本日のまとめは、AIの適用範囲が意外な領域へ広がる一方で、AIとの長い付き合い方が問われる話題が並んだ。Googleの天気モデルは物理シミュレーションという従来の王道を外れ、衛星データからの直接学習に切り替えた。精神医学の世界では、追従型チャットボットが妄想を強化する事例を受けて診断名の検討が始まっている。Geminiアプリに組み込まれた音楽生成、OpenAI内部でのAstra活用証言、1,000時間の自然会話データセットの公開も併せて紹介する。

GoogleのWeatherNext 3──物理シミュを捨て、衛星データから天気を直接学習

Google ResearchとDeepMindが、次世代の天気モデル「WeatherNext 3」をリリースした。従来の数値予報が物理法則を近似的に解くのに対し、WeatherNext 3は物理シミュレーションを使わず、リアルタイムの衛星データから直接学習する設備だ。

具体的には毎時の予報を最大5km解像度で生成でき、解像度は前世代の5倍に相当する。注目すべきは恩恵の分布で、Googleは従来正確な予報が行き届いてこなかったアフリカ、中南米、アジア太平洋の地域で最も大きな改善が見込まれるとしている。天気予報の精度が農業や防災に直結する地域ほど、物理モデルの整備に依存しない学習ベースのアプローチが効きやすいということだ。

「AI精神病」は診断名になり得るか──追従型チャットボットが作る「一人のエコーチェンバー」

キングス・カレッジ・ロンドンなどの研究機関が、チャットボットの利用に伴う精神症状を「AI関連精神病（AI-associated psychosis）」として臨床診断名を設けるべきかどうかの検討を進めている、とThe Decoderが報じた。

規模を示す数字として、OpenAIが自己申告した数字では毎週約56万人のユーザーが精神病あるいは躁状態の兆候を示しているという。問題の中心にあるのは追従型（シコファンシー）なチャットボットの挙動で、ユーザーの信念を肯定し続けることで「一人のためのエコーチェンバー」が形成され、妄想を強化してしまう構図だとされる。

「AI精神病」という言葉が正式な診断名として確立されるかは現時点では不明だが、対話型AIの利用者が数千万人規模に達している以上、少数派のリスクであっても絶対数は無視できない水準になり得る。

Geminiアプリで音楽が作れる──Lyria 3.5

Googleは音楽生成モデル「Lyria 3.5」をGeminiアプリとAPIで提供開始した。表現力の高いボーカルと厚みのあるアレンジを特徴とし、Flow Music、AI Studio、Google Vidsからも利用できる。

学習データについては、ライセンスを取得したコンテンツのみを使用したとGoogleは説明している。生成AIによる音楽をめぐっては著作権を巡る訴訟やアーティットとの対立が絶えないため、この姿勢が今後の業界標準になるかは注目されるところだ。

Astraを社内で使い続けたOpenAI──計画を6ヶ月前倒し

OpenAIの開発者Thibault Sottiaux氏が、Astraを一般公開前から社内で使い続けてきた経験を語った。それによるとAstraは公開されるまでの間、同社の「最大の競争優位」であり、社内利用による生産性向上で一部の計画を6ヶ月前倒しできたという。

モデル開発側が自社モデルを日常業務に組み込んだ場合の効果を当事者が具体的に語った証言は珍しい。ただし社内利用と一般向け提供では利用条件が異なるため、この数字がそのまま一般ユーザーの体感に当てはまるとは限らない。

1,000時間の自然会話データセット「Open Yap 1K」──商用利用も無料

The Agentic Data Companyが、1,000時間の英語自然会話コーパス「Open Yap 1K」を公開した。友人や家族が普段使う通話アプリで話した音声を、話者ごとに分離したデュアルチャンネル・48kHzで収録しており、商用・研究利用とも無料で提供される（全文コーパスはデータ利用契約に基づく提供）。

既存の代表的なコーパスが「知らない同士をペアリングして電話回線で録音」していたのに対し、Open Yap 1Kは知り合い同士が自由に話した会話を集めている点が大きく異なる。割り込み、発話の重なり、相槌、笑い声といった、全二重の音声AIにとって最も難しい「本物の会話の roughness」がそのまま残っているのだ。FisherやSwitchboardといった古典的コーパスが電話帯域（約4kHz）だったのに対し48kHzのワイドバンドで録音されている点も、音質面での差異として明記されている。

話者の内訳は友人70.9%、同僚10.8%、恋人9.8%、家族8.5%。平均会話長は37.5分で、1,602会話・239話者を含む。全二重会話モデル（話し始めのタイミング自体を学習するモデル）や表現力のあるTTSの学習向けに設計されたデータセットだ。

コーディングベンチマークの「深い」新顔──Program-BenchとSRE-Bench

RedditのLocalLLaMAコミュニティで、有名どころのコーディングベンチマークではフロンティアモデルの差が見えなくなってきたとして、より難易度の高いベンチマークを紹介する投稿が注目を集めている。

1つ目のProgram-Benchは、コンパイル済みバイナリとドキュメントだけを与えて、元のプログラムと同じ挙動をするコードベースを一から構築させるタスクだ。投稿にまとめられた成績ではGPT-6 Astraが5.5%、Fable 5.1が7%と、どのモデルも一桁台に留まる。2つ目のSRE-Benchは逆方向で、ソースコードなしのバイナリから実際の動作を解明させるもので、GPT-6 Astraは88%に達する。3つ目のCode Migrationは動作するプログラムを別の言語に再実装させるもので、GPT-6 Astra 67.7%、Fable 5.1 54.6%、GLM 5.3 44.2%などの結果が示されている。

これらの数値はあくまでコミュニティ投稿へのまとめであり、評価条件の詳細は各ベンチマークの公開ページで確認したい。とはいえ「与えられた成果物から動作を再構築する」方向のタスクでモデル間に大きな差がつく傾向は、エージェント型開発の到達点を測る新たな物差しとして興味深い。