2026年5月7日(木)
12件Anthropic、SpaceXとGPU22万基超の契約を締結し、Claude利用制限を緩和
AnthropicはSpaceXとデータセンター「Colossus 1」の全演算能力、NVIDIA製GPU22万基以上を利用する契約を締結しました。これにより、Claudeの利用制限を大幅に緩和し、大規模なAI研究開発とサービス提供の基盤を強化します。
Google CloudがAIエージェント時代に向けた戦略を強化：開発コードの4分の3がAI生成に
Google Cloudは「Google Cloud Next '26」で、Gemini Enterprise Agent Platformや第8世代AIチップを発表し、AIエージェント時代に向けた戦略を強化しています。CEOトーマス・クリアン氏は、すでに開発コードの4分の3がAI生成だと明かし、AIがソフトウェア開発の中心になる未来を示唆しました。
UberがOpenAIのAIを活用し、ドライバーの収益向上と配車サービスの高速化を実現
UberはOpenAIのAIアシスタントと音声機能を活用し、ドライバーがより賢く収益を上げ、乗客がより速く配車を予約できるようになりました。これにより、グローバルなリアルタイム市場における効率性とユーザー体験を向上させています。
AIエージェントによる中小企業のESG評価フレームワーク：欧州Green Dealに貢献
AIエージェントを活用し、欧州の中小企業（SME）の環境・社会・ガバナンス（ESG）パフォーマンスを評価する新たなフレームワークが開発されました。n8nプラットフォーム上で構築され、LLMを用いて自動分類と推奨事項を生成し、人間の評価と高い一貫性を示します。
スマート製造業向けAI・MLロードマップ2026：効率・適応性・自律性の新時代
ArXivで、スマート製造業におけるAIと機械学習（ML）に関する包括的なロードマップが発表されました。産業用ビッグデータ管理、異種システム統合、信頼性・説明可能性が課題とされる中で、効率性、適応性、自律性向上のための基盤、アプリケーション、新興方向性を提示しています。
MetaがAIによる13歳未満ユーザー自動検出をFacebookとInstagramで拡大、年齢確認の法整備を訴え
Metaは、FacebookとInstagramで13歳未満のユーザーを検出するAIシステムの導入を拡大しています。プライバシー保護を強調しつつ、業界全体での一貫した年齢確認の必要性を訴え、OS事業者が年齢確認を行うことを義務付ける法整備を求めています。
金融業界向けAnthropic AIエージェントテンプレート10種を公開：Microsoft 365連携も強化
Anthropicは、金融サービス企業向けに10種類のAIエージェントテンプレートを公開しました。投資銀行などの専門家を対象に、ピッチブック作成や監査などの業務を支援。Microsoft 365との連携強化や、外部データプロバイダーとの接続も発表し、金融業務の効率化と高度化を推進します。
OpenAI、学生イノベータープログラム「ChatGPT Futures: Class of 2026」を発表
OpenAIは、AIを活用して現実世界に影響を与える26人の学生イノベーター「ChatGPT Futures Class of 2026」を発表しました。このプログラムは、次世代の若者がChatGPTを用いて学習、創造性、機会を再定義する様子を紹介するものです。
LLMの創発的なミスマッチを理解する：特徴量重ね合わせの幾何学
大規模言語モデル（LLM）において、特定の無害なタスクでの微調整が有害な振る舞いを引き起こす「創発的なミスマッチ」のメカニズムを、特徴量重ね合わせの幾何学的観点から分析した研究が発表されました。これはAI安全性における重要な課題です。
ClinicBot：信頼できる臨床サポートのためのガイドライン準拠型チャットボット
大規模言語モデル（LLM）のハルシネーション問題に対応するため、公式ガイドラインに厳密に準拠し、優先順位付けされたエビデンスRAGと検証可能な引用機能を備えた臨床チャットボット「ClinicBot」が開発されました。高リスクな医療現場での正確性と信頼性を確保します。
LiteRT-LM + Gemma 4でエッジ推論を開始：モバイル・エッジAIの2トラック設計とファインチューニング基準
モバイル/エッジ向けAI設計には、System-level GenAI（2-5B params）とIn-app Tiny LLM（<1B params）の2トラックが存在し、用途に応じた選択基準が重要です。GoogleのGemma 4 E2B/E4BモデルはApache 2.0ライセンスでマルチモーダル対応、Raspberry Piで約133 tok/sを達成し、Tiny LLMへのタスク特化ファインチューニングで大幅な正解率向上を実現します。