基準日 2026-11-03
実行 2026-11-03 21:00:25
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
S&P 500
7,569
NDX 100
28,180
VIX
20.82
US 10Y
4.95%
DXY
101.86
WTI
$96.60
Gold
$3,932
USD/KRW
1,344
SOX
10,599
Trump Approve
35.4%
AI LEADERS · MOVES & PAPERS

AIリーダー:人事異動・論文 — 最新の所属変化と研究

LAST UPDATE 2026-11-03 08:00 KST PEOPLE 77 · PAPERS 76 · MOVES 0
AI研究所・ビッグテック・学界のキーパーソンがどこへ移り、どんな論文を出すかは、技術の方向性と企業競争力を先取りするシグナルです。人事異動と論文を毎日自動で集め、運営者が確認したうえで、わかりやすい要約と原文リンクでまとめています。

最近の主なニュース

人事異動 · 安全・規制

条件に合う人事異動はまだありません。

論文 · 安全・規制

論文2026-10-29 · arXiv (Cornell University)

仮想環境学習による精神科問診対話AIの性能向上

Training language models in simulation for psychiatric intake
Mark Chen ほか55名
何を
研究チームは、仮想環境で強化学習を経た言語モデルが、構造化テキストベースの精神科初期問診能力を大幅に向上させることを実証しました。
主な結果
精神科医が参加した評価において、学習された人工知能は、診療スコア、患者中心のコミュニケーション、鑑別診断の適切さなど、複数の指標でベースモデルを上回る成果を示しました。
意味
仮想環境が精神科対話型人工知能を訓練し、安全性を検証するための有用なテストベッドになり得ることを示しています。AI要約
論文2026-10-27 · SuperIntelligence - Robotics - Safety & Alignment

米国ホワイトハウスとAI企業が超知能AIガバナンス協定を締結しました。

White House Accord on Super Intelligence
何を
米国大統領と主要AI企業の最高経営責任者らは、超知能人工知能の開発に向けた4段階のガバナンスの約束であるホワイトハウス超知能協定を締結しました。
主な結果
参加企業は、強力な内部統制、独立した内部検証チームの運営、外部監査、そして取締役会独立委員会を通じた監督を履行することになりました。
意味
先端人工知能の開発企業がセキュリティと安全のために体系的な内部統制と外部監査を導入するきっかけとなります。AI要約
論文2026-10-09 · DigitalCommons-IMSA (Illinois Mathematics and Science Academy)

人工知能研究者ジャレッド・カプランの主な業績と経歴の紹介

Recipient of the 2026 Alumni Trailblazer Award
何を
Anthropicの共同創業者であり最高科学責任者であるジャレッド・カプランの人工知能分野における研究と経歴の成果を紹介した。
主な結果
大規模な人工知能システムの性能を予測する法則を研究し、人工知能が事前に定めた原則に適合するようにする技術を主導した。
意味
安全で有益な人工知能開発のための理論的枠組みとガイドラインを提供することに寄与した。AI要約
論文2026-10-08 · Code Ocean

人工知能の不確実性の原因を解釈する技術を公開

pce-uncertainty-attribution: code for "Interpretable attribution of decision-relevant uncertainty in AI"
何を
学習済み人工知能モデルの意思決定の不確実性がどのような要因に起因するのかを解釈するコードと手法を公開した。
主な結果
多項式代用を活用し、化学、実験計画法、言語モデルアライメントの分野におけるモデルの不確実性の原因を明らかにした。
意味
多様な分野において人工知能モデルの意思決定プロセスをより深く理解し、信頼性を高めるために活用できる。AI要約
論文2026-10-04 · arXiv (Cornell University)

複数の価値のバランスを1つのAIモデルで学習する新しい手法を提案

Which Preferences to Train On? End-to-End Multi-Objective Alignment with an Adversarial Preference Distribution
Cho Kyunghyun ほか2名
何を
研究チームは、AI言語モデルが有用性、無害性、ユーモアといった複数の価値の間のバランスを用者のリクエストに応じて調整できるようにするMAESTROという学習手法を提案しました。
主な結果
抄録によると、MAESTROは3つまでの目標を扱う実験において、ほとんどの課題で最も優れたバランス曲線(パレートフロント)を1回の学習で取得し、比較した手法の中で学習コストが最も低くなりました。
意味
1つのモデルで複数の価値の組み合わせを処理できるようになれば、企業がユーザーごとの設定に合わせたAIサービスをより効率的に構築できる可能性が示されますが、抄録だけでは実際の市場効果を判断することは困難です。AI要約
論文2026-10-03 · arXiv (Cornell University)

研究チーム、コード実行によるAI回答の監督方法を評価するフレームワークを提案

PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution
何を
プログラムの実行結果を正解として活用するPyINEフレームワークを構築し、もっともらしいが不完全な推論を行うAIの回答を監督者が信頼できるかを検証しました。
主な結果
近道に従うよう訓練されたモデルは実行結果の予測能力が大幅に向上したものの、誤った手がかりが実際の動作と矛盾する場合は依然として体系的なエラーを起こし、安価な学習型監督者は稀な近道エラーを頻繁に見逃しました。
意味
AIの回答を検証する監督方法を同じ条件で比較し、再利用可能な実験環境を提示した点で意義がありますが、アブストラクトには実際のサービスへの適用効果については言及されていません。AI要約
論文2026-09-30 · Nature

AI生成タンパク質の機能を損なわずに目立たずマーキングする技術を開発

Function-preserving watermarking of AI-generated proteins.
何を
研究チームは、AIが作成したタンパク質の配列と構造に機能損失なしでマークを残す技術「SynthIDBio」を開発しました。
主な結果
従来と同様のタンパク質機能を維持しながら、ほぼ完璧な精度でウォーターマークを検出できることを実証しました。
意味
バイオセキュリティおよび情報の真実性確認の問題に対処し、AIを活用したバイオエンジニアリング分野における出所追跡ツールの可能性を示しています。AI要約
論文2026-09-28 · arXiv (Cornell University)

AIの意識可能性を5段階に分けて評価する枠組みを提示

From cacophony to hierarchy: a principled framework for assessing AI consciousness
何を
著者らは、AIの意識を扱う複数の理論を5段階の階層的枠組みに整理し、段階別の指標を用いて現在の大規模言語モデル(LLM)を評価する方法を提示した。
主な結果
現在のLLMの意識可能性の評価は、証拠の解釈の仕方だけでなく、どの理論にどれほど重みを置くかによって大きく変わり、0.01未満から約0.8までの範囲となった。
意味
意識関連の指標が汎用知能に必要な構造と大きく重なっているという点において、AIが有能になるほど意識の候補として有力になるという示唆を与える。ただしこれは確定した結論ではなく、抄録には投資に関する直接的な言及はない。AI要約
論文2026-09-28

人工知能の研究開発自動化がもたらす影響と政策的対応の分析

What if automating AI R&D triggers an intelligence explosion?
何を
研究者らは、人工知能(AI)の研究開発自動化が知能爆発を引き起こす可能性と、それに伴う影響および政策的対応策を評価した。
主な結果
AIシステムが数年以内に大半のAI研究開発業務を自動化するとみられており、これにより社会が耐えられないレベルの急速な能力向上が引き起こされる可能性がある。
意味
AIの研究開発自動化がもたらしうる恩恵とともに、コントロール喪失などの極端なリスクの可能性に警鐘を鳴らし、政策的備えを促す。AI要約
論文2026-08-10 · AI and Ethics

人工知能が意識を持っていると感じられた際に生じるリスクの分析

Seemingly conscious AI risks
何を
研究チームは、ユーザーに意識があると感じさせる人工知能システムの特徴と、それによって生じる多様なリスクを体系的に分類し評価しました。
主な結果
個人に対する感情的依存や自律性の侵害などのリスクはすでに観察されており発生可能性が高い一方、社会的リスクは発生可能性は低いものの深刻度大きいことが示されました。
意味
人工知能が意識を持っているように見える際に生じるリスクを理解し、今後の研究方向を設定するのに役立ちます。AI要約
論文2026-07-20 · Proceedings of the National Academy of Sciences of the United States of America

法曹分野における人工知能の性能検証の必要性と制度的課題の分析

There is no free benchmark: An institutional view of legal AI benchmarking
何を
法曹AIツールの性能とリスクを検証するためのパブリックベンチマークの必要性と、制度設計上の課題を分析した。
主な結果
法曹AIエコシステムは情報の透明性が不足しており、ベンチマーク制度の設計にあたっては、操作や歪みを防ぐための慎重なアプローチが必要であることを明らかにした。
意味
法曹分野におけるAIの安全で責任ある活用のために、リソースや制約条件に合わせたカスタマイズされたベンチマーク戦略が重要であることを示唆している。AI要約
論文2026-06-10 · arXiv.org

AIエージェントの誤りを正確に特定する評価手法の開発

Layer-Isolated Evaluation: Gating the Deterministic Scaffold of a Production LLM Agent with a No-LLM, Regression-Locked Test Harness
何を
研究チームは、AIエージェントの構造を複数の層に分け、各層のエラーを独立して素早く検証する評価システムを開発しました。
主な結果
全体的な成功率はほとんど変わらない状況でも、問題が生じた特定の層のスコアが大きく低下し、正確な原因把握が可能であることを確認しました。
意味
AIシステムの安定性を高め、問題発生時に原因を迅速に特定することに貢献できます。AI要約
論文2026-05-28 · arXiv.org

大規模人工知能の内部動作を理解しやすい単位で抽出

Scaling Monosemanticity: Extracting Interpretable Features from Claude 3 Sonnet
何を
研究チームはスパースオートエンコーダを活用し、商用人工知能モデルである Claude 3 Sonnet の中間層から解釈可能な特徴量を抽出した。
主な結果
抽出された特徴量は多言語およびマルチモーダルな特性を示し、著名人から抽象的概念、潜在的リスク要因に至るまで多岐にわたり、モデルの行動制御に使用できることが確認された。
意味
人工知能モデルの内部動作を解釈し、潜在的リスクを把握することに貢献できる技術的進歩を示している。AI要約
論文2026-05-06 · arXiv.org

AIエージェントのセキュリティリスクを評価するプラットフォームを開発

DecodingTrust-Agent Platform (DTap): A Controllable and Interactive Red-Teaming Platform for AI Agents
Percy Liang ほか16名
何を
様々な実際の環境においてAIエージェントのセキュリティリスクを評価できるプラットフォームと自動攻撃ツールを開発しました。
主な結果
これにより、様々なAIエージェントの体系的な脆弱性パターンを明らかにし、セキュリティに関する洞察を提供しました。
意味
次世代の安全なAIエージェントを開発する上で、有用な基礎資料として活用できます。AI要約

人物

なぜAIリーダーの人事と論文を追うのか

AI産業では人こそが技術です。キーとなる研究者がどの企業に移り、どんな研究所を立ち上げるかは、数か月後に製品・資金調達・M&Aにつながることが少なくありません。本ページでは、フロンティア研究所、新興研究所、学界、AI半導体、韓国・中国の人物まで分けて所属の変化を追跡します。

論文は、その人がいま何に注力しているかを示します。HBM・メモリ、GPU・アクセラレータ、推論効率、エージェント、ロボットなど投資につながる10分野に論文を分類し、抄録をもとに「何を・主な結果・意味」の3行要約と原文・PDFリンクを提供します。特定銘柄の売買推奨ではなく、アイデアを探すための情報です。

よくある質問

Q. どの人物を追跡していますか?

フロンティア研究所(OpenAI・Google DeepMind・Anthropic・Metaなど)、新興研究所、学界、AI半導体、韓国・中国のキーとなる研究者と経営陣です。論文をほとんど書かない経営陣は人事異動のみ追跡します。

Q. 情報源と更新頻度は?

論文はSemantic ScholarとarXiv、経歴はウィキデータ(CC0)と公式発表・報道をもとに毎日自動で収集します。運営者が確認・承認した項目のみ公開します。

Q. 論文要約は誰が書いていますか?

論文の抄録をもとにAI(Google Gemini)が下書きを作成し、運営者が確認してから公開します。他言語は確認済みの韓国語要約をAIで翻訳したものです。詳しい数値や文脈は必ず原文でご確認ください。

本ページは公開論文・公式発表・報道を整理した情報提供用の資料です。論文要約は抄録をもとにAIが作成し運営者が確認したもので、原文と異なる場合があるため、重要な内容は原文をご確認ください。特定銘柄の売買推奨や投資助言ではありません。 人事異動は公式発表または主要報道を出典として表示し、経歴の一部はウィキデータ(CC0)を参照しています。 このページの要約は、運営者が確認した韓国語版をもとにAIが翻訳したものです。

🐩 コボンおやつ代応援
코봉이
このページがお役に立ちましたら、コボンのおやつ代応援も歓迎です 🦴
💬 コミュニティコメント
IPベース匿名ニックネーム · 暴言/スパム時制裁の可能性
読み込み中...