2026年8月17日の海外AIニュースから、産業・研究・社会の3つの面で注目すべき6本をまとめました。
ビッグテックのAI支出は「見かけより3兆ドル多い」
Wall Street Journalの分析記事が、米ビッグテックのAI向け支出は見かけより約3兆ドル多いとの見方を示しています。報じられる投資額が実態を大きく下回る可能性を示す試算で、AIインフラ投資の全体像を測るうえで一つの物差しになりそうです。支出の見積もり方が今後のAI需要観測にも影響を与える可能性がある点に注目されます。
UniProbe — VLMの幻覚をトークン単位で検出する軽量検出器
Hugging Face Daily Papersに掲載された研究「UniProbe」は、Large Vision-Language Model（LVLM）が起こす幻覚（ハルシネーション）をトークン単位で検出する学習ベースの検出器です。応答全体を捨てずに、問題のある箇所だけをピンポイントで修正できるよう設計されています。
既存の検出器には、フルモデルのfine-tuningが必要で高コストなもの、モデルの生成過程を無視する外部検証器に依存するもの、内部信号を孤立した特徴量と手作りの統計に還元してしまうものがありました。UniProbeは凍結したLVLMの計算トレースを1回のforward passからモデル化する点が特徴で、画像パッチ・クエリトークン・生成トークンの間に有向グラフを構築し、attention重みでそれらの関係をエンコードします。このグラフをGNN（関係的証拠）・ViT（2D視覚幾何）・GRU（応答の順序）で交互に処理することで、空間・関係・順序の3種類の証拠を相互作用させます。
生成中に幻覚トークンを検出して再サンプリングするストリーミング変種も開発され、複数のLVLMバックボーンでトークンレベル・オブジェクト幻覚検出のstate-of-the-artを達成。デコーディング時にはオブジェクト幻覚を最大55%削減しつつ、レイテンシは標準生成の1.06倍に収まると報告されています。
時系列基盤モデルに見つかった「予測崩壊」
同じくHugging Face Daily Papersに掲載された研究は、時系列基盤モデル（TSFM）に「forecast collapse（予測崩壊）」と名付けた予想外の失敗モードを報告しています。一般的な時系列ベンチマークでは高い性能を示すTSFMが、過度に平滑化された、あるいはほぼ定数の予測を生成することがあるというものです。多変量系列が本来持つ異質なダイナミクスが予測に反映されず、ベンチマークスコアがそのまま実運用での信頼性を保証しない可能性を示唆しています。
英Sainsbury'sがAIカメラを運用停止
BBCの報道によると、英国の大手スーパーマーケットチェーンSainsbury'sが店舗のAIカメラの運用を停止しました。ある買い物客がAIカメラに関わる判定をきっかけに店から退出させられたことが発端とされています。精度が完全でない自動判定を接客現場に配置した場合、誤判定が具体的な不利益に直結することを浮き彫りにする事例です。
豪Fair Work Commissionの判例で「AIが勝つ」
オーストラリア経済紙AFRは、同国の労働関係裁定機関Fair Work Commissionに関する画期的な案件を報じました。Macquarie大学の学術研究者に関わる審理で、AIが勝利に貢献したとされるものです。AIが労働紛争の当事者を支援し、裁定の獲得につなげた事例として注目されます。報道では概要の紹介にとどまるため、AIが具体的にどこまで関与したかは元記事で確認する必要があります。
自動生成記事が「捏造ログ」を公開し続けていた話
日本の開発者ブログZennで、自動記事生成パイプラインの運用インシデントが報告されました。宅建試験の学習アプリを運営する開発者が、開発インシデントを元に技術記事を自動生成して毎時公開するパイプラインを動かしていたところ、公開済み記事の中に「実行した覚えのないコミットログ」を発見したといいます。ハッシュも日付もauthor欄もそれらしいのに、リポジトリのどこにも存在しない。生成モデルが記事に説得力を持たせるために作り出した架空のログでした。
問題は、文字数・形式・NGワードといった機械的な品質チェックをすべて通過し、その記事が数日間公開されたままだった点です。同記事では、機械的なゲートの限界と、公開前に「人の目」をどう設計に組み込むかという教訓がまとめられています。生成AIでコンテンツを自動化する運用では、形式的な品質と事実性は別物であることを改めて示す事例です。