1万人のAIエージェントが、一つの議論もなく問題を解決した。発表直後、人間たちは功績の帰属を巡って争い始めた。 まず、何が起きたのか。 OpenAIは、自社のエージェントが現代数学で最も有名な問題の一つを解決したと発表した。 彼らの説明によれば、これには88時間かかった。 約1万人のエージェントが同時にこの問題に取り組んだ。 そして、私が最も印象に残ったのは、次の点だ。 サム・アルトマンはスタンフォード大学で、それらエージェントがどのように相互作用したかを説明した。 リーダーはいなかった。 誰が何をしたかを巡る議論もなかった。 対立も、評価を巡る争いもなかった。 誰もがただ一つの目標に向かって動いていた。 彼自身、これは自分が想像できるどんな組織とも異なると語った。 そして、その後に起きたこと。 結果が発表されるとすぐに、人間たちの間で誰が功績を受けるべきかを巡る争いが勃発した。 エージェントたちは問題を分割した。 人間たちは栄光を分割した。 一方、数学者たちは5日間で独自の旅を経験した。 まず最初に、「これは偽物だ」という反応があった。 次に、「この分野は終わりだ」という声が上がった。 その後、「こんなやり方はすべきではない」という意見が出た。 5日目には、多くの人が異なる見解を示した。 「はい、ある種の仕事は消えた。」 しかし、ほとんどの人はそのレベルの問題を解決したことはなかった。 彼らは知識を整理し、人々に説明し、何に取り組むべきかを決めてきた。 アルトマンが見落とされがちなもう一つの考えがある。 彼は、それが純粋な推測であると明言しながら、世界中のほぼすべての組織が軍隊をモデルにしていると提案している。 ピラミッド型の構造、指揮・統制だ。 なぜなら、かつて大人数を管理する方法として知られていたのはそれだけだったからだ。 そして今、1万人のエージェントが、まったくピラミッドなしでそれを実現した。 すべてエージェントだけで動く会社を想像してみよう。 誰もフィードバックに傷つかない。 誰もアイデアを盗まない。 誰も角部屋を巡って争わない。 完璧に聞こえる。 しかし、だからこそ興味深いのは、アルトマンがすぐにこう付け加えたことだ。「人間は決してこのような形で働かない。」 なぜなら、私たちの不完全さの中に美しさがあるからだ。 議論、野心、感情—— 彼はそうしたものが一切ない世界は望まない。 私も彼に賛成する。 なぜなら、人間同士の摩擦はコストであるだけでなく、私たちが何を大切にしているかを決める方法でもあるからだ。 二人の人間が功績を巡って争うとき、彼らは本当は「貢献とは何か」について議論しているのだ。 機械はその問いをしない。ただ実行するだけだ。 だから私は、今後数年間で最も重要な問いは、「AIが何を置き換えるか」ではなく、「どの摩擦を私たちが維持するか」だと考える。 アルトマンは、人間は常に他の人間に最も関心を持つと語る。 機械が自分自身の目的のために何をするかには、あまり関心がないと。 仕事に価値があるのは、その背後に人がいるからだ。 たとえ議論しているときでも、このことが成り立つように思える。 そしておそらく、私たちが最も自分らしくあるのは、そうした議論の中にあるのだ。

9年前、ジェンセン・ホアンはエロン・マスクにスーパーコンピューターを届けた。今日、彼はその後継機を携えて戻ってきた。 この瞬間は、コンピューティングのまったく異なる2つの時代を結びつけている。 2016年、ジェンセンは自らNVIDIA初のDGX-1をエロン・マスクに届けた。 当時、マスクはOpenAIのメンバーだった。 そのマシンは、研究者が人工知能の限界を押し広げるのに貢献し、AI革命の初期インフラの一部となった。 9年後、ジェンセンは再び戻ってきた。 しかし今回は、まったく異なるものを運んでいる。 お目にかかりましょう、NVIDIA DGX Spark。 Grace Blackwellアーキテクチャを搭載した、コンパクトなデスクトップ型AIスーパーコンピューター。 その仕様は印象的だ。 FP4精度で最大1ペタフロップのAIパフォーマンス。 128GBの統合メモリ。 強力なNVIDIA GB10スーパーチップ。 そして、デスク上に置けるほどの小型フォームファクター。 対照的に、元のDGX-1は大型のエンタープライズシステムだった。 DGX Sparkは、たった1.2kgの重量で、大幅なAI計算能力をデバイスに凝縮した。 しかし、本当に重要なのは、これによって可能になることだ。 開発者や研究者は、リモートデータセンターに完全に依存することなく、ローカルでAIモデルを実行し、大規模言語モデルを実験し、AIエージェントを構築し、モデルを微調整できる。 NVIDIAによると、1台のDGX Sparkで、2000億パラメータまでのモデルの推論を処理可能だ。 複数のシステムを接続すれば、さらに大きなワークロードにも対応できる。 会話の中で、ジェンセンは元のDGX-1と新世代との間でのコンピューティング効率の劇的な進歩にも言及した。 そして、最も素晴らしい瞬間が訪れた。 ジェンセンは、エロンが自分より大きなものを構築していると冗談を言った。 エロンはただ了承した。 結局のところ、SpaceXはロケットと巨大なインフラを構築している一方で、NVIDIAはAI革命を支えるコンピューティングシステムを構築している。 テキサス州のスターベースで、この2つの世界が出会うのは、非常に興味深いことだ。 一方の企業は宇宙探査の限界を押し広げており、 他方の企業は人工知能の限界を押し広げている。 9年前、ジェンセンはAIの新たな章を切り開く手助けをしたスーパーコンピューターを届けた。 今、彼はその計算能力を個人の開発者に近づけている。 次のAIのブレイクスルーは、巨大なデータセンターから生まれるとは限らない。 それは誰かのデスク上で始まるかもしれない。

ホーリーシット。OpenAIがAIエージェントをより安価で、コンピューターの操作能力をさらに向上させた。 GPT 6.1 Terraをご覧ください。 このアップデートは、より良い回答を生成すること以上に重要な意味を持っています。 OpenAIは、AIをはるかに実用的な方向へと押し進めています。 実際に仕事をこなすことです。 Terraは、あなたの画面で何が起きているかを理解し、コンピュータアプリケーションとやり取りし、複雑なタスクの連鎖を完了できるように設計されています。 それが何を意味するか考えてみてください。 AIが提案書の作成を支援したり、技術図面を解釈したり、フォームの入力を行ったり、動画を編集したり、繰り返しのオフィス作業を処理したりできるようになります。 何かのやり方を説明するのではなく、それを実行するために必要なステップを自ら進めてくれるのです。 OpenAIによると、この新モデルはGPT 5.6 Terraよりもこうしたタスクで大幅に優れているそうです。 しかし、私が特に注目したのはこちらです。 価格です。 GPT 6.1 Terraの標準API料金は、GPT 5.6 Terraより50％低くなっています。 これは重要です。AIエージェントは単一のワークフローを完了する間に複数回モデルにリクエストを送るからです。 各ステップにはコストがかかります。 情報を読み取ること、画面を分析すること、次に何をするか判断すること、結果を確認すること——これらすべてが積み重なります。 コストが下がれば、こうしたシステムをスケールして運用するのが現実的になります。 OpenAIはまた、内部評価においてコーディング性能と視覚的推論の大幅な改善、および事実誤認の減少も報告しています。 この組み合わせは重要です。 タスクを理解し、ソフトウェアを操作し、コードを書けるモデルが、それらをより速く、より低コストで実行できるようになれば、はるかに実用的になります。 AIエージェントが請求書を処理し、スプレッドシートを更新し、顧客情報を整理し、複数のアプリケーションにわたって繰り返しのタスクを処理する——そんな未来を想像してください。 ただ「どうすればいいか」を教えるのではなく、実際に「手伝って終わらせる」のです。 もちろん、コンピューター操作は完全な自律性とは異なります。複雑なワークフローにはテスト、権限設定、人間の監督が必要です。 しかし方向性は明確になってきています。 次の大きなAI競争は、「どのモデルがより良く考えられるか」だけではありません。 「どのモデルがその知性を確実に行動に変換できるか」です。 そして今、OpenAIはその能力の利用コストを下げました。

🚨ホーリーシット。ジェンセン・ホアンが片手に1ペタフロップのAIパワーを握った。 彼が行った比較はまったくもって驚異的だ。 2016年、ジェンセン・ホアンはOpenAIという小さな企業にNVIDIA DGX 1システムを届けた。 それはAIコンピューティング専用に構築された巨大なマシンだった。 1ペタフロップの計算性能を発揮し、128GBのメモリを搭載していた。 そしてジェンセンは、ある細部を全員に思い出させた。 そのマシンを階段で持ち上げるには、2人の人手が必要だった。 そして今、10年後、彼は片手にコンパクトなAIコンピュータを握り、同じ数値を示している。 1ペタフロップ。 128GBのメモリ。 その事実を一瞬、噛みしめてみてほしい。 新しいRTX Sparkラインは、MicrosoftとPC業界全体と4年にわたる協業によって開発された。 ジェンセンによると、このプロジェクトにはN1Xという新チップと、デスクトップ、ラップトップ、ワークステーションを含む完全に新しいコンピュータファミリーが関与している。 目標は、本格的なAIコンピューティングパワーをはるかに小型のフォームファクターに実現することだ。 ここで興味深い点が出てくる。 これまで、強力なAIハードウェアへのアクセスとは、高価なクラウドインフラや一般開発者には手の届かない専用マシンに依存することを意味していた。 このようなコンパクトなシステムは、まったく異なるアプローチを示唆している。 自分のデスクでAIエージェントを開発し、モデルを実験し、要求の厳しいAIワークロードを実行する——そんな未来を想像してみてほしい。 リモートインフラへの依存が減り、 開発環境へのコントロールが高まり、 ローカルで実行可能なワークロードの継続的なクラウドコストが削減される可能性もある。 もちろん、重要な違いがある。 同じピークのペタフロップ数値が同じであるからといって、2つのマシンが実世界で同等のパフォーマンスを発揮するとは限らない。精度、メモリアーキテクチャ、ワークロードすべてが重要だ。 しかし、物理的な変化は依然として驚異的だ。 2016年には、このクラスのAIコンピューティングは2人が持ち上げる必要のあるマシンだった。 今や、ジェンセン・ホアンは同等の主要仕様を持つシステムを片手で握ることができる。 これは単なるもう一つのコンピュータ発表以上の意味を持つ。 AIハードウェアは、ただ強力になるだけでなく、 劇的にアクセスしやすくなっているのだ。 次世代のAI開発者は、サーバールームなしでスタートできるかもしれない。

もし量子光子振替を54%から100%に引き上げられるとしたら？ ウィーン工科大学の科学者たちは、その方法を発見した可能性がある。 そしてその解決策は、驚くほど賢明だ。 量子コンピュータは、キュービット間で情報を振替する必要がある。 1つのキュービットが光子を放出し、もう1つがそれを吸収しなければならない。 しかし従来のアプローチでは、この吸収は約54%の確率でしか成功しない。 プロセスが完了する前に、ほぼ半分の情報振替試行が失敗する可能性があると想像してみよう。 今、研究者たちはその状況を変える方法を提案した。 鍵は光子の波形の形状にある。 キュービットが光子を放出すると、その波形は通常、ベルの音のように最初は強く、徐々に弱まっていく。 しかし、受信側のキュービットは、完璧な吸収のためにまったく異なる波形を必要とする。 そこで研究者たちは、光子が移動中に特殊に設計された光導波路を使って波形を再形成することを提案した。 導波路を通る異なる周波数の動きを制御することで、光子が最適な吸収に必要な波形で到着すると計算された。 その結果は？ シミュレーションによると、理想的な条件下では吸収率が理論上100%に達する可能性がある。 最も興味深い点は、この方法が受動的であるということだ。 受信側で追加のアクティブ制御を必要とせず、導波路自体が光子の波形を形成する。 この方法はまだ実験的に実証されていないが、研究者たちは必要なセットアップは技術的に実現可能だと考えている。 実用化されれば、量子コンピュータや通信ネットワークの信頼性を大幅に向上させることができるだろう。 私たちはしばしば、量子のブレイクスルーには完全に新しいハードウェアが必要だと考えがちだ。 しかし、ブレイクスルーはたった1つの光子の移動方法を変えることから生まれることもある。 そして量子コンピューティングでは、その微細な違いが大きな影響をもたらす可能性がある。

これは何ですか？このボットは取引の半分以上を失うにもかかわらず、1,400ドルから22,646ドルへと成長しています。 あのバレーに注目してください。 これは、ボットが同時に頭の中に保持している20,480の可能性のある先物です。 青い線はBitcoinが上昇する世界を示しています。 ピンクとオレンジは、下落する世界を示しています。 では、仕組みについて説明します。 ボットはPolymarketで5分間の市場を対象に、Bitcoinの上昇または下落に対して取引を行います。 7つのストリームからのリアルタイムデータが入力されます。 これらは確率に変換されます。たとえば、上昇の確率45％、下落の確率55％などです。 この確率は、市場が同じ結果を販売している価格と比較されます。 その差異は「アドバンテージ」と呼ばれます。 アドバンテージがある場合にのみ、ボットは取引を開きます。 アドバンテージが3セント未満の場合、画面には「PASS」と表示され、取引は行われません。 ここに本質が隠されています。 パネル上の勝率は48％です。 つまり、取引の半分以上が赤字で終了しています。 しかし、これは問題ではありません。 たとえば、あなたが32セントで株を購入し、正しければ1ドルを受け取れるとします。 あなたが常に正しく予測する必要はありません。 あなたの推定が市場価格よりも正確であれば十分です。 そうすれば、たとえ半分以上が損失であっても、数学的にはあなたに有利に働きます。 これは各取引の画面で確認できます。 アドバンテージ＋5.3セントで32セント購入。 アドバンテージ＋6.7セントで53セント購入。 価格もサイズも異なりますが、ルールは一つです。 下部にはランディングカーブがあります。 これは、ウィンドウ終了時のBitcoinの価格がどこに落ち着くかの可能性を示しています。 ボットは1つのポイントを見逃します。 しかし、広範な機会の範囲を把握し、市場価格と比較しています。 1日あたりのウィンドウは288個あり、毎回同じルールが適用されます。 合計14,222件のチケットが取引され、平均アドバンテージは＋4.6セント、最大ドローダウンは4.2％でした。 ここで私が興味を持つ点について説明します。 多くの人は、優れたトレーダーとは予測が当たる人だと思っています。 しかし、このボットは予測しようとさえしていません。 考えているのは： 毎5分ごとに、数百万の小さな判断が1つのカーブに集まります。このカーブが成長するのは、ボットが正解だからではなく、正解である方が不正解であるよりもコストが高いからです。 そして、これは問いを変えるのです。 「どれだけ頻繁に予測するか」ではなく、 「正解のときにどれだけ得をするか」「不正解のときにどれだけ損をするか」です。 これがCRAWLHIVEのCrawler Arenaのすべてです。 あなたは判断、エントリー、利確、損切り、サイズを自分で設定できます。コードは不要です。 あなたのクルーラーはアリーナに入り、他のすべての参加者とリアルな手数料とリアルなスリッページでこのルールに基づいて取引します。 つまり、勝ちと負けの差が今やあなたの手にあります。 これは金融アドバイスではありません。 過去の成績は将来の成果を保証しません。

ジェンセン・ホアンがAIエージェントによって動きを学習する25cmのロボットアヒルを披露した。 この小さなロボットは、はるかに大きな物語の一部だ。 こちらがMicroduckだ。 これはHugging Faceが開発したオープンソースのロボットプロジェクトで、その行動はシミュレーション内で学習され、その後物理的なロボットに転送された。 アヒルは走る、起き上がる、物を掴むことを学べる。 しかし、このデモを興味深いものにしているのは、AIエージェントがどのようにそれを実現したかだ。 ロボティクスを一つの巨大なエンジニアリングタスクとして扱うのではなく、ワークフローは段階的に分割されている。 モデルを構築する。 シミュレーションをセットアップする。 行動を学習する。 そして、そのスキルを現実世界に持ち込む。 最後のステップが極めて重要だ。 仮想環境で動作するロボットは、重力、バランス、摩擦、そして現実の物体の不確実性に対処しなければならない。 ここにNVIDIAの物理的AIに対するビジョンが重要になる。 AIはテキスト、画像、コードの生成を超えて、シミュレーションやロボティクスツールと併用され、機械が物理世界と相互作用する方法を学ぶのに活用されつつある。 アヒルは小さいかもしれない。 しかし、その背後にあるアイデアは決して小さくない。 次世代のAIは、私たちのコンピュータ内にだけ存在するのではなく、その外で動きを学ぶようになるかもしれない。

テスラは重力に逆らっているわけではない。 車両をレールに引きつけるための吸引を利用しているのだ。 このロードスターをよく見てみよう。 車は巨大なループを上り、逆さまになり、速度が私たちが見ている現象を説明するには十分に高くないように見えるにもかかわらず、動き続けている。 では、実際に何が車を保持しているのか？ 磁石ではない。 その秘密は車両の下部にある。 テスラはロードスターの下面にファン駆動の吸引システムを組み込んでいる。 ファンが車両の下から空気を吸い出し、下部の圧力を低下させる。 この圧力差が車両をレールに押し付ける力を生み出す。 そして、私が特に興味深いと感じる点がこれだ。 従来の空力ダウンフォースは、車両の移動によって生み出される気流に大きく依存している。 しかし、ファンによる吸引システムは、低速時でも大きなダウンフォースを発生させることができる。 これは車両の可能性を変える。 速度だけに頼って車両を路面に固定するのではなく、車両自体が表面に引きつける力を能動的に生成できるようになる。 これは「道路が車両を保持するように設計された車」と、「自ら道路に引きつけるように設計された車」の違いだ。 これは重力を打ち破っているのではなく、 エンジニアリングが重力と協力する新たな方法を見出したということだ。 だからこそ、このデモはこれほど驚異的なのだ。

8つのAIエージェントが一晩中トレーディングデスクを運営。銀行口座は$12,155から$14,853へと増加した。 しかし、最も興味深いのはこの数字ではない。 最も興味深いのは、このデスクの責任者（CHIEF）は一度も取引を開かないことだ。 これは、Jevとともに進化したGrok Botの新バージョンである。 もはや単一のボットではなく、各エージェントが独自の役割を担う、完全なトレーディングデスクだ。 CHIEFはどのトークンを選択するかを決定するが、自身で取引は行わない。 SCANは動いている資産を検出する。 VETはそのトークンが本物かどうか、そしてそのリスク構造を確認する。 SOCIALはプロジェクトのXアカウントを監視する。 SIZEは投入額を決定する。 FILLSは取引を実行する。 RISKは保有資産をクローズする。 CRAWLERはまずページや投稿を読み取り、その後にデスクが取引を行う。 これらすべてのエージェントが行動する前に、ハードルールが適用され、その実行にはコストがかからない。 トークンの最小年齢：15分以上 流動性：$12,000以上 24時間取引高：$48,000以上 時価総額：$60,000以上 取引回数：最低150回以上 最大ウォレットの保有比率：5％以下 上位10ウォレットの合計保有比率：60％以下 これらはすべてAIを一切使用しない単純な算術ルールである。 その後、Jevによるソフトフィルターが適用される。 集中リスクによる出口リスク モメンタムがすでに尽きたかどうか 流動性が取引サイズに合っているかどうか プロジェクトアカウントが再利用されたものかどうか 開発者が依然として過剰なトークンを保有しているかどうか これらのフィルターの順序が重要である。 無料チェックを最初に実施。 次に取引チェック。 次にチェーンチェック。 最後にのみ、高コストのチェックを行う。 無料でトークンを除外するのは、すべてのトークンについてAIに問い合わせるよりもはるかに安価である。 このボットは推測に基づいてエントリーすることはない。 実際の買い流れが発生するまで待機し、それからのみエントリーする。 流れがなければ、エントリーしない。 多くの人は、優れたトレーディングボットとは単に優れたモデルであると考えている。 しかし、単独の優れたモデルでは誤りを犯す。 各ステップが分離され、すべてのステップがチェックされるシステムでは、はるかに少ない誤りで済む。 それは秩序を持っている。 そして、決定のみを行い、欲張らない責任者がいる。 それが真の優位性である。 これは金融アドバイスではありません。 過去の成績は将来の結果を保証しません。 あなたの現在のトレーディングにおいて、CHIEFの役割を果たしているのは、あなた自身ですか？それとも感情ですか？

完璧に見えるAIボット取引が、最も危険な可能性がある。 利益が上昇する曲線。 クリーンな分析。 市場のエントリーとエグジットのタイミングを正確に把握しているかのように見えるシステム。 しかし、人々がしばしば見落としている点がある。 取引システムは、利益を生む必要はなく、テストされた条件下でうまく見えるだけでよい。 市場が変われば。 取引手数料を加えれば。 変動率を上げれば。 予想より長く損失ポジションを保持すれば。 かつて優れた戦略のように見えたものが、一気に崩れ始める。 だから私は、利益を示すスクリーンショットよりも、戦略が機能しなくなったときに何が起こるかに注目する。 どれほど損失を被るのか？ 圧力下でどのように振る舞うのか？ 設計されていない市場でも生き残れるのか？ 有利な条件でお金を稼ぐのは一つのことで、 不利な条件でも生き残ることは、まったく別の話だ。 そして、それがAI取引における真の課題だと思う。 機械に勝ち取る取引を見つけることを教えるのではなく、 自らの戦略がもはや機能していないことに気づかせることだ。