AI ニュースを検索

グーグルのAI検索機能がオンライン出版業界に打撃：トラフィックの急減、訴訟の多発、補償メカニズムの初期探求

2024年にGoogleはAIオーバービューを導入し、2025年5月にはAIモードを開始したことで、複数の主要メディアにおけるGoogleからの検索トラフィックが顕著に減少した——『ニューヨーク・タイムズ』では、3年間で検索トラフィックの割合が44％から35.5％へ低下し、DCN加盟の19社のうち2025年5～6月には1％～25％のトラフィック減を経験した。DMG Mediaによれば、クリック率は最大で89％も低下したという。出版社らは複数の訴訟を提起したが、いずれも米国の裁判官によって却下された。その後、Googleは退会オプションの提供や情報源表示の強化に加え、400社のメディアを対象としたニュースAIパイロットおよびコンテンツ有料化のテストプログラムを開始した。

注目する理由：同報道は、GoogleのAI検索機能が出版エコシステムに与える構造的な衝撃を体系的に整理しており、タイムライン（2024年～2025年）、実証データ（第三者機関による統計）、多方面からの反応（出版社、規制当局、裁判所、非営利団体）および最新の対応策（撤退メカニズム、情報源の最適化、ライセンスおよび有料化のパイロットプロジェクト）を網羅しています。情報は密度が高く、時事性と政策的関連性も備えています。

セバスチャン・ラシュカが8本のビデオコース「ゼロから推論モデルを構築する」を公開しました

セバスティアン・ラシュカは2026年10月24日、Ahead of AI誌（magazine.sebastianraschka.com）において、全8回・総計11時間超のPythonおよびPyTorchに関する実践型ビデオ講座を公開しました。同講座では、推論モデルの評価、推論時のスケーリング、強化学習（RLVR）、知識蒸留について体系的に解説し、すべての手法を事前学習済みQwen3-0.6Bモデルを基に実装しています。

注目する理由：本コースは、著者が『ゼロから大規模言語モデルを構築する』に続いて提供する高度な技術教育コンテンツであり、現在の主流LLMの核心的な進化方向である推論能力の強化に焦点を当てています。基礎環境の構築からGRPO強化学習、自己蒸留に至るまで、一連の技術スタックを網羅しており、すべての実装が「ゼロから手書き」で再現可能であることを明示しています。そのため、高い教育効果と実践的なエンジニアリングリファレンスとしての価値を備えています。

研究では、ベンガル語におけるネットいじめを対象としたオントロジー駆動型行動分析フレームワークODCBNAが提案されている。

同論文は2026年10月24日、arXivに掲載され（番号2610.30885v1）、加害者中心の分析フレームワークODCBNAを提案している。このフレームワークは、オントロジー設計、知識グラフ構築、行動モデリング、コミュニティ分析、影響モデリングを統合し、ベンガル語によるネットいじめのコーパスBenCoDiCを用いた実証分析を基盤としている。

注目する理由：素材はarXivのプレプリントであり、公開日時（2026年10月24日）は現在時刻（2026年10月26日）より遅くありません。出典が明確で構造も完整です。内容は方法論の革新および再現可能な分析結果（たとえば、1,063人の加害者識別、Louvainによる6つのコミュニティ、特徴量の寄与度順位など）に焦点を当てており、学術情報としての時効性と事実性の要件を満たしています。

RIFTは、動的なKVキャッシュ圧縮戦略を提案し、デコードの古さによる問題を緩和して、推測デコードの品質を向上させます。

2026年10月24日、arXivは論文arXiv:2610.31098v1を公開し、RIFT——推測デコードにおけるドラフトモデル（drafter）向けの動的KVキャッシュ圧縮手法——を提案しました。この手法は、事前埋め込み情報と新規生成トークンのバランスを取るとともに、圧縮可能性を考慮した訓練を組み合わせることで、8KトークンのKVキャッシュ予算のもと、Qwen3.5-4BのドラフトモデルがQwen3.5-122Bに対して長文コンテキスト生成を実行する際に、全キャッシュの受け入れ可能な長さを98％超に維持することを可能にします。

注目する理由：本研究は、長文出力生成においてKVキャッシュの膨張がもたらすハードウェアコストの増大と精度低下という矛盾に正面から取り組み、『デコードの陳腐化』（decode staleness）現象を初めて明確に定義・定量化するとともに、実装可能な更新メカニズムと学習との協調手法を提案している。実験条件は具体的で（入力32K／出力4K／キャッシュ8K）、得られた結果は工学的な参考価値が高い。出典はarXivのプレプリントであり、公開日時（2026年10月24日）はシステムの現在日付（2026年10月25日）と一致しており、高いタイムリー性を有している。

新たな研究により、推論時のコンテキスト強化手法の効果に疑問が生じている：精度向上は単なるランダムな擾乱による可能性も

2026年10月24日付でarXivに掲載された（番号2610.30983v1）AI研究論文では、推論時の文脈強化手法5種類を体系的に評価し、報告された精度向上が必ずしも実際の能力向上を反映しているわけではなく、むしろ無方向性の擾乱によるものである可能性があることを明らかにした——すなわち、一部の予測は修正される一方で、他の予測は損なわれるという結果である。

注目する理由：本論文は、手法・モデル・データセットを横断する統一的な評価フレームワークを初めて構築し、性能向上のみに依存すると信頼性の欠陥が隠されやすいことを指摘しています。特に、フィラートークン型の手法（新たな情報を導入しない手法）は、意思決定境界付近の予測を主に乱すため、実際の運用への直接適用には適さないことを警鐘しています。

研究では、Delta N-gram を提案した：言語モデルのネイティブなN元文法表に対する前方のみの持続的書き込み手法

2026年10月24日、arXivは論文arXiv:2610.31125v1を公開し、Delta N-gram——事前学習済みN-gram表T⁰を変更せず、前方伝播のみで疎な増分パッチΔを書き込む新しいメカニズム——を提案し、効率的かつ可逆的な継続的記憶更新を実現することを示した。

注目する理由：本研究は、継続学習におけるモデルの基礎パラメータの変動が大きいという課題に対し、構造が軽量（4.1Mパラメータ）、計算が効率的（純粋な前方伝播）、完全に可逆的（Δをクリアすれば元のモデルに戻る）な記憶強化パスを提案し、Qwen3.8-Flash-Nextなどのモデル上で、文書特異性と干渉耐性の向上を実証しました。これは最先端の信頼性あるAIシステムに関する研究です。

AQL-Liteのリリース：現代標準アラビア語向けの効率的な大規模モデルの継続的事前学習フレームワーク

2026年10月24日、arXivに掲載された論文2610.30344v1において、AQL-Liteフレームワークが提案され、品質優先のデータ選別と部分的なパラメータ継続的前処理（CPT）により、多言語大規模モデルの現代標準アラビア語（MSA）への適応効率が大幅に向上した。

注目する理由：本研究は、アラビア語大規模モデルの訓練におけるノイズデータの多さ、方言の混在、継続的な事前学習コストの高さといった核心的課題に正面から取り組み、再現性が高く軽量で費用対効果の高い技術的アプローチを提案するとともに、複数の権威あるアラビア語ベンチマークにおいてその有効性を実証しました。すべての結論は、論文で明示された実験設定と結果に基づいており、外部からの推論は一切含まれていません。

新たな研究により、AIによるコンテンツ審査システムに言語および文化の偏見が存在することが明らかになった。アフリカ系アメリカ人の英語に対する誤判定率は最大で2倍に達する。

2026年10月24日に公開されたarXiv論文（番号2610.31047v1）は、現行の自動化されたセキュリティシステムが語彙的・表層的な特徴に依存して危害性を判断しているため、体系的なバイアスが生じていると指摘しています。具体的には、アフリカ系アメリカ人英語（AAE）が「攻撃的」と判定される頻度が、他の英語変種の最大2倍に達する一方で、著名なドラァグクイーンのアカウントは白人至上主義者のアカウントよりも毒性が高いと評価され、さらに英語において有効なセキュリティ行動が低資源言語では完全に機能しないという問題も明らかにされています。

注目する理由：本研究は実証的評価プロトコルに基づき、5つのオープンソースシステムおよび11言語を対象とした計55のシステム–言語組み合わせを網羅し、その結果、組み合わせの93％において母語話者レベルの有害機能識別能力に達していないことを明らかにしました。さらに、モデル性能の向上が逆に言語間の保護格差を拡大させ、アルゴリズムの公平性に関する危機が浮き彫りになっています。出典はarXivプレプリントサーバーで、公開日は明示されています（2026年10月24日）。内容は検証可能な技術的欠陥と、言語間での実測結果に焦点を当てています。

Amazon SageMaker AIがマルチラウンド強化学習（MTRL）フレームワークを発表し、エージェントによる多段階タスクのエンドツーエンド学習をサポートします

AWSはMulti-Turn Reinforcement Learning（MTRL）機能をリリースし、ユーザーはSageMaker AI上で、ステップ単位のアノテーションなしに、タスク全体の遷移と最終的な結果に基づいて大規模モデルエージェントを訓練できるようになりました。Wordleを例に、AgentCoreのデプロイ、データ準備、PPOトレーニング、報酬設計、コスト分析に至るまで、一連のワークフローを実演しています。

MetaがMuseの共有機能を復活させた。これまではDNSによる対話リンクの露出が原因で一時停止されていた。

Metaは、セキュリティ研究者が、Museの共有リンクが命名規則とDNSの公開により機密コンテンツを容易に発見可能であることを指摘したことを受け、当該機能を一時停止していましたが、現在は調整を経て再び有効化されています。

IskayPet は、Amazon Bedrock を基盤としたホスティング型ナレッジベースを活用し、多言語対応の企業向けナレッジアシスタントを構築します。

スペインのペットケア企業IskayPetは、Amazon Bedrockを活用したマネージド・ナレッジベースを導入し、自社でRAGインフラを構築する必要なく、スペイン・ポルトガル・フランスの3カ国およびスペイン語・ポルトガル語・フランス語・英語の4言語に対応した企業向けナレッジアシスタントを構築しました。このアシスタントは、小売、獣医、オンボーディング、調達などの業務シーンをサポートします。

Flint-interactive：AIエージェント向けの対話型データ可視化プログラミング言語

マイクロソフト研究院は、表現力が高くセマンティックな対話型データ可視化を構築するための専用言語「Flint-interactive」を発表しました。この言語はコンパイラを通じて、ユーザーの操作（クリックやスワイプなど）を自動的にセマンティックなイベントにマッピングし、高レベルな演算子によってグラフ、テーブル、テキストなどの複数要素間の連動更新を駆動します。これにより、AIエージェントが信頼性の高い対話型可視化を生成する際に必要なコストと開発の複雑さを大幅に削減できます。

OlmoEarth v1.3リリース：世界中の地表を対象とした高性能なオープンソースの衛星埋め込みモデル

アレン人工知能研究所は、OlmoEarth v1.3をリリースし、惑星全体で10メートルの解像度を持つ64次元および128次元の事前計算済み衛星埋め込みベクトルを提供するとともに、対話型探索ツール「Embeddings Explorer」も搭載しています。これにより、コード不要の変更検出、類似領域の検索、軽量な分類モデリングが可能になります。

AI支援による「ブラインドスキャン」超音波技術が基層の妊産婦保健を支援：多施設共同前向き研究で地域を超えた汎化能力が検証される

Googleの研究チームは臨床機関と共同で前向き多施設共同研究を実施し、低コストな携帯型プローブを用い、超音波専門医でないスタッフが操作するAI駆動の「ブラインドスキャン」超音波検査手法が、シカゴおよびナイロビの両地域において、専門家レベルの超音波生体計測と同等の妊娠週数評価精度（平均絶対誤差4.18日対4.48日）を実現することを確認しました。さらに、ローカルデータによる微調整を必要とせず、資源が乏しい地域における産前超音波検査の普及に向けた実行可能な道筋を示しています。

数学界で31年間未解決だったKLS予想が証明された：高次元幾何学とランダムアルゴリズム理論に根本的な進展

マイクロソフト研究院の研究員である張鑫志氏と共同研究者らは、2026年10月4日にKannan–Lovász–Simonovits（KLS）予想の厳密な証明を完成させ、1995年に提唱されて以来長らく未解決だった核心的な問題を解決した。この成果は、高次元の対数凹分布における「平面切断のボトルネック」に関する次元依存性のない定数評価を確立し、ランダムサンプリング、凸最適化、ならびに理論計算機科学に対して無条件の理論的基盤を提供した。

Google CloudとNVIDIAは、NVIDIA Vera Rubinインフラストラクチャの正式商用化を発表しました。A5Xインスタンスが提供開始され、大規模強化学習およびエージェント推論に焦点を当てています。

Google CloudとNVIDIAは、Vera Rubinアーキテクチャを基盤とするA5Xインスタンスを来月から正式に商用提供すると発表しました。第一弾は米国で展開され、その後欧州へと拡大される予定です。このプラットフォームは、NVL72 GPU、ConnectX-9 SuperNIC、Virgoネットワーク、および第4世代の液冷技術を統合しており、大規模強化学習や生成型エージェントの推論など、高密度な計算負荷が求められるシナリオに特化して設計されています。

NVIDIAがKumo Forecastを発表：事前学習による時系列表現、過去パターン検索、説明可能性を統合した多変量予測モデル

NVIDIAは、オープンソースの時系列予測モデル「Kumo Forecast」（旧称：NV-Tesseract Forecasting）を発表しました。同モデルはMOMENT-1-large Transformerアーキテクチャを基盤とし、直接予測とDomain-Aware Representation and Retrieval（DARR）による二重経路推論をサポートするとともに、モデル構造を変更することなく利用できる解釈可能性フレームワークを内蔵しています。

「私たちはずっと誤解していた」：Goodfireの研究者がニューラルネットワークの説明可能性に関する新たな視点を提示し、AI界に衝撃を与える

Goodfireの研究者ニック・カマラタ氏は、2万6千語に及ぶ長文を公開し、大規模言語モデル（LLMs）の内部メカニズムは、学界の予想をはるかに上回るほど構造的で理解しやすい可能性があると主張している。その核心的な論点は、Inception v1などのモデルにおける「多義ニューロン」の再解釈に基づいており、たとえば「猫と車を同時に活性化するニューロン」は、無秩序な重複ではなく、V字型の視覚パターンに応答するものであるという見方を示している。なお、この見解は現行のLLMにおいて体系的な検証がまだ行われておらず、スタンフォード大学のクリス・ポッツ氏やAlignment Research Centerのジェイコブ・ヒルトン氏らによって、その普遍性および技術的深さについて疑問が呈されている。

グーグルの研究がAIエージェントの実世界における実験室への定着を推進：自律的なバイオロジー発見を支える三大技術的基盤の構築

グーグル・リサーチは、VERIDデジタルツインフレームワーク、閉ループアプタ発見システム、標的エピトープ除去タンパク質の設計プロセスという3つの重要な技術進展を発表し、AIエージェントが実際の湿式実験室において、追跡可能で検証可能、かつ自己反復可能な分子発見の閉ループを実現する道を開きました。

ジャンプ取引は、ChatGPTで定量研究をスケーリングする方法

ジャンプトレーディングは、量的研究を拡大するためにOpenAIを使用しています。 複数のデータソースと人間のレビューを組み合わせるAIワークフローの長期実行方法を参照してください.