3xv

➡⬇↘ [email protected] [email protected]

[Nobi Hayashi 林信行 @nobi]

シリコンバレーのアントレプレナーが「私はリスクを取ってきた」と武勇伝のように語るたびに思う。

本当にあなたが取ったリスクなのか。

会社が成功すれば、創業者は株式価値と名声を手にする。失敗すれば、社員は職を失い、取引先は損失を抱え、ユーザーのデータや購入したサービスは放置され、地域社会には住宅高騰や交通問題が残り、地球には大量の電力消費、水消費、資源採掘、電子廃棄物が残る。それでも創業者本人は有限責任に守られ、次の会社を始め、「失敗から学んだ」とTED Talkのような顔で語る。

それを「リスクを取った」と呼ぶのは、あまりに都合がよすぎる。

自分が全責任を引き受けるのがリスクテイクである。他人の人生、社会、公共インフラ、環境、未来世代を勝手に賭け札にして、自分だけがアップサイドを取り、失敗時のダウンサイドを社会に押しつけるのは、勇気ではない。単なるリスクの外部化だ。

「Move fast and break things」も同じである。自分の玩具を壊すなら好きにすればいい。だが彼らが壊してきた「things」には、雇用、報道、住宅市場、都市、選挙、子どもの精神環境、地域文化、地球環境まで含まれる。何世代もかけて社会が築いた安全装置や規制を「レガシー」「friction」と見下し、先人の失敗と犠牲から生まれたルールを邪魔者扱いする。そして問題が起きれば「イノベーションには失敗が必要だ」と言う。

必要なのは、あなたの失敗ではない。あなたの失敗の後始末を、無関係な人間にさせないことである。

Jeff Bezosのような億万長者が「大胆にリスクを取れ」と語る姿にも、私は同じ欺瞞を感じる。巨額の資産を持つ人間がさらに一つ事業に賭ける「リスク」と、解雇されれば家賃を払えない労働者のリスクは、同じ言葉で呼べるものではない。まして、自分の意思決定によって発生した社会的・環境的コストを自分のバランスシートの外に追い出しておいて、「私は勇敢だった」と胸を張る資格などない。

成功は私有化し、失敗は社会化する。
利益は自分のもの、損害は他人のもの。
規制を破って市場を取り、十分に大きくなった後で「今さら止められるのか」と迫る。
社会を実験場にし、人間をA/Bテストの被験者にし、環境を無料の資源として使い、それでも自分たちを「世界をより良くする人々」と呼ぶ。
これは勇敢さではない。
責任の所在を巧妙に消すための英雄神話である。
だから私は、シリコンバレーの「Risk Taker」という自己像をほとんど信用していない。
問うべきなのは「どれだけ大胆な賭けをしたか」ではない。

誰が決めたのか。
誰が儲けたのか。
誰が損失を負ったのか。
誰が後始末をしたのか。
そして会社が消えた後も残り続ける損害について、最後まで誰が責任を取ったのか。
その答えが一致して初めて、その人をRisk Takerと呼べばいい。

一致しないなら、それはRisk Takerではない。

Risk Externaliserである。

[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.

[Yo Ehara @yo_ehara]

うひゃー…Fableが反例出した数学の未解決予想、年取ってから双子素数予想の2つの素数の差の2を7000万ぐらいの「定数」で抑えて一躍有名スターになった張益唐（Yizhang Tang）先生が7年取り組んだ問題だったのか…

[情報の灯台 @joho_no_todai]

MPEG-4 Part 2の特許が全世界で消えた。
最後まで残っていたのはブラジルのシーメンス保有特許1件で、7月19日に失効した。

DivXやXvidが実装した2000年代の動画圧縮規格。
米国と欧州の特許はすでに数年前に切れていたが、ブラジルの1件が2026年まで残り続けていた。

次に全特許が切れるのはH.264、2027年11月。

[3xv @3xv]

今のモデル使い分け。
誤解を恐れずに言うとコーディング自体はSonnetで十分。

[3xv @3xv]

ループもグラフもいままでやっていた事に名前ついたんだなという感想しか無い。

[R.藍原 @R__Aihara]

要らねぇ流し撮りシリーズ増えました

[ところてん @tokoroten]

「第一営業部」とか「技術一課」みたいな、部署名に番号を使う組織って何なんだろうなぁとおもって考えてたんだけど、「技術の創造と設計」のこの図が浮かんできた

アイデンティティを組織名から剥ぐことで、組織の境界線を緩やかにして、仕事の境界線を柔軟に変えられるようにするのか

[了法寺 @ryohoji]

二代目ようこそ了法寺へ萌看板、降臨。これからもどうぞ末永くよろしくお願いいたします。

[Claude @claudeai]

Beginning July 20, Claude Fable 5 will be included in all Max and Team Premium plans, at 50% of limits.

Pro and Team Standard users will continue to have access to Fable via usage credits, and will receive a one-time $100 credit.

Demand for Fable has been challenging to predict, which is why we rolled it out to subscription plans in stages, extending access several times as we secured additional capacity.

[3xv @3xv]

Fable（のUsage）復活した・・・。何だったんだ。

[3xv @3xv]

Fable使えなくなった。日曜まで使えるって話じゃなかったっけ？

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

今回、Preferred Networks（PFN）は、Noetora（以下、ノエトラ）が進めるフィジカルAI向け国産マルチモーダル基盤モデルの開発に参画します。

また、私自身もNEDO事業における共同研究開発統括責任者としてノエトラのモデル開発に携わるとともに、産総研が主体となって実施する探求枠において、テクニカルディレクターの一人として研究開発を進めます。

その背景と今後について説明します。

これまでPFNでは、フルスクラッチでPLaMoを開発してきました。日本国内で、データ設計、学習プロセス、モデルに対するコントローラビリティを確保しながら、AIの開発と利用を進めることが重要だと考えているためです。現在では企業での利用に加え、ガバメントAI「源内」をはじめ、行政・公的機関における活用も進んでいます。

しかし、生成AI開発をめぐる競争は激しく、競争力のある製品を開発し続けるには、大量の計算資源を安定的に利用できる環境が欠かせません。
さらに、LLMやエージェント向け開発に加え、画像、音声、動画、触覚などを扱うマルチモーダル化やフィジカルAIの実現には、新しいモデルや学習手法が必要になると考えています。そのため、技術開発だけでなく、データの収集・設計や評価手法の構築にも取り組む必要があります。

こうした背景から、ノエトラでは、国内でのモデル開発能力を持つメンバーが結集して基盤モデルを開発します。
また、これと連携する形で産総研が国内外の数十チームと研究開発テーマに取り組んでいきます。計算資源として、すでに国内にある計算資源を活用するとともに、国内最大規模のVera Rubin世代の GPU 27500基からなる計算基盤を構築していき、それを活用したモデル開発を進めていきます。

PFNからも、事前学習、事後学習、研究開発を担当する多くのメンバーがノエトラに参加し、PLaMoの開発を通じて培った技術や成果を取り込んでいきます。他の参画企業が持つ技術や知見とも融合し、一社だけでは難しい開発を進めます。

私は開発戦略チームに所属し、他組織から参加するリーダーたちと連携しながら、全体の開発方針や設計を検討します。また、研究開発を行う探求枠においてもテクニカルディレクターの一人として研究テーマの設定や推進に関わります。

一社では難しい計算資源の確保や基盤モデルの開発、評価技術の開発、研究開発では協調し、その成果を用いた製品化や社会実装では各社が競争します。共通基盤を協調して引き上げ、その上で多様な製品やサービスを競い合う関係です。

PLaMoの開発と提供は今後も継続します。ノエトラで開発される、より競争力の高い基盤モデルをもとに、PFN独自のデータ、学習技術、製品化技術を組み合わせ、PLaMoをはじめとするさまざまな製品へ応用していきます。

===

現在のAIの状況の中で、日本がこの取り組みを進める意義はあるのでしょうか。

一つには、米国と中国がAI開発を強力に主導する中で、第三極となる選択肢をつくりたいという思いがあります。新たな選択肢を提供することは、世界のAI開発や供給構造の安定化にもつながります。

また、AIにどのような価値観や考え方を反映させるかについて、世界中が一つの方向へ収束する必要はありません。日本を含むさまざまな国や地域の考え方を反映できることが重要です。こうした多様性が、世界全体を前に進める上でも大切だと考えています。

もう一つの重要なテーマが、フィジカルAIです。

物理世界でAIを活用することの重要性は広く認識されていますが、技術面でも実用化の面でも、多くの課題が残されています。だからこそ、今から本格的に開発を進め、実用化の段階で重要な役割を果たせる状態をつくる必要があります。

日本が強みとしてきた産業や技術領域を、AIによってどのようにさらに強化できるかは、今後の大きなテーマとなっています。

一方、フィジカルAIに到達する過程でも、汎用的なAI能力の向上は重要です。フィジカルAIは現在のAI開発と切り離された場所に突然現れるものではなく、現在の技術の延長線上に実現されると考えています。

これまでのAI開発も、多くの小さな改善の積み重ねによって進展してきました。AI技術には高い汎用性があり、ある分野の成果が別の分野のブレークスルーにつながることもあります。そうした積み重ねの中から、Transformerや推論技術のように、分野を横断して大きな飛躍を生み出す技術も現れてきました。今後も、このような変化をもたらす技術の登場が期待されていますし、私たちもここに貢献したいと考えています。

===

この取り組みの重要性を認めたとして、現在の国内の開発力で、世界と競争できるモデルをつくることは可能なのでしょうか。

私たちが優れた人材を集めてチームをつくり、一定の競争力のある規模の計算資源を確保し、データセットを設計したとしても、世界の先行モデルと競争することは容易ではありません。

だからこそ、あらゆる領域で同じ競争を続けるのではなく、日本が得意とする領域へ重点を移し、そこで能力を伸ばすことが重要だと考えています。

フィジカルAIでは、現場から得られるデータが必要だといわれます。しかし、単に学習用データを集めることでだけではなく、現場の問題設定を理解し、何を評価すべきかを定め、その結果を開発へ反映する必要があります。

例えば、ベンチマークの設計は重要な課題です。現在のAI開発では、適切に測定できる能力は大きく伸ばせる可能性があります。一方、現場で求められるのは、単一のベンチマーク上の性能ではなく、安定的に生産性や品質を向上させることです。現場で本当に必要な能力を定義し、測定する必要があります。

私自身、PFNの事業を通じて、さまざまな産業領域に携わってきました。その中で、現在の技術でつくれる製品と、現場で必要とされる製品との間に、大きなギャップがあることも見てきました。現場からのフィードバックを開発に反映し、このギャップを埋め続けることが重要です。

技術的な観点でいえば、将来のAIには、知識や動作を事前に学習しておくだけでなく、その場の環境に適応しながら学習する能力が必要です。

その一部はIn-Context Learningとして実現されていますが、さらに伸ばす必要があります。現実世界では、まったく同じ状況を再現することはほぼ不可能です。個々の環境に適応しながら能力や安定性を向上させることが必要です。これは継続学習とよばれる大きな課題分野です。

一方、現在の継続学習には、新しいことを学ぶことで過去の能力が失われたり、モデル更新によって想定外の挙動が生じたりする問題があります。

これらを解決するには、学習の仕組みをより深く理解し、その理解に基づいてモデルを更新する必要があります。完全な理解が難しくても、少なくとも挙動を評価し、制御できなければなりません。

また、マルチモーダルの統合も大きな課題です。現在の枠組みの延長線上で解けるのか、それとも全く新しい構想・処理が必要なのかは大きなテーマとなります。

さらに、これからAIが取り組む問題の多くは、データを取得できない、あるいは取得に大きなコストがかかるものになります。

現在のAIが大きく成功しているのは、膨大なデータを集めたり、強化学習などによって大量の試行錯誤を行ったりできる領域です。

代表例がソフトウェア開発です。ソフトウェア開発では、学習や評価のデータを大量に生成でき、仮想環境で安全かつ低コストに試行錯誤できるため、AIの活用が急速に進んでいます。

これに対して物理領域では、データ収集が難しく、安定的かつ安全に試行錯誤を繰り返すことも容易ではありません。そのため、データ生成が重要な役割を果たしていくとおもわれます。さらに、動画生成モデルなどを発展させた世界モデルが、大規模なシミュレーターとして機能する可能性があります。
また、仮想世界で行動するエージェントが徐々に活動領域を広げ、実世界へ進出してくることも考えられます。

===

今回、大規模な取り組みを始める一方で、その成果が外から見える形になるまでには、一定の時間がかかります。

挑戦的な技術を実際のモデルへ組み込む際には、既存技術との整合性や、大規模化した際の安定性など、多くの課題が生じます。また、計算資源の整備にも時間を要します。

初年度から、PFNをはじめとする国内で実績をあげてきた開発チームが集結し、これまで培ってきた技術や能力を生かし、具体的な成果を出していくことを目指します。しかし、新たな研究開発の成果が、モデルや製品としてリリースされるまでには、一定の時間が必要だと考えています。

進展が非常に速いAI開発において、この期間はとてつもなく長いものです。だからこそ、方向性を誤らないよう中長期的な視点を持ちながら、その間に起きる技術や環境の変化へ迅速に対応しなければなりません。

研究成果を開発へ取り込み、開発上の課題を再び研究へ戻していくという、研究と開発の連携が大きなテーマになります。実験的なモデルを数多く開発し、社会実装から得られるフィードバックを次の研究開発へ反映することも必要です。

今回、大きな支援を受けて開発を進める責任を自覚し、短期的な成果の創出と、中長期的な技術基盤の構築を両立させていきたいと考えています。

===

今回の開発に興味をお持ちの方は、ぜひお声がけください。

PFNを通じてノエトラのモデル開発に参加したい方や、PFNにおいて、その成果の社会実装に取り組みたい方を募集しています。

採用情報はスレッドに掲載します。

[今井翔太 / Shota Imai@えるエル @ImAI_Eruel]

FableやGPT-5.6の公開期間等を考えると、Kimi3の主な性能がアメリカのフロンティアモデル（Fable、GPT-5.6）の蒸留によって達成されたとはちょっと思えず、かなり本質的な技術、データ上の工夫があるのではないかと思います。 一方で、個人的には中国がアクセス可能な計算資源でここまで大規模な学習ができたことの方に驚いています。3Tクラスだと、NVIDIAの先端GPUを大量に使えるアメリカのラボでもかなりリソース的に難しいはず

[3xv @3xv]

@takachi_dev 動画広告を見るボタンを押してもクリック音がなるだけでした。
iOS 18.7.8

[3xv @3xv]

https://t.co/rXWv8MeALz

[3xv @3xv]

今年の3月〜おとついまでのアップデートを確認できるページが欲しくて作ったのでどぞー。
#PUBG

[オリコンニュース【アニメ】 @oricon_anime_]

『ちいかわ』"赤魚の煮付け"セブンで発売
コラボキャンペーン21日開始
⠀
骨までまるごと煮付けることで、
旨味とコラーゲンが溶けだした味わい深い一品
https://t.co/OmszJGcuut
⠀
セブンプレミアム 赤魚の煮付：税込321円
パッケージにはウロコを持つちいかわも

[ドンガメ六号 @dongame6]

自分が10代の思春期の時に、手元の端末をぽちぽち打ち込んだら24時間いつでもどこでも親切丁寧に回答してくれる存在が居たらそりゃ狂うでしょうよ。思春期夜中に一人で勉強してるときに声優ラジオ聞いてた連中が声優に狂ったのと同じ理屈ですよ。