AI新聞

AIがナヴィエ・ストークス方程式などの未解決問題を解く動きに対し、数学者は「答えよりも解く過程が価値を生む」ためAIが新しい発想の芽を摘むと懸念する。対数の発明が計算機の早計な直計で埋もれたかもしれない、というたとえで説明する。

一方で、AIが先に答えを出しても、人間が後から理解できる理論へ組み直すことは可能だという。アーベルの長い証明をガロアが群論で簡潔化したように、AIは誤った問題設定に人生を費やすリスクも減らせる。

結局は、AIの力を活かしつつ人間の理解を育てるやり方を人間側が設計することが課題だ。AIは賢いが「親」ではないため、自分たちの学びの指針を自分で決める必要がある。

数学界でAI活用が進む中、OpenAIがナビエ・ストークス方程式を解決したと発表したことに対し、フィールズ賞受賞者25人が声明を出し、「概念の理解より解決だけ」を優先する姿勢は科学に有害と批判している。証明の意味づけや筋道が不明なままでは、再現性や教育的価値が損なわれ、数学の進歩を歪めると懸念を示す。

筆者は、AIの計算力自体ではなく、結果をどう検証し、人間の理解へと接続するかが問われていると指摘する。

古いA100でDeepSeek v4.1 Flashが非対応とされるFP4をあえて攻略し、CPUとGPUの役割分担やカーネル起動の削減、MTPやタスクごとのバッチ編成などを重ね、33tok/sから最大673tok/s（並列で1000tok/s超）まで高速化し、公式APIの体感速度を上回った事例を示す。

著者は「GPUを増やせば速い」という思い込みを捨て、測定してボトルネックを壊す姿勢こそ鍵だと述べる。A100でも最適化しだいで十分戦え、ローカルでも巨大モデルがクラウド級の速度で動く現実が見えたという。

大量利用や最新モデルにはクラウドの利点が残るが、社内用途なら自前サーバの方が速く、安く、安全で自由度も高い時代が近づいていると結論づける。

オンライン発表会で生成AI映像を多用したことが批判を受け、レベルファイブの日野社長が「派手にしたかった」ための実験的使用だったと謝罪。映像の不自然さなどへの不快感を認めた。

一方で、シナリオやキャラ設計など核の創作は人が担当し、AIは原画を正確に3D化するなどの効率化に限定すると説明。発売されるゲームに安易なAI出力は入れないと強調し、開発期間を5年から2年へ短縮する挑戦の中での教訓とした。

米オープンAIが「ミレニアム問題」の一つを解いたと発表したことを受け、森重文氏らフィールズ賞受賞者を含む世界の数学者25人が、AIで難問を解く行為は科学・数学界に有害だとする声明を出した。

数学は人類の知の縮図で、問題解決は理解と洞察に到達する手段にすぎないのに、AI企業の目標はそこから外れると指摘する。AIが成果を乱造すると大量生産で人の検証が追いつかない、熟考する時間が失われる、既存成果に依存するため業績の帰属や盗用の問題が生じる、と強い懸念を示した。

AIがコードもライブラリ選定も担う時代に、人間はフレームワークを意識しなくなる懸念がある。筆者はHonoでAIの「開発体験」を評価するAgent DXを作り、Evalsで効果を測った。

少し指示するとAIはHonoを選びやすく、採用率は上がる。フレームワークを使うと成功率が上がり、コード量とトークンも減った。つまりAIにもフレームワークは要る。

HonoのCLIやSkillsは、エンドポイントが多い・変更が続くタスクで特に効く。一方、開発サーバーはAIには不要で、ポート衝突の原因にもなる。つまり開発者向けとAI向けで別の「使いやすさ」を設計すべきだ。

結論として、WebフレームワークはAI時代でも有用で、AI向けの開発体験を最適化する余地が大きい。

AIは作業を速くするが、ボトルネックを別工程に移すだけになりやすい。筆者はAWSの導入で、構築・試験・運用はAIとIaCでかなり自動化できる一方、検証と設計資料作成は手作業が多いと述べる。

特に検証は、マネコンやCLIで挙動を細かく確かめ、ログやパラメータの意味を腹落ちさせる工程であり、検証に時間をかけてシステム理解を深めることが後工程の自動化を支えると主張する。検証で得た知見はMDに残して再現性も高まる。設計書・パラメータは今後さらに自動化したいという結び。

AIエージェントと小さなアプリ（Gadget）をブラウザ上のワークスペースで作成・共有できる基盤。各アプリには専用の実行環境と保存領域が与えられ、社内の知識や外部サービスを使いながら成果物をチームで回せる。

コードの雛形は Blueprint として配布でき、各メンバーが自分用のアプリを起動可能。最大の特徴は、Gatekeeperによる承認つき外部サービス接続で、GitHub などへの読み書きを細かく制御し、共有相手の閲覧権限を自動検証・反映する点。サンドボックス設計で安全性にも配慮している。

ClaudeとChatGPTを活用し、写真から実写級の3D人体を作って動かす手順と工夫を詳述した記事。AI同士が協調して3D制作を自動化していく実践録。

• 入力写真は正面やや斜め1枚が最適。四面図は髪型や左右差が乱れてノイズ化しやすい。
• Hi3Dで高精細モデル生成（約500万ポリゴン）→Blenderでリグとリップシンクを実装。操作は主にAI指示で進行。
• リアルタイム化にはThree.jsでブラウザ描画。口周りはポリゴンを残しつつ全体を約58万まで減らす。
• 眼球が無いモデルの視線移動は、FLUX系のLoRA（追加学習モデル）で2D画像の目線だけを変え、テクスチャへ反映。
• UV展開（テクスチャ座標）を目専用に再設計し「集め」方式で貼り戻し、欠損や縞を回避。
• 生成時の照明を持ち込まないよう、編集前後の比でテクスチャを合成。
• 視線はサッカード（飛ぶ動き）として補間せず切替、生命感を演出。
• 口・歯の形状や色は実写を参照し微調整。検証は別経路で二重確認し、バグを早期特定。

Sakana AIが基幹モデル「Sakana Fugu」の最新版を発表。最上位の「Fugu Ultra v2」は、複数のAIを束ねて世界最高水準を実現したとされる。

コード生成や図解などのタスクで精度が向上し、幅広い開発・業務支援に使えるのが特徴。日本発のモデルが最前線に食い込みうる事例として注目される。

GPT-6 AstraがPC操作までこなし、Unityを直接操作してゲームを完成させた事例。仕様書とUIサンプル、Kenneyの無料アセットだけを渡し、プラグインなしで3D障害物アクションを約20分で可動化。BGM/SEも実装された。

合計約574万トークンを使い、キャッシュ再利用込みで費用は約8.39ドル。画面ロック中はプロジェクトを複製し、コマンドラインからUnityを起動して検証を継続するなど、作業継続力も確認。将来は編集作業の多くをAIに任せられる可能性が示された。

Amazon Bedrockの料金上限を手軽にかける方法を解説した記事。

• AWS Budgets Actionsで、上限超過時にIAMへbedrock:*のDenyポリシーを自動付与し、追加リクエストを遮断する。Budgets Actionsだけで超過後のリクエストを自動的に拒否でき、API Gatewayなどの構築は不要。
• ただし反映は「少なくとも1日1回」の更新で、発動に最大1日遅延がある。
• Bedrock経由のClaudeやOpenAIは「別サービス名」で計上される。テンプレのFilterExpressionに対象モデル名を明示する必要がある（Claude主要モデルは同梱、他は追記）。
• CloudFormationで即デプロイ可能。主なパラメータは上限額、通知メール、対象タイプ（Role/User/Group）と名前、承認方式（自動/手動）。
• Budgets Actionsは2件まで無料。3件目以降は1件あたり約$3.1/月。
• 拒否ポリシーは翌月に自動で外れる（手動でも解除可）。