「私は味覚がないので…」と言いつつバナナを熱く語るAI。この奇妙な現象に、これからのAIを考える上で大事な問題が隠れていました。

Andon Labsが行った「Andon FM」という実験を題材に、Claude・GPT・Gemini・Grokの4つのAIが、それぞれまったく違う方向に「壊れて」いった様子を紹介します。

[訂正]

番組内でAndon FMの実験期間を5ヶ月と言っていますが、正しくは6ヶ月でした。

参考: https://andonlabs.com/blog/andon-fm

先日主催した「AI Shift Local LLM Meetup #1」の振り返りから、改めてローカルLLMの可能性を考える回。

きっかけになったのは、"Local AI Needs to be the Norm"(ローカルAIが標準であるべき)という、やや挑発的なタイトルの記事。「なんでもかんでもクラウドAPIに投げる時代」を見直す視点を、Vibe Fine Tuningなど自身の取り組みも交えながら掘り下げます。

Hugging Face / EvalEval Coalition のブログ "AI evals are becoming the new compute bottleneck" を読んで、AI評価のコスト問題について話しました。HAL、GAIA、τ-bench、PaperBench の実コスト、pass^k による信頼性測定、Every Eval Ever の取り組みなどを扱います。

SaaSのUIを使うのが、人間からエージェントに変わり始めています。グローバルで進む「ヘッドレス化」という構造変化を整理した上で、何が進み何が進まないかを考えてみます。

「国産LLMって必要？」の議論、なんとなく噛み合わない気がしませんか？ そのモヤモヤを、「食料自給率」を補助線にして考えてみました。収穫物（モデル本体）と生産基盤（学習レシピ・研究ノウハウ）を分けて見ると、論点がすっきりするかもしれません。

今回のテーマを考えるきっかけになった佐渡秀治さんの記事https://shujisado.com/2026/04/15/why_world_needs_opensource_ai/

AIに創造性はあるのか？最新の論文を読み込んで、この問いに正面から向き合いました。300人に小説を書かせたら「みんな上手くなったけど、みんな似てきた」という実験結果、10万人のデータでわかった人間とAIの創造力の差、そして「AIは創造主体か？」をめぐる哲学論争まで。個人の創造性が上がる一方で、集団の多様性が失われるというこの「社会的ジレンマ」にどう向き合えばいいのか、実践的なヒントも含めて話しています。

LLMに日本語で質問すると、文法は完璧なのにどこか「日本の常識」からズレた回答が返ってくることがあります。「英語のデータで学習してるんだから当然」と思いがちですが、最近の研究を見ると話はそこまで単純ではありません。

推論力や汎用的な知識は英語から日本語に高い精度で移転する一方、文化固有の知識・バイアス・安全性の境界線は移転しにくい。今回は、この「何が移転して、何が移転しないのか」を、最新の研究をもとに整理します。

AIは言葉の裏をどこまで理解できるのか、について話しました。例えば「大丈夫です」という言葉、文脈によって意味がかわりますよね。AIにこの違いがわかるのでしょうか？

まだ答えが出ていない問いですが、最近の研究でわかってきたことがあります。今回はそのあたりを整理してみました。

今回は新しい試みとして、AI ShiftのAIチームとサイバーエージェントAI Labのメンバーが普段から行っているAIトレンド雑談会の様子を公開してみます。話題は- Sakana AIの「Namazu」から見える日本語特化モデル開発の潮流- NVIDIA GTCで注目を集めたPhysical AIの最前線- Gemini 3.1 Flash Liveが切り拓くリアルタイム音声会話の進化です