NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Laude Institute、シカゴ大学のAI気象予測研究室など4件に各1,000万ドル――計4,000万ドルの複数年支援

研究支援組織のLaude Instituteは2026年11月5日、AI研究支援プログラム「Moonshots // ONE」の最終採択として4研究室を発表しました。各研究室に複数年で1,000万ドル、計4,000万ドルです。加速科学部門にはシカゴ大学のAI気象予測チームが選ばれ、モンスーン降雨や熱ストレスの予測を現地データの乏しい地域の農業や公衆衛生につなげる研究を進めます。

発表の根拠はLaude公式の採択発表です。応募のあった4分野から1研究室ずつを選び、4つの決定はいずれも満場一致だったと説明しています。採択先は職業再訓練のスタンフォード大学、市民対話のCornell大学、医療のUCSFとUC Berkeleyの共同チーム、そして加速科学のシカゴ大学です。シカゴ大の研究室名は「Actionable AI Weather Forecasts for Developing Economies」で、発展途上国に向けたAI気象予測を扱います。

「人間中心のAI気象予測には、正確で行動につながる情報を発展途上経済の何百万人にも届けることで、命を救い繁栄を後押しする可能性があります。」

Human-centered AI weather forecasts have the potential to save lives and boost prosperity by providing accurate, actionable information to millions in developing economies.

レベッカ・ウィレット氏(シカゴ大学、シード採択時の大学ニュース掲載の談話)
図解Moonshots // ONEの経緯
  1. 公募開始

    LaudeがSYR Summitで加速科学、医療、市民対話、職業再訓練の4分野で公募を開始した

  2. 120件最終応募

    応募締切。提案は計125件、600人超の研究者、47機関に及んだ

  3. 8組シード採択・各25万ドル

    6か月で1,000万ドル研究室の提案を競う。準グランド4組に各20万ドル、13組に各10万ドルも支給した

  4. 4研究室各1,000万ドル

    最終採択を発表。複数年支援の計4,000万ドルで、4つの決定はいずれも満場一致だった

Laude公式発表2本(2026-04-15、2026-11-05)による。最終応募の120件は締切時の公表値、125件は2026年4月発表時の提案数です。

選考の規模はLaudeの説明では125の提案、600人超の研究者、47機関に及びました。上位8組がファイナリストとして6か月間のシード支援を受け、11月5日のデモデーで提案を審査員に説明しています。審査員にはNSF技術・イノベーション・パートナーシップ部門(TIP)の特別顧問も加わり、選定委員会にはJeff Dean氏、John Jumper氏、John Hennessy氏、Yejin Choi氏、Eric Horvitz氏、Thomas Wolf氏らが名を連ねました。

資金の出所も公表されています。Laudeは当初、1,000万ドルの研究室を1件だけ支援する予定でした。ファイナリスト8組の選定後、NSFのTIPが1,700万ドルを出し、科学、職業再訓練、医療の3分野の研究室を支えます。連邦資金でありながら、Laudeの選考過程で選んだチームにNSF自身の外部審査で検証を加える形だとLaudeは説明しています。残る資金はJeff Dean氏、Sanjay Ghemawat氏、John Hennessy氏、Ben Gomes氏、Dave Patterson氏の個人寄付で賄われ、4研究室が完納されました。

図解最終採択された4研究室
  • 加速科学

    採択先
    シカゴ大学
    研究の焦点
    AI気象予測。モンスーン降雨と熱ストレスを農業と公衆衛生の意思決定につなげる
  • 医療の推進

    採択先
    UCSF・UC Berkeley(JupyterHealth)
    研究の焦点
    ウェアラブル、診療録などのデータをつなぐオープンな医療基盤
  • 市民対話の強化

    採択先
    Cornell大学
    研究の焦点
    コミュニティがAIの規則を定め、影響を監査する基盤
  • 職業再訓練

    採択先
    スタンフォード大学
    研究の焦点
    変化する仕事の計測と、人の学習を助けるシステムの設計・評価

Laude公式発表(2026-11-05)による。各研究室に1,000万ドルの複数年支援です。

シカゴ大のプロジェクトはシード段階から進んでいました。大学の2026年4月の発表では、アジア開発銀行との提携を通じてアジアの4か国の当局と協議を始めたことが紹介されています。気象当局の職員向けにAI気象予測の研修も運営しており、2025年にバングラデシュ、チリ、エチオピア、ケニア、ナイジェリア、2026年にコロンビア、インドネシア、フィリピン、ルワンダ、セネガルの参加が予定されています。研究室では各国が自国のデータを組み込めるソフトウェアと、予測を比較できるベンチマークを作ると説明していました。

Laudeの研究室ページは、チームがすでに3,800万人の農家に改善された予測を届けたと説明し、インドとエチオピアへの拡張を挙げています。この数字はLaude側の説明で、今回の1,000万ドルで作る成果とは区別して読む必要があります。今回の発表は研究助成の決定であって、企業への出資ではありません。新モデルの完成時期、一般公開、精度改善の数値は発表されていません。Laudeは今後、研究室の進捗を報告していくとしています。

出典

  1. Laude Institute「Four labs, $40 million: announcing the winners of Moonshots // ONE」2026-11-054研究室の選定と各1,000万ドル・計4,000万ドル、4部門と採択先、満場一致、NSF TIPの1,700万ドルと対象分野、個人寄付者、選考委員会、シード8組各25万ドル、125提案・600人超・47機関
  2. Laude Institute「Announcing Moonshots // ONE」2026-04-15シード8組の各25万ドルと6か月、準グランド4組各20万ドル、13組各10万ドル、公募から締切までの日程、シカゴ大チームのメンバーと主催
  3. Laude Institute「Actionable AI Weather Forecasts for Developing Economies」研究室ページモンスーン降雨と熱ストレスの焦点、3,800万人の農家への既存の予測提供、インドとエチオピアへの拡張の説明
  4. University of Chicago News「UChicago team wins funding to develop AI weather forecasts for underserved areas」シード採択時ウィレット氏の談話、メンバーの専攻、アジア開発銀行との協議、気象当局向け研修の対象10か国、自国データを組み込むソフトウェアとベンチマーク、Laudeの1億ドル拠出枠の説明

出典の確認日 2026.11.06

KEEP EXPLORING

あわせて読みたい記事と映像

AIと社会の記事一覧
  1. Bitdefender、AIコーディング環境を狙う悪性GitHubコンテンツを分析──AGENTS.mdでの誘導と起動フックの2経路、悪性リンク22件

    セキュリティ企業Bitdefenderの研究部門Bitdefender Labsは2026年11月17日、AIコーディング支援ツールの利用環境を狙う悪性GitHubコンテンツの分析を公開した。研究者Andrei Anton-Aanei氏らが確認した悪性リンクは22件で、AGENTS.mdやCLAUDE.mdの文章でAIにsetup.jsの実行を誘導する経路に加え、.claude/settings.jsonのセッション開始フックでAIの判断を介さずコマンドを実行できる経路が報告されている。22件はリンクの数で、感染者数を示すものではない。

    記事を読む
  2. POSTECH、LLMが勾配学習なしでモデルの重みを直接書く「Weight-Space Programming」──3つのLLMが疎なテーブルを設計、ARCで最大54.4%

    POSTECH(韓国の浦項工科大学)のHyunjong Ok氏とJaeho Lee氏は2026年11月17日、勾配ベースの学習を使わず、大規模言語モデル(LLM)にモデルの重みを直接記述させる「Weight-Space Programming」の研究をarXivに公開した(arXiv:2611.22055)。Claude Opus 5.5、GPT-6.1 Sol、GPT-6 Astraの3モデルに10件のラベル付き例とサンドボックスを与えて実験したところ、アーキテクチャの設計を任せた3モデルすべてが、テキストで書いた事実を置く疎なテーブルと、それを読む固定の手続きでモデルを構成した。ARCの選択式テスト3,530問での精度は最大54.4%(偶然は25%)で、著者報告では、同じLLMが記述した最良の公開Transformerを約1,800分の1のパラメータで上回った。実験で作った56モデル(テキストファイル計68MB)をMITライセンスで公開しているが、測定・分析コードの大半は含まれていない。

    記事を読む
  3. Google GTIG、実際の侵入でAIエージェント基盤の悪用を観測──脆弱性調査と悪用の完全自動化を初確認、LLMJackingの被害は単日10万ドル超

    GoogleのGoogle Threat Intelligence Group(GTIG)とMandiantは2026年11月16日、四半期ごとの脅威観測レポート「GTIG AI Threat Tracker: Agentic Threat Activity Crosses a Significant Threshold」を公開した。複数の脅威アクターがオープンソースのマルチエージェント型ペネトレーション基盤(ARTEX、CAIRN、CyberStrikeAI、PentAGI)を悪用し、実際の侵入の個別の工程を自動化した事例を観測した。脆弱性の発見と悪用を人間の介入なしに完全自動化するLLM基盤の使用は、この四半期に初めて確認したという。LLM認証情報の窃取でクラウド資源を消費するLLMJackingでは、単日の不正請求が10万ドルを超えた事例があり、最も深刻な事例では累計100万ドルに達した。観測範囲は限られ、数値はGoogleの報告値。

    記事を読む