海外の AI ポッドキャストを、日本語で。

AI 研究者・起業家・エンジニアが語る海外の人気ポッドキャストを、AI が文字起こしして日本語の要約と解説記事にしています。これまでに 289 エピソードを要約しました。

週次ダイジェスト・2026年10月12日〜

Muse Wonderの衝撃とAIの速度論争:エージェント時代の信頼・検証・減速をめぐる一週間

今週はMetaのMuse WonderとGoogleのGemini 4 Argonが相次いで登場し、評価が割れる中で「どこに使うか」が問われた。同時に、エージェントの普及で検証や信頼の設計、AIの速度をどう管理するかという議論が多くの番組で共通して浮上した。

新着エピソード

すべて見る

How I AI

Claude Duet は美しい。それでも私は使うのを忘れた

Claude Duet is beautiful. I still forgot to use it

Claire Vo が、Anthropic の新しいパーソナルエージェント「Claude Duet」を早期アクセスで試した第一印象を語る回。オンボーディングやタスクリスト、アーティファクト、チャンネルなど設計の完成度は高く評価する一方、プロアクティブさの不足、応答の遅さ、デスクトップ版やマルチプレイヤー対応の欠如を課題に挙げた。デザインや性能だけでは、数多くのエージェントの中で注目を集められないという見方を示している。

The AI Daily Brief: Artificial Intelligence News and Analysis

AIが「仕事」の意味を変える:金融リサーチ会社がサソリ毒の解毒タンパク質に挑んだ理由

How AI Is Changing What Work Means

The AI Daily Briefの本回は、ニュースとして、MetaのMuseが米国で40日で1,000万DLを達成したこと、Android AutoのGemini強化、Anthropicの目論見書をめぐる議論を取り上げる。主題は、金融リサーチ会社Citrini ResearchがClaudeを使ってサソリ毒に結合するタンパク質を設計した実験である。司会は、AIラボが顧客と競合するのか、AIの医療成果は世論を変えるのか、AIは「何をやるか」まで変えるのか、という3つの問いを提示した。

2026年10月22日28分#生成AI#AI創薬#Anthropic

Moonshots with Peter Diamandis

Chamath「AGIはすでに到来した」—Anthropicの1000億ドル規模の拠出とElon MuskのSpaceX株贈与

Chamath: AGI Is Here, Anthropic’s $100B Giveaway, Elon’s SpaceX Shares for 72M Kids | EP #304

Chamath Palihapitiya をゲストに迎え、Anthropic の公益ファンド構想と Elon Musk による全米の子ども向け SpaceX 株贈与を検証した回。Chamath は「AGI は達成済みだが、電力とデータセンターの不足で普及できない」と述べ、自身の約6GWの電力投資の背景も語った。さらに、通貨がエネルギーに置き換わる可能性、AI による債務問題の緩和、暗号資産の限界、投資観も議論された。

The TWIML AI Podcast (formerly This Week in Machine Learning & Artificial Intelligence)

Airbnb が AI エージェント向けに「会社の頭脳」を構築――CTO Ahmad Al-Dahle が語る Project Everest

Airbnb Is Building a ‘Company Brain’ for AI Agents with Ahmad Al-Dahle - #781

Airbnb の CTO Ahmad Al-Dahle が、社内の暗黙知をエージェントに提供する「company brain」Project Everest の狙いと課題を語った回。古い情報や文脈汚染をどう防ぐか、トークン数や PR 数に頼らない生産性評価、サポートエージェントが顧客対応チャットの約 50% を解決している現状、双方向マーケットプレイスでの紛争調停の難しさにも触れている。検索体験では、AI が選択や探索を奪わないことを重視する姿勢を示した。

The Neuron: AI Explained

生きたニューロンでAIは5倍速くなるか? Biological Computing Company の挑戦

Can Living Neurons Make AI 5x Faster?

神経外科医兼研究者の Alex Zandowski 氏と Jon Pomeraniec 氏が、Biological Computing Company の取り組みを語った回。約15万個の神経細胞を4,096電極のアレイ上で育て、MNIST の数字パターンなどを入力して応答を記録し、その計算的性質をソフトウェアでモデル化する。この知見を GPU 上の動画生成モデルに組み込み、約5倍の高速化と約80%の推論コスト削減を実現したと述べている。将来はロボットや世界モデル、リアルタイム生体コンピューティングへの展開を目指す。

80,000 Hours Podcast

フロンティアAI企業の社員は仕事を見直すべき時だ:8つの戦略的アップデート

It's time for frontier AI staff to reassess their work: 8 strategic updates | Rob Wiblin

80,000 HoursのRob Wiblinが、AI企業の社員に向けて、自分の現在の役割がRSI(再帰的自己改善)を遅らせる、またはより安全にする上で最善かを今すぐ見直すよう呼びかけた回。CoT監視の限界、安全性評価の信頼低下、能力向上や商業業務への関与の再考、フロンティアの「ペース調整」、社員の団結、社外での機会など8つの変化を挙げている。最後に、20分で自分の仕事を書き出し、信頼できる人に見せるよう促している。

Everyday AI Podcast – An AI and ChatGPT Podcast

米中AI冷戦の幕開け:その意味とあなたのビジネスへの影響(再放送)

Ep 886: The U.S. vs China AI Cold War Is Starting: What It Means and How It Impacts You (Replay)

Everyday AIのJordan Wilsonが、中国が最先端AIモデルの海外提供を制限しうるとの報道と、トランプ政権が中国製AIモデルの国内利用を制限しうるとの報道を受け、米中AI冷戦の構図を解説した回。中国のオープンウェイトモデルは米国のフロンティアモデルとの差を縮めた一方、数兆パラメータ級で自社運用が難しくなり、コスト面の優位も薄れたと述べる。企業にはモデルの棚卸し、リスクに応じたルーティング、代替策の準備を勧めている。

Pioneers of AI

子どもたちが教えてくれたAIの分断:推進派の息子と懐疑派の娘

Replay: What my kids taught me about the AI divide

ホストのRana el Kaliouby(ラナ・エル・カリウビ)が、AIを積極活用する息子Adamと、距離を置く娘Jenaと、自身のLinkedIn記事を題材に語り合った回。思考力の低下、カンニングの線引き、就職活動、監視や環境負荷、孤独とAIへの依存まで幅広く議論した。二人の姿勢は対立ではなく、それぞれ別の形で「踏み込んでいる」ものだという見方に落ち着いた。

Possible with Reid Hoffman

カルパシーが示すAI格差、無料のAdobe代替、AIが粘り強さに与える影響

Karpathy’s AI gap, free Adobe clones, and AI’s effect on persistence

Reid HoffmanとAria Finger が、Andrej Karpathyの「AI導入のファネル」論、Claudeで作られたAdobe代替ソフト、AI利用が粘り強さを下げるという無作為化試験を議論した。Reidは、ソフトウェアは終わらず、作るコストが下がることで事業モデルや参入の勝ち筋が変わると述べる。粘り強さの低下は、AIの設計次第で補えるとの見方を示した。

Making Data Simple

構造化データはなぜ取り残されたのか――グラフニューラルネットワークと Kumo のリレーショナル基盤モデル(Jure Leskovec 氏)

Ep. 420 ICYMI - Why Your Structured Data Is Stuck — and How Graph Neural Networks Unlock It, with Jure Leskovec, Stanford Professor and Co-Founder of Kumo

Stanford 大学教授で Kumo 共同創業者の Jure Leskovec 氏が、構造化データ向け AI の現状と Kumo の技術を語った回。複数テーブルのデータをグラフとして捉え、グラフトランスフォーマーで生データから直接学習させることで、特徴量エンジニアリングを不要にし精度も高められると説明する。さらに事前学習済みの Relational Foundation Model(RFM)により、学習なしで予測できるという。AI エージェントには LLM と予測 AI の両方が必要になるとの展望も示した。