音声(マルチモーダル)に関するニュース一覧

AIが一次面接を自動化、Alexが25億円調達

AI採用の現在地

AIによる初期面接の自動化
経歴や給与など定型業務を代替
採用担当者は候補者との関係構築に集中

Alex社の事業概要

シリーズAで1700万ドルを調達
Peak XV Partnersが主導
フォーチュン100企業などが顧客

長期的なビジョン

LinkedInを超える職業プロファイル構築
10分間の会話から深い情報を抽出

採用活動における初期面接をAIが担う時代が到来しそうです。AI採用スタートアップの「Alex」は、シリーズAラウンドで1700万ドル(約25億円)の資金調達を実施しました。同社が開発する音声AIツールは、応募者とのビデオ面接や電話スクリーニングを自律的に行い、採用担当者の業務を大幅に効率化します。この動きは、採用プロセスのあり方を根本から変える可能性を秘めています。

AlexのAIは、応募者が求人に応募した直後から面接を開始できます。経歴の確認、希望給与、勤務開始可能日といった初期段階のスクリーニング業務を完全に自動化。これにより採用担当者は膨大な応募者対応から解放され、有望な候補者との関係構築など、より戦略的な役割に時間を割けるようになります。

共同創業者のアーロン・ワン氏によると、Alexは1日に数千件の面接を実施。顧客にはフォーチュン100企業や大手金融機関などが含まれます。企業は採用の効率と公平性を高める手段として、AI面接の導入を加速させており、その需要は日増しに高まっています。

今回の資金調達は著名VCのPeak XV Partnersが主導しました。投資家たちは、AIによる面接が多くの企業にとって不可避なトレンドになると確信しています。市場では、HeyMiloやConverzAIといった競合も登場しており、技術開発競争が激化しています。

Alexの最終的な目標は、単なる業務効率化ツールに留まりません。数百万人の求職者と面接を重ねることで、LinkedInのプロフィールよりも遥かにリッチで詳細な職業プロファイルデータを構築することを目指しています。「10分間の会話は、経歴書よりも多くのことを教えてくれる」とワン氏は語ります。

物議のAI広告、NY地下鉄に1億円超の賭け

1億円超の巨大キャンペーン

NY地下鉄での大規模広告展開
投じた費用は100万ドル超
CEO自ら「大きな賭け」と発言

批判前提の「炎上」戦略

ウェアラブルAIの常時監視に批判
広告に「監視資本主義」等の落書き
AIへの反感を逆手に取った狙い
社会的議論を意図的に誘発

ウェアラブルAIデバイスを手がけるスタートアップ「Friend」が、ニューヨーク市の地下鉄で100万ドル(約1.5億円)以上を投じる大規模な広告キャンペーンを展開し、物議を醸しています。同社のCEOは、AIへの反感が強いとされるニューヨークで、あえて社会的な議論を巻き起こすことを狙った「大きな賭け」だと語っており、その挑発的な手法が注目を集めています。

このキャンペーンは、地下鉄の車両内に11,000枚以上の広告カード、駅のプラットフォームに1,000枚のポスターを掲示するなど、極めて大規模なものです。CEOのアヴィ・シフマン氏は「これは世界初の主要なAIキャンペーンだ」と述べ、自身の資金の多くを投じたことを明かしており、その本気度がうかがえます。

一方で、Friendが提供するデバイスは以前から批判にさらされていました。常にユーザーの周囲の音声を記録し続けるその仕様から「常時監視」デバイスだと指摘され、米Wired誌は「私はAIの友人が嫌いだ」と題する記事を掲載するなど、プライバシーへの懸念が根強く存在します。

こうした批判は、地下鉄広告への直接的な反発にもつながっています。広告の余白には「監視資本主義」や「本当の友達を作れ」といったメッセージが書き込まれ、その様子がSNSで拡散。市民の複雑な感情を浮き彫りにしています。製品だけでなく、広告手法そのものも議論の的となっているのです。

しかし、シフマンCEOはこうした反発を予期していたと語ります。彼はニューヨーカーが国内で最もAIを嫌っている層だと認識した上で、あえて白い余白の多い広告デザインを採用。「彼らが社会的なコメントを書き込めるようにした」と述べ、意図的に議論を誘発する炎上商法とも取れる戦略を明らかにしました。

YouTube、AIが曲解説する新機能を音楽配信で試験

AIホストが曲を解説

AIが楽曲の背景や豆知識を提供
ラジオDJ風の面白いコメントも
ミックスやラジオ再生時に機能
リスニング体験の深化が目的

Spotify追撃とAI戦略

競合SpotifyのAI DJに対抗
新設の実験プログラムで提供
米国内の限定ユーザーが対象
YouTube全体のAI活用戦略の一環

YouTubeは2025年9月26日、音楽配信サービス「YouTube Music」において、AIが楽曲の合間に解説や豆知識を提供する新機能「AIホスト」の試験導入を発表しました。この機能は、ユーザーの音楽体験をより豊かにすることを目的としています。まずは米国内の限定されたユーザーを対象に、新設された実験的プログラム「YouTube Labs」を通じて提供されます。

AIホストは、ユーザーがミックスやラジオステーションを再生している際に、曲と曲の間に自動で介入します。まるでラジオのDJのように、再生中の楽曲に関するストーリーやファンの間で知られる豆知識、そして軽快なコメントを提供し、リスニング体験に深みを与えることを目指します。これにより、単に音楽を聴くだけでなく、その背景まで楽しめるようになります。

この動きは、競合であるSpotifyが2023年に導入した「AI DJ」機能を彷彿とさせます。SpotifyのAI DJは、ユーザーの好みに合わせて選曲し、音声で解説を加える人気の機能です。YouTubeのAIホストは現時点でプレイリスト作成機能は含みませんが、音楽ストリーミング市場での差別化とユーザーエンゲージメント向上を狙う、重要な一手と言えるでしょう。

今回の試験は、AI関連のプロトタイプを試すための新プログラム「YouTube Labs」を通じて行われます。これは親会社Googleの「Google Labs」と同様の取り組みで、YouTube Premium会員でなくても参加可能ですが、アクセスは米国内の少数ユーザーに限定されます。ユーザーからのフィードバックを収集し、今後の本格導入を検討する方針です。

YouTubeはクリエイター向けAIツールやAIによる動画検索機能の強化など、プラットフォーム全体でAI活用を積極的に進めています。今回のAIホストも、コンテンツとユーザーの新たな接点を創出する戦略の一環です。一方で、AIが生成するコンテンツの品質や、ユーザー体験を損なわないかといった課題もあり、今後の展開が注目されます。

Hugging Face、Apple向けAIライブラリv1.0を公開

Apple開発者向けAIツール

ローカルLLMのアプリ統合を簡素化
Tokenizer, Hubなど必須機能を提供
Core MLやMLXを補完する設計

v1.0の進化点

パッケージの安定性向上とAPI整理
モジュール分割による依存性削減
最新Core ML APIとSwift 6に対応

今後のロードマップ

MLXフレームワークとの連携深化
エージェント型ユースケースの探求

AIプラットフォームのHugging Faceが、Apple製品開発者向けライブラリ「swift-transformers」のバージョン1.0を公開しました。本ライブラリは、iPhoneなどのデバイス上でローカルにAIモデルを動作させる際の技術的ハードルを下げ、アプリへの組み込みを容易にすることを目的としています。

swift-transformersは、AppleのCore MLやMLXといった機械学習フレームワークを補完する重要な機能群を提供します。具体的には、複雑なテキスト入力を処理する「Tokenizers」、Hugging Face Hubからモデルを管理する「Hub」、Core ML形式モデルの推論を簡素化する「Models」と「Generation」が中核をなします。

すでに、Apple自身のサンプル集「mlx-swift-examples」や、高性能な音声認識フレームワーク「WhisperKit」など、多くのプロジェクトで採用されています。これにより、AppleエコシステムにおけるオンデバイスAI開発の基盤技術としての地位を確立しつつあると言えるでしょう。

今回のv1.0リリースは、ライブラリの安定性を公式に保証する初のメジャーアップデートです。主要な変更点には、必要な機能だけを導入できるモジュール分割や、最新のCore ML APIへの対応、そしてSwift 6への完全準拠が含まれます。開発者はより安心して長期的なプロジェクトに採用できます。

Hugging Faceは今後の展望として、Appleの機械学習フレームワーク「MLX」との連携強化を掲げています。さらに、自律的にタスクを処理する「エージェント」のような、より高度なユースケースの実現も視野に入れており、オンデバイスAIの新たな可能性を切り拓くことが期待されます。

Spotify、AI生成音楽にラベル表示導入へ 不正利用対策も強化

音楽配信大手Spotifyは9月25日、AI生成音楽に関する新方針を発表しました。AI利用の透明性を高め、不正なスパムやなりすましからアーティストとリスナーを保護することが目的です。創造的なAI活用は支援しつつ、プラットフォームの健全性を維持する構えです。 新方針の柱は、AI使用を明記するラベル表示の導入です。音楽業界の標準化団体DDEXと協力し、楽曲制作のどの過程でAIが使われたかを詳細に示すメタデータ標準を開発。すでに主要レーベル15社が採用を表明しており、業界標準となる可能性があります。 AIによるスパム行為への対策も強化します。今秋から、再生数稼ぎを目的とした短尺曲の大量アップロードなどを検出する新しいスパムフィルターを順次展開。同社は過去1年間で既に7,500万ものスパム楽曲を削除したと公表しており、対策を一層強化します。 アーティストの声を無断で複製する「AI音声クローン」やディープフェイクといった、なりすまし行為も明確に禁止します。許可なく他者の声を使用した楽曲はプラットフォームから削除する方針を改めて示し、アーティストの権利保護を徹底する姿勢を強調しました。 Spotifyは、アーティストがAIを創造的なツールとして責任を持って利用することは罰しないと明言しています。「我々はシステムを悪用する者を阻止する」と同社幹部は述べ、AIの利点を享受するためにも、不正行為の防止が不可欠であるとの考えを示しました。 この動きの背景には、誰でも簡単に音楽を生成できるAIツールの急速な普及があります。一部のサービスでは、毎日数万曲のAI生成楽曲がアップロードされるなど、コンテンツの急増が課題となっています。Spotifyは業界に先駆けて対応することで、市場の混乱を防ぐ狙いです。

Googleフォト、対話型AI編集で誰でもプロ級の写真加工

Googleは、写真編集アプリ「Googleフォト」に新たな対話型AI編集機能「Ask Photos」を導入しました。Pixel 10スマートフォンで先行搭載され、対応するAndroid端末にも展開されます。この機能を使えば、メニューやスライダーを操作することなく、音声やテキストで指示するだけで直感的な写真編集が可能です。 使い方は極めてシンプルです。「背景のゴミを消して」「もっと明るくして」といった自然な言葉で指示するだけで、AIが意図を汲み取って編集を実行します。これまで専門的な編集ソフトで数分かかっていた作業が、わずか数秒で完了します。写真編集のハードルを劇的に下げる機能と言えるでしょう。 Adobe Photoshopのような高機能ソフトは、高価な上に専門知識を必要としました。しかし、この新機能は誰でも手軽に利用できます。カーネギーメロン大学の専門家は、ChatGPTのような一部のAIが目新しさで終わるのに対し、この機能は多くの消費者にとって実用的な価値を持つと指摘しています。 スマートフォンの小さな画面でのスライダー操作は、精密な調整が難しいという課題がありました。対話型インターフェースは、この煩わしさからユーザーを解放します。「もっと良くして」といった曖昧な指示でも、AIが写真の構図や明るさを適切に調整してくれるため、編集作業がより身近になります。 現状では、被写体をフレーム内で移動させたり、特定の部分だけを細かく調整したりすることはできません。例えば、顔のハイライトだけを抑えようとすると、画像全体のハイライトが変更されてしまうことがあります。より精緻な編集機能の実現が今後の課題です。 生成AIによる簡単な画像加工は、偽情報拡散のリスクもはらみます。Googleはこの問題に対処するため、編集された画像にC2PA(コンテンツ来歴と真正性のための連合)の認証情報や、電子透かし技術「SynthID」を付与。これにより、画像がAIによって編集されたことを追跡可能にしています。 専門家は、この機能がコンピューターとの関わり方を変える大きな一歩だと見ています。これまでのコンピューターは人間が操作する「道具」でした。しかし、対話を通じて人間の意図を理解し実行するAIは、コンピューターを「パートナー」へと昇華させる可能性を秘めています。

通話録音アプリNeon、データ売却で報酬。プライバシー懸念も浮上

ソーシャルアプリ「Neon Mobile」が、ユーザーの通話を録音しAI企業に販売、対価として報酬を支払うモデルで注目を集めています。2025年9月、米Apple App Storeでランキング2位に急上昇。手軽に収入を得られる一方、専門家はプライバシー侵害やデータ悪用のリスクに警鐘を鳴らしており、その手法が問われています。 Neonは、ユーザーが通話音声をAI学習データとして提供し報酬を得る仕組みです。例えばNeonユーザー間の通話では1分30セントが支払われます。AI開発に不可欠な音声データを、金銭的インセンティブを通じて効率的に集めることが目的です。 このアプリは短期間でランキングを急上昇させました。この事実は、一部の消費者が少額の報酬と引き換えに自らのプライバシーを提供することに抵抗がなくなっている可能性を示唆します。AI技術の浸透が、データプライバシーに対する価値観を変えつつあるのかもしれません。 専門家はNeonの手法に深刻な懸念を示します。片側の音声のみを録音する手法は、多くの州で違法となる「盗聴法」を回避する狙いがあると指摘。利用規約ではNeon社に広範なデータ利用権が与えられ、想定外の利用リスクがあります。 Neonは個人情報を削除すると主張しますが、声紋データ自体がリスクとなり得ます。収集された音声は、本人の声を模倣した「なりすまし詐欺」に悪用される恐れがあります。誰がデータを購入し、最終的にどう利用するのかが不透明な点も大きな問題です。 Neonは創業者名を「Alex」としか公開せず、データ販売先のAI企業も明らかにしていません。こうした運営の不透明性は、ユーザーがデータの使途を把握できないことを意味します。万が一データが漏洩した場合の影響は計り知れず、企業の透明性が改めて問われています。

Google、次期チップ「Tensor G5」でPixel 10のAI機能を大幅強化

Googleは9月24日、公式ポッドキャストで、次期スマートフォン「Pixel 10」シリーズに搭載する最新チップ「Tensor G5」の詳細を明らかにしました。同社のシリコンチーム担当者が解説し、Tensor G5がGoogle史上最大のアップグレードであり、デバイス上のAI機能を飛躍的に進化させることを強調しました。これにより、スマートフォンの利便性が新たな段階に入ることが期待されます。 Tensor G5は、AI処理能力の向上に特化した設計が特徴です。Googleのシリコンチーム担当者によれば、このチップは技術的なブレークスルーであり、これまでのチップから大幅な性能向上を実現したとのことです。スマートフォンの「頭脳」が進化することで、複雑なAIタスクをデバイス上で高速に処理できるようになります。 新機能で特に注目されるのが、自分の声でリアルタイム翻訳を行う「Live Translate」です。従来の翻訳機能と異なり、まるで自分がその言語を話しているかのような自然なコミュニケーションを可能にします。Tensor G5の高度な音声処理能力が可能にするこの機能は、海外とのビジネスなどで大きな変革をもたらす可能性があります。 さらに、ユーザーの意図を先読みしてアシストするエージェント機能「Magic Cue」や、Pixel 10 Proに搭載される「100x ProRes Zoom」もTensor G5の性能によって実現されます。これらの機能は、単なる操作の補助にとどまらず、ユーザーの生産性を高めるパートナーとしてのスマートフォンの役割を強化することを示唆しています。 今回の発表は、AI処理がクラウドから個人のデバイス(エッジ)へ移行する流れを象徴します。デバイス上でAIが完結すれば、プライバシーと応答速度の向上が両立します。経営者やエンジニアにとって、この「エッジAI」の進化がもたらす新たなビジネスチャンスや生産性向上の可能性は、注視すべき重要なトレンドと言えるでしょう。

Google、AI音声・カメラ検索「Search Live」を米国で正式公開

Googleは2025年9月24日、米国で新機能「Search Live」を正式に公開しました。AIと音声で対話しながらスマートフォンのカメラ映像を共有し、リアルタイムな情報検索を可能にします。これまで試験提供でしたが、今後はGoogleアプリ(Android/iOS)から誰でも利用でき、より直感的な検索体験を提供します。 「Search Live」の最大の特徴は、音声と視覚情報を組み合わせた対話型検索です。ユーザーはGoogleアプリやレンズから「Live」アイコンをタップして起動。目の前の物について声で質問すると、AIがカメラ映像を認識し即座に応答します。関連ウェブリンクも提示し、深い情報収集を支援します。 具体的な活用例として、旅行先で見かけた建造物についてカメラを向けて質問したり、新しい趣味である抹茶の道具の使い方を尋ねたりできます。ハンズフリーで対話できるため、作業をしながらでも手軽に情報を得られます。文字入力が不要になることで、検索のハードルが大きく下がると期待されます。 ビジネスや教育の現場でも応用が期待されます。例えば、複雑なAV機器の配線で困った際、カメラで写しながら質問すればAIが視覚的に判断して指示します。子供の科学実験を一緒に見ながら、化学反応の原理をAIに解説させるなど、学習支援ツールとしても活用できるでしょう。 「Search Live」の一般公開は、検索がテキスト入力から、より五感に近い体験へと進化していることを示しています。リアルタイムの視覚・音声情報を活用するAIアシスタントは、様々なサービスのUIに影響を与える可能性があります。企業は自社サービスとの連携を模索する必要があるでしょう。

Gemini搭載、Google Playストアがゲーム支援AIで進化

Googleが、AIモデル「Gemini」を統合したGoogle Playストアの大規模アップデートを発表しました。これにより、アプリの発見からゲームプレイまで、ユーザー体験が大きく変わろうとしています。特に注目されるのが、ゲーム内でのリアルタイムAI支援機能です。 最大の目玉である新機能「Play Games Sidekick」は、ゲームのプレイ中に利用できるオーバーレイ機能です。ユーザーが行き詰まった際、Geminiに音声で質問すると、ゲーム画面をAIが認識し、攻略のヒントやアドバイスをリアルタイムで返します。ゲームを中断する必要がなくなります。 ユーザーインターフェースも大幅に刷新されます。新たに導入される「You」タブは、ユーザーの興味関心に基づき、おすすめのコンテンツやサブスクリプション情報、リワードなどを一元的に表示します。これにより、ストアは個々に最適化されたコンテンツハブへと進化します。 アプリの検索体験もAIで変わります。「Guided Search」と呼ばれる新機能では、具体的なアプリ名ではなく「家を探す」といった目的を入力するだけで、AIが関連アプリをカテゴリー分けして提示。ユーザーはより直感的に目的のアプリを見つけられるようになります。 このほか、個人の実績やステータスを追跡できる新しいゲーマープロフィールの導入や、友人たちと競い合う「Play Games Leagues」も始まります。また、PCでAndroidゲームが遊べる「Google Play Games on PC」もベータ版を終了し、正式版として提供が開始されました。 今回のアップデートは、AIを活用してユーザーエンゲージメントを高めるGoogleの明確な戦略を示しています。開発者や企業にとっては、AIとの連携を前提とした新しいアプリ体験の創出や、パーソナライズされたマーケティング機会の活用が今後の鍵となりそうです。

Googleフォト、対話型AI編集を全Androidユーザーに拡大

Googleは2025年9月23日、米国でGoogleフォトの対話型AI編集機能を対象の全Androidユーザーに展開開始しました。音声やテキストで指示するだけで、同社のAI「Gemini」が写真を自動で編集します。これにより、専門知識がなくても高度な写真編集が可能となり、クリエイティブな表現の幅が広がります。 この新機能は、アプリ内の「Help me edit」ボタンから利用できます。ユーザーは編集ツールやスライダーを直接操作する必要がありません。代わりに「もっと明るくして」「背景の人を消して」といった自然な言葉で指示を出すだけで、AIが意図を汲み取り、写真を編集します。 この機能は、Googleの高性能AIモデル「Gemini」の能力を活用しています。当初は最新スマートフォン「Pixel 10」の利用者向けに限定公開されていましたが、今回、対象機種が大幅に拡大されました。これにより、より多くのユーザーが最先端のAI技術を手軽に体験できます。 簡単な明るさ調整や不要物の除去はもちろん、古い写真の修復といった高度な編集も可能です。さらに「ペットのアルパカをハワイのワイキキに移動させて」のような、現実にはない創造的な画像生成にも対応し、写真編集の楽しみを広げます。 一度の指示で終わりではありません。AIによる編集結果に対して「もう少しこうして」といった追加の指示を出すことで、対話しながら微調整を重ね、理想の仕上がりに近づけることができます。「make it better(もっと良くして)」といった曖昧な指示から始めることも可能です。 現在の提供対象は、米国在住で18歳以上のユーザーに限定され、言語は英語のみです。また、GoogleはAIで生成・編集された画像であることを示す技術標準「C2PA」にも対応しており、コンテンツの信頼性確保にも配慮しています。

元Google社員、音声AIリサーチアプリ「Huxe」公開、460万ドル調達

元GoogleのAIノートアプリ「NotebookLM」の開発者3名が、音声ファーストのAIリサーチアプリ「Huxe」を9月23日に公開しました。このアプリは、AIが生成するポッドキャスト形式でニュースやリサーチ情報を要約し、ユーザーの情報収集を支援します。同社はConvictionなどから460万ドル(約6.9億円)を調達。アプリはiOSとAndroidで利用可能です。 Huxeの最大の特徴は、複数のAIホストが特定のトピックについて議論する「ポッドキャスト」を自動生成する点です。ユーザーはAIホストと対話し、質問したり別の角度からの説明を求めたりできます。これは、元々開発に携わったNotebookLMの音声機能をさらに発展させたもので、情報収集のあり方を変える可能性を秘めています。 このアプリは、ユーザーのメールやカレンダーと連携し、スケジュールに基づいたパーソナライズされた日次ブリーフィングを提供します。また、関心のあるトピックを「ライブステーション」として登録すると、関連ニュースを継続的に追跡し、最新情報を音声で更新してくれます。これにより、受動的かつ効率的な情報収集が実現します。 開発チームは2024年12月にGoogleを退社後、当初はB2B向けのチャットボットを開発していました。しかし、音声生成機能へのユーザーの強い関心を捉え、消費者向け市場へ転換。スクリーンタイムが長く、情報過多に悩む知識労働者や専門家を主なターゲットとしてHuxeを開発しました。 Huxeはシードラウンドで460万ドルを調達しました。FigmaのCEOやGoogle Researchのジェフ・ディーン氏など著名投資家も名を連ねています。音声AI市場は成長が著しく、ElevenLabsやOboeといったスタートアップも参入。GoogleやMetaも類似機能を開発しており、競争が激化しています。

Google、AI「Gemini」をテレビに搭載、会話で操作可能に

Googleは2025年9月22日、AIアシスタント「Gemini」をGoogle TVに搭載すると発表しました。これにより、テレビ画面を通じて自然言語での自由な対話が可能になります。複雑な条件での番組検索や情報収集に対応し、家庭内でのテレビの役割を大きく変える可能性があります。まずはTCLの最新モデルから提供が開始されます。 Geminiの搭載で、番組探しはより直感的になります。例えば「私はドラマが好きだが妻はコメディが好き」といった複雑な要望にも応え、最適な作品を提案します。また、シリーズのあらすじを確認したり、タイトルを忘れた作品を説明から検索したりすることも可能で、視聴体験の質を高めるでしょう。 テレビの用途はエンターテインメントに留まりません。Geminiは子供の宿題を手伝ったり、新しいスキルを学ぶためのガイド役も務めます。質問に対しては、関連するYouTube動画を提示することで、より深い理解を促します。家庭学習や自己啓発のツールとしての活用が期待されます。 Geminiの導入後も、従来のGoogleアシスタントで利用できた基本的な音声コマンドは引き続き使用可能です。照明の調整や簡単な質問など、既存の機能はそのままに、Geminiによる高度な対話機能が追加される形となります。ユーザーは利便性を損なうことなく、新しいAI体験を享受できます。 GeminiはまずTCLの最新テレビ「QM9K」シリーズで利用可能になります。年内にはGoogle TV StreamerやHisense、TCLの2025年モデルなどへも展開される予定です。Googleは将来的には3億台以上のデバイスへの搭載を目指しており、今後も機能は順次追加される見通しです。

AGIの知能は測れるか?新指標「ARC」がAIの課題を映し出す

OpenAIやDeepMindなどの主要AIラボは、数年内にAGIが実現するとの見方を示しています。AGIの登場は経済や科学に計り知れない影響を及ぼす可能性があります。そのため、技術の進捗を客観的に追跡し、法規制やビジネスモデルを準備することが不可欠です。AGIの能力を測るベンチマークは、そのための羅針盤となります。 AIの知能測定はなぜ難しいのでしょうか。それは、AIの強みや弱みが人間とは根本的に異なるためです。人間のIQテストは、記憶力や論理的思考など複数の能力を総合的に測りますが、AIにはそのまま適用できません。学習データにない未知の状況に対応する「流動性知能」の評価が、特に大きな課題となっています。 かつてAIの知能を測るとされたチェスやチューリングテストは、もはや有効ではありません。1997年にチェス王者を破ったIBMのDeep Blueは、汎用的な知能を持ちませんでした。近年の大規模言語モデル(LLM)は人間のように対話できますが、簡単な論理問題で誤りを犯すこともあり、その能力は限定的です。 こうした中、Googleのフランソワ・ショレ氏が2019年に開発した「ARCベンチマーク」が注目されています。これは、いくつかの図形パズルの例題からルールを抽出し、新しい問題に応用する能力を測るテストです。大量の知識ではなく、未知の課題を解決する思考力(流動性知能)に焦点を当てている点が特徴です。 ARCベンチマークでは、人間が容易に解ける問題にAIは今なお苦戦しています。2025年には、より複雑な新バージョン「ARC-AGI-2」が導入されました。人間の平均正答率が60%であるのに対し、最高のAIモデルでも約16%にとどまっています。AIが人間レベルの思考力を獲得するには、まだ大きな隔たりがあるようです。 専門家はARCを、AIのアルゴリズム機能を解明する優れた理論的ベンチマークだと評価しています。しかし、その形式は限定的であり、社会的推論など現実世界の複雑なタスクを評価できないという限界も指摘されています。AGIの進捗を知る有力な指標の一つですが、それだけでAGIの全てを測れるわけではありません。 ARC以外にも、多様なAGIベンチマークの開発が進んでいます。仮想世界でのタスク実行能力を測るGoogle DeepMindの「Dreamer」や、テキスト、画像、音声など5種類の情報を扱う「General-Bench」などがその例です。究極的には、現実世界で物理的なタスクをこなす能力が試金石になるとの見方もあります。 結局のところ、「AGIとは何か」という定義自体が専門家の間でも定まっていません。「既に実現した」という意見から「決して実現しない」という意見まで様々です。そのため、「AGI」という言葉は、それが何を指し、どのベンチマークで評価されているのかを明確にしない限り、実用的な意味を持ちにくいのが現状と言えるでしょう。

YouTube、AI新機能でクリエイターの制作・収益化を大幅強化

YouTubeが年次イベント「Made on YouTube」で、クリエイターのコンテンツ制作と収益化を支援する多数の新機能を発表しました。生成AIを活用した動画制作ツールや新たな収益化プログラムの導入により、プラットフォーム全体の活性化を目指します。特に、動画管理ツール「YouTube Studio」やショート動画制作機能が大幅に強化されます。 動画管理ツール「Studio」には、AIがアカウントに関する質問に答えるアシスタント「Ask Studio」が導入されます。また、本人の顔が無断で使用された動画を検知・管理する機能もベータ版として公開。クリエイターは自身のブランド保護とチャンネル管理をより効率的に行えるようになります。これにより、どのような効果が期待できるのでしょうか。 ショート動画向けには、Googleのテキストtoビデオ生成AIモデル「Veo 3 Fast」のカスタム版が導入されます。簡単なテキスト指示で動画内にオブジェクトを追加したり、スタイルを変更したりすることが可能に。AIの活用でコンテンツ制作のハードルを下げ、クリエイターの表現の幅を広げます。 ライブ配信機能「YouTube Live」もアップデートされます。AIが配信中の盛り上がった場面を自動で選び、共有しやすいショート動画としてハイライトを作成する機能が追加されます。また、配信を中断しない新しい広告フォーマットも導入され、視聴体験と収益性の両立を図ります。 収益化の選択肢も広がります。クリエイターが動画内で紹介した商品をタグ付けできるショッピングプログラムを強化。AIが商品に言及した最適なタイミングを特定し、自動で商品タグを表示する機能も追加され、ブランドとの提携や物販による収益機会を拡大します。 ポッドキャスト制作者向けにもAIツールが提供されます。米国では、AIが動画からクリップ作成を提案する機能が利用可能になります。来年には、音声ポッドキャストを動画形式に変換する機能も展開予定で、コンテンツの多角的な活用を支援します。

YouTube、生成AIで動画制作を革新 創造性の拡張目指す

YouTubeは、動画制作に生成AIツールを本格導入する新機能を発表しました。テキストから動画を生成するGoogleの技術などを活用し、誰でも簡単に動画を作れる環境を目指します。ニール・モハンCEOはこれを「創造の民主化」を加速させる一手と位置づけ、プラットフォームの次なる飛躍に繋げたい考えです。 新機能を使えば「月面で踊る100人のダンサー」といったテキストから即座に動画を生成できます。また、ポッドキャストの音声から関連映像を自動で作り出すことも可能です。これにより、誰もが簡単に質の高い動画コンテンツを制作できるようになります。 モハンCEOはAI導入を、創業以来の「テクノロジーで人々の声を届ける」という理念の延長線上にあると説明します。彼はAIをデジタル音楽のシンセサイザーに例え、ツールは人間の独創性や創造性を引き出す新たな機会になるとの考えを示しました。 一方で、AIによるコンテンツ制作の容易さは、プラットフォームの強みである「真正性」を損なうリスクも指摘されます。人間の創造性がどこまで介在するのかという根本的な問いと共に、AI生成物と人間による制作物の境界が曖昧になることへの懸念が浮上しています。 YouTubeは対策として、AI生成動画にはラベルを表示する方針です。しかし、視聴者がAIコンテンツを除外するフィルター機能は提供されません。モハンCEOは今後AIツールの影響はさらに拡大すると予測しており、YouTubeが常に最先端であり続けることが重要だと強調します。

OpenAI、AIハードウェア開発か 元Appleデザイナーと協業

OpenAIが、元Appleのチーフデザインオフィサーであるジョニー・アイブ氏と提携し、複数のAIハードウェア開発を検討していると報じられました。関係者の話として、すでにAppleの製品組立業者であるLuxshareと契約を結んだとされています。 開発が噂されるデバイスは多岐にわたります。最も有力なのは「ディスプレイのないスマートスピーカー」に似た製品です。この他にも、スマートグラスやデジタル音声レコーダー、身につけられるピン型デバイスなどが候補に挙がっている模様です。 この動きは、OpenAIのサム・アルトマンCEOが以前から語っていた「デバイスファミリー」構想を具体化するものと言えるでしょう。最初の製品は2026年後半から2027年初頭の発売が目標とされており、ソフトウェア中心だった同社の大きな戦略転換となりそうです。 生産体制の構築も進んでいます。iPhoneやAirPodsの生産を担うLuxshareやGoertekなど、Appleのサプライチェーンネットワークを活用する動きが報じられました。これにより、高品質な製品の安定供給を目指す狙いがあると考えられます。 ハードウェア開発は人材獲得競争にも発展しています。元Appleの製品デザイン責任者がOpenAIのハードウェア責任者に就任するなど、Appleからの人材流出が顕著です。これは、巨大テック企業間の新たな競争の火種となる可能性を秘めています。

AppleのオンデバイスAI、iOS 26アプリで実用化進む

サードパーティの開発者らが、Appleの最新OS「iOS 26」の公開に伴い、同社のオンデバイスAIモデルを自社アプリに組み込み始めています。この動きは、Appleが開発者向け会議(WWDC)で発表したAIフレームワーク「Foundation Models」を活用したものです。開発者は推論コストを気にすることなく、支出分析やタスク管理の自動化といった機能を実装できます。これにより、ユーザー体験の向上が期待されます。 Appleの「Foundation Models」は、デバイス上でAI処理を完結させるのが特徴です。これにより開発者は推論コストを負担せず、ユーザーのプライバシーも保護できます。OpenAIなどの大規模モデルとは異なり、既存アプリの利便性を高める「生活の質(QoL)」向上に主眼が置かれています。 生産性向上アプリでの活用が目立ちます。タスク管理アプリ「Tasks」は、入力内容からタグを自動提案したり、音声内容を個別のタスクに分解したりします。日記アプリ「Day One」では、エントリーの要約やタイトルをAIが提案し、より深い記述を促すプロンプトを生成します。 専門分野や学習アプリでも導入が進んでいます。家計簿アプリ「MoneyCoach」は、支出が平均より多いかを分析して提示します。単語学習アプリ「LookUp」では、単語を使った例文をAIが自動生成したり、その語源を地図上に表示したりするユニークな機能が追加されました。 活用範囲は多岐にわたります。子供向けアプリ「Lil Artist」では、キャラクターとテーマを選ぶとAIが物語を創作。レシピアプリ「Crouton」はテキストから調理手順を自動分割します。電子署名アプリ「SignEasy」は契約書の要点を抽出し、利用者に要約を提示します。 これらの事例は、AppleのオンデバイスAIが大規模生成AIとは異なる形でユーザー体験を向上させる可能性を示します。プライバシーとコストの課題をクリアしたことで、今後多くの開発者が追随するでしょう。身近なアプリがより賢くなることで、iPhoneエコシステム全体の魅力が一層高まりそうです。

Zoom、フォトリアルAIアバターを導入 リアルタイム翻訳も実現

新時代の会議体験

カメラオフでもプロ仕様の分身(アバター)
写真からAIが本人そっくりに生成
リアルタイムでの動作追跡と同期
不正利用を防ぐライブカメラ認証
デジタルツイン実現への一歩

生産性向上の新機軸

リアルタイムでの音声翻訳機能
9言語対応でグローバル会議を円滑化
AIアシスタントが他社プラットフォームでもメモ作成

米Zoomは9月17日、ビデオ会議サービス「Zoom」に革新的なAI機能を導入すると発表しました。特に注目されるのは、フォトリアリスティックなAIアバターとリアルタイム音声翻訳機能です。これらの機能は12月以降、順次提供が開始されます。経営層やエンジニアは、国際的なコミュニケーションの円滑化と、リモートワークにおける生産性向上を直ちに享受できる見込みです。

AIアバター機能は、ユーザーがカメラに映る準備ができていない場合でも、プロフェッショナルな見た目をAIが生成し、会議に出席できるようにします。ユーザーは自身の写真をもとに分身を作成し、AIが実際の動きや発言をリアルタイムで追跡します。これにより、場所を選ばず、常に高いクオリティで会議に参加することが可能となります。

なりすましや不正利用の懸念に対し、Zoomは万全の対策を講じます。アップロードされた画像が本人であることを確認するため、ライブカメラ認証を実施する方針です。また、会議参加者には、その参加者がAIアバターを利用している旨の通知が明示されます。セキュリティと倫理的な配慮を両立させる仕組みです。

もう一つの重要なアップデートが、リアルタイム音声翻訳です。AIが話者の発言を即座に翻訳し、参加者は自らが選択した言語で音声を聞くことができます。現時点で日本語を含む9言語に対応しており、グローバルなチーム間での言語の壁を事実上撤廃し、シームレスなコミュニケーションを実現します。

さらに、AIアシスタント機能も大きく進化します。会議のスケジュール調整などに加え、アシスタントをMicrosoft TeamsやGoogle Meetといった他社プラットフォームでの対面会議に「同行」させ、自動でメモを取らせることが可能となります。これは、Zoomが単なる会議ツールを超え、統合的な生産性エージェントへと進化していることを示します。

Stability AI、AI安全対策を強化。年次透明性レポート公開

安全設計と実績値

学習データからの有害コンテンツ排除
モデル・APIの多層的な悪用防止
全生成AIモデル(100%)のリスク評価
学習データからのCSAM検出は0%
NCMECへの不正利用報告は計13件

透明性とガバナンス

API生成コンテンツへのC2PAメタデータ付与
リリース前におけるレッドチーミングの継続実施
業界団体や法執行機関との連携強化

Stability AIは2025年9月、2024年4月から2025年4月までの期間を対象とした年次「インテグリティ透明性レポート」を公開しました。同社は、責任ある生成AI開発の取り組みとして、児童性的虐待素材(CSAM)の防止に重点を置き、具体的な安全対策と実績値を開示しています。透明性を通じて信頼を構築し、ガバナンス強化を目指す方針です。

同社の安全対策は、「データ」「モデル」「プラットフォーム」の三層で構成されています。特に学習データについては、社内開発およびオープンソースのNSFW分類器に加え、業界団体のCSAMハッシュリストを適用し、有害コンテンツを徹底的に排除しています。報告期間中、学習データからのCSAM検出は0%でした。

モデルのリリース前には、厳格なリスク評価手法である「レッドチーミング」を実施しています。Stable Diffusion 3を含む全生成AIモデル(100%)がCSAM/CSEM生成能力に関してストレス評価を受けました。有害な生成能力が特定された場合、リリース前に概念を除去するセーフティ・ファインチューニングが施されます。

プラットフォームAPIレベルでは、入力と出力の両方に対し、リアルタイムでのコンテンツフィルターを適用しています。既知のCSAMを検出・ブロック・報告するためのハッシュシステムも統合されています。これにより、AUP(許容利用ポリシー)違反の入出力を即座に阻止する多層的な防御を実現しています。

AIコンテンツの真正性を担保するため、Stability AIはAPIを通じて生成された画像や動画、音声にC2PAメタデータを付与しています。このメタデータにはモデル名やバージョン番号が含まれ、AI生成物であることを特定可能にし、コンテンツの透明性向上に貢献します。

悪用防止のため、自動検出ツールと人間による審査を組み合わせたコンテンツモデレーション体制を敷いています。実際にCSAMに関連する試行が検出された場合、NCMEC(行方不明・搾取児童センター)へ迅速に報告を実施。報告期間中のNCMECへの報告総数は13件でした。

StreamlabsがAI配信助手発表、RTXで制作作業を劇的に簡素化

主要な役割と機能

共同ホストとして会話の停滞を防ぐ
3Dアバターが質問に即時応答しゲームに集中
プロデューサー機能によるシーン自動切替
技術的なトラブルシューティングを代行

RTXによる高性能化

NVIDIA RTX GPUでローカル処理し低遅延を実現
ユーザー定義のトリガーで制作を自動化
リアルタイムビジョンモデルでゲーム状況把握

Streamlabsは先日、NVIDIA RTX技術によって加速される「Intelligent Streaming Agent」を発表しました。このAIアシスタントは、ライブストリーマーが抱える「エンターテイナー、プロデューサー、ゲーマー」という多重業務の負担を軽減し、視聴者とのコミュニケーションというコアな活動に集中することを目的としています。この技術は、エージェントAIがリアルタイムで高度なタスクを代行する、生産性向上ソリューションの新たな事例として注目されます。

エージェントは主に3つの役割を果たします。第一に共同ホスト(Co-host)として、チャットが静かな際に3Dアバターが会話を繋いだり、視聴者の質問に答えたりします。これにより配信者はゲーム画面から離れる必要がありません。第二にプロデューサーとして、シーンの自動切替や音声・映像キューの実行を担い、複雑な制作作業をカスタマイズ可能なトリガーに基づいて自動化します。

さらに、このAIエージェントは技術アシスタントとしての役割も兼ね備え、ユーザーが直面するトラブルシューティングを支援します。特筆すべきは、NVIDIA GeForce RTX GPUによって加速されるリアルタイムビジョンモデルを活用している点です。これにより、ゲーム内での勝敗や体力低下などのイベントを瞬時に検出し、すべてをローカルで処理することで、極めて低遅延な応答性とシームレスな操作性を実現しています。

Streamlabsは長年、NVIDIAとともにエンコーディング技術やBroadcastアプリなどを通じて配信の敷居を下げてきました。今回のインテリジェント・エージェントは、その進化の集大成です。特に新人ストリーマーにとって、複雑な制作知識や高価な機材なしにプロフェッショナルな品質の配信が可能となります。このAI活用事例は、あらゆる分野で専門家レベルの業務代行が可能になるエージェントAI時代の到来を強く示唆しています。

Meta、画面付きAIグラスとEMG制御バンドを発表

AIグラスの新旗艦モデル

フラッグシップ機「Meta Ray-Ban Display」投入
片目レンズにアプリ表示用ディスプレイを搭載
通知や地図をスマホなしで確認可能

革新的な操作インターフェース

微細な手の動きを検知する「Meta Neural Band」
筋電図(EMG)技術を用いた非接触制御
リストバンドでアプリ操作やナビゲーション

エコシステムとVR/AR強化

開発者向けウェアラブルアクセスツールキット公開
アスリート向け「Oakley Meta Vanguard」発表

Metaは年次イベント「Meta Connect 2025」で、AIとウェアラブル戦略の核となる新製品を発表しました。目玉はディスプレイを搭載したスマートグラス「Meta Ray-Ban Display」と、微細なジェスチャーで操作可能な「Meta Neural Band」です。これはスマートフォンへの依存を減らし、AIを活用したハンズフリー体験を浸透させるための重要な一手となります。

新製品のMeta Ray-Ban Display(799ドル)は、片方のレンズに埋め込まれたポップアップ式の画面を持ちます。これにより、ユーザーは携帯電話を取り出すことなく、メッセージや地図、InstagramのReelsなどを視界に表示できます。これはかつてGoogle Glassが目指した体験に最も近い製品だと評価されています。

このスマートグラスの操作を支えるのが、Meta Neural Bandです。EMG(筋電図)技術により、脳から手に送られる微細な信号を検知し、小さな指の動きでアプリのナビゲーションを可能にします。Metaは、このEMGインターフェースがデバイス制御の新しい標準になると賭けています。

また、スマートグラスのラインアップを大幅に拡充しました。アスリート向けに耐水性とラップアラウンドデザインを採用した「Oakley Meta Vanguard」(499ドル)や、バッテリー寿命を従来の2倍(8時間)に改善した「Ray-Ban Meta Gen 2」も発表しています。

ハードウェアだけでなく、エコシステム強化も進められています。開発者向けには「Wearable Device Access Toolkit」が公開され、サードパーティのアプリがスマートグラスの視覚・音声機能を利用可能になります。これにより、AIグラスのユースケース拡大が期待されます。

創業以来のテーマであるメタバース関連の発表もありました。Questヘッドセット向けには、現実空間をVR上にフォトリアルに再現する技術「Hyperscape」のベータ版が提供されます。また、VRプラットフォーム「Horizon Worlds」のグラフィックエンジンも刷新されています。

ボイスAIが市場調査を刷新、Keplarが340万ドル調達し高速分析を実現

資金調達と事業基盤

シードラウンドで340万ドルを調達
Kleiner Perkinsなど著名VCが出資
Google出身のAIエンジニアが設立

ボイスAIが変える調査手法

従来比で大幅な低コスト化を実現
調査設定を数分で完了する高速性
ボイスAIによる顧客との詳細な会話

高度な会話能力

LLM進化で自然な応答を実現
参加者がAIを名前で呼ぶほどのリアルさ

ボイスAIを活用した市場調査スタートアップKeplarは、シードラウンドで340万ドルの資金調達を発表しました。Kleiner Perkinsが主導したこの調達は、高コストで数週間かかる従来の市場調査を、AIの力で高速かつ低コストに代替する同社の潜在能力を評価したものです。AIは顧客インサイト収集のあり方を根本的に変革し始めています。

Keplarのプラットフォームは、企業が数分で調査を設定し、質問をインタビューガイドに変換します。AIボイスアシスタントが直接顧客に接触し、製品の好みや不満点について掘り下げた質問(プローブ質問)を行います。この迅速な自動化により、従来の調査プロセスと比較し、費用と時間の両面で大きな優位性を実現しています。

このサービスが成立するのは、大規模言語モデル(LLM)の進化によるものです。KeplarのボイスAIは、非常に自然な会話を実現しており、参加者の中にはAIを「Ellie」や「Ryan」といった名前で呼ぶ人もいるほどです。この人間と区別がつかないほどの対話能力が、質の高い生の顧客の声を引き出す鍵となっています。

クライアント企業がCRMへのアクセスを許可すれば、AIリサーチャーは既存顧客へリーチし、パーソナライズされたインタビューを実施できます。AIによる会話結果は、従来の人間による調査と同様に、レポートやPowerPoint形式で分析結果として提供されます。これにより、企業の意思決定者はすぐにインサイトを活用可能です。

Keplarの創業者は元Googleの音声AIエンジニアであり、確固たる技術基盤を持っています。ただし、顧客リサーチ市場の変革を目指す企業は他にも存在し、OutsetやListen Labsといった大規模な資金調達を実施した競合もいます。ボイスAIによる市場調査は、今後競争が激化するフロンティアとなるでしょう。

Amazon、出品者向けAIエージェント拡充 在庫管理から広告生成まで自動化

Agentic AI「Seller Assistant」進化

アカウント状態と在庫レベルを常時監視
売れ行き不振商品の価格変更や削除を推奨
需要パターンに基づき出荷を自動提案
新製品安全規制などコンプライアンスを自動チェック

AI広告チャットボットの導入

テキストプロンプトで静止画・動画広告を生成
ブランドガイドラインを反映したクリエイティブの自動作成
タグライン、スクリプト、ボイスオーバーの生成
Amazon外のメディア(Prime Video等)への広告展開

Amazonは2025年9月、プラットフォーム上のサードパーティ出品者向けに、自律的に業務を代行するエージェントAI機能の導入・拡張を発表しました。既存の「Seller Assistant」を強化し、さらにAI広告作成チャットボットを提供します。これにより、在庫管理、コンプライアンス遵守、広告クリエイティブ制作などの広範な業務が自動化され、出品者の生産性と収益性の最大化を図ります。

拡張されたSeller Assistantは「常時稼働」のAIエージェントとして機能します。これは単なるツールではなく、セラーに代わってプロアクティブに働きかけることを目的としています。ルーティン業務から複雑なビジネス戦略までを自動で処理し、出品者は商品開発や事業成長といったコア業務に集中できる体制を構築します。

特に注目されるのが在庫管理の最適化機能です。エージェントは在庫レベルを継続的に監視し、売れ行きの遅い商品を自動的に特定します。これにより、長期保管料が発生する前に価格の引き下げや商品の削除を推奨。また、需要パターンを分析し、最適な出荷計画を立てるサポートも行います。

複雑化する規制への対応も自動化します。Seller Assistantは、出品リストが最新の製品安全性ポリシーに違反していないかをスキャンするほか、各国で販売する際のコンプライアンス要件への適合を自動で確保します。これはグローバル展開を志向するセラーにとって大きなリスク低減となります。

同時に導入されたAI広告チャットボットは、クリエイティブ制作の時間とコストを大幅に削減します。出品者が求める広告の概要をテキストで入力するだけで、AIがブランドガイドラインや商品詳細に基づき、静止画や動画のコンセプトを自動で生成します。

このチャットボットは、タグラインや画像だけでなく、スクリプト作成、音楽追加、ボイスオーバー、絵コンテのレイアウトまでを完結できます。生成された広告は、Amazonのマーケットプレイス内だけでなく、Prime VideoやKindle、TwitchといったAmazonの広範なプロパティに展開され、露出を最大化します。

これらの新機能は、Amazon独自の基盤モデルであるNova AI、およびAnthropicのClaudeを活用しています。今回の発表は、AIが商取引を主体的に推進する「エージェント主導型コマース」の流れを加速させています。Googleなども同様にエージェントによる決済プロトコルを公開しており、AIによる業務代行競争が本格化しています。

YouTube、クリエイター向けAIを全面強化 Veo 3 Fastやリップシンク導入

<span class='highlight'>Veo</span>連携と動画編集

テキストから動画生成「Veo 3 Fast」統合
会話から楽曲自動生成「Speech to Song」
生素材から初稿を自動編集「Edit with AI」

チャンネル成長支援

AIチャットボット「Ask Studio」でインサイト分析
タイトル/サムネイルの最大3種A/Bテスト
無断利用された顔を検出・削除(YPP向け)

ポッドキャスト/多言語対応

多言語吹き替えにリップシンクを導入
音声コンテンツからプロモーション動画生成

YouTubeは「Made on YouTube 2025」にて、クリエイターの生産性向上と収益拡大を目的とした大規模なAIツール群を発表しました。Shorts制作効率化のほか、チャンネル運営分析、著作権保護、そして多言語展開を支援する機能が焦点です。これにより、クリエイターはコンテンツ制作における高い生産性とグローバルな収益機会を得られると期待されます。

特に注目すべきは、ショート動画(Shorts)向けにGoogleの動画生成モデル「Veo 3 Fast」が統合された点です。これは低遅延の480p動画をテキストプロンプトから生成でき、静止画に動画の動きを適用する機能も搭載されます。クリエイターはアイデアを即座に映像化でき、トレンドへの対応速度が飛躍的に向上します。

編集作業の負担も大幅に軽減されます。「Edit with AI」は、カメラロールの生素材から最適な場面を抽出し、音楽やトランジション、ボイスオーバーを自動で付与し、初稿を生成します。また、会話の内容をキャッチーな楽曲に変換する「Speech to Song」も導入され、より手軽なリミックス文化を推進します。

チャンネル運営の効率化のため、YouTube StudioにはAIチャットボット「Ask Studio」が導入されます。これはチャンネルのパフォーマンス分析や視聴者の反応に関する実用的なインサイトを提供し、収益化戦略を支援します。タイトルやサムネイルのA/Bテストも最大3パターンまで比較可能となり、最適化を促進します。

グローバル展開とブランド保護も重要なテーマです。自動吹き替え機能はさらに進化し、翻訳された音声に合わせたリップシンク技術(口の動きの同期)をテストすることで、翻訳動画のリアリティを大幅に高めます。視聴者が違和感なく視聴できる環境を提供します。

さらに、YouTubeパートナープログラム(YPP)参加者向けには、自身の顔の無断利用を検知し、削除を管理できる「肖像検出」機能がオープンベータ展開されます。これはクリエイターが自身のイメージや評判を守り、デジタル著作権を管理する上で重要なリスク管理ツールとなります。

ポッドキャスト領域への注力も見逃せません。AIは既存のビデオポッドキャストからプロモーション用のShortsやクリップを自動で提案・生成します。また、音声のみのポッドキャストに対しても、カスタマイズ可能な映像を自動で生成可能となり、オーディオクリエイターの新規開拓と視聴時間増に貢献します。

NVIDIAが英国の「AIメーカー」戦略を加速 物理AI・創薬・ロボティクス分野で広範に連携

英国の国家AI戦略を支援

英国のAI機会行動計画を後押し
世界クラスの計算基盤への投資
AI採用を全経済分野で推進
AIユーザーでなくAIメーカーを目指す

重点分野での協業事例

スパコン「Isambard-AI」で基盤構築
ロボティクス:自律走行、製造、ヒューマノイド開発
ライフサイエンス:AI創薬、デジタルツインを活用

NVIDIAは英国のAIエコシステムとの広範なパートナーシップを強調し、英国の国家戦略である「AIメーカー」としての地位確立を強力に支援しています。ジェンスン・ファンCEOの英国訪問に際し、物理AI、ロボティクス、ライフサイエンス、エージェントAIなど最先端領域における具体的な協業事例が公表されました。

英国のAI基盤強化の核となるのは、NVIDIA Grace Hopper Superchipsを搭載した国内最速のAIスーパーコンピューター「Isambard-AI」です。これにより、公的サービスの改善を目指す独自の多言語LLM(UK-LLM)や、早期診断・個別化医療に向けた医療用基盤モデル(Nightingale AI)など、重要な国家プロジェクトが推進されています。

特に物理AIとロボティクス分野での応用が加速しています。Extend Roboticsは製造業向けに安全なロボット遠隔操作システムを開発。Humanoid社は倉庫や小売店向けの汎用ヒューマノイドロボットを開発しており、いずれもNVIDIAのJetsonやIsaacプラットフォームが活用されています。

ライフサイエンス分野では、AIによる創薬の加速が目覚ましいです。Isomorphic LabsはAI創薬エンジンを構築し、英国CEiRSIはNVIDIA技術を用いて複雑な患者のデジタルツインを作成。これにより、大規模かつ多様な患者集団に対する新しい治療法のテストを可能にしています。

エージェントAIおよび生成AIのイノベーションも活発です。Aveniは金融サービスに特化したLLMを開発し、コンプライアンスを確保しながら顧客対応やリスク助言を行うエージェントフレームワークを構築しました。ElevenLabsやPolyAIは、超リアルな音声生成や、大規模な顧客サポート自動化を実現しています。

また、AIスキルギャップ解消への取り組みも重要です。技術ソリューションプロバイダーのSCANは、NVIDIA Deep Learning Instituteと連携し、コミュニティ主導型のトレーニングプログラムを展開しています。これにより、英国全土でAIや専門的なワークロードに対応できる人材育成が進められています。

Google、生成AI「LearnLM」で学習効果11%向上へ

学習効果を高めるAI基盤

独自AIモデル「LearnLM」を活用
教育学に基づきコンテンツを再構築
最新のGemini 2.5 Proに統合
静的な教科書を対話型ガイドに変換

個々人に合わせた学習体験

学習者のレベルや興味に応じて内容を適応
マインドマップや音声レッスンを生成
リアルタイムフィードバック付きの対話型クイズ
長期記憶テストで11%のスコア向上

Googleは、教育分野における生成AI活用実験「Learn Your Way」を発表しました。独自AIモデル「LearnLM」を基盤とし、静的な教科書を学習者の興味やレベルに合わせた対話型コンテンツに変革します。学習科学に基づいて設計されたこのツールは、従来のデジタル教材利用者と比較して長期記憶テストで11%のスコア向上を実現しました。

Learn Your Wayの中核となるのは、教育学(ペダゴジー)が注入された特化型モデルLearnLMです。これは現在、Googleの高性能基盤モデルGemini 2.5 Proに直接統合されています。単なる情報検索ではなく、学習プロセス全体にAIを深く関与させ、指導のエッセンスを組み込むことが特徴です。

具体的な機能として、AIは元の教材に基づき、マインドマップ、オーディオレッスン、そしてリアルタイムフィードバック付きのインタラクティブなクイズなどを生成します。これにより、学習者が自身のペースやスタイルで能動的に学びを進められる、自己主導的な学習環境を提供します。

この実証実験で示された11パーセントポイントという記憶定着率の向上は、企業研修や高度な専門知識の習得において、極めて重要な意味を持ちます。生産性向上を目指す経営層やリーダーにとって、特化型AIが教育・トレーニングにもたらす革新性を示す明確な事例として注目されます。