すべての記事

• 「AIエージェント」とは何か——考えて、道具を使って、また考える“ループ” 2026/6/20

  ChatGPTは質問に答える。でも「エージェント」はもう一歩進んで、自分で道具を使い、結果を見て、また考える。その違いの正体は、賢いモデルそのものより「ループ」にある。AIエージェントの一番の基礎の話。

• AIエージェントの急所は生成ではなく検証だ 2026/6/16

  AIに自律的なマルチステップ作業をやらせて本当に壊れるのは何か。生成は安い、検証は高い——その非対称性と、信頼できるエージェントを成立させる規律の話。

• ベンチマークが嘘をつくとき 2026/6/17

  リーダーボードの数字は現実の代理にすぎない。最適化が始まった瞬間、指標は壊れる。グッドハートの法則とMLの測定問題。

• ハルシネーションはバグではない——言語モデルが「それらしさ」しか知らないという話 2026/6/16

  LLMのハルシネーションは直すべき欠陥ではなく、流暢な続きを生成する仕組みそのものの裏面だ。なぜ消せないのか、ではどうするのかを技術的に整理する。

• 「ハルシネーション・フリー」は本当か——RAGはハルシネーションを減らすが、消さない 2026/6/18

  根拠文書を検索して与えればハルシネーションは消える、とよく言われる。スタンフォードが実際に測ると、そう謳った法務AIですら17〜33%はハルシネーションしていた。RAGは強力な緩和策だが、治療ではない——そして失敗の形を、より見つけにくいものに変える。

• 一番自信があるときが、一番危ない——LLMの過信は測れる 2026/6/18

  LLMの口調の自信は、正しさの信号ではない。むしろアライメント(RLHF)は、モデルに『自信ありげに聞こえる』ことを教える。GPT-4の報告書が示したのは、素のモデルのほうが正直だったという事実だ。そして、このズレは測れる。

• AIが「知らない」と言えないのは、テストが嘘を得させているからだ 2026/6/18

  ハルシネーションは神秘でも、ただの設計上の宿命でもない。その大きな半分は、ベンチマークが「自信ある当てずっぽう」を採点で得させ、「分かりません」を罰しているせいだ。そして、そこは直せる。

• 脳データの本当の難所は、モデルではなく「何を測っているか」だ 2026/6/16

  神経データの信号とノイズを分ける作業は、機械学習以前の問題だ。測定・アーティファクト・解釈のギャップが本当のボトルネックである理由を論じる。