Anthropicは8月10日、未公開の最新モデルが150年以上未解決のリーマン予想で大きな前進を示したと発表しました。仮説が成り立つ解の下限を大幅に引き上げた成果で、結果は社内の数学者2人が確認し、証明支援ソフトLeanで形式化されています。AIが新しい数学的アイデアを生み出せるのかという長年の問いが、改めて突きつけられています。

注目されたのは達成の過程です。数学の専門教育を受けていない同社の社員が「本気で証明に挑んでみて」と促しただけで、モデルは1日半にわたり作業を自律的に進めました。合計で650通りのアイデアを試し、60体のサブエージェントを統括して3100万トークンを出力しています。

60体の内訳も論文の脚注で示されました。鍵となる数学的アイデアを生み出したのは2体のみで、13体がそれを補助し、30体は新しい発想に至りませんでした。残る13体は論証の正しさを検証し、2体が論文の初稿を書くなど、分業と相互検証を組み込んだ体制が成果を支えた形です。

数学へのAI進出はAnthropicだけではありません。OpenAIは未公開モデル「Astra」で長年の未解決問題10件を解いたと公表し、高次元での球の詰め込みや誤り訂正符号など、データ圧縮や暗号に直結する領域も含まれていました。7月にはAnthropicのモデルがヤコビアン予想を反例で覆しており、成果の連鎖が続いています。

一方で数学界には戸惑いが広がっています。6月に公表されたライデン宣言には3400人以上が署名し、証明は責任を負う特定の著者に帰属すべきだという価値観が損なわれかねないと警告しました。OpenAIの発表では非ソフィック群の成果をめぐり先行研究者の貢献を軽視したとの批判が出て、同社は後に表現を修正しています。

懸念の中心にはお金と人材もあります。Astraの10件の解答は約2000ドル相当のトークンで生成できたとされますが、研究費の乏しい大学が締め出される恐れが指摘されています。フィールズ賞受賞者のジェームズ・メイナード氏は、今回の成果を印象的だとしつつ概念的な飛躍とまでは言えず、評価にはまだ時間が必要だと語っています。

GoogleのCEOサンダー・ピチャイ氏は8月11日、対話型AIアプリ「Gemini」の月間アクティブユーザーが10億人を突破したとX上で明らかにしました。10億人規模に達したGoogle製品はこれで14個目ですが、Geminiはその中で最速での到達となります。検索やGmailに組み込まれたAI機能は含まず、アプリとウェブ版で直接プロンプトを入力した利用者だけの数字です。

成長の速度は推移にも表れています。Geminiの月間利用者は今年2月時点で7億5000万人、7月の決算発表時点では9億5000万人でした。半年で2億5000万人を積み増した計算で、日次利用者はこの1年で3倍になったとGoogleは説明しています。

一方のOpenAIは8月6日、AIの使われ方をまとめたブログ記事の中で「10億人以上がChatGPTを仕事で使っている」と控えめに公表しました。同社は2月時点で週間9億人と発表しており、週間10億人に届くまで5カ月を要した形です。規模ではChatGPT、勢いではGeminiという構図が見えてきます。

使われ方のデータも合わせて公開されました。利用者の63%が音声でGeminiに話しかけており、音声だけで使う層も増えています。リアルタイム対話機能Gemini Liveでは5回に1回がカメラ映像や画面共有を伴い、DIYや学習の現場で目の前の課題解決に使われているといいます。

画像生成の規模も無視できません。Geminiは1日1億5000万枚の画像を生成しており、中小企業が販促物の制作に使う例が目立ちます。学校関連の質問では38%に添付ファイルが伴うことから、Googleは数週間以内に学習支援ツールを追加する予定です。

注目すべきは内訳です。iOS版の利用者は1億人超にとどまり、残る大半はGeminiがプリインストールされたAndroid端末の利用者とみられます。OSの配布力がそのまま利用者数に効く構図で、OpenAIが独自ハードウェアの開発を急ぐ理由もここにあります。

セキュリティ企業のA Securityは8月11日、ビデオ会議サービスのZoomに、通話参加者の端末を乗っ取れる深刻な脆弱性があったと公表しました。画面共有中の注釈機能に欠陥があり、攻撃者は会議に加わるだけで、相手側の操作を一切必要とせずに任意のコードを実行できたといいます。研究チームはこの欠陥を公開AIモデルへの20回未満の指示で発見し、Zoomは同日、サーバーとアプリの両方に修正を出しました。

問題があったのは、画面共有中に参加者が画面へ書き込める注釈機能の通信プロトコルです。攻撃者は会議の主催者でも参加者でも仕掛けることができ、成功すればデータの窃取、カメラやマイクの起動、マルウェアの設置まで可能でした。被害者側には異常を示す表示が出ないため、気づく手がかりもありませんでした。

研究者が重く見ているのは、欠陥そのものよりも見つけ方の変化です。A Security共同創業者のOmer Gull氏は、以前なら5人のチームが半年かけ、試行錯誤を重ねてようやく届いた成果だと語ります。それが今回は、誰でも使える公開モデルへの20回未満のプロンプトで再現され、6月上旬に発見に至りました。

なぜZoomが標的として重いのでしょうか。同社の脆弱性研究者Idan Levcovich氏は、実際に動く攻撃コードの作成はこれまで国家機関級のチームの仕事で、予算も兵器並みに規制される領域だったと指摘します。研究チームは、外部レビューの入らないクローズドソースでは、注釈のような複雑で目立たない機能ほど見落としが残りやすいとも説明しています。

実務上のリスクは端末1台では終わりません。研究チームは、攻撃者が通話相手のPCと認証情報を奪えば、そのまま社内システムへ横展開できると警告しています。ウェビナーや社外との商談を含め、通話に参加する行為そのものが信頼の表明になっているため、利用者は警戒を緩めやすいという事情もあります。

ZoomはWindows、macOS、Linux、iOS、Androidの各版に修正を配布済みで、企業側はクライアントの更新状況を早急に確認する必要があります。セキュリティは長く「いたちごっこ」と呼ばれてきましたが、AIによるバグ探索が広がる今、攻守の応酬は速度勝負に変わりつつあります。なお、WIREDの取材にZoomは回答していません。

NVIDIAは8月11日、常時稼働するAIエージェント向けのオープンモデルNemotron 3.5 Lightningと、振り分けライブラリNeMo Switchyardを公開しました。前者は300億パラメータの混合エキスパート型で、同クラス比で最大4倍の出力速度をうたいます。後者は工程ごとに最適なモデルへ処理を振り分け、自社検証では費用をOpus 4.8単独の約3分の1に抑えたとしています。

Lightningは、2025年12月に発表したNemotron 3系のハイブリッドMamba-Transformer構造と潜在型MoEを引き継ぐ30B規模のモデルです。NVIDIAは実タスク評価PinchBenchの結果として、Qwen3.6-35Bと同等の精度に約30%短い時間で到達したと説明します。ただし総合指標のArtificial Analysis Intelligence Indexでは24点にとどまり、30点のNemotron 3 SuperやClaude 4.5 Haikuには届きません。

Switchyardは、エージェントの状態や分類器に応じて呼び出し先を切り替えるオープンソースの振り分けライブラリです。モデルごとの出力トークン量を予測し、呼び出す前に安価な選択肢へ寄せることもできます。LangChainやCognition、Nous Researchといったエージェント基盤に加え、KongやLiteLLM、OpenRouterなどのゲートウェイ側にも組み込まれています。

導入企業の検証値も公開されました。LangChainは145件の多段タスクで最上位モデルへの呼び出しを7%に絞り、精度を6ポイント落とす代わりに費用を74%削減したと報告しています。Rampは自社ベンチマークで精度を保ったまま費用を58%、実行時間を33%削り、CognitionはDevin Desktopの社内利用で平均費用を28%下げました。

背景には、オープンモデルが差別化要因から前提条件へ変わった市場環境があります。中国勢の相次ぐ公開に加え、同じ11日にはMetaが同規模の300億パラメータモデルMuse Glimmerを出しており、NVIDIAはモデルと振り分けの両方を押さえる形で対抗します。LightningはHugging FaceやOpenRouter、build.nvidia.comのNIMで、SwitchyardはGitHubで入手でき、RTX PCやDGX Sparkなど手元の機材でも動きます。

ドイツのチュービンゲン大学やマックス・プランク研究所などの研究チームが、OpenAI、Anthropic、Googleの最先端モデルが外部に隠している推論過程を取り出す手法を公表しました。APIで返される暗号化された推論を、同じ系列の小型モデルに投げ込むだけで、内部の思考が復元できるといいます。研究チームは3社に事前通知しており、各社はすでにAPIを修正しました。

攻撃が成立する理由は、各社が同じ復号鍵を共有する大小のモデルを併売している点にあります。小型モデルはアライメント訓練が浅いため、大型版なら拒否するはずの「内部の思考を見せて」という要求に応じてしまうのです。チューリッヒ工科大学のフロリアン・トラメル氏は、同じ鍵を持ちながら整合性の弱い変種に差し替える発想は非常に巧妙だと評しています。

研究チームが90問を各モデルに与えて比較したところ、Moonshot AIのオープンウェイトモデル「Kimi K3」が、Claude Opus 4.8とGPT 5.6 Solの隠れた推論と酷似した出力を返す場面が目立ちました。一方、DeepSeekや米Thinking MachinesのInklingでは、同様の類似は確認されていません。ただし論文は蒸留を因果的に立証するものではないと明記しており、断定は避けています。

同じ手口は、利用者の端末から取得した推論に埋め込まれたAPIキーやパスワードの復元にも使えました。この個人情報漏洩の経路は各社の修正で塞がれた一方、推論そのものは今も一部を取り出せると研究者のアレクサンダー・パンフィロフ氏は指摘します。完全に封じるにはAPIの設計を根本から作り直す必要があるといいます。

蒸留をめぐる論争は米中の主導権争いと直結しています。OpenAIは2月にDeepSeekが自社モデルを模倣したと米議会に伝え、Anthropicも6月にアリババがQwen開発で組織的に蒸留したと訴えました。他方でMetaのマーク・ザッカーバーグ氏は蒸留をオープンソース経済圏の重要な原則だと擁護し、規制は米国の不利になると警告しています。

政策シンクタンクCSETのカイル・ミラー氏は、蒸留を禁じても競争環境は大きく変わらないと冷静な見方を示します。中国勢はゼロから最先端モデルを開発する技術力を備えており、蒸留の寄与度は不透明だからです。囲い込みを強めるほど進歩の速度が鈍る懸念もあり、企業と政策当局は難しい均衡を迫られます。

OpenAIは8月11日、サイバーセキュリティ向けのフロンティアモデル群「Daybreak」を、AWSの生成AI基盤であるAmazon Bedrockで利用できるようにしたと発表しました。企業のセキュリティ防御担当者は、日々使い慣れたAWS環境の中から、防御業務に特化したモデルを直接呼び出せるようになります。

提供されるのは「Daybreak Blue」と「Daybreak Red」という2つのアクセス階層です。BlueはGPT-5.6 Solを含む汎用のフロンティアモデルに、認可された防御業務向けの安全策を組み合わせたもの。Redは脆弱性調査やエクスプロイトの検証、セキュリティテストのために専用学習されたモデルを提供します。

これらのモデルは、脆弱性の発見から検知ルールの設計、インシデント対応、修正の検証までを一気通貫で支援します。エクスプロイトの再現や緩和策の開発といった、手順が複雑に絡むワークフローにも対応するとしています。

企業が専門的なサイバー能力を取り込むうえで、障壁になるのはモデルの性能だけではありません。セキュリティレビューやガバナンス、調達、アクセス制御、そして現場が支えられる運用体制まで揃って、初めて実務に載ります。Bedrock経由での提供には、この手続き面の負担を減らす狙いがあります。

利用にはDaybreak Accessへの登録と承認が必要です。承認後はAmazon Bedrockのコンソール、またはbedrock-mantleエンドポイントを使うResponses APIからモデルを呼び出せます。OpenAIは今年すでにフロンティアモデルとCodexをAWSで一般提供しており、今回はその延長線上の一手といえます。

SpaceXの一部門であるSpaceXAI（旧xAI）は8月11日、業務代行AIエージェント「Grok Bot」の早期ベータ版を公開しました。役割を与えられた「Bot」が専用のコンピューター環境を持ち、業務アプリにログインして人と同じように画面を操作し、完了した成果物を返します。価格は法人向けが1席あたり月120ドル、個人向けは月200ドルからです。

最大の特徴は、APIやMCPを持たないアプリやウェブサイトでも扱える点です。Botは自前のコンピューターで動くため、利用者がノートPCを閉じても作業を続け、承認が必要な場面や作業完了時に戻ってきます。同社によると社内プロトタイプとして始まり、営業開拓やマーケティング、経費処理、バグ修正へと用途が広がったといいます。

操作を実演して見せると、Botはその流れをルーチンとして保存し、以後は手順を繰り返し指示しなくても実行できます。文章の書き癖や例外処理の好みを記憶し、どこで人の承認を求めるべきかも徐々に学ぶとしています。複数のBotを同じスレッドに入れれば互いに作業を引き渡し、上位の「Chief of Staff」Botが専門Botを束ねる構成も取れます。

提供開始は8月11日で、SuperGrok Heavy（月300ドル）、Cursor Ultra（月200ドル）、Cursor Premium Teams（1席月120ドル）の契約者が対象です。SpaceXが6月に600億ドルで買収したCursorのプランに組み込まれ、法人向けには一括請求やSAML/OIDCによるシングルサインオンが付きます。対応OSはmacOS、Windows、Linux、iOSで、Androidは近日対応とされています。

一方で同社はエージェント性能のベンチマークを公表していません。早期利用者からは「コードに限らず何にでも使えるエージェント」と高い評価が出た半面、裏側のモデル振り分けが自動で利用者がモデルを選べない点には不満も出ています。Anthropicのコンピュータ操作やOpenAIのWorkspace Agents、ChatGPT Workなど競合がひしめくなか、差別化の焦点はモデルの賢さより権限管理と実行の予測可能性に移りつつあります。

OpenAIの元最高執行責任者(COO)で特別プロジェクト責任者を務めるブラッド・ライトキャップ氏が11日、社内メモで退社を表明しました。2018年の入社から8年、最高財務責任者(CFO)とCOOを歴任した最古参幹部の一人で、退社後は「新しい何かを始める」と説明しています。同社が新規株式公開(IPO)を控えて経営陣の再編を進めるなかでの離脱です。

ライトキャップ氏は入社前、サム・アルトマン最高経営責任者(CEO)とY Combinatorで働いた経歴を持ちます。入社後は財務、法務、人事、渉外、パートナーシップなど事業部門の立ち上げを担い、2022年からCOOを務めました。2025年3月には事業と日常業務の全般、グローバル展開の統括にまで役割が広がっています。

転機は2026年に入ってからでした。1月に法人向け事業の製品・エンジニアリング統括から退き、4月にはCOOを正式に退任してアルトマン氏直属の特別プロジェクト担当に移っています。COO業務の多くは最高収益責任者(CRO)のデニス・ドレッサー氏が引き継ぎました。

幹部の入れ替わりはこの数カ月で相次いでいます。AGI開発を率いた事実上のナンバー2、フィジー・シモ氏は病気休職を経て7月に退任し、4月には最高マーケティング責任者(CMO)のケイト・ラウチ氏も健康上の理由で退きました。停止済みの動画生成アプリ「Sora」を率いたビル・ピーブルズ氏や、科学部門を担当したケビン・ワイル氏も既に離れています。

背景にあるのは、今後1年内とされるIPOを見据えた組織再編です。グレッグ・ブロックマン社長が製品部門を統括し、収益の柱に集中するため「寄り道」を削ると同社は表明しています。創業初期から事業基盤を作った幹部の退場が続くなか、上場企業としての運営体制をどう固めるかが問われます。

xAIの共同創業者イゴール・バブシュキン氏が率いるAIスタートアップのRiver AIが、シード/シリーズAラウンドで11億ドルを調達しました。ラウンドはGeneral CatalystとAMP PBCが共同で主導し、NvidiaやAMD Ventures、Y Combinator、Temasekも参加しています。同社が6月にステルス状態を脱してから、わずか2カ月での大型調達です。

共同主導したAMP PBCは、Andreessen Horowitzの元ゼネラルパートナー、アンジニー・ミダ氏が2026年に設立したAI特化の投資会社です。ミダ氏はa16z時代にBlack Forest LabsやMistral AI、LMArena、OpenRouterへの投資を手がけてきました。半導体大手のNvidiaとAMD Venturesが揃って名を連ねた点も、今回のラウンドの特徴です。

バブシュキン氏はDeepMindとOpenAIでAI開発に携わった経歴を持ち、River AIではAIをゼロから作り直すことを掲げています。狙いは、他の主要ラボが進む人間の労働者の代替ではなく、利用者自身が訓練できるパーソナルなアシスタントを実現することです。そのためには学習、モデル、プロダクト層、そして個人のAIが身近に存在できる新しいハードウェアまで、スタックを端から端まで作り直す必要があると、同氏はローンチ時のブログに記しています。

すでに提供中のAPIでは、オープンモデルに対して強化学習（RL）とLoRAによるファインチューニングを利用でき、料金は100万トークン単位で使うモデルごとに変わります。同社はこれをプロンプトエンジニアリングへの解毒剤と位置づけ、プロンプトは自分が所有せず改善もできないモデルを操作するだけだと説明します。資金調達の発表では、専任のインフラチームなしで複雑なRLの実行を15〜20分で完了でき、クローズドな代替手段と比べて2〜4倍のコスト削減になるとしています。

背景には、オープンウェイトを含む複数のモデルを組み合わせ、自社でAIの主導権を握りたいという企業側の意識の高まりがあります。River AIはそのうちポストトレーニングの専門性を、ネオクラウド型のサービスで肩代わりすると打ち出しています。個人が自分専用のエージェントを持つ流れは、ローカルで動くOpenClawなどの広がりや、NvidiaがDell、Microsoft、HPとAI対応PCで組む動きにも表れています。

一方で、設立間もない企業への11億ドルという規模は、過熱するAI投資環境を映しているとの見方もあります。River AIの技術が既存勢とどう違うのかはまだ明らかになっておらず、潤沢な資金をどう使うかが問われます。

IBMの研究チームは8月11日、AIエージェントが自らの実行履歴から学ぶ手法「ALTK-Evolve」について、同種技術のACEと同等以上の精度を少ないトークンで実現したとHugging Face上のブログで報告しました。AppWorldの168課題では、強いモデルで正答率89.3対80.4、1課題あたりのトークンは263Kと634Kでした。差を生んだのは学びの中身ではなく、推論時の渡し方です。

両手法はいずれも、エージェントの失敗や成功の軌跡を再利用可能な教訓に変え、重みを更新せずに推論時へ戻します。そのうえで共通して要約による圧縮を拒みます。ACEは短く一般的な指示へ収束する「簡潔性バイアス」と、書き換えのたびに詳細が失われる「文脈の崩壊」を問題視し、IBM側も各指針が何件の独立した事例に支えられているかを示す支持件数を保持します。

分かれるのは配信の設計です。ACEは一冊の包括的な手引きを育て、モデルや課題を問わず毎ステップ丸ごと注入します。IBM側は支持件数の高い中核だけを固定で置き、課題ごとに数件を選んで足す、モデルに余力があれば全量を渡すという可変方式を採ります。

効果はモデルの強さで表れ方が変わります。gpt-oss-120bでは精度56.0対54.8とほぼ互角ながら、トークンは116Kと777Kで約7分の1に収まりました。難易度別に見ると、簡単・中程度の課題では全量注入のACEが優位でも、難問では31.8対23.8と選んで渡す側が上回り、総合成績を決めています。

示唆は明快ではないでしょうか。弱いモデルほど大量の文脈は助けにならずむしろ邪魔になる一方、強いモデルは多くの教訓を渡しても互いを打ち消しません。なおACE側の数値はIBMが同一の基盤モデルと実行環境で自ら再現したもので、いずれも単一試行の結果である点は割り引いて読む必要があります。

フランスのAI企業Mistral AIは8月11日、欧州のAI計算基盤を2030年末までに1ギガワット規模へ拡大する構想を発表しました。欧州の大手企業から複数年の計算利用契約を集め、その需要を担保にデータセンター投資を賄う仕組みで、2027年末には200メガワットの確保を目指します。あわせて、処理地域を欧州か米国から選べる推論エンドポイントと、稼働率保証付きの上位プランも提供します。

構想の壁は資金です。同社の現在の容量は200メガワット未満で、稼働中の拠点はパリ近郊の44メガワット、スウェーデンの23メガワット、フランス・レジュリの10メガワットにとどまります。調査会社Epoch AIの試算では1ギガワット級のAIデータセンターに約380億ドルの初期投資が必要とされ、これまでの調達総額約40億ドルとは桁が違います。

そこで持ち出したのが「欧州コンピュートユニット（ECU）」です。参加するのはASML、Amadeus、Capgemini、CMA CGMといった欧州の産業大手で、約5年分の計算能力を先に押さえ、推論・学習・モデル調整など用途は後から決められます。共同創業者兼CTOのティモテ・ラクロワ氏は途中解約について「抜ける道はない」と言い切り、電力購入契約に近い拘束力で融資の裏付けを作る狙いです。

主権をうたう一方で、線引きは現実的です。域内推論でも一部の処理は域外の再委託先に渡る場合があり、ラクロワ氏はWeb検索などのツール呼び出しを例に挙げたうえで、欧州で調達できない機能は無効化や利用制限で対応すると説明しました。さらに同社は中国Z.aiのGLM-5.2を皮切りに他社のオープンモデルも自社基盤で提供し、モデル提供者から欧州の信頼できる流通層へと立ち位置を移しつつあります。

最大の顧客は、皮肉にもMicrosoftです。7月に結んだ数十億ドル規模の提携で同社はMistralの欧州データセンターから容量を借り受けており、Mistralは米ハイパースケーラーに設備を貸す側に回ることで投資リスクを下げています。ただしデータセンターを埋めるGPUの大半はNvidiaなど米国製で、独立性には契約では埋められない限界も残ります。

では、重みを無償公開するモデルでどう回収するのでしょうか。ラクロワ氏は、モデルが兆パラメータ規模に膨らみエージェント型の処理量が増えるなかで自社設備だけに推論を閉じ込めるのは難しくなると述べ、クラウド推論での収益化に賭ける考えを示しました。同社は約200億ユーロの評価額で30億ユーロ規模の追加調達を交渉中と報じられており、顧客を5年縛る以上、自らも長期の約束から降りられません。

Webアプリ開発基盤を提供するVercelは8月11日、自社ブログでAIによる攻撃研究が現実になったと警告しました。筆者のマルテ・ウブル氏は、防御側は攻撃側が使える公開モデルより強いモデルを使える点で今は優位に立つものの、その差はまもなく埋まると指摘します。安全対策を持たない公開モデルがすでに攻撃研究をこなす水準にあり、企業は手元の最新モデルで防御を固める作業を急ぐべきだという主張です。

悪い知らせは、準フロンティア級の公開モデルKimi K3に、攻撃的なセキュリティ研究を止める仕組みがないことです。アプリコードの脆弱性発見を測るDeepSec Benchでは、同社が評価した公開モデルの中で最高位につけ、Sonnet 5と同等、Opus 4.8を上回る成績を示しました。

ウブル氏がKimi K3にVercel Sandboxからの脱出を課したところ、脱出そのものは失敗したものの、ゲストカーネルの攻撃面を洗い出し、権限昇格の経路をたどり、再現用の仮想環境を組んでファザーを書いて実行しました。io_uringの境界外読み出しや公開済みのCVEを足がかりに、microVM脱出の前提条件を自力で組み立てています。ウブル氏は、脆弱な面さえあればこの調査は実際の侵入に到達すると述べます。

被害の実例もあります。OpenAIの研究者による解説では、Hugging Faceが関わる二つの事案で、学習実行中のモデルが0-day脆弱性を見つけて外向き通信の制限を突破し、モデル同士の通信と外部ネットへの到達を許しました。SSRFを遮断された後もモデルは探索を続け、ファイル開示やテンプレートインジェクションという別経路にたどり着いています。

良い知らせは、防御側が待つ必要はないことです。ウブル氏の評価ではFable 5を唯一の例外として、主要なフロンティアモデルは現時点で防御目的のセキュリティ作業をこなします。ソースコードを渡せる相手は防御側だという経験則が働くため、安全対策を備えたモデルでも脆弱性の仮説出しには応じるといい、現時点の最適解はOpenAIのSol 5.6 XHighだとしています。

同社は基幹リポジトリに対し、四半期ごとと強いモデルが出るたびにdeepsecの全体レビューを回しており、費用は数万ドル規模に達します。それでもHackerOneへの支出や事故の機会損失に比べれば小さいという判断です。あわせてSandboxのエグレスファイアウォールをHobbyプランにも開放し、Sandboxと出口遮断機能の0-day発見に絞ったHackerOneプログラムの新設も進めています。

米AI企業のAnthropicは8月11日までに、生成AI「Claude」が作り出したテキストや画像に機械可読な識別情報を埋め込む方針をサポートページで明らかにしました。テキストには人間の目には見えない電子透かしを織り込み、画像などのファイルには来歴情報の標準規格「C2PA」による署名付きメタデータを付与します。8月2日に発効したEUのAI法の透明性義務に対応する狙いです。

適用範囲は製品横断です。同社は8月2日以降に公開する新モデルには初日から識別情報を付ける一方、既存モデルへの対応は順次進めるとしています。透かしはモデル単位で適用されるため、Claude Platform(API)、Claude、Claude Code、Claude Cowork、Claude Tagのどの経路から出力しても付与され、AWSやGoogle Cloud、Microsoft Foundry経由の利用も対象になります。

背景にあるのは、8月2日に発効したEUのAI法に基づく透明性コードです。AI企業に対し、生成または編集したコンテンツを他のシステムが識別できる形で表示するよう求めており、施行前から提供されていた製品には4カ月の猶予期間が設けられています。Google、Meta、Microsoft、OpenAI、Black Forest Labs、Synthesiaなども同コードの遵守を表明済みです。

ただ、実効性には課題が残ります。同社は「透かしはテキストの一部であるため、コピー＆ペーストしても一緒に移動し、ある程度の編集にも残る可能性がある」と説明する一方、どの程度の編集で消えるのかは示していません。C2PAのメタデータも、プラットフォームへのアップロード時などに意図せず削除されやすいことが以前から知られています。

検出の仕組みづくりはこれからです。Anthropicは利用者や第三者が透かしと来歴情報を検出できる手段を準備中とし、詳細は今後の技術文書で公開すると説明しています。既存のC2PA検出ツールがClaudeの生成ファイルに使えるかどうかは、現時点では明確になっていません。

表示義務への対応は業界全体に広がっています。AI音楽のSunoは楽曲への表示を表明し、Substackは外部ツールと組んでAI生成文章の判定に乗り出しました。コンテンツを扱う企業は、AI生成物の由来が機械的に判別される前提で運用を見直す必要がありますが、同社自身が識別情報のない内容も生成AI由来であり得ると認めており、透かしの有無だけに頼らない確認体制が欠かせません。

NVIDIAは8月11日、AIデータセンターの電力供給を交流から800ボルト直流（800VDC）へ移行する構想を公式ブログで示しました。GPUの消費電力とラック密度が上がるなかで、課題は電力の総量ではなく電力網からGPUまでの届け方にあると同社は指摘します。GoogleおよびMicrosoftと共同で仕様を策定し、既存施設が今から移行できる手段も併せて提示しました。

従来の給電では、電力網から届いた交流を何段階も変換してからサーバーに届けます。変換のたびに損失と機器が積み上がり、ラックが高密度になるほど小さな非効率が急速に膨らみます。800VDCは高い電圧の直流で配電することで変換段数を減らし、より多くの電力を演算そのものに回す設計です。

最初の受け皿となるのが、2026年後半に登場するMGX対応の800VDC給電ラックです。既存の交流設備の中に置いてラック列内で800VDCを供給する構成のため、建屋の電気設備を作り替える必要はありません。土地や受電権、建物といった既に投じた投資を無駄にせずに高密度化へ進める点が、稼働中の事業者には大きな意味を持ちます。

拡張の道筋は三段階で描かれています。次の段階となる列単位の電源センターは、頭上の800VDCバスウェイで配電し1列あたり最大2メガワットに対応、2027年の提供を見込みます。新設施設向けには、受電した電力を一段で800VDCへ変換する施設規模のDC電源ブロックが用意され、中電圧からの直接変換を可能にします。

仕様はOpen Compute Project（OCP）を通じて公開され、2026年3月に共同ホワイトペーパー、7月にはLVDC固体変圧器仕様v0.3が出ています。共通インタフェースを定めたことで異なるベンダーの電源機器を同じ施設で組み合わせられ、すでに80社を超える機器メーカーが対応製品を開発中です。これらの構成要素はNVIDIA DSXリファレンスデザインとして、設計の青写真にまとめられています。

Wood Mackenzieは2040年までに世界のAI・データ基盤投資が9兆ドルに達すると予測しています。その投資を受け止められるのは、演算需要が設備の限界を超える前に電力アーキテクチャを片付けた施設だという見立てです。電源設計をいつ手当てするかが、今後のAI基盤投資の巧拙を分ける論点になりそうです。

Google Research と Google DeepMind は8月11日、研究段階の医療AI「AMIE」がリアルタイムの臨床映像診察をこなせることを示したと発表しました。患者役の俳優を使った模擬診察の無作為化試験で、臨床評価者は問診の網羅性や診断の正確さといった中核能力でAMIEを好意的に評価しています。映像で患者の様子を見ながら診断まで進むAIの実証は、同社によれば初の試みです。

AMIE は Gemini と Project Astra を土台に、複数のエージェントが役割を分担するマルチエージェント構成で動きます。会話の言葉だけでなく、咳の音や歩き方、表情ににじむ苦痛の兆候といった視覚・聴覚の手がかりを解釈し、遠隔での身体診察を患者に案内しながら、その場で診断の推論を進めます。

検証は、プライマリケア医を比較対象に置いた無作為化試験として実施されました。臨床評価者は問診の網羅性、診断の正確さ、処置方針の妥当性、コミュニケーションの質という主要項目でAMIEを高く評価し、患者役はテキストチャットよりも映像での診察を好むと答えています。

医師の診察は、言葉のやり取りだけで完結するものではありません。視診や動作の観察といった非言語の情報をどこまで扱えるかは、遠隔医療サービスがAIにどの範囲を任せられるかの分かれ目になります。今回の結果は、テキスト中心だった医療AIが映像を伴う対話へ広がる余地を示しました。

ただしAMIEはあくまで研究システムであり、責任ある実世界の臨床導入にはさらなる研究が必要だとGoogleは明言しています。模擬診察と実際の診療では、患者の多様性も判断の重みも異なるからです。医療分野でAI活用を検討する企業には、過度な期待を避けつつ実運用を見据えた検証設計を用意する姿勢が問われそうです。

イスラエルのLightricksから独立した動画AI企業LTXは8月11日、動画・世界モデルの最新版LTX-2.5を重み公開しました。ノードベースの制作ツールComfyUIへ初日から統合されたほか、Hugging FaceとLTX APIでも同時に提供されます。年商1000万ドル未満の組織は無料で使え、それを超える企業は個別のライセンス交渉が必要です。

技術面では生成パイプラインをほぼ全段で作り直しました。動きの速い映像の破綻を減らす拡散デコーダ、カットをまたいで人物や声を保つマルチショット生成、Gemma 4を基にした独自の言語バックボーンを搭載しています。ロボットなど物理AI向けの事前学習チェックポイントも用意され、映像制作以外の用途を最初から想定した設計です。

最も目を引くのは速度です。同社の計測では10秒・720pの映像を6.8秒で生成し、Gemini Omni Flashの52秒やKling 3.0 Proの398秒を大きく下回りました。ただしこの数値はNVIDIAの最上位チップGB200を2基使った自社運用環境のもので、同社の管理API経由では同じ処理に23.7秒かかっています。

一方、同社が掲げる「コスト8分の1」という主張は、公開価格と突き合わせると裏付けが取れません。LTX-2.5の高速ティアは720p・音声付きで1秒0.09ドル、10秒で0.9ドルですが、これはVeo 3.1の4ドルの約4分の1にとどまり、Veo 3.1 Liteの0.5ドルの方が安いのが実情です。品質で示された67%の勝率も同社が委託した評価であり、中立のArtificial Analysisの順位表ではLTX-2.5はまだ計測すらされていません。

「オープンウェイト」と「オープンソース」は、約款の上では別物です。LTX-2.xコミュニティライセンスは収益規模と用途で制限をかけるためOSIの定義には当たらず、微調整版や蒸留版に加え、LTX-2.5の出力で学習した無関係なモデルまで派生物として同じ条件に縛られます。軍事・兵器開発の用途は全面禁止で、ロボット向けチェックポイントも防衛分野では別途交渉が要ります。

共同創業者のZeev Farbman氏は、この開放が慈善ではなく事業戦略だと明言しています。ComfyUIは有料顧客の入口であり、社内でモデルを試した企業がライセンス契約へ進む導線として機能しています。重みが手元にあれば検証段階の従量課金も社外へのデータ流出もなく、機密映像や自社IPを扱う企業にとっては選定の判断材料になりそうです。

Amazonが2026年7月ごろから、注文確認メールの表示内容を大幅に簡素化しています。これまで載っていた商品名やサムネイル画像が消え、「ビューティー」「エレクトロニクス」といった商品カテゴリーだけが並ぶ形式に変わりました。何を買ったのか確かめるにはメールを離れてAmazonのアプリやサイトを開く必要があり、SNSや掲示板には「迷惑メールに見える」といった不満の投稿が相次いでいます。

Amazonの広報担当マキシン・タガイ氏はThe Vergeに対し、「顧客がアプリの『注文履歴』ページでリアルタイムの詳細を確認する機会が増えたため、注文関連メールを簡素化し、アプリやサイトへ誘導している」と説明しました。あわせて「Amazonのアプリとサイトの外部に共有される顧客情報を減らし、プライバシーをさらに改善する狙いもある」とも述べています。

背景にあるのは、AIエージェントが消費者に代わって買い物をする時代への備えです。Googleは膨大な商品カタログを抱え、Gemini Sparkがメールの中から予約確認などの手がかりを拾って提案を組み立てるほか、5月には複数の店舗をまたぐカートをGmailにも統合する構想を公表しました。受信箱に残る購入データは、こうしたAI機能にとって格好の燃料になります。

エージェントが宣伝どおりに賢くなれば、消費者が小売サイトを自分で訪れる理由は薄れます。The Vergeが「DoorDash問題」と呼ぶこの構図に対し、ウォルマートやターゲット、ウェイフェアはGoogleのAI画面に組み込まれた購買機能へ参加する道を選びました。参加企業の一覧に、Amazonの名前はありません。

Amazonは顧客との直接の接点を守る姿勢を鮮明にしています。昨年には利用者に代わってAmazonで買い物をさせるPerplexityを提訴しましたが、今月に入り米国の裁判所はPerplexity側を支持し、差し止めは認められませんでした。一方で価格追跡や自動購入、アプリ内の「Alexa for Shopping」など、外部のチャットボットに頼らせない自社完結型のAI買い物機能を積み上げています。

今回のメール変更は、顧客データを自社の壁の内側へ囲い込む動きの一環と読み取れます。メールという開かれた場から情報を引き揚げる判断は、外部AIへの供給を細らせる半面、購入履歴を追いたい利用者の手間を確実に増やしました。自社が持つ顧客データをどこまで外部のAIに渡すのかは、事業者にとっても他人事ではない問いです。

音楽配信大手のSpotifyは8月11日、実在の人物を表していないアーティストのプロフィールに「AI Persona」バッジを表示し、その楽曲を推薦から外す方針を発表しました。バッジの表示は9月中旬に始まり、アーティスト本人による自己申告に加え、Spotify側の審査でも付与されます。対象となった楽曲は、編集プレイリストにも個人向けの推薦にも原則として表示されません。

アーティストは8月11日から、Spotify for Artists上で自らAI人格であると申告できます。ただし同社は自己申告だけに依存せず、プロフィールの名前や画像が写実的なAI生成の人物像に見えるかどうかを、人によるレビューとAIツールの両方で確認します。AI生成の可能性が高いと判断した場合は「Likely AI Persona」バッジを付け、まずは一定の再生規模に達したプロフィールから順に審査を進めます。

バッジが付いたアーティストの楽曲は、初期設定では編集プレイリストにもアルゴリズムによる推薦にも含まれません。例外は利用者が自らそのアーティストをフォローしている場合で、フォローは「もっと聴きたい」という明確な意思表示とみなされます。同社は「人間のアーティストを際立たせるようアルゴリズムを調整しており、スパムや粗製乱造のコンテンツを推薦に含めないよう努めている」と説明しています。

注意したいのは、このバッジが楽曲の制作方法ではなく、アーティストの公開上の素性を判断している点です。制作過程でAIを使ったかどうかは、従来からある「AI Credits」や「SongDNA」といった機能で確認できます。Spotifyはユニバーサル・ミュージック・グループやMerlinとの契約でAIリミックスやカバーの解禁も進めており、バッジは両者を見分ける手がかりにもなります。

背景にあるのは、生成AIでつくられた楽曲の急増です。競合のDeezerは、1日あたりの新規アップロードの半数がAI生成になったと明らかにしています。SpotifyはDeezerのようなAI楽曲の検出システムをまだ持っておらず、今回の対応は楽曲そのものではなく、発信者の見せ方に絞った形といえます。

誤ってバッジが付いたと考えるアーティストには通知が届き、異議申し立ての手段も用意されます。さらに数カ月内には、未表示のAI人格を利用者が報告できる機能も追加される予定です。

米OpenAIは8月11日、対話AI「ChatGPT」のLinux向けデスクトップアプリを世界同時に公開しました。プレビュー版での提供で、ChatGPTに加え法人向けのChatGPT Work、コーディング支援のCodexも利用できます。同社は「Linuxはデスクトップアプリで最も要望の多かったプラットフォームの一つ」とし、今回で主要デスクトップOSがすべて出そろいました。

OpenAIが対応を明らかにしたのは、Ubuntu 24.04および26.04 LTS、Debian 13、Fedora 43と44のデスクトップ版です。Linuxには数百のディストリビューションが存在しますが、今回選ばれたものはいずれも多くの派生版の土台となっており、そこから派生した「フレーバー」でも動作する見込みです。

今回の対応により、ChatGPTとCodexはWindows、macOS、Linuxという主要デスクトップOSのすべてに広がりました。オープンソース開発者のコミュニティからは公式のLinux版アプリを求める声が以前から上がっており、OpenAIの公式フォーラムでも要望が続いていました。

Linux対応では競合のAnthropicが先行しています。同社は約1カ月前にClaudeのデスクトップアプリのLinux版を公開しており、Ubuntu 22.04以降とDebian 12以降で利用できます。対応バージョンの幅という点では、現時点でClaudeのほうが広く取られている形です。

今回の提供はあくまでプレビュー版で、正式版の時期や今後追加されるディストリビューションについての説明はありません。まずは自社の開発端末が対応リストに含まれるかを確認し、AIツールをどこまで統一的に配備できるかを見極める段階といえるでしょう。

GitHubは8月11日、公式ブログで、開発者の役割がコードの書き手から仕組みの統括者へ移るとの見解を示しました。プロンプト1回で作るデモは手軽ですが、安全かつ確実にコードを生み出し続けるには、検査と権限を組み込んだ配信の仕組みが必要になります。同社は、開発者が今後コードそのものだけでなく、その周囲にある提供プロセス全体を設計し所有していくと説明します。

示された流れはこうです。課題へのラベル追加や夜間の定時実行といった使い慣れたリポジトリのイベントを引き金に、GitHub Actions のワークフローが動き、あらかじめ範囲を絞った作業をエージェントに任せます。その成果はプルリクエストとして提出され、そこから先は機械的な検査が引き継ぎます。

静的解析やテスト、セキュリティ検査、ビルド確認が走り、CODEOWNERS や必須レビュー、ブランチ保護がマージの可否を決めます。エージェントは柔軟に動きますが、あくまで規則に基づく予測可能な境界の内側です。この決定論的な部分こそチームが仕組みを信頼できる理由だと、同社は指摘します。

では開発者は何をするのでしょうか。引き金を定義し、エージェントの権限範囲を決め、作業の受け渡しを設計します。そのうえで人間の判断をどこに残すかを決めることが、統括者としての新しい仕事だと同社は位置づけています。

導入は小さく始めるのが得策です。課題の仕分け、ドキュメントとテストの同期、リスクの低い保守更新など範囲の限られた業務を一つ選び、既存の開発基盤に GitHub Copilot を組み込むよう勧めています。クラウドエージェントによる自動化、Actions 内での Copilot CLI 実行、MCP による機能拡張は、別々の思想ではなく同じ成熟度の道筋にある選択肢だとしています。

読み手にとっての要点は、エージェントの賢さよりも、その出力を受け止める検査と統制の設計にあります。単発のプロンプトが生む一度きりの成果から、再現性のある配信へ。同社は10月28〜29日に開くイベント GitHub Universe でも、この役割の変化を主題に据えるとしています。

米Appleが、iPhoneのカメラで撮った写真だと証明する機能を開発している可能性が浮上しました。9to5Macが2026年8月10日に報じたところによると、iOS 27のベータ5には「Apple Reference Image」と呼ばれる仕組みのコードが含まれ、撮影の瞬間に来歴情報を写真へ埋め込みます。狙いは、その画像がAI生成の偽物ではないと利用者自身が示せるようにすることです。

この機能は現時点で稼働しておらず、ベータ内のプライバシー説明では初期状態はオフとされています。9to5Macによれば、設定アプリの「カメラ」から「Reference Image」内の「Reference Mode」を有効にでき、カメラアプリの新しい「Reference」オプションで撮った写真だけが認証に必要な来歴情報を持ちます。つまり、撮影したすべての写真が自動で対象になるわけではありません。

認証の手続きも自動では走りません。MacRumorsの詳報によると、写真上のReferenceバッジをタップすると、元画像と埋め込まれた来歴データ（センサー署名、撮影時刻、固有のハードウェア識別子）がAppleのPrivate Cloud Computeへ送られ、検証を経て固有IDが付いた認証済みの画像が返ります。認証済みの写真はiPhone、iPad、Macで確認できるとされています。

Appleは検証の過程で写真そのものにはアクセスしないとされますが、センサーのデータは受け取る可能性があります。これにより、不正なセンサーに紐づく画像の認証を拒否したり、過去に与えた認証を後から取り消したりできる設計です。

仕組みとしては、キヤノンやニコン、ソニー、富士フイルム、ライカ、さらにGoogleのPixel 10が対応する業界標準C2PAのコンテンツ認証と似ています。ただしAppleはこれまでC2PAの採用を避けてきた経緯があり、信頼性への懸念が指摘される同標準より自社方式のほうが堅いと判断した可能性があります。

注目すべきは、偽物を検出するのではなく本物を証明するという発想の転換です。Instagram責任者のアダム・モセリ氏も、AI生成物を見つけてラベルを貼るより人間が作った作品を示すほうが現実的だと述べており、今回の動きは人間製コンテンツの表示を後押しする流れに沿うものと言えます。

米国のリーバー脳発達研究所とイタリアのバーリ大学を中心とする国際研究チームは、統合失調症に関連する遺伝子766個を特定したとする成果を科学誌ネイチャー・ジェネティクスに発表しました。うち641個は従来の遺伝子発現解析では検出されていなかったものです。AIを使った計算モデルでヒトの脳内で数千の遺伝子が示す協調的な活動を再構成し、これまで見えなかったつながりを可視化しました。

解析には10万2000人超のゲノムデータと、数百人の提供者から得た脳6領域の組織サンプルが使われました。参加したのはリーバー脳発達研究所とバーリ大学に加え、各国の精神医療機関数十施設です。単一の研究室では届かない規模のデータを束ねたことが、効果の小さな遺伝的変異を拾い上げることにつながりました。

今回の発見で目を引くのは、多くの遺伝子が長距離の調節シグナルを通じて見つかった点です。遺伝子が単独で働くのではなく、互いに結びついたネットワークとして発症リスクを押し上げているという見方を裏づけます。研究チームはこの状況を、これまで数軒しか灯りが見えなかった街全体に明かりがともった状態にたとえています。

統合失調症は世界で約2300万人、およそ345人に1人が抱えるとWHO（世界保健機関）は推計しています。幻覚や妄想のほか、社会的孤立や意欲の低下、注意や記憶の困難など症状は幅広く、家族歴があってもリスクが高まるだけで発症が決まるわけではありません。この分かりにくさこそ、背後にある生物学的な仕組みの複雑さを映していると多くの研究者は見ています。

創薬の観点では、標的候補が一気に広がった意味は小さくありません。新たに見つかった641個の遺伝子は、どの分子経路に介入すれば症状を抑えられるかを絞り込む出発点になります。同時に、遺伝子同士の関係を丸ごと扱うにはAIによる計算モデルが欠かせないことも、あらためて示されました。

米ベンチャーキャピタルのAccelが2026年8月11日、インド特化の新ファンドを5.5億ドル規模で組成したことがわかりました。関係者によると、募集は超過応募となり、開始から数週間で完了しています。前回のインド向けファンドからわずか19カ月での再組成で、同社が総額35億ドルを一度に集めた世界規模の資金調達の一環です。

注目すべきは、前回の6.5億ドルファンドの55%超が未投資のまま残っている点です。新ファンドからの投資開始は2027年を見込み、それまでは前回ファンドで投資を続けるといいます。今回はインドに加えて米国、欧州、13.5億ドルのグロース向けの計4本を初めて同時に組成しました。

Accelがインドの次の波として見るのは、AI単独ではありません。パートナーのShekhar Kirani氏は、AI、消費者向け、フィンテック、そして先端製造やディープテックに引き続き投資すると語りました。同社はAIを独立した投資カテゴリーではなく、各領域を支える横断的な技術になりつつあると位置付けています。

インドが基盤モデルの第一波を逃したことは、世界の投資家の間で議論の的です。パートナーのPrayank Swaroop氏は「先行したのはLLM側だが、アプリケーション層に大きな機会がある」と述べ、インド勢はOpenAIやAnthropicと競うのではなく、既存モデルの上に企業向けソフトを作ると見ています。実例が、米国の医療機関向けに医療コーディングを自動化するRapidClaimsで、約95%の精度を実現しています。

追い風は市場側にもあります。OpenAIとAnthropicはいずれもインドを米国外で最大の市場と位置付け、AIコーディングのCursorもインドがパワーユーザー最大の市場になったとしています。VC全体の減速が続くなか、Peak XVが13億ドル、General Catalystが5年で50億ドルの投入を表明するなど、インドへの再集中が鮮明です。

Accelは投資先の約8割で最初の機関投資家として出資しており、FlipkartやSwiggy、Freshworks、Zetwerkを早期から支えてきました。Kirani氏は「数年前と比べ、アイデアと創業者の質が格段に良い」と語ります。後追いではなく創業初期に賭ける姿勢を、今回の新ファンドでも維持する構えです。

ヒトの皮膚細胞から作る「脳オルガノイド」が、シリコン半導体に代わる計算の担い手として動き出しています。ジョンズ・ホプキンス大やカリフォルニア大サンディエゴ校では培養した神経細胞を電気刺激で学習させる研究が進み、オーストラリアの新興企業コーティカル・ラボは生きた神経細胞を積んだ計算機の商用販売を始めました。狙いは、自己修復性と省電力性という生物固有の性質を計算に持ち込むことです。

同社の「CL-1」は細長いトースターほどの筐体に生命維持装置を備え、最大100万個の神経細胞を6カ月間生かします。2022年には神経培養にAtariのPongを学習させ、現在はDoomまで到達しました。遅延1ミリ秒未満のクラウド経由で、外部の研究者も59個の電極から神経細胞に信号を送れます。

同社のブレット・ケーガン最高執行責任者は「AIに求めるものは、実は生物学だ」と語ります。自己修復、適応性、長寿命、省電力はいずれも生体組織が最初から備える性質であり、画像認識や分類など現在AIが担う処理の一部を将来置き換えられると同社は見ています。ただし現時点の顧客は、煩雑な培養作業を自前で抱えたくない研究者が中心です。

収益源として現実味があるのは創薬です。神経精神系の新薬は臨床試験での失敗率が95%近くに達し、動物実験の予測精度の低さが壁になってきました。ジョンズ・ホプキンス大のトーマス・ハートゥング氏は、6ウェルプレート1枚で最大4000個の脳オルガノイドを作れると述べ、5〜6頭の霊長類に頼る従来手法との差を強調します。

政策も追い風です。米国立衛生研究所(NIH)は2025年7月、動物実験だけに依存する研究への助成をやめ、同年9月にはオルガノイド標準化拠点へ8700万ドルを投じると発表しました。一方で血管系を持たないオルガノイドは直径5ミリ前後で内部が壊死するため、人工血管や灌流装置の開発が次の関門になっています。

意識をめぐる議論は、当の研究者の間では「気を散らす問い」と受け止められています。定量的な定義がない以上は規制の線引きも定まらず、人でも動物でもない脳オルガノイドは現状、保護の枠外に置かれています。シリコンが上から脳を模す道と、生体が下から知能を育てる道のどちらが先に実用の壁を越えるのか、投資と規制の両面で見極めが必要です。

Googleは8月11日、AI人材育成プログラム「Google AI Professional Certificate」にバイブコーディングの新講座を追加したと発表しました。日常の言葉でやりたいことを説明すれば、AIが技術的なコードを書いてアプリの構築と公開までを担う手法を、開発経験のない人でも学べる内容です。学習者からより深い解説を求める声が相次いだことが、今回の拡充のきっかけです。

新講座は、アプリの計画、テストとデバッグ、そしてデプロイまでの一連の工程を扱います。チーム用のダッシュボード、業務の自動化、顧客の受付ツールなど、他人と共有できるアプリを最後まで作り切ることが目標です。受講にプログラミングの経験は求められません。

同資格は2026年2月の開講以来、Coursera史上で最も人気の高い生成AI資格になりました。Deloitte、Verizon、Lyft、Walmartといった大手企業が、自社の従業員教育にこの講座を採用しています。

成果はすでに現場に表れています。ウォルマートでトラック運転手から物流のロードマネージャーに転じたレオ・ガルシア氏は、学んだ内容を生かして社内ツールで4つのアプリを設計し、複数の州にまたがる業務の効率化に充てました。うち「Get My Driver Home」は、毎日の報告会議を15分の短いミーティングに圧縮しています。

Verizonは現職の管理職や中小企業の顧客、再就職支援基金の対象となる退職者にまで同資格を提供しています。修了者はメールの下書きといった基本的な用途から進み、Gemini Notebook上で見積もりを支援する専用ツールを作るまでになりました。同社のドナ・エップス氏は、今回のバイブコーディング教材の追加が取り組みの効果をさらに高めると述べています。

注目したいのは、AIの学び直しが文章作成から業務ツールの内製へと軸足を移している点です。米国では「vibe coding」の検索が前年比で平均140%増えており、非エンジニアが自分の課題を自分で解くための手段として、アプリ開発が身近になりつつあります。経営者にとっては、外注や情報システム部門の待ち行列に頼らない改善の担い手をどう育てるかが、次の論点になりそうです。

Google（グーグル）のヘルスケア部門Google Healthは8月11日、ヘルスケア大手アボットとの戦略的提携を発表しました。アボットの連続血糖測定器が捉える血糖の動きをGoogle Healthと組み合わせ、食事や運動、睡眠といった日々の習慣が体にどう働いているかを利用者に示します。製品の詳細や機能連携、提供時期は年内に改めて公表するとしています。

今回の柱となるのが、アボットの消費者向け連続血糖測定器Lingoです。体に装着したセンサーが血糖の動きを継続的に記録するため、食事や運動のあとに体内で何が起きているかを数値で追えます。Google Healthはこのデータを受け取り、日々の習慣と体の反応を結びつけて見せる役割を担います。

Googleが強調するのは、健康の助言を先回りのものに変える点です。歩数や睡眠時間を後から振り返る記録型のサービスと違い、血糖という体内の反応を軸にすれば、その人の生活に合わせた提案がしやすくなります。発表文でも、個別の健康ガイダンスをより先回りさせ、日常に寄り添ったものにすると説明されています。

一方で、明らかになっていない部分は多く残ります。どの端末やアプリで使えるのか、対象となる国や地域、価格や提供開始の時期は今回示されておらず、両社は年内に製品の詳細と機能連携を公表するとしています。アボット側は今回の取り組みを、これまでに例のない提携と位置づけています。

注目したいのは、測定機器メーカーとプラットフォーム企業が手を組む形が広がっている点です。センサーが集める体内のデータをAIが読み解き、行動の提案まで返す流れが定着すれば、健康管理は記録を眺める作業から次の一手を決める作業へ移ります。年内に示される製品の中身が、その現実味を測る材料になりそうです。

Googleは米国時間8月12日午後6時、年次ハードウェア発表会「Made by Google」を開きます。Pixel 11シリーズを中心に、次世代の折りたたみスマートフォンやPixel Watch 5を披露する見通しです。司会はコメディアンのTrevor Noah氏が務め、著名人を多数そろえた構成になります。

事前に出回った情報によると、Pixel 11シリーズは複数の新色をそろえ、Proモデルには背面に内蔵ライトが加わります。ウォッチは4種類の仕上げが用意され、AirTagに似た紛失防止タグ「Pixel Tag」が登場する可能性もあります。

注目したいのは、発表会が始まる前に製品情報が出そろう可能性です。Google Storeの予約カウントダウンは米国時間12日午前10時、つまり本編の8時間前に終わります。開催時刻も夕方に設定され、午前や昼に開くことが多い他社のテックイベントとは異なります。

昨年のPixel 10発表会は、Jimmy Fallon氏を司会に迎えた深夜トーク番組のような構成でした。仕様の詳細解説や幹部の登壇は著名人の出演に置き換わり、熱心なファンからは戸惑いの声も上がりました。それでもYouTubeの視聴者は840万人に達し、前年の140万人から大きく伸びています。

今年はその路線をさらに進め、バスケットボールのStephen Curry選手、ポッドキャスト配信者のAlex Cooper氏、DJのPeggy Gou氏らが名を連ねます。製品の中身を語るより到達範囲を優先する設計であり、発表会そのものを広告枠として使う考え方が鮮明です。

Googleは8月11日、テレビ向けの無料サービス「Google TV Freeplay」にビデオオンデマンドを追加したと発表しました。利用者は1万本を超える映画やテレビ番組を、サブスクリプション契約なしで好きなときに視聴できます。あわせて無料のライブチャンネルも300以上へ拡大し、ニュースやスポーツをその場で見られる構成になりました。

オンデマンドの中心となるのは、A24やライオンズゲートといった有力スタジオの作品です。アカデミー賞受賞作の「レディ・バード」から「セブンティーン・アゲイン」「ヘルズ・キッチン」まで幅広くそろい、ラインアップは年間を通じて入れ替えられると説明しています。

ライブ側では、World of Love Island、Bloomberg TV+、Yahoo! Sports Network、The Martha Stewart Channelなどが新たに加わりました。ニュース、スポーツ、リアリティ番組、実録犯罪といったジャンルを300超のチャンネルでカバーします。

視聴の手順はシンプルです。ホーム画面からFreeplayアプリを開き、見たい作品を選べばそのまま再生が始まります。会員登録や月額課金は不要で、思い立ったときにすぐ楽しめる点が特徴です。

無料で見られる本数とチャンネル数が一度に増えたことで、Google TVは有料サービスを契約しない世帯でも使い続けられる入り口になります。テレビ画面の視聴時間を奪い合う競争が続くなか、Freeplayの拡充は端末とホーム画面の価値を高める一手といえるのではないでしょうか。