シリーズ: 知新察来 ◆今回のピックアップ記事： Kenneth R. Rosen, "The US has already lost the Arctic war" (I nstitute of Art and Ideas , 2026年1月28日） 概要：トランプ大統領のグリーンランド領有発言の背景にある、北極圏における米国の長年にわたる戦略的失敗を検証。第二次世界大戦期から冷戦期を経て現在に至るまで、アメリカがグリーンランドで築いてきた軍事インフラの歴史と、気候変動・予算不足・関与意欲の欠如によってそれが崩壊しつつある現状を、現地取材を交えて描き出す。 グリーンランドを「手に入れる」というトランプ大統領の発言が世界を驚かせました。しかし、その派手な見出しの陰には、もっと深刻な問題が横たわっています。北極圏という「世界の屋根」で、アメリカはすでに後手に回っているのかもしれません。 気候変動によって北極の氷が溶け、かつては通行不能だった航路が開かれつつあります。資源へのアクセス、軍事的要衝としての価値、そして新たな国際秩序の形成──北極圏は2

シリーズ: 知新察来 ◆今回のピックアップ記事： Aleksa Gordić, " Inside NVIDIA GPUs: Anatomy of high performance matmul kernels " ( Aleksa Gordić's blog , 2025年9月29日） 概要：NVIDIA GPU（特にHopper H100）のアーキテクチャを基礎から解説し、行列乗算カーネルの最適化手法を段階的に紹介。ナイーブな実装からwarp-tilingによる同期カーネル、さらにTMA（Tensor Memory Accelerator）やテンソルコアを活用した非同期カーネルまで、cuBLASを超える性能を達成するまでの道筋を詳述している。 ChatGPTやClaudeのようなAIが一つの質問に答えるたび、裏側では何十億もの「掛け算」と「足し算」が行われています。その計算を担うのがGPU。でも、同じGPUでも、プログラムの書き方一つで性能が10倍以上変わることがあります。たった1行のコードを入れ替えただけで、処理速度が13分の1に落ちること

シリーズ: 論文渉猟 ◆今回の論文： Taejong Joo et al., "On Surprising Effectiveness of Masking Updates in Adaptive Optimizers" (arXiv, 2026年2月17日） 概要： 大規模言語モデル（LLM）の学習において、パラメータ更新をランダムにマスク（省略）することが高い効果を発揮することを示した研究。ランダムマスクがもたらす「曲率依存の幾何学的正則化」という理論的な説明を与えつつ、そこからさらにモメンタムと勾配の方向整合性を利用した「Magma」を提案。1Bパラメータ規模のモデルでAdamと比較して約19%、Muonと比較して約9%の性能改善（perplexity削減）を達成した。 大きなAIモデルを訓練するとき、計算リソースは惜しみなく使うのが当然だと思われています。勾配（こうばい）と呼ばれる学習の手がかりは、せっかく計算したのだから全部使う。それが常識でした。 ところが最近、その前提を揺るがすような研究が登場しました。パラメータの更新をランダムに

シリーズ: 知新察来 ◆今回のピックアップ記事： Molly Kinder, "To save entry-level jobs from AI, look to the medical residency model" ( Brookings Institution , 2026年1月23日） 概要：AIがエントリーレベルの知識労働を代替し始める中、若手人材の育成経路が断絶する危機を指摘。医療のレジデンシー（研修医）制度をモデルに、ホワイトカラー職でも「学ぶこと自体が仕事」となる新たなキャリア形成の仕組みを提案。AI導入で効率化を進める企業が人材育成基金に拠出する「AI workforce reinvestment fund」などの具体策も示している。 「新卒の仕事がなくなる」。2026年1月のダボス会議で、Google DeepMindとAnthropicのCEOが揃ってそう警告しました。エントリーレベルの仕事、つまり若手がキャリアをスタートさせるための入門的なポジションが、AIによって消えつつあるというのです。 これまで多くの職場では、新