OpenAIがChatGPTに物理キー対応のセキュリティ機能「AAS」を導入

OpenAIは、ChatGPTユーザー向けの新たな保護機能「Advanced Account Security（AAS）」を発表した。パスキーやYubiKeyなどの物理セキュリティキーによる認証を導入し、アカウントの復元手段を制限することでセキュリティを大幅に強化する仕組みだ。

AASを有効化すると、AI学習の対象から自動的に除外される点も特徴的だ。セキュリティの強化とプライバシー保護を同時に実現する設計となっている。またYubicoと提携した専用キーの優待販売も実施され、全ユーザーが利用可能である。

AIサービスへの不正アクセス被害が増加する中、単なるパスワード強化を超えた物理認証レイヤーの追加は、他のAIサービスにも波及する可能性がある。

「論文の最後」を読み解く—Agent-Native Research Artifactsが描く研究の未来

Hugging Face Daily Papersに掲載された「The Last Human-Written Paper」と題された論文が、科学論文の形式そのものに疑問を投げかけている。

現状の論文は、分岐し反復する研究プロセスを直線的な物語に圧縮する過程で、大半の発見を捨ててしまう。これを「Storytelling Tax」と「Engineering Tax」という2つのコストとして定義。前者は失敗した実験や却下された仮説の喪失、後者はレビュー向けの文章とAIエージェントが実行可能な仕様の間にあるギャップだ。

研究チームは「Agent-Native Research Artifact（ARA）」というプロトコルを提案している。科学ロジック、実行可能なコード、探索グラフ、証拠の4層構造で構成され、PaperBenchで質問応答精度を72.4%から93.7%に向上させたという。AIが研究を再現・拡張する時代に向けた、出版物の根本的な再設計と言える。

視覚生成の5段階タクソノミー—アトミック生成からワールドモデリングへ

Hugging Face Daily Papersにもう一つ注目すべき論文が掲載された。「Visual Generation in the New Era」は、画像・動画生成モデルの進化を5段階のタクソノミーで体系化している。

Atomic Generation（原子生成）、Conditional Generation（条件付き生成）、In-Context Generation（文脈内生成）、Agentic Generation（エージェント的生成）、World-Modeling Generation（ワールドモデリング生成）の5段階だ。現在のモデルは見た目の再現では大きく進歩したものの、空間推論、長期一貫性、因果理解では依然として課題が多いと分析している。

同論文は、フローマッチング、統合理解生成モデル、報酬モデリング、合成データ蒸留などの技術ドライバーを整理し、現在の評価が知覚品質に偏りすぎているとも指摘。構造的・時間的・因果的な失敗を見逃しているという批判は、生成AIの評価方法の見直しを促すものだ。

MITが日常デバイスでのプライバシー保護AI訓練を実現

MITが、日常的なデバイス上でAIモデルの訓練を行いながらプライバシーを保護する手法の研究を発表した。Hacker Newsでも話題を呼んでいる。

詳細はMIT Newsの記事に委ねられるが、エッジデバイスでの学習を実現できれば、データをクラウドに送ることなく個別のユーザー環境に最適化されたモデルの構築が可能になる。連合学習や差分プライバシーと組み合わせることで、個人情報をサーバーに露出させることなくモデルの精度を向上できる可能性がある。

AIのプライバシー問題は規制の観点からも重要性が増しており、技術的な解決策の進展は実用化のハードルを下げる意味で注目に値する。

Qwen 3.6 27B vs Gemma 4 31B — ローカルLLMのコーディング力をPac-Manで比較

RedditのLocalLLaMAコミュニティで、Qwen 3.6 27BとGemma 4 31Bを使った興味深いベンチマークが公開された。両モデルにPac-Manゲームを一発で作らせるというテストだ。

テスト環境はMacBook Pro M5 Max（64GB RAM）。Qwen 3.6 27Bは32 tokens/secで18分4秒・33,946トークン、Gemma 4 31Bは27 tokens/secで3分51秒・6,209トークンという結果だった。

Qwenはより長いコードを生成し創造性やビジュアル面で優れた一方、Gemmaは短く論理的な回答でゲームロジックの正確さに勝った。幽霊の動き、壁との当たり判定、パーティクル効果などでGemmaが優位に立ち、このワンショット・コーディング対決ではGemma 4 31Bが明確な勝者と評価された。トークン速度だけでは測れない「回答の質」が、ローカルLLM選びの重要な指標になることを示している。