カリフォルニア大学バークレー校の人工知能研究機関BAIRが2026年の博士課程卒業生を発表した。各研究者が手がける汎用ロボットモデル、大規模言語モデルの推論、生成AIの制御といったテーマと、Physical IntelligenceやOpenAIといった新興企業、アマゾンやシカゴ大学など産学への分散配置が明らかになっている。AI人材が特定の巨大企業に集中しない流動的なパターンは、次世代の研究開発競争を読む上で一つの指標となる。

「汎用ロボット脳」を実装する研究者が目指す次

Trevor Darrell教授のもとで汎用視覚・ロボットモデルを研究したBaifeng Shi氏は、卒業後Physical Intelligenceへ入社する。Physical Intelligenceは基盤モデルをロボットの動作生成に応用するスタートアップで、ロボットAI分野の重要研究拠点になりつつある。また、器用な物体操作とロボット学習に取り組んだHaozhi Qi氏は、産業界のAmazonとシカゴ大学の教員ポストという産学両面のキャリアを選択した。研究者が特定の大手一社に吸収されるのではなく、「汎用ロボットモデル」という同じ研究領域から、スタートアップ、大企業の研究所、大学研究室へと分散する傾向が確認できる。

LLMの推論を「忘却させない」試みと安全性への構造的関心

チャットボットの基盤となる大規模言語モデル（LLM）に対し、推論時に独立処理される文脈情報を学習済みの知識として蓄積させる方法を探るCharlie Snell氏の研究は、LLMの長期記憶と計算効率のトレードオフを解く挑戦である。一方、Eve Fleisig氏は実際の利用者間で評価が割れる点をシグナルとした集団志向のLLM学習と、安全性評価の設計に取り組んだ。彼女はプリンストン大学の研究員となる。LLMの「推論の連続性」と「不特定多数への公平性」という二つの課題は、学術研究から次世代製品の競争軸へと発展する可能性がある。

画像生成AIを「解釈」し「制御」する研究の産業的含意

Grace Luo氏は画像生成モデルをコンピュータビジョンに再利用する研究や、言語活性化のメタモデリングでLLMの動作を操作する研究を進めた。同氏の進路は産業界のリサーチサイエンティストである。生成モデルが社会に広く使われるにつれ、内部表現の解釈や出力の制御は、著作権、バイアス除去、商用システムの信頼性担保に直結する。BAIRがこの領域に注力する博士を輩出したことは、生成AIの産業応用が「作ること」から「整えること」へと重心を移しつつある局面を示す。