2026年10月20日号

AIに「看護師」や「弁護士」の画像を頼んでみる。見た目のことは一言も言わない。コーネル大学が率いるチームは、27の画像生成AIでこれを行い、51,300の顔を生成した。

550人の評価では、十分な数の画像が評価された23の生成AIすべてが、魅力の点で実際の写真を上回った。女性として指定された顔のうち37%は、自動スコアでファッションモデルの中央値を上回った。ナイジェリア人、黒人、エチオピア人として指定された顔のスコアが最も低かった。

次に570人が求職者を選考した。一部の人は、先にとても魅力的なAIの顔を見ていた。すると彼らは、同じ実在の候補者を、採用に値しない、信頼できないと評価する傾向が強まった。面接に進んだ人も減った。72.5%対77.4%だ。

従来の写真補正では何も変わらなかった。なぜAIの顔では変わるのか、著者たちはまだ説明できない。だが合成された人々は、広告やウェブサイト、ストックフォトを埋め尽くしつつある。

出典：Generative AI Produces and Transmits Beauty Bias, https://arxiv.org/abs/2610.22553

円形のトラックを走る何人かのランナーを思い浮かべてほしい。スタートは同じで、それぞれが自分の一定の速さで走る。どのランナーも、ある瞬間に他の全員から遠く離れるだろうか。これが孤独なランナー予想だ。

ランナーがn + 1人なら、予想は少なくとも1周の1/(n + 1)の隔たりを予言する。単純な数え上げの議論で保証されるのはその半分だけだ。何十年もの間、この簡単な下界を超える改善は、ランナーが増えるにつれてゼロへと縮んでいった。

シーユー・フー（Xiyu Hu）とイーファン・ジン（Yifan Jing）は今回、決して薄れない改善を証明した。ランナーが何人であっても、簡単な下界を一定の割合だけ上回るのだ。道具は、新しい重なりの不等式と、公約数に関する議論である。

著者らは、証明の確認と仕上げにChatGPT 6を使った。モデルが自力で下界を改善することはできなかった、と彼らは書いている。

出典：Near optimal gap in the Lonely Runner Conjecture, https://arxiv.org/abs/2610.23790

気候モデルは、世界最大級のスーパーコンピュータで動いている。では、計算を少し増やすごとに、どれだけの精度が得られるのか。24人の研究者からなるチームが、1995年以降に作られた159の気候モデルを調べた。

答えは驚くほど安定していた。計算能力が2倍になるたびに、モデルの誤差は約13.5%減ってきた。今の誤差を半分にするには、およそ28倍の計算が必要になる。

改善は均一ではない。第1世代以降、気圧の誤差は3.5分の1に、地表気温の誤差は2.7分の1に減った。降水量の誤差は7%しか減っていない。

AI気象モデルは今や最良の予報に肩を並べる。だが、どのモデルも測定したエネルギーを公表していない。訓練まで含めると、そのうちの1つは効率で2位から最下位に落ちる。チームは、精度とあわせてエネルギーを報告するよう呼びかけている。

出典：Energy-Aware Earth System Science: A Community Roadmap, https://arxiv.org/abs/2610.23216

毎日の降水量を追い、記録が出るたびに書き留める。記録とは、それ以前のどの日よりも雨の多い日のことだ。記録がたくさん出れば、最後の最高値も高くなるはずではないか。3人の物理学者が、厳密な数学で確かめた。

どんな滑らかな分布から引かれたランダムな値でも、答えはノーだ。記録の数と最高値はまったく無関係である。系列の長さがいくつでも、一方を知っても他方については何もわからない。

雨量ゼロの、雨の降らない日を加えると、つながりが現れる。雨の降らない日の割合がある臨界値を超えると、つながりはまず強まり、それから弱まる。臨界値より下では、弱まるだけだ。この閾値には厳密な式がある。

チームは、ドイツの気象観測所の日降水量の記録でこれを検証した。一方のグループは閾値より上、もう一方は下にあった。どちらも、パラメーターを一切調整することなく、予測された形に従った。

出典：Emergence of Correlations Between Records and Maximum in Random Time Series, https://arxiv.org/abs/2610.23217

船尾櫓漕ぎ（stern-sculling）は、1本の櫂で船を進める昔ながらの方法だ。櫂は船尾の切り欠きに載せられ、ブレードは常に水中にある。漕ぎ手の両手は無限大の記号を描く。

フランスのチームが、全長4.7メートルの船に力の計測器、動きのセンサー、速度計を取り付けた。そして2人の熟練した漕ぎ手が、静かな水面で船を静止状態から最高速度まで進めた。

左右に振るストロークの間、ブレードは翼のように働く。揚力が船を前へ押す。折り返しのたびに、ブレードの素早い反転が水を後ろへ押しやる。ストロークの4つの段階すべてが推進力を生む。

効率は、秒速1.2メートルという穏やかな速さで65%近くの最大に達する。秒速2メートルでは約25%に落ちる。そのとき船体は臨界速度に近づいており、波が労力を食ってしまう。

出典：Hydrodynamics and propulsive efficiency of stern-sculling propulsion, https://arxiv.org/abs/2610.23444

太陽系の4つの巨大惑星には、すべて環がある。それなのに、ほかの恒星の成熟した惑星のまわりで確認された環は1つもない。環はまれなのか、それとも見えにくいだけなのか。

ローマン宇宙望遠鏡には、恒星の光をさえぎるコロナグラフが搭載されている。巨大惑星を、それが反射する星の光でとらえられるはずだ。ミシガン大学のチームは、環が加わると何が変わるかをモデル化した。

環は惑星本体の10倍から100倍明るくなりうる。そして指紋を残す。軌道に沿った明るさの山と谷が、2つではなく4つになるのだ。

チームは、ローマンの主要な観測対象であるエリダヌス座イプシロン星bをシミュレーションした。環がなければ、しばしば検出限界の下に沈む。土星のような環があれば、最大2倍明るく輝き、軌道のほぼ全域で見え続ける。

出典：Detecting Exoplanetary Rings with Roman CGI Reflected Light Phase Curve Observations, https://arxiv.org/abs/2610.23835

商用電源は50ヘルツか60ヘルツで動いているが、決してぴったりではない。その周波数はゆらぎ、そのゆらぎ方は電力網全体で同じだ。照明はそれに合わせてちらつき、カメラはそのちらつきを記録する。

サウサンプトン・ソレント大学の研究者2人は、AI動画にはこのちらつきがないことを期待した。ところが驚いたことに、生成AIは実写の映像と同じくらい強くそれを再現する。ちらつきがあることは何の証明にもならない。

そこで彼らは、そのゆらぎを電力網の独立した記録と照らし合わせる。彼らのシステムは、本物の音声クリップの93%、本物の動画の100%を本物と認めた。録音の時刻を、1日のうちから約1秒の精度で特定できる。

ある実際の場面をAIで作り直した2本の動画は、60ヘルツでちらついていた。主張された場所では50ヘルツなのにだ。弱点は残る。本物の映像に顔を差し替えても、うなりは本物のままなのだ。

出典：An Agentic ENF Framework for Forensic Video Authentication Against Generative AI, https://arxiv.org/abs/2610.22440

グルーオンは強い力、つまりクォークを結びつける力を伝える粒子だ。十分に熱すると、グルーオンはプラズマになる。そのプラズマはどれほどの圧力を及ぼすのか。物理学者はこの答えを一段ずつ計算していく。一段進むごとに、より細かな補正が加わる。

そのうちの一段、g⁶項と呼ばれるものは、20年以上も手の届かないところにあった。それには、それぞれ4つのループをもつ、複雑に絡み合った65個のダイアグラムが必要になる。

ヘルシンキ、トゥルク、チリ、ベルンのチームが、ついにそれを完成させた。新しい手法で9つの未知の積分を解き、スーパーコンピューターで約100万プロセッサ時間を費やした。

その成果。これまでの段階の結果は、プラズマのコンピューターシミュレーションの上へ下へと揺れていた。新しい項を加えると、理論とシミュレーションが一致する。グルーオンが解き放たれる温度の数倍まで下がっても一致するのだ。次の目標は、中性子星合体に向けてクォークを加えることだ。

出典：Complete g⁶ pressure of hot Yang-Mills theory, https://arxiv.org/abs/2610.23675

インドでは、日々の買い物の多くがキラナ（kirana）と呼ばれる小さな雑貨店で行われている。AIはそうした店を切り盛りできるだろうか。BITSピラニのチームは、それを確かめるためにシミュレーション上の店をつくった。

1つのAIモデルが、店長、レジ係、手伝い、帳簿係の4人の店員すべてを演じる。店長は店を一度も見ることがなく、店員の報告だけを受け取る。客と仕入れ先は英語、ヒンディー語、またはヒングリッシュで話す。

4つのオープンなAIモデルが、それぞれ30日間のシミュレーションで店を運営した。ルールに従う単純な店主は約10万3000ルピーを稼いだ。最良のモデルは平均約1万3700ルピー。2つのモデルは、誰も管理しない店よりも多くの損失を出した。

失敗には名前がある。存在しない仕入れ先へのメール。実際には行われなかった支払い。二重に支払われた注文。あるモデルは、ヒンディー語のメールの42%を読めないとして送り返された。

出典：KiranaBench: Can a Language Model Run a Neighbourhood Shop?, https://arxiv.org/abs/2610.22980

健康アプリは、あなたの心拍数や血糖値、ときには心の健康まで記録する。米国とカナダの大学のチームが、Google Playでそうしたアプリを1万本以上調べた。

69%が、説明文では正当化できない権限を少なくとも1つ求めている。約半数は、理由を示さずに位置情報やカメラを求める。3分の1はマイクを求める。

チームはテスト用のスマートフォンでアプリを起動した。動作した3,599本のうち、93%は同意画面を表示しなかった。多くはそれでも端末の広告IDを外部に送信していた。

同意フォームが表示される場合、アプリはおおむね約束を守る。14本に1本が、記載していない情報を収集していた。資金の豊富な大手の開発者でさえ過ちを犯していた。著者たちは、アプリがストアに並ぶ前の自動的なプライバシー検査を求めている。

出典：Bad Diagnosis: Analyzing Consent and Data Collection Practices of Mobile Medical Apps, https://arxiv.org/abs/2610.23851