AI・テクノロジー AIに「非常停止ボタン」は付けられるのか——カリフォルニア州のキルスイッチ検討 2026年9月18日、ニューサム加州知事がAIの緊急停止装置（キルスイッチ）義務化を検討する行政命令に署名した。2年前に自ら拒否したSB 1047の論点への回帰で、提言期限は11月16日。工場の非常停止ボタンとの決定的な違いを整理する。
AI・テクノロジー Manticの未来予測AI：人間を超える予測システムの仕組みと限界 ロンドン発のAIスタートアップManticが「人間676人に勝利」と自社発表し25Mドルを調達。判断的予測の技術的仕組みと、大会スコアが実世界の意思決定価値に直結しない理由を検証する。
AI・テクノロジー ワールドモデル・スタートアップの「暗黒森林」戦略——なぜAMI LabsやWorld Labsは巨額資金を得ながら沈黙を守るのか？ 10億ドル超の資金を集めながら製品内容を一切明かさないAMI LabsやWorld Labs。彼らが沈黙を守る背景には、ビッグテックの猛追を警戒する「暗黒森林理論」的なゲーム理論が存在した。空間知能の最前線とAI業界の力学を徹底解説。
AI・テクノロジー LLMが書いたコードに「数学的な安全証明」を付ける——MAGSが挑む形式検証の自動化 はじめに——「動いた」と「安全だ」は別物である LLMコーディングエージェントが生成するコードの量は急速に増えている。だが、生成されたコードには既定では安全性や正しさの保証が一切ない。これが、ここで扱う研究の出発点である。 開発者の負担は「書くこと」から「検証して直すこと」へと移りつつある。大規模調査でも、AI支援によるコーディングでは人間のレビューが新たなボトルネックになることが示されている（Liang et al. 2024）。生成は速くなったのに、その出力が本当に安全かを確かめる工程は人間の手作業のままだ、というねじれが生じている。 テストに全部通ったコードは、本当に安全なのか この記事の核心的な問いは、シンプルである。テストに全部通ったコードは、本当に安全と言えるのか？ 答えは「言えない」。テストが確かめられるのは、実際に試した入力の範囲でしかない。スイートが試していない入力で安全性やセキュリティ上の性質が破られる可能性は、テストを何回通しても消えない。ましてや、テスト自体をエージェントが生成するようになれば、開発時に見落としたエッジケースは自動生成されたテストでも
AI・テクノロジー ゲーム開発者の85.8%が生成AIを活用——CESA初調査が示す著作権の壁 CESAが2026年9月17日発刊の「ゲーム産業レポート2026 プレビュー版」で、ゲーム開発者の85.8%が生成AIを業務活用していることが判明。期待は業務効率化に集中する一方、最大の課題は著作権・知的財産権だった。
AI・テクノロジー FAAが8億7500万ドル投じる航空管制AI「SMART」——空の自動化ではない 米連邦航空局が12年8億7500万ドルを投じるAIシステム「SMART」を2026年秋に稼働させる。だがこれは管制の自動化ではない。航空会社・運航者・FAAが別々のデータで計画を立てていた断絶を埋め、出発前に一枚の共有画面を作る「計画レイヤー」だ。
AI・テクノロジー メモリの壁の「もう半分」を壊す——35B MoEをSSDからストリーミングするEdge0と学習済みルーティング予測 はじめに：MoE推論の「メモリの壁」はどこにあるのか 「メモリの壁（memory wall）」という言葉は、1995年にWulfとMcKeeが「プロセッサの進歩に対してメモリの速度と帯域が追いつかない」という構造的な乖離を名付けたものだ。それから30年、AI推論の現場では同じ壁が別の姿で立ちはだかっている。原因は、計算そのものではなくデータの運搬にある。 大規模言語モデルのデコード（1トークンずつ生成する処理）は、極端に低い演算強度を持つ。重みを1バイト読み出す間に、数回の浮動小数点演算しかしない。つまりボトルネックは計算量（FLOPs）ではなく、メモリから運ばなければならないバイト数——すなわち容量と帯域である。 推論時にメモリへ載るデータは、性質の異なる2種類に分かれる。 * 状態（KVキャッシュ）：生成のたびに伸びていく動的な部分。MLA（Multi-head Latent Attention）、スパースアテンション、線形状態モデル（Mamba系）といった手法で圧縮が進み、「攻められた半分」になりつつある。 * 重み：学習が終わった瞬間に固定される静的な部分。数十GB
AI・テクノロジー AI時代のWeb広告戦略とAIO・GEO対応は何をすればいい？ 生成AI検索時代のWeb広告は、AI Overviews内広告とGEOのハイブリッドが核心。公式仕様とKDD 2024論文に基づき、機械可読性と計測を含む実践ロードマップを解説します。
AI・テクノロジー 1.58ビットの壁を破る——三値LLM「BITCOS」が零点スパース性で変える推論の経済学 はじめに：1.58ビットという「当たり前」は本当に最適なのか 三値LLMとは、ニューラルネットワークの重みを −1・0・+1 の3つの値だけで表現するモデルです。−1と+1が正負の符号を、0が「その重みは寄与しない」ことを担います。3つの記号を区別するには理論上 log₂3 ≈ 1.585 ビットあれば足りるため、こうしたモデルは総称して「1.58ビットモデル」と呼ばれてきました。この呼称を広めたのが、三値重みでも大規模モデルがフル精度に匹敵する性能を保てることを示したBitNet b1.58です。以来1.585ビットという数字は、三値LLMの到達点として、ある種の「当たり前」になっています。 しかし、これは理論上の下限であって、実際に配備されている形式の効率ではありません。現在の標準的な保存方法は、5つの三値を1バイトに詰める方式です。3⁵ = 243 ≤ 256 ですから理屈の上では 8 ÷ 5 = 1.6 ビットで収まりますが、
AI・テクノロジー 富士通の国産CPU「FUJITSU-MONAKA」11月発売——2nm3D積層とCPU推論の現実解 富士通が2026年11月、国産次世代CPU「FUJITSU-MONAKA」と搭載サーバの販売を開始。2nmと5nmを組み合わせた世界初の3D積層構造、最大3.8GHz、AI推論で他社CPU比2倍というスペックの中身と、その裏にある「ソブリンAI」と3兆円構想を読み解きます。
AI・テクノロジー ZGCM-1-7B 完全解説——「小さなモデルは、外へ探しに行く」256Kコンテキストと数学推論を両立した全公開基盤モデル 中関村アカデミーが公開したZGCM-1-7Bは、7.39Bのdense型で256Kコンテキストと数学・エージェント検索性能を両立した完全オープンな基盤モデルです。ハイブリッド注意によるKVキャッシュ6.4分の1削減、FP8・Muon・TWEOで約4.2倍の学習効率、MDP中訓練、think/no-think共存SFTを、数値と限界まで含めて解説します。
AI・テクノロジー 中国が世界初のAI×BCI標準を公布——規制対象は脳波データの品質だった 中国国家薬品監督管理局がYY/T 2029—2026を公布したことが2026年9月14日に伝えられた。AIアルゴリズムで脳波を処理するBCI医療機器としては世界初の標準だが、規制の対象はデバイスではなく学習データセットの品質だった。3月の世界初の侵襲型BCI承認から半年、中国が製品ではなくデータ層を先に固めた理由と、同じ3月に評価指標を出した日本との違いを読み解く。
AI・テクノロジー SLM（小規模言語モデル）をエッジデバイスで動かす：メリットと課題を一次情報で整理 SLM（小規模言語モデル）をエッジデバイスで動かすメリット（プライバシー・オフライン・低遅延・低コスト）と4つの課題を、Phi-3・Apple・Gemini Nano・学術サーベイの一次情報と具体的な測定条件で徹底解説。
AI・テクノロジー 東京を走る「無人タクシー」の衝撃：GO・Waymo・日本交通が描く2027年レベル4商用化と日本のモビリティ革命 2026年9月15日、GO・Waymo・日本交通が東京でのレベル4自動運転タクシー商用化で合意。2027年に100台規模で完全無人運行を開始する。115年の歴史を持つ日本のタクシー産業が迎える歴史的転換点と、技術アーキテクチャ、法制度、世界のロボタクシー覇権、雇用共存モデルを徹底解説。
AI・テクノロジー RISC-Vベクトル拡張で私のホームサーバーはどう変わる？——RVV 1.0対応チップが開く省電力セルフホスティングの現実解 はじめに 電気代の高騰が続くなか、ホームサーバーの運用費を見直している方は少なくないでしょう。24時間365日動かすサーバーでは、数ワットの差が年間の電気代に確実に響きます。かといってx86ミニPCは柔軟性が高いぶん消費電力が気になり、ラズパイに代表されるArmボードは成熟しているものの「第三の選択肢」を求める声も聞こえます。 そんな中、注目したいのがオープンなISA（命令セットアーキテクチャ）であるRISC-Vの動きです。とくに2026年時点では、ベクトル拡張「RVV 1.0」に対応したチップがついに実際に買える段階に入りました。SpacemiT K1搭載のBanana Pi BPI-F3など、ラズパイと同等の価格帯で入手できるシングルボードコンピュータが登場しています（価格はメモリ構成・販売店・為替で変動するため、購入時に公式販売ページで確認してください）。K1は8コアでCPU内に2.0 TOPSのAI演算力を統合し、単コア性能もCortex-A55の約1.3倍と公称されます。 さらにエコシステム側も変わりつつあります。Ubuntu 25.10では要求ISAプロファイルがRV
AI・テクノロジー BlueLM-GUI 解説——実機数百台を回す「フライホイール」でスマホGUIエージェントを自己改善させる仕組み はじめに：スマホを自分で操作するAIは、なぜ実用にならないのか GUIエージェントとは、スマートフォンの画面を画像として認識し、タップ・文字入力・スワイプといった操作を自分で実行して、ユーザーの指示を代わりに遂行するAIのことである。近年、その設計は大きく転換した。Planner（計画）・Executor（実行）・Reflector（反省）・Memory（記憶）を連結する「マルチモジュール型」から、知覚・グラウンディング（画面上の要素と座標の対応づけ）・計画・実行を単一モデルに内包させた「ネイティブ型」へと重心が移っている。 flowchart LR subgraph MM["マルチモジュール型"] P[Planner] -->|誤差伝播| E[Executor] E -->|誤差伝播| R[Reflector] R
AI・テクノロジー ARC-AGI 58.8%——ループ型モデルの「学習の壁」を破った Looped Flows とは：テスト時計算の新しい形 はじめに——「もっと考える」をモデルにどう教えるか 人間も機械も、難しい問題は「時間をかけて考える」ことで解きます。LLM の世界ではこの考え方をテスト時計算（test-time compute）と呼びます。モデルのパラメータを増やすのではなく、推論時にどれだけ計算を投じるかを増やして難しいタスクを解かせる、という潮流がここ数年で主流になりました。そして「計算を積む」ための代表的な方法が、思考を言語として外に出す Chain-of-Thought（CoT）です。ただし、言語に書き出す推論は1ステップあたりに運べる情報量、いわゆる帯域が限られるという指摘があります。 そこで補完的なアイデアとして注目されているのが、隠れ状態（hidden state）を繰り返し更新して計算を積み上げるという発想です。これが本記事の主役であるループ型モデル（looped models）です。同じパラメータのネットワークを何度も通し、そのたびに内部状態を少しずつ改善していくことで、パラメータ数を増やさずに「実効的な深さ」と計算量だけを伸ばせるのが特徴です。 本記事で扱うのは Ayhan Suleyman
AI・テクノロジー 2026年のローカルLLM・エッジAI最新トレンド：メモリ、NPU、ロボティクスをどう選ぶか 2026年のローカルLLM・エッジAIを、確認できる製品発表と実装事例から整理。ユニファイドメモリ、NPU、Jetson Thor、ブラウザ内AIの現状と、導入時に確認すべき条件を解説します。
AI・テクノロジー MetaのパーソナルAIエージェント「Muse」解体新書——専用VMと監視AI「Sentinel」が拓く自律代行の多層防御アーキテクチャ Metaが発表したパーソナルAIエージェント「Muse」。メール送信や買い物などWeb上の日常作業を自律代行する本作は、専用VMと独立監視AI「Sentinel」、代理トークン、eBPF汚染追跡による徹底した多層防御を備える。その革新的アーキテクチャとセキュリティの現実を徹底解説。
AI・テクノロジー Anthropic CEOが「AI開発を減速せよ」——アモデイ3段階プランと規制の虜批判 2026年9月12日、Anthropic CEOのダリオ・アモデイが「AIの能力向上のペースを遅くしなければならない」と題する長文エッセイを公開した。第三者評価者の常駐、民主主義国内での協調、中国を含むグローバル協調という3段階プランを提示し、第1段階は自社で一方的に実施すると宣言。Sam Altmanとイーロン・マスクが同調する一方、規制の虜だとの批判も噴出している。
AI・テクノロジー 自然言語だけでIMO金メダル——NVIDIA「Nemotron」オープン・レシピの全貌を読み解く 形式証明なしで金メダル——この論文が示したこと 大規模言語モデルによる数学オリンピック挑戦の歴史は、2026年9月9日に公開された論文「An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics」で新しい段階に入った。著者ら（NVIDIA）は、モデル「Nemotron 3 Ultra」を事後学習し、生成・検証・洗練を繰り返す推論パイプラインを組むことで、IMO 2026（国際数学オリンピック）で42点満点中30点を獲得したと報告する。金メダル閾値は29点であり、わずか1点だけ上回った水準——満点ではない点は正確に押さえておきたい。 何が意外か。このシステムは、Leanなどの形式証明器（formal prover）を一切使っていない。証明支援系に記号列として証明を書き下すのではなく、数学者が論文に書くのと同じ自然言語・数式混じりの文章で解答を書く。外部ツールもインターネット接続もなく、問題文（LaTeX）をそのまま読み、解答文を生成して提出する。利点は、記号化が難しい組み合わせ論や整数論といったアイデ
AI・テクノロジー フィジカルAI（Physical AI）とは何か？生成AIとの違い・開発フレームワーク・主要な研究事例を徹底解説 フィジカルAI（Physical AI）とは、現実世界の物理法則を考慮し、センサ認識と物理的動作を自律遂行することを目指す知能システムの研究構想です。生成AIとの構造的相違、NVIDIAが提唱する「3台のコンピュータ」開発モデル、主要な研究実証事例、実用化の課題までを客観的に解説します。
AI・テクノロジー 欧州初の完全無人ロボタクシー発進——中国製AIとEU「年1500台の壁」 2026年9月10日、クロアチアのザグレブで運転席に誰も座らないロボタクシーが乗客を乗せて公道を走り出しました。欧州初の完全無人運行を支えるのは中国Pony.aiのAIとBAIC製の車両、そしてRimac系スタートアップVerneとUberの座組みです。22kmの空港路線とEU型式認可「年1500台」の壁を整理します。
AI・テクノロジー UnitBoost：複合LLMシステムの「管理役」はLLMである必要があるのか——生成モデルを決定的なマージ演算子で置き換える はじめに：複数のLLMを束ねるシステムに潜む「見えない管理者」 複合LLMシステム（compound LLM system）とは、1回のモデル呼び出しで答えを出すのではなく、複数の呼び出しの結果を組み合わせて最終的な答えを組み立てる仕組みを指す。たとえば、検索した複数の文書を別々のワーカーに読ませて多段の質問に答えるRAGのマルチホップ質問応答、複数モデルの案を1つに統合するMixture-of-Agents、複数のエージェントに議論させて合意を取るマルチエージェント・ディベート、自分の出力を批評して書き直す自己改良ループなどがこれにあたる。いずれも「複数の案をどう1つに畳むか」という共通の問題を抱えている。 こうしたシステムには、必ず「管理者（manager）」がいる。管理者の仕事は次の3つの決定に整理できる。 決定 問い 具体例 統合（assembly） ワーカーの部分結果をどう最終出力にまとめるか 3つの候補からどの答えを採用するか 配分（allocation） 未解決の部分に次の呼び出しをどう割り当てるか 欠けている項目を誰に調べさせるか 停止（
AI・テクノロジー AI生成レシートが経費精算を壊す——見抜ける確率50.1%の現実 ChatGPT Images 2.5で作られたレシート画像が本物と見分けがつかないとして話題に。人間の判別正答率は50.1%というコイン投げ同然の調査もある。AI生成レシートが経費精算に突きつけた問題と、企業が打つべき対策を整理する。