Goodfireの研究者Nick Cammarataが、LLMは従来考えられていたより理解・監視・制御しやすい可能性があると主張する2万6000語のブログ記事を公開した。根拠として、画像認識モデルInception v1で車と猫の両方に反応していたニューロンについて、共通するV字形のパターンを捉えていたと再解釈した例が挙げられている。一方、Stanford大学のChris Pottsは、この主張は直感に近く、問題を容易にするものではないと指摘している。
Microsoft AIは、2026年1月のCopilotにおける健康・ウェルビーイング関連の会話50万件超を分析し、利用実態を公表した。約5件に1件で本人の症状説明や検査結果の解釈、持病の管理を相談しており、症状や状態管理の質問の7件に1件は他者のための相談だった。会話は事前に匿名化され、人が内容を読むことはない。
Evo 2、Genos、Google DeepMindのAlphaGenomeといったゲノム基盤モデルは、既知の事例から相関を学習して配列の違いの影響を予測するが、ゲノムの調節の仕組みを解く十分なデータはまだない。ヒトゲノムのうち遺伝子は約2%にすぎず、遺伝子のオン・オフを制御する調節が理解の核心となっている。研究者の間では、ブラックボックスでは真の理解に足りないとの見方も出ている。
MIT Technology Reviewのシニア AI記者James O'Donnellが、スタンフォード大学の博士課程学生Samuel Kingに、生成AIモデルで微小ウイルスの遺伝子設計図を提案した研究についてインタビューした。2025年の成果はAI生成の生命そのものではないが、次の段階になり得るとされる。KingはInnovators Under 35に選出されており、生物学の新たな見方も語っている。
Google DeepMindのPushmeet KohliとBiohubのSal Candidoが、AlphaFoldがタンパク質フォールディングを解決していない理由を、Brandon Andersonの司会のもとで議論する。議論のトピックには、タンパク質のダイナミクスや秩序のない領域、静的構造予測の限界が含まれる。計算資源やデータを増やすだけでは生物学の問題は解けず、適切なスケーリング則を見つけることが重要だとされる。
Nathan Lambertは、AIエージェントによりインフラとエンジニアリングが数年で大きく加速するが、モデルの本質が劇的に変わるわけではなく、汎用超知能には向かわないと予想している。推論コストは数年でほぼ指数関数的に低下し、アーキテクチャとデータ選択に関する事前学習研究の自動化も2〜3年で現実的だとみる。RL環境の品質改善も短期的な伸びしろとして挙げている。
Periodic Labsのリアム・フェドゥス（Liam Fedus）とEkin Dogus Cubukが、Latent Spaceのポッドキャストに出演し、物理実験に根ざした強化学習による「synthesis superintelligence」構想を語った。両氏は、知能だけでは科学的発見には不十分であり、フロンティアモデルでも物理的な実験が引き続き必要だと主張する。失敗した実験も重要な学習データになるとし、室温超伝導体や新しい磁石、電池などの材料探索を議論している。
グラフ理論のBarnette予想が、openai/mathリポジトリの問題180として証明済みとされている。Jake Boggan氏はHacker Newsのコメントでこの点に触れ、その予想に断続的に約24年間取り組み、数千時間を費やしたと述べている。問題が解決されたと聞いたことには、複雑な感情を覚えたという。
Import AI 475は、Toby Ordによるスウォームのスケーリング分析、Google DeepMindのSynthID Bio、CSAIPの世論調査などを取り上げている。Ordの分析では、4エージェントのスウォームは同等の性能に総トークン数が約2倍必要だが、エージェントあたりでは半分で済み、並列実行により理論上は半分の時間で処理できる。SynthID Bioは3種類のタンパク質の実験で、ウォーターマークなしの設計と同等の成績を示したという。
理研 革新知能統合研究センター（AIP）の杉山将センター長が、第5回Conference on Lifelong Learning Agents（CoLLAs2026）で基調講演を行った。題目は"Learning beyond Clean Data: Toward Lifelong Agents in Imperfect and Changing Environments"。弱くノイズの多い教師情報からの学習、安定性と可塑性のバランスを取った分布変化への適応、疎でノイズが多く非定常なフィードバック下の強化学習を、統一的に理解する見解を紹介した。
ABEJAは2026年8月16日〜18日に仙台国際センターで開催されたYANS2026にゴールドスポンサーとして参加し、ブース出展を行った。ブースではSO-101ロボットアームに、ファインチューニング済みのπ0.5（VLA）とQwen3-ASR 1.7Bを組み合わせ、音声指示でブロックを運ぶデモを展示した。また、スポンサー賞にはCLIPの埋め込みのノルムを扱う研究を選び、ほか4件の発表を紹介している。
筆者のNathan Lambertは、LLMのノンフィクション長文執筆の能力は、コーディングや数学ほどには進歩していないと論じる。文単位の修正や数式の処理は得意でも、章全体を組み立てて整理する力は乏しく、小さな誤りが積み重なるという。実例として、GPT 5.5 Proは200〜300ページの原稿で細かな誤字を多数指摘し、Claudeは編集者として優れた提案をしたとしている。