8月21日夜のAIニュースまとめ。今回は、Google DeepMindがゲーム×AI研究の15年を振り返り「スコアの最大化を捨てた」汎用エージェントSIMA 2を紹介したこと、Waymoがロボタクシー向けの自社チップでNvidia依存を削減していること、Anthropicがエンタープライズの反発を受けてデータ保持ポリシーを変更したこと、MetaがMicrosoftのAIサービスに数億ドル規模を支出しているという報道、低リソース言語で「考える」LLMの興味深い研究、そしてAnna's Archiveによる「AI企業が物理的な書籍を破壊している」という告発を取り上げる。
DeepMindがゲーム×AI研究の15年を総括──「得点の最大化」から「人間のように遊ぶ」エージェントへ
Google DeepMindが「From Atari to EVE Online」と題する記事で、ゲームがもたらしたAI研究の歩みを15年にわたって振り返った。2010年の設立以来、制約の中で豊かに設計されたゲームの世界が知能の理解に重要な役割を果たしてきたといい、創業者のDemis Hassabis自身が元ゲーム開発者であることにも触れ、ゲームは同社のDNAだと強調している。
成果の時系列は圧巻だ。生のピクセルだけでAtari 2600をプレイしたDQN(2015年のNature論文)が深層強化学習の時代を切り開き、AlphaGoが2016年にイ・セドル氏を破った。自己対戦だけで人間の棋譜を使わなかったAlphaGo Zero、1つのアルゴリズムでチェス・将棋・囲碁を制したAlphaZero、ルールすら知らずにプレイしたMuZero、2019年にStarCraft IIでグランドマスター級に達したAlphaStarと続く。ここで培われた探索の精神はAlphaFoldへと流れ込み、タンパク質構造予測という50年問題の解決──2024年のノーベル化学賞──につながった。
記事の主眼は「これから」にある。明確な目標と十分な訓練さえあればAIはどんなゲームでも制覇できることを既に示したので、次の問いは「AIは人間のように、任意のゲーム世界を理解し相互作用できるか」だとする。スコアもルールブックもない現実世界を見据えた問いで、その挑戦が汎用エージェントのSIMAだ。スコアの最適化ではなく、プレイヤーが画面に見るものを「見て」、自然言語の指示を理解し、通常のキーボードとマウスで操作する。APIもソースコードも要らない点が本質的で、既存のゲームをそのまま対象にできる。
Geminiを基盤にしたSIMA 2は、リアルタイムに推論し対話するインタラクティブなコンパニオンとして、No Man's SkyやValheim、Hydroneerといった複雑な3D環境で人間らしいプレイを達成しているという。開発者にとっては、ゲームコードを変更しなくてよい汎用エージェントが、スクリプトでは不可能な適応的なNPCや、コミットのたびに変わるビルドのQAテスト、ローンチ後の予測不能なプレイヤー行動への追従を実現しうる。今年発表されたFenris CreationsとのEVE Universeにおける大型研究提携や、Hello Games、Coffee Stain Studiosらとの協業も同じ方向を向いている。
Waymoはロボタクシー用に自社チップ──Nvidia依存を削減
The Decoderの報道によると、Waymoはロボタクシー向けに自社開発チップを構築し、Nvidiaへの依存を削減しているという。推論基盤を内製に寄せることで、GPU調達のコストと供給の制約を直接緩和できる。直近はMicrosoftがAzureをAMD製AIチップで拡張するなど推論インフラの多様化が続いており、大口のAI利用者ほど「どこで計算するか」の支配を手元に取り戻す動きが強まっている。
Anthropicがデータ保持ポリシーを変更──エンタープライズの反発受け
Anthropicが物議を醸したデータ保持ポリシーを緩和し、エンタープライズ顧客が自社のデータを自身で保持できるようにするとThe Decoderが伝えた。企業顧客からの反発を受けた形で、法人にとって機密データの取り扱いが契約の死活問題になっている実態が浮かんだ。OpenAIも先日、データ保持なし(ZDR)と安全処理の両立を発表しており、法人向けAIでは「データを渡さない」前提が標準になりつつある。
MetaはMicrosoftのAIサービスに数億ドル規模──Bloomberg報道
Bloombergの報道としてThe Decoderが伝えたところでは、MetaはMicrosoftのAIサービスに数億ドル規模を支出しており、Microsoftで最大級のAI顧客の1つになっているという。自前のスパコン構築を進めるMetaが、並行して既存クラウドのAIサービスも大口で利用している実態がうかがえる。短報のため支出の内訳や使途は現時点では不明だ。
低リソース言語で「考える」LLM──精度はほぼ動かないのに、推論の言語は変わる
Hugging FaceのDaily Papersで注目を集めている研究が示唆的だ。4つのMoEモデル(Qwen・gpt-oss・Nemotron系、活性パラメータ3.6〜4.0B)をギリシャ語で推論するようファインチューニングしたところ、ヘッドラインの精度は「null」──ほとんど動かなかった。さらに、ランダムシードを変えるだけでスコアが7.7ポイント変動し、測定したどのデータやレシピの効果よりも大きいという。精度だけを見て言語適応を評価していれば、ノイズを読んでいたことになる。
本当の変化は別にあった。ベースモデルは1,000件の推論トレースのうち0件がギリシャ語で、質問がギリシャ語でも英語で考えていた。正しく答えながら、ユーザーが読めず、監査も訂正もできない形式で推論していたことになる。SFT後は全チェックポイントが約98%の項目で質問の言語で推論するようになり、ある系統ではトークン数が3分の1に減り、文法性は4系統すべてで向上。一般能力はベース比で数ポイント以内に収まり、何も忘れずに流暢性を得たという。
ただしSFTは自らの欠陥を直せない。回答の4分の1が要求されたフォーマットを無視し、回答が推論チャネルへ漏洩し、「英語で考えろ」という明示的な指示への遵守率は半分を切った。研究チームはトレーニング前に事前登録したRLVRで最初の2つを解決(フォールバック24%→2.5%、漏洩3.5%→0.0%)し、3つ目を+9.1ポイント改善した。出力長と相関する指標を機械的に棄却するゲート付きで6つの行動次元も提案しており、「自らの計測器がどう嘘をついたか」を6つの失敗例で公開している点は、評価方法論としても示唆に富む。5つのチェックポイントが公開されており、計測器・対照・事前登録の枠組みは任意の低リソース言語へ移植できるとしている。
Anna's Archiveが「物理的な書籍の破壊」を告発──希少本の保存を訴え
Anna's Archiveが「AI companies destroy physical books – let's scan rare books before it's too late(AI企業は物理的な書籍を破壊する。手遅れになる前に希少本をスキャンしよう)」と題する記事を公開し、Hacker Newsで121ポイント・66コメントの議論を集めた。先日「AirTagが暴いたAmazonの希少本スキャン」として取り上げた、中古で買い取った希少本をスキャン後に廃棄する実態と同じ問題系の継続だ。AIの訓練データ需要が、デジタル化されるべき現物そのものを消費していく構図への警戒が、アーカイブ側から明確に打ち出された形といえる。
訓練データをめぐる議論は著作権や対価に集中しがちだが、この告発の焦点は「現物の存続」にある。一度失われた物理的な書籍は復元できず、スキャン済みかどうかも外部からは分からない以上、保存の優先順位を誤れば取り返しがつかない──そういう主張とみられる。データの権利と現物の保存を切り分けて考える視点として、今後の議論の枠組みを変える可能性がある。