見出し画像

WWDC26カウントダウンシリーズのおさらい：論文からの推理の結果は！？

mosa

これまでのおさらい

WWDC26が始まる前に、3回にわたって連載してきました。
Appleの研究者たちが発表している論文
——Apple Machine Learning（machinelearning.apple.com）に載っている、製品発表ではない、研究者向けの堅いレポートです——
これらを読んで、「Appleプラットフォームでどのように実現するのだろう？　WWDC26ではどのように発表されるだろう」と推理する、というものです。

WWDC26開催前に記したのは次の三つの記事です。

これらの記事では数多くの論文を考察しました。2026年6月8日、WWDC26が開催されました。今回は、次の推理がどこまで当たったのかを、答え合わせしてみます。

  • AIが画面を見て、ボタンを押すように操作する研究

  • Appleが「ユーザーのことを覚えない」ことにこだわっているという研究

  • AIが部屋を見て、「そこに椅子がある」だけでなく「その椅子は何に使えるか」まで考える研究

最初に一つだけ。「方向は当たったが、やり方は違った」ということがよくあります。この違いを丁寧に見ることが、当たり外れそのものより面白いと思っています。また、今回のWWDCは開発者会議本来の内容で開催され、製品の発表はありませんでした。

① AIが画面を見て操作する、という話

一つ目は、AIが画面を見ながら、人間のようにタップしてアプリを操作する、という研究でした。アプリ側が何も準備していなくても、AIが画面を理解して操作してくれる——そんな未来を想像させる論文です。

WWDC26で発表されたのは、アプリ側が「ここはこういう意味です」とあらかじめ教えておく仕組みでした。たとえば、画面に表示されているタイマーがあれば、「これはタイマーです、止めるならここを押します」と、アプリの作り手が前もって宣言しておく。そうすると、Siriの新しいAIが、その情報を頼りに「いま画面に出ているタイマーを止めて」という指示に応えられるようになります。

つまり、「AIが表示中の画面を理解して操作する」という大きな方向性は当たりました。でも、AIが画像認識で判断するのではなく、開発者が先に「アプリの構造」をセットしておくという、手堅いやり方が選ばれました。AIが勝手に判断して操作するのは、便利である一方、間違えたときに困ります。だからAppleは、開発者が事前に確認した範囲でだけAIに任せる、という安全側の選択をしたのでしょう。
Siri AIが発表され、App Intents、App Entityが強化されました。

WWDC26関連動画

方向性としては半分当たり、残りは「思っていたより慎重だった」という結果です。

② Appleは「データを覚えない」という約束を守ったのか

二つ目は、AppleプラットフォームのAIが、意図をもって機能を絞っているという話でした。なんでも知っているチャットボットを目指すのではなく、「AIは、あなたのことを記憶しない、でも的確に答える」という設計です。処理が終わったら、やり取りした情報をAIが覚えることはない。これをAppleは「Stateless Computation（記憶しない、処理するだけ）」と呼んでいます。

この発想自体は、GoogleのAIが「すべてを記憶して、どんどん賢くなる」方向を目指しているのと対照的で、前回の記事では「二社は出発点からして違う」と整理しました。

WWDC26は、ちょっとした驚きを用意していました。事前にSiriの新しいAIには、Googleと共同開発したカスタムのモデル（Geminiの技術を土台にしたもの）を使うことを発表していました。しかし、そのモデルを、Appleの自社チップ上ではなく、GoogleのデータセンターにあるNvidia製のGPUの上で動かすとしたのです。

「Appleは独自路線のはずだったのに、結局Googleの力を借りるのか」と思った人も多かったようです。実際、ニュースの多くはこの提携を「Appleの妥協」として伝えました。Appleは2024年に「自社のデータセンターで、自社のチップの上で、外部の研究者が検証できる形で動かす」ことをプライバシーの売りにしていたので、他社の場所・他社のチップを使うというのは、確かに大きな方向転換に見えます。

実際にはそんな単純な話ではありませんでした。Appleは、他社のクラウドとGPUを使うこの新しい構成を、これまでの「Private Cloud Compute（PCC）」——処理する間だけデータを扱い、終われば保持せず、Apple自身にも中身が見えない、という仕組み——の枠の中に入れた、と明言しています。つまり、動かす場所とチップは変わっても、守るべき約束のリストは変えていない、ということです。

Apple自身が挙げているその約束のリストの筆頭が、まさに論文で読んだ**「処理したら忘れる（ステートレス）」です。それに加えて、特権的なアクセスをさせない、狙い撃ちで特定の人のデータを取り出せないようにする、そして外部の研究者が検証できる透明性**——これらをそのまま維持する、としています。実際、過去のPCCと同じように、動いているソフトウェアの中身（バイナリ）を公開し、研究者が実際の稼働中のサーバーにアクセスして調べられる仕組みも引き続き提供する、と説明しています。

しかも、Appleは「Nvidiaのチップが暗号化してくれるから安全」とも、Googleクラウドを「Googleを信じるから大丈夫」とするのではなく、Apple自身が検証する対象として自分の管理下に置く——どの機材がこの仕組みに組み込まれているかを改ざんできない台帳で管理し、重要な部分は複数の独立した会社の『信頼の根（root of trust）』で確認する」という念の入れようです。

つまり、「誰のモデルを、どこのチップで動かすか」は変わったけれど、「処理するだけ、記憶しない、誰にも覗かれない、第三者が検証できる」という約束そのものは、形を変えてでも維持しようとしている、と読めます。

ただし、ここは正確に言っておきます。Appleは「同じ水準の透明性を提供する」と約束していますが、その詳しい技術資料の公開や、研究者向けプログラムの本格的な開始は、2026年の後半に予定されている段階です。だから「自社チップ版とまったく同じ深さで、もう検証できるようになった」と言い切るのは、まだ少し早い。約束はされている、でも実際に検証されきってはいない——この区別は残しておくべきです。

それでも、Appleにとって大事なのは「クラウドを一切使わない」ことでも「他社のチップを使わない」ことでもなく、「使うとしても、覗かれない・記憶しない・第三者が検証できる構造にする」ことなのだ、という見立ては、この一件でむしろはっきりしました。論文から読み取った「処理したら忘れる」という思想が、Geminiという他社由来のモデルを載せてもなお、Appleが最初に挙げる設計要件として生き残っている。ここは、この推理シリーズの見方がきれいに通った部分です。

WWDC26関連動画

思っていたより大胆でダイナミックな方法で実装されました。

③ AIは「部屋の意味」をどこまで理解できるようになったのか

三つ目に読んだ論文は、AIに部屋の映像を見せて、「机がある」「椅子がある」と物体とその位置を認識させるだけでなく、「この部屋で読書するならどこがいいか」「水をこぼしたら何で拭けるか」のように、認識した空間での”使い道”まで考えさせるという研究でした。探偵が現場の物から状況を推理するようなものだと、前回はたとえました。

WWDC26では、Apple Vision Proに「Visual Intelligence」という機能が搭載されました。装着した状態で見ているものについて、Siriに話しかけて質問できる、というものです。「見ているものについて会話できる」という点では、確かに方向は合っていました。

ただ、論文が目指していた「この椅子は今の状況で何に使えるか」というレベルの推理が実装されたという確認は、今のところできていません。今回発表されたのは、「これは何ですか」と聞いて答えてくれる段階で、論文が描いていた「この部屋で何ができますか」という、もう一段深い段階には、まだ届いていないようです。

WWDC26関連動画

矢印の向きは合っていたけれど、目的地まではまだ距離がある、という評価になります。

全体としてどうだったか

3つを並べてみると、傾向が見えてきます。

「Appleが何を大事にしているか」という方針は当たっていました。
AIが画面を理解する、データを記憶しない、空間を理解させる——どれも、Appleが研究として取り組んでいた方向そのままに、WWDC26で形になりました。

「どこまで、どのように実装されるか」は、難しかったです。
AIが自分で画面を判断するのではなく開発者がアプリの意図を組み込んでおく。Apple単独ではなく第三者の力を借りる。これらは、論文を読んでいるだけでは見えてこない部分であり、またAppleならではと言える、優れたユーザ体験になるまでリリースしないという姿勢です。
研究は「Appleが何を目指しているか」を教えてくれますが、「それをどんな現実的な事情の中で実現するか」までは教えてくれません。これは当然のことで、論文を使った推理の限界ですね。

それでも、この推理には意味があったと思っています。
「Appleはまず何を決めて、そこから何を逆算しているのか」と問いを立てる思考そのものが、WWDC26のあとも引き続き使える見方だと感じるからです。

今後、開発者として何をすべきか

最後に、この検証を踏まえて、Appleプラットフォーム向けに開発している人たちと、共有したいことを記します。

1. AIにアプリの中身を説明する作業は、もう避けられない

①のとおり、Siri AIがアプリに操作をまかせるかどうかは、開発者が前もって「この画面（View）はこういう意味（意図）です」とコーディングするかどうかにかかっています。これは、いつかやればいい後回しの作業ではなく、来年以降アプリがSiri AIから見えるかどうかを左右する条件になりました。ユーザも必須の機能として期待するようになる可能性も高そうです。

2. 「自律的にやらせていい範囲」を、リスクの大きさで決める

さらに①でAppleが選んだのは、AIに自由に画面を判断させるのではなく、人間が確認した範囲（ユーザと開発者の両方）で動かす、というやり方でした。これは、Appleが他の場面でも繰り返している考え方です。たとえばコード補完のような、間違えてもすぐ直せる作業ではAIに自由にやらせ、生活に直結する操作では確認を取って進める。自分のアプリにApp Intents, App Entityを組み込むときも、「間違えたときのダメージ」を評価し、Siri AIに任せる範囲を決めるのが安全だと思います。

3. プライバシーを「クラウドを使わない」と狭く考えない

②で見たとおり、Appleは外部のモデルを使ってでも、「覗かれない」「記憶しない」という構造を守る意思を示しました。自分たちがAI機能を作るときも、「どの会社のモデルを使うか」より先に、「データがどう扱われ、誰が検証できるようになっているか」を決めておく方が、長く通用する設計になると思います。

この検証は、8月1日に予定している「MOSA2026：真夏のTech Dive! follow WWDC26」に向けて、引き続き深めていきます。

MOSA Multi-OS Software Artists いけだじゅんじ

参照

シリーズ全体の参照リスト： machinelearning.apple.com/research

いいなと思ったら応援しよう！