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。
DeepMindを率いてきたDemis Hassabis氏が、Google DeepMindのChair（会長）兼AlphabetのChief Scientistという新しい役職に就くと発表した。「AGIに向けて人生を懸けて取り組んできた。この重要な転換点に入る今、長期戦略と科学的ブレークスルーの加速に集中できるようになる」と述べている。
誰がラボの舵を取るかはGemini系モデルの今後に直結する。日々の運営から長期戦略・科学研究へ軸足を移すという体制変更は、DeepMindのフェーズが変わるサインとして押さえておきたい。
Metaが、新モデルMuse Spark 1.2を搭載したターミナル型コーディングエージェント「Muse Code」（ベータ）を発表した。長期にわたるソフトウェアエンジニアリング向けに作られており、大規模リポジトリで複数ファイルにまたがる複雑な変更を、永続的なサブエージェントを使って計画・実装・検証するという。デモでは、家の中を撮ったフライスルー動画（mp4）をターミナルに入力すると、予約機能つきのWebサイトを生成する様子も公開。Muse Spark 1.2は同日からMuse CodeとMeta Model APIで利用できる。
Claude CodeやCodexが競うターミナル型エージェント市場にMetaも本格参入。動画をそのまま入力にできるマルチモーダル対応が差別化ポイントで、試す価値がありそう。
OpenAIが、Codexの音声機能「Voice」を使った開発スタイルを紹介した。アイデアを声で話しながら整理し、形になったらそのまま新しいCodexセッションを開始、進行中の他のスレッドの確認も途中でできるという。
コーディングエージェントへの入力がキーボードから音声に広がる流れ。移動中に構想を話して仕込んでおき、席に着いたら続きから、という使い方が現実味を帯びてきた。
OpenAIのGreg Brockman氏が、セキュリティカンファレンスBlack Hatで行われた同社チームによる「OpenAI-Hugging Faceインシデント」についての講演が満席だったと報告した。
AI企業のインシデント対応がBlack Hatの演題になる時代。モデル配布まわりのセキュリティは開発者にも他人事ではないので、講演内容が公開されたら追いたい。
Ethan Mollick氏が、AIチャットボットが孤独感に与える影響のエビデンスはまだ非常に不明瞭だと指摘した。新しい研究ではAIとの会話が孤独感を増加させるという結果が出た一方、過去に発表された実験では有意な減少やあいまいな結果も報告されており、チャットボットのアプローチや使い方によって結論が分かれているという。
対話型AIをプロダクトに組み込むなら、ユーザーのウェルビーイングへの影響は「エビデンスが固まっていない」前提で設計したい。設計次第で結果が変わる、という点が実務的には重要。
Mollick氏が、モデルをめぐる奇妙な矛盾を指摘した。複雑な指示に従う能力は向上している一方で、指示のどの部分を重視しどの部分を軽視するかについて、モデル自身が「判断」を効かせるようになっているという。スキル（定型化した指示）が「命令」ではなく「提案」として扱われるようになる、大きな影響があると述べている。
スキルやシステムプロンプトの運用に直結する話。「書いた通りに動く」前提が崩れるなら、プロンプトの書き方だけでなく挙動の検証方法も見直す必要がある。
Nathan Lambert氏が、LLM評価（evals）についての講義を公開した。GPT-3を「高機能なオートコンプリート」としてプロンプトで評価していた時代から、今日の複雑なエージェント用サンドボックス評価まで、自身が関わってきた評価の各時代を概観する内容で、エージェント評価の解説に最も多くの時間を割いているという。
評価はいまエージェント開発の中心課題。個別のベンチマーク解説ではなく、評価というテーマを歴史の流れごと俯瞰できる教材は貴重。
Eコマース運営タスクにおけるLLMエージェントの長期的なコヒーレンス（一貫性）を評価するベンチマーク「MerchantBench」の論文が、Hugging Face Papersで公開された。
単発タスクの正解率ではなく「長く運用して破綻しないか」を測る流れが本格化してきた。実務にエージェントを入れる際の評価軸として参考になる。
Towards Data Scienceが、コーディングエージェント向けの「コンテキストコンパイラ」を構築するプロセスを解説する記事を紹介した。「コンテキストコンパイラはコードベースを小さくするわけではないが、プロンプトに本当に入れるべきものだけをフィルタすることで、コードをLLMに渡すことを現実的にする」という。
コンテキストに何を入れるかはエージェントの精度とコストを左右する。既製ツールに頼らず自前でフィルタ層を持つ発想は、自作エージェントにも応用できそう。
PythonとOllamaを使って、ローカルで動くCLIエージェントをスクラッチから無料で作る方法を解説するチュートリアル記事が公開された。
商用コーディングエージェントの中身を理解するには、小さくても自作してみるのが早い。ローカルLLMで完結するのでAPI費用ゼロで試せるのも良い。
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。