何が起きたか
OpenAIの技術者が、ChatGPTのデータ基盤の一部であるRocksetサービスで繰り返し発生するクラッシュを調査。原因は、Azure上の1台のホストでの無音のハードウェア破損と、オープンソースライブラリGNU libunwindに存在した18年越しの競合状態という、無関係な2つのバグだった。
なぜ重要か
原因不明に見えたクラッシュは、例外処理中の1命令幅の競合によるものだった。修正には、別のアンワインダーへの切り替えと、GNU libunwindへの修正の提供が含まれる。国内のAI基盤運用者には、原因不明の障害が基盤ソフトの長年の不具合に起因する可能性がある。
注目点
この事例は、個別ケースの深掘りよりも集団レベルのデータ分析が重要であることを示している。OpenAIは今後同様のハードウェア問題を検出するためのツールも改善しており、インフラ信頼性への継続的な取り組みがうかがえる。
こういう要約が、毎朝あなたのメールに届きます。
調査は、関数が無効なアドレスに戻るという、ありえないように思えるクラッシュから始まった。当初は個々のコアダンプを詳細に調べる方法をとっており、著者はこれを単一患者の診断に例えている。このアプローチでは、ハードウェア障害の可能性を誤って除外するなど、一貫して仮説が否定された。
転機は、チームが「疫学的」アプローチを採用し、1年分のコアダンプを分析する自動パイプラインを構築したこと。集団レベルの視点により、特徴の異なる2つのクラッシュパターンが明らかになった。1つは単一の物理ホストの障害、もう1つは例外アンワインディング関連のコードを示していた。
根本原因は、GNU libunwindにおける極めて微妙な競合状態で、シグナルがわずか1命令幅の間にデータを破損しうるものだった。技術者らは、このバグが表面化したのは突然現れたからではなく、例外率の高さ、頻繁なシグナル、シグナルハンドラへの最近の変更といった運用上の実践が、その影響を最終的に顕在化させたからだと結論づけた。修正はアンワインダーの切り替えと、上流への修正提供だった。著者が述べるように、中心となる教訓は、高品質なデータセットの構築が一見不可能な問題を解決する上で最も重要だということだ。
業界と使っているAIツールを選ぶと、仕事に関係するニュースが毎朝届きます。
登録無料・Googleアカウントなら30秒・いつでも解除できますAITodayについて →
この記事についてわからないことをAIに質問できます。AIはこの記事・AIToday の過去記事・Wikipedia を読み、出典を付けて答えます。Q&Aはこのページに公開され、他の読者も読めます。
このようなAIの動きを、御社の業界・競合に合わせて毎日届ける法人プランもあります → 詳しく見る
OneTrustはOneTrust CORIEを基盤とするFall '26リリースを発表し、厳選した基盤モデルライブラリからモデルの関連付けと非推奨指標を継続的に更新するAI台帳を追加した
11月18日の日経「Dialogues on the Future」で、ソフトバンクグループの孫正義氏はAnthropicへの出資見送りを「僕の失敗の一つ」と語った

Cassava TechnologiesがNvidia製チップ購入のため最大10億ドルの調達を検討

Microsoft Ignite 2026でWindows Server 2028のパブリックプレビューが公開され、Microsoft Foundry、Windows ML、vLLM、Llama.cppによるAI推論ホス…

BrightAIがSmith Point Capital主導のラウンドで97百万ドルを調達

AUMOVIOはDatabricks Unity GatewayをLLMへの唯一の経路に採用
