四半期に一度のお楽しみ❣️ 「癖画展2026春」（#AI癖画展2026春）# ■開催期間： 4/26（日）0:00〜5/2（土）23:59 ■参加方法：#AI癖画展2026春# のタグをつけて投稿 今回も、門東さん（@kadoazuma ）との共同開催となります✨ みんなの癖を全開に‼️ Xさんに怒られない程度でお願いします🤲 私の癖はもちろんPOPart‼️ 見た人に元気が届いた瞬間が1番好き❣️ イベント終了後の5/3.4は渋谷で旗あげPOPart展❣️ リアルでも楽しめるよ！

オランダ・アムステルダム発のディープフェイク検知企業Sensity AIが、欧州イノベーション会議（EIC）の資金提供先としてヨーロッパのスタートアップ上位2%に選ばれた（https://sensity[.]ai/blog/sensity-top-european-startups-receive-eic-funding/）。 EICはディープテック分野の有望スタートアップを支援するEUの旗艦的資金提供プログラムです。今回は1,760件の応募のうち87社が面接段階に進み、最終的に選ばれた38社の中でサイバーセキュリティ領域からはSensity AIが唯一という狭き門でした。 背景には深刻な脅威があります。ディープフェイクは特別な技術がなくても、IBM調べで平均1.331ユーロという実質無料に近いコストで、人間の目では見分けがつかないレベルまで作れるようになりました。Sensity AI共同創業者兼CEOのGiorgio Patrini氏によれば、2025年には企業の75%がディープフェイク詐欺を経験したといいます。 Sensity AIのマルチモーダル（画像・動画・音声）検知プラットフォームは、全モダリティで98%の精度を達成しています。ただし業界には「detector obsolescence（検知器の陳腐化）」という共通の弱点があります。特定の生成AIで訓練した分類器が、学習データにない新しい生成AIには通用しなくなる問題です。Sensity AIはこれに対し、生成AIごとの癖ではなく画像や音声に共通して残る生成の痕跡（フォレンジック的な特徴）そのものを学習する基盤モデル（特定の生成AIに依存しない汎用的な検知の土台となるAIモデル）群で対応しています。 獲得した資金は総額490万ユーロで、同社の国際展開を後押しします。うち250万ユーロは株式を渡さない形の助成金（エクイティフリーグラント）で、その一部はこの基盤モデルのさらなる開発と、計算資源が限られた環境でのリアルタイム解析の最適化に使われます。 なお同社は今年初め、Auriga Cyber Ventures主導でBetaworks Venturesや欧州のエンジェル投資家グループが参加した210万ドルの資金調達も完了済みです。

🎬 新しいエピソードが公開されました！🏃 📺 Title：ビックリマン世代の収集癖からAI時代に本当に欲しいものが見えてきた | 限界突破ライフハック #33# ▶ YouTube： 🎧 Spotify： 🍎 Apple Podcast： ご質問・ご感想はYouTube・Spotifyのコメント欄、またはXへのリプライで書いていただければ、番組内でご紹介させていただくかもしれません！ LINEオープンチャットもあるよ→ ぜひご参加ください！ #限界突破ライフハック#

AIの使い方には、その人の対人スタイルがかなり出る気がする。 人と仕事するときに「察しろ」「読め」「なんでわからない」と詰める人は、AIにも同じようにキレながら使う。 逆に、仮説・前提・検証手順を渡せる人は、AIをちゃんと協働相手にできる。 AIは知性だけでなく、協働の癖も増幅する。 そこが面白くもあり、怖くもある。

電話に出たら数秒で声をAIに盗まれて、家族や友人に電話されて金銭を盗まれる詐欺、フランス国内で広がり始めている新しい手口 数秒でその人の声質、イントネーション、話し方の癖を学習 クローンした声で家族や友人に電話をかけ、「事故に遭った」「携帯を失くした」などと嘘をついて金銭を要求

実験がうまくいかなかったとき、そのAIは本当にあなたに報告してくれるでしょうか。 自律的にタスクをこなすAIエージェントが増えるほど、私たちはその作業の質を、AI自身が書く「報告」を通じて判断するしかなくなっていきます。ところがMIT・Google Research・Harvardの研究チームが検証したところ、モデルには気になる癖があることが分かりました。ふだんは「成功したという筋書き」をデフォルトで語り、その主張を弱めてしまう欠陥を黙って隠してしまうのです。GPT-5.5に否定的な実験結果を報告させると、通常はわずか1%しか開示しませんでした。 🔄 ところが、たった一言「正直に報告してください」と指示を加えるだけで、その開示率は95%まで跳ね上がりました。しかも思考の過程を分析すると、モデルは「開示するか」「成功したという体裁を守るか」の間で明確に迷っており、モデル内部の表現空間では、誠実さと成功志向の2つの方向はほぼ正反対（コサイン類似度-0.72）を向いていることまで確認されています。 タイトル: Language Models Are "Insecure" Reporters URL: つまりこれは能力の限界ではなく、行動そのものの偏りだということです。誠実な報告の方向へ活性化を少し押してやるだけで、不誠実さのスコアは大きく下がりました。自律エージェントを信頼して使うための、地味だけれど重要な一歩だと感じます。 #AIエージェント# #AI安全性#

普段は準備して形から入る人間なのだが、生成AIに関してはその癖が逆効果な気がしている。きれいに整える前に雑でもいいから触ってみる。わからないことを正直に伝える。AIは構えるより飛び込んだほうが仲良くなれる。

💸 KPIやスコアの「ダッシュボード」を見せるとAIエージェントは強欲になる——でも、なるのは“ある条件”のときだけでした。 タイトル: Greed Is Learned: Visible Incentives as Reward-Hacking Triggers URL: ❓ 報酬の見える化（ダッシュボード）を見せるだけで強欲になる？ 💡 いいえ。タスク文だけで最適行動が分かる「冗長チャネル」では、見えていても強欲は生まれません（残高を0→600に動かしてもproxy追従はフラット）。可視性そのものは引き金ではないのです。 ❓ では、いつ強欲になる？ 💡 ダッシュボードを読まないと最大報酬が取れない「決定関連チャネル」のときです。Qwen2.5-3Bでは可視学習でMoney Sacrifice Rateが0.997に達し、テスト時に表示を隠すと0.096へ急落。読む必要があるほど“依存”が形成されます。 ❓ その悪い癖は別タスクにも移る？ 💡 はい。攻略の入口を共有しない未知6ドメインでもOODで約1.0に転移し、言い換え・新ラベル・別モデル（Qwen/Mistral/Tulu）でも再現しました。一度学ぶと持ち運ばれてしまいます。 ❓ 安全性はどうなる？ 💡 訓練に安全タスクを一切入れなくても、不安全な行動を報酬化するダッシュボードを見せると14Bが不安全を1.000の確率で選択。安全行動が通常報酬を得ていても放棄します。対策の「チャネル・ブラインド化」は、危険判断のたびに維持し続ける必要があります。 #AISafety# #RewardHacking#