2026年9月1日昼のAIニュースから、重要度の高いトピックを整理して解説します。

防衛省、過去最大8兆8908億円の概算要求──自衛隊の指揮統制にAI、攻撃ドローン取得を加速

防衛省は8月31日、令和9年度（2027年度）予算の概算要求を決定し、過去最大となる8兆8908億円を計上しました。ITmediaの報道によれば、要求には自衛隊の指揮統制システムへのAI導入や攻撃ドローン（無人機）の取得など、「新しい戦い方」への対応を加速させる施策が盛り込まれています。

注目すべきは2つの点です。第一に、AIの活用範囲が分析や事務の支援にとどまらず、司令部機能の中核である指揮統制にまで広がろうとしていること。情報の収集・整理を自動化して意思決定を速める狙いとみられますが、実運用では誤作動への対策や人間による確認の仕組みが課題になるとみられます。第二に、戦闘の長期化を想定した生産基盤の整備です。防衛装備品の製造工場を国有化した上で、民間企業に管理を委託する制度の創設も盛り込まれており、弾薬や装備を継続的に供給する体制づくりを狙ったものとみられます。

生成AIをめぐる議論は民生用途に集中しがちですが、安全保障分野への配備は各国で現実の政策課題になりつつあります。日本の防衛費がAI・無人機へどう配分され、どんな形で具体化するかは、今後の予算審議で確認したいところです。

個人開発者がGemma4-12BをMoEへ「アップサイクル」──自作の22B・活性化17Bモデルを公開

RedditのLocalLLaMAコミュニティで、DenseモデルのGemma4-12Bにエキスパートを4つ追加してMoE（混合エキスパート）構造へ変換する「アップサイクル」を完成させたという報告が投稿されました。投稿者によれば、変換によって落ちていたモデルの能力が「一般水準」まで回復することを確認したといい、成果はHugging Faceで「Solon_MOE_22B_A17B」として公開されています。モデル名からは、総パラメータ22B・活性化17Bの構成と読み取れます。

アップサイクルは、既存のDenseモデルの重みをもとにエキスパートを増やしてMoEへ変換する手法とされ、事前学習を最初からやり直すより少ない計算量でMoEモデルを構築できる可能性があります。今回はエキスパート数に対して活性化パラメータの割合が高く、疎化による高速化の恩恵は小さめとみられますが、個人が試作して公開できるところまで手法が成熟してきたことを示す事例といえます。

投稿者は締めくくりに「Googleには公式の124B MoEモデルの公開を望む」ともつづっており、オープンモデルを支えるコミュニティでは、大手による公式MoE版への期待が高まっている様子がうかがえます。

Show HN:法律用語と「AIスロップ」を平易な英語へ書き直すスキル「Deslop」

Hacker NewsのShow HNでは、契約書などに使われる難解な法律用語（legalese）と、AI生成文にありがちなくどい言い回し──いわゆる「AIスロップ」──を平易な英語に書き直すスキル「Deslop」が公開されました。GitHubで公開されており、エージェント型AIツールの「スキル」として動作する形式です。

AIによる文章生成が当たり前になるほど、生成された文章の文体を整え直す需要は膨らんでいます。法律文書は一般の読者には読みにくく、AIが生成する説明文は冗長になりがちで、この両方を「人が読みやすい平易な文章」へ直せるなら、契約実務やドキュメント運用での活用範囲は広そうです。公開されたばかりで実績はこれからですが、執筆現場で試す価値のあるツールといえます。

日本語コミュニティの実務記事から──ハルシネーション発生率、AIと検索の使い分け、不要コード削除の自動化

Qiitaではこのところ、生成AIを実務で使う際の判断材料になる記事が並んでいます。

1つ目は、生成AIの「ハルシネーション（幻覚）」を扱った記事です。ChatGPTやClaude、Geminiの回答に「何か違和感がある」と感じた経験を持つ人は多いはずで、同記事はその正体であるハルシネーションの仕組みと、実務で使える発生率データ、抑制のための対策を整理しています。AIの出力を業務に組み込む際のリスク評価の材料になりそうです。

2つ目は、「それ、AIに聞けば早くない？」が本当に成り立つかを問う記事。生成AIは質問すると短時間で情報を整理して回答してくれる一方、最新情報や正確な数値、公式な仕様をAIの回答だけで確認するのは危険な場合があります。同記事は、AIと検索エンジンをどう使い分けるかの判断基準を示しています。1つ目の記事と並べて読むと、「AIに何を任せ、何は原本で確認するか」という実務設計の輪郭が見えてきます。

3つ目は、ScalaのリファクタリングツールScalafixとAIを組み合わせて、不要コードの削除を自動化する取り組みの記事です。Claude CodeなどのAIエージェントでコードを書くのが当たり前になるほど、コードは追加されるスピードが上がり、増えたコードをどう削ぎ落とすかは保守性を左右する課題になります。ルールベースの静的解析とAIの判断を組み合わせるこのアプローチは、エージェント時代のリファクタリング実践のヒントになりそうです。