CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
Claude Code の Artifacts が、Pro・Max プランでも使えるようになった。Artifact をリクエストすると Claude がコードを書き、それを claude.ai 上にライブで公開し、作業を続けながらリアルタイムで更新していく。生成されるページは各自のアカウントに紐づく非公開で、完全に自己完結(self-contained)しているという。
対話しながら成果物がそのまま動く形で公開・更新される流れは、プロトタイピングや共有の初速を上げる。非公開・自己完結という前提なので、社内向けの小さなツールを手早く形にする用途と相性がよさそう。
Anthropic が、Boris Cherny と Cat Wu による対談を公開した。Claude Code から Claude Tag に至るまでの道のりと、それがエンジニアリング部門から社内の他部門へどう広がっていったかを語る内容だという。あわせて、Claude Fable 5 が Claude Tag で利用できるようになったことを伝えている。
開発チーム発のツールが全社へ波及していくプロセスは、社内にAIを根付かせるときの実例として参考になる。最新モデルの Fable 5 が Claude Tag で使える状態になった点も、機能面の動きとして押さえておきたい。
Ethan Mollick が、Fable に「チェスを何も知らなくても自分が天才プレイヤーだと感じられる凝ったゲームを作って。グランドマスターになった気分にさせてほしい。好きなだけメタになっていいが、チェスらしさが強いほどよい」と一つのプロンプトで指示した例を共有した。結果として、実際に遊べるゲーム(game-seven-chess.netlify.app)が生成されたという。
曖昧で遊び心のある一文の要件から、動くWebゲームがそのまま出てくる一発生成の力を示す例。仕様が固まりきっていない段階でも、まず動くものを吐かせて方向性を確かめる、という使い方の可能性を感じさせる。
Dwarkesh Patel が、3年前に Dario Amodei へ「AIは多分野の膨大な知識を持ちながら、なぜ既知の二つのアイデアを結びつけて新たな発見に至れないのか」と尋ねた経緯を振り返った。そのうえで、AIが Erdős の単位距離問題(unit distance problem)に関する予想を巧妙な方法で反証してみせたことは、まさにその「既知のアイデアを結んで新発見に至る」ことを実際にやってのけた例に見える、と述べている。
AIが既存知識の再生産にとどまらず、未解決問題で新しい反例を構成したという主張は、研究支援としての到達点を測るうえで重要な観測点。真偽や再現性は一次ソースで確認したいが、方向性としては注視に値する。
Stanford AI Lab が、推論時の計算を増やして性能を上げる手法はコストが高いと指摘した。並列に独立してサンプリングする方式は、同じ解を何度も再発見することに計算を浪費している可能性があるという。そこで、サンプル間に相関を持たせて推論計算をスケールさせる手法として QuasiMoTTo を紹介している。
推論時スケーリングのコスト効率は実運用の勘所。独立サンプリングの「同じ答えの引き直し」という無駄に着目し、サンプル間に相関を入れる発想は、推論コストを抑えつつ質を保つ設計のヒントになりそう。
Stanford AI Lab が、ロボティクスで人間のフィードバックを集めるやり方が、静かに情報を失っているのではないかと問いかけた。ある軌道はカトラリーを落とし、別の軌道は皿を落とす、といった場合に、どちらか一つの好みだけを尋ねると、その選択の裏に隠れた情報が失われるという。Freeform Preference Learning は、アノテーターが自由記述で説明できるようにする手法だとしている。
「A か B か」の二択選好では、なぜそう選んだかの理由が捨てられてしまう。自由記述で理由まで拾う発想は、報酬モデルや RLHF 系のデータ設計を考えるうえで、ラベルの表現力をどう確保するかという論点につながる。
Towards Data Science が、Anubhab Banerjee による連載「Production-Grade Agentic Inference」の第3回を紹介した。今回は、RAG の検索処理を GPU 上に留めるために、カスタムの CUDA Top-K カーネルを自作するという内容だという。
RAG のボトルネックになりがちな検索を、CPU に戻さず GPU 上で完結させる低レイヤ最適化の実例。エージェント推論を本番運用する際のレイテンシとスループット改善を、どこまで自前カーネルで攻めるかの参考になる。
PyTorch Foundation が、サンフランシスコで開催された ExecuTorch ハッカソンを支援したと伝えた。20超のチーム・100人以上の参加者が、PyTorch と ExecuTorch を使ってリアルタイムのAIアプリを構築。Snapdragon 搭載の Samsung Galaxy S25 Ultra 上で動かすことに焦点を当てたという。
クラウドではなく手元の端末上でモデルを動かすオンデバイスAIの実装が、ハッカソン規模で回っている点が興味深い。ExecuTorch のようなランタイムが、モバイル向けの推論をどこまで現実的にしているかの温度感がわかる。
OpenAI の Greg Brockman が、Codex を使って自分向けにパーソナライズした日次ダイジェスト(daily digest)を作る例を共有した。
コーディングエージェントを、自分の情報収集を自動化する日々の道具として使う一例。汎用のコード生成力を、既製アプリでは埋めきれない個人用ワークフローづくりに向ける発想は取り入れやすい。
Dwarkesh Patel が、Grant Sanderson(@3blue1brown)による、AIが数学分野で急速に進歩するなかで数学者を目指すべきか迷う学生へのアドバイスを紹介した。
特定分野でAIが伸びていくとき、その道を志す人がどう向き合うかという問いは、開発者のキャリア観にも通じる。数学教育で知られる Sanderson の視点として一読する価値がある。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。