2026/08/05 0:37

Apple は、退職した従業員が秘密情報をOpenAIに持ち出した可能性が高いと発表した

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

以下の改善されたバージョンは、主たるメッセージが明確かつ簡潔であるよう保ちつつ、欠落していた詳細を補っています：

サマリー（改善版）：

Apple は、Apple の技術に基づく AI デバイスまたは製品の開発を OpenAI に禁止するための仮処分申請を行っています。その根拠には、現在の従業員が Apple の機密となる営業秘密を不適切に取扱い、これによる損害が生じたという主張があります。新たな提出書面において、Apple は OpenAI の従業員であるチャン・リウ氏とタン・イウ・タン氏ならびに OpenAI および io（ジョニー・アイブ氏が共同創設したスタートアップ企業）に対し、迅速な開示手続きの実施を求めています。同社は、調査によりさらに 11 名の元従業員が証人となる可能性があり、事件に関与している可能性があるとしており、これには既に名前が挙げられたペング（Yu-Ting Peng）氏も含まれます。Apple が提出した新たな証拠は、不当な行為が最初の訴状で指摘された範囲を越えて広がっていることを示唆しており、具体的には、元従業員が Liu 氏と Peng 氏と会い、未発表の製品に関する機密情報を議論したこと、また別の元従業員が OpenAI の会議前に機密書類をスクリーンショットとして撮影したことが指摘されています。Apple が訴状を提出した後、現在 OpenAI に勤務している複数の元従業員は、離職時に持ち去った業務用デバイスを Apple に返還するよう連絡しており、これが示すように、今回の違反行為の深刻さが浮き彫りになっています。以前には、Apple が「同様の姓による誤送信などの過去のセキュリティ不備」や、「旧従業員の残留アクセスが Apple のセキュリティ不足に起因する」という理由で自己防衛を図っていたにもかかわらず、OpenAI は現在、Apple から injunction（停止命令）を求める請願を虚偽の情報に基づく不必要なものと反論しています。また、OpenAI はさらに、訴訟に関する一般弁護士との議論について Apple が嘘をついたと主張しています。仮にこの仮処分が認められた場合、OpenAI の製品開発が即座に制限され、Apple の技術に依存するイノベーションの停滞や、元インサイダー競合他社に対する知的財産保護における重要な先例設定につながる可能性があります。

本文

アップル対オープンエアイ：商標秘密事件の進展と新たな主張

事件の概要と目的

先行執行仮差止めの請求: アップルは、人工知能モデルの開発企業であるオープンエアイに対し、アップルの技術に基づいた製品の開発を阻止することを目的として、仮差止めの請求を行っている。
商標秘密の侵害: オープンエアイ側が、アップルの商標秘密（機密情報）を使用・盗用しているとの指摘が含まれている。

アップルによる新たな主張と証拠開示要求

最新の書類提出において、アップルはより広範な関与を突き止めたことを示し、迅速な証拠開示を裁判所に求めています。

特定された関与人物

以下の人物が事件に関与している可能性があると指摘されています：

チャン・リウ氏: オープンエアイのシニアシステムエンジニア（元アップル）。
タン・ユイ・タン氏: オープンエアイの最高責任者（CWO）、元アップル。
ジョニー・アイブ氏: アップルの元首席デザイナー、オープンエアイおよびその財団共同創設者。
デバイススタートアップ「io」: 上記人物らが共同創設した企業。

追加された疑念（少なくとも 11 名）

当初の訴状に名前が出られていなかった人物が関与している可能性も示唆されています：

ユー・ティン・ペン氏（オープンエアイ従業員）など、他の人物も含む計少なくとも 11 名の元アップル従業員。
これらの人物は本案の証人たり得る、あるいは事件に直接関与している可能性が示唆されています。

具体的な不法行為の事例

書類には、以下の具体的な機密情報の漏洩や不正な接触に関する記述が含まれています：

非公開製品の情報開示:
- 別の元アップル従業員によれば、ユー・ペン氏がオープンエアイで面接を受ける前に、リウ氏らと会合を持ちました。
- この会で、非公開製品に関するアップルの機密情報が話し合われたとのことです。
ドキュメントのスクリーンショット:
- 別の元アップル従業員によれば、面接前の時点で、未発表のアップル製品に関する機密ドキュメントのスクリーンショットを取得していたとの指摘です。
職務用デバイスの返還問題:
- アップルが訴状提出後に、現在オープンエアイで勤務する元従業員らが持ち出していた職務用デバイスの返還について協議に来たとのこと。
- これにより、事件に関与した他の人物がいる可能性が高いことが示唆されています。

オープンエアイの公式反論と主張

オープンエアイはアップルの動きに対し、公式ブログを通じて以下の内容を声明しました：

請求の根拠否定: アップルによる先行執行仮差止めの求めは、虚偽の情報に基づいており必要とされないものです。
機密情報の所持否定: 当社はアップルの商標秘密を所持しておらず、望んでおりません。
画期的な技術への意欲: 「私たちは、画期的な製品や技術を開発して先駆となることを強く願っています」と強調しています。

アップル側に対する具体的な指摘

オープンエアイは、以下のようなアップル側の過去のミスや主張の問題点を挙げています：

同姓者による誤認: アップルが連絡を求めた際、同名の人物を誤認して間違った相手にメールを送った事例。
偽装された会話: アップル側が一般弁護士との会話を偽装したとする指摘。
「残存アクセス」への非難: 退職後もシステムへのアクセスを認められる「残存アクセス」が、アップルのセキュリティ体制の甘さから生じたものであるという主張について、アップル側がこれを認めていない点を挙げています。

記事元と連絡先

当記事はテッククラウンチ（TechCrunch）による報道です。

記者情報: サラ・ペレス氏（2011 年よりテッククラウンチ勤務）。
連絡方法:
- メール:
```
sarahp@techcrunch.com
```
- シグナル (Signal) ID:
```
sarahperez.01
```

※注記：当サイトを通じてご購入いただくと、編集上の独立性に影響のない少額のコミッションをいただく場合がございます。

同じ日のほかのニュース

一覧に戻る →

2026/08/05 7:01

インターポールが警告、アフリカのサイバー犯罪の半分以上を AI が支えデジタル詐欺急増

## 日本語訳：以下に、元の草案から欠落していた特定の地域的なニュアンスおよび文脈源をより適切に統合しつつ、明瞭さを維持するためにもたらされた改善されたバージョンが示されます。 ## サマリー（改善版） INTERPOL の 2026 アフリカサイバー脅威評価によると、人工知能はアフリカ全体でサイバー犯罪における支配的な力となり、報告された事例の半分以上を原動力とし、2024 年の 1,9200 万ドルから 2025 年には 4,8400 万ドルへと金融損失を増大させています。状況は地域によって多様です：西アフリカおよび南部アフリカは主要な詐欺センターを擁しており（調査対象国の 72% で特定）、中央アフリカではビジネスメールへの侵害やロマンス詐欺の発生率が高く、東アフリカではモバイルマネー詐欺、重要インフラに対するランサムウェア攻撃、合成アイデンティティ犯罪に苦しんでいます。特定のセックス extortion の急増が明らかで、TrendAI がディープフェイクに関連する約 60 万件の事例を検出しています。犯罪者はこれらのツールをソーシャルメディアやモバイルマネーおよびデジタル銀行のようなプラットフォームと組み合わせ、ローンの目的や SIM カード登録のために合成アイデンティティを伴う複雑なスキームを実行するために使用します。しかし、依然として重大な脆弱性が存在しており、特に南部アフリカのように高度なデジタル接続を有する国々において、銀行、通信事業者および法執行機関間の弱い連携は、犯罪者が盗まれた資金を瞬時に国境を超えて移動させることを可能にしています。これらの課題にもかかわらず、対応は増えつつあります；2025 年だけでも、セネガルの新しいオンライン報告プラットフォームを含むサイバー犯罪法の更新を行ったアフリカ諸国は 17 カ国あり、Serengeti 2.0 など共同作戦を促進し、それらは 1,500 件以上の逮捕と 1 億ドル以上の資金の回復をもたらしました。将来のセキュリティは、これらの進化する AI 駆動型の脅威に対処するために、持続的な国際協力および強化された地域準備に依存します。

2026/08/05 1:36

Mistral の Shieldstral：マルチモーダル検閲向けに公開された 3B オープンウェイトモデル

## 日本語訳: Shieldstral は、NVIDIA との Open Secure AI Alliance の初メンバーとして Apache 2.0 ライセンスの下でリリースされた、30 億パラメータを持つオープンウェイトのマルチモーダル安全性分類器です。このモデルは、テキストと画像の安全性評価を単一の適応型インターフェースに統合し、1 トークンから定量化された連続的な安全性スコアを返します。Shieldstral は、コンテンツモデレーションを文脈・厳格度に適応する質問応答タスクとして位置付け、推論時に再トレーニングなしで平易な言語でのポリシーを受け入れる 3 つのコンポーネント（<Instruct>：文脈／厳格度、<Query>：はい/いいえの安全性に関する質問、<Document>：評価対象のテキストまたは画像）を採用しています。Shieldstral は、プロンプト分類、回答モデレーション、拒否検出、毒性検出を単一の適応可能な問題に統合します。性能については、テキスト安全性、拒否検出、ポリシー適応性、マルチモーダルベンチマークにおいて、最大 7 倍のサイズを持つオープンガードモデルと同等かそれ以上の性能を示し、1 つの 16GB の NVIDIA GPU で効率的に動作します。Forge 上でのエンドツーエンドトレーニングでは、多様なラベル形式を持つ現実および合成データを組み合わせたヘテロ지니어ズなデータを使用し、以下の 4 つの主要な課題に取り組んでいます：（1）ヘテロ지니어ズなデータタクソノミーの統合、（2）暗記ではなく判別の学習、（3）画像に基づく安全性の根拠付け、（4）LoRA と SLERP メージを介した補完的なチェックポイントの組み合わせです。データ処理では、ソースごとの厳格度調整（ジャイルブレイク用は厳しく、回答品質用は緩い）を行い、定量化された意思決定境界を学習し、一般的な画像データセットを負例として使用するとともに、視覚・言語再ランク付けにより誤ラベル付けされたペアをフィルタリングしました。今後の計画としては、多言語対応の拡大、長文書に対する堅牢性の向上、およびマルチモーダル安全性機能の幅広化が含まれます。

2026/08/05 0:16

Show HN: 肌の色調を多様化する単純なアルゴリズムと色彩空間

## Japanese Translation: このプロジェクトは、デジタルアートおよびキャラクター作成向けに包摂的なツールを促進することを目的とした、簡略化された RGB ベースの色空間を導入します。これは、現在のシステム（絵文字：5 色、メイクアップパレット：約 50 色など）の限界に対処するものです。本モデルは、生物学的要因（メラニンや血流など）、個々のバイアス、健康状態（例：黄疸など）、および異なるディスプレイ環境によって複雑化している人間の肌トンの莫大な複雑性に対する科学的権威を主張するのではなく、実用的で「十分良好な」エンジニアリングの起点を優先します。手法は、手動での RGB データラベリング、主成分分析（PCA）によるデータセットの変換、Desmos 3D、SymPy、matplotlib、scikit-learn などのツールを用いた球面式のフィッティングを含みます。得られたシステムは、PCA 軸から導かれる 3 つの独立した値を利用し、UI を介して調整されます。ここで、可変的な球半径パラメータは色の変化を制御します；具体的には、この半径を小さくすると、すべての肌トーン（深肤色、白人、冷色調、温色調）において一様に変化が減少し、特定のグループを不均衡に排除することはありません。原点点はニュートラルな曖昧なトーンを表し、マッピングバイアスを特定するために有用です。今後の作業では、専門家ラベラーを用いてモデルを微調整し、黄疸や白斑症などの状態に対する簡略化された表現を取り入れる予定です。本アプローチは科学的でないことを認める一方で、エンジニアリング用途においては依然として非常に機能性を備えていることを認識しています。