8月19日版 — The Trend Tribune

【田中テック】2026年8月19日

コピペしても消えない「透かし」——Claudeの文章に埋め込まれた、目に見えない印の正体

8月11日、Anthropicが、Claudeが生成するテキストに、機械可読な透かし（ウォーターマーク）を埋め込む仕組みを、世界中で有効化したことを正式に発表した。EUのAI規則（AI Act）が求める透明性義務への対応が直接のきっかけだが、その適用範囲はEUだけにとどまらない。エンジニアとして、この透かしが技術的にどう機能し、何ができて何ができないのかを、正確に理解しておきたい。

きっかけは「EU AI Act第50条」

この透かし機能導入の直接の引き金は、8月2日に施行されたEUのAI Act第50条の透明性義務だ。以前取り上げたように、この規則はAIが生成したコンテンツに対して、機械的に検出可能な形での印付けを義務付けている。Anthropicはこの規則を定めた「行動規範（Code of Practice）」に署名しており、今回の透かし機能は、その公約を果たす形での実装ということになる。

対象となるのは、8月2日以降にリリースされたClaudeモデルだ。それ以前のモデルについても、今後数ヶ月かけて順次対応を進めていくとされている。適用範囲は、Claude本体だけでなく、Claude API、Claude Code、Claude Cowork、Claude Tag、さらにAWSやGoogle Cloud、Microsoft Foundry経由での利用も含む、Claudeが使われるあらゆる場面に及ぶ。

「単語選びのクセ」に統計的な印を刻む仕組み

この透かしの技術的な仕組みは、AIモデルがテキストを生成する基本的なプロセスに関わっている。大規模言語モデルは、一度に一語ずつ、次に来る単語を選びながら文章を生成していく。その選択の際、モデルは複数の候補となる単語の中から、文脈上最も自然なものを選び出す。

Anthropicの透かし技術は、この単語選びの過程に、暗号鍵に基づいた統計的な偏りをわずかに加える。人間の読者には全く感知できないレベルの偏りだが、その鍵を知っている検出システムであれば、生成されたテキスト全体を通じて、この統計的パターンの有無を確認できる。これはGoogle DeepMindが開発した「SynthID-Text」という技術の応用版であることが、8月14日に公開されたAnthropicの技術FAQで明らかにされている。

「コピペしても消えない」という特徴

この透かしの実務上重要な特徴は、テキストをコピー＆ペーストしても、透かしがそのまま維持される点だ。透かしは、追加の文字や記号を挿入する形ではなく、単語そのものの選択パターンに組み込まれているため、テキストの中身自体が変わらない限り、透かしも残り続ける。

Anthropicは、この透かしが「品質、内容、読みやすさに実質的な影響を与えない」「余分なトークンを必要とせず、コストも増加しない」と説明している。また、透かしには特定の個人や組織、会話を特定できるような識別情報は含まれておらず、あくまで「このテキストがClaudeによって生成された可能性がある」ことを示すシグナルにとどまるという。

「翻訳」や「校正」にも透かしは付く

興味深いのは、この透かしの適用範囲が、ゼロから生成された文章に限らないという点だ。Anthropicの説明によれば、Claudeによる翻訳作業も、すべての単語がClaudeによって選ばれているため、透かしの対象になる。ユーザーがスペルミスを修正させただけの場合でも、修正された箇所には透かしが付与されうる。

これは、透かしの発動条件が「AIが文章をゼロから書いたかどうか」ではなく、「AIが単語の選択に関与したかどうか」という、より広い基準で判断されていることを意味する。

検出は「AIによる文体の癖」とは別物

Anthropicは、この透かしと、従来型のAI検出ツールとの違いについても明確に説明している。既存のAI検出サービスは、Anthropicの暗号鍵を持っていないため、透かしそのものを検出することはできない。その代わり、これらのサービスは、AIモデルが好んで使う言い回しの癖——例えば「これは単なるXではなく、Yだ」という構文や、「静かに（quietly）」という単語の頻出——といった、文体上の特徴を手がかりに判定を行っている。

透かしの検出は、これとは全く異なるアプローチであり、より確実性の高い判定を可能にする一方、あくまで「Claudeが処理した可能性がある」ことを示すに過ぎず、「これは絶対に人間が書いていない」という断定的な証明にはならない、という限界もある。

ファイルには別の仕組み——C2PAという業界標準

生成されたテキストとは別に、画像やSVGといったファイル形式のコンテンツに対しては、Anthropicは「C2PA」という、業界横断で採用が進むオープンな標準規格を使った、デジタル署名付きの来歴メタデータを付与する。ただし、こちらの仕組みは、ファイル形式の変換や再保存、スクリーンショットといった処理を経ると、痕跡が失われてしまう可能性があるとAnthropicは説明している。

エンジニアとして見ておきたいこと

Anthropicのあるエンジニアは、この透かしの限界について「完璧ではない、編集すれば消せる、しかしこれは第一歩だ」と率直に認めている。今後、テキスト検出用のAPIも一般公開される予定だとされており、開発者が自分のアプリケーション内で、この透かしを直接検証できるようになる見込みだ。

OpenAIやGoogleを含む、同じ行動規範に署名した他の主要AIラボも、それぞれ独自の透かし技術を実装していく方針だとされている。AI生成コンテンツの識別という課題に対して、業界全体が「完璧な解決策」ではなく「検出可能性を高める、いくつもの層を重ねたアプローチ」で臨もうとしていることが、今回のAnthropicの発表からも見えてくる。自社のプロダクトでClaude生成コンテンツを扱う開発者にとって、この透かしの仕組みと限界を正確に理解しておくことは、今後ますます重要になりそうだ。

参考：www.anthropic.com／support.claude.com／techcrunch.com／www.euronews.com／explainx.ai

AnthropicClaude透かしEU AI ActAI/ML

「小数点第5位」の改善が意味すること——AIが40年来の数学記録をまた一歩更新した

【山本浪漫】

▶ 8月17日にarXiv投稿された論文が、行列乗算指数ωの上限を2.371339から2.371177へ更新。前回記録保持者のJosh Alman氏・Virginia Vassilevska Williams氏本人が参加した共同研究、再定式化・新最適化アルゴリズム設計・AlphaEvolveによる精緻化という三段階アプローチ、勾配法単体とAlphaEvolve併用での改善幅の定量比較、単一GPU5時間という計算コストの小ささ、専門家とAIツールの協働という現在地までを解説する。

「小数点第5位」の改善が意味すること——AIが40年来の数学記録をまた一歩更新した

8月17日、arXivに投稿された短い論文が、理論計算機科学の世界で長年追跡され続けてきた、ある定数の記録を更新した。「行列乗算指数」と呼ばれるこの値を、Google DeepMindの「AlphaEvolve」と、その分野の記録保持者本人たちが手を組んで、わずかに、しかし着実に押し下げたという内容だ。AI研究者出身のジャーナリストとして、この地味に見えて実は重要な進展を、丁寧に解説したい。

「行列乗算指数」とは何か

行列乗算指数（記号でω「オメガ」と表記される）は、n×n行列同士の掛け算を計算するのに、理論上どれだけ効率的な方法が存在しうるかを示す指標だ。この値が小さいほど、大規模な行列の掛け算を、より少ない計算ステップで実行できることを意味する。

行列の掛け算は、機械学習における順伝播計算やアテンション機構、科学技術計算やグラフアルゴリズムなど、コンピューティングの極めて広範な領域の基盤をなしている。理論値であるω=2（これ以上小さくはできないと予想されている下限）にどれだけ近づけるかという競争は、理論計算機科学において、数十年にわたって続けられてきた、地道だが極めて重要な研究テーマだ。

「小数点第5位」の重みを正しく理解する

今回の論文が示した成果は、ωの上限を、これまでの最良記録であった2.371339から、2.371177へと更新したというものだ。数字の変化だけを見れば、小数点第5位でのわずかな改善に過ぎないように映るかもしれない。しかし、この分野の研究者にとって、この規模の改善は、決して些細なものではない。

論文の著者たち自身が「我々の改善は、2020年に2.376という値が達成されて以降の、過去40年間におけるほとんどの改善と、規模において匹敵する」と述べている。行列乗算指数の研究は、一つ一つの改善が、新しい数学的テクニックの発見を必要とする、極めて困難な領域であり、小数点以下のわずかな前進が、研究者たちの大きな達成として扱われる世界なのだ。

「最先端の研究者」と「AIツール」の共同作業

この研究で特筆すべきは、著者リストの構成だ。論文には、この分野の直近の記録保持者であるジョシュ・アルマン氏（コロンビア大学）とヴァージニア・ヴァシレフスカ・ウィリアムズ氏（MIT）が名を連ねている。つまり、AIが人間の専門家を出し抜いて記録を更新したという話ではなく、その分野の第一人者たち自身が、AlphaEvolveという道具を使って、自らの過去の記録をさらに更新したという構図になっている。

研究チームは、まず既存の最適化問題を、より広い探索空間で解けるように再定式化し、次に機械学習の進歩を活用して新しい最適化アルゴリズムを設計し、最後にその結果をAlphaEvolveでさらに洗練させるという、三段階のアプローチを取ったと説明している。

数字で見る「AlphaEvolveの貢献分」

論文はさらに踏み込んで、それぞれの手法がどれだけの改善に寄与したかも定量的に示している。勾配ベースの最適化手法だけでも、ωの上限におよそ0.97×10⁻⁴の改善をもたらしたが、そこにAlphaEvolveによる仕上げの洗練を加えることで、改善幅はおよそ1.62×10⁻⁴にまで拡大したという。

つまり、AlphaEvolveは、人間の研究者が設計した最適化手法の「土台」の上に、さらに上乗せする形で貢献したことになる。この構図は、AIが人間の研究プロセスを完全に代替するのではなく、専門家が構築した枠組みの中で、AIが最後の精緻化を担うという、現時点でのAIと数学研究の協働の、一つの現実的なあり方を示している。

計算コストという、もう一つの注目点

この研究のもう一つの興味深い点は、その計算コストの小ささだ。論文によれば、AlphaEvolveが最適化アルゴリズムを実行し、ωの上限を出力するのに要した時間は、単一のGPUでおよそ5時間だったという。数十年来の理論的な記録を更新する作業が、比較的ささやかな計算資源で達成されたという事実は、この種の数理的な最適化問題において、AIツールがいかに効率的に機能しうるかを物語っている。

「一度きりの成功」か「再現可能な手法」か

この論文の著者たちは、今回の改善が「これ以上の大幅な改善を得るには、新しい数学的知見が必要になるだろう」とも率直に記している。つまり、AlphaEvolveによる自動的な最適化だけで、この先も記録が際限なく更新され続けるわけではなく、いずれは人間の研究者による、新たな理論的ブレークスルーが必要になる段階が来る、という見立てだ。

今後、同様の「再定式化＋AlphaEvolve」というパイプラインが、矩形行列の乗算や、テンソルランクといった、関連する別の理論的問題にも応用されていくかどうかが、この手法が「一度きりの成功」なのか、それとも「繰り返し使える方法論」なのかを見極める、次の試金石になりそうだ。

研究者として見ておきたいこと

今回の成果は、AIが理論数学の最前線において、人間の専門家に取って代わるのではなく、専門家と協働しながら、着実な前進を積み重ねていく一つの実例だ。以前取り上げたAstraによる未解決問題の解決とは異なり、今回のケースは、既に確立された理論的枠組みの中で、AIが最適化という得意分野を活かして、記録の精緻化に貢献したという性格が強い。

理論計算機科学のような、一見するとAIの応用から遠い分野においても、この種の「人間による問題の再定式化」と「AIによる最終的な最適化」を組み合わせるアプローチが、今後さらに広がっていく可能性がある。次にこの手法がどの理論的問題に応用されるのか、注目していきたい。

参考：arxiv.org／aiweekly.co／www.arxivnews.org

AlphaEvolveDeepMind数学理論計算機科学AI/ML

バランスシートに載らない「1.5兆ドルの約束」——ビッグテックのAI投資に潜む、見えにくい負債

【鈴木光悦】

▶ Financial Timesの8月分析によれば、Alphabet・Microsoft・Amazon・NVIDIA・Oracle・Metaの購入コミットメント総額が約1.5兆ドルに到達、Goldman Sachs特定のリース債務1.5兆ドルとは別枠。設備投資と購入コミットメントの会計上の違い、貸借対照表の注記に隠れやすい将来支払い義務、4社合計1.65兆ドルという別集計が示す負債総額の122%という規模、AI投資企業と半導体株の相関崩壊が示す投資家心理の変化までを会計的に整理する。

バランスシートに載らない「1.5兆ドルの約束」——ビッグテックのAI投資に潜む、見えにくい負債

Financial Timesが8月に公表した分析によれば、Alphabet、Microsoft、Amazon、NVIDIA、Oracle、Metaの6社が積み上げてきた「購入コミットメント」の総額が、およそ1.5兆ドルに達しているという。これとは別に、Goldman Sachsが特定した1.5兆ドル規模のリース関連の債務もある。会計士として、この「購入コミットメント」という、あまり聞き慣れない会計用語の中身を、丁寧に見ていきたい。

「設備投資」と「購入コミットメント」は別物

まず整理しておくべきなのが、通常ニュースで語られる「設備投資（capex）」と、今回話題になっている「購入コミットメント」の違いだ。設備投資は、ある会計期間中に企業が実際に支出した金額を示す。一方、購入コミットメントは、企業が将来の期間にわたって支払うことを、契約上既に約束している金額を指す。

この違いが重要なのは、会計上の扱いにある。通常の借入金（デット）であれば、貸借対照表上に明確な負債として計上され、投資家は一目でその規模を把握できる。しかし、購入コミットメントは、多くの場合、貸借対照表の「本体」には表れず、注記（financial statement footnotes）という、より目立たない場所に記載される。Financial Timesはこれを、通常のバランスシートの読み方に慣れた人が見過ごしがちな、将来の現金支出義務だと指摘している。

Alphabetの「急増」が示すもの

今回の分析で具体的に触れられているのが、Alphabetの購入コミットメントが、第1四半期から第2四半期にかけて急増したという事実だ。同社が、長期にわたる技術インフラとエネルギー関連の契約を、相次いで確定させたことが背景にあるとされる。

こうした契約の急増は、AI企業が数年先を見据えて、計算資源や電力の確保を先回りして進めている表れでもある。一方で、これらの契約は、一度結んでしまえば、将来の需要動向がどう変化しようとも、支払い義務そのものは基本的に固定される。売上や利益の成長が計画通りに進まなかった場合、この確定した支払い義務が、企業の財務的な柔軟性を大きく制約する要因になりうる。

別の集計では「1.1兆ドル、さらに7450億ドル追加」

同様の集計を行った別の分析では、Amazon、Google、Meta、Microsoftの4社合計で、2023年以降の設備投資額が既に1.1兆ドルに達しており、2026年単年だけでさらに7,450億ドルが追加される見通しだとされている。この分析ではまた、これらの企業が抱える将来の支払い義務の総額が、およそ1.65兆ドルに達し、これは各社の貸借対照表に計上されている実際の負債総額の122%に相当するという、興味深い比較も示されている。

つまり、投資家が財務諸表の「負債」の欄だけを見て企業の財務リスクを判断すると、実際に企業が抱えている将来の支払い義務の全体像を、大きく過小評価してしまう可能性があるということだ。

「$725Bクラブ」という規模感

より直接的な設備投資の数字で見ると、Amazon（約2,000億ドル）、Microsoft（約1,900億ドル）、Alphabet（1,750億〜2,050億ドル）、Meta（1,150億〜1,450億ドル）の4社だけで、2026年に合計およそ7,250億ドルを投じる見通しだとされる。これは2025年の約4,100億ドルから77%増という、急激な伸びだ。J.P.MorganやGoldman Sachsといった主要金融機関は、2027年にはこの数字が1兆ドルを超えると予測している。

「隠れた負債」への懸念と、崩れつつある相関

この規模の資金が、確定した契約という形で先々の四半期に積み上がっていくことに対し、警戒の声も出始めている。ある分析では、AI関連の主要な投資企業群と、半導体株との間の相関関係が、過去4.5年間で最も低い水準にまで低下したことが指摘されている。これは、投資家の間で「巨額の投資が、本当に見合うリターンを生むのか」という疑念が、徐々に広がりつつあることを示唆する、一つのシグナルとして解釈できる。

会計士として見ておきたいこと

購入コミットメントという会計上の仕組み自体は、目新しいものでも、不正なものでもない。長期契約を通じて、将来必要となる資源を先んじて確保するのは、大規模な設備投資を伴う事業において、ごく一般的な経営判断だ。しかし、この種の将来の支払い義務が、通常の負債と同じ重みを持ちながら、貸借対照表の「本体」には表れにくい形で積み上がっているという事実は、投資家がAI関連企業の財務健全性を評価する際に、注記情報まで含めて丁寧に確認する必要があることを示している。

今後、AI関連製品やサービスからの収益が、これらの巨額の確定支出に見合うペースで拡大していくかどうかが、この「1.5兆ドルの約束」が単なる先行投資として評価されるか、それとも財務上の重荷として評価されるかを分ける、重要な分岐点になりそうだ。各社の四半期決算における、この購入コミットメントの推移を、今後も注視していく必要があるだろう。

参考：beingguru.com／www.tomshardware.com／finance.yahoo.com

AIインフラ設備投資ファイナンス会計ビッグテック