Tag
Apple、Apple-Silicon最適化オンデバイス生成AI向けCore AIをローンチ
Appleは、Apple Siliconを活用し、生成AIモデルをデバイス上で完全に実行するための新フレームワーク「Core AI」を発表した。これにより、ユーザーデータのプライバシー保護、サーバー依存の排除、クラウドコストの削減が実現される。CPU、GPU、Neural Engineへのハードウェアアクセスを単一APIで統合し、メモリ安全なSwift APIを提供する。
Stanford AI Index Report 2026：AIブームにおけるリスクを警告
2026年版Stanford AI Index Reportは、生成AIの急速な普及を指摘する一方、社会・企業・規制システムが追いつかないリスクを警告。TSMCなどの特定チップメーカーへの依存、AIモデルの環境負荷（CO2排出、電力・水消費）、ジュニア人材不足による将来の専門人材育成への懸念が挙げられる。
MIT、AIモデルの不正コンテンツ生成を監査する新手法を開発
MITの研究者らが、AI画像生成モデルが違法コンテンツ（児童性的虐待資料など）を生成するようにファインチューニングされているかを、実際の違法コンテンツを生成せずに検出する新しい監査手法「Gaussian probing」を開発した。この技術は、モデルの内部構造の変化を分析することで、出力結果を評価する従来の手法とは異なり、ファインチューニングによって生じた内部的な変更を捉える。これにより、モデルの配布前に悪意のある適応を特定することが可能となり、AIの安全性と倫理的な利用における重要な進歩となる。
Apple、Apple-Silicon最適化オンデバイス生成AI向けCore AIを発表
Appleは、Apple Silicon専用のオンデバイス生成AI向け新フレームワーク「Core AI」を発表しました。これにより、開発者はiPhone、iPad、Macで直接大規模言語モデル（LLM）や生成AIを実行でき、ユーザーデータのプライバシー保護とクラウド依存の排除を実現します。
AI導入は機関を凌駕 -- Stanford study
スタンフォード大学の2026 AI Index Reportによると、AI技術は様々な分野で導入されているが、各機関の適応速度が追いついておらず、ガバナンス、透明性、労働力への影響に関する懸念が高まっている。生成AIの導入率は3年で53%を超え、PCやインターネットの成長を上回った。
AI Auditing: リスク、限界、およびベストプラクティス
監査データ分析におけるAI、特に生成AIは非構造化データの分析やリスク特定に有用だが、構造化データ分析や精密計算には限界がある。ハルシネーションや透明性の欠如といったリスクが存在するため、専門的懐疑心と人間の監督が不可欠。エンタープライズツールの利用、データセキュリティの優先、AI出力の検証が監査品質と説明責任を確保するためのベストプラクティスである。