9月15日に収集されたAIニュースから、米政治のAI安全論争の新展開、ローカルLLMコミュニティへの大型公開、JVMへのAI推論導入、実運用で鍛えられた音声認識の実録、そして日本国内の身近な話題まで、6本をまとめました。

トランプ氏、AI安全への懸念を「デマ」とまで断じる──規制強化の呼びかけを拒否

BBCの報道によると、トランプ氏はAIへの安全保障強化を求める声に対し、その懸念自体を「デマ（hoax）」と表現し、より厳しいセーフガードの導入要求を改めて拒否しました。

このトピックはここ数日続く継続ニュースです。9月上旬にはAmodei氏らによる開発減速の要請を退け、先日はAnthropicのDario Amodei氏を名指しで批判しました。今回は「減速の要請」への反対から一歩進み、「懸念自体がデマ」とまで断じる表現に変わった点が新しい情報です。

一方で業界側は自律的な安全策を積み上げています。Amodei氏は第三者評価者の社内常駐を約束し、OpenAIやxAIも署名する評価標準「AEF-1」も登場しました。政治と業界の温度差が開くにつれ、自主規制の枠組みが実質的な安全策の主戦場になっていく可能性があります。

動的量子化「Voodoo Quant」の手法がMITライセンスで公開──コミュニティに開かれた最適化

RedditのLocalLLaMAコミュニティで、約2ヶ月前に小規模Qwen系GGUFモデルの最も攻めた量子化レベルでSOTA級と話題になった動的量子化手法「Voodoo Dynamic Quant」のツール一式が、MITライセンスで公開されました。

動的量子化とは、GGUF形式のようにテンソル（重みのまとまり）ごとに異なる量子化レベルを割り当てる手法です。従来主流の静的解析が統計量に基づいてレベルを選ぶのに対し、Voodoo Quantはモデルの全量子化レベルを同時に走らせ、テンソルごと・レベルごとにスカラーのゲートを1つだけ学習させます。勾配降下で「どのレベルの組み合わせなら、目標ファイルサイズに対して損失が最小になるか」を直接最適化する仕組みで、BF16の参照モデルとのKLダイバージェンスを損失関数として用います。著者によれば、逆伝播でテンソル単位の量子化レベルを選ぶ手法はこれが初めてとのことです。

Unslothの「Dynamic 3.0」との比較では、高〜中間の量子化レベルではUD 3.0が優位、より攻めた低ビット側ではVoodoo Quantが優位という結果が報告されています。UD 3.0が手法非公開であるのに対し、VQはツールと手法の両方を公開した点が大きな違いです。低VRAM環境でローカルLLMを運用するユーザーには追い風となる公開です。

Show HN: JVM向け推論エンジン「jinfer」──Pythonなしで「jar1つ」にAIを載せる

Hacker Newsでは、JVM向けのAI推論エンジン「jinfer」が発表されました。チャット・ビジョン・音声・エンベディング・リランキング・TTSに対応し、PythonランタイムもONNXもDockerコンテナもサイドカープロセスも不要。「AI in a jar（jarの中のAI）」をうたっています。

基盤もJVM向けに構築し直した点が特徴です。依存関係ゼロの純Javaトークナイザ「toknroll」、llama.cppとHuggingFaceのモデル形式を読み書きするGGUF/safetensorsモジュール、CPU上でllama.cppに匹敵するとして量子化matmulカーネル「jam」、Java・C・CUDA・HIP・Metal・OpenCL・Mojoを対象にするTensor API「jota」で構成されます。Spring AIやLangChain4jとの統合に加え、GraalVM Native Image対応によりミリ秒起動の自己完結バイナリも作れるといいます。

現時点ではCPUのみの初期リリースで、著者はAPI設計へのフィードバックを求めています。エンタープライズJava資産を持つ組織にとって、LLM推論をJVMの運用体系の中に閉じ込められる選択肢ができた意義は小さくありません。

KVキャッシュを「値のグループ化」で圧縮するGVA──キーは必要な時に再構成

Hugging Face Daily Papersでは、KVキャッシュのメモリ効率を高める「Grouped Value Attention（GVA）」が提案されました。コンテンツキーを保存せず、グループ化した値だけを保持し、学習済みの線形写像でキーをオンデマンドに再構成するアプローチです。

長文生成でVRAMの壁に突き当たりやすいKVキャッシュの削減は、ローカル運用と長いコンテキスト処理の両方に直結するテーマです。詳細な評価結果は論文本文で確認したいところですが、アテンション機構の根幹に手を入れる設計として注目に値します。

9つの品質ゲートを越えたギリシャ語・英語ASR──「単一モデルでは届かなかった」現場の記録

同じくHugging Face Daily Papersで、ギリシャ語・英語のバイリンガル音声認識モデル「Sophea ASR」を本番投入するまでの記録が著者自身によって共有されました。ギリシャ語WER、英語WER、言語識別、無音での幻覚など9つの品質ゲートを設定して挑んだものの、単一モデルでは全てを通過できなかったといいます。

2つのアーキテクチャで23回の訓練を重ねたベストは「9ゲート中7」。ギリシャ語の雑音耐性を改善すると英語の言語識別が壊れる、といったトレードオフに阻まれた結果、3モデルのROVERアンサンブルでようやく9/9に到達し、重複発話のWERも53%から38%に改善しました。

さらに興味深いのは測定の側です。ドメイン内のアンカー音声でオーディオフィルタを較正したところ、破棄されていたギリシャ語音声は98.7%から10.6%まで減少しました。「もっともらしい誤答を出した測定ツールの5事例」や「作ったが出荷しなかった7つの機能」も文書化されています。モデルの性能を疑う前に測定系を疑う——実務ならではの教訓が詰まった記録です。

セブンイレブン店頭の「AIポップ」騒動──本部「一部店舗の独自利用、本部提供ではない」

日本国内からは、セブンイレブン店頭で見つかり「きもい」「内部資料そのまま」と話題のAI生成掲示物について、ITmedia AI+が本部に取材した記事が届いています。本部は「一部店舗が掲示物作成にAIを利用していることを確認している」とした上で、「本部提供ではない」と回答しました。

生成AIが誰でも使える時代になり、現場の個々人の判断でAI出力が顧客の目に触れる場所に出ていく事例として、日本の身近な話題です。チェーンブランドの品質管理と店舗ごとの裁量のバランスが問われる、最初期の事例の一つといえるでしょう。