OpenAIが2026年の世界選挙に向けた安全対策を発表

OpenAIは2026年の各国選挙に向けて、包括的な安全対策を発表した。AIを通じて人々に正確な選挙情報を提供し、サイバー防御者を支援し、AIの透明性を高めるという3本柱のアプローチだ。

具体的には、選挙関連の質問に対して信頼性の高い情報源を優先的に提示する仕組みや、ディープフェイクやAI生成コンテンツの検出・ラベリングの強化が含まれる。また、OpenAIのツールを悪用した選挙干渉を防ぐための監視体制も強化されるとしている。

AIが選挙に与える影響については、世界各国で規制議論が活発化している中、大手AI企業の自主的な取り組みとして注目される。ただし、実際の効果については選挙期間を通じて検証されることになる。

AI生成CUDAカーネルがトレーニングを「静かに」破壊する問題

NVIDIAが先月公開したCUDAカーネルベンチマーク「SOL-ExecBench」において、AIが生成した高速化カーネルに見えないバグが潜んでいることが報告された。MachineLearningコミュニティで共有されたこの報告は、AIコーディングの信頼性に関する重要な警告となっている。

問題が顕在化したのは、融合embedding-gradient + RMSNorm backwardパスのカーネル。ベンチマークの検証は通過していたが、実際のトレーニングループに組み込むとlossが発散してしまった。さらに厄介なのは、データセットを均一ランダムに変えれば発散が消え、SGDをAdamWに変えても消えるという「条件次第で隠れる」バグだったことだ。

根本原因は、embedding-gradientの計算でfp32すべき蓄積をbf16で行っていたこと。実際のテキストデータでは特定のトークンIDに勾配が集中し、bf16の精度では小さな寄与がゼロに丸められ、高頻度トークンの行が徐々にずれていく。AdamWの正規化がこのずれを吸収してしまうため、loss上では異常が見えないという「最悪の種類のバグ」だった。

この問題は、AI生成コードのベンチマーク通過と実運用での正確性が必ずしも一致しないことを示しており、研究コミュニティに大きな波紋を呼んでいる。

RustがLinuxをAIから守る—Greg Kroah-Hartman氏の発言

Linux KernelのメンテナであるGreg Kroah-Hartman氏が、Rustプログラミング言語がAI生成コードの品質問題に対するLinux防衛策になると語った。ZDNetのインタビューで同氏は、AIによって大量に生成されるコードの品質管理が深刻な課題になっていると指摘。

Kroah-Hartman氏は、Rustのメモリ安全性機能が、AIが生成するコードに潜むバッファオーバーフローやメモリリークといった典型的な脆弱性をコンパイル時に防ぐ役割を果たすと説明した。Linus Torvalds氏が先月AI生成パッチをLinux Kernelに拒絶した件と同様に、カーネルコミュニティ全体がAIコードの品質に対して警戒を強めている。

AIコーディングツールの普及に伴い、オープンソースプロジェクトにAI生成のコントリビューションが大量に流入し始めており、レビュー負荷の増大が懸念されている。Rustの採用は、そうした中での「品質の安全網」として機能しそうだ。

MetaがInstagram/Facebook/WhatsAppのサブスクリプションを正式開始

MetaがInstagram、Facebook、WhatsAppの有料サブスクリプションを全世界で正式に開始した。TechCrunchの報道によると、これらは「Meta One」という統合サブスクリプションブランドの下で展開される。

特に注目されるのは、AI関連機能も今後サブスクリプションに含まれる計画があることだ。具体的なAI機能の詳細はまだ不明だが、Meta AIの高度な機能やクリエイター向けAIツールなどが想定される。

SNSプラットフォームのサブスクリプション化は、広告収入への依存を減らす戦略とみられる。ただし、これまで無料で使えてきたサービスの有料化に対して、ユーザーの反発も予想される。Hacker Newsでも「月額サブスクリプションを拒否したAIアプリ開発者」の投稿が話題になるなど、AI関連サービスの料金モデルについて議論が活発化している。

優秀なエンジニアがAIで「劣化」する理由

nidhish.devで公開された「Why Good Engineers Become Worse with AI」という記事がHacker Newsで注目を集めている。同記事は、経験豊富なエンジニアがAIツールを使い始めると、かえって生産性や判断力が低下する現象を分析している。

理由として、AIの提案を鵜呑みにして深い思考をスキップしてしまうことや、デバッグ能力がAIへの依存で衰えることなどが挙げられている。また、AIが出力する「もっともらしい」コードを見抜くためには、かえって高度な専門知識が必要になるという逆説的な状況も指摘された。

この議論は、AIツールの導入が必ずしもプラスにならないケースがあることを示しており、教育現場でも「全学生がAIを使う中でプログラミング教育をどうすべきか」というHacker Newsのスレッドと併せて議論を呼んでいる。

260KパラメータLLMが90年代CPUエミュレータ上で動作

LocalLLaMAコミュニティで、260KパラメータのLLMを90年代のCPU（Freescale ColdFire MCF5307）のエミュレータ上で動作させるプロジェクトが大きな話題になっている。

制作者のMironV氏は、大学時代（2008年）に製作したRTOSをJavaScriptでエミュレートし、その上でKarpathyのllama2.c（stories260Kモデル）を動かした。ColdFireにはFPUがないため、モデルをINT8に量子化し、Carmackの高速逆平方根（Quake由来）やルックアップテーブルを駆使して計算を最適化。トークンあたり2〜4秒で、おおむね首尾一貫した英語を生成する。

実用的ではないものの、「LLMがポテト級のスタックで動く」というデモンストレーションとして、コミュニティで大人気に。次はFPGAでオリジナルハードウェアを再実装し、実用速度を目指す予定とのこと。