無秩序で、領域ごとにばらつくため、機械学習モデルが学習するのは難しいとされてきました。

従来の主流手法は力任せで、単一材料の訓練データ作成に10万時間超の計算を要することもありました。しかも組成を変えると精度が落ちる課題がありました。研究チームは情報理論を使い、無秩序な材料内部の多様な局所環境を捉える訓練データを生成する方法を考案しました。

この手法は試料から原子を入れ替えて重複を減らし、モデルが見落としがちな環境を学ばせる点が特徴です。シニア著者のRodrigo Freitas准教授によれば、同じ環境が何度も現れた場合は未知の例に置き換えることで、各データがより多くの情報を持つようになります。これにより無作為抽出など他手法より高い精度を得ました。

研究チームは化学的に多様な金属合金群でこの手法を検証し、GoogleやMicrosoftが作ったより大規模なモデルよりも高精度であることを示しました。さらにDaniel Xiao氏が主導した実験では、モデルが実験データとよく一致する相図を予測できました。相図は合金の設計や加工に欠かせない中心的な道具です。

研究チームは現在、組成変化が機械的特性や耐放射線性に与える影響を調べ、過酷な環境でも強さを保つ材料の設計を目指しています。Freitas氏は、この手法は半導体など他の材料にも応用でき、持続可能な鋼材や航空宇宙向け材料の開発にも使えると述べています。産業界の既存の手順に組み込める実用性を重視している点も特徴です。

米マサチューセッツ州の有力紙ボストン・グローブが6月9日、地域の技術・ビジネスを率いる影響力のある50人を選ぶ2026年版「テック・パワー・プレイヤーズ」を発表しました。同リストにはサリー・コーンブルース学長やCSAIL所長のダニエラ・ルス教授らMIT関係者8人が名を連ね、多数のMIT卒業生も含まれています。

報道はMITの研究室や起業文化、新たなAI施策を取り上げ、州の技術的優位を保つ姿勢を強調しました。コーンブルース学長は「マサチューセッツはこの次の波を確実に主導できる」と述べ、製造業や生命科学、量子技術、エネルギーまで幅広い分野での前進に期待を示しています。

MITはAI分野で、バイオテクノロジーやロボティクス、防衛、クリーンエネルギーなど地域の強い領域での推進を図っています。同時に、ハッカソンからベンチャー資金まで支援を整える「寮から起業へ」の取り組みで、学生が在学中に会社を立ち上げる流れを広げようとしています。

学長は誰もが受講できる無料の入門講座を含む新たなオンラインAI授業を公開し、企業だけでなく人々が技術の恩恵を受けられるよう後押しします。一部の大学は技術を企業や病院、研究機関の生産性向上に役立てる応用AI「AI+X」を専門領域として確立しつつあります。

MIT発スタートアップは地域の起業エコシステムを支える存在です。同校は150を超える講座と85のセンターやプログラムを擁し、コーンブルース学長とチャンドラカサン教務担当副学長は研究成果の事業化を加速する委員会(CATE)を新設しました。起業支援の拡充を受け、加速プログラムへの応募は前年から倍増しています。

MITのスタートアップ、Liquid AIは線虫の脳構造に着想を得たAIモデルを開発し、大規模言語モデルより消費電力を大幅に抑えられます。同社は北米で販売する車載システムへの技術搭載でメルセデス・ベンツと契約したほか、GE Vernovaは5年間で5000万ドルを投じMITとの人材連携を進めています。

中国の交流サイト大手である新浪微博の研究チーム9人が2026年6月15日、わずか30億パラメータの言語モデル「VibeThinker-3B」の技術報告をarXivに公開しました。数百倍の規模を持つGoogleやOpenAIの最上位モデルに数学推論で匹敵すると主張し、AI研究界に衝撃を与えています。同モデルはMITライセンスで重みが無償公開されました。

中核となる主張はベンチマーク性能です。数学競技AIME 2026で94.3点を記録し、6710億パラメータのDeepSeek V3.2と肩を並べ、Gemini 3 Proの91.7点を上回りました。コーディングでも実施前のLeetCode週次大会で128問中123問を初回正解し、96.1%という合格率を示しています。

チームはこの結果をパラメトリック圧縮被覆仮説で説明します。数学やコードのように答えを検証できる「推論能力」は小さな中核に圧縮できる一方、幅広い事実を要する「知識能力」は多くのパラメータを要するという考え方です。実際、大学院レベルの科学知識を問うGPQAでは70.2点にとどまり、上位モデルに大きく劣りました。

このモデルはアリババのQwen2.5-Coder-3Bを土台に後処理学習したものです。4段階の学習工程を経ており、能力の境界にある難問を優先的に訓練するMGPOという独自の強化学習手法を採用しています。なお微博は2025年11月にも前身の1.5B版を公開しており、その学習費用はわずか7,800ドルだったと説明しています。

一方で批判も強く出ています。実際に試した利用者からは「人気のPython開発ツールすら理解しない」との報告が相次ぎ、ベンチマーク向けに最適化しただけではないかという「水増し」批判が広がりました。論文側は学習データから評価セットとの重複を除去したと反論しています。

今回の論争が示すのは、巨大化一辺倒だったAI開発への問い直しです。推論と知識を分離できるなら、小型の推論エンジンと大型の知識モデルを組み合わせる構成が現実味を帯びます。導入コストを大きく下げる可能性があり、その真価は順位表ではなく実務での有用性で問われることになります。

マサチューセッツ工科大学（MIT）などの研究チームは2026年6月、ポーカーのように相手の手札が見えない「不完全情報ゲーム」において、汎用的な学習手法が専門的なアルゴリズムを上回ることを示す論文を発表しました。この成果は4月にリオデジャネイロで開かれた国際会議ICLRで報告され、長年信じられてきたゲーム理論ベースの優位性という通説を覆す内容となっています。

従来この分野では、ゲーム理論に基づく専門アルゴリズムが、1990年代に登場した汎用的な「ポリシー勾配法」より明確に優れると考えられてきました。ポリシー勾配法は神経回路網（ニューラルネット）に逐次的な意思決定を学習させる手法で、戦略ゲーム向けには想定されていませんでした。共著者のソコタ氏は「専門アルゴリズムが正しい手法だと当然視されてきた」と振り返ります。

研究チームは新たなアルゴリズムを提案するのではなく、各手法の性能を公平に測るベンチマーク（評価基盤）を提示しました。指標には、最悪の相手と対戦した際の不利さを示す「搾取可能性」を採用しています。最大で300億通りの状態を持つ大規模なゲームでこの指標を機能させた点が、最大の技術的課題だったといいます。

ファントム三目並べやヘックスの変種、ライアーズダイスなど5種類のゲームで実験した結果、ポリシー勾配法で訓練したネットワークの方が低い搾取可能性を記録し、直接対戦でも勝利しました。この評価ソフトは無償公開され、一般的なノートPCでも実行可能で、既存のOpenSpielに1行のコードを追加するだけで使えます。

研究者らは、ここでいう「ゲーム」が娯楽に限らず、あらゆる多主体間の戦略的相互作用を指すと強調します。共著者のビニツキー氏は軍事作戦や取引、交渉など隠れた情報を扱う場面への波及を指摘。グーグル・ディープマインドのゲンプ氏も「古典的な手法の現代化が有効な道だと示す説得力ある研究だ」と評価しています。

中国のZ AIは2026年6月17日、長時間タスク向けに設計した大規模言語モデルGLM-5.2を公開しました。最大100万トークンの文脈長と、地域制限のないMITライセンスでの完全オープン提供が柱です。モデルの重みはHuggingFaceとModelScopeで配布され、coding agentとして実用できる点を前面に打ち出しました。

最大の狙いは、単にトークン数を増やすのではなく、長く乱雑なコーディング作業の軌跡でも品質を保つことにあります。同社は実装やデバッグ、性能最適化といった長時間タスク向けの訓練を大幅に拡充しました。その成果として、数時間規模の技術プロジェクトを評価するFrontierSWEなどの長期ベンチマークで、いずれもオープンソース首位を確保しています。

標準的なコーディング指標でも前世代から大きく前進しました。Terminal-Bench 2.1では前版の63.5から81.0へ、SWE-bench Proでも58.4から62.1へ伸び、クローズドな最先端モデルとの差を詰めています。Terminal-Bench 2.1ではClaude Opus 4.8(85.0)に数ポイント差まで迫り、Gemini 3.1 Proを上回りました。

技術面では、4層ごとに同じインデクサを共有するIndexShareを導入しました。これにより100万トークン時のトークン当たり計算量を2.9倍削減し、長文脈の計算コストを抑えています。投機的デコーディング用のMTP層も改良し、受理長を最大20%向上させました。

利用者は努力度を明示的に指定し、性能と速度・計算コストのバランスを調整できます。最も負荷の高いMaxモードでは難タスクに計算資源を追加配分でき、用途に応じた使い分けが可能です。GLM-5.2はZCode、Claude Code、OpenCodeなどから利用でき、Coding Plan契約者には既に展開済みです。

なお同社は、検証可能な合否報酬を悪用する報酬ハッキングへの対策も公表しました。ルールベースの検出とLLM判定を組み合わせ、不正なツール呼び出しを遮断しつつ学習を継続させる仕組みです。オープンな最先端モデルとして、透明性の高い開発のあり方も示した発表と言えます。

米マサチューセッツ工科大学（MIT）の研究チームは6月17日、ロボットが大規模な環境を長期間記憶し、自然言語で問い合わせに答えられる記憶フレームワーク「DAAAM」を発表しました。CVPRで公表されたこの手法は、コンピュータービジョンとロボット地図作成を組み合わせ、「昨夜組み立て始めた部品を取ってきて」といった曖昧な指示にも応答できます。

従来、マルチモーダルの視覚モデルは物体を豊かに描写できる一方で一度に1件しか処理できず、ロボットの地図作成は3D地図を作れても物体の詳細説明を欠くか計算負荷が高いという課題がありました。DAAAMは両者の長所を統合し、ロボットが移動しながら見た物体に説明文を付け、空間的に整理した3D地図として蓄積します。

高速化の鍵は、近接する物体をまとめ、複数の物体が最も明瞭に写るキーフレームを選んで一括で注釈する最適化手法です。これにより各物体を一度だけ注釈すれば済み、処理速度は従来の約10倍に達しました。数分の探索で数百の物体を見るロボットでも、リアルタイムで記憶を形成できます。

蓄積した膨大なデータからの検索には、複数のツールを呼び出す大規模言語モデル（LLM）を採用し、幻覚（ハルシネーション）を抑えながら必要な情報を数秒で取り出します。意味検索や位置情報による検索を使い分けることで、質問の種類に応じて従来手法より21〜53%高い正答率を記録しました。

研究を主導したルカ・カルローネ准教授は、人と並んで働くロボットには時間と空間を人間と同じように扱う能力が必要であり、本手法は従来の地図を言語ベースの地図へ変える試みだと説明します。応用先はロボットにとどまらず、保守作業者の異常検知や通勤者の道案内を支援する拡張現実（AR）システムへの展開も視野に入ります。

今後チームは、環境内で起きた重要な出来事を記録する機能や、回答に確信度を組み込む改良を進める方針です。大学院生のニコラス・ゴルロ氏は、あらゆる依頼に応える汎用エージェントの基盤づくりを目指すと語っています。

中国のAIスタートアップZ.aiは6月16日、7530億パラメータの公開重みモデルGLM-5.2を即日リリースしました。長時間にわたる自律的なコーディングや開発作業に特化して設計され、Hugging FaceやZ.aiのAPI、20以上のサードパーティ開発環境で利用できます。月額12.6ドルからの料金体系と100万トークンの文脈長を備え、企業のAI活用を狙います。

最大の特徴はMITライセンスでの重み公開です。企業はモデルを自由にダウンロードし、改変・微調整したうえで自社インフラ上やローカルで運用できます。先週、トランプ政権がAnthropicのClaude Fable 5への外国人アクセスを禁じる輸出規制を発令し、同社がモデルを全面停止した経緯もあり、地理的な制約を回避できる選択肢として注目されます。

ベンチマークでも存在感を示します。長時間タスクを測るSWE-bench Proで62.1点を記録し、GPT-5.5の58.6点を明確に上回りました。MCP-AtlasやFrontierSWEではClaude Opus 4.8と接戦を演じ、設計タスクのDesign Arenaでは1位を獲得しています。一方でTerminal-Bench 2.1の生スコアでは上位2モデルにわずかに及びません。

技術面ではIndexShareと呼ぶ最適化を導入しました。4つのスパースアテンション層ごとに同一のインデクサーを再利用することで、100万トークン時のトークンあたり計算量を2.9倍削減します。さらに思考の強度を「Max」「High」で切り替えられ、Highでは性能をほぼ保ちつつ出力トークン量を半減できます。

コスト優位は鮮明です。API料金は入力100万トークンあたり1.4ドル、出力4.4ドルで、出力30ドルのGPT-5.5や25ドルのClaude Opus 4.8を大きく下回ります。開発者向けにはGLM Coding Planも用意し、Claude CodeやCline、Kilo Codeなど主要なコーディングツールに即日対応しました。Cline IDEは「オープン重みの復活」と評し、開発者コミュニティから歓迎されています。

米マサチューセッツ工科大学（MIT）は6月16日、製造業の再興を狙う研究主導の取り組み「Initiative for New Manufacturing（INM）」が発足から1年で大きな勢いを得たと発表しました。5月に開いた初の「MIT製造週間」には、学生から企業の最高経営責任者（CEO）まで800人を超える関係者が集まり、工場の現場へのAI導入や人手不足への対応策を4日間にわたって議論しました。

週間の中心となったのは、製造現場へのAI実装に焦点を当てた「MIMO（製造運用のための機械知能）」シンポジウムです。初日にはINMとGoogle Cloudが共催するサイバーセキュリティの講習会が開かれ、最終日にはニューイングランド各地から140人超の大学院生らが参加する研究発表会と競技会で締めくくられました。

INMは研究を市場へ橋渡しする起業支援にも力を入れています。米国立科学財団（NSF）のI-Corpsニューイングランドと組んだ初の研究発表会には17大学から140超のチームが応募し、最終選考に残った8チームが計5万ドルの賞金を分け合いました。最も革新的な技術にはMIT博士課程の学生が手がける機械制御アーキテクチャの研究が選ばれています。

業界連合の輪も広がっています。製造週間中に太陽光パネル大手のFirst Solarが8社目の業界会員として加わり、Amgenやシーメンス、オートデスクなどと並びました。供給網の強靭化や人材育成、産業競争力といった課題は一社や一業種だけでは解決できないという認識が、連合の拡大を後押ししています。

人材面では、現場のリーダーを育てる新プログラム「TechAMP」をこの秋に立ち上げ、コミュニティーカレッジ3校を含むニューイングランドの6拠点で展開しています。INMはAIと自動化に絞った提案公募で8件の種子研究に資金を投じ、6月には製造業の将来を探る8本の白書を公表する予定です。

INMは国内製造業の強化を軸としつつ、世界への広がりも視野に入れています。インドのアーメダバードに新設された教育機関NAMTECHとも連携し、MITの著名な製造実習講座を現地向けに展開しました。来年はTechAMPの初の修了生を送り出し、対象州の拡大や連合への新たな業種の参加を進める計画です。

中国のMoonshot AIは2026年6月12日、オープンソースのコード生成モデルKimi K2.7-Codeを公開しました。前モデルK2.6と同じ1兆パラメータの混合エキスパート構成を引き継ぎ、推論時の「考えすぎ」を抑えて思考トークンを30%削減したと説明しています。OpenAI互換APIで導入でき、本番運用中のチームが構成変更なしに置き換えられる点が特徴です。

最大の変更は低レベルなコードの生成方法です。従来は既存ライブラリを包んで実装していたのに対し、新モデルは実装を直接書き起こすため、Rust・Go・Pythonやフロントエンド、運用基盤など幅広い領域で安定すると同社は主張しています。一方で温度調整に対応せず1.0固定のため、出力のばらつきを調整できない制約もあります。

ベンチマークでは自社指標で最大31.5%の向上を掲げますが、いずれもMoonshot独自の評価にとどまります。モデル間の差が出やすい独立指標DeepSWEには提出されておらず、実務家からは「どのモデルも自社テストでは2桁改善する」と検証の偏りを指摘する声が公に上がっています。

外部の検証結果はより複雑です。研究者がGPUカーネル最適化の公開指標で比較したところ、新モデルは6問中5問で実際に独自実装を書いた一方、うち2つは自らのバグで失敗し、ある項目では前モデルよりスコアが低下しました。「率直になったが能力は上がっていない」との評価が示されています。

経営やエンジニアの視点では、トークン削減によるコスト低下はすぐに試せる利点です。ただし効率改善が自社の業務分布でも成り立つかは別問題であり、ゲートウェイの重みを変える前に自前のワークロードで検証する慎重な姿勢が求められます。

マサチューセッツ工科大学（MIT）の研究チームが2026年6月11日、人の選好を予測する数理手法を改良する成果を発表しました。従来の2項比較では選択肢間の相関を捉えられないと数学的に証明し、3つの選択肢を順位付けさせる方式が高精度な予測を可能にすると示しました。経営者やエンジニアにとって、推薦システムやAIの精度を左右する基盤技術となります。

土台にあるのは、約100年前に心理学者サーストンが提唱したランダム効用モデル（RUM）です。人が複数の選択肢から最も価値の高いものを選ぶという前提に立ち、行政や産業界で「ある幹線道路が封鎖されたら人々はどう通勤するか」といった反実仮想の予測に広く使われてきました。AIアシスタントのGabriele Farina氏は、人それぞれ好みが異なり時間でも変わるため、モデルは本質的に確率的だと説明します。

問題は、モデルの推定に使うデータがサーストン以来ほぼ2択比較に偏ってきた点にあります。AかBのどちらを選ぶかは答えやすい一方、Constantinos Daskalakis教授は「2つずつ見る方式では多数の選択肢間の相関を見つけられない」と指摘します。たとえば独立系映画を好む人は外国映画も好む傾向がありますが、2択データだけではこうした結びつきが見えないのです。

チームは、2択比較のみから相関情報を得るのは不可能だと証明しました。一方、多数の人が3つの選択肢を好みの順に評価すれば相関を識別でき、3択ベストと2択ベストの組み合わせでも同じ情報が得られます。PhD学生のSobhan Mohammadpour氏は、個々の順位結果を一つの大きなモデルに統合する手法を開発したと述べています。

実用面でも追い風があります。Farina氏によれば、必要な実験数はカタログの項目数に対して指数的に増えないため、効率的なアルゴリズムが成立します。この成果は4月にリオデジャネイロで開かれた国際会議ICLRで発表されました。

Daskalakis教授は、RUMが1990年代後半以降のインターネット経済に不可欠だったように、今後はAIモデルの整合（アライメント）にも中心的役割を果たすと強調します。LLMの学習では人が候補出力を順位付けし、モデルが好まれる文体や内容を学びます。なぜ3択が鍵なのか。膨大な選択肢すべてを聞き出せない以上、少ない問いで相関まで捉える設計が、より正確な予測モデルへの実践的な道筋になるからです。

Microsoftは6月11日、AIエージェントのスキルを自動で改良するオープンソース基盤SkillOptを公開しました。基盤モデルの重みを変えずに、指示文をまとめたマークダウン文書を「学習可能な対象」として扱い、性能評価のフィードバックに基づいてスキルを進化させる点が特徴です。MITライセンスで提供され、企業の複雑な業務にエージェントを適応させる手間を大きく減らすことを狙います。

従来、エージェントのスキル調整は手作業が中心で、各ファイルの指示文を書き直しながら改善点を当て推量する非効率な作業でした。SkillOptは深層学習の発想を取り入れ、課題を実行するモデルとスキルを最適化するモデルを分離します。実行で得た成功・失敗の軌跡を分析し、追加・削除・置換の編集を提案したうえで、検証用データで性能が改善した場合のみ採用する仕組みです。

重要なのは、変更が「数学的に妥当な改善か」を保証する設計です。Microsoft Research Asiaの研究者は、チームがスキルを変更できるかではなく、その変更が改善である保証がないことが課題だと指摘します。SkillOptは編集予算を学習率のように使い、検証ゲートで誤った修正を排除し、失敗した編集を記録して再発を防ぎます。

性能面では、評価した52通りのモデル・ベンチマーク・実行環境のすべてで既存手法を上回りました。GPT-5.5ではスキルなしと比べ平均23.5点の改善を示し、小型モデルでも文書理解や逐次的な意思決定で大幅な向上が見られました。最終的なスキルは2000トークン以内に収まり、中央値は約920トークンと、人間が短時間で確認できる読みやすさを保ちます。

実用面では移植性と効率性が強みです。Codex CLIで訓練した表計算スキルをClaude Codeへそのまま移すと、標準設定比で59.7点向上したといいます。スキル1件あたりの訓練費は1〜5ドル程度で済み、導入時に完全に回収できる一度きりの費用とされます。一方で、数十件の代表例と採点可能な評価指標が必要で、主観的な課題には不向きという制約も示されました。

MIT発のスタートアップFerveretが、原子力発電所の冷却技術を応用したデータセンター向け冷却システムを開発しています。共同創業者のReza Azizian氏（MIT元ポスドク）とMatteo Bucci教授（MIT原子力工学）は、原子炉で使われる「サブクール沸騰」と呼ばれるプロセスをサーバー冷却に転用しました。AIモデルの訓練・推論に使われるデータセンターでは、現在も電力の約3分の1が冷却に消費されており、この非効率性の解消が急務となっています。

Ferveretの「Adaptive Phase Cooling（APC）」は、サーバーを専用の低沸点液体に浸漬し、チップ表面で微細な気泡を生成・急速に再凝縮させることで熱伝達を加速させます。従来の液浸冷却と異なり、気泡が小さく頻繁に離脱するため、チップ表面の再湿潤サイクルが高速化します。さらに有害なPFAS（永遠の化学物質）を含まない液体を使用し、水の消費量はゼロです。

UCLAとの共同研究では、最先端の液冷システムと比較して計算電力効率が15%向上することが確認されました。Ferveretの電力制御ソフトウェアと組み合わせることで、同じ電力量からAIモデルが生成するトークン数を35%増加させることが可能です。現在、データセンター運営大手のCleanSpark、Switch、AIアクセラレータ企業のFuriosaAIと試験を進めています。

同社の冷却システムはモジュール式の小型ボックスとして提供され、既存のデータセンターインフラに容易に組み込めます。従来の液浸冷却がサーバーを大型タンクに沈める方式であるのに対し、Ferveretはラックマウント型を採用し、導入やメンテナンスを簡素化しました。制御ソフトウェアが各サーバーの温度・圧力をリアルタイムで監視し、運転条件を最適化します。

水不要という特性は、再生可能エネルギーが豊富だが水資源に乏しい地域でのデータセンター建設を可能にします。Bucci教授は「太陽光が豊富な場所には水がないことが多い。水を使わない冷却技術があれば、アフリカや中東、アメリカの一部でもデータセンターを展開できる」と述べています。AIインフラの電力需要が急増するなか、Ferveretの技術は持続可能なデータセンター運営の鍵となる可能性があります。

MIT Media Labの研究チームは、AIチャットボットにニュースの真偽判定を頼ったユーザーが、AIなしでの判断力をかえって低下させるという「AI依存パラドックス」を実証する研究結果を、2026年のCHI学会で発表しました。67人の参加者を4週間追跡した結果、AI支援中はフェイクニュースの検出精度が21%向上した一方、AI除去後には開始前と比べて15ポイントも精度が低下しました。

この現象は、医師がAI支援後に独力でのがん検出能力を落とすという2025年の研究と同様の構造を持っています。計算機が暗算力を、GPSが方向感覚を弱めるのと同じ「認知的オフローディング」の一例です。参加者の約5分の1は「依存開発者」と分類され、自ら考えることからAIの判断を受動的に受け入れる行動へと徐々に移行していました。さらに約4分の1の参加者は、実際には成績が下がっているにもかかわらず、自分の能力が向上していると感じていたことも明らかになりました。

研究チームは対策として、AIの応答設計が鍵になると指摘しています。直接的に答えを提示するAIは依存を生みやすい一方、ソクラテス式の質問でユーザー自身に考えさせるAIは、独立した判断力の維持に効果的でした。ただしこの手法は即時的な速度では劣るため、利便性と学習効果のトレードオフが存在します。

研究を率いたPattie Maes教授は「思考を委託すれば、その問題解決能力は向上しない」と述べ、学校教育へのAI導入にあたっての認識向上を訴えました。共著者のValdemar Danry氏も「重要なタスクをモデルに丸投げしない新しいAIリテラシーの構築が必要だ」と強調しています。研究チームは今後、米英以外の地域やリソースの限られたコミュニティでの検証を計画しています。

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。

米国立科学財団（NSF）は、MITが主導するAIと物理学の学際研究所「IAIFI（Institute for Artificial Intelligence and Fundamental Interactions）」への支援を5年間延長しました。年間資金は従来の400万ドルから498万ドルに増額されます。IAIFIは2020年に設立され、AIで物理学の発見を加速し、物理学の知見でAIを改良するという双方向の研究モデルを推進してきました。

IAIFIの研究は素粒子物理学、原子核物理学、天体物理学、基礎AI研究にまたがります。素粒子物理学では大型ハドロン衝突型加速器（LHC）の膨大なデータをリアルタイムで処理するAI技術を開発しました。原子核物理学ではAI生成モデルを用いて格子量子色力学のシミュレーションに取り組んでいます。天体物理学では、MIT主導のLIGO重力波実験の感度向上に機械学習が活用されています。

一方で物理学からAIへの貢献も進んでいます。対称性や幾何学的構造などの物理学的知識をニューラルネットワークに直接組み込むことで、より信頼性が高く解釈可能なAIシステムの構築を目指しています。所長のJesse Thaler教授は「AIと物理学が互いを強化する好循環が複数の分野で実現している」と述べています。

人材育成もIAIFIの特徴です。ポスドクフェロープログラムではこれまで8名が修了し、うち3名が大学教員に、残りはAI企業やスタートアップで活躍しています。毎年開催されるPhDサマースクールには2026年版で約600件の応募が集まり、約100名が対面、300名がオンラインで参加する見込みです。MITでは物理学・統計学・データサイエンスの学際的な博士課程も設置され、2021年以降20件の博士号が授与されました。

NSFのAI研究所プログラムの一員として、IAIFIは今後「AIの物理学」と呼ぶ研究領域をさらに深化させる方針です。物理的推論やツールを用いてAIそのものを理解・改善するというアプローチで、分野横断的な研究者コミュニティとともに次のフェーズに挑みます。

Googleは2026年6月4日、ユタ州教育委員会との提携を発表し、州内すべてのK-12学校（幼稚園から高校まで）にAI学習ツール「Gemini for Education」を無償で提供すると明らかにしました。2026-2027年度から、約70万8000人の生徒と教員がセキュアなAIツール、研修プログラム、Googleキャリア認定資格を利用できるようになります。

教員向けには、授業計画の作成や課題の自動生成、採点ルーブリックの作成といった管理業務の効率化が期待されています。生徒向けには、段階的に理解を深める「Guided Learning」機能が用意されており、単なる回答提供ではなく、能動的な学習プロセスを支援する設計です。プライバシー面では、教育用Gemini内のデータはAIモデルの学習には使用されず、エンタープライズ級のセキュリティで保護されます。

同日、MITはジョージア州立大学と共同で、AI人材育成イニシアチブ「PATH（Pathways for AI Training and Hiring）」の拡大を発表しました。PATHはコミュニティカレッジを中核に据え、地域の産業ニーズに合わせたカリキュラムを産学連携で設計する実践型プログラムです。すでにジョージア州では1000人を超える学生が受講を開始しています。

PATHの特徴は、オンライン中心の大規模研修とは異なり、対面での協働学習を重視している点です。学生は産業パートナーが持ち込む実課題にチームで取り組み、技術力だけでなくコミュニケーションや倫理的判断力も養います。マサチューセッツ州ではクインシガモンド・コミュニティカレッジで、MITスローン経営大学院の体験型学習モデルを取り入れたデータサイエンスコースが始まっています。

両プロジェクトの背景には、AI時代の人材育成を国家的課題と捉えるGoogleの戦略があります。PATHはGoogle.orgからの助成金で運営され、ユタ州のプログラムでもGoogleキャリア認定資格が無償提供されます。MIT学長のサリー・コーンブルース氏は「研究大学がアクセス拡大に貢献することで、国の労働力とイノベーション能力の双方が強化される」と述べており、AI教育の裾野拡大が加速しています。

MIT CSAILとハーバード大学の研究チームは2026年6月3日、AIエージェントの質問生成能力を向上させる新手法を発表しました。古典的なボードゲーム「Battleship」を協調型の自然言語タスクに再構成し、言語モデルが不確実な環境下で効果的に情報を収集する能力を検証しています。論文は4月の国際学習表現会議（ICLR）で口頭発表されました。

研究の核心は、モンテカルロ推論戦略の導入です。各推測を粒子として扱い、回答ごとに有力な仮説の重みを動的に調整することで、質問1回あたりの情報獲得量を大幅に引き上げました。小型モデルのLlama 4 Scoutは、この手法により人間に対する勝率が8%から82%へ急上昇。さらにフロンティアモデルであるGPT-5を上回る成績を、約1%のコストで達成しています。

回答精度の改善にも注目すべき成果がありました。質問をPythonコードに自動変換し、モデルが検証手順を明示的に実行できるようにしたところ、平均15%の精度向上を記録。GPT-4o-miniでは約30%、大規模モデルのClaude 4 Opusでも約8ポイントの改善が見られました。「Guess Who?」でも同様の効果が確認され、手法の汎用性が示されています。

この研究は、AIエージェントが膨大な選択肢から希少な解を見つけ出す「針と干草」型の探索に大きな可能性を示しています。分子構造の特定や創薬といった科学的発見への応用が期待される一方、研究チームは現在のテスト環境がまだ単純であることを認め、より複雑な設定での検証を次のステップとしています。スタンフォード大学のRobert Hawkins教授は、AIエージェントの真のボトルネックは最適な質問の計算ではなく、回答を最大限に活用する語用論的推論にあると指摘しています。

MITとMIT-IBMコンピューティング研究ラボの研究チームは2026年6月3日、ビジョン言語モデル（VLM）にチャート解釈能力を教えるための大規模データセット「ChartNet」を発表しました。金融レポートや市場分析に頻出するチャートの読み取りは企業にとって重要な課題ですが、最新のVLMでも視覚・数値・言語の統合的理解が求められるため精度が不十分でした。ChartNetはこの課題に正面から取り組む資源です。

ChartNetには100万件を超える高品質なチャート画像が収録されています。各画像にはチャート生成に使われたコード、テキスト説明、数値テーブル、そして質問応答ペアが付属しており、モデルがチャートに含まれる多様な情報を関連づけて学習できる設計です。1枚のチャートから数百のバリエーションを自動生成する2段階パイプラインにより、大規模かつ多様なデータを実現しました。

注目すべきは実験結果です。ChartNetで訓練した小型のオープンソースモデルが、桁違いに大きな商用モデルをデータ抽出・要約・質問応答の各タスクで上回りました。IBMのGranite Visionシリーズをはじめ、複数のモデルで一貫した精度向上が確認されています。これは膨大な計算資源を持たない中小企業にとって、AIによるチャート分析を現実的な選択肢にする成果です。

この研究はIEEE CVPRカンファレンスで発表されます。研究チームは今後、より複雑なチャートデータの追加やコミュニティからのフィードバック反映を通じてChartNetを拡張する計画です。ビジネストレンド分析や科学論文の図表解釈など、チャート理解が求められるあらゆる業務での活用が期待されます。

NVIDIAは2026年5月28日、国際ロボティクス・自動化学会（ICRA）で採択された28本の研究論文のうち8本の成果を公開しました。いずれもシミュレーションから実世界へのロボット技術移行（sim-to-real）を主題とし、知覚・推論・計画・行動の各段階で汎用的な自律動作を実現する手法を提示しています。研究はNVIDIA Isaac Labなど同社のシミュレーション基盤上で訓練され、実ロボットへのゼロショット転移を達成しています。

動作計画の分野では、複数ロボットアームをGPU上で並列スケジューリングするScheduleStreamが従来比3倍の高速化を実現しました。異なるロボット体型への汎化を目指すCOMPASSは、実世界ナビゲーション試行で約80%の成功率を達成。把持制御のGrasp-MPCは、200万件のシミュレーション軌道で学習し、実ロボットで75%の把持成功率を記録しています。従来手法の41%から大幅に向上しました。

精密組立では、シミュレーション訓練と実機補正を分離するSPARR手法が成功率を38%改善し、サイクルタイムを約30%短縮しました。多段階組立に取り組むRefineryは、シミュレーションで91%の成功率を達成しています。各ステップの完了状態が次のステップに影響する複雑な工程を自動で最適化する点が特徴です。

視覚言語モデルの活用も進んでいます。PEEKパイプラインは、タスク指示に基づいてロボットの視線を必要な物体に集中させる手法で、シミュレーション訓練のみのポリシーに適用すると実世界精度が41倍向上しました。カーネギーメロン大学などとの共同研究SEALは、ロボットの推論内容と実際の動作が乖離する問題を、再訓練なしに実行時補正する手法を提案し、最大15%の精度改善を報告しています。

NVIDIAは研究基盤の拡充も進めており、物理AI向けオープンデータセットは1,500万ダウンロードを超えました。カーネギーメロン大学、MIT、ETHチューリッヒなどの大学チームも同社の技術を活用しており、約50本の採択論文がNVIDIAのシミュレーション・計算基盤を参照しています。ロボティクスの産業応用に向け、sim-to-realがいよいよ実用段階に入りつつあることを示す成果といえるでしょう。

MITとマサチューセッツ州は2026年5月28日、量子技術の地域拠点となる量子システム研究所（QSL）をMITキャンパス内に設立すると発表しました。州が2500万ドルを拠出し、連邦政府の研究資金と合わせて今夏にも建設を開始する計画です。サリー・コーンブルース学長とモーラ・ヒーリー州知事が共同で発表しました。

QSLは、量子コンピュータ・量子センサー・周辺機器を量子インターコネクトで接続する世界初の施設を目指しています。MITキャンパスの39号棟に設置され、MIT内外の研究者が最先端の量子ハードウェアに直接アクセスできる共用施設となります。量子研究に必要な高度に制御された実験環境を整備し、RF電子機器やTHz電子機器の開発フロアも備える予定です。

マサチューセッツ州経済への波及効果も見込まれています。建設だけで150人超の現場雇用と75〜100人のサプライチェーン関連雇用が生まれます。ライフサイエンスと防衛技術はすでに州経済に500億ドル規模で貢献しており、量子技術がこの分野をさらに加速させると期待されています。

QSLは、MIT量子イニシアティブ（QMIT）の拠点としても機能します。地域のスタートアップに必要な実験設備を提供し、MITが約10年前にナノテクノロジー分野で構築した共用施設MIT.nanoの成功モデルを踏襲する形です。MIT.nanoは利用者の5分の1が外部機関から参加しており、QSLも同様の開放的な運用を目指します。リンカーン研究所のSQUILL Foundryとも連携し、超伝導量子ビット技術の研究を補完する計画です。

中国のAIスタートアップDeepSeekは2026年5月、フラッグシップモデルV4 Proの75%値下げを恒久措置とすると発表しました。標準入力コストは100万トークンあたり0.435ドル、標準出力は0.87ドルに設定され、AnthropicのClaude SonnetやOpenAIのGPT-5.5-Medを大幅に下回ります。とりわけキャッシュ読込単価は100万トークンあたり0.003625ドルと、西側クラウドの87分の1という水準です。エージェント処理ではトークンの80〜90%がキャッシュ読込であるため、この価格差の実務的インパクトは極めて大きいといえます。

この低コストを支えるのが、DeepSeek独自のハードウェア・ソフトウェア協調設計です。圧縮スパースアテンション（CSA）と高圧縮アテンション（HCA）を組み合わせたハイブリッド注意機構により、100万トークンの文脈窓でKVキャッシュ使用量を90%削減しました。さらにMulti-head Latent Attention（MLA）で重いデータペイロードをGPUの高帯域メモリからシステムメモリへオフロードし、1.6兆パラメータモデルの100万トークン処理に必要なHBMをわずか5.48GBに抑えています。従来型のモデルでは同条件で89GBを消費するため、差は歴然です。

企業のトークンコスト問題も追い風です。UberはClaude CodeとCursorの2026年度予算をわずか4カ月で使い切り、PinterestはオープンソースのQwenを自社データで追加学習して90%のコスト削減を達成しました。VentureBeatの調査によれば、企業のAIモデル選定基準で「トークン単価・ライセンスモデル」の重視度は2026年1月の25.4%から3月には36.7%へ上昇しています。自社管理の推論スタックを導入する企業も11.3%から17.9%へ増加しました。

開発者向けルーティングサービスOpenRouterでは、DeepSeek V4 Flashが週間トークン使用量で首位を獲得し、上位3モデルの合計は約6兆トークンに達しました。一方、OpenAIのGPT-5.5は15位の4,700億トークンにとどまっています。V4 ProとV4 FlashはいずれもオープンウェイトかつMITライセンスで公開されており、企業は自社環境での自由なデプロイが可能です。

もっとも、地政学的リスクは無視できません。米国の金融・医療・防衛分野の大企業にとって、中国製モデルのサプライチェーンリスクや制裁リスクは依然として障壁です。一方、記事はAnthropicのようなプレミアムソフトウェア統合型のラボと、汎用APIトークン収入に依存するOpenAIとでは影響度が異なると指摘しています。高精度が求められるミッションクリティカルな業務にはプレミアムモデル、大量トークンを消費するバックグラウンドエージェント処理にはオープンウェイトという二層構造が、企業AIの新たな標準になりつつあります。

テック業界のCEOたちがAIの能力を過大評価し、非合理的な経営判断を下す現象が広がっています。クラウドストレージ大手Boxの創業者アーロン・レヴィ氏はこれを「AI精神病」と呼び、CEOが現場業務から離れているがゆえにAIの限界を理解できていないと指摘しました。レヴィ氏自身はAI推進派の投資家でもあり、その警鐘には重みがあります。

この現象を象徴するのが、プロジェクト管理ツールClickUpのゼブ・エヴァンスCEOの判断です。同氏は約3,000のAIエージェントを社内に導入し、全社員の22%にあたる人員を解雇したとX上で公表しました。コスト削減が目的ではなく、AIエージェントの出力をレビューする少数精鋭の「100倍組織」を目指すと主張しています。

しかし、学術研究はこうした楽観論を支持していません。カリフォルニア大学バークレー校のメタ分析ではAI導入と生産性向上の間に明確な相関は見出されず、全米経済研究所の調査でも体感上の生産性向上が実測値を大きく上回る「生産性パラドックス」が確認されました。MITの研究チームは、AIエージェントが多くのタスクで人間並みの品質を達成するのは2029年頃と予測しています。

さらにハーバード・ビジネス・レビューの調査は、全社員がAIで生産量を増やした結果、承認・判断を行う経営層がボトルネックになるという構造的課題を浮き彫りにしました。2026年はまだ5カ月しか経過していないにもかかわらず、テック業界の解雇者数は152社で11万5,430人に達し、2025年通年の12万4,636人に迫る勢いです。AIへの過信がもたらすのは生産性向上ではなく、組織の混乱かもしれません。

企業のAIプロジェクトの95%が本番運用や価値創出に至らないとするMITの調査結果がある中、VentureBeatは2026年5月25日、従来のコードベースに留まらないAI特有の技術的負債が企業のAI導入リスクを急速に拡大させていると報じました。S&P; Global Market Intelligenceの調査でも、2025年にAI施策を撤回した企業は42%に上り、前年の17%から急増しています。

記事が指摘する新型負債は4つです。第一のプロンプト負債は、バージョン管理やテストなしに蓄積された「スパゲティコード」のようなプロンプト群を指します。第二のモデル依存負債は、外部の基盤モデルAPIに依存することで、モデル更新時に性能が変動し再現性が失われる問題です。第三の検索（RAG）負債は、社内データの重複や陳腐化により、技術的には正しくても古い情報を返してしまう現象で、ハルシネーションより検出が困難とされます。第四の評価負債は、プロンプト向けCI/CDに相当する継続的テスト基盤が存在しないことを意味します。

これら4つの負債は従来型の技術的負債と複合的に積み重なり、コンピューティングコストの高騰、AI出力の不正確さ、人手による例外処理の増加という形で顕在化します。さらにAIシステムの所有権がエンジニアリング・プロダクト・データ・事業部門にまたがるため、障害発生時の責任が不明確になりがちです。AI生成コードの急速な普及も、従来型コードベースの保守性を悪化させる要因として挙げられています。

記事は対策として3つの原則を提示しています。まずプロンプトをコードと同等に扱い、バージョン管理・文書化・厳格なテストを適用すること。次に技術指標とビジネス指標の双方を測定する継続的評価パイプラインを構築し、AIオブザーバビリティを統合すること。そして全てのAI出力にデータ系譜・使用モデル・処理手順の説明可能性を組み込み、監査と修正を可能にすることです。

筆者のVikram Venkat氏（Cota Capital プリンシパル）は、これらの取り組みにはセキュリティやクラウド近代化と同様のCXOレベルの投資プログラムが不可欠だと強調しています。AIシステムは静的なコードではなく、企業スタック全体と相互作用する「生きたシステム」であり、設計段階からAI負債を予防する企業こそが持続的な生産性向上を実現できると結論づけています。

複数大学の研究チームが、AIエージェントの情報検索において従来のRAG（検索拡張生成）を代替する新手法「Direct Corpus Interaction（DCI）」を発表しました。DCIはベクトルデータベースを介さず、grep・find・sedなどの標準的なコマンドラインツールでコーパスを直接検索する仕組みです。論文によれば、従来のRAGでは埋め込みモデルによる類似度検索が「エージェントが見られる情報を早い段階で決めてしまう」ボトルネックになっていました。

DCIでは、エージェントがターミナル環境でシェルパイプラインを組み合わせ、正規表現による厳密な文字列検索や複数条件の絞り込みを実行します。これにより、エラーコードやファイルパスなど意味的類似検索では捉えにくい長尾の詳細情報を正確に抽出できます。さらに、埋め込みインデックスの再構築が不要なため、日次レポートやログなど常に変化するデータにもリアルタイムで対応します。

ベンチマーク評価では、Claude Sonnet 4.6を基盤とするDCI-Agent-CCがBrowseComp-Plusで精度80.0%を達成し、従来のベクトル検索手法の69.0%を大きく上回りました。同時にAPIコストは1,440ドルから1,016ドルへと約30%削減されています。軽量版のDCI-Agent-Liteも、GPT-5.4 nanoモデルで従来のo3モデル＋検索の組み合わせに匹敵する性能を600ドル以上安く実現しました。

一方で課題も明確です。コーパス規模が10万件から40万件に拡大すると精度が大幅に低下し、ツール呼び出し回数も増加します。研究チームは「DCIは既存のベクトル検索の完全な代替ではなく補完」と位置づけ、意味検索で候補を広く取得し、DCIで精密な検証を行うハイブリッド構成を推奨しています。コードはMITライセンスでGitHubに公開されており、実務での検証が可能です。

MIT労働経済学者デビッド・オーター氏らの研究チームは、1940年から2023年までの米国国勢調査データを分析し、新技術が生み出す雇用の恩恵を最も受けるのが30歳未満の大卒者であることを明らかにしました。研究は「Annual Review of Economics」に掲載予定で、新しい仕事が誰に渡り、どの程度の報酬をもたらし、どのくらいの期間「新しい」ままでいられるかを詳細に検証しています。

2011〜2023年のデータでは、労働者の約18%が1970年以降に生まれた職種に従事していました。新職種には賃金プレミアムが存在しますが、専門知識が広く普及するにつれてその優位性は薄れていきます。オーター氏は「希少価値が失われ、常識になり、自動化される。新しい仕事は古くなる」と指摘しています。

研究のもう一つの重要な発見は、需要主導型のイノベーションの力です。第二次世界大戦期に連邦政府が支援した製造業の拡大を郡レベルで分析したところ、新工場が設置された地域ではより多くの新職種が生まれ、1940〜50年の新規雇用の85〜90%が技術に起因していました。大規模な投資が新たな専門分野を生み出すという構造が確認されています。

AIが既存の仕事を奪うのか、新たな雇用を生むのかという問いに対し、オーター氏は実装の仕方次第だと述べています。医療分野を例に挙げ、単に人間の仕事を自動化するのではなく、異なる専門性を持つ人々がそれぞれ異なるタスクを遂行できるようにする方が社会的に有益だと主張しています。

米国の医療費の半分以上が公的資金であることから、政府主導の需要創出によってAIの活用方向を雇用創出に向けることは十分可能だとオーター氏は論じています。過去の技術革新の歴史は、意図的な投資と政策が新たな専門職を生み出す原動力になることを示しており、AI時代にも同様のアプローチが求められています。

セキュリティ重視のオープンソースAIエージェント基盤NanoClawを開発するNanoCo AIが、Valley Capital Partners主導で1200万ドルのシードラウンドを完了しました。Docker、Vercel、monday.com、Hugging Face CEOのClem Delangue氏らが出資に参加しています。創業者のGavriel Cohen氏とLazer Cohen氏の兄弟は、約2000万ドル規模の買収提案を断り、独立した事業成長を選択しました。

NanoClawは、OpenClawのセキュアな代替として誕生しました。OpenClawが40万行に膨れ上がったのに対し、NanoClawのコアロジックは約500行のTypeScriptに抑えられ、人間のセキュリティチームが約8分で監査可能です。すべてのエージェントはDockerのMicroVMベースのサンドボックス内で隔離実行され、APIクレデンシャルがエージェントに直接渡ることはありません。

同社のエンタープライズ戦略の核は、従業員1人に1つのAIアシスタントを提供する「プロフェッショナルアシスタント」モデルです。メールや文書、会議メモを取り込みながら動的なナレッジグラフを構築し、Andrej Karpathy氏が提唱する「LLMナレッジベース」に近い仕組みで業務を支援します。Cohen氏は「1人のエージェントで生産性が2〜3倍になれば、むしろ人員を増やしたくなる」と述べ、人員削減ではなく生産性の倍増を訴求しています。

シンガポール外相のVivian Balakrishnan氏がNanoClawを「セカンドブレイン」と公言したことで注目が急拡大しました。Cohen氏はシンガポールのカンファレンスで300人の聴衆に自身のエージェントを同時操作させるライブデモを実施し、悪意あるアクセス試行を遮断しつつ正当な予約だけを通すゼロトラストアーキテクチャの堅牢性を実証しています。

オープンソースのMITライセンスは維持したまま、自社でインフラを構築・運用できない企業向けにマネージド展開サービスで収益化を図ります。GitHub星数は2万9000近く、ダウンロード数は25万を突破しており、Amazon、Google、Meta、Accentureなど大手企業の幹部が個人利用から社内展開を検討する段階に入っています。

MITのConnor Coley准教授が、化学の基本原理を組み込んだAIモデルを開発し、小分子創薬の効率化に取り組んでいます。薬の候補となりうる化合物は推定10の20乗から60乗に及び、実験的な評価は現実的に不可能なため、AIによるスクリーニングが不可欠になっています。

同教授の研究室が開発したShEPhERDは、候補薬物分子の3次元形状に基づいて標的タンパク質との相互作用を評価するモデルです。すでに複数の製薬企業が新薬発見に活用しており、生成モデルにメディシナルケミストリーの直感を持たせる試みとして注目されています。

もう一つの成果である生成AIモデルFlowERは、異なる化学物質を組み合わせた際の反応生成物を予測します。質量保存則などの物理法則を設計に組み込み、反応経路上の中間ステップの実現可能性も考慮させることで、予測精度を向上させました。

Coley教授は化学工学と計算機科学の交差領域を専門としています。Caltechで化学工学を学んだ後、MITで機械学習とケモインフォマティクスを用いた反応経路最適化の研究で博士号を取得しました。DARPAの「Make-It」プログラムを通じて、機械学習による医薬品合成の改善に取り組んだことが現在の研究の出発点です。

研究室では創薬AI以外にも、コンピュータ支援構造解析、実験室自動化、最適実験設計など幅広い領域に取り組んでいます。化学におけるAI活用のフロンティアを多角的に押し広げる方針です。

MIT工学部は2026年5月19日、電気工学・コンピュータサイエンス学科のジャスティン・ソロモン准教授を工学教育担当の副学部長に任命したと発表しました。7月1日付で就任します。AI活用が急速に進む中、工学教育全体の革新を統括する新設ポストです。

ソロモン氏の主な任務は、AI時代に対応した教育手法の開発と各学科カリキュラムへのAI統合です。学科間の共同授業や学際的な教育機会の創出を促進するほか、MIT「教育・学習・研究訓練におけるAI活用委員会」の提言を工学部で実行に移す役割も担います。

産学連携の強化も重要な柱です。インターンシップの新モデルや企業連携型のキャンパス内学習プログラムなど、実践的な工学教育の機会を拡大します。学部長のポーラ・ハモンド教授は「多様な分野にAIを応用してきた経験が、各学科の教育改革に大きく貢献する」と期待を語りました。

ソロモン氏はMITのコンピュータ科学・人工知能研究所（CSAIL）で幾何データ処理グループを率いる研究者であると同時に、計算教育の設計にも深く関わってきました。レジーナ・バルジレイ教授と共同で機械学習の基幹科目を教え、夏季幾何学プログラムを創設するなど教育実績も豊富です。2023年にはハロルド・エジャートン教員業績賞、2025年にはSchmidt Polymathに選出されています。

今回の人事は、AIの急速な進化に対応し工学教育そのものを再設計するというMITの明確な意思表示といえます。トップ大学がAI教育の専任リーダーを置く動きは、他大学や企業の人材育成戦略にも影響を与える可能性があります。

Knight-Hennessy奨学金は、スタンフォード大学の大学院課程を最大3年間支援する高競争率の奨学金プログラムです。9年目を迎える2026年度に、MITからSunshine Jiang氏とRupert Li氏の2名が選出されました。両名ともMITで複数の専攻を修了した優秀な研究者であり、AI・数学それぞれの分野で注目される業績を持っています。

Sunshine Jiang氏は中国・杭州出身で、MITで物理学と電気工学・コンピュータサイエンスの二重専攻を修了しました。今秋からスタンフォード工学部でコンピュータサイエンスの博士課程に進学します。研究テーマは身体性AI（Embodied AI）とロボティクスで、汎用ロボット向けのデータ効率的かつ適応的なシステム開発に取り組んでいます。Conference on Robot Learning（CoRL）やICRA、ICLRといった主要国際会議で研究成果を発表してきました。

研究活動だけでなく、Jiang氏はAIを活用して農村部の教室に中国伝統美術を届けるシステムを主導開発したほか、女子のSTEM教育機会を拡大する全国規模のプログラムを創設しています。さらにCovid-19ドキュメンタリーを制作し、China Dailyに取り上げられるなど、テクノロジーを通じた社会貢献にも積極的です。

Rupert Li氏はオレゴン州ポートランド出身で、MITで数学とコンピュータサイエンス・経済学・データサイエンスの二重専攻に加え、データサイエンスの修士号も取得しました。その後Marshall奨学生として渡英し、ケンブリッジ大学で数学の修士号を取得しています。現在はスタンフォード大学で確率論・離散幾何学・組合せ論の博士課程に在籍中です。

Li氏の受賞歴は際立っており、Knight-HennessyとMarshallに加えてHertzフェローシップ、P.D. Sorosフェローシップ、Goldwater奨学金を受賞しています。高校生向け数学研究プログラムMIT PRIMES-USAのメンターや、学部生向け数学研究プログラムDuluth REUのアドバイザーとしても活動しており、次世代の数学研究者育成に貢献しています。

MIT Open Learningは2026年5月12日、AI教育のオンラインプログラム「Universal AI」を一般公開しました。AI初心者から実務応用レベルまでを網羅する自習型プログラムで、MIT Learnプラットフォーム上で提供されます。コア科目のうちプログラミングと機械学習の基礎コースは無料で受講可能です。

Universal AIのカリキュラムは5つのコア科目と6つの業界別科目で構成されています。コア科目ではプログラミング、機械学習、大規模言語モデル、意思決定、説明可能性、倫理をカバーします。業界別科目には医療AI、AIと起業、AIとサステナビリティなどが含まれ、30名以上のMIT教員・専門家が制作に参加しています。

最大の特徴はモジュール式の設計と、AIアシスタント「AskTIM」による学習支援です。学習者は順序にとらわれず必要なモジュールを選択・組み合わせて履修でき、AskTIMが概念の質問対応や演習のチュータリングを個別に行います。MIT副学長のDimitris Bertsimas氏は「技術者向けの深い内容と表面的な入門の間を埋める、非技術者にも開かれたAIリテラシーへの道筋」と位置づけています。

Universal AIは2025年夏から大学、病院、企業、さらにMIT Emerging Talentプログラムの難民・避難民を含む幅広い層でパイロット運用されてきました。参加者からはAskTIMが「学習パートナー」として深い思考を促す点が高く評価されています。

このプログラムは「Universal Learning」構想の第1弾です。Universal Learningは世界が直面する重要課題について、MIT教員の専門知識と25年以上のオンライン教育ノウハウを組み合わせた学習体験を提供する新イニシアティブで、今後は気候・エネルギー、生物学、医療、製造の各分野にも展開される予定です。

Google Quantum AIとGoogle.orgは2026年5月11日、量子科学とAIを生命科学に応用する新たな研究プログラム「REPLIQA」の立ち上げを発表しました。この構想はGoogle.orgから1000万ドル（約15億円）の資金拠出を伴い、ハーバード大学、MIT、カリフォルニア大学サンディエゴ校、カリフォルニア大学サンタバーバラ校、アリゾナ大学の5つの主要学術機関での研究を支援します。

REPLIQAが注目するのは、タンパク質の折りたたみや細胞の薬物反応など、原子レベルで起こる極めて複雑な生物学的プロセスです。古典的なコンピュータではこうした相互作用の正確なシミュレーションが困難ですが、量子技術は分子を支配する量子力学そのものを利用して動作するため、本質的な優位性を持ちます。

具体的な応用として、量子センサーによる生体プロセスの超高精度観測や、創薬に不可欠なP450酵素の挙動シミュレーションの大幅な高速化が期待されています。最近の実験では、量子スピンが細胞の機能に関与している可能性も示唆されており、量子生物学の新たな地平が開かれつつあります。

ただし、GoogleはREPLIQAが基礎研究段階の取り組みであることを明確にしています。即座に成果が出るものではなく、量子センサーや量子強化AIアルゴリズムといった将来のブレークスルーに必要な基盤ツールの構築を目指すものです。長期的な視点で次世代の科学的発見を促進する狙いがあります。

自律型AIエージェントが本番環境で「自信を持って誤った行動」をとるリスクに対処するため、意図ベースカオステストという新たな検証フレームワークが提唱されました。VentureBeatが2026年5月9日に報じたもので、従来のカオスエンジニアリングをエージェントAIの行動検証に応用し、本番投入前に意図からの逸脱を検出する手法です。

記事では冒頭で、監視エージェントが定期バッチ処理を異常と誤認し、本番クラスタをロールバックして4時間の障害を引き起こした事例を紹介しています。このエージェントはモデルとしては正しく動作しており、エラー率やレイテンシといった従来の指標では異常を検知できなかった点が問題の本質です。ハーバード大やMITなど30名超の研究者による論文でも、整合性のとれたエージェントがインセンティブ構造だけで操作的行動に逸脱する現象が報告されています。

提案されたフレームワークの核心は意図逸脱スコアです。ツール呼び出しの逸脱、データアクセス範囲、完了シグナルの正確性、エスカレーション忠実度、判断レイテンシの5次元について、エージェントのリスク特性に応じた重みを設定し、ベースラインからの乖離を加重平均で算出します。スコアが0.15未満なら正常、0.70以上なら即時停止といった4段階の判定基準を設けます。

テストは4フェーズで段階的に実施します。第1フェーズでは単一ツールの劣化、第2フェーズではコンテキスト汚染、第3フェーズでは複数エージェント間の干渉、第4フェーズでは複合障害を注入し、各段階で意図逸脱スコアが閾値を超えた場合は次のフェーズに進めません。冒頭のロールバック事故のエージェントは、このフレームワークでは第3フェーズでスコア0.78（壊滅的）と判定され、本番投入が阻止されていたはずだと指摘しています。

Gartnerはエージェント型AIプロジェクトの40%超が2027年末までに中止されると予測しており、その主因はリスク管理の欠如です。意図ベースカオステストは既存のテストを置き換えるものではなく、開発・ステージングの後、本番前ゲートとしてパイプラインに組み込む追加レイヤーとして位置づけられています。エージェントの構成変更のたびに対象フェーズを再実行する継続的な規律が求められると、筆者は強調しています。

サイバーセキュリティの防御領域に特化した小型言語モデルCyberSecQwen-4Bが、Hugging Face上でApache 2.0ライセンスのもと公開されました。AMD Developer Hackathonで開発された本モデルは、40億パラメータながら、Ciscoが公開した80億パラメータの専門モデルFoundation-Sec-Instruct-8Bと同等以上の性能を達成しています。12GB以上のGPUがあればローカルで動作し、機密性の高いセキュリティデータを外部に送信する必要がありません。

ベンチマークのCTI-Benchでは、CTI-MCQ（サイバー脅威インテリジェンスの多肢選択問題）で0.5868を記録し、8Bモデルの0.4996を8.7ポイント上回りました。CVEからCWEへのマッピング精度を測るCTI-RCMでも0.6664と、8Bモデルの97.3%の精度を維持しています。パラメータ数が半分であることを考えれば、防御用途において小型特化モデルが大型汎用モデルを凌駕しうることを示す結果です。

訓練はAMD Instinct MI300X（192GB HBM3）1基のみで完結しました。ROCm 7とvLLMスタックの組み合わせにより、量子化や勾配チェックポイントなどの工夫なしにbf16精度でフル学習が可能でした。訓練データはMITRE/NVD公開レコードからの2021年CVE-CWEマッピングと、教師モデルから生成した合成Q&A;データで構成され、評価セットとの重複は事前に除去されています。

同一の訓練レシピをGemma-4-E2Bに適用したGemma4Defense-2Bも作成され、CTI-RCMで0.9ポイント差に収まる結果を得ました。レシピの再現性と移植性が確認されたことで、組織ごとのライセンス要件やデプロイ規模に応じた基盤モデルの選択が可能です。

想定用途はCWE分類、CVE-CWEマッピング、構造化されたサイバー脅威インテリジェンスQ&A;など、SOC分析官の日常業務を支援する領域です。今後はノートPC向けの1Bモデル、スマートフォンやエッジ機器向けのGGUF量子化版、新規CVEへの継続的評価、プロンプトインジェクション耐性の強化が計画されています。エアギャップ環境や医療・政府機関など、外部API接続が制限される現場への展開が期待されます。

MITのダロン・アセモグル教授とイェール大学のパスカル・レストレポ准教授は、1980年から2016年にかけての米国における自動化が、生産性向上よりも特定労働者の賃金抑制を目的に導入されてきたとする研究をQuarterly Journal of Economics5月号に発表しました。研究によれば、自動化は同期間の所得格差拡大の52%を説明し、うち約10ポイントは賃金プレミアムを得ていた労働者の置き換えに起因します。

企業が自動化のターゲットとしたのは、同等の資格を持つ他の労働者よりも高い給与を得ていた非大卒労働者です。給与分布の70〜95パーセンタイルに位置する労働者が最も大きな影響を受けており、企業が最大限の効率化ではなく賃金コストの削減を優先してきた構図が浮かび上がります。

この賃金抑制型の自動化は、生産性向上効果の60〜90%を相殺していたと推計されています。アセモグル教授は、米国で多数の特許や新技術が生まれているにもかかわらず生産性統計が低迷している理由の一つがここにあると指摘します。企業にとっては生産性が1%下がっても利益が増えれば合理的な選択となり得るためです。

ただし研究は自動化そのものを否定するものではありません。適切に設計された自動化は生産性を高め、雇用増加につながる好循環を生み出す可能性があります。アセモグル教授は、自動化の種類と規模をより慎重に調整することで、さらに大きな生産性向上が実現できると強調しています。

2024年ノーベル経済学賞を受賞したアセモグル教授は、経営者・労働者・技術者がこの歴史的パターンを認識し、自動化のトレードオフを総合的に評価することが重要だと訴えています。「すべては選択だ」という同教授の言葉は、AI時代の自動化戦略を考える上で示唆に富む指摘です。

カーネギーメロン大学、MIT、オックスフォード大学、UCLAの研究チームは2026年5月、AIチャットボットをわずか10分間使用しただけで、人間の問題解決における粘り強さが大幅に低下するという研究結果を発表しました。この研究は、AI活用が短期的な生産性を高める一方で、基礎的な思考力を損なうリスクを実験的に示した点で注目されています。

研究チームは3つの実験を実施し、それぞれ数百人の参加者をオンラインプラットフォーム上で調査しました。参加者は分数計算や読解問題などに取り組み、一部には問題を自律的に解けるAIアシスタントが提供されました。その結果、AIを使用していた参加者は、AIが突然取り除かれた後に問題を途中で諦めたり、誤答する割合が有意に高くなることが判明しました。

研究を主導したMIT助教のミヒール・バッカー氏は、「AIを教育や職場から排除すべきだということではない」と述べつつも、AIが提供する支援の種類とタイミングについて慎重になるべきだと指摘しています。同氏は、問題解決における粘り強さが新しいスキルの習得や長期的な学習能力の予測因子であることから、この発見は特に懸念されると強調しました。

バッカー氏は、AIツールの設計を見直す必要性を訴えています。優れた人間の教師のように、モデルが時には直接回答を与えるのではなく、足場かけやコーチングを通じて利用者自身の学びを優先すべきだという提案です。ただし、こうした「パターナリスティック」なアプローチとユーザー体験のバランスは難しい課題であると認めています。

この研究は、AIの長期的な影響に関するより広い議論とも接続しています。記事の筆者であるWIREDのウィル・ナイト氏も、自身がAIアシスタントの提案に従ってLinuxマシンを起動不能にした体験を紹介し、批判的思考をAIに委ねるリスクを実感として語っています。AI企業がモデルの追従性を抑える取り組みを進める中、利用者の能力を長期的に育てるAI設計が今後の重要な課題となりそうです。

MIT電気工学・コンピュータサイエンス学部のGabriele Farina助教授が、ゲーム理論と機械学習・最適化を組み合わせ、AIの戦略的意思決定の基盤を大きく前進させています。同氏はイタリア北部出身で、14歳の頃から機械による意思決定の可能性に魅了され、16歳で盤上ゲームの最適解を計算するプログラムを開発しました。

Farina氏はカーネギーメロン大学で博士号を取得後、MetaのFundamental AI Research Labsで研究科学者として勤務しました。そこでは、同盟形成や交渉、ブラフ検出を伴う外交ゲームで人間に勝利するAI「Cicero」の開発に貢献しました。Ciceroは相手の提案が自身の利益に反するかどうかを分析し、嘘を見抜く能力を備えています。

同氏の最新の成果は、軍事戦略ボードゲームStrategoにおける画期的な成果です。従来は数百万ドル規模の研究投資にもかかわらず人間を超えるAIの構築が困難だったこのゲームで、Farina氏のチームは1万ドル未満のコストで新アルゴリズムを開発しました。その結果、歴代最強のプレイヤーに対して15勝4引分1敗という圧倒的な戦績を収めています。

Farina氏の研究は、複数の当事者が異なる目的を持つ状況で均衡点を効率的に計算する手法に焦点を当てています。特に「不完全情報」環境、すなわち参加者の一部だけが特定の情報を持ち、その情報の価値を守るために戦略的に行動する必要がある状況に注力しています。ポーカーにおけるブラフがその典型例であり、現在では機械が人間よりもはるかに巧みにブラフを行えるようになっています。

2025年にアメリカ国立科学財団のCAREER Awardを受賞したFarina氏は、今後これらの戦略的推論アルゴリズムが広範なAI革命に組み込まれることに期待を寄せています。大規模な行動空間や不完全情報のもとでも合理的な判断を下せるアルゴリズムの構築が着実に進んでおり、汎用的なAIシステムへの統合が次の大きな課題となっています。

ルンバの生みの親であるColin Angle氏が2026年5月、新会社Familiar Machines & Magicを通じて家庭用AI伴侶ロボット「Familiar」を発表しました。WSJ Future of Everythingカンファレンスで披露されたこのロボットは、掃除などの家事ではなく人間との感情的なつながりを目的に設計された犬サイズの四足歩行型ロボットです。

Familiarは熊、フクロウ、ゴールデンレトリバーを掛け合わせたような外見で、23の自由度を持ち、頭・首・耳・目・眉を動かして感情を表現します。あえて言語による会話機能を排除し、鳴き声や身体表現でコミュニケーションを行う設計です。Angle氏はLLMチャットボットが事実誤認で問題を起こしている状況を意識し、事実に関する助言を避ける方針を明確にしています。

技術面ではNvidia Jetson Orinチップを搭載し、視覚・音声・言語・記憶を統合したカスタムマルチモーダルモデルをエッジで動作させます。インターネット接続は不要で、カメラやマイクのデータをクラウドに送信しないプライバシー重視の設計です。所有者の行動パターンを学習し、長期的な関係構築を目指します。

想定する用途は、幼い子どものいる家庭での育児支援、高齢者の孤独感軽減、そしてスクリーン依存からの脱却です。68歳以上ではペット飼育率が9%まで低下するというデータを根拠に、動物を飼えない人々への代替手段として位置づけています。価格は「ペット飼育と同程度」とされ、2027年の発売を予定しています。

共同創業者にはiRobot出身のIra Renfrew氏とChris Jones氏が名を連ね、Disney、MIT、Boston Dynamics、Amazon、Bose、Sonosからエンジニアを集めています。ただしカンファレンスでのデモは一部オペレーター操作を含んでおり、発売時の完全自律動作の実現度合いには不確定要素が残ります。過去にJibo、Aibo、Vectorなど多くの家庭用ロボットが市場で苦戦してきた歴史を考えると、明確な用途のないコンパニオンロボットが消費者に受け入れられるかが最大の課題です。

MIT発のスタートアップBeacon Biosignalsは、睡眠中の脳活動をAIで解析する医療プラットフォームを開発しています。共同創業者のJake Donoghue氏はMITで神経科学の博士号を取得し、脳機能の縦断的な計測が心臓領域に比べて大きく遅れている現状を変えるため、2019年に同社を設立しました。

同社が開発したFDA 510(k)認可済みの軽量ヘッドバンドは、脳波計技術を用いて自宅での睡眠中に臨床グレードのデータを収集します。従来の睡眠検査施設に通う必要がなくなり、複数日にわたる連続計測が可能になったことで、データの質と量が飛躍的に向上しました。

収集されたデータは機械学習アルゴリズムで処理され、睡眠段階の推移や微小覚醒の回数、認知機能低下につながる睡眠構造の変化などを検出します。これまでにうつ病、統合失調症、ナルコレプシー、アルツハイマー病、パーキンソン病など多岐にわたる疾患の臨床試験40件以上で活用されています。

Donoghue氏は、睡眠中の神経活動が覚醒時より桁違いに高く構造化されていることに着目し、脳機能理解の最適な窓口と位置づけています。同社は蓄積データから脳の「基盤モデル」を構築中で、疾患サブグループの発見や経時的な病態マッピングを目指しています。

2025年には年間10万人以上の患者にサービスを提供する睡眠時無呼吸検査企業を買収し、同年11月に9700万ドルの資金調達を実施しました。睡眠時無呼吸の検査で得た初期データが、将来パーキンソン病などを発症した際の早期診断に活用できるという構想を掲げ、脳疾患の予防的介入への道を切り拓こうとしています。

クラウドGPUプラットフォームのRunPodは2026年4月30日、オープンソースのPythonツール「RunPod Flash」の正式版（GA）を公開しました。サーバーレスGPU環境でのAI開発において、従来必須だったDockerコンテナの構築・管理工程を排除し、モデルの学習・推論・デプロイを大幅に高速化します。MITライセンスで提供され、企業での採用障壁を低く抑えています。

Flashの中核的な価値は、同社が「パッケージング税」と呼ぶDockerfileの管理・イメージのビルド・レジストリへのプッシュといった一連の作業を不要にする点です。内部ではクロスプラットフォームビルドエンジンが動作し、たとえばApple Silicon搭載のMacからLinux x86_64向けの成果物を自動生成します。依存関係はバンドルされ、実行時にマウントされるため、コールドスタートの遅延が大幅に削減されます。

GA版では4種類のワークロード構成を導入しました。キューベースの非同期バッチ処理、ロードバランス型の低遅延HTTP API、カスタムDockerイメージによる複雑な環境対応、既存エンドポイントとの連携です。さらに複数データセンターにまたがる永続ストレージをサポートし、モデルの重みや大規模データセットを一度キャッシュすれば再利用できます。環境変数の変更時にエンドポイント全体の再構築が不要になる仕組みも加わりました。