AI新聞

Noroboto攻撃は、悪意あるフォントを文書に埋め込むことで、人間には正しい契約書に見せつつ、AIには異なる内容を読ませる手法。契約条件や金額など重要部分をAIが誤認するリスクがある。

AIによる文書レビューはテキスト抽出の正確性に依存しており、フォントとUnicodeの対応関係を検証しないと危険。OCR併用や三者間（人間・ファイル・AI）の内容一致確認が対策となる。

日本語の「ご自愛ください」などの相手を気遣う表現が、AI翻訳では「私の面倒を見てください」と直訳され、意図と異なる厚かましい意味になることがある。

文化的なニュアンスを正確に伝えるには、直訳ではなく意図や背景を理解した翻訳が重要であり、AI翻訳の限界を認識して使い分ける必要がある。

Anima Base v1.0は、アニメ特化の画像生成AIで、ローカルPC上で高解像度・高品質な画像生成が可能になり、従来難しかったキャラクターの一貫性もLoRAを使うことで制御しやすくなった点が重要。

モデルサイズが小さく一般的なPCでも動作し、sd-scriptsやAnima Standalone TrainerなどのツールによりLoRA作成も容易になり、個人でも柔軟なカスタマイズや高精度なアニメ画像生成が実現できる。

Appleが発表した画像圧縮AIコーデック「PICO」は、既存のAV1やJPEG-AIなどと比べて最大3分の1のデータ量で同等の画質を実現し、知覚品質・圧縮率・実用性のバランスを大幅に向上させた点が重要。

PICOは人間の視覚に最適化された学習型コーデックで、GANベースの損失や端末間互換性への配慮により、細部の質感や実用面でも従来技術を上回る画像圧縮が可能になる。

AIサービス（Ollamaやn8nなど）は認証なしで公開されているケースが多く、APIキーや会話履歴など機密情報が外部から丸見えになる深刻なセキュリティリスクがある。攻撃者もAIを活用しゼロデイ脆弱性を発見・悪用する時代となり、従来の常識が通用しないため、認証設定やネットワーク制限など自ら積極的な防御策を講じる必要がある。

テキストと画像を同一ベクトル空間に配置するマルチモーダルEmbeddingにより、テキスト→画像検索や画像→画像検索が可能になる。GoogleのSigLIP 2などのモデルを使い、transformers＋torchで実装できる。

大規模データ検索には近似最近傍探索（ANN）が重要で、DuckDB VSSのHNSWインデックスなどを利用することで、高速なベクトル検索が実現できる。

yt-dlp開発チームは、BunのAIコーディング偏重やセキュリティ懸念から、Bunランタイムのサポートを1.2.11～1.3.14のみに限定し、今後は非推奨とした。
AIによる自動生成コードの品質や保守性にリスクがあると判断し、Rust移行後のBunはサポート対象外となるため、今後yt-dlpでのBun利用は推奨されない。

Anthropicはプロンプト設計時にMarkdownよりXMLライクなタグを推奨する。理由は、HTML/XMLの明示的な構造がAIにとって解釈しやすく、曖昧性や方言による誤解リスクが低いため。

多くのLLMはWebクロール由来のHTML構造を大量に学習しており、タグによる情報区分が馴染み深い。複雑な構造やRAG用途ではXMLタグ利用が出力品質向上につながる。

AI活用が進む中、CISOはAI特有のセキュリティリスク（データ漏洩、モデル悪用など）を理解し、対策を講じることが重要。
AIセキュリティの基本を押さえることで、組織の安全性を維持しつつAI導入・運用を推進できる。

Claude CodeのRoutines機能を活用し、dev-workflowの開発後に会話履歴から課題を自動抽出・GitHub Issues化し、毎日自動で修正・PR作成する仕組みを構築。
これにより人間が気づかない改善点も拾えるようになり、開発フローの継続的な自動改善と効率化が実現できる。