8月29日夜のダイジェスト。AIによる労働置換の現場報告、エージェントに失敗から学ばせる研究、オープンモデルへのセキュリティ指摘と、社会側と技術側の両面で材料がそろった。

中国の短編ドラマ95%がAI生成──俳優は声と容貌を差し出して解雇も

Financial Timesの報道をThe Decoderが紹介している。それによると、中国では2026年第1四半期に公開された短編ドラマ12万8,000本のうち95%がAI生成だったという。生成コストの低下を背景に、短編ドラマ市場が一気にAI制作へ寄り、俳優やライバー（配信者）といった職種が置き換えられつつある。

より重いのは労働側の実態だ。俳優の中には、解雇される前に自分の声と容貌をAIツールへ引き渡すよう求められるケースがあるとされ、AI関連の労働紛争は急増しているという。「本人の声と顔を提供した結果、その代替となるコンテンツが量産される」という構図は、生成AIと雇用の関係を考えるうえで最も直截な事例といえる。他国の動向として注視したい。

GoogleのWikiSkill──エージェントが失敗をWikiに書いて学ぶ

Google Researchは、AIエージェントにWiki形式の永続的な知識ベースを持たせるフレームワーク「WikiSkill」を紹介した（The Decoder）。従来のエージェントは、タスク実行で得た学びをセッション終了とともに捨ててしまうのが通例だ。WikiSkillはこの点を変え、失敗と成功の両方をWikiライクな構造で文書化・蓄積し、次回以降の実行に活用する。

興味深いのはスケーリングとの関係だ。大きいモデルほどWikiSkillの恩恵を大きく受ける一方、WikiSkillを持つ小さいモデルは、それを持たない大きいモデルに匹敵する性能を示すという。モデル本体の規模を知識の外部化で補えるのであれば、ローカル実行側にも朗報になりそうだ。

主要なオープンAIモデルに重大なセキュリティ脆弱性──ウォータールー大

ウォータールー大学が、「主要なオープンAIモデルに重大なセキュリティ上の弱点がある」とする結果を発表した（Hacker News経由）。今回入手できた情報はタイトルと発表ページにとどまるため、脆弱性の内容や対象モデルの範囲は原文で確認してほしいが、この種の独立系検証はモデル選定の前提を左右する。オープンウェイトを業務へ組み込む場合、機能面のベンチマークに加えて安全性の外部検証をどこまで参照できるかが、引き続き問われそうだ。

Microsoft支援のAIデータセンター、62基の「無許可」ガスタービンで反発

Tom's Hardwareの報道によると、Microsoftが支援するAIデータセンターが周辺コミュニティから複数の苦情を受けている。内容は、許可を取得していない62基のガスタービンをはじめ、違法な建設や騒音公害にまで及ぶという。計算需要の伸びに電力供給が追いつかない中で、許認可の手続きを待たずに自家発電を並べる実態が具体形として浮かんだ形だ。先日「米国でデータセンター反対が左右を超えて広がる」という世論調査を伝えたばかりだが、今回は許認可の実効性という新しい論点が加わった。

LLMベンチマークの点数は時間でどう揺れるか──3万1,352個の毎時スコア分析

RedditのMachineLearningで、31,352個の毎時ベンチマークスコア（49のモデル識別子）を分析した結果が投稿された。それによると、同じ日内のスコア変動は2.8ポイントだったのに対し、日をまたいだ変動は8.4ポイントと約3倍に達する。単発の毎時の上下動はモデルの確率的な揺らぎが支配的である一方、性能ドリフトのシグナルは日次のまとまりで見る方が検出力が高い、という整理だ。

投稿者はこの手法を継続評価プラットフォーム「AIStupidLevel」（フロントエンド・バックエンドともMITライセンス）へ実装しており、実運用ではGemini 3.1 Flash Liteで32%の持続的な性能低下を検出し、重大インシデントに分類したという。API越しのモデルは裏側の構成が静かに変わり得る。「ある時点の一回のベンチマークで優劣を決める」習慣がどれほど脆いかを示すデータとして読み応えがある。

RP2350マイコンで画像生成モデルが動く──パラメータは240万

変化球的な一本。組み込み系の実装で知られるcpldcpu氏が、画像生成モデル（latent flow transformer）をRP2350マイコン向けに実装し、128×128ピクセルの顔画像を生成できるようにしたとRedditで公開した。モデルはわずか240万〜400万パラメータをint8へ量子化したもので、生成に最長約20秒を要するものの、処理はすべてマイコン上で完結する。

実装の工夫も読み物として面白い。重みは前のレイヤーを計算している間にフラッシュメモリからDMAでストリーミングされ、メモリをほとんど余分に使わない。条件付けにはAdaLN-Zeroを採用し、CFGにも対応して画質を底上げした。活性化関数をRelu²にしてスパース性を高め、計算をスキップできるようにした点など、限られたリソースでどこまでやれるかを突き詰める姿勢が随所に見える。パラメータ数の大きさで語られがちな生成AIの話に、もう一つの軸を与えてくれる成果だ。