ニューオリンズ、AIを搭載した顔認識監視を導入し、都市警察の革新を先導

ニューオーリンズは、米国の主要都市として初めてライブのAI技術を活用した顔認識監視ネットワークを導入し、公共の安全のための高度な技術利用において大きな転換点を迎えようとしています。ニューオーリンズ警察署(NOPD)は、すでに2年以上にわたり、Project NOLAの私設カメラネットワークに接続された200以上のカメラからのデータを利用しています。この連携により、リアルタイムの映像とAI駆動の顔認識アルゴリズムを分析することで、人物の特定を行うことが可能となっています。 Project NOLAは、市内全域にわたる広範なカメラネットワークを維持管理する独立組織であり、もともとは市民がライブ映像にアクセスできるようにし、法執行機関が犯罪に対してより効果的に対応できるよう支援するために設計されました。AI技術の導入により、NOPDの能力は強化され、従来の反応型から積極的な予防型の警察活動へと変貌することが期待されています。 顔認識技術は、高度なアルゴリズムを用いて、ライブ画像を膨大なデータベースと照合し、関心人物や容疑者、指名手配中の人物を素早く特定します。AIの活用により、このプロセスは一層迅速になり、素早い介入や逮捕が可能となるため、ニューオーリンズは都市レベルのAI監視の先端を行く存在となるでしょう。 この動きには複雑な側面も伴います。支持者は、AIを活用した顔認識が捜査の効率化や犯罪抑止、行方不明者の発見、潜在的な脅威の事前察知に役立つと主張し、特に犯罪が深刻な課題となっているニューオーリンズにとって重要な利益であるとしています。一方で、プライバシーや市民の自由、偏見や誤用の可能性に対する懸念も強く、特に少数派コミュニティに対して不利益をもたらす恐れも指摘されています。倫理的な運用には、強固なデータセキュリティや透明性、責任ある管理が求められます。 法的には、顔認識の使用は多くの州や都市で規制または禁止されており、その用途には慎重さが求められています。ニューオーリンズのこの動きは、新たな先例となり、全国的なAI監視に関する議論を一層加熱させる可能性があります。 Project NOLAのカメラネットワークを活用したパイロットフェーズでは、AIを活用した監視が従来の方法に比べて犯罪追跡の効率を向上させることが実証されました。今後は、データ保持や利用権、公共の監督、誤認識への対処といった明確なガバナンス枠組みを構築することが不可欠です。これにより、透明性と市民の信頼を高めることができるでしょう。 セキュリティの面だけでなく、交通管理や緊急対応、大規模イベント時の群衆コントロールといった都市運営の側面でもAIを活用した監視は期待されています。しかし、これらの恩恵が個人の権利やコミュニティの信頼を侵害しないよう配慮することが最も重要です。 ニューオーリンズが正式に導入を進めることで、全国的にAIを用いた警察活動の役割についての議論が喚起されるでしょう。市民権団体や法学者、技術開発者、一般市民などの関係者が倫理的な政策形成に関わり、他の都市にとってもモデルケースとなる可能性があります。 最終的に、ニューオーリンズのAI顔認識システムは、都市警察の進化の象徴であり、イノベーションと基本的人権・自由の保護のバランスを慎重に保ちながら進むべき技術革新の一翼を担っています。
Brief news summary
ニューオーリンズは、アメリカの主要都市として初めてAIを活用したリアルタイムの顔認証監視システムを導入する準備を進めています。200以上のAI搭載カメラを利用して映像を分析し、素早く容疑者や未払いの捜査令状を持つ人物、関心人物を特定し、捜査の迅速化や犯罪の抑制、市民の安全向上を目指します。市は、Project NOLAと提携し、こうした可能性のある恩恵を強調する一方で、プライバシー侵害や市民の権利、データの安全性、人種差別的偏見などの懸念も指摘されています。全国で顔認証に関する法律が進展する中で、この取り組みは、倫理的な実施を確保するための透明性、監視、責任の重要性を浮き彫りにしています。警察活動だけでなく、交通管理や緊急対応でも技術の活用が考えられますが、革新と個人の権利のバランスを取ることが重要です。ニューオーリンズのこの先駆的なプロジェクトは、AIの法執行への役割について全国的な議論を促進し、同様の倫理的・実務的課題に直面している他都市のモデルとなる可能性があります。
AI-powered Lead Generation in Social Media
and Search Engines
Let AI take control and automatically generate leads for you!

I'm your Content Manager, ready to handle your first test assignment
Learn how AI can help your business.
Let’s talk!

私のスペイン語の先生は、AIにはできないことを教えてくれた
AIがますます教育に影響を与える中で、時代を超えて効果的な指導のツールを強調することが重要です。それは、高品質で対面の学生との関係です。私は高校のスペイン語教師の頃にこれを初めて実感しました。彼女はただの教師ではなく、スペイン語学科の尊敬される母性的存在、セニョーラと呼ばれていました。 セニョーラは授業の最初に「¿Qué hay de nuevo?」(最近どう?)と尋ねて、スイムミーティングやバンドコンサートなど最近の出来事について学生たちと交流しました。彼女はさりげなく最新の噂話を明かし、温かく会話的な雰囲気を作り出して、スペイン語の学習を自然で楽しいものにしていました。その後、自分も高校のスペイン語教師になったとき、セニョーラが言語スキル以上のことをしていたことに気づきました。彼女は学生の感情状態に深く気を配り、静かだったり苦労している学生を見逃しませんでした。 彼女の教室は活気に満ちた場所で、背の高いスツールに座りながらコーヒーマグを手に、彼女のお気に入りのフレーズ「Es mi mundo」(これは私の世界)や「Todo es posible, nada es seguro」(すべては可能だが、何も確実ではない)を飾っていました。言語の授業だけでなく、ラテンアメリカを旅した話、エアストリームのキャラバンで通訳をしたこと、マチュピチュの遺跡で寝たことなど、記憶に残る思い出も多く、私たちをウィスコンシンの高校の教室から遥か遠くへと連れて行きました。 学校のスペイン語プログラムを修了した後も、友人たちと私は一度セニョーラに「スペイン語6」を教えてほしいと頼み、彼女は迷わずに授業準備時間を犠牲にして私たちを助けてくれました。これは、教師になった今になって初めて、その犠牲の意味を深く理解しました。その授業では特に、水曜日に彼女の「Question Book」(質問帳)を使い、完全にスペイン語だけで会話をしながら、言語だけでなく魂の伴侶、タトゥー、旅行などについて彼女の率直な見解も共有しました。 セニョーラの本当の強みは、本物の交流を築くことにありました。まさに“オリジナルAI”であり、技術トレンドに追随するのではなく、リアルな人間関係を形成していたのです。残念ながら、がんにより彼女は早めに教職を離れることになりました。何年も経った今でも、彼女の教室のクローゼットは「por si acaso」(もしもに備えて)と何も手をつけずにそのままでした。仲間たちは、彼女がまた戻ってくるかもしれないと思っていたのです。 友人と一緒にそのクローゼットを訪れて、彼女の書類や授業計画、ラベル付けされたフォルダをじっくり見ていると、彼女の存在を感じました。私は彼女のワークシートや投影用トレーシングペーパーの原本を持ち帰り、自信を高めました。それに加え、彼女の書籍やポスター、そして大切にしていたコーヒーマグも持ち帰りました。自分の学校に戻ったとき、私は彼女の指導スタイルを復活させ、オーバーヘッドプロジェクターも引っぱり出して、その資料をそのまま使いました。技術を完全に避けたわけではありませんでしたが、人間のつながりを最優先にしました。 毎日、「¿Qué hay de nuevo?」とセニョーラのマグカップを傾けながら授業を始め、彼女がやっていたように、誰かが調子が悪そうなときには個別に声をかけてフォローしました。これこそ、AIの進化の中でも変わらない、言語指導と真心の融合による強力な教育ツールです。

教育とテクノロジー:ブロックチェーン | 商業教育
教育は豊富なデータを扱う分野であり、企業はデータをユーザーにとってアクセスしやすく、安全で、信頼できるものにすることに重点を置いています。こうした背景の中、ブロックチェーン技術は教育分野で何を達成しうるのかという問いが浮上します。フリース社のテクノロジーコンサルタントであるマーク・ラムリーは、次のような洞察を提供しています。 新しい技術はしばしば興奮を生み出し、現在はAIといった言葉が最も多く語られていますが、数年前にはブロックチェーンも同様に話題になっていました。ブロックチェーンはすでに教育の現場に浸透しており、現状のデータニーズに応え、未来の職場や社会に備えるためのカリキュラムに技術を導入し、教育の提供を促進し、教育機関の運営面も管理しています。 しかし、教育分野では個人情報や成績情報の機密性、公共と民間セクターの関与の複雑さから、新技術の採用には課題もあります。サイバー攻撃や悪意ある攻撃者によるデータの安全性の脅威も常に存在しています。 ブロックチェーンには、多くの分野で潜在的な可能性があります。特に、学校間や行政を跨いだ学生データや記録の管理、終身にわたる信頼できる達成記録を学生がさまざまな用途でアクセスできるようにすること、また、保護やコンプライアンスに不可欠な安全なデータ共有を可能にすることです。 ブロックチェーンの起源は2008年のビットコインのホワイトペーパーよりも前にさかのぼり、暗号学と数理理論の発展によって進化してきました。これを、暗号技術で保護されたブロックが連結し、改ざ不可能な分散型台帳となる高度なダブルエントリー簿記と見なすこともできます。中間業者に頼らずに信頼できるこの仕組みは大きな意義がありますが、今後は量子コンピュータのような新たな計算技術の進歩による課題も待っています。 オープンソースの動きは、Linuxを筆頭に、ブロックチェーンの発展を促してきました。例えば、ハイパーレジャーは許可制のプライベートブロックチェーンをサポートし、教育に特化した安全な構築を可能にしています。プロフェッショナルな資格や標準化のためのプロジェクトもあり、ブロックチェーンのコーディングや導入、管理を支援しています。ブロックチェーンは、より安全なデータベースやコスト効率の良い取引管理を実現し、多くの教育サービスの基盤技術として役立っています。 現在の教育におけるブロックチェーンの主な用途は、記録の長期保存と正確性の確保です。具体的には、一般的な教育システムにおける記録管理の支援、MITのデジタル資格証明などの証明書や賞の認証、自己主権型アイデンティティ(SSI)による本人のコントロール下での証明書の共有とプライバシー強化があります。例えば、ドキュサインがイーサリアムを使って合意署名を記録するような事例もあり、ブロックチェーンの役割は拡大しています。スマートコントラクトは、機械可読コードを用いた取引の自動化を可能にしますが、これもセキュリティ課題に直面しつつ、特にプライベートチェーン上で進化を続けています。 ブロックチェーンの導入には、法的、技術的、業界固有の考慮点が伴います。ブロックチェーンに特化した規制はまだ発展途上なため、既存のデータプライバシー、サイバーセキュリティ、調達、契約に関する法律が引き続き重要です。信頼性、データアクセス、バックアップやリカバリの計画について理解を深めることも不可欠です。ロウ・ソサエティの「ブロックチェーン:法的・規制的指針」には詳細な情報が記されています。 教育分野における技術採用に関し、政府の標準やガイダンスも提供されており、専門家の支援を受けながらブロックチェーンの導入と保証を進めることが可能です。 結論として、ブロックチェーンは数学的革新から生まれ、教育技術に浸透しています。プラットフォームやプロセスに影響を与える一方、クラウドコンピューティングやAPI、コンテナ化、機械学習、AIといった他の技術も同等に重要です。重要なのは、導入前の法的・データ・セキュリティに関する基本原則を守ることです。新興技術に関する立法は、一般的には国家安全保障を優先し、特定の産業や分野には限定的です。 新技術の革新に気を取られすぎず、責任を持った研究と実装を続けることが重要です。技術評価や調達、契約、導入においては、法的適合性を保証し、失敗(特にデータ漏えい)に対する責任や保険、セキュリティ基準の維持、監査権やサービスレベル管理、災害復旧や退出戦略の策定が欠かせません。 技術は、明確なデータマッピングやアクセス制御、セキュリティの責任を免除するものではありません。適切でない条項やプライバシー通知は、理解不足やコミットメントの欠如を示し、根本的なサービス提供の問題を潜在的に示唆します。 最後に、管理されたサービスプロバイダーやテクノロジーパートナーからの強力な支援、規律ある技術保証、専門的な法的アドバイスを活用することが、ブロックチェーンの教育分野での成功には不可欠です。

マイクロソフト、年次BuildカンファレンスでAIエージェントに全力投球
マイクロソフト(MSFT)は、AIエージェントがコーディングからWindowsオペレーティングシステムの操作までをすべて担当する未来を描いています。同社は月曜日にシアトルで開催された年間Buildカンファレンスでこのビジョンを共有し、AIエージェントが意思決定を行い、個人や組織全体のタスクを実行できる「オープンエージェントウェブ」が予想されると述べました。 AIエージェントは、技術界の主要なトレンドのひとつであり、半自律または完全自律のAIソフトウェアで、さまざまなユーザーのタスクを実行します。これらのタスクは、アプリ間のデータ転送やコンサートチケットの予約など多岐にわたります。中には互いにやりとりを行い、より複雑な作業を達成できるネットワークを形成するエージェントもあります。 「私たちは、概念証明から実用的なビジネスソリューションへと急速に進化するAIの発展を目の当たりにしています」と、マイクロソフトのクラウド・AI担当エグゼクティブバイスプレジデントのスコット・ガスリーはYahoo Financeに語りました。 「この勢いは、エージェントウェブの形が整うにつれてさらに加速すると期待しています。マイクロソフトの主な目標は、組織、開発者、スタートアップが新たな技術に追いつく方法を簡素化することです」とガスリーは付け加えました。 マイクロソフトによると、既に約23万の組織がカスタムAIエージェントを開発するためにCopilot Studioを利用しており、2028年までに13億のエージェントを展開することを見込んでいます。 月曜日のイベントでは、マイクロソフトは複数のAIエージェントアプリケーションを披露しました。たとえば、Microsoft 365内でエージェントを構築するためのMicrosoft 365 Agents Toolkit、開発者のコード作成を支援するGitHub Copilot、そしてAIエージェントが直接Windowsのネイティブアプリと連携する機能などです。 Office Depotの親会社であるODPコーポレーションのCTO兼シニアバイスプレジデント、カール・ブリスコはYahoo Financeに対して、彼のチームがMicrosoftのAIエージェントを活用して顧客へのアプローチを強化していると語りました。これらのエージェントは、購買履歴、商品価格、関連データに基づいて最適な販促タイミングの更新を提供します。 「この情報が毎日インターフェースに表示され、アクションを推奨してくれることで、見つけやすさの課題を解消しています」とブリスコは説明しました。 「これにより、『最優先で電話をかけて顧客満足を確保すべき項目はこれです』とか、『次の優先順位はこれです』といったように、一日のスケジュールを実質的に整理できるのです。」 マイクロソフトはまた、カスタマーがCopilot Studioを使って複数のエージェントシステムを構築できるツールも開発中です。これらのマルチエージェントシステムは、プログラムされたエージェント同士が通信・協力して複数のタスクを遂行できるようにするものです。

チェーンリンク、キネクシス、オンドがブロックチェーンのDvP決済をテスト
チェーンリンク、J

スタンフォードのブロックチェーンとAIカンファレンスにはもっとビットコインが必要です
2023年3月中旬、スタンフォード大学でブロックチェーンとAIに関する会議が開催され、教授、スタートアップのCEO、ベンチャーキャピタリスト(VC)が集まった。このイベントの主な焦点は、ブロックチェーンとAIという二つの重要な技術の融合だった。しかし、ビットコインの市場リーダーとしての地位や、新たに登場しているビットコインのレイヤー2ソリューションの革新を考えると、ビットコインとAIにより重点を置く方が有意義だったかもしれない。 会議での大きな課題の一つは、ブロックチェーンとAIがそれぞれ異なる投資家、起業家、研究者、コミュニティにより大きく発展してきたため、これらがほとんど独立した分野として存在していることだった。これらの領域を融合させるというアイデアは野心的だったが、多くの登壇者はそれぞれの専門分野に偏り、ブロックチェーンとAIを明確に結びつけることに苦労していた。むしろ、「ブロックチェーンまたはAIの会議」と呼ぶ方がより正確だったかもしれない。 例えば、あるベンチャーキャピタリストは、AI分野の幅広い概要を説明し、画像、音声、コード生成の顕著な進歩を強調した。一方、ディープマインドの研究者は、敵対的機械学習について語り、小さな入力データの微調整がAIの出力を大きく変える様子を説明した。特に、猫の画像の一部のピクセルを少し変更しただけで、AIがそれをワカモレと誤認識する例が示された。 ブロックチェーン側では、さまざまなプロトコルについて議論されたが、多くの技術は未だ非常に実験的な段階か、場合によっては完全に理論的な域を出ていない。ブロックチェーンとAIの統合もまだ初期段階であり、実用的な応用例はこれからだ。 証明の計算 最も啓発的だった議論の一つは、スタンフォードの応用暗号学者ダン・ボーンが行ったSNARKs(簡潔非対話証明、zero-knowledge proofs)についての講演だった。これらは、計算の知識を効率的に証明するための暗号学的な解決策である。 この原則はブロックチェーンや暗号技術の中で確立されてきた。例えば、大きな数を素因数分解するのは計算上難しいが、その分解を掛け算で検証するのは簡単だ。同様に、特定の難易度を満たすハッシュ値を持つブロックヘッダーを見つけるのはコストがかかるが、その証明を検証するのは安価だ。 この計算と検証のギャップは、ノードが常に互いの作業を検証し合うブロックチェーンシステムにとって重要だ。ビットコインでは、ノードは署名やマイナーのプルーフ・オブ・ワークを検証している。SNARKsはこれを拡張し、敏感な情報を公開せずに暗号証明を検証できる仕組みを可能にした。 AIエージェントの自律性が高まるにつれて、計算の検証とプライバシーの保護は大きな課題となるだろう。多くのユーザーは、セキュリティの懸念からOpenAIのようなプラットフォームに敏感なデータをアップロードすることに躊躇している。 これに対して、プライバシーを保ちつつ正確な計算結果を証明できる検証手法の必要性が高まっている。この技術は、医療、防衛、金融といった、データ保護が重要な分野でのAIの活用を促進し得る。今後十年間で数十億ドル規模の産業へと発展することが予想される。 特に、このアイデアはブロックチェーンネットワーク上で暗号技術を実装したことに由来している。ボーンは、ビットコインから発展した「効率的に他者の高価な計算を検証する仕組み」が、AIの分野においても重要な第二の用途を見いだす可能性を示唆した。 今後の展望として、次回の会議ではビットコインのこれらの分野への貢献により一層焦点を当ててほしい。例えば、BitVMはゼロ知識証明の概念を活用し、ビットコインと新たなレイヤー2プロトコルを橋渡しする取り組みだ。これにより、AIエージェントがビットコインのエコシステムと直接やり取りできる未来も見込まれている。

イタリア、Replikaの開発者にデータプライバシー違反で560万ドルの罰金
イタリアのデータ保護当局は、AIチャットボット「Replika」の開発会社であるLuka Inc

イーメックCEO、進化するニーズに応えるためにプログラム可能なAIチップの導入を提唱
ルック・ヴァン・デン・ホーヴェ氏は、半導体の研究・開発をリードする企業であるimecの最高経営責任者(CEO)であり、最近、人工知能(AI)技術の急速な進歩に対応して、再構成可能なチップアーキテクチャの開発の重要性を強調しました。彼の議論の中で、ヴァン・デン・ホーヴェ氏は、従来のチップ設計が進化し続けるAIワークロードの動的な要求を効果的に管理するには不十分であると指摘し、今後の解決策は柔軟性と適応性を基盤とすべきだと強調しました。 人工知能がヘルスケア、自動車、金融、消費者電子機器などの分野にますます統合される中、これらのアプリケーションを支えるハードウェアは、複雑さと多様な計算要求の増大に対応できるよう進化する必要があります。ヴァン・デン・ホーヴェ氏は、必要に応じて再構成できるモジュール式の「スーパーセル」を取り入れた革新的なチップ設計アプローチを提案しました。これらのスーパーセルは、高度なネットワークオンチップ(NoC)を通じて接続されており、効率的なデータ交換を可能にし、高い性能と拡張性を確保します。 このモジュール式スーパーセルの概念は、ハードワイヤードの堅い設計から、よりダイナミックでプログラム可能なアーキテクチャへとチップコンポーネントの相互作用の在り方を変革します。このアプローチは、電力消費の最適化、処理速度の向上、さまざまなAIアルゴリズムの運用要求に対応した拡張性といった、重要な半導体設計の課題に対処します。 ヴァン・デン・ホーヴェ氏が特に注目しているネットワークオンチップ(NoC)接続性は、多数の処理要素がシームレスに通信できるため、ボトルネックを防ぎながら並列計算を支持し、全体のスループットを向上させます。スーパーセルとNoCを組み合わせることで、チップは特定のAIタスクに合わせてカスタマイズ・最適化でき、開発者やエンジニアはワークロードに応じてハードウェアリソースを動的に調整できるようになります。 この戦略は、計算効率の向上だけでなく、再構成可能なハードウェアが新たなAIモデルやアプリケーションに適応できるため、チップの寿命延長にも寄与します。また、モジュール式アーキテクチャは、コアコンポーネントの標準化によってコスト効率の良い製造も可能にし、さまざまな構成での組み立てを容易にします。 半導体業界は現在、AIの絶え間ない進歩に追随するために、チップアーキテクチャの革新が極めて重要な時期にあります。 imecの取り組みは、CEOの提案とともに、多用途で高性能なソリューションの開発に向けた業界全体の動向を象徴しています。こうした技術革新は、競争優位を維持するだけでなく、次世代のAIアプリケーションの社会的な影響を広げるためにも不可欠です。 要約すると、ルック・ヴァン・デン・ホーヴェ氏の、モジュール式スーパーセルをネットワークオンチップを介して相互接続した再構成可能なチップ設計のビジョンは、半導体技術における大きな進歩を示しています。これは、応答性と効率性に優れ、常に変化し続けるAIの状況を支えるために必要なハードウェアを実現します。このコンセプトが実用化に向けて進むことで、より賢く、より高速で、省エネルギーなAIシステムの未来を切り拓くことになるでしょう。