2026年10月概要

10月は、AIの可能性に改めて驚かされる月だった。
OpenAIは、計算の難しさに関する重要な仮説への反証を報告した。
一方、医薬品の製造記録をAIに確認させ、確認作業にかかる時間を短縮した事例も出てきた。
研究の最前線と日々の仕事の両方で、AIが担う範囲は広がっている。

その成果を使う側には、新しい問いが残る。答えが出たとして、それが正しいと何で確かめるのか。人はどこまで自分で判断しているのか。

金融政策、暗号資産、量子計算、核融合にも、評価の物差しが問われる出来事があった。政策金利が同じでも政策全体は動く。決済の実取引と広範な普及は違う。量子情報を保つ精度と演算の精度も違う。核融合では、温度の測定、部品の搬入、材料設備の着工が、それぞれ別の前進を示している。

10月の変化を追う。

まず押さえたい3点

1. 日米欧は政策金利を据え置いた。 米国ではエネルギー価格が総合物価を押し上げ、日銀はETFの売却ペースを別途見直した。据え置きだけでは、政策の全体像はつかめない。

2. AIは難問と実務に踏み込んだ。 価値を決めるのは回答の生成だけでなく、根拠を検査できること、確認にかかる時間、人が独立に判断できることだ。

3. 量子計算と核融合では、具体的な実測と工程が進んだ。 一つの大きな数字にまとめず、何をどの条件で達成したかを見ると、期待と課題が整理しやすい。

1．金融政策｜据え置きの内側で、物価と資産売却が動く

日米欧が据え置き。米国の物価は総合とコアを分けて読む

10月の主要会合では、FRB、ECB、日銀がそろって政策金利を据え置いた。

決定日中央銀行主な政策金利と決定10月28日FRBFF金利誘導目標 3.75〜4.00%、据え置き10月29日ECB預金ファシリティ金利 2.50%、据え置き10月30日日銀無担保コール翌日物 1.25%程度、据え置き

各国で制度の異なる金利を記載。出典：FRB声明、ECB声明、日銀決定文。

判断が完全に一致していたわけではない。FRBでは2人、日銀では1人が利上げを求めた。ECBも、エネルギー価格の上昇が物価を押し上げる一方、成長を下押しするリスクを示した。今回の据え置きから、その先の利下げを機械的に読むことはできない。

10月14日公表の米国9月CPIは、前月比で総合が0.6%、食品・エネルギーを除くコアが0.3%。前年同月比では、それぞれ3.7%と2.6%だった。ガソリン価格が前月比9.1%上昇し、総合の月次上昇分の半分以上を占めた。BLS・9月CPI

総合の加速にはエネルギー要因が大きい。ただ、コアも上昇を続けている。私が見たいのは、ガソリンの上昇が一時的に収まるかに加え、輸送費やサービス価格、賃金へ広がるかどうかだ。

10月29日公表の9月PCE価格指数も、前月比で総合0.5%、コア0.3%、前年同月比では3.6%と3.1%だった。CPIとPCEは対象や比重が異なるため、数字を混ぜずに追いたい。なお、このPCEの公表はFOMCの翌日であり、会合時に既に公表されていた数字としては扱わない。BEA・9月PCE

日銀はETF売却を、2027年1月から速める

日銀は金利を据え置く一方、保有ETFの売却ペースを、簿価ベースで年3,300億円から8,600億円へ変更すると決めた。実施は2027年1月からで、市場の状況に応じた調整や一時停止の余地も残している。日銀・ETF等の処分方針

これは10月に8,600億円を売ったという意味ではない。また、簿価と実際の売却時価は違う。金利の水準だけを見ると変化の乏しい月でも、中央銀行が市場に残した資産をどう縮小するかという政策は動いている。

今月の読み筋： 物価は総合・コアと月次・前年比を分け、政策は金利と保有資産を分けて見る。据え置きを「もう警戒しなくてよい」という合図にはしない。

2．暗号資産｜決済の実績と、AIに渡す権限

Pontesに、1億ユーロの実取引という続報

9月に稼働した欧州のPontesについて、実際の取引例が出た。BayernLBは10月27日、1億ユーロのコマーシャルペーパーを発行し、Siemensが購入した取引を公表した。SWIATの許可型ブロックチェーン上の証券と、Pontesを通じた中央銀行マネーの決済を結び、発行から決済まで数分だったという。BayernLB発表

この金額は一つの取引の規模であり、Pontes全体の月間取引高ではない。速さについても発行体の報告で、通常の発行工程との費用比較までは分からない。

それでも、前月の「接続する仕組みが動き出した」から、「企業と銀行が実際に証券を受け渡した」へ観測が進んだことは大きい。次は、同様の取引が繰り返されるか、参加者が増えるか、手続きや費用をどれだけ減らせるかを見たい。

AIが払うなら、誰の承認で、いくらまでか

Visaは10月21日、BILLの顧客とBilltrustのサプライヤーを含む、AIによる請求書決済の実顧客パイロットを発表した。承認済みの請求書を対象に、エージェントの識別、権限、業務上の制限を組み込んだ取引を行ったとしている。取引件数や金額は公表していない。Visa発表

ここで使われる支払情報のトークン化は、そのまま暗号資産の利用を意味するわけではない。AI決済の普及を見るときは、「どの通貨か」に加えて、誰が、何を、どの範囲まで任せたかを追う必要がある。

Worldも10月18日、金融向けのWorld IDと、選択した本人性の証明をエージェントへ委任するAgentKitのベータ版を示した。こちらは利用者やエージェントの背後にいる人の証明が焦点となる。金融機関の本人確認すべてを置き換えた、という発表ではない。World発表

私は引き続きBitcoin系の資産を保有していない。関心は、価格の上下より、暗号資産や関連技術が通常の金融とAIの活動にどう組み込まれるかにある。10月は、その接点を「決済できる」から「権限を定めて任せられる」へ広げて考える材料が増えた。

今月の読み筋： トークン化の価値は、取引実績と工程の改善で測る。AIによる支払いは、本人性、承認、上限、記録まで含めて評価する。

3．AI｜難問への反証と、答えを確かめる仕事

ETH反証の報告。形式検証と、人が使える理解

10月26日、OpenAIは指数時間仮説（ETH）への反証を報告した。計算量に関するこの仮説は、大まかには、ある種の論理問題を一般的に解くとき、入力が増えるにつれて計算量が指数的に膨らむことを避けられない、とするものだ。

同社によると、AIは10月16日に自然言語の証明を生成し、17日に証明支援系Leanで形式化した。説明や形式化を公開し、研究者による検討につなげている。OpenAI発表

ここで大切なのは、「AIが驚くような答えを出した」で話を止めないことだ。Leanは、形式的に記述した命題について、定められた論理に沿った証明を検査する。その命題が元の問題をどう捉え、どこまでの結論を含むかは、形式化の対象と合わせて読む必要がある。

公開された形式化には、一定の形をした論理式について、条件を満たす割り当ての数を準指数時間で求めるアルゴリズムが含まれる。準指数時間は、指数時間より計算量の増え方が緩やかだが、多項式時間とは異なる。この報告は「P＝NPが証明された」と同義ではない。 また、理論上の計算量の改善が、現実的な規模の問題でも直ちに速いことを意味するわけではない。公開された形式化の範囲

Impagliazzo、Paturi、Williamsらは、独立した検討を始める声明を出した。その際、検討への参加は主張の認証を意味しないと明記している。10月末時点では、反証の報告と形式化の公開に対し、専門家が意味や帰結を検討している段階として受け止めたい。専門家による10月26日声明

私が注目するのは、AIの役割が、既に分かっていることの説明から、人がまだ理解していない結果を提示するところへ広がっている点だ。そうなると、人の仕事には、答えを探すだけでなく、答えを他者が検査し、理解し、使える知識へ変えることが一段と加わる。

Envedaでは、製造記録の確認時間を短縮

実務側の具体例は、Envedaが10月27日に公表した医薬品の製造記録レビューだ。対象は単一の製造キャンペーンに属する4記録、計1,061ページ。社内担当者による手作業レビューの1,553分に対し、AI処理と、人がAIの指摘を確認する時間の合計は166分だった。およそ25.9時間から2.8時間への短縮になる。Enveda技術報告／Anthropic事例紹介

注目したいのは、人が根拠を確認できる工程として設計されている点だ。原本を変更せず、ページの処理状況を記録し、処理に失敗したページやAIが未評価と申告した箇所を明示して、指摘を人へ渡す。Enveda技術報告

ただし、これは導入企業自身による小規模な評価で、二つの工程は同一ではない。AI側の166分は指摘の確認までの時間であり、製造記録全体の最終承認を置き換えた時間ではない。他社でも同じ短縮率になるとは限らない。

9月から見ている「使える成果一件に、確認込みでどれだけかかるか」に近い数字が出てきた。導入を考える側には、モデル名以上に、原本との対応、未処理箇所の表示、最後の承認者をどう設計したかが参考になる。

最後に人がいても、独立した判断とは限らない

もう一つ、気になる研究がある。Anthropicが10月27日に公表した実験では、因果推論の専門分析者50人が、架空の施策を合成データで分析した。AIには、複数の妥当な選択肢のうち一方を推す指示がランダムに与えられた。四つの分析上の判断で、参加者の選択がAIの選好と一致した割合は86%だった。Anthropic研究紹介

これは「専門家の86%が意見を変えた」という意味ではない。AIの推奨を意図的に強めた実験であり、作業前に本人の判断を尋ねてはいない。普段のAI利用での追従率や、最終的な政策判断の一致率としては読めない。原論文

それでも、人による確認を置けば、それだけで独立した判断を確保できるわけではない、という問題は残る。私は、重要な仕事ほど、AIへ渡す前に目的と評価基準を書き、出てきた案に対して別の前提でも成立するかを問い、元の資料へ戻れる形を保ちたい。この実験で効果が実証された対策ではないが、自分の判断を保つための運用として考えている。

今月の読み筋： AIの能力と、成果を安心して使えることの間には、検証と理解の工程がある。人がその工程を担うなら、人自身の判断の作り方も点検する必要がある。

4．量子コンピューティング｜情報を守ることと、チップをつなぐこと

Quantinuumは、保護を強めるほど誤りが減ることを示した

Quantinuumが10月16日に公開した論文では、Heliosで量子誤り訂正の保護を強め、量子情報を保持する際の誤りを減らした。最良条件での推定誤り率は、検査1周期あたり5×10⁻⁶、約0.0005%だった。論文

量子情報を守るために物理的な量子ビットを増やすと、誤りの発生箇所も増える。それでも保護の効果が上回り、誤りを訂正する仕組みである「符号」の規模を大きくするごとに誤りが減ることが重要だ。Quantinuum・10月19日解説

この数値は情報保持の検査周期についての推定値であり、任意の計算を100万回、誤りなく完了した実証ではない。実験では測定結果を記録し、後から誤りを推定する処理を行っている。実際の計算中にその処理を間に合わせ、演算と組み合わせても精度を保てるかが、次の評価点になる。

IBMは、複数チップ間の接続を実測

IBMは10月21日公開の論文と27日の解説で、二つのNighthawkプロセッサーを、長さ約80cmの超伝導ケーブルを使う接続4本で結んだ研究を報告した。意図した量子操作への近さを表す平均忠実度は、状態の転送で99.00%、離れたチップ間のCZ演算で94.75%だった。CZは、二つの量子ビットにまたがる演算の一種である。論文／IBM解説

一枚のチップだけを大きくする道に加え、複数のチップをつなぐ道が、実測を伴って進んでいる。ただし、今回測ったのは各120量子ビットのチップのうち接続周辺の一部であり、全体で240量子ビットが自由に使える計算機の完成を示したものではない。

今月の読み筋： 量子ビット数だけでなく、情報を守り、つなぎ、計算する各工程の精度と負担を追う。部品の改善が、計算全体の改善につながるかを見たい。

5．核融合｜温度の実測、主要部品の搬入、材料設備の着工

LM26で、電子温度約1.1keVを測定

10月8日、英国原子力公社UKAEAとGeneral Fusionは、LM26で圧縮時の電子温度が約1.1keV、約1,260万℃に達したと報告した。レーザー光の散乱を使うトムソン散乱計測による結果で、論文は査読へ提出された。UKAEA発表

圧縮して加熱する方式について、具体的な温度を測った点が前進だ。ただし、これは電子の温度であり、核融合による正味のエネルギー利得や発電の達成を示す数値ではない。温度に加え、密度や閉じ込め時間、繰り返し運転を合わせて追う必要がある。

ITERには、最後の真空容器セクターが到着

ITERは10月5日、9分割される真空容器の最後のセクターが2日に到着したと公表した。真空容器や磁石などの大型主要部品が現地に揃ったことは、大規模な国際製造工程の節目となる。ITER発表

現地への搬入は組み立てや試験の完了とは異なる。炉内のブランケットやダイバータなども含む、あらゆる構成部品が揃ったという意味ではない。それでも、計画や契約が現物となって届くことには、独立した価値がある。

日本ではMiRESSOが材料精製の実証設備を着工

MiRESSOは10月1日、青森県八戸市でベリリウム精製のパイロットプラント「BETA」の建設を始めたと発表した。低温精製技術を、実際の製造工程と経済性の検証へ進める設備だ。MiRESSO発表

ベリリウムは、核融合で燃料生産を支える材料の一つだ。着工は量産の開始ではなく、ここから品質、生産性、費用を確かめる段階になる。核融合の実装は、プラズマ実験の成功だけでなく、必要な材料を安定して作れることにも支えられる。

今月の読み筋： 「核融合が進んだ」を、性能の実測、部品の納入、製造工程の整備へ分けて読む。今月は、その三つに具体的な材料があった。

10月を通して｜大きな期待を、確かめられる問いへ

AIの難問への挑戦には、率直に期待している。人が見つけられなかったものをAIが提示し、そこから新しい理解が始まるなら、研究の進み方そのものが変わっていく。

同時に、今月の事例は、能力の向上だけでは価値を測りきれないことも示した。答えの根拠をたどれるか。確認にどれだけ時間がかかるか。人は自分の判断を持てるか。仕事の工程へ組み込んだとき、改善が残るか。

量子計算なら、保持や接続の精度が、使える計算へつながるか。核融合なら、測った性能や届いた部品が、次の試験へ進めるか。金融では、物価のどこが動き、決済で何が実際に変わったか。問いを具体的にすると、期待を保ちながら進捗を追いやすくなる。