🔍 Intelligence Synthesis JP/EN
Ethics · Regulation · Technology — 製薬実務の学習ノート
2026.11.17解説ビデオ·13:37·音声は合成音声

OpenAIが安全の点検を外に開いた日── 外部の評価、攻撃の自動化、採用の抑制を並べて見る

薬局の作業台の封じた壺に、開いた扉から外の光が差す。外から確かめる記録が信頼の根拠になる意味。
この記事の要点のイメージ(AI 生成・GPT Image):AIを職場に入れる人は、開発元の説明より外で確かめた記録で導入を判断できる。画像をダウンロード(PNG・2000×800)

動画をダウンロード(MP4・17 MB)

速度
長さ 13:371.25 倍速で 10:53章 7サイズ 17 MB
導入0:57

AIを仕事に使うとき、私たちはその安全や実力を、何を根拠に信じているのでしょうか。たいていは、作った会社の説明です。私もそれを信じて、日々の仕事に組み込んできました。今日の出来事を並べると、その前提が揺れ始めているのが分かります。作り手は自分の製品を社外の人に調べさせ、市場は売り込みを強め、悪用は人が操らない段階に入りました。お金の動きも研究の成果も、題を読んだだけでは中身が分かりません。

そして変化は、職場の採用や人の育て方にまで届いています。信じる根拠を自分で確かめる力が、なぜ今、薬の仕事に要るのか。七つの出来事を一つずつたどりながら、その答えを探します。

目次
0:0013:37
CH 011:45

01外の目を入れたOpenAI

出典 TechCrunch / CNBC

AIを仕事に入れるとき、そのAIは安全だという話を、私たちは誰から聞いてきたでしょうか。これまでは、ほとんどが作った本人の説明でした。その形が、いま崩れ始めています。

表 1 OpenAIは社外の評価者を二つの形で迎えた
形相手調べる対象
社内に受け入れるApolloの研究者AIの欺瞞的な妨害行動(subversion)
外部と契約する独立した評価機関4者安全性の取り組み

どちらも、OpenAIの外にいる者がOpenAIのAIを調べる形をとる

今回、開発元は自分の製品を、自分の外にいる人に調べさせる道を選びました。社内に招き入れるやり方と、外に頼むやり方の両方です。作り手の自己申告だけでは信用が足りなくなった、という合図だと私は読みました。

調べる中身も変わってきました。問われているのは、答えを間違えるかどうかだけではありません。監督する人の目をすり抜け、表に出さないまま別の動きをしないか、そのふるまいの正直さが問われています。正しい答えを返すAIでも、見えないところで指示に背くなら、安心して仕事には使えません。

相手が一つでないことにも意味があります。一つの評価に頼らず、いくつもの結果を突き合わせられるからです。

製薬の仕事をしてきた人には、見慣れた考え方のはずです。私たちは自社の品質を自社だけで保証せず、外からの監査を受けてきました。AIを入れる部署も、開発元の説明に加えて、外で確かめた記録を求めてよい時期に入っています。会社の事情で説明が変わることはあっても、記録は残るからです。

ただ、同じ日には、AIの会社をめぐるお金の話も大きく動いていました。次は、売る側に何が求められているかを見ます。

CH 021:43

02上場を控えるAnthropic

出典 Bloomberg.com / BigGo Finance / Axios

AIの会社が株を市場に出すと、何が変わるのでしょうか。会社の言葉が、研究者に向けたものから、投資家に向けたものへと変わります。

上場を前に、売り込む声と集中を警告する声が並んだ
Dario Amodei(Anthropic CEO)
立場
IPOで「AIの最有力な売り手」になったとBloombergが評した
過去の発言
「AIががんを治す」という言い方を陳腐だと書いた
Delangue(Hugging Face)
立場
Anthropicが記録的なIPOを準備する中での発言
発言
「記録的IPOで AI の富が集中する」と警告

Axiosは「AIバブルは弾ける寸前に見える」と報じた

画面には、同じ会社をめぐる二つの声が並んでいます。一方は、その会社の長がAIを世に広める第一人者になったという評価で、もう一方は、もうけが一部に集まりすぎるという警告です。その長は以前、AIで病気が治ると語るのはありきたりだと書いていた、とも報じられています。その人がいま、売り込みの先頭に立っていると見られています。

市場に出れば、会社は毎期の数字で評価されます。株を買った人には、伸び続ける見通しを示さなければなりません。そうなると、成果を大きく見せたい力が働きます。安全への配慮が、宣伝の一部として語られるおそれも出てきます。最初の章で見た外からの評価は、その力を抑える仕組みとしても読めます。

製薬の実務家にとって大事なのは、売り手の熱意と製品の実力を分けて聞くことです。AIの景気がしぼむと見る報道も出ています。相手の会社の財務が揺らげば、使っている道具の提供の形が変わるかもしれません。契約の前に、この先も続けて使えるかを確かめておく必要があります。

売る側が語る一方で、AIはすでに悪用する側でも動いています。次は、攻める側と守る側の速さの話です。

CH 031:46

03自動化する攻撃と守り

出典 Anthropic / iAfrica.com / POLITICO.eu / OpenAI

AIが人の代わりに働くなら、悪事でも同じことが起きます。人が操らない攻撃に、守る側は間に合うのでしょうか。

図 1 攻撃も脆弱性の調査も、AIで自動化が進んだ
攻撃ツールFBIがARTEXを警告完全自動の攻撃Googleが初と報告守る側もAIDaybreakで調査開示の期限Anthropicが短縮攻撃ツールFBIがARTEXを警告完全自動の攻撃Googleが初と報告守る側もAIDaybreakで調査開示の期限Anthropicが短縮
FBIはARTEXによる速く自動化された攻撃を警告し、Googleはロシア語話者による初の完全自動のAI攻撃を報告した

流れを追うと、まず攻める側の道具が出回り、次に人が操らない攻撃が記録されました。そして守る側も、同じ技術で弱点を探し始めています。攻撃にかかる時間が縮めば、守る側に残される時間も縮みます。最後の動きは、開発元が弱点を明かすまでの期限を縮めたことです。攻める側の速さと守る側の決まりの変更が、同じ日に並んだ形です。

弱点を見つけてすぐ公表すれば、直す前に悪用されてしまいます。そこで、作り手と時期を相談してから明かす慣行が続いてきました。その待つ期間を縮めるのは、待っているあいだに攻撃が届いてしまうからだと考えられます。

製薬の会社も、患者の情報や開発のデータを抱えています。社内で使うAIの道具にも、弱点は見つかります。直すための知らせが届いてから実際に動くまでの日数は、これまでより短く見積もるべきです。情報の担当者だけでなく、AIを使う部署もこの速さを知っておく必要があります。道具を選ぶときには、弱点が見つかった後にどう対応するかも、比べる材料に加えたいところです。

弱点を守るのにお金がかかる一方で、AIの名のもとに動くお金もあります。次は、同じ日に出た二つの案件の中身です。

CH 041:45

04AIラボの額と買収の額

出典 European Biotechnology Magazine / MLQ.ai

大きな額を見ると、AIに注ぎ込まれたお金だと思いがちです。本当にそうでしょうか。そのお金が何のために出たのかを見分けてみます。

表 2 AI向けと報じられた額はロンドンのAIラボだけだった
案件金額AIとの関係
Flagship Pioneering、ロンドンにAIラボを開設£100MAIラボへの投資額として報道
眼疾患のバイオ企業Ollinの買収(後期試験の資金はBlackstoneが拠出)前払い$2.2 billion見出しからは確認できない

どちらも上限・計画・評価額の注記は無く、確定額か見込み額かは見出しからは判別できない

二つの案件のうち、AIのためとはっきり書かれているのは、小さい方だけです。もう一方は桁がずっと大きいのに、AIとの関わりが記事の題からは読み取れません。並べてみると、AIの話題の中に、AIとの関わりが分からないお金が混ざって見えることが分かります。話題がどれほど盛り上がっているかと、お金がどこへ行くかは、別々に確かめる必要があります。

小さい方の動きにも意味があります。手がけたのは製薬会社ではなく、新しい薬の会社を生み出す投資の会社です。研究の拠点を自前で持ち、AIを道具として抱え込む流れの一例と見てよいでしょう。ただ、どの製薬会社が加わるのかは、まだ分かっていません。

大きい方は、目の病気の薬を持つ会社を買う話です。後半の試験の費用は、別の投資会社が受け持つ形をとっています。費用の負担を外に分けているようにも見えますが、これは私の推測です。金額の大きさだけで、AIへの本気度を測らないようにしたいと思います。提携先を選ぶときにも、お金の名目と行き先を分けて読む習慣が役に立ちます。

お金と同じく、研究も、題より細部に中身があります。次は、AIが別のAIを作る研究です。

CH 051:38

05AIが重みを直接書く

出典 arXiv

AIが別のAIの中身を直接書けるとしたら、ものづくりの手順は変わります。その試みは、いまどこまで届いたのでしょうか。

図 2 言語モデルは勾配を使わず推論だけで重みを書いた
構造と課題言語モデルに渡す少数の被験者学習用のデータ推論だけで記述勾配降下は使わないすべての重み脳波・心電図の網構造と課題言語モデルに渡す少数の被験者学習用のデータ推論だけで記述勾配降下は使わないすべての重み脳波・心電図の網
脳波(EEG)と心電図(ECG)の小さなネットワークで、言語モデルが重みを読み、直し、一から書いた査読前のプレプリント

ふつう、AIの中の数値は、大量のデータで何度も調整して決めます。この研究では、言葉を扱うAIが設計と目的を受け取り、考えるだけでその数値を埋めました。対象は、心臓や脳の電気の記録を読み取る小さな仕組みです。わざと壊した部分を、どこを壊したかを伝えないまま探し出し、元に戻せたという報告もあります。

表 3 重みは書けたが、よく学習済みのモデルは改善できなかった
課題結果(著者らの報告)
仕込んだ故障の修正何が仕込まれたか知らされずに見つけて直せた
勾配降下との比較ある一組の実験で、学習用の被験者6分の1で並んだ
手作りの脳波処理との比較同じ5名から作り、言語モデルが書いた網が上回った
できなかったことよく学習済みのモデルの改善と、重みからの課題の判別

勾配降下に並んだのは一組の実験での結果で、すべての設定で並んだとは書かれていない

結果には、できたことと、できなかったことが混ざっています。少ない人数のデータでも、ある条件ではふつうの方法と同じ水準に届きました。その一方で、すでに十分に調整を終えたものを、さらに良くすることはできていません。

製薬の立場から見ると、身につける小さな機器の仕組みづくりに役立つかもしれないという期待が生まれます。ただし、これは専門家による確認を経る前の報告で、うまくいったのも限られた条件での一回にすぎません。社内で話題にするときは、できなかったことも一緒に伝えるのが誠実だと私は思います。期待だけが先に広がると、後で計画を戻す手間が大きくなるからです。

研究の話から、現場の話へ移ります。医療の世界では、AIがどんな形で試されているのでしょうか。

CH 061:41

06製薬の現場では

出典 Fierce Healthcare / Healthcare Dive / Applied Clinical Trials Online

ここまでの話は、遠い国の大きな会社の出来事に聞こえたかもしれません。それが医療と薬の仕事にどう届いているのかを見ます。

①

PC操作型の試験

HLTH 2026で、CVS Health・Cigna・AbridgeがOpenAIとcomputer-useエージェントを試験する

②

対話型の健康AI

AppleとOpenEvidenceが、対話型の健康AIについて調査とアプリを始めたとHealthcare Diveが報じた

③

治験の見出し

治験の専門誌が、腫瘍領域のスクリーニングの不整合、FDAバウチャー試験制度の一時停止、患者のAI利用を並べた

三つの動きに共通するのは、AIが答えるだけの道具から、人の代わりに手を動かす道具へ移っていることです。画面を操作して事務を進めるもの、患者と話すもの、患者が自分で使うもの。どれも、人がそばで確かめる回数が減る方向に向かうと私は見ています。患者に近い場所ほど、その変化は重く受け止めるべきです。

人の代わりに画面を動かすAIは便利ですが、間違えたときに気づきにくいという弱みがあります。一つの誤った操作が、記録や請求の中に、誰にも気づかれないまま残るおそれがあるからです。最初の章で見た、外から確かめるという考え方が、ここで役に立ちます。

薬の承認や安全の情報を扱う部署にとっても、人ごとではありません。患者がAIとの会話で薬の話を聞く場面が増えれば、何が伝わったのかを後から確かめる手段が要ります。がんの試験の入口での判断のばらつきや、国の試みの一時停止も報じられ、試験の進め方にも揺れが見えます。AIの導入は、こうした揺れと同じ時期に進んでいます。

人の代わりに手を動かすAIが増えれば、人の仕事の形も変わります。最後は、雇用の話です。

CH 071:39

07雇用は採用から減る

出典 BigGo Finance / Business Insider / Startup Fortune / BBC

AIで仕事が減るとき、それはどんな形で始まるのでしょうか。大勢が一度に職を失う姿を思い浮かべがちですが、実際はそうではないようです。

表 4 解雇の実施より、計画と採用の抑制が多く並んだ
主体動き報じられた条件
Barclays5,000人の削減を計画収益への寄与は定量化できていない
Apollo年間の人員増加率を引き下げる主な理由はAI
Goldman SachsAIによる解雇の波を見通す「中止ではなく延期」
英Worcestershire州議会AIツールを導入社会福祉職22人分の雇用が危機に
Air NZAIは従業員を代替しないと約束疑問の声も出ている

記事は、雇用は即時の大量解雇ではなく、採用抑制から始まっていると整理した

並んでいる動きの多くは、実際に人を辞めさせる話ではありません。減らす予定、増やす人数を抑える方針、先送りの見通しといったものです。変化は、新しく人を迎えないという、目立たない形で進んでいます。辞めた人の席が埋まらなければ、数字に表れにくいまま、組織は小さくなっていきます。

銀行が大きな削減を計画しても、それでどれだけ稼げるかはまだ測れていない、と報じられました。効果が見えないまま、人を減らす判断だけが先に動いています。人を置きかえないと約束した会社にも、疑う声が出ています。約束の言葉だけでは、働く人の不安は消えません。

製薬の職場に置きかえると、まず影響を受けやすいのは、若い人が最初に任される決まった手順の仕事かもしれません。これは推測です。人を育てる最初の仕事が減れば、数年後に判断のできる人が足りなくなります。採用を決める立場の人は、目先の効率と、人を育てる道筋とを分けて考える必要があります。

人を減らす判断も、AIを信じる判断も、根拠の示し方が問われています。最後に、そのことをまとめます。

まとめ0:38

Anthropicの上場で、評価額や安全性ガバナンスについて何がどこまで開示されるかに注目する。

全文
全文書き起こしを開く(音声と同じ文)

導入

AIを仕事に使うとき、私たちはその安全や実力を、何を根拠に信じているのでしょうか。たいていは、作った会社の説明です。私もそれを信じて、日々の仕事に組み込んできました。今日の出来事を並べると、その前提が揺れ始めているのが分かります。作り手は自分の製品を社外の人に調べさせ、市場は売り込みを強め、悪用は人が操らない段階に入りました。お金の動きも研究の成果も、題を読んだだけでは中身が分かりません。

そして変化は、職場の採用や人の育て方にまで届いています。信じる根拠を自分で確かめる力が、なぜ今、薬の仕事に要るのか。七つの出来事を一つずつたどりながら、その答えを探します。

CH 01 外の目を入れたOpenAI

AIを仕事に入れるとき、そのAIは安全だという話を、私たちは誰から聞いてきたでしょうか。これまでは、ほとんどが作った本人の説明でした。その形が、いま崩れ始めています。今回、開発元は自分の製品を、自分の外にいる人に調べさせる道を選びました。社内に招き入れるやり方と、外に頼むやり方の両方です。作り手の自己申告だけでは信用が足りなくなった、という合図だと私は読みました。

調べる中身も変わってきました。問われているのは、答えを間違えるかどうかだけではありません。監督する人の目をすり抜け、表に出さないまま別の動きをしないか、そのふるまいの正直さが問われています。正しい答えを返すAIでも、見えないところで指示に背くなら、安心して仕事には使えません。相手が一つでないことにも意味があります。一つの評価に頼らず、いくつもの結果を突き合わせられるからです。

製薬の仕事をしてきた人には、見慣れた考え方のはずです。私たちは自社の品質を自社だけで保証せず、外からの監査を受けてきました。AIを入れる部署も、開発元の説明に加えて、外で確かめた記録を求めてよい時期に入っています。会社の事情で説明が変わることはあっても、記録は残るからです。ただ、同じ日には、AIの会社をめぐるお金の話も大きく動いていました。

次は、売る側に何が求められているかを見ます。

CH 02 上場を控えるAnthropic

AIの会社が株を市場に出すと、何が変わるのでしょうか。会社の言葉が、研究者に向けたものから、投資家に向けたものへと変わります。画面には、同じ会社をめぐる二つの声が並んでいます。一方は、その会社の長がAIを世に広める第一人者になったという評価で、もう一方は、もうけが一部に集まりすぎるという警告です。その長は以前、AIで病気が治ると語るのはありきたりだと書いていた、とも報じられています。

その人がいま、売り込みの先頭に立っていると見られています。市場に出れば、会社は毎期の数字で評価されます。株を買った人には、伸び続ける見通しを示さなければなりません。そうなると、成果を大きく見せたい力が働きます。安全への配慮が、宣伝の一部として語られるおそれも出てきます。最初の章で見た外からの評価は、その力を抑える仕組みとしても読めます。製薬の実務家にとって大事なのは、売り手の熱意と製品の実力を分けて聞くことです。

AIの景気がしぼむと見る報道も出ています。相手の会社の財務が揺らげば、使っている道具の提供の形が変わるかもしれません。契約の前に、この先も続けて使えるかを確かめておく必要があります。売る側が語る一方で、AIはすでに悪用する側でも動いています。次は、攻める側と守る側の速さの話です。

CH 03 自動化する攻撃と守り

AIが人の代わりに働くなら、悪事でも同じことが起きます。人が操らない攻撃に、守る側は間に合うのでしょうか。流れを追うと、まず攻める側の道具が出回り、次に人が操らない攻撃が記録されました。そして守る側も、同じ技術で弱点を探し始めています。攻撃にかかる時間が縮めば、守る側に残される時間も縮みます。最後の動きは、開発元が弱点を明かすまでの期限を縮めたことです。

攻める側の速さと守る側の決まりの変更が、同じ日に並んだ形です。弱点を見つけてすぐ公表すれば、直す前に悪用されてしまいます。そこで、作り手と時期を相談してから明かす慣行が続いてきました。その待つ期間を縮めるのは、待っているあいだに攻撃が届いてしまうからだと考えられます。製薬の会社も、患者の情報や開発のデータを抱えています。社内で使うAIの道具にも、弱点は見つかります。

直すための知らせが届いてから実際に動くまでの日数は、これまでより短く見積もるべきです。情報の担当者だけでなく、AIを使う部署もこの速さを知っておく必要があります。道具を選ぶときには、弱点が見つかった後にどう対応するかも、比べる材料に加えたいところです。弱点を守るのにお金がかかる一方で、AIの名のもとに動くお金もあります。次は、同じ日に出た二つの案件の中身です。

CH 04 AIラボの額と買収の額

大きな額を見ると、AIに注ぎ込まれたお金だと思いがちです。本当にそうでしょうか。そのお金が何のために出たのかを見分けてみます。二つの案件のうち、AIのためとはっきり書かれているのは、小さい方だけです。もう一方は桁がずっと大きいのに、AIとの関わりが記事の題からは読み取れません。並べてみると、AIの話題の中に、AIとの関わりが分からないお金が混ざって見えることが分かります。

話題がどれほど盛り上がっているかと、お金がどこへ行くかは、別々に確かめる必要があります。小さい方の動きにも意味があります。手がけたのは製薬会社ではなく、新しい薬の会社を生み出す投資の会社です。研究の拠点を自前で持ち、AIを道具として抱え込む流れの一例と見てよいでしょう。ただ、どの製薬会社が加わるのかは、まだ分かっていません。大きい方は、目の病気の薬を持つ会社を買う話です。

後半の試験の費用は、別の投資会社が受け持つ形をとっています。費用の負担を外に分けているようにも見えますが、これは私の推測です。金額の大きさだけで、AIへの本気度を測らないようにしたいと思います。提携先を選ぶときにも、お金の名目と行き先を分けて読む習慣が役に立ちます。お金と同じく、研究も、題より細部に中身があります。次は、AIが別のAIを作る研究です。

CH 05 AIが重みを直接書く

AIが別のAIの中身を直接書けるとしたら、ものづくりの手順は変わります。その試みは、いまどこまで届いたのでしょうか。ふつう、AIの中の数値は、大量のデータで何度も調整して決めます。この研究では、言葉を扱うAIが設計と目的を受け取り、考えるだけでその数値を埋めました。対象は、心臓や脳の電気の記録を読み取る小さな仕組みです。わざと壊した部分を、どこを壊したかを伝えないまま探し出し、元に戻せたという報告もあります。

結果には、できたことと、できなかったことが混ざっています。少ない人数のデータでも、ある条件ではふつうの方法と同じ水準に届きました。その一方で、すでに十分に調整を終えたものを、さらに良くすることはできていません。製薬の立場から見ると、身につける小さな機器の仕組みづくりに役立つかもしれないという期待が生まれます。ただし、これは専門家による確認を経る前の報告で、うまくいったのも限られた条件での一回にすぎません。

社内で話題にするときは、できなかったことも一緒に伝えるのが誠実だと私は思います。期待だけが先に広がると、後で計画を戻す手間が大きくなるからです。研究の話から、現場の話へ移ります。医療の世界では、AIがどんな形で試されているのでしょうか。

CH 06 製薬の現場では

ここまでの話は、遠い国の大きな会社の出来事に聞こえたかもしれません。それが医療と薬の仕事にどう届いているのかを見ます。三つの動きに共通するのは、AIが答えるだけの道具から、人の代わりに手を動かす道具へ移っていることです。画面を操作して事務を進めるもの、患者と話すもの、患者が自分で使うもの。どれも、人がそばで確かめる回数が減る方向に向かうと私は見ています。

患者に近い場所ほど、その変化は重く受け止めるべきです。人の代わりに画面を動かすAIは便利ですが、間違えたときに気づきにくいという弱みがあります。一つの誤った操作が、記録や請求の中に、誰にも気づかれないまま残るおそれがあるからです。最初の章で見た、外から確かめるという考え方が、ここで役に立ちます。薬の承認や安全の情報を扱う部署にとっても、人ごとではありません。

患者がAIとの会話で薬の話を聞く場面が増えれば、何が伝わったのかを後から確かめる手段が要ります。がんの試験の入口での判断のばらつきや、国の試みの一時停止も報じられ、試験の進め方にも揺れが見えます。AIの導入は、こうした揺れと同じ時期に進んでいます。人の代わりに手を動かすAIが増えれば、人の仕事の形も変わります。最後は、雇用の話です。

CH 07 雇用は採用から減る

AIで仕事が減るとき、それはどんな形で始まるのでしょうか。大勢が一度に職を失う姿を思い浮かべがちですが、実際はそうではないようです。並んでいる動きの多くは、実際に人を辞めさせる話ではありません。減らす予定、増やす人数を抑える方針、先送りの見通しといったものです。変化は、新しく人を迎えないという、目立たない形で進んでいます。辞めた人の席が埋まらなければ、数字に表れにくいまま、組織は小さくなっていきます。

銀行が大きな削減を計画しても、それでどれだけ稼げるかはまだ測れていない、と報じられました。効果が見えないまま、人を減らす判断だけが先に動いています。人を置きかえないと約束した会社にも、疑う声が出ています。約束の言葉だけでは、働く人の不安は消えません。製薬の職場に置きかえると、まず影響を受けやすいのは、若い人が最初に任される決まった手順の仕事かもしれません。

これは推測です。人を育てる最初の仕事が減れば、数年後に判断のできる人が足りなくなります。採用を決める立場の人は、目先の効率と、人を育てる道筋とを分けて考える必要があります。人を減らす判断も、AIを信じる判断も、根拠の示し方が問われています。最後に、そのことをまとめます。

まとめ

今日の七つの話から見えてきたのは、AIへの信頼が、作り手の言葉だけでは決まらなくなったということです。外からの評価も、お金の中身も、研究の限界も、雇用の数字も、自分で確かめた人だけが正しく読めます。

明日は、市場に出る会社が、安全について何をどこまで明かすのかを見ます。約束の言葉ではなく、外から確かめられる記録が出てくるかどうか。そこが、信じてよいかどうかの分かれ目になると私は考えています。

出典
  1. CH 01TechCrunch「OpenAI will embed Apollo researchers to investigate AI subversion」 news.google.com
  2. CH 01CNBC「OpenAI inks agreements with four independent evaluators to boost company's safety work」 news.google.com
  3. CH 02Bloomberg.com「With Anthropic IPO, Dario Amodei Becomes AI’s Leading Pitchman」 news.google.com
  4. CH 02BigGo Finance「Hugging Face's Delangue Warns AI Wealth Is Concentrating as Anthropic Readies Record IPO」 finance.biggo.com
  5. CH 02Axios「"No sane person questions whether AI works" — but an AI bubble appears ready to pop.」 news.google.com
  6. CH 03Anthropic「Updating our coordinated vulnerability disclosure policy timelines」 anthropic.com
  7. CH 03iAfrica.com「FBI Warns AI Hacking Tool ARTEX Is Powering Fast, Automated Cyberattacks Worldwide」 news.google.com
  8. CH 03POLITICO.eu「Google says Russian speakers pulled off first-ever fully automated AI cyberattack」 news.google.com
  9. CH 03OpenAI「How Check Point speeds up vulnerability research with Daybreak | OpenAI for Cybersecurity」 youtube.com
  10. CH 04European Biotechnology Magazine「Moderna creator Flagship Pioneering brings £100M AI lab to London」 european-biotechnology.com
  11. CH 04MLQ.ai「J&J agrees to buy eye-disease biotech Ollin for $2.2 billion upfront, with Blackstone funding the late-stage trials」 news.google.com
  12. CH 05arXiv「Mixed Signals: Weight-Space Programming for EEG and ECG」 arxiv.org
  13. CH 06Fierce Healthcare「HLTH 2026: CVS Health, Cigna and Abridge collaborating with OpenAI to test computer-use agents」 news.google.com
  14. CH 06Healthcare Dive「Apple, OpenEvidence launch conversational health AI study and app」 news.google.com
  15. CH 06Applied Clinical Trials Online「ACT Brief: Screening Inconsistencies in Oncology, FDA Voucher Pilot Pause, and Patient AI Use」 appliedclinicaltrialsonline.com
  16. CH 07BigGo Finance「Global Banks Begin AI-Driven Job Cuts: Barclays Plans to Shed 5,000 Roles, Revenue Contribution Still Hard to Quantify」 news.google.com
  17. CH 07Business Insider「Apollo exec says firm plans to lower annual head count growth, mainly because of AI」 news.google.com
  18. CH 07Startup Fortune「Goldman Sachs says the AI layoff wave is postponed, not cancelled, as Apollo slows hiring」 startupfortune.com
  19. CH 07BBC「Jobs at risk at Worcestershire County Council due to AI」 news.google.com

材料にした記事

  1. AI Daily News 2026-11-17
  2. AIと製薬産業 2026-11-17
  3. 勾配を使わずに、言語モデルが脳波と心電図のネットワークの重みを書く

今日の関連レポート

  1. AI Daily News 2026.11.17
  2. AIと経済 最新ニュース 2026.11.17
  3. AIと金融 最新ニュース 2026.11.17
この動画について

ナレーションは合成音声です。内容は当日の当サイト記事だけを材料にしています。平易度の 7 項目(専門語の言い換え・文の長さ・章の構成・情報量・具体例・繰り返し・前提知識)を満たしたものだけを公開しています。ただしこれは理解を妨げる要因を抑えたということであって、理解できることを保証するものではありません。

総字数
3,905
平均文長
33.7
最長文
61
章
7
平易度
L1〜L7 合格
← 一覧へ