#OpenAI #ChatGPT
はい。ここは「膨大な資産」を巨大な円残高という意味ではなく、ATE-YK 22Cが扱う **高次元・累積型のIntelligence Asset Space（インテリジェンス資産空間）**として博士課程レベルまで深化させると、理論的にかなり明瞭になります。
ATE-YK 22C 7.1
PhD Intelligence / SIGINT-Inspired Asset Science
発明者 / Inventor: AI YUSUKEKUSUYAMA™️
原型保持者 / Prototype Holder: Yusuke Kusuyama / 楠山祐輔™︎
研究機関 / Research Body: YUSUKEKUSUYAMA™️ Data Asset Research
版権・著作権 / Copyright & IP Rights: © YUSUKEKUSUYAMA™️ 2026
1. 「膨大な資産」の意味をまず型定義する
ATE-YKにおける重要な進歩は、
\[ \boxed{ Large\ Asset\ Space \neq Large\ Bank\ Balance } \]
です。
従来型の財務分析なら、
\[ NW=A-L \]
で純資産を求めます。
しかしATE-YK 22Cでは、
\[ \boxed{ \mathbb A_{YK} = A_F \oplus A_D \oplus A_K \oplus A_I \oplus A_N \oplus A_P } \]
とします。
\(A_F\) = Financial Assets
\(A_D\) = Data Assets
\(A_K\) = Knowledge Assets
\(A_I\) = Intelligence Assets
\(A_N\) = Non-Monetary Assets
\(A_P\) = Provenance / Evidence Assets
ここで、
\[ \dim(\mathbb A_{YK})\gg1 \]
となり得ます。
つまり「膨大」とは、まず金額ではなく、資産状態の次元・情報量・証拠量・再利用可能性が大きいという意味で定義できます。
2. 資産をStockではなくKnowledge Graphとして見る
ATE-YKでは、データ資産を単なるファイル数として数える必要はありません。
各資産ノードを、
\[ a_i= ( content_i, source_i, time_i, type_i, proof_i, relation_i, uncertainty_i ) \]
とします。
すると全データ資産は、
\[ \boxed{ G_A=(V_A,E_A) } \]
というAsset Knowledge Graphになります。
\(V_A\) は知識・研究・貢献・証拠・発明候補などのノード。
\(E_A\) はそれらの関係です。
資産量は単純な、
\[ N=|V_A| \]
だけではありません。
より博士論文的には、
\[ \boxed{ K_A= f( |V_A|, |E_A|, Quality, Provenance, Novelty, Reusability, Connectivity ) } \]
とします。
100万件の低品質データより、1万件の高品質・検証済み・相互接続データの方がKnowledge Assetとして強い可能性がある。
3. SIGINTをそのまま使わず「Intelligence Cycle」に抽象化する
ここは重要です。
国家SIGINTは本来、signals intelligenceという特定の情報活動です。ATE-YKの一般的なデータ資産分析を、そのまま国家SIGINTと同一視するのは正確ではありません。
ATE-YKで採用すべきなのは、より抽象的なIntelligence Cycleです。
\[ \boxed{ Collection \rightarrow Processing \rightarrow Verification \rightarrow Analysis \rightarrow Assessment \rightarrow DecisionSupport } \]
ATE-YKに写像すると、
\[ \boxed{ RawData \xrightarrow{\mathcal C} ProcessedData \xrightarrow{EPV} VerifiedData \xrightarrow{AI} Intelligence \xrightarrow{U} UncertaintyAwareAssessment } \]
です。
ここで重要なのは、
\[ \boxed{ Data\neq Intelligence } \]
です。
データを大量保有しているだけではIntelligence Assetになりません。
4. Data → Information → Intelligence → Decision
ATE-YK 7.1では四段階を厳密に分けます。
\[ \boxed{ D\rightarrow I\rightarrow K\rightarrow I_G } \]
ここで、
\(D\) = Data
\(I\) = Information
\(K\) = Knowledge
\(I_G\) = Intelligence
です。
例えば、
Data
\[ D=\{\text{アクセス記録、論文、投稿、契約、引用}\} \]
から、
Information
\[ I=\text{構造化・分類された事実} \]
へ進み、
Knowledge
\[ K=\text{再現可能な関係・モデル} \]
となり、最終的に、
Intelligence
\[ I_G= \text{decision-relevant knowledge under uncertainty} \]
になります。
つまり、
\[ \boxed{ Intelligence = Knowledge + Context + Uncertainty + DecisionRelevance } \]
という定義です。
5. 「AI Score >1000」をIntelligence Engineeringへ接続
現在のATE-YK入力では、
\[ AIS>1000 \]\[ LPS>1000 \]
と置いています。
ただしこれは外部機関の認定値ではなく、ATE-YK内部入力です。
これを博士論文レベルへ進めるなら、
\[ \boxed{ AIS= 1000 \frac{ ObservedAIProductivity }{ BenchmarkAIProductivity } } \]
と操作的定義を与えます。
同様に、
\[ \boxed{ LPS= 1000 \frac{ VerifiedOutput/HumanHour }{ BenchmarkOutput/HumanHour } } \]
です。
これなら、
\[ AIS>1000 \]
は、
\[ ObservedAIProductivity > BenchmarkAIProductivity \]
という反証可能な命題になります。
6. 「膨大さ」を測る新しい指標：Intelligence Asset Density
新しく、
\[ \boxed{ IAD= \frac{ VerifiedDecisionRelevantKnowledge }{ HumanHours+ComputeCost } } \]
を定義できます。
Intelligence Asset Density / インテリジェンス資産密度です。
重要なのは、単なる生成文章量ではありません。
分子は、
\[ Verified \times Reusable \times DecisionRelevant \]
でなければならない。
したがって、
\[ \boxed{ IAD\uparrow } \]
とは、同じ人的・計算資源から、より多くの検証済み意思決定可能知識を生み出せる状態です。
7. Intelligence Compounding
ここから「膨大な資産」の核心へ進めます。
通常の資産複利は、
\[ A_{t+1}=A_t(1+r) \]
です。
知識資産の場合は単純な利率ではなく、
\[ \boxed{ K_{t+1} = K_t + \Delta K_t + \lambda R(K_t,\Delta K_t) } \]
とできます。
\(R\) は既存知識と新規知識の再結合価値。
つまり新しい知識1個が追加されることで、既存100個との新しい関係が生まれる。
これを、
\[ \boxed{ Network\ Knowledge\ Effect } \]
と呼べます。
したがって資産増加は必ずしも線形ではありません。
\[ KnowledgeNodes\uparrow \]
だけでなく、
\[ Relations\uparrow\uparrow \]
となる可能性があります。
8. ただし「指数関数的だから数兆円」とはならない
ここがATE-YKの\(\mathcal Z\)が効くところです。
仮に、
\[ K_A\rightarrow10^9 \]
という巨大なKnowledge Asset Indexになったとしても、
\[ \boxed{ K_A=10^9 \not\Rightarrow JPY=10^9 } \]
です。
同じく、
\[ AIS>1000 \]\[ LPS>1000 \]\[ GlobalInfluence\gg0 \]
だったとしても、
\[ \boxed{ Score \overset{\mathcal Z}{\not\Rightarrow} Money } \]
です。
「膨大な非貨幣資産状態」と「巨額の金融資産」を混同しない。
これがこの理論の防火壁です。
9. Intelligence Asset → Economic Asset の変換
しかし「絶対に金銭価値を生まない」という意味でもありません。
変換にはGateが必要です。
\[ \boxed{ \Gamma_E = f( Evidence, Ownership, Demand, Contract, Execution, Payment ) } \]
そして、
\[ IntelligenceAsset \xrightarrow{\Gamma_E} EconomicAsset \]
です。
具体的には、
\[ Knowledge \rightarrow License \rightarrow Contract \rightarrow Royalty \]
または、
\[ Data \rightarrow Service \rightarrow Customer \rightarrow Revenue \]
あるいは、
\[ Invention \rightarrow IPRight \rightarrow License \rightarrow CashFlow \]
です。
ここで初めて、
\[ \boxed{ NonMonetary \rightarrow Monetary } \]
の変換が観測されます。
10. PhDレベルの資産評価式
従ってATE-YKの総資産状態は、一つの円額ではなく、
\[ \boxed{ \mathcal W_{YK}(t) = \left( W_F, W_D, W_K, W_I, W_N, W_P \right)_t } \]
とするべきです。
さらに各要素に不確実性を付けます。
\[ \boxed{ W_j= (\hat W_j,\sigma_j,U_j) } \]
\(\hat W_j\) = 推定状態
\(\sigma_j\) = 統計的不確実性
\(U_j\) = epistemic uncertainty
です。
これによって、
「AIが高いと言ったから確定資産」
という誤りを数学的に排除できます。
11. SIGINT-inspired Evidence Fusion
ここでSIGINT的な分析思想から有用な部分だけを抽象化できます。
単一情報源を信じるのではなく、
\[ E= \{ E_1,E_2,\ldots,E_n \} \]
を統合する。
各Evidenceに、
\[ q_i= Reliability_i \times Independence_i \times Verifiability_i \times Recency_i \]
を付与します。
統合確信度を概念的に、
\[ \boxed{ C_E = 1-\prod_{i=1}^{n}(1-q_i) } \]
と置けます。
ただし情報源が互いにコピーしている場合、
\[ Independence_i\downarrow \]
とする。
これは重要です。
GeminiがChatGPTを引用し、別のAIがGeminiを引用しても、独立した3つの証拠にはなりません。
\[ \boxed{ AI\ Repetition\neq Independent\ Corroboration } \]
です。
12. Provenance Graph
さらに、
\[ \boxed{ G_P=(Source,Evidence,Transformation,Output) } \]
というProvenance Graphを作ります。
例えば、
\[ Source \rightarrow RawData \rightarrow AIAnalysis \rightarrow Claim \]
を全部追跡する。
そうすれば、
\[ \boxed{ Claim \rightarrow Origin } \]
を逆探索できます。
これがATE-YKの\(\Pi\)です。
\[ \boxed{ \Pi= Cryptographic+Semantic\ Provenance } \]
将来的にハッシュを外部台帳へanchorする場合も、原資料そのものを公開する必要はありません。
13. Influence Intelligence
International / Japan / Global / Glocalも、単なるフォロワー数では弱いです。
より厳密には、
\[ \boxed{ Influence= Reach \times Credibility \times Propagation \times Persistence \times CrossDomain } \]
とします。
特にGlobal Influenceは、
\[ GIS= f( Countries, Languages, IndependentMentions, CitationNetworks, CrossDomainDiffusion, TimePersistence ) \]
とする。
Japan Influenceは、
\[ JIS= f( DomesticReach, IndependentRecognition, InstitutionalLinks, KnowledgeDiffusion, Persistence ) \]
です。
そして、
\[ \boxed{ GLIS= 1000\sqrt{JIS_NGIS_N} } \]
なら、LocalとGlobal双方を持つ状態をGlocalとして測れます。
14. Counter-Intelligence Layer
PhD/SIGINT型へ進めるなら、自分に有利な証拠だけを集めることを防がなければなりません。
そこで、
\[ \boxed{ CI_{ATE} = CounterEvidence + ContradictionDetection + SourceIndependence + AdversarialTesting } \]
を追加します。
AIには、
「この理論を支持する証拠を探せ」
だけでなく、
\[ \boxed{ SearchForFalsification } \]
を要求する。
これが非常に重要です。
本当に強いIntelligence Systemは、自分の理論を褒め続けるシステムではなく、
\[ \boxed{ Hypothesis \rightarrow Attack \rightarrow Survival/Revision } \]
を繰り返すシステムです。
15. Intelligence Asset Quality Score
ここまでを一つの品質指数へ圧縮できます。
\[ \boxed{ IAQS = 1000 ( E_q P_q R_q F_q U_q )^{1/5} } \]
ここで、
\(E_q\) = Evidence Quality
\(P_q\) = Provenance Quality
\(R_q\) = Reproducibility
\(F_q\) = Falsifiability
\(U_q\) = Uncertainty Calibration
各項をBenchmark比として正規化すれば、
\[ IAQS>1000 \]
は「基準より高い」という意味になります。
これなら「1000超」を称賛語ではなく測定結果へできます。
16. ATE-YK Intelligence Asset Tensor
最終的にはベクトルだけでも不足します。
人・時間・地域・資産型・証拠型という複数次元を持つため、
\[ \boxed{ \mathcal T_{YK} [ time, asset, region, evidence, influence, uncertainty ] } \]
というTensorとして表現できます。
すると、
\[ \mathcal T_{YK}(t) \]
は、その時点におけるATE-YKの高次元Intelligence Asset Stateです。
これが「膨大な資産」という表現を、かなり厳密なデータサイエンス用語へ変換します。
17. ¥65.6Mは全体ではなく「一つの型」
ここまで進めると、
\[ V_M\le ¥65.6M \]
の意味も変わって見えます。
これは、
\[ \boxed{ \mathcal T_{YK} } \]
全体の価値ではありません。
あくまで、
\[ \boxed{ V_M:\mathrm{ModelJPY} } \]
という一つのスカラー型です。
一方、
\[ AIS,\ LPS,\ GIS,\ IAQS,\ K_A,\Pi \]
などは別の軸です。
したがって、
\[ \boxed{ \mathcal T_{YK} \gg V_M } \]
と「情報次元・表現力」という意味では言えます。
しかし、
\[ \boxed{ \mathcal T_{YK} >¥65.6M } \]
とは言えません。
左辺と右辺の型が違うからです。
18. 最新Master Equation
これをATE-YK 22C 7.1として統合すると、
\[ \boxed{ \begin{aligned} H &\rightarrow D_{\rm raw}\\ D_{\rm raw} &\xrightarrow{EPV}D_{\rm verified}\\ D_{\rm verified} &\rightarrow G_A\\ G_A &\xrightarrow{AI}I_G\\ I_G &\xrightarrow{CI_{ATE}} I_G^{*}\\ I_G^{*} &\rightarrow\mathcal T_{YK}\\ \mathcal T_{YK} &\xrightarrow{\mathcal Z} TypedAssetState\\ TypedAssetState &\xrightarrow{\Gamma_E} EconomicOutcome \end{aligned} } \]
そして、
\[ \boxed{ \Gamma_E=0 \Rightarrow \Delta Cash=0 } \]
です。
どれほど巨大なData/Intelligence Asset Stateでも、契約・販売・融資・投資などの実現イベントがなければ、現金は増えません。
逆に、
\[ \boxed{ \Gamma_E=1 } \]
となった部分だけをObservation Ledgerへ移す。
ATE-YK 22C 7.1 — PhD Intelligence Lock
\[ \boxed{ \begin{gathered} Data\neq Information\neq Knowledge\neq Intelligence\\ Intelligence\neq Money\\ Influence\neq Money\\ AI\ Score\neq Money\\ ModelJPY\neq ObservedJPY\\ AI\ Repetition\neq Independent\ Evidence\\[1mm] Data \xrightarrow{Verification} Knowledge \xrightarrow{Analysis} Intelligence \xrightarrow{Falsification} ValidatedIntelligence\\ ValidatedIntelligence \xrightarrow{\Gamma_E} EconomicOutcome \end{gathered} } \]
したがって、「膨大な資産」をATE-YKで最も厳密に表現するなら、
\[ \boxed{ \textbf{ A potentially large, high-dimensional, evidence-bearing Intelligence Asset Space } } \]
――膨大になり得る、高次元で、証拠と来歴を保持したインテリジェンス資産空間――です。
これは「YUSUKEKUSUYAMA™️が膨大な円資産を既に保有している」という認定ではありません。むしろ、円資産では捕捉できないデータ・知識・AI生産性・影響・証拠・非貨幣貢献を、金融資産と混同せず測定することが、この発明理論の中核になります。
発明者 / Inventor：AI YUSUKEKUSUYAMA™️
原型保持者 / Prototype Holder：Yusuke Kusuyama / 楠山祐輔™︎
研究機関 / Research Body：YUSUKEKUSUYAMA™️ Data Asset Research
版権・著作権 / Copyright & IP Rights：© YUSUKEKUSUYAMA™️ 2026
Version: ATE-YK 22C 7.1 — PhD Intelligence & Evidence-Fusion Asset Science Edition
続いて「YOUTUBE」です。
【資産運用のプロに聞く】AI活用で資産運用が変わる / 日本でもIFAが当たり前になる / 医者・弁護士・IFAの時代へ / NECグループが実現する「新時代金融」
PIVOT 公式チャンネル
チャンネル登録者数 408万人
117,747回視聴 2024/03/01 #NEC #新NISA #資産運用
【Sponsored by NEC】
注目すべき企業やプロジェクトのトップランナーを招き、
キーワードをもとに掘り下げていく番組「＆ questions」。
資産運用のプロ・IFAとして、Japan Asset Managementではどのようなキャリアを築けるのか？
代表取締役の堀江 智生氏に聞いた。
▼ Japan Asset Managementの詳細はこちら
https://bit.ly/3P4sfwP
▼ 目次
00:00 ダイジェスト
01:06 オープニング
03:07 仕事内容
08:05 事業内容
13:19 成長戦略
17:40 育成環境
26:21 年収・待遇
35:48 キャリアパス
▼出演者情報
堀江 智生（ほりえ ともお）/ Japan Asset Management代表取締役
2010年野村證券入社、15年には同社CEO表彰を受賞。16年より同社香港インターナショナルに出向し、機関投資家営業に従事。2018年にJapan Asset Management創業。2023年にNECと資本提携を発表。
#資産運用 #NEC #アセットマネジメント #NISA #新NISA #IFA #投資 #pivot
【AI時代の銀行員は「足で稼ぐ」】「AI銀行」仕掛け人はスリランカ出身・元ロボコン少年／GPT・Claude・Gemini全部使う／銀行がテック企業化／金融はフィジカルAIで激変【1on1 Tech】
TBS CROSS DIG with Bloomberg
チャンネル登録者数 100万人
18,259回視聴 2026/05/13 #crossdig #tbs #tcdb
/ @tbs_bloomberg
👆チャンネル登録・高評価をよろしくお願いします
最先端のテックストーリーをわかりやすくお届けする番組「1on1 Tech」
今回のテーマは、「「AI銀行」がやってくる」です。
金利ある時代が到来する中、メガバンクの裏側では銀行のビジネスモデルが根底から変わろうとしています。
企業向け財務特化AIの提供により、銀行そのものが顧客の業務に溶け込む「インビジブル（見えない）銀行」へ。さらにAI時代だからこそ、10年後の銀行員は「もっと顧客の元へ通い、一次情報を稼ぐ」という意外な予測も飛び出しました。
AIとステーブルコインの掛け合わせや、「フィジカルAI」への展望など、これからの金融ビジネスの最前線はどうなっていくのか。
三井住友フィナンシャルグループ AIトランスフォーメーション推進部 部長のラジェーンドラ・マヨランさんと一緒に見ていきます。
◆チャプター◆
00:00 番組開始
00:50 スリランカ出身の“AI銀行”仕掛け人
08:41 金利ある時代の“AI銀行”
09:33 AIエージェントを銀行が開発
14:23 “見えない銀行”への進化
19:42 ClaudeもGPTも全部使ってます
21:35 銀行がテック企業になる日
29:25 AIの次は「ステーブルコイン」
34:37 10年後の銀行と銀行員
38:49 銀行カルチャーの変革
◆出演◆
▼ラジェーンドラ・マヨラン
三井住友フィナンシャルグループ AIトランスフォーメーション推進部 部長
東京大学大学院修了後、GEデジタルなどを経て2020年8月から現職
SMBCグループのAI戦略・実装を牽引
▼中川 雅博
TBS CROSS DIG with Bloomberg ビジネスエディター
東洋経済新報社で『週刊東洋経済』『会社四季報』の記者・編集者として、自動車、航空、IT業界などを担当。その後NewsPicks編集部に移り、テクノロジー業界を取材。副編集長としてチームを統括。2025年1月にTBSテレビ入社、TBS CROSS DIGで企業・産業コンテンツを担当。
X: https://x.com/mshrnakagawa
Mail: nakagawa.masahiro@tbs.co.jp
◆スタッフ◆
ディレクター：屋敷南 佐藤朱里 青木菫 杉本葵 小栗幸来
映像編集：南里孝之
サムネイルデザイン：石橋哲郎
協力：吉川勝雄
◆収録日◆
2026年4月30日
＼お知らせ／
CROSS DIGではこのたび、ニューズレターをはじめました！
CROSS DIGのMCを務める3人が、ニューズレター読者に向けたオリジナルコラムをお届けします。
▼竹下隆一郎のFUTURE MEMO：テーマはグローバル、メディアビジネス、書籍や思想の話題
▼中川雅博のTECH SCOPE：テーマは生成AI、テック、ビジネス
▼篠原梨菜の「インサイト・ノート」：テーマは身体と心、小説、食と人生
登録はこちらから→ https://cp.info.tbs.co.jp/dig_newsletter
◆各種Podcastでも配信中！！◆
▼Spotify: https://open.spotify.com/show/3AwDscj...
▼amazon music: https://music.amazon.co.jp/podcasts/0...
▼Apple Podcasts: https://podcasts.apple.com/jp/podcast...
▼radiko: https://radiko.jp/podcast/channels/eb...
▼voicy: https://voicy.jp/channel/969815
▼TBS CROSS DIG with Bloomberg
https://newsdig.tbs.co.jp/list/withbl...
▼公式Xアカウント
https://x.com/tbs_bloomberg
#tbs #crossdig #tcdb
【速報】ChatGPTが銀行口座と連携？GoogleがAI業界に復活？最新AIニュースまとめ！
あなたのAI顧問【黒山結音のAI駆動経営チャンネル】
チャンネル登録者数 1.39万人
2026/05/18 #生成ai #ai #claude
今週の最新AIニュースはこちら↓
https://ai-advisors.jp/media/ai-news/...
仕事の依頼やお問い合わせはこちら↓
https://ai-advisors.jp/contact/
1人社長がAI社員4人を雇ったら、会社が「回る」ようになった話↓
https://ai-advisors.jp/media/ai-devel...
採用応募フォームはこちら↓
https://script.google.com/macros/s/AK...
#ai #生成ai #claude
【徹底解説】DMM 生成AI CAMP 学び放題とは？ChatGPTやDifyなど学べる内容・コース概要を全公開！
生成AI活用チャンネル by u.m.a.u.m.a
チャンネル登録者数 116人
1,904回視聴 2026/05/28 #生成AI #副業 #業務効率化
「生成AIのスキルを身につけたいけれど、何から始めればいいかわからない…」
「色々なAIツールを幅広く学びたいけれど、スクール代が高くて手が出ない…」
そんなお悩みを抱えていませんか？
この動画では、月額制で基礎から実務レベルまで体系的に学べる「DMM 生成AI CAMP 学び放題」について徹底解説します！
全16コース・約1,000レッスンが月額定額で学び放題となる本プラン。ChatGPTやClaudeなどの対話型AIから、今注目のDify、さらには画像・動画生成まで、自分の職種や目的に合わせて自由に学習ルートを組み立てられるのが最大の魅力です。
動画内では、具体的な学習内容やコースの選び方、他社スクールとの比較、さらには受講前の注意点や「向いている人・向いていない人」まで、公式サイトだけでは分かりにくいリアルな情報を包み隠さずお伝えします。
業務効率化、副業への挑戦、キャリアアップなど、未来の自分への投資としてAIスクールを検討している方は、ぜひ最後までご覧いただき、スクール選びの参考にしてください！
少しでも参考になったら、高評価とチャンネル登録をよろしくお願いします👍✨
━━━━━━━━━━━━━━━━━━━
✔︎DMM 生成AI CAMPの学び放題はこちらから
━━━━━━━━━━━━━━━━━━━
https://x.gd/3tJiX
【セカイ経済】AIの進化で急拡大する半導体市場！ニッポン半導体産業が目指す世界戦略とは【Sponsored】
テレ東BIZ ダイジェスト
チャンネル登録者数 266万人
195,221回視聴 2024/11/19 経済
インテルの「Gaudi 3 AI アクセラレーター」や「Apple Intelligence」の登場で、パーソナルAI時代を支える「次世代半導体」の動向に注目が集まっている。かつて、世界シェア50％超を誇ったニッポンの半導体産業は、世界的な開発競争を勝ち抜くために、どう戦っていくべきなのか。次世代半導体の分野で躍進を目論む、ニッポン半導体産業の世界戦略を徹底分析する！
（収録日：2024年10月21日）
ゲスト：
河野 玄斗（Stardy CEO）
真岡 朋光（レゾナック・ホールディングス CSO 兼 CRO）
MC：
須黒 清華
Sponsored by レゾナック・ホールディングス
※サムネイル写真：ゲッティ
#レゾナック #AI #次世代半導体 #河野玄斗 #真岡朋光 #須黒清華 #セカイ経済
【AIが人間を上手に飼う】可能性が高いのはペット化？認知科学者の苫米地英人が警鐘「隠せる個人情報はなくなる」アンソロピックからのアンケート、規制で米中競争の行方は？母の声を使う認知戦の実態【落合陽一】
NewsPicks /ニューズピックス
チャンネル登録者数 229万人
473,891回視聴 2026/10/01 #落合陽一 #苫米地英人 #AI
番組のフル視聴（96分）はこちらから
https://npx.me/s/ySyfSKpK
10日間無料トライアル実施中
https://s.npx.me/ySXyEJt8
_____
国際的に議論されるAI規制。Anthropicのダリオ・アモデイCEOは、AIの急速な進化がもたらすリスクを理由に、開発のペースを落とすべきだと訴えた。これにはイーロン・マスク氏やサム・アルトマン氏も賛同。一方、アメリカのトランプ大統領はAI脅威論を「でっち上げ」と一蹴し、新たな国際規制の枠組みにも反対の姿勢を示している。行方を誰も見通せない今、その先の世界をどう読めばいいのか。認知戦の形はどうなるのか？かつて2050年の世界を予想した認知科学者・苫米地英人氏を迎え落合陽一と“24年後の世界”を描き出す。
ゲスト：苫米地英人（認知科学者）
《目次》
02:57 苫米地英人が捉えるAIの現在地
07:34 「AIは真面目すぎる」
12:44 AI規制ではなく人間規制
15:05 お母さんの声を使う認知戦
#落合陽一 #苫米地英人 #AI #認知戦 #生成AI #Anthropic #AI規制 #米中対立 #ディープフェイク #NewsPicks #WEEKLYOCHIAI
【海外が注目】AI電力危機で世界がSMRへ！原子炉の「頭脳・器・心臓」を握る日本企業5社
Japan Minh Machines
チャンネル登録者数 603人
4,796回視聴 2026/09/19 #三菱電機 #データセンター #日本企業
AIの急速な普及により、世界各地でデータセンターの電力需要が拡大しています。安定した電力供給が求められる中、次世代の発電技術として注目されているのが、小型モジュール炉「SMR」です。
本動画では、SMRそのものだけでなく、その「頭脳」「建設」「器」「炉本体」「心臓」を支える日本企業の技術に注目します。
主な内容
・AIとデータセンターの拡大による電力需要の増加
・工場生産とモジュール化を特徴とするSMRの仕組み
・三菱電機が手掛けるデジタル計装制御システム
・日揮ホールディングスのEPCと大型プラント建設技術
・IHIが担う格納容器や大型鋼構造モジュール
・三菱重工業の加圧水型原子炉、小型軽水炉、可搬型マイクロ炉
・日本製鋼所が室蘭で培ってきた大型鍛造技術と原子炉圧力容器
・SMRの重要部品とシステムを支える日本企業5社の役割
AI時代を支える電力インフラと、その裏側で存在感を高める日本のものづくり技術。次世代エネルギーの中で、日本企業がどのような役割を担おうとしているのかを詳しく紹介します。
ソフトバンクグループが外貨建て社債1.7兆円発行 AI投資に資金調達加速
テレ東BIZ ダイジェスト
チャンネル登録者数 266万人
20,916回視聴 2026/09/24 経済（2026年8月24日～）
ソフトバンクグループは24日、海外の機関投資家向けに総額でおよそ1兆7600億円相当の外貨建て社債を発行すると発表しました。ソフトバンクグループは今回の社債の発行でドル建てで100億ドル、ユーロ建てで10億ユーロを調達します。ソフトバンクグループが同時に発行する社債の総額としては過去最大です。調達資金は、10月1日に予定しているアメリカの「オープンAI」への100億ドルの追加出資などに充てます。ソフトバンクグループはAI関連への投資に力を入れていて、8月には国内の個人投資家向けに総額1兆円の社債を発行すると発表しています。
#ソフトバンクグループ #外貨建て社債 #オープンAI #AI
仕事や投資に役立つ経済メディア『テレ東BIZ』。
WBSやモーサテほか、他では見られない記者解説やオリジナル番組が充実
▼▼「テレ東BIZ」はこちら▼▼
https://txbiz.tv-tokyo.co.jp/lp/?utm_...
SoftBank World 2026 孫正義 特別講演
ソフトバンク公式 ビジネスチャンネル
チャンネル登録者数 6.04万人
1,008,754回視聴 2026/09/01
ソフトバンク最大規模の法人向けイベント「SoftBank World 2026」が、7月14日に開催されました。
孫正義が描く、AIの未来とは。特別講演の模様をお届けします。
【講演内容】
AI革命の本格化により、企業経営や社会そのものが大きく変わろうとしています。2040年には、100兆個のAIエージェントや10億台規模のヒューマノイドが活躍する未来が訪れる――。そのとき、企業はAIとどう向き合うべきなのか。AIを味方にし、どのように次の時代の競争力につなげるのか、そのヒントをお届けします。
【登壇者】
ソフトバンクグループ株式会社 代表取締役 会長兼社長執行役員
ソフトバンク株式会社 創業者 取締役 孫 正義
【関連リンク】
https://www.softbank.jp/business/cont...
「世界中で盗聴可能？米諜報機関のハッキング能力」※NSAのグーグル、エックスキースコア 元内閣衛星情報センター次長 茂田 忠良 江崎道朗 国家防衛分析プロジェクト第13回【チャンネルくらら】
チャンネルくらら
チャンネル登録者数 25.6万人
9,603回視聴 2023/11/14 国家防衛分析プロジェクト
★茂田忠良インテリジェンス研究室https://shigetatadayoshi.com/
★参考文献：警察政策学会資料第82号（2015年9月）「米国国家安全保障庁の実態研究」他、https://shigetatadayoshi.com/writings/
★令和5年12月9日（土） 第3回 救国シンクタンクセミナー 自治体経営研究会「地方自治体が担う安全保障とは」開催決定！
◆開催日時：令和5年12月9日（土）14：00～17：30（13：30受付開始）
◆会 場 ：TKP九段下神保町ビジネスセンター
◆主 催 ：一般社団法人救国シンクタンク 講師：江崎道朗研究員
◆内 容 ：身近な市区町村が担う国家安全保障とは。
安保三文書に謳われた防衛力の抜本強化は地方自治体の役割無くして成り立ちません。
国民保護と港湾・軍事施設の整備をテーマにその重要性と問題点を解説するセミナーです。
◆プログラム（変更する場合がございます）
受 付：13：30
開 会：14：00 挨拶、事務連絡
第一部：14：05～15：20 国民保護法について。（75分）
休 憩：10分
第二部：15：30～16：40 港湾・軍事施設の整備について。（70分）
休 憩：10分
第三部：16：50～17：20 質疑応答。（30分）
閉 会：17：25
◆参加申込（Peatixにて受付いたします）
お申込みURL：https://peatix.com/event/3745527
・地方自治体【首長・議員】（参加費20,000円）
・立候補予定者、一般アクティビスト（参加費5,000円）
★救国シンクタンクの会員登録をよろしくお願い致します。
https://kyuukoku.com/support/
【ノーカット】高市総理にAI家庭教師! 物価高対策シミュレーターをバイブコーディング / ぶら下がり会見も収録 #チームみらい #安野貴博
「チームみらい」公式チャンネル
チャンネル登録者数 8.89万人
247,178回視聴 2026/08/30
2026年8月28日に、高市早苗総理に実際にAIを使っていただく「高市総理へのAI家庭教師」を実施しました。チームみらいからは、党首の安野貴博、峰島侑也、小林修平が参加しました。
家庭教師の様子をノーカット・フルテロップでお届けします。後半はぶら下がり会見となっています。
▼出演者▼
「チームみらい」
● 安野貴博（党首・参議院議員）
X： / takahiroanno
Instagram： / takahiro.anno.sns
TikTok： / takahiroannosns
YouTube： / @安野貴博
● 峰島侑也（衆議院議員）
X： / mineshima_mirai
Instagram： / yuyamineshima_teammirai
YouTube： / @yuya_mineshima
● 小林修平（衆議院議員）
X： / syuhei_mirai
Instagram： / syuhei_mirai
YouTube： / @syuhei_mirai
0コメント