GoogleのAI安全トップチームが、自社の採用スクリーニングAIを「信頼できない」とみなし、候補者に回避ルートを案内していた——そんな皮肉な実態がBloombergの取材で明らかになりました。一方、AnthropicはClaudeの出力をAI生成物として識別する仕組みについて公式に説明。コミュニティでは、1Bパラメータの言語モデルを約200ドルでゼロから訓練した個人の記録が技術記事として大きな反響を呼んでいます。

Google DeepMindの安全チーム、自社の採用AIに「頼るな」

Alphabet傘下のGoogleは企業向けに「膨大な応募を素早くふるい分ける」AI採用ツールを売り込んでいますが、社内のAI安全研究者たちはその仕組みを信用していません。Bloombergが確認した文書によると、高度AIのリスク軽減を専門とするDeepMindの「AGI Safety and Alignment Team」は、自チームの採用候補者に対し通常応募とは別に専用フォームの提出を促していました。社内のAIシステムに優秀な候補者が自動的に弾かれるリスクをなくすのが狙いで、同文書には「この文書は広く共有しないでください」との注記があったといいます。

最先端のAI安全を担う組織が、自社のAI運用を自ら信用していないという構図は象徴的です。採用AIの精度と公平性をめぐる社会的議論に改めて一石を投じそうです。

Anthropic、Claudeの生成物を識別する仕組みを公式説明

Anthropicは、Claudeが生成したテキストを人間の執筆と区別できるようにする仕組みについて、サポート文書を公開しました。AIが書いた内容に何らかの目印を付与し、生成物の出所をたどれるようにする狙いとみられます。技術的な詳細は限定的ですが、偽情報対策や帰属・著作権の文脈で実用性が注目される方向付けです。

Hacker Newsでは57ポイント・54コメントと大きな関心を集め、「完全な検出は技術的に困難」という懐疑的な見方が出る一方で、透明性を高める第一歩として歓迎する声も見られました。

1BパラメータのLLMを約200ドルでゼロから訓練した個人の記録

RedditのLocalLLaMAコミュニティで、1.1Bパラメータの言語モデルをスクラッチで訓練した体験談が注目を集めています。Gemma3を参考にした独自アーキテクチャを採用し、コンテキスト長を4096に、語彙サイズを32kに絞り込みました。データはfineweb-eduで事前学習したのち、OpenHermesでLoRAファインチューニングを実施。vast.aiのH100を約130時間使い、総費用は約200ドルだったとしています。

最終的な検証用の損失（パープレキシティ）は事前学習が10.93、ファインチューニングが2.71。著者は「既存の小型モデルと比べると品質はまだ低い」と正直に評価しつつも、LLMの内部構造を深く理解できる学習プロジェクトとして推奨しています。コードとモデル重みはGitHubとHuggingFaceで公開済みです。

OpenAI、ChatGPT Workの企業導入事例を追加

OpenAIはエンタープライズ向け「ChatGPT Work」の導入事例を相次ぎ公開しました。Zapierのマーケティングチームはリードファネルからの離脱を減らし、キャンペーン素材の作成とレポート作成を自動化しています。Virgin Atlanticは調査・製品計画・意思決定を加速させ、顧客ジャーニー全体のシグナルをつなぎ合わせる用途で活用。企業向け営業を強化する姿勢がうかがえます。

親が子どもにAIを使わせる「本当の理由」

シカゴ大学などの研究チームがPNASで発表した論文が、親が子どもに生成AIを使わせる動機を調査しました（ITmediaが報道）。結果は「学習に役立つから」という理性的な理由よりも、「うちの子だけ遅れさせたくない」という社会的な圧力・同調圧力が強く働いていることを示唆しているといいます。約2000人を対象とした調査で、AI導入の背景にある心理的・社会的なダイナミクスが浮き彫りになりました。

このほかの話題

  • Claude APIのWeb検索ツールを実装: Qiitaで、AnthropicのサーバーサイドWeb検索ツール（web_search）をPythonで実装する際のハマりどころを解説した記事が公開されました。allowed_domainsの排他制約や引用ブロックの処理など、実務上の注意点をまとめています。
  • AI開発の一時停止を求める声: バーニー・サンダース米上院議員が、AI開発の一時停止を求める立場を表明しました（Axios報道）。規制論議の論客の一人としての発言で、政策面での動きとして注目されます。