投稿が拡散されているようなので、ちょっと宣伝させてください。
Pythonの入門書を書いていますので、ぜひお読みください！

amzn.asia/d/gCfTi93

「AIのリスクは市民が負い、利益は企業が得る」——ニューヨーク市長がAIバブル崩壊を警告。そして、その懸念は子どもの教育にまで及んでいる。

ニューヨーク市長のゾーラン・マムダニがWIREDのインタビューで、AI産業への強い不信感を表明した。データセンター建設による電気料金の上昇や環境負荷を地域住民が負担する一方、経済的利益は巨大テック企業に集中する構造を批判。AI投資の現状を住宅バブルになぞらえ、崩壊する可能性があると警告した。

マムダニはニューヨーク州でのデータセンター建設の1年間停止を支持。さらに、OpenAIのサム・アルトマンらを信頼するかという質問には、明確に「No」と回答した。AI企業が社会的コストを十分に説明しないまま、技術革新を理由に事業を拡大していることを問題視している。

興味深いのは、データセンターへの反対が政治的な左右を超えて広がっていることだ。民主社会主義者のマムダニと保守派のデサンティス知事が、同じ問題に懸念を示している。AIをめぐる対立軸が、技術革新への賛否から、利益と負担の分配へと移り始めている。

そしてマムダニの懸念は、経済や環境問題だけにとどまらない。AI企業が社会的な影響を十分に検証しないまま、その技術を人々の生活に浸透させていること自体を問題視している。

その象徴が教育だ。マムダニは、就学前教育から中学2年生相当までの児童・生徒による生成AI利用の禁止を提案した。製薬会社が理科の授業内容を決めることは許されないのに、なぜテック企業には教育のあり方を左右することが認められるのか。子どもたちが自分で考え、失敗し、学ぶ機会を、企業の利益のために奪ってはならないという主張だ。

wired.com/story/the-big-…

さらに、AIが人間の仕事を代替することについても、単なる雇用の増減では測れない問題があると指摘する。長年取り組んできた数学の難問をAIが解いたことで、自分の研究の意味を問い直す数学者の例を挙げ、仕事から得られる達成感や目的意識まで失われる可能性に言及した。

ここで問われているのは、AIの性能や生産性ではない。AIが生み出す経済的利益のために、社会は何を差し出すことになるのかという問題だ。

約9,500億円を奪った史上最大級のハッキング。その突破口は、たった一つの「採用面接」だった。しかも、この手口は日本でも使われていた。

暗号資産取引所Binanceから約63億ドルが流出した事件。北朝鮮系ハッカー集団「TraderTraitor」は数か月にわたって侵入を準備していた。

攻撃者はまず、ウォレット開発者が使用するAIコーディングツールを改ざんして情報を収集。その後、別のエンジニアに採用担当者を装って接近し、偽の面接を実施。採用課題として渡したプログラムにマルウェアを仕込み、PCへの侵入に成功した。

そこから盗んだ認証情報や社内AIツールを悪用し、複数の開発者の端末を侵害。最終的にはウォレット管理システムに到達し、巨額の暗号資産を盗み出した。

実は、この手口は2024年に日本でも使われている。

DMM Bitcoinから約482億円が流出した事件では、同じTraderTraitorがLinkedInで採用担当者になりすまし、ウォレット管理会社Gincoの技術者に接触。採用試験を装った悪意あるPythonコードを実行させ、端末を侵害した。その後、セッションクッキーを盗み、正規の取引リクエストを改ざんして資産を奪っている。

つまり、これは偶然の成功ではない。

nbcnews.com/business/marke…

攻撃者は採用活動という日常的な業務を利用して侵入経路を確保し、同じ手法を繰り返し実行している。

さらに注目すべきは、攻撃の標的が企業のネットワークだけでなく、そこで働く技術者のキャリアや開発環境にまで広がっていることだ。

Redditが過疎っている。

AIの性能が約6倍に向上。しかも再学習は不要で、書き換えたのは全パラメータのわずか0.016%。AIが別のAIを「修理する」時代が始まろうとしている。

MITの研究チームは、OpenAIのGPT-6 Astraを使い、Alibabaの小型AI「Qwen3.5-0.8B」の内部パラメータを直接編集。数学ベンチマークMATH-500の正答率を7.9%から48.1%に引き上げた。

従来、AIの性能改善には、大量のデータを使って誤差を計算し、勾配降下法（SGDやAdamなど）でパラメータを更新する再学習が一般的だった。しかし今回の「Weight-Space Programming」は、LLMが別のニューラルネットワークの内部を解析し、問題のある部分を特定して、重みを直接書き換えるという手法だ。

実際にGPT-6 Astraが発見したのは、Qwenが数学の推論中に同じ処理を繰り返し、回答を完了できなくなる問題だった。そこで第15層と第19層の一部、合計131,072個のパラメータを修正。すると正答率が大幅に改善し、GSM8Kでも13.8%から67.1%に向上した。

つまり、AIに新しい数学の知識を大量に教え込んだのではなく、もともと持っていた能力を妨げていた不具合を、別のAIが見つけて修理したのである。

venturebeat.com/technology/lik…

さらに研究チームは、AIにゲーム用ニューラルネットワークの重みを解析させ、学習したゲームを推測する実験や、ゲームのルールから重みそのものを生成する実験にも成功している。

これまでニューラルネットワークの重みは、人間には意味を読み取りにくい膨大な数値の集合だった。しかし今回の研究は、それをAI自身が解析し、プログラムのバグを修正するように書き換えられる可能性を示した。

システムは問題なく動いているのに、開発だけがどんどん遅くなる。ソフトウェアが大規模化すると、最初に限界を迎えるのはコードではないらしい。

Redditで「ソフトウェアの規模が大きくなったとき、最初にスケールしなくなったものは？」という議論が盛り上がっている。CPUやメモリ、データベースの性能ではなく、多くの開発者が問題として挙げたのは、ソフトウェアを変更するための手間だった。

小さな機能追加なのに、複数サービスの修正、DBマイグレーション、顧客別設定、リリース日の調整が必要になる。処理性能には余裕があっても、変更のたびに関係者が増え、デプロイが怖くなっていく。

こうした問題に対して挙がった対策は、意外なほど地味だ。後方互換性を維持したAPI変更、Feature Flagによる段階的リリース、変更内容の可視化、サービスごとの責任者の明確化。大規模なアーキテクチャ刷新よりも、変更に伴う調整を減らすことが重要だという。

しかし、問題はコードの複雑さだけではない。

reddit.com/r/SoftwareEngi…

少人数なら口頭で済んでいた確認が、組織の拡大とともに複数チームの承認事項になる。あるサービスの変更が別チームの作業を止め、リリースのたびに関係者のスケジュール調整が発生する。エンジニアを増やしているのに、開発速度が落ちていくという逆説が生まれる。

ここで見えてくるのは、ソフトウェアのスケーラビリティと組織のスケーラビリティが、実は切り離せないということだ。

CPU使用率100%なのに、実は半分の時間を何もせず待っている。しかも、計算量を増やしたら処理が25%も速くなった。

一見矛盾するこの現象を、データベース「Pivot」の開発者が実験で明らかにしている。

現代のCPUは1ナノ秒に4〜8命令を処理できる一方、メインメモリ（DRAM）へのアクセスには50〜100ナノ秒かかる。CPUが数百もの命令を実行できる時間を、たった1回のデータ取得に費やすことになる。

実験では、約9900万行、約1700万種類のUserIDを含むデータをSQLのGROUP BYで集計した。通常のHashMapを使った実装では処理に3.6秒かかり、CPUの実行リソースの約50%がメモリ待ちで停止していた。

原因は、巨大なHashMapがCPUキャッシュに収まらず、ランダムなDRAMアクセスが大量に発生することだった。

そこで採用したのが「Radix Partitioning」という手法だ。

各キーのハッシュ値の上位12ビットを使い、データを4096個のパーティションに分割。その後、パーティションごとに小さなHashMapを作って集計する。

分割処理が加わるため、実行する命令数は約1.6倍に増加する。しかし、個々のHashMapが小さくなることでCPUキャッシュのヒット率が向上し、DRAMからの読み込み量は約4.5GBから1.5GBへと3分の1に減少した。

結果、実行時間は3.6秒から2.7秒へと約25%短縮。CPUのメモリ待ちも50.1%から23.5%まで減少した。

pivotlake.io/blog/its-the-m…

Anthropicが公開したIPO関連書類によると、2026年7〜9月期の人件費は約17億ドル（約2,550億円）。従業員約5,300人で割ると、1人あたり月額約10万7,000ドル(約1,600万円 )になる。ただし、これは給与そのものではない。約11億ドルは株式報酬であり、福利厚生なども含む数字だ。

さらに驚くべきことに、仮に9月末時点でIPOが成立していれば、約82億ドル（約1.2兆円）の追加費用が発生していたという。これは株式報酬の権利確定に伴う会計上の費用であり、同額の現金が流出するわけではない。それでも既存株主の持分希薄化につながる可能性があり、投資家にとって無視できないコストだ。

なぜここまで巨額の報酬を支払うのか。それは最先端AIの競争力が、限られた優秀な研究者やエンジニアに大きく依存しているためだ。AI企業は人材を大量に採用するだけでなく、突出した能力を持つ人材に将来の企業価値を分配することで、競争優位を確保しようとしている。

一方、Anthropicの売上高は2026年1〜9月に332億ドルに達し、人件費の売上高に対する比率は15%まで低下した。2023年には売上高の2倍以上だった人件費が、急成長によって相対的に小さくなっている。巨額の報酬を支払いながら、それを上回る勢いで事業を拡大しているわけだ。

techspot.com/news/114428-an…

Spotifyは、AI音楽を排除するのではなく、「合法的に課金できる二次創作市場」として自分の中に取り込もうとしている。

Spotifyは2027年第1四半期にも、ユーザーが既存楽曲をAIでリミックスしたり、別のスタイルのカバーを作ったりできる有料機能を投入する計画だ。Premium料金に月4〜5ドル程度を上乗せし、作った楽曲はSpotify上で公開可能。再生に応じて元のアーティストや権利者にも収益を還元する仕組みを想定している。Universal Music GroupやBelieve、Kobaltなどとの契約も進め、アーティスト側には参加を拒否できる選択肢を残す方向だ。

ここで大きいのは、Spotify自身が2025年に7500万曲以上のスパム的なAI楽曲を削除している一方で、AIによるリミックス機能そのものは積極的に商品化しようとしている点だ。線引きは「AIか人間か」ではない。無許可で大量生成されたAI音楽は排除し、権利処理と課金の枠組みに乗ったAI音楽は歓迎する。つまり、これまでYouTubeやTikTok、外部の生成AIサービスで勝手に行われてきた二次創作を、Spotifyの中に正式な市場として囲い込もうとしている。

そうなると、音楽の意味も変わる。これまで楽曲はアーティストが完成させ、リスナーが聴くものだった。AIリミックスが一般化すれば、原曲は完成品であると同時に、ファンが加工するための“素材”にもなる。Spotifyが売ろうとしているのはAIそのものというより、好きな作品に参加し、自分なりに作り替えられる権利だ。

これはビジネス面でも重要だ。ストリーミングは長く「どれだけ聴かせるか」で競争してきたが、Spotifyは次に「どれだけ作らせるか」に収益源を広げようとしている。生成、公開、再生、ランキング、権利処理、ロイヤリティ分配までSpotify内で完結すれば、単なる音楽配信サービスではなく、音楽制作と流通を一体化したプラットフォームになる。

techspot.com/news/114410-sp…

しかも、AIモデルそのものは他社でも作れるが、世界中の楽曲を合法的に加工できるライセンス網は簡単には真似できない。Spotifyにとって本当の競争力は生成AIの性能よりも、「この曲を正式にリミックスしてよい」と言える権利関係にある。だからこそ大手レーベルや出版社との契約が重要になる。

一方で、この仕組みはアーティスト側にも複雑な圧力を生む。AIリミックスを許可すれば露出や収益が増える可能性があるが、許可しなければファン参加型の流れから取り残されるかもしれない。大量のAIリミックスがプレイリストを埋めれば、オリジナル作品や新人アーティストが埋もれる懸念もある。表向きは「選択可能」でも、人気獲得のために事実上参加を迫られる構造が生まれる可能性はある。

AIが数学を解き始めたのではない。数学そのものが、「解答不足」の世界から「解答過剰」の世界へ移り始めた。

2026年、AIは未解決のErdős問題を次々に処理し、OpenAIはErdős Problem #90の証明を公表。さらに9月には、7つのミレニアム懸賞問題の一つ「Navier–Stokes方程式の存在と滑らかさ」を解いたと発表した。後者はまだ人間による検証が続いているが、数学者がAIを単なる補助ツールと見る時代は終わりつつある。

Terence Taoは、2025年までの数学を「Math 1.0」、現在を「Math 2.0」と表現する。これまで証明は希少で、論文や賞、研究職につながる「成果」そのものだった。ところがAIが証明を大量生産できるようになると、希少になるのは証明ではなく、「どれを読むべきか」「何が重要なのか」を判断する能力になる。数学は、証明を作る競争から、証明を選び、理解し、意味づける競争へ移ろうとしている。

その変化は、研究者の仕事だけでなく、数学者の育て方も揺さぶる。数学者はこれまで、何カ月も問題に悩み、失敗し、仮説を立て直す過程で直感を身につけてきた。だが同じ問題をAIが数時間で解けば、その「苦戦する時間」が消える。記事に登場する数学者John Urschelは、AIとともに長年の問題を解決しながらも、その体験を「楽しくなかった」と振り返る。彼が愛していたのは答えではなく、暗闇の中で少しずつ理解に近づく感覚だったからだ。

ここで問題になるのは、「AIを使うか使わないか」ではない。答えを得るまでの遠回りそのものが、研究者を育て、新しい問いを生み出していたということだ。完成した証明だけを読んでも、自分で新しい数学を作れるとは限らない。一方でAIを使えば、成功確率5%で何年もかかる仮説を数日で試せる。これまで怖くて触れなかったアイデアを大量に試せるようになれば、数学者はむしろ大胆になれる可能性もある。

newyorker.com/magazine/2026/…

そして、この変化は数学界の中だけでは終わらない。Google DeepMind、OpenAI、Anthropicにとって、数学は研究対象であると同時に、AIの能力を示す最高のベンチマークでもある。難問を解くことが企業の技術力の証明になれば、「何を理解したか」より「何問解いたか」が競争指標になり、研究そのものがその指標に最適化されていく。

Navier–Stokes問題をめぐっては、OpenAIが大規模な計算資源を投入し、先行研究者との著者関係をめぐる摩擦も起きたと記事は伝える。フィールズ賞受賞者らは、「問題を解くこと」は本来、概念的な理解を得るための手段であって、ゴールそのものではないと警告した。証明が大量生産できるようになったとき、数学の価値まで「解けたかどうか」に縮小されてしまう危険がある。

馬事公苑、凄い人出。

ロシアが隠してきた戦死者数は、軍ではなく“統計局”に残っていたのかもしれない。

ベラルーシ系ハッカー集団CyberPartisansとSilent Crowは、ロシア連邦統計局Rosstatに侵入し、約23TBのデータを奪取したと主張している。Rosstat自身も10月29日〜11月1日に大規模な協調サイバー攻撃を受けたことは認めた一方、データ流出そのものは否定している。ハッカー側によれば、流出資料には人口・経済統計だけでなく、「公用限定」とされたウクライナ戦争でのロシア側損失データも含まれるという。現時点で内容の真正性は独立検証されていない。

注目されるのは、ハッカーが公開した資料では、過去2年間のロシア軍死者が月2万5,000〜5万人規模、2026年10月には5万人弱だったと示されている点だ。ただし、これはあくまで攻撃者側が「Rosstatから取得した」とするデータに基づく数字であり、確定値ではない。

重要なのは、Rosstatが単なる経済統計機関ではないことだ。同局の統計体系には軍事行動による死亡も分類されている一方、ロシアは2024年以降、死因別死亡統計の公開を停止している。つまり、表から消えた数字が行政内部には蓄積され続け、それが今回外部に出た可能性がある。

tomshardware.com/tech-industry/…

もしデータが真正なら、戦争の損失を推計する方法そのものが変わる。衛星写真、訃報、墓地、相続記録などから積み上げる「外からの推計」ではなく、国家が内部で集計していた数字を直接照合できる可能性が出てくるからだ。

Java 25がブラウザで動く。しかも今度は「実行」だけでなく、`javac`でコンパイルまでできる。 CheerpJ 5.0は、JavaをWebへ移植する技術というより、ブラウザそのものをJavaの実行環境に変え始めた。

CheerpJは、JavaバイトコードをWebAssembly上のJVMで直接実行する仕組みだ。5.0では従来のJava 8/11/17に加えてJava 21/25へ対応し、さらにJREだけでなく完全なOpenJDK/JDKを搭載。`javac`や`jshell`までクライアント側で動くため、Javaコードの編集→コンパイル→実行をサーバーなしでブラウザ内に閉じられる。KotlinやScalaなどJVM言語も原理的にそのまま対象になる。

そして重要なのが、新しいWasmGC実行エンジンだ。従来はJavaオブジェクトをJavaScriptオブジェクトとして扱い、JIT後のコードもJavaScriptへ変換していた。新方式ではJavaオブジェクトをWasmGCオブジェクトとして持ち、ホットコードもWebAssemblyへJITコンパイルする。つまり「Java→JS→ブラウザ」という迂回を減らし、JavaとWebAssemblyをより直接結びつけようとしている。

labs.leaningtech.com/blog/cheerpj-5…

これが安定すれば、対象は小さなJavaプログラムにとどまらない。開発元は現代版MinecraftやIntelliJ IDEA級の巨大Javaアプリをブラウザで動かすことまで視野に入れている。現時点のWasmGC版は実験段階で、本格運用は2027年初頭予定のCheerpJ 6.0が目標だ。