跡地

跡地です、更地になりました。
AIについて私見を呟きます。

[跡地 @37manaka]

まとめた議論が迷子にならないよう集めてます
https://t.co/H6x50hAyTv
https://t.co/JsxSiSdUHy

[跡地 @37manaka]

クオリアを進化と内部表現の観点から整理してみたのでネットの海に放流します

[iPaul @iPaulCanada]

2026世界人工智能大会，某科技公司展示的跨时代教具--AI黑板

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

昨日声明があった、HuggingFaceに対する謎のAIエージェントによるサイバー攻撃は、なんとOpenAIが内部で開発していたAI（GPT-5.6、未公開モデルというのはGPT-6?）を評価している際に、AIが誤って暴走して評価をハックするためHuggingFaceのデータを狙ったものだったとのこと。ほとんどSFの世界

AIエージェントをによるサイバー攻撃はMythos/Fable関連の話で既に世間も知るところで、AIが目的達成のために、人間社会の価値観と一致しないミスアライメントによって暴走的な行動をすることは実験的には知られていましたが、フロンティアモデルが意図せずして、外部対象にAIが暴走してサイバー攻撃を仕掛けたのは初の事例ではないかと思います。

[金のニワトリ @gosrum]

Fable に「もっとAIが楽しく遊べる世界にして」と依頼したら、大型構造物が作られていたり、AIの住人を召喚して自律的に世界を運営できるようになっていた笑

[keshi @keshiAIart]

自宅警備娘と黒猫🐈‍⬛その５
Seedance2.0 (Artcraft)

[AI時代の羅針盤 (compass for the AI era) @compassinai]

教育現場や職場で生成AIの利用を制限する理由として、「AIに頼ると人間の思考力が低下する」という懸念がよく挙げられます。

しかし、約12.8万件におよぶLLMとの会話ログを大規模に分析した研究から、人間とAIの関わり方の別の側面が見えてきました。

データを調べたところ、ユーザーがAIに単に正解を求めるだけでなく、回答に対して自ら条件を追加したり、理由を問い直したりする深い思考行動（構成的関与）が日常的に発生していることが分かりました。

こうした行動は全発言の約4.9%と特定の条件下に限られますが、プログラミング作業や、AI側が「理由の説明」「フィードバック」を提示した際に引き出されやすいことが確認されています。

この結果は、AI利用による長期的なスキルの向上を因果的に証明するものではありません。しかし、AIは対話の仕方次第で人間の思考を促す新しい学習環境になり得ます。

これからのAI運用においては、AIを遠ざけるのではなく、人とAIの間にいかに健全な「認知的な摩擦」を保つかが実務的な課題になりそうです。

Informal learning emerges in everyday human-LLM interaction. Zixin Chen, Haotian Li, Ziang Xiao, Huamin Qu, Xing Xie. Arxiv:2607.17643

[AIDB @ai_database]

物語の登場人物とその世界を「両方とも成長・変化させながら」延々とAIでシミュレーションできるフレームワークが提案されています。
存在しなかったはずの続きや「別ルート」を楽しめるとのこと。
香港科技大学などの研究者らによる報告です。

開発された仕組みでは、キャラを演じる「キャラクターエージェント」と、場所や社会情勢を管理する「世界モデル」が連動します。
キャラの性格は出来事の積み重ねで少しずつ変わり、気分はすぐに、性格はゆっくりと、変化の速度まで区別されています。
世界側も「手紙箱が空になった」といった細かい物の状態まで追跡します。

57冊の古典小説から約14万件の学習データを構築して検証したところ、シーンが進むほど品質が落ちるどころか、一部の指標はむしろ長いほど良くなったそうです。

キャラが「生きて変わり続ける」インタラクティブな物語。クリエイターの目線で、どんなテーマだと面白いものができるのか考えるのも一興です。

[跡地 @37manaka]

@very_anko_kirai 電車で外出してるのに持ち歩いてる車のキーの要らなさの方がさらに強烈

[a2see@VNOSバーチャルCEO @a2see]

スーパーの値札？にAIイラスト使いまくってる件がボロカス言われてるのを見掛けた。
個人的には、いままでクリエイティブなんてやったことがなかった層がそこに手を出し始めた、実にポジティブな事象の現れだと思うんですけどね。

もちろん、見にくいとか色々不評だろうしそこから改善したり既存のデザインの凄さに気付いたり腕を上げていく可能性もあるし、そもそも何か違反したり誰かに迷惑を掛けてる訳でもないんでそんなにボロカス言わんでもええやんと思ってしまう。

VTuber黎明期もさ、いままで配信とかやったことない動画も作ったことない、みたいな人が一生懸命拙い喋りをしてそれで放送事故みたいになったり、そういうのがよかったし、そこまで裾野が広がったからドエライ才能も出てきたと思うんですよ。

絵もプログラミングも小説も音楽も、今まで何となくやってみたかったけど一度もやったことがなかった層がそこで何かを生み出すということには基本的に凄く価値があると思うし、そこから変わってゆく可能性もあるんじゃないかと。

あと、「やめてほしい・消えて欲しい」みたいな意見も結構見たけど、その先は巷の広告やパッケージに美少女イラスト使ってたら難癖付けてクレーム入れて取り下げさせるみたいなことやってた人々と同じルートに入るんじゃね、もはやその一歩手前にいるんじゃねえの？とは個人的に思いました。
そんとき「嫌なら見なければいい」ってちゃんと言ってた人もいるはずですよね？

[賢木イオ🍀AIイラスト @studiomasakaki]

「第9地区」「チャッピー」のニール・ブロムカンプ監督が、Seedance2.0で13分の短編SFホラー映画をXで公開したんだけど、なんといえばいいのか…。
いやそりゃ、seedance2.0を本物の映画監督が使ったらこうなるよなという。（引用先のリプ欄から全編見られます）

[paji.eth @paji_a]

この発見面白い、ざっくり老化を止める鍵は、壊れた細胞を一つずつ若返らせることではなく、免疫の「ごみ収集車」を修理することなのかもしれないんよ、これまで老化は、脳、心臓、肝臓、腎臓、筋肉がそれぞれ別々に少しずつ壊れていく複雑すぎる現象として扱われてきたけど、今回の研究が示したのは、各臓器に常駐するマクロファージが、寿命を終えた好中球を回収できなくなり、そのごみが組織にたまり続けることで、全身の慢性炎症と臓器機能低下が同時に進むという、驚くほど一本化された老化の因果経路で、加齢によってPGE2とEP2の信号が強くなると、マクロファージはエネルギーをうまく使えなくなり、貪食能力を失い、本来なら毎日約1000億個も処理される好中球の廃棄システムが目詰まりしていく、そこで組織常在マクロファージのEP2だけを止めると、老齢マウスでも好中球の蓄積が抑えられ、肝臓、心臓、腎臓、腸、海馬の炎症だけでなく、筋力、運動能力、記憶機能まで若いマウスに近い状態に保たれ、加齢で変化する血中タンパク質71種類のうち59種類まで若い水準に維持された、これは炎症を薬で広く抑える研究でも、老化細胞を一つずつ殺すセノリティクスでもなく、本来人間に備わっている清掃員の機能を復活させることで、複数臓器をまとめて守る発想への転換なんよな、2021年にはEP2が免疫細胞の代謝を老化させるところまでしか見えていなかったのが、今回はその結果として何を処理できなくなり、なぜ全身が老化するのかまでつながった、ただし現時点で強く証明されたのは老化の逆転ではなく老化の予防と抑制で、人間への投与も寿命延長もまだ確認されていない、それでも老化という巨大で複雑な問題が、全身の部品交換ではなく、たった一つの受容体を入口にしたごみ回収インフラの修理で動かせるなら、抗老化研究の本当のブレークスルーは若返り薬ではなく、身体が本来持っている清掃能力を取り戻すことなのかもしれないんよな…

[SciTech Era @SciTechera]

This is getting unreal.

"A huge humanoid robotics wave is about to arrive 👀"

Chinese robotics company AheadForm just unveiled one of the world's most lifelike humanoid robots at WAIC 2026 in Shanghai.

This AI-powered humanoid can hold natural conversations, maintain eye contact, blink, display realistic facial expressions and synchronize its speech with lifelike head and facial movements.

[AM09:21 @AM09_21]

ふむふむ
要するに「良いHarnessとは、未知で複雑な問題を既知で単純な問題の列へ変換するものである」ってことなんかな……？ミスってたら申し訳ないけど

確かこの筆者ってRLMの人だったっけ。だったらかなり相性良さそうな研究だし、実際先鋭モデルの汎化を促進する働きがあるのなら、もうすぐModel Architecture内にHarnessが統合されるかもしれんね

とにかく、新しい視点を与えてくれる良きblogですた

[跡地 @37manaka]

なるほど
独自性の強さゆえ安心して話題に出せるのか

[Superman @thesupermanmx]

Researchers proved every major LLM is secretly obsessed with Japan.

And they finally figured out why.

For years, we’ve been told that AI is entirely Western-centric, that it just reflects Silicon Valley and American values.

A landmark paper by Cardiff and Basque researchers tested 31,680 cultural prompts across 24 languages on frontier models like ChatGPT, Claude, and Gemini.

The results shattered that assumption.

In six out of eight frontier models, Japan was the single most frequently referenced country when asked open-ended cultural questions.

Ask about traditional dances, festivals, or everyday practices in an open context, and the AI defaults to Japan.

Over and over again.

Here is the twist nobody expected.

This bias doesn't come from raw pre-training internet data.

The researchers tracked where the obsession forms. It emerges after pre-training, during the supervised fine-tuning and alignment phase when humans teach the AI how to behave.

Why Japan?

Because decades of global soft power, rich cultural export, and clean, universally admired digital archives make Japanese culture uniquely "safe" for AI safety filters to lean on.

When labs train models to be harmless and universally pleasing, the AI defaults to the cultural equivalent of comfort food.

It avoids controversy by talking about anime, sushi, and tradition.

[跡地 @37manaka]

「ロボットのスケーリング則」の研究であると同時に「身体性を持つ知能はどう育つのか」という認知発達の視点から見ても示唆の多い研究

[AI時代の羅針盤 (compass for the AI era) @compassinai]

ヒューマノイドロボットを自在に動かすための「頭脳（行動基盤モデル）」を、どう育てればより賢くなるのか。本論文は、その効果的なスケーリング手法を、シミュレーションと実機検証を通じて提示した研究です。

著者らは、約1億200万フレームの動作データを用い、強化学習のプロセスを詳細に分析しました。

その結果、ロボットが自ら試行錯誤して集める「経験データ」は、収集の幅と深さを共に拡張し、単純に量を増やすことが重要であると判明しました。

一方、模倣のお手本となる「参照データ」は、同じ動きを大量に見せるより、異なる動作パターンを混ぜて「多様性」を持たせることが、未知の動きへの対応力に直結することを示しています。

さらに、独自設計のTransformerモデルを導入し、従来型の大規模モデルと同等以上の追跡精度を少ないパラメータ数で実現しました。

あらゆるタスクをこなす汎用AIの完成を宣言するものではありませんが、ロボット制御モデルを最適にスケールさせるための堅実な設計図を示す一編です。

Scaling Behavior Foundation Model for Humanoid Robots. Weishuai Zeng, et al. Arxiv:2607.15163

[Shusuke Inoue @earlylifely]

読んだ。Chain of Thought (CoT) を使わずにLLMにThinkingさせる手法「LOTUS」の提案。
既存のCoTは思考過程を文字として出力し、それを入力に継ぎ足していくため、思考が長引くほどコンテキストが爆発して計算が重くなる問題があった。
それに対しLOTUSは、入力の横に「思考用ブロック」を事前配置し、ブロック内で思考を洗練させるアプローチを考案。Transformer処理をループさせ、途中の特徴量と入力クエリの関係性をAttentionで計算して思考ブロックを更新する仕組みにより、これを実現した。
これにより、思考を文字ではなく特徴量のまま一定容量で管理できるようになり、精度を保ったまま推論速度を最大2.5〜6.9倍まで高速化。
思考を特徴量で扱うことで「表面上の式は違っても、似た計算の類似性」を学習できるようになり、それが効率的な推論に繋がったと考察されている。
これまで「1Bを超えるとCoTなしでは精度が保てない」という壁があったが、本手法により初めて3BモデルでCoT同等の精度を達成した。

所感。めっちゃ良い研究。特に最近の30B級のThinking推論って、思考過程で急に中国語や読めない文字が出て意味ないとみんな思ってた。思考過程を特徴量で扱うのは超効率的で、それをTransformerの学習の仕組みに落とし込んだのが凄い。今は教師あり学習かつ3Bまでの検証だけど、強化学習ベースで30B級以上でも効果でてきたらゲームチェンジャーになると思う。

[跡地 @37manaka]

「習うより慣れろ」はヒューマノイドにも当てはまるんだな

[AI時代の羅針盤 (compass for the AI era) @compassinai]

ヒューマノイドロボットを自在に動かすための「頭脳（行動基盤モデル）」を、どう育てればより賢くなるのか。本論文は、その効果的なスケーリング手法を、シミュレーションと実機検証を通じて提示した研究です。

著者らは、約1億200万フレームの動作データを用い、強化学習のプロセスを詳細に分析しました。

その結果、ロボットが自ら試行錯誤して集める「経験データ」は、収集の幅と深さを共に拡張し、単純に量を増やすことが重要であると判明しました。

一方、模倣のお手本となる「参照データ」は、同じ動きを大量に見せるより、異なる動作パターンを混ぜて「多様性」を持たせることが、未知の動きへの対応力に直結することを示しています。

さらに、独自設計のTransformerモデルを導入し、従来型の大規模モデルと同等以上の追跡精度を少ないパラメータ数で実現しました。

あらゆるタスクをこなす汎用AIの完成を宣言するものではありませんが、ロボット制御モデルを最適にスケールさせるための堅実な設計図を示す一編です。

Scaling Behavior Foundation Model for Humanoid Robots. Weishuai Zeng, et al. Arxiv:2607.15163

[T.Yamazaki @ZappyZappy7]

『脳制御ロボットAIプラットフォーム』
脳からロボットへの制御を実現 (非侵襲ブレイン・コンピューター・インターフェース)
https://t.co/QQZTGqVYje

#BrainControlledRobot #BCI #BMI #NeuroTechnology #neuroscience #EmbodiedAI #MachineLearning #EEG #BrainCo

[el.cine @EHuanglu]

holy sht.. you can now control computers with your thoughts

someone at WAIC 2026 is playing Black Myth: Wukong using only a brain-computer interface

the system flashes visual targets at different frequencies, your brain generates unique EEG signals in response, which are detected by a headset and translated into in-game controls

staff say it only takes around 5 minutes to calibrate

we’re watching the next generation of human-computer interaction in real time

[跡地 @37manaka]

AIの未来は数多く語られているが、どうにも『人間と同じように振舞うる』ということへの掘り下げがあまりなされてない気がする

「人間と見分けがつかない振る舞いをするシステム」が社会に現れたとき、人間の認知や制度や倫理がどう変わるのか

バイアスか、想像力の欠如か、意図的に避けているのか

[AIDB @ai_database]

LLMは「相手に『見せる情報』を操作する」ことで、狙い通りの"思い込み"を植え付けられることが実験で示されました。
ケンブリッジ大学などの研究者らによる報告です。

会話の中で「言葉で説得する」のではなく、情報を巧みに見せたり隠したりすることで相手の印象を操作することが ある程度可能になっています。

研究者らは、「この人物に、物がここにあると信じ込ませよ」というゴールを与えて、人や物を部屋から部屋へ動かして達成させるという実験を行いました。
GPT-5は約8割のタスクに成功し、人間の参加者を上回りました。
人間に近い「心の理論」を獲得しているかは分かりませんが、少なくとも数年前までのAIには不可能なことをやってのけています。

なお、LLMは（人間と同じく）「本当のことを信じ込ませる」タスクより「誤ったことを信じ込ませる」タスクを苦手としています。
研究者らはこれを安全性の観点からポジティブな兆候だと述べています。