株式会社ずんだもん技術室AI放送局 podcast 20260714

youtube版(スライド付き) 関連リンク

• Anthropic、Claude内部に意識研究で提唱される「グローバルワークスペース」に似た構造を確認　表に出ない思考を可視化 Ledge.ai

Anthropic社は、同社の言語モデル「Claude」の内部において、人間の意識研究で提唱されている「グローバルワークスペース（GWT）」理論と機能的に似た構造を発見しました。同社はこの内部領域を「J-space」と命名しています。これは人為的な設計ではなく、モデルの学習過程で自然発生的に形成されたものです。

本研究で特筆すべき点は、「Jacobian Lens（J-lens）」という新しい解析手法を用いた点です。これにより、モデルが最終的に回答として出力する前の内部的な概念や、推論の過程を可視化できるようになりました。例えば、コード内のエラー判定や、プロンプトインジェクションに対するモデルの「気づき」などを、出力前の段階で読み取ることが可能です。

実験の結果、J-space内の内部表現を操作することで、モデルの最終的な回答内容も変化することが確認されました。また、J-spaceの機能を意図的に制限すると、単純なタスクの流暢さは維持されるものの、多段階の推論や翻訳、要約といった高度な知的処理の性能が著しく低下することも判明しました。

この発見は、AIが人間のような主観的な意識を持つことを証明するものではありませんが、AIが内部でどのように情報を整理し、推論を行っているかを理解するための強力なツールとなります。特に、AIの挙動の監査や不正な意図の検知といった安全性評価の分野において、モデルの「思考の裏側」を覗き見るための重要なステップになることが期待されています。

引用元: https://ledge.ai/articles/anthropic_claude_global_workspace

• Migrating a production AI agent to GPT-5.6

AIエージェントプラットフォーム「Ploy」が、Claude Opus 4.8から最新の「GPT-5.6 Sol」へ移行した際の技術的な実録です。GPT-5.6への移行により、ビルド速度が約2.2倍に向上し、コストも27%削減されましたが、その過程ではモデルごとの挙動の違いを吸収する重要な調整が必要でした。

主なポイントは以下の3点です。

1. 評価用ハーネスの修正: モデルの特性（並列実行の多用など）の違いにより、従来のテスト環境で誤検知が発生していました。新しいモデルで正しく評価できるよう、まずは評価スイート（ハーネス）のバグや仕様を刷新することが不可欠でした。

2. ツール呼び出し（Function Calling）の適応: GPT-5.6は未使用のパラメータまで値を補完して送信する特性があり、これが原因でファイル読み込みエラーが多発しました。解決策として、スキーマ変換を行い、未使用項目を明示的に null として扱うことでエラーを解消しました。

3. プロンプトキャッシュの最適化: プロバイダー間でキャッシュの仕組み（キーのスコープやパーティショニング）が異なるため、移行直後はキャッシュ効率が低下しコストが増加しました。ワークスペース単位でキーを適切に管理する構成へ作り替えることで、キャッシュヒット率を83.7%まで改善し、コストを最適化しました。

本記事は、最新モデルの採用時において単に「性能が良い」だけではプロダクション移行は成功せず、ツール定義やキャッシュ戦略といった低レイヤーの設計見直しが必要であることを示しています。新人エンジニアにとっても、モデル間移行におけるSDKレベルの挙動差分への対処は非常に学びの多い事例です。

引用元: https://ploy.ai/blog/migrating-a-production-ai-agent-to-gpt-5-6

• あなたのサーバーに住み着くAI「Hermes Agent」：記憶と自己進化のすべて

Hermes Agentは、Nous Researchが2026年2月に公開した、ローカルサーバーやVPSで常駐実行できるオープンソースの自律型AIエージェントです。最大の強みは「セッションを閉じても記憶がリセットされない」永続性と、環境に合わせた自己進化機能にあります。

主な技術的特徴は以下の3点です。

1. 3層の永続メモリ: プロフィールや好みを保持する「USER.md/MEMORY.md」、SQLiteを用いた全文検索可能な「過去の会話履歴」、そして外部連携用の拡張層を組み合わせ、確実に文脈を保持します。
2. 自己改善ループ: タスクを完了するたびに「Observe → Plan → Act → Learn」のサイクルを回し、再利用可能なスキルをMarkdownファイルとして自動蓄積します。これにより、使うほどに個人専用のスキルライブラリが育ちます。
3. 24時間非同期実行: 常駐プロセスとして動き、TelegramやSlack等のメッセージング基盤と連携します。席を離れている間や移動中でもタスクを遂行し、結果を報告させる「執事」のような使い方が可能です。

導入はcurlコマンド一つで完結し、AnthropicやOpenAIなどの主要LLMモデルを自由に切り替えて使用できます。Claudeのような対話特化型AIとは競合せず、むしろClaudeをバックエンドで呼び出す「作業代行・運用担当」として補完関係を築けるのが魅力です。現在は開発の過渡期にあるため、自動生成されたスキルをレビューしながら個人のワークフロー効率化に活用するのが推奨されます。使い捨ての会話に限界を感じているエンジニアにとって、自身の環境に密着した頼れるパートナーとなるはずです。

引用元: https://zenn.dev/yuta1995/articles/ai-agent-hermes-openclaw-claude

• 子どもたちが好きなアニメの同じ話を何度も繰り返し見る理由がわからなかったが、ある日子どもが教科書を音読するのを聞いて謎が解けた

子どもが同じアニメを繰り返し見るのは、物語を理解するためではなく、登場人物という「友達」に会いに行き、安心感を得るためだったという気づきが話題です。まるで何度も聴きたい名曲のように、その世界に浸ることで得られる心の栄養は、大人になっても共通の体験として共感を呼んでいます。繰り返しの行動には、効率や成果とは別の、心理的な安定をもたらす重要な役割があるようです。

引用元: https://togetter.com/li/2719980

• お便り投稿フォーム

（株式会社ずんだもんは架空の登場組織です）