中国企業の知財分野での生成AI活用について、生成AIに調査させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
Utilization of Generative AI in the Intellectual Property Field by Chinese Companies
I asked generative AI to conduct research on how Chinese companies are utilizing generative AI in the intellectual property (IP) field.
Please note that the research and analysis results generated by AI are based solely on publicly available information, and therefore may not necessarily reflect the actual situation and may include inaccurate information. Please keep this in mind when referring to the results.

令和6年（ネ）第10069号は、日本製紙クレシア株式会社が大王製紙株式会社に対して提起した特許権侵害差止等請求控訴事件で、2025年10月8日、知的財産高等裁判所第3部は、控訴を棄却する判決を言い渡しました。
本件は、トイレットロールおよび包装袋に関する3件の特許（特許第6735251号、第6590596号、第6186483号）を対象とし、「エンボス深さ」の測定方法および「スリット状指掛け穴」の形状要件が主要な争点となったものです。
日本製紙クレシアは、トイレットペーパーの凹凸加工（エンボス）の深さを0.05〜0.40mmに制御した技術に基づく特許を保有し、大王製紙製品がこの範囲に該当すると主張しましたが、裁判所は、「エンボス深さ」の測定方法について、明細書に明記された断面曲線法（輪郭曲線を求め、上に凸となる2点P1・P2の平均値と最小値の差を深さとする方法）に限定されると解釈し、クレシアが採用した面粗さ法（最高部と最深部の差を直接測定）はこれに該当しないと判断しました。また、ダブルエンボス構造の製品ではエンボス形状の周縁特定が不明瞭であり、測定結果の再現性にも欠けると指摘しました。
さらに、包装袋に関する「ほぼ長円のスリット状指掛け穴」についても、クレーム上は「切り抜かれる前のスリット」の形状が長円であることが要件であると判断し、クレシアの主張（開口後の形状による解釈）を退け、均等論の適用も、容易想到性および意識的除外の観点から否定しました。
本判決は、数値限定発明において測定条件が特許の技術的範囲を画定する要素であることを明確に示すものであり、測定方法を含めた明細書記載の精緻化の重要性を改めて示唆する内容といえます。
この判決について、生成AIに評釈させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
令和6(ネ)10069 特許権侵害差止等請求控訴事件
令和7年10月8日 知的財産高等裁判所 3部 判決 控訴棄却 東京地方裁判所 令和4(ワ)22517
特許権 トイレットロール、ロール製品パッケージ 民事訴訟 特許権侵害差止等
構成要件充足性、均等侵害
https://www.courts.go.jp/assets/hanrei/hanrei-pdf-94688.pdf
 
【お知らせ】 知的財産高等裁判所の判決について
https://www.crecia.co.jp/whatsnew/2025/pdf/251008_news.pdf
 
Case No. 2024 (Ne) 10069 “Long Toilet Roll” — Numerical Limitation Invention
Case No. 2024 (Ne) 10069 is an appeal case for a patent infringement injunction filed by Nippon Paper Crecia Co., Ltd. against Daio Paper Corporation. On October 8, 2025, the Intellectual Property High Court, Third Division, rendered a judgment dismissing the appeal.
This case concerned three patents related to toilet rolls and packaging bags (Patent Nos. 6735251, 6590596, and 6186483). The measurement method of “emboss depth” and the shape requirements for the “slit-shaped finger hole” were the main issues in dispute.
Nippon Paper Crecia owned a patent based on technology that controls the depth of embossing (surface irregularities) in toilet paper to 0.05–0.40 mm, and claimed that Daio Paper’s products fell within this range. However, the court interpreted the “emboss depth” to be limited to the cross-sectional curve method explicitly described in the specification (a method that determines the contour curve and defines the depth as the difference between the average of two convex points, P1 and P2, and the minimum value). The surface roughness method used by Crecia (direct measurement between the highest and lowest points) was deemed not to fall within the claimed scope. The court also noted that, in double-emboss structures, the boundary of the emboss shape was unclear and the reproducibility of the measurements was insufficient.
Regarding the “substantially elliptical slit-shaped finger hole” of the packaging bag, the court held that the pre-cut slit shape (before being punched out) must be elliptical under the claim language, rejecting Crecia’s argument that the interpretation should rely on the post-opening shape. The court also denied the application of the doctrine of equivalents, citing ease of conception and intentional exclusion.
This judgment clearly demonstrates that, in numerical limitation inventions, the measurement conditions define the technical scope of the patent. It underscores the renewed importance of drafting precisely described measurement methods within the specification.
An analytical commentary on this judgment was generated using generative AI.
Please note that the AI’s analysis is based solely on publicly available information and may not fully reflect actual circumstances; inaccuracies may also be included.

2025年10月14日（火）～17日（金）に幕張メッセで開催された「CEATEC AWARD 2025」において、コ・クリエイション（共創）部門賞を受賞した「ビューティ&ヘルスケアを変革する、産業を越えた共創 ― RNAで繋がる花王・アイスタイル・キリンによる未来創出 ―RNA共創コンソーシアム 」。
これまでの侵襲的行為（採血や切除等）を伴うRNAの計測が非侵襲で行えるようになり、スマートフォンのカメラによる自撮り画像から、RNA解析データをAIによって分析推定し、その時の肌に応じたコスメを選べるサービスを協業先のアプリに搭載するなど、共創によって生まれたイノベーションです。今後の共創拡大や活用先が広がる可能性も想定され、化粧品メーカーなど業界全体の底上げも期待できるなど、コ・クリエイション部門賞に相応しい技術として高く評価されました。 
この「RNA共創コンソーシアム」について、生成AIに調査させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。

RNAで「自分を知って」商品やサービスに出会う時代へ「RNA共創コンソーシアム」が「CEATEC 2025」に出展
花王、アイスタイル、キリンがRNAテックの現在と未来像を提案
https://prtimes.jp/main/html/rd/p/000000575.000070897.html


Kao, istyle, and Kirin’s “RNA Co-Creation Consortium”
At CEATEC AWARD 2025, held from October 14 (Tue) to 17 (Fri), 2025 at Makuhari Messe, the project titled
“Transforming Beauty & Healthcare through Cross-Industry Co-Creation — The Future Created by Kao, istyle, and Kirin Connected by RNA: The RNA Co-Creation Consortium”
received the Co-Creation (Collaboration) Award.
This innovation emerged from co-creation efforts that made it possible to measure RNA non-invasively, eliminating the need for traditional invasive procedures such as blood sampling or tissue removal. Using selfie images taken with a smartphone camera, AI analyzes and estimates RNA analysis data to recommend cosmetics suited to the user’s current skin condition. This service is integrated into partner companies’ apps, representing a new frontier in personalized beauty technology.
The initiative has been highly praised as a technology worthy of the Co-Creation Award, as it not only demonstrates successful collaboration across industries but also holds great potential for future expansion of partnerships and applications, contributing to the overall advancement of the cosmetics and healthcare industries.
The RNA Co-Creation Consortium was investigated by generative AI.
Please note that the research and analysis by generative AI are based solely on publicly available information and may not fully reflect actual circumstances. It may also contain inaccuracies, so please review the findings with this in mind.

ブログ紹介（２０２２年）をアップしました。ご参照ください。

欧州企業の知財分野での生成AI活用について、生成AIに調査させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
Use of Generative AI in the Intellectual Property Field by European Companies
I had generative AI conduct research on how European companies are utilizing generative AI in the intellectual property (IP) field.
Please note that the research and analysis results produced by the generative AI are based solely on publicly available information. They do not necessarily reflect the actual circumstances and may include inaccuracies. Kindly refer to them with this understanding.

ブログの紹介（2024年＆2023年）です。

米国企業の知財分野での生成AI活用について、生成AIに調査させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
Utilization of Generative AI in the Intellectual Property Field by U.S. Companies
I had a generative AI system conduct research on how U.S. companies are utilizing generative AI in the intellectual property (IP) domain.
Please note that the investigation and analysis by the generative AI are based solely on publicly available information. The findings may not fully reflect actual conditions and could contain inaccuracies. Kindly review them with this in mind.

ロート製薬とフツパーの共同開発による研究開発AI『リアラボAI』が、CEATEC AWARD 2025 ネクストジェネレーション部門賞を受賞しました。本技術は、標的探索から実験実行までを自律的に支援する統合型AIエージェントで、研究現場の新たな在り方を切り拓くものです。
生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
「CEATEC 2025」14日に開幕　大臣賞はシャープ／NTTドコモ／村田製作所
810社が出展（2/2 ページ）
https://eetimes.itmedia.co.jp/ee/articles/2510/08/news037_2.html
 
CEATEC AWARD 2025 ネクストジェネレーション部門賞受賞
フツパー社との共同開発による研究開発AI「リアラボAI」が高く評価
2025年10月7日
https://www.rohto.co.jp/news/release/2025/1007_01/
 
 
Rohto Pharmaceutical & Hutzper: “RiaLabo AI,” the Research and Development AI
The research and development AI RiaLabo AI, jointly developed by Rohto Pharmaceutical and Hutzper, has received the CEATEC AWARD 2025 Next Generation Division Prize.
This technology is an integrated AI agent that autonomously supports the entire R&D process—from target exploration to experimental execution—pioneering a new paradigm for research environments.
A generative AI conducted a deeper analysis of this topic.
Please note that the findings from the generative AI’s investigation and analysis are based solely on publicly available information and may not necessarily reflect the actual situation; they may also contain inaccuracies.

『総合化学、「眠る知財」の新事業モデル　未活用技術ライセンス・売却』という記事を読みました。
総合化学各社が、研究開発によって生み出した技術などの知的財産で、未活用の無形資産を収益化する新たなビジネスモデルの構築に動き出していて、その戦略は製薬ビジネスと近似するとしていて、旭化成、三井化学、住友化学の例が紹介されています。
この内容を生成AIに深掘りさせました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
総合化学、「眠る知財」の新事業モデル　未活用技術ライセンス・売却
2025年10月16日 https://chemicaldaily.com/archives/718470
 
 
Monetizing “Dormant Intellectual Property”: Asahi Kasei, Mitsui Chemicals, and Sumitomo Chemical
I read an article titled “Integrated Chemical Companies Build New Business Models for Dormant IP: Licensing and Selling Unused Technologies.”
It reported that Japan’s leading integrated chemical manufacturers are beginning to develop new business models to monetize their unused intangible assets—technologies and other intellectual property generated through R&D. The article noted that these strategies resemble those used in the pharmaceutical business, and introduced examples from Asahi Kasei, Mitsui Chemicals, and Sumitomo Chemical.
I had a generative AI analyze this topic in depth.
Please note that the AI-based research and analysis are derived solely from publicly available information, and may not necessarily reflect actual circumstances; inaccuracies or errors may be included.
 

2025年8月26日に発表された「Happiness Planet FIRA（フィーラ）」は、株式会社ハピネスプラネットと株式会社日立製作所が共同開発した、経営議論の革新を目指す自己成長型AIサービスで、専門分野に特化した600種類もの多様なAIエージェント（「異能」と呼ばれる）が、与えられたテーマについて自律的に「熟議」を行います。単一のAIでは困難な深い洞察や創造的な選択肢を生成し、人間の思考を拡張する「知の増幅器（Intelligence Amplifier）」として機能するということです。
キリンホールディングスの「AI 役員（CoreMate ）」などとの比較も含め、生成AIに深掘りさせました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
2025.8.26
経営議論等を革新する自己成長型AIサービス「Happiness Planet FIRA」を提供開始
600種類のAIエージェント議論による深い洞察と創造的な選択肢生成により、人とAIが協創する経営を実現
株式会社ハピネスプラネット
株式会社日立製作所
https://www.hitachi.co.jp/New/cnews/month/2025/08/0826.html
 
 
“Happiness Planet FIRA”: 600 AI Agents Engage in Deliberative Dialogue
Announced on August 26, 2025, Happiness Planet FIRA is a self-evolving AI service jointly developed by Happiness Planet Inc. and Hitachi, Ltd. Designed to revolutionize executive-level discussions, it features an ecosystem of 600 highly specialized AI agents—referred to as “Extraordinary Minds”—each dedicated to a particular field of expertise. These agents autonomously engage in “deliberative dialogue” on assigned topics, collaboratively generating deep insights and creative alternatives that would be difficult for a single AI to produce.
The system functions as an Intelligence Amplifier, expanding human thought and supporting strategic decision-making through collective AI reasoning.
For this analysis, I also compared FIRA with other AI executive initiatives such as Kirin Holdings’ “AI Executive (CoreMate)” and similar projects (e.g., “AI President,” “AI Section Chief”).
Please note that the following findings and analyses were generated by generative AI based solely on publicly available information. They may not fully reflect actual circumstances and could include inaccuracies.

「商工金融」2025年10月号に掲載されている『「川崎モデル」に学ぶ伴走支援』は、川崎市から始まった「川崎モデル」という大企業の開放特許を中小企業の製品化に結びつける中小企業支援の取組を紹介しています。
この「川崎モデル」について、生成AIに深掘りさせました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
「川崎モデル」に学ぶ伴走支援
https://shokosoken.or.jp/shokokinyuu/2025/10/202510_6.pdf
 
 
Learning from the “Kawasaki Model” of Accompaniment Support
The article “Learning from the ‘Kawasaki Model’ of Accompaniment Support” published in the October 2025 issue of Shoko Kin’yū (Commerce and Finance) introduces the “Kawasaki Model,” an initiative that began in Kawasaki City. This model supports small and medium-sized enterprises (SMEs) by connecting large corporations’ open patents with SME product development efforts.
I asked generative AI to conduct an in-depth exploration of this “Kawasaki Model.”
Please note that the AI’s research and analysis are based solely on publicly available information and may not fully reflect actual circumstances; some inaccuracies may also be included.

林 力一 氏「知財戦略こそが、日本企業の未来を拓く経営の羅針盤」は、日本企業が再び成長するには、「知財を守る」から「知財で稼ぐ」へ転換することの重要性とその支援策を示していて参考になります。
 
知財戦略こそが、日本企業の未来を拓く経営の羅針盤
2025年09月30日
https://www.nri.com/jp/media/column/mcs_blog/20250930.html
 
 
Mr. Rikiichi Hayashi’s article, “Intellectual Property Strategy as the Compass Guiding the Future of Japanese Companies,” is insightful in emphasizing the importance of shifting from “protecting intellectual property” to “monetizing intellectual property” as a key to revitalizing Japanese corporate growth, while also presenting concrete approaches to support that transformation.

「ＡＩ特許は企業価値向上に寄与するか ～ＡＩ特許出願数と企業価値との関係についての検討～」(IPNJ国際特許事務所 乾利之 所長弁理士)は、AI特許出願数と企業価値の変化との関係を検討することで、AI特許（発明）が企業価値向上に寄与するか否かを検討して、下記の結論を得ています。
・AI特許（数）は企業価値UPに寄与することが期待される。
・AI特許のうちAIコア（G06N）特許は企業価値の中長期的なＵＰに寄与することが期待される。
・AI特許のうちAIビジネス（G06Q）特許は企業価値の短期的なＵＰに寄与することが期待される（近年のＵＰ率に影響していること、AIコア（G06N）とは異なり、幅広い業種の企業による発明・出願・実装が可能であることから、今後、競争が激化する領域）。
この調査報告書「AI特許は企業価値向上に寄与するか〜AI特許出願数と企業価値との関係についての検討〜」について、生成AIに、その妥当性、評判・評価を多角的に分析させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
​ 
02日 9月 2025
ＡＩ特許は企業価値向上に寄与するか ～ＡＩ特許出願数と企業価値との関係についての検討～
https://www.ipnj.jp/2025/09/02/%EF%BD%81%EF%BD%89%E7%89%B9%E8%A8%B1%E3%81%AF%E4%BC%81%E6%A5%AD%E4%BE%A1%E5%80%A4%E5%90%91%E4%B8%8A%E3%81%AB%E5%AF%84%E4%B8%8E%E3%81%99%E3%82%8B%E3%81%8B-%EF%BD%81%EF%BD%89%E7%89%B9%E8%A8%B1%E5%87%BA%E9%A1%98%E6%95%B0%E3%81%A8%E4%BC%81%E6%A5%AD%E4%BE%A1%E5%80%A4%E3%81%A8%E3%81%AE%E9%96%A2%E4%BF%82%E3%81%AB%E3%81%A4%E3%81%84%E3%81%A6%E3%81%AE%E6%A4%9C%E8%A8%8E/
 
 
Do AI Patents Contribute to Enhancing Corporate Value?
The report titled “Do AI Patents Contribute to Enhancing Corporate Value? — An Examination of the Relationship Between the Number of AI Patent Applications and Corporate Value” (by Toshiyuki Inui, Managing Partner and Patent Attorney, IPNJ International Patent Office) examines whether AI-related patents (inventions) contribute to corporate value by analyzing the relationship between the number of AI patent applications and changes in corporate value. The following conclusions were drawn:

• The number of AI patents is expected to contribute to an increase in corporate value.
• Among AI patents, AI core patents (G06N) are expected to contribute to a medium- to long-term increase in corporate value.
• Among AI patents, AI business patents (G06Q) are expected to contribute to a short-term increase in corporate value, as they have influenced recent growth rates. Unlike AI core (G06N) patents, AI business patents can be invented, filed, and implemented by companies across a wide range of industries, suggesting that competition in this domain will intensify going forward.

A generative AI model was used to conduct a multifaceted analysis of the validity, reputation, and external evaluation of this investigative report, “Do AI Patents Contribute to Enhancing Corporate Value? — An Examination of the Relationship Between the Number of AI Patent Applications and Corporate Value.”
Please note that the generative AI’s analysis and findings are based solely on publicly available information. They may not fully reflect actual circumstances and could include inaccuracies.
 

YouTube「科学者がいらない時代が来る？AIが“理解を超える”世界へ、安野貴博の未来予測」は、未来学者・安野貴博氏がAIが科学の“主役”になる未来を語っています。
科学の営みが「人間中心」から「AI駆動科学（AI-driven Science）」へと移行しつつあるというのです。代表例はGoogle DeepMindの AlphaFold、タンパク質の構造解析を従来数年から数時間に短縮しました。
さらに2025年登場の AlphaEvolve は、AIが自らアルゴリズムを設計・改良、数学や計算機科学の未解決問題を20％の確率で上回る成果を出しています。
創薬領域でも、AIが論文を読み治療薬候補を自動抽出する事例が出始めています。
安野氏はAI主導の科学を「4段階」で説明しています。
①AIが人間を補助する段階、②実験不要の研究を行う段階、③クラウドラボを介して自律実験を行う段階、④ロボティクスと融合し現実世界で研究を遂行する段階です。
いま私たちは③への移行期にあるとしています。
この進化がもたらす最大の変化は、人間が「理解できない科学」の登場で、AIは数百次元の空間を自在に扱い、人間が直感的に理解できない発見を生み出します。
囲碁AI「AlphaGo」が示した“不可解なのに正しい”一手のように、科学も「成果は出るが理解不能」な領域へと向かうということです。
科学が“理解”を超える時代、知の境界をどう再定義できるかが、次の競争軸になるとしています。
​
生成AIに深掘りさせました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
科学者がいらない時代が来る？AIが“理解を超える”世界へ｜安野貴博の未来予測 -
https://www.youtube.com/watch?v=rcDc4sNzqcY
 
 
Is a World Without Scientists Coming? The Age of “Beyond Human Understanding” AI
The YouTube video “Is a World Without Scientists Coming? The Age of ‘Beyond Human Understanding’ AI – Takahiro Anno’s Future Forecast” features futurist Mr. Takahiro Anno discussing a future in which AI becomes the main actor in science.
According to Mr. Anno, the practice of science is shifting from “human-centered” inquiry to “AI-driven science.” A prime example is Google DeepMind’s AlphaFold, which reduced the time required for protein structure analysis from years to just hours.
Furthermore, the upcoming AlphaEvolve, expected in 2025, designs and improves its own algorithms, achieving results that surpass human solutions to unresolved problems in mathematics and computer science with a 20% success rate.
In the field of drug discovery, AI systems have already begun to autonomously read research papers and extract potential therapeutic compounds.
Mr. Anno describes the evolution of AI-led science in four stages:

1. AI assists human researchers.
2. AI conducts research without experiments.
3. AI performs autonomous experiments via cloud laboratories.
4. AI integrates with robotics to carry out research in the physical world.

He suggests that we are now in the transitional phase toward stage ③.
The most profound transformation, he argues, will be the emergence of “science that humans cannot understand.”
AI handles hundreds of dimensions in data space, generating discoveries beyond human intuition. Just as AlphaGo produced incomprehensible yet correct moves in the game of Go, science itself is heading toward a domain where results are achieved but cannot be explained in human terms.
In this coming era where science transcends human understanding, redefining the boundaries of knowledge will become the next frontier of competition.
(Note: The following analysis was conducted by generative AI based solely on publicly available information. It may not fully reflect actual circumstances and could contain inaccuracies. Please refer to it with that understanding.)

「AI時代ビジネスには、博士課程の基本スキルが必要だ──常に仮説と検証を繰り返す」という記事を読みました。
内容を要約すると、下記のような感じでしょうか。
『AI時代には、ビジネスパーソンも博士課程で培うような「仮説と検証を繰り返す力」が求められる。筆者（コロンビア大学教授）は、授業準備にGPT-5とGeminiを活用する中で、博士課程で学んだ次の4つの基本スキルの重要性を再認識した。
推論を常にエビデンスで裏付けること
根拠を問い続ける姿勢
適切な質問を立てる力
「自分が新たに加えられる価値は何か」を常に意識すること
AIは既存データの「補間」には優れるが、未知領域の「外挿」には弱く、真に活用するには質問力と批判的思考が欠かせない。
情報を鵜呑みにせず、背景・前提を理解する力や危険を察知する感覚も重要であり、こうしたスキルはAIによって自動化されにくい。
今後、AIへの問いそのものが新たな知的財産（IP）となる時代が来ると筆者は述べる。
最終的に、MBA教育も博士課程と同様に「仮説検証型思考」「批判的質問力」「生涯学習」を重視すべきであり、AI時代の成功には、継続的な思考と学びのプロセスが不可欠だと結論づけている。』
生成AIに、この記事の内容を深掘りさせました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
AI時代ビジネスには、博士課程の基本スキルが必要だ──常に仮説と検証を繰り返す
10/13
https://forbesjapan.com/articles/detail/83217
 
 
In the AI Era, Business Requires PhD-Level Fundamental Skills
I read an article titled “In the AI Era, Business Requires PhD-Level Fundamental Skills — Constantly Repeating Hypothesis and Verification.”
Here’s a summary of the key points:
In the age of AI, business professionals must develop the same core abilities cultivated during a PhD program — namely, the ability to form and test hypotheses repeatedly. The author, a professor at Columbia University, reflects on the importance of four fundamental skills learned during doctoral training, especially while preparing his lectures using GPT-5 and Gemini:

1. Always supporting reasoning with evidence
2. Maintaining a persistent attitude of questioning the basis for claims
3. Formulating the right questions
4. Constantly being aware of the unique value one adds

AI excels at “interpolation” within existing data, but it is weak at “extrapolation” into unknown territory. Therefore, effectively leveraging AI requires strong questioning ability and critical thinking.
The capacity to avoid taking information at face value, to understand the background and assumptions behind data, and to sense potential risks — these are also crucial, and such skills are difficult to automate with AI.
The author further argues that, in the near future, the questions we pose to AI themselves will become a new form of intellectual property (IP).
Ultimately, he concludes that MBA education, like PhD training, should emphasize hypothesis-testing thinking, critical inquiry, and lifelong learning, as continuous reflection and learning are essential for success in the AI era.
This article was further analyzed in depth by generative AI.
Please note that the analysis and insights are based solely on publicly available information and may not fully reflect reality; some inaccuracies may also be included.

第3世代人型ロボット「Figure 03」が登場、ちゃんといろんな家事をこなせる量産型ということです。
米国だけでなく中国の動向も含めて、生成AIに深掘りさせました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
2025年10月10日
第3世代人型ロボット「Figure 03」が登場、ちゃんといろんな家事をこなせることを示すデモ動画あり
https://gigazine.net/news/20251010-figure-03/
 
家庭で使える量産人型ロボ「Figure 03」　安全性に配慮、“足でワイヤレス充電”も可能
https://www.itmedia.co.jp/aiplus/articles/2510/10/news096_3.html
 
Figure AIが「着せ替え」ロボット発表｜ニットウェアを纏った家庭用ヒューマノイドロボット
2025年10月10日
https://innovatopia.jp/robot/robot-news/68520/
 
 
Mass-Produced Humanoid Robot “Figure 03” for Home Use
The third-generation humanoid robot, “Figure 03,” has been unveiled — a mass-production model capable of performing various household chores.
I asked generative AI to conduct an in-depth analysis, covering not only developments in the United States but also trends in China.
Please note that the research and analysis results generated by AI are based solely on publicly available information. They may not fully reflect the actual situation and could contain inaccuracies, so please review them with this understanding.

『株価ピークから6割減「オムロン」今が買い？』という刺激的な記事が出ていましたので、生成AIに記事を深堀させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
 
株価ピークから6割減「オムロン」今が買い？長期投資家が注視すべきリスクと将来性＝
2025年10月10日
https://www.mag2.com/p/money/1661341/4
 
 
Omron Stock Down 60% from Its Peak
An eye-catching article titled “Omron Stock Down 60% from Its Peak—Is Now the Time to Buy?” was recently published, so I asked a generative AI to conduct an in-depth analysis of the piece.
Please note that the findings and analyses generated by the AI are based solely on publicly available information and may not necessarily reflect actual circumstances. They may also contain inaccuracies, so please review them with this understanding in mind.

「このままAIが発展するだけでAGI達成可能な理由」という講演の中で、AI研究者Frieve氏は、「人間のように柔軟にタスクをこなす汎用人工知能（AGI）は、既存技術の延長で到達可能」と断言しています。
「このままAIが発展するだけでAGI達成可能か否か」について、生成AIに深堀させました。なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
【AI】このままAIが発展するだけでAGI達成可能な理由
https://www.youtube.com/watch?v=2ZLe7KoDLhc
 
このままAIが発展するだけでAGI達成可能な理由
https://speakerdeck.com/frievea/konomamaaigafa-zhan-surudakedeagida-cheng-ke-neng-nali-you
 
以下は、生成AIによるYouTube動画の要約です。
 
このままAIが発展するだけでAGIは実現可能なのか
――スケール則がもたらす“指数的進化”の真実
■ 「ブレークスルーなしでAGI到達」説の根拠
AI研究者Frieve氏による講演・資料「このままAIが発展するだけでAGI達成可能な理由」は、「人間のように柔軟にタスクをこなす汎用人工知能（AGI）は、既存技術の延長で到達可能」と断言する。その主張の中核にあるのがスケール則（Scaling Laws）――「計算資源・データ量・モデルサイズを増やせば、AI性能はべき乗で向上する」という経験則である。このスケール則は2017〜2020年にかけて理論化され、AIの誤差（Loss）L(N)が資源Nの増加に対してL(N)＝A・N^-α＋Bという式で表されることが確認された。ここでBは「ベイズ誤差（床）」――理論上、超えられない限界を示す。Frieve氏は、「この限界に到達するまでは、資源を増やすほどAIは天井知らずに賢くなる」と指摘する。
■ 「性能の9割はスケールで解決」――現実を凌駕する単純な法則
AI研究の9割は、「単にスケールを拡大すれば自然と解決する問題」とFrieve氏は述べる。複雑なアルゴリズム改良よりも、GPU・データ・計算量の投入こそが最も効果的というのだ。現実には、これを実行できる企業は「世界でも10社未満」。その競争の中心にあるのが、OpenAI、Google、Anthropicといった超大規模AI企業である。近年の研究では“効率化”が急速に進み、スタンフォードAIインデックス2025によれば、推論コストは2年間で280倍低下、ハードウェアコストは年30%減少。さらに学習計算量は5か月ごとに倍増しつつも、性能向上はムーアの法則に近い指数的成長を維持している。
■ マルチモーダル化が導く“新しいスケーリング”
Frieve氏が特に強調するのが、モーダル・スケーリング（Modal Scaling）である。これは、テキスト・画像・音声・映像・行動データなど異なる種類の情報（モーダル）を統合して学習させることで、データ効率と理解力を飛躍的に高めるという発想だ。マルチモーダルAIでは、視覚・聴覚・言語・運動といった多様な知覚情報を同時に扱うことで、AIが「世界の全体像」をより正確に把握できるようになる。
■ コストの壁と“効率革命”
とはいえ、スケールの恩恵は「代償なし」ではない。AIの誤差を半減させるには、理論上約5,800倍の資源増加が必要とされる。2025年時点ではフロンティアモデルの学習コストが10億ドルを超え、AI専用データセンターの電力消費は年40%増加。それでも効率化技術（MoE・Sparsity・ハード最適化）が同時に進み、「投入資源あたりの成果」は上昇を続けている。
■ スケール則の“限界”と突破口
もちろん、スケール万能論にも限界はある。ベイズ誤差（世界の曖昧さ・倫理的価値観の違いに起因する不可避の誤差）、資源ミスマッチ（データ量が追いつかない）、演算精度の壁、アーキテクチャ限界などである。これらの制約を前提に、「資源配分設計」の最適化が今後の焦点となる。
■ 「AI研究者は3つの道しかない」
Frieve氏は、今後のAI開発者に次の三択を提示する。①効率化と配分の研究（スケールの限界を押し上げる最前線）、②本質的限界の探求（スケールでは解けない問題を見極める）、③応用研究（高性能モデルを使いこなし、現実課題に成果を出す）。特に3つ目の「応用研究」こそ、世界中の企業・個人が取り組むべき主戦場だという。
■ 結論：AGIは“スケールの延長線上”にある
講演と資料の総括として、Frieve氏はこう締めくくる。「スケール則に沿った努力こそ、最短で最も効率的なAGI実現の道である。」AIの進化は、もはや未知のブレークスルーを待つ段階ではない。資源投入・効率最適化・モーダル統合という現実的な積み上げこそが、人間の知性を超えるAIへの道筋を描いている。
 
 
Can AGI Be Achieved Simply Through Continued AI Advancement?
In the lecture “Reasons Why AGI Can Be Achieved Merely Through Continued AI Development”, AI researcher Frieve asserted that artificial general intelligence (AGI)—an intelligence capable of flexibly performing tasks like humans--can be reached as an extension of existing technologies.
I asked generative AI to conduct an in-depth analysis of whether AGI can indeed be achieved if AI continues to evolve along its current trajectory.
Please note that the following analysis is based solely on publicly available information and may not fully reflect the actual situation; it may also contain inaccuracies.
 
[AI] Reasons Why AGI Can Be Achieved Merely Through Continued AI Development
https://www.youtube.com/watch?v=2ZLe7KoDLhc
Reasons Why AGI Can Be Achieved Merely Through Continued AI Development
https://speakerdeck.com/frievea/konomamaaigafa-zhan-surudakedeagida-cheng-ke-neng-nali-you
 
Below is a summary of the YouTube lecture generated by AI.


Can AGI Be Realized Merely by Continuing AI’s Current Path?
—The Truth Behind the “Exponential Evolution” Predicted by Scaling Laws--
■ The Basis of the “AGI Without Breakthroughs” Hypothesis
In his lecture and materials, AI researcher Frieve claimed that AGI, capable of performing human-like flexible tasks, can be achieved through the natural extension of current technologies.
At the core of his argument lies the concept of scaling laws—the empirical rule that increasing compute, data, and model size improves AI performance according to a power law.
Between 2017 and 2020, researchers formalized this relationship, confirming that AI error (Loss) follows the equation L(N) = A·N⁻ᵅ + B, where B represents the Bayesian error floor—the theoretical limit beyond which improvement is impossible.
Frieve emphasizes that until this floor is reached, greater resources will continue to make AI smarter without bound.
■ “Ninety Percent of AI Progress Comes from Scaling”
Frieve argues that roughly 90% of AI progress comes simply from scaling up, rather than from complex algorithmic innovations.
He claims that the most effective route to progress is increased GPU power, data, and computation.
In reality, fewer than ten organizations worldwide can operate at such a scale—the leaders being OpenAI, Google, and Anthropic.
According to the Stanford AI Index 2025, inference costs have dropped 280× over two years, hardware costs decline 30% annually, and training compute doubles every five months, sustaining near-exponential performance growth akin to Moore’s Law.
■ Multimodality and the Rise of “Modal Scaling”
Frieve particularly stresses modal scaling—the integration of diverse data types such as text, images, audio, video, and behavioral data.
This multimodal approach dramatically enhances data efficiency and comprehension.
By processing multiple sensory modalities (vision, hearing, language, motion) simultaneously, AI gains a more holistic understanding of the world.
■ The Cost Barrier and the “Efficiency Revolution”
However, scaling is not without cost.
Theoretically, halving AI’s loss requires roughly 5,800× more resources.
As of 2025, frontier model training costs exceed $1 billion, while AI-dedicated data-center power consumption grows 40% annually.
Nevertheless, efficiency technologies--Mixture of Experts (MoE), sparsity, and hardware optimization—are advancing rapidly, continuing to improve output per unit of compute.
■ The Limits of Scaling and Paths Beyond
The “scaling solves everything” view has clear limits:

• The Bayesian error floor (stemming from real-world ambiguity and ethical diversity),
• Resource mismatch (insufficient high-quality data),
• Numerical precision and architectural constraints.
  Future progress, Frieve argues, will hinge on optimizing resource allocation design.

■ “AI Researchers Have Only Three Paths”
Frieve outlines three strategic directions for AI developers:

1. Efficiency and allocation research – pushing the limits of scaling.
2. Fundamental limits exploration – identifying what scaling alone cannot solve.
3. Applied research – leveraging high-performance models to deliver real-world results.
   He contends that applied research will be the main battlefield for companies and individuals worldwide.

■ Conclusion: AGI Lies on the Continuum of Scaling
Frieve concludes:
“Following the scaling laws is the shortest and most efficient path to AGI.”
AI evolution no longer depends on waiting for an unforeseen breakthrough.
Instead, systematic increases in resources, efficiency optimization, and multimodal integration form the realistic roadmap toward AI that surpasses human intelligence.

MITの研究者が定義する、AIに代替されにくい「ヒトにしかできない」5つの能力は、頭文字をとって「EPOCH（エポック）」と呼ばれています。Empathy（共感）、Presence（存在感）、Opinion（判断）、Creativity（創造性）、Hope（希望）――この5つの力こそが、AI時代においてビジネスパーソンが磨くべき“人間力”ということのようです。

• Empathy and emotional intelligence（共感性・感情的知性）
  他者の感情や意図を理解し、共感する能力です。AIはデータを基に感情を模倣することはできても、人間同士の信頼関係を築くような深いレベルでの共感はできません。
• Presence, networking, and connectedness（存在感・ネットワーク・つながり）
  対面でのコミュニケーションや、チーム、コミュニティにおける人間的な「つながり」を築く能力です。AIはデータをつなげることはできますが、人間同士の絆や連帯感を生み出すことはできません。
• Opinion, judgment, and ethics（意見・判断・倫理観）
  データには現れない信念や価値観に基づき、倫理的な判断を下す能力です。歴史を変えたような決断は、データが示す客観的な可能性を超えた、人間固有の信念から生まれるとされています。
• Creativity and imagination（創造性・想像力）
  既存のパターンにない、全く新しいアイデアを生み出す能力です。AIは膨大なデータから学習して創作することはできますが、人間のような直感や想像力を伴う根本的な創造性は持ち合わせていません。
• Hope, vision, and leadership（希望・ビジョン・リーダーシップ）
  未来の方向性を示し、人々を鼓舞して動機づける能力です。AIはデータに基づいた予測はできても、不確実性のある未来に向けて、希望を与えながら集団を導くことはできません。 

生成AIに「EPOCH」について深堀させました。
なお、生成AIによる調査・分析結果は、公開された情報からだけの分析であり、必ずしも実情を示したものではないこと、誤った情報も含まれていることについてはご留意されたうえで、ご参照ください。
 
【保存版】MITが提唱「EPOCH」とは？AI時代に人間が輝く5つの力を完全解説
https://note.com/tama583/n/n0fcc7de4bfae
 
 
The Five Human-Only Abilities Defined by MIT: “EPOCH”
Researchers at MIT have defined five human abilities that are difficult for AI to replace. Collectively, they are known by the acronym EPOCH — standing for Empathy, Presence, Opinion, Creativity, and Hope.
These five abilities represent the essential “human skills” that business professionals should cultivate in the age of AI.

• Empathy and Emotional Intelligence
  The ability to understand and empathize with the emotions and intentions of others.
  While AI can simulate emotions based on data, it cannot form deep, trust-based relationships or genuine empathy between humans.
• Presence, Networking, and Connectedness
  The ability to build authentic human “connections” through face-to-face communication, teamwork, and community engagement.
  AI can connect data, but it cannot create bonds or a sense of solidarity among people.
• Opinion, Judgment, and Ethics
  The ability to make ethical decisions grounded in beliefs and values that do not appear in data.
  History-changing decisions often stem from human conviction — going beyond the objective probabilities presented by data.
• Creativity and Imagination
  The ability to generate entirely new ideas outside of existing patterns.
  While AI can create based on vast amounts of learned data, it lacks the intuitive and imaginative creativity unique to humans.
• Hope, Vision, and Leadership
  The ability to envision the future and inspire and motivate others toward it.
  AI can forecast the future based on data, but it cannot lead people with hope or guide them through uncertainty.

A generative AI was asked to conduct an in-depth analysis of “EPOCH.”
Please note that the following analysis is based solely on publicly available information and may not fully reflect actual circumstances. It may also contain inaccuracies; therefore, please refer to it with that understanding.