OpenAI共同創業者が描く「インターフェース不要」の未来

OpenAIの共同創業者であるGreg Brockman氏がこのほど、AIの将来像について語りました。同氏は、ChatGPTのプラグイン機能――2023年に大々的にプロモーションされた拡張機能――が失敗したことを率直に認めています。理由は「モデルがまだ準備できていなかったから」だと言います。

その上でBrockman氏が描くのは、アプリの拡張機能ではなく、目に見えない形で文脈を理解し自動的に行動するエージェントです。ユーザーがソフトウェアの使い方を学ぶ必要がない世界――「ほぼインターフェースのない未来」を目指しているといいます。ただし、OpenAI自身のコーディングエージェント「Codex」でさえ、このビジョンにはまだ程遠い状態とのことです。

エージェント型AIの実現に向けて業界全体の関心が高まっていますが、技術的なハードルも依然として大きいことがうかがえます。

26,000人調査：AI利用の学習コストは2年後に表面化

中国の学生26,000人以上を対象とした大規模調査で、AI利用による学習への影響が明らかになりました。

AIを使った学生は宿題をより早く終わらせ、一時的なスコアも高かったものの、試験では最大24%も成績が低下したことが分かりました。さらに注目すべきは、入試結果への悪影響が完全に現れるまで約2年を要したという点です。

短期的には学習効率が向上するように見えても、長期的には基礎力の低下を招く可能性がある――この研究は、AI教育ツールの導入を急ぐ前に、より慎重な評価が必要であることを示唆しています。

学会が「隠しプロンプト」でAI査読を検出、研究者から批判

科学論文の査読プロセスにおいて、学会側がAI生成の査読報告を検出するための「隠しプロンプト」を論文に埋め込んでいたことが明らかになりました。

この手法は、査読者がAIを使用しているかどうかを検知するためのものですが、科学コミュニティからは「査読者のプライバシーを侵害する」「信頼関係を損なう」として批判が高まっています。AIによる論文レビューの普及が進む中、学術界の誠実性をどう保つかが改めて問われています。

Google Researchがテーブルデータ基盤モデル「TabFM」をリリース

Google Researchから、ゼロショットでテーブルデータの分類と回帰を行える基盤モデル「TabFM 1.0.0」が公開されました。

数値データとカテゴリデータが混在する構造化データに対して、ファインチューニングもハイパーパラメータ調整も不要で予測を行えるのが特徴です。訓練例をコンテキストとして渡し、1回の推論で予測を返す仕組みになっています。HuggingFaceでPyTorch版の重みが公開されています。

テーブルデータ分析の民主化という観点から、実務での活用が期待されます。

100万トークン対応の蒸留モデル「Qwythos-9B」が4GB VRAMで動作

Empero AIからリリースされた「Qwythos-9B」が話題を呼んでいます。100万トークンという超長文脈を扱える推論モデルで、わずか4GBのVRAMで動作するとのことです。

9Bパラメータのモデルに蒸留することで、ローカル環境でも超長文の推論処理が可能になります。日本の開発者コミュニティでも、ローカルLLMでコーディングを行う際の実践的な知見――タスクの分割、MoEモデルの回避、セッション管理の重要性など――が活発に議論されており、ローカルでのAI活用が着実に広がりを見せています。