CRYPTO & AI
無料で登録
AI

【9/9(水)~9/10(木)News Report】OpenAIがAIの破滅論で知られる研究者を理事に迎える / マサチューセッツ州がデータセンターに自前のクリーン電力を義務付け / 上位企業の従業員1人あたりAI支出が8月に約10%減など

主要ニュースまとめ

【9/9(水)~9/10(木)News Report】OpenAIがAIの破滅論で知られる研究者を理事に迎える / マサチューセッツ州がデータセンターに自前のクリーン電力を義務付け / 上位企業の従業員1人あたりAI支出が8月に約10%減など

おはようございます。
9/9(水)~9/10(木)の主要ニュースを紹介します。

Pickup News

OpenAI adds a prominent AI doomer to its board of directors

アラインメント研究者のPaul Christiano氏が、OpenAI Foundationの理事に就任しました。人間のフィードバックによる強化学習(RLHF)の開発に関わり、2021年にOpenAIを離れてAlignment Research Centerを設立した人物です。

TechCrunchによれば、本人はAI能力の急加速が近い将来に破滅的で不可逆な制御の喪失を招くリスクがあり、OpenAIを含む業界全体がそれを許容できる水準まで下げる軌道には乗っていない、と書いています。

報酬を最大化するよう強化学習でエージェントを訓練している現状が、人間の制御を掘り崩す動機になりうる、とも指摘しています。最も強い懸念を表明してきた側の研究者を、当のOpenAIが自社の財団の理事席に置いた形です。

Massachusetts hits data centers with new clean power rules

マサチューセッツ州のMaura Healey知事のexecutive orderで、ピーク需要25メガワット超のデータセンターは、電力を自前で確保しクリーン電源で賄うことが必須になりました。州の既存基準は2030年までに再エネで"at least 40%"ですが、データセンターには100%です。

自前で発電できない事業者は、近隣のクリーン電源の建設に資金を出すか、ratepayer protection fundに支払います。

TechCrunchによれば、8月にはTexasが新設データセンターに監査を課し、7月にはNew Yorkが50メガワット以上の建設を止めています。3か月で3州目です。要は、電力の奪い合いの調停役が州政府に移りつつあるということです。

AI spend per employee slumped at top firms in August — summer doldrums or a warning sign?

TechCrunchによれば、Rampの8月のデータで、AI利用の上位1%企業の従業員1人あたりAI支出が10%近く落ち、$7,205になりました。一方でAI製品に課金したRamp顧客は56%で、前月から0.4%増えています。

価格も下がっていて、トークンの平均コストは3月のピークの100万トークンあたり$1.15から$0.68まで落ちました。RampのエコノミストAra Kharazian氏は、OpenAIとAnthropicの競争が価格を押し下げ、成長を牽引すると見られていた上位1%の支出まで下げていると述べています。

つまり、裾野は広がっているのに、いちばん使っている層の支払いが減っているということです。

その他のニュース

Anthropic built an economic model that frames its CEO's bleakest job forecasts as an outlier scenario

  • The Decoderによれば、AIが経済に与える影響を複数のシナリオで比較できるモデルをAnthropicが公開し、CEOのDario Amodei氏がこれまで語ってきた最も厳しい雇用予測を、外れ値にあたるシナリオとして位置づけました。
  • The Decoderが伝える数値では、知識労働者は労働力の62.2%から59.7%へ下がり、極端なシナリオでは知識労働者の失業率が17.9%、労働分配率が60%から45%まで落ちます。産出は4.5年ごとに倍増する想定です。Amodei氏は2025年5月に、エントリーレベルの事務職の最大半分が2030年までに消え、失業率が10〜20%になりうると警告していました。
  • Anthropicが公開しているシナリオ探索ツールの側では、穏当なシナリオで2030年のGDPが$34.1T・労働分配率が59.4%、極端なシナリオでGDPが$44.4T・労働分配率が45.2%と置かれています。つまり、自社CEOの悲観論をモデルの端に置いて相対化した形です。
  • Sunoが音楽生成モデルをv6系に入れ替えました。TechCrunchによれば、Warner Music Group、BMG、Believeといったレーベル・ディストリビューターからライセンスを受けたデータで作った、とSuno自身が説明しています。
  • Suno公式の説明では、v6は仕上がりの整った曲を安定して出す方向、v6-wildは予測しづらく多彩な結果を出す方向、v6-miniは誰でも使える高速版です。アーティスト個人を軸にしたopt-inの仕組みも用意し、参加したアーティストには支払いが発生するとしています。
  • 一方で係争は続いていて、TechCrunchはSonyとUniversal Music Group、アーティストのJason Isbell氏、そしてデータ漏洩をめぐる集団訴訟を挙げています。CPOのJack Brody氏は、音楽のエコシステムとパートナーは権利者とアーティストの収益機会を常に探していると述べています。要は、訴訟を抱えたまま学習データの出どころを入れ替えにいったということです。

NVIDIA and Palantir Bring Sovereign Intelligence to Critical Supply Chains

  • NVIDIAとPalantirが、Palantirのsovereign AIプラットフォームとNVIDIAのオープンモデルNemotronを組み合わせ、サプライチェーンの可視化と制約箇所の特定に使う取り組みを発表しました。
  • まずNVIDIA自身の業務に入れ、制約箇所の早期把握と、生産全体への影響を踏まえた資材配分の判断に当てます。農業、製造、医薬、小売、テクノロジー、政府といった複雑な産業の組織が、自社のサプライチェーン最適化に使えるとしています。Dell Technologies、Cisco、Rackspace、Nebiusの基盤を通じて、オンプレミスとクラウドの双方に対応します。
  • PalantirのAlex Karp氏は、NVIDIAは世界でもっとも価値が高く入り組んだサプライチェーンを持つと述べ、NVIDIAのJensen Huang氏はサプライチェーンを物理経済のOSにたとえています。ここがポイントで、AIの売り先ではなく自社の調達と生産そのものが最初の適用先になっています。

A new deep learning model maps global methane emissions from space

  • GoogleとNASAのJet Propulsion Laboratoryが、衛星データからメタンの排出源を検出する深層学習モデルMAPL-EMITを公開しました。学習には物理シミュレーションで作った360万件のメタンプルームを使っています。
  • メタンは100年の時間軸で見た温暖化効果が二酸化炭素の30倍あります。MAPL-EMITは複雑でノイズの多い地形を切り分け、人間の専門家より50%多くプルームを検出したとしています。
  • 世界で23,000件を超えるプルームを新たに特定し、その中には世界最大級の排出量を持つ埋立地25か所のうち24か所が含まれます。論文はPNAS、モデルはKaggle、推論用のコードはGitHub、データはEarth Engineで公開されています。つまり、目視で探す作業のほうが機械に追い越された形です。

Tackle your to-do list with new features in our Google AI plans

  • GoogleがGoogle AIプランの機能を秋の更新として拡充しました。Gmail、Docs、Keepで音声から文書を書いたり受信箱の情報を探したり思いつきを書き留めたりできます(GmailとKeepはAI Plus・Pro・Ultra、DocsはAI ProとUltra)。
  • Google Workspace内のGoogle Picsでポスターやソーシャル投稿の制作、デジタルイラストの編集ができます。Sheets canvasはプロンプトひとつで表計算を対話的な"mini-apps"に変えます(いずれもAI ProとUltra)。
  • Gemini SparkはGoogle ChromeとGoogle Photosにつながり、ウェブ上の用事の処理、写真の編集、アルバムの整理を代行します(AI ProとUltra、米国)。対象となる世界の大学生はGoogle AIプランを1年間無償で使えます。要は、単発の新機能というより、契約プランの中身として束ねられたということです。

ChatGPT Images 2.5: Faster, more precise, but not the same for everyone

  • The Decoderによれば、ChatGPTの画像生成がImages 2.5に更新されました。既定はGPT-Image-2.5 Flareで、GPT-Image-2より画質を上げつつ遅延を50%減らしたとされています。より重い用途にはGPT-Image-2.5 Sunburstが用意されています。
  • 提供先はChatGPT、ChatGPT Work、Codexのデスクトップ・モバイル・ウェブで、無料版も含みます。API価格は画像の入力が100万トークンあたり$8、出力が100万トークンあたり$30です。
  • 1024x1024の1枚はlowで約$0.006、highで約$0.053、新設のmaxで約$0.21とされ、今回はバッチ割引が出ていません。OpenAIの説明として、ユーザーは毎週30億枚を超える画像を生成しているとThe Decoderは伝えています。つまり、値付けが枚数の多さを前提にした形に寄っています。

Hugging Face's new ML Intern lets anyone run machine learning experiments through a simple chat

  • The Decoderによれば、Hugging FaceがML Internを公開し、チャットのやり取りだけで機械学習の実験を回せるようにしました。同社のチャットに組み込まれています。
  • ML InternはHugging Face Hub、GitHub、ウェブを検索して適したモデル・データセット・ツールを探し、データセットの作成、モデルの学習、実行中ジョブの監視、結果のHubへのアップロード、レポートの作成、デモの構築までこなすとされています。
  • デモ動画の例では約6時間動いて費用は$0.50未満だった、とThe Decoderは伝えています。The Decoderは出典をGradioとLinkedInとしています。つまり、機械学習を試す入口が、環境構築からチャットに移ってきているということです。

Apple has a new way to prove your iPhone photos aren't AI slop

  • AppleがApple Reference Imageを発表しました。撮影時にメインカメラのセンサーが署名付きのセンサーデータも取得し、AppleのPrivate Cloud Computeがそれを改変できない画像に変換して、Photosアプリで見られるようにします。
  • この画像はいわばdigital negativeで、編集後の写真と突き合わせれば改変の有無が分かります。当初はiPhone 18 Pro限定で、サードパーティのアプリに組み込めるAPIも出す予定です。
  • Appleはこれをフォトジャーナリストや写真家にとって重要だと説明しています。あわせて、画像がAIで生成・加工されたかを判別するためのSynthID規格にも対応するとしています。つまり、生成物を見分ける側だけでなく、撮ったことを証明する側からも手が入り始めたということです。

Apple Watch's new AI features are normalizing the idea that technology is always listening

  • Apple Watchに音声まわりの3機能が入りました。Audio Intelligenceはサイレン、アラーム、呼び鈴、赤ちゃんの泣き声などをオンデバイスのAIで検知して知らせるもので、耳の聞こえにくい人向けのアクセシビリティ機能として作られています。
  • Live RewindはDigital Crownを二度押しすると直近15秒に遡って文字起こしし、単体のSiriアプリに保存できます。Siri Recapは周囲の音を拾って会話の要点をまとめ、タイトルと要約を自動で作ります。逐語の書き起こしではありません。
  • Appleの説明として、音声の録音は作成も保存もせず生の音声はApple自身も参照できない、生成された書き起こしとrecapはend-to-end暗号化される、Siri Recapは既定でオンになっておらずControl Centerからいつでも切り替えられる、とTechCrunchは伝えています。ここがポイントで、常時聞いている前提の機能が、プライバシーの説明とセットで日常に入ってきています。

Instacart launches an AI grocery shopping assistant called Clementine

  • Instacartが、会話や買い物リストやレシピをそのままカートに変換する会話型アシスタントClementineを米国とカナダで提供開始しました。手書きのリストの写真やデジタルのスクリーンショットからカートを作り、グルテンフリー・ベジタリアン・ナッツ不使用・オーガニックといった条件にも合わせます。割引や低価格の代替品も出します。
  • InstacartのCEO Chris Rogers氏は、毎晩何百万もの家庭が「今夜は何を食べるか」を問い、その答えも何を買えばいいかも分からないことが最も普遍的な悩みのひとつだと述べています。
  • TechCrunchによれば、同じ日にShiptも"Ask Shipt"をアプリとShipt.comで出しており、この種のアシスタントはUber Eatsが2026年2月、DoorDashが2026年6月に先行しています。つまり、デリバリー各社の入口が検索窓から会話に置き換わりつつあるということです。

Viral AI assistant Instinct now has its own email address

  • AIアシスタントのInstinctが、エージェント自身のメールアドレスを持てる機能を追加しました。ロールアウトは2026年9月8日に始まり、mail.instinct.comでアドレスを取得できます。
  • 創業者のNoah Shinn氏によれば、これでエージェントはユーザーの受信箱を散らかさずに自分でアカウントを作って運用できます。サービスの登録、企業への特別な依頼の連絡、注文確認の管理、サポート対応までを代行します。ユーザーは注文確認やスレッドをそのアドレスに転送でき、AIは必要なときだけ確認を求めます。
  • 直近では1Passwordと組んでログインを扱い、Stripeで決済を通し、近隣の店舗や飲食店を探すための位置情報の共有も加えました。TechCrunchは、問い合わせを受けた店側からは実際に相手をしているのが誰なのか分かりにくくなる面もあると書いています。つまり、エージェントが人間の連絡先を借りずに社会と接し始めたということです。

Besxar is building an orbital semiconductor factory, one SpaceX rocket at a time

  • 元OpenAIのAshley Pilipiszyn氏が創業したBesxarが、宇宙の真空を使って半導体の前駆体を作る取り組みを進めています。地上の工場が必要とする巨大なクリーンルームを、軌道上の真空で置き換える発想です。
  • 7月のStarlinkミッションで、fabshipsと呼ぶ最初の2機の試作コンテナが軌道試験飛行を終えました。Pilipiszyn氏は、飛ばしたサンプルが地上の未飛行ウェハと比べて最も清浄で、粒子状物質が最も少なかったと述べています。
  • 本人の言葉として、物理がすでに成立している場所へ行くほうが費用対効果が高い時代になった、地上で物理と戦うな、とTechCrunchは伝えています。量産の品質基準に届いた段階で大手チップメーカーと組み、将来はStarshipでより大きな製造ユニットを運ぶ構想です。要は、工場の立地そのものを地上から軌道へ動かせるかを確かめる段階にあるということです。
TOPICS

DEBUNK編集長

あわせて読みたい用語解説

用語解説をすべて見る →
【スケーリング則】計算・データ・パラメータを増やすと、AIの性能はどこまで予測どおりに伸びるのかAIの開発各社が計算資源に巨額を投じる理由になっているスケーリング則を、Kaplanらの2020年の論文とChinchillaの2022年の論文、その後の使われ方、よくある読み違いとあわせて整理します。【プロンプトインジェクション】AIエージェントが読んだ文章に指示を紛れ込ませる攻撃と、防ぎきれない理由AIエージェントが外部の文章を読んで動くときに起きるプロンプトインジェクションを、直接型と間接型の違い、根本的に防ぎにくい理由、各社の対策の現状とあわせて整理します。【トランスフォーマー】いまのAIの土台になった仕組みと、注意機構が並列の学習を可能にした理由ChatGPTをはじめ、いまの言語モデルの土台になっている「トランスフォーマー」を、注意機構の考え方、並列に学習できる理由、その弱点と最近の改造とあわせて整理します。【拡散モデル】ノイズから画像や動画を作る仕組みと、トランスフォーマーとの組み合わせ画像・動画の生成AIの多くが使う「拡散モデル」を、ノイズを足して消す仕組み、文章で指示する方法、トランスフォーマーとの組み合わせ、速くする工夫とあわせて整理します。【合成データ】AIの学習に使う「作られたデータ」の仕組みと、モデル崩壊の議論AIの学習に使う「合成データ」を、言語モデル・シミュレーター・表データという3つの作り方、モデル崩壊の議論、いまの使われ方とあわせて整理します。【推論(インファレンス)】学習済みのAIが答えを出す工程と、その費用と速さを決めるものAIが答えを出すたびに走る「推論(inference)」を、学習との違い、入力を読む段階と答えを書く段階の仕組み、推論向けチップの動きとあわせて整理します。【RLHF】AIの「振る舞い」を作る強化学習の工程と、人の採点・AIの採点・自動判定の違いチャットAIの受け答えを形づくる人のフィードバックによる強化学習(RLHF)を、後継のRLAIF・検証可能な報酬での強化学習(RLVR)とあわせて、仕組みと弱点からまとめます。【マルチモーダル】画像・音声・動画をAIはどう読むのか。仕組みと、2026年でも苦手なこと文章だけでなく画像・音声・動画も扱うマルチモーダルなAIを、画像をトークンに変える仕組みと、大学の試験は解けても時計の読み取りで負ける理由からまとめます。