画像(マルチモーダル)に関するニュース一覧

米国の大規模データセンター、電力消費1.8%に

調査の規模

大規模施設403カ所を分析
年間消費は約82テラワット時
米国電力消費の1.8%

電源と排出

電力の約54%は石炭・ガス
CO2排出は2570万トン
地域の電源構成で排出差

ハーバード大学などの研究チームは2026年11月、米国の大規模データセンター403カ所が2024年5月から2025年4月までに約82テラワット時を消費したと推計しました。これは米国全体の電力消費の約1.8%に当たり、148カ国それぞれの年間消費量を上回る規模です。生成AI向け施設の建設が進むなか、電力需要と排出の実態が焦点になっています。

研究では衛星画像で施設を特定し、電力容量から消費量を推定しました。施設の需要による二酸化炭素排出量は年間2570万トンと見積もられ、電力の約54%は石炭と天然ガス由来だったとされます。

排出量は施設の立地にも左右されます。石炭依存度が高いワイオミング州では、水力発電が豊富なオレゴン州に比べ、消費電力量当たりの排出が約7倍になったと研究チームは推計しました。同じ計算設備でも、地域の電源構成によって気候への影響は変わります。

研究者らは、運営事業者による電力使用量の情報開示が限られ、推計に頼らざるを得ない点も課題に挙げています。データセンター向けに建設される発電所やインフラは長期にわたり排出を固定化する恐れがあり、専門家は事業者に新たなクリーン電源の導入を求めることや、独立したデータの整備を提言しています。

OpenAI、虐待画像検出と子ども保護策を拡充

検出器を無償提供

AI生成画像も検知
確認対象を48%削減
高精度フラグは虐待率2倍

利用者への介入

警告と支援窓口を表示
初回違反で24時間停止
再違反はアカウント閉鎖も

業界と捜査を支援

開発者向け実務指針
捜査員にAIツールと研修

OpenAIは2026年11月16日、児童の性的虐待画像(CSAM)への対策として、AI生成画像も検出する画像分類器を公開し、審査済みの組織にAPI経由で無償提供すると発表しました。既存の仕組みと比べ、虐待画像をほぼ同数見つけながら確認対象を48%減らし、検出画像が虐待画像である可能性は約2倍だったといいます。AI生成物の報告急増で審査現場の負荷が高まるなか、審査の優先順位付けを支援します。

分類器は、過去に確認されていない画像の視覚的特徴を調べ、審査の参考となるスコアを返します。OpenAIは米国立行方不明・被搾取児童センター(NCMEC)と開発・評価し、Tech CoalitionやROOSTなどを通じて提供を広げます。初期協力先の評価では、ある組織が高信頼度の検出結果の72%を新たなCSAMと確認したほか、子どもを性的に描くイラストなどを90%検出した事例も公表しました。

ChatGPTでは、子どもを性的に扱う内容を求めた利用者に警告を表示し、会話を削除したうえでアクセスを24時間停止します。専門的な相談先も案内し、繰り返しの違反は、より長い制限やアカウント閉鎖、当局への報告につながる可能性があります。OpenAIは、児童保護団体や研究者の意見を取り入れて警告の文面と対応を設計したと説明しています。

開発者向けには、虐待の予防、検出、通報や審査の手順をまとめた指針を公開しました。NCMECへの報告登録を進めた開発者もいたといい、分類器や既存のモデレーションツールとの併用を想定しています。さらに、捜査機関には長い会話記録や法的手続きで得た資料の確認、関係性の把握、時系列の作成を支援するツールと研修を提供します。利用は各機関の認可やプログラム要件に基づき管理されます。

NVIDIAのCUDA-Xが科学計算を最大900倍高速化

天文学と核融合

ブラックホール解析を8分に短縮
核融合炉設計を実験中に支援

創薬と材料研究

分子シミュレーションを最大3倍
量子計算を最大22倍高速化

細胞解析を加速

空間グラフ計算で900倍
単一細胞解析で最大200倍

NVIDIAは11月16日、科学研究向けGPUライブラリー群「CUDA-X」の拡充を発表しました。天文学、核融合、創薬、材料科学、細胞生物学でデータ処理やシミュレーションを高速化し、研究者が実験中に結果を分析できるようにします。公開された事例では、ブラックホール観測の相関処理を1カ月超から8分に、細胞の空間グラフ計算をCPU比900倍に短縮したとしています。

イベント・ホライズン・テレスコープの観測データには、cuPhoton.xBeamを使います。NVIDIAによると、従来1カ月以上かかった相関処理が8分になり、複数の電波望遠鏡のデータからブラックホール画像を再構成できます。

核融合では、cuPhoton.xLensがシミュレーション中のプラズマを分析し、Nemotronを使うエージェントが計算の進行方向を調整できる構想です。創薬向けのcuPotentialは分子シミュレーションを最大3倍に高速化し、材料研究のDaviatorは量子力学計算を最大22倍速く、コストを最大75%抑えるとしています。

生物学では、オープンソースのcuSpaが細胞の空間グラフ計算をCPU比900倍に高速化したと発表されました。rapids-singlecellではTherna Biosciencesの処理が200倍、HMMERではBasecamp Researchの検索が最大84倍速くなった事例も示されており、大規模データの解析時間短縮が研究現場にどう生かされるかが焦点です。

Hugging Faceがモデル選定を自動化

連携の内容

言語モデルをOpenRouter経由に
価格・速度・信頼性で接続先選定
障害時は別プロバイダーへ再試行

利用時の要点

既存コードとAPIを継続利用
請求額は提供元価格のまま
独自キー利用は言語モデルで不可
画像・動画生成は従来どおり

Hugging Faceは2026年11月16日、推論サービス「Inference Providers」の言語モデル向けルーターをOpenRouter製に切り替えました。利用者は既存のHugging FaceトークンとAPIを使い、価格、応答速度、信頼性の実測値を基に選ばれたプロバイダーから、オープンウェイトモデルを実行できます。接続先に障害があれば、同じリクエスト内で別の提供元へ再試行します。

OpenRouterは80超のプロバイダーと600超のモデルを扱い、月間800兆トークン超を処理すると両社は説明しています。モデルごとに利用可能な提供元を比較し、通常は価格・速度・信頼性のバランスで振り分けます。「:cheapest」や「:fastest」などの指定、特定プロバイダーへの固定も可能です。

利用者側ではコードを変えずに移行でき、請求はHugging Face経由で提供元の価格が適用され、同社の上乗せはありません。一方、言語モデルのリクエストはOpenRouter経由でHugging Faceアカウントに請求されるため、各プロバイダーの独自APIキーは使えなくなります。画像・動画・音声生成は今回の切り替えの対象外です。

連携の背景にはオープンウェイトモデルの利用拡大があります。OpenRouter上の処理トークンに占める割合は、2025年10月の26.8%から2026年9月末に71.7%へ上昇しました。Hugging Faceはモデル提供基盤、OpenRouterは複数プロバイダーへのルーティングを担い、利用者が同じ窓口からモデルを選びやすくします。

ただし、最上位のオープンウェイトモデルは難度の高いベンチマークで最上位の専有モデルに及ばないと記事は述べています。平均コストの低さを含め、業務ごとに性能と費用の釣り合いを見極める必要があります。今後はOpenRouterアカウント連携や、追加タスクのルーティングを予定しています。

英6千人調査、10代のAI活用と安全意識を報告

10代の実態

77%が情報の信頼性を確認
週2回以上AI利用は3分の2
創作・学習でAIを活用

大人に求める支援

81%が保護者に相談
安全と利用機会の両立
親もAI・偽情報を学ぶ

Googleが紹介した英国の10代約6,000人を対象とするFuture Reportでは、77%がオンライン情報の信頼性を常に、または頻繁に確かめると答えました。調査を紹介した子ども支援団体は、危険を防ぐだけでなく、学びや創造性を伸ばす機会を保ちながら、保護者や教師が段階的な経験を支える必要があると訴えています。

調査では10代の3分の2が週に少なくとも数回AIを使い、創作に67%、学習に65%が利用。答えを得るだけでなく、仕組みを理解しようとする姿勢も見られ、16〜18歳では語学学習が20%、コーディング習得が19%、就職応募の準備が17%でした。

一方、若者はオンライン上の誤情報や詐欺、ネットいじめについて81%が保護者に相談すると回答しました。AIについては、別の調査で41%が同世代の感情面の支援にAIが過度に頼られていると感じ、60%がAIによる不適切な画像の作成を懸念しています。

支援団体は、アクセスを一律に制限すると、技術を使って得られる学習や自信まで失われかねないと指摘します。保護者と教育者には、年齢に応じた練習を見守り、子どもと一緒にAIや偽情報について学ぶ姿勢が求められます。調査では、10代の26%が、親はAIや偽コンテンツを見分けられないと心配していました。

Apple、Siriの高度なAI機能に日次上限を試験

無料枠と対象機能

基本的なSiri操作は無制限
画像生成などに日次上限

有料プランの利用枠

iCloud+で上限を拡大
上位プランほど利用枠増加

利用者への影響

上限接近時に通知
家族共有枠は先着順

Appleは2026年11月16日、iOS 27.3などのベータ版で、SiriとApple Intelligenceの一部機能に端末ごとの日次利用上限を設ける試験を始めました。基本的なSiriへの指示は引き続き無料で無制限ですが、クラウド処理を使う高度な機能では、利用頻度に応じてiCloud+への加入が必要になる場合があります。

対象には、個人情報を踏まえた複数段階の依頼、写真の画像生成・編集、Appleのクラウドモデルを使うショートカットの自動化、同モデルを利用する他社アプリが含まれると報じられています。上限回数は公表されておらず、処理内容によって異なる見込みです。

Appleは利用上限に近づいた時と、上限に達した時に通知する計画です。日付が変わるまで待たずに利用枠を増やす方法として、50GBプランを除く既存のiCloud+プランで追加枠を提供します。

月額2.99ドルの200GBプランは通常の2倍、9.99ドルの2TBプランは5倍、6TBと12TBのプランはそれぞれ10倍と20倍の利用枠になるとされています。家族で共有するiCloud+では利用枠も共有され、先に使った人から消費されます。

高度なAI機能を頻繁に使う利用者にとって、実際の上限回数とプランごとの余裕が使い勝手を左右します。Appleは先週、Logic Pro向けに有料の追加利用枠も発表しており、同様の仕組みをほかの制作アプリにも広げる予定です。

カーネギーメロン大のAIペット、身近な道具の利用を促す

モノに宿る表情

センサー連動の小型E Ink表示
物の状態に応じて表情が変化
植物や運動器具などに装着

試作の用途と課題

利用習慣や行動の振り返り
稼働中の機器の注意喚起
電池は通常3〜4日で充電
擬人化による過信に注意

カーネギーメロン大学の博士課程学生、キム・デファ氏は2026年11月初旬、日用品に取り付ける小型AIアバター「OATs」を発表しました。センサーで物の状態を読み取り、電子ペーパー画面のキャラクターの表情を変える仕組みで、使う人の行動を促す狙いです。画面を通じてデジタルな存在を生活空間に持ち込む試みです。

OATsはObject Agent Twinsの略で、湿度や温度、光、動きなどを測るセンサーと小型のE Ink画面を備えます。植物に付ければ水やりが必要なときに悲しそうな表情を見せ、スケートボードなら長く使われていないことを知らせます。

利用者の試作例には、コーヒーメーカーの稼働表示、3Dプリンター使用中の注意喚起、ダンベルの使用頻度の記録がありました。画面用のキャラクター画像はGoogleの画像生成サービスで作り、ウェブ画面から対象物やセンサー、反応を設定できます。

キム氏は2026年11月、デトロイトで開かれたACMのUIソフトウェア・テクノロジー会議でプロジェクトを発表し、佳作賞を2件受けました。一方、電池は通常でも約3〜4日、音量センサーを使うと約1日しか持たず、現状は実用製品というより概念実証です。

物に感情を持たせる設計は、習慣づくりを助ける一方で、AIへの親近感や信頼を強めすぎる可能性もあります。キム氏はOATsの機能を表情表示に限り、擬人化を便利に使いながらも過度に依存させない必要性を指摘しています。

Octen、AI検索を高速化し月20ドル定額

エージェント向け検索

ページ特定を約10ミリ秒で処理
月20ドルでWeb検索無制限
画像検索も追加

導入前の確認点

処理時間はサーバー中央値
個人プランは待ち行列あり
公開モデルは商用利用制限
検索品質を実業務で評価

AI検索スタートアップのOctenは、AIエージェント向け検索を拡充し、ページを約10ミリ秒で特定するモデル「Pulse」と月額20ドルのWeb検索定額プラン、画像検索を発表しました。外部情報を頻繁に調べるエージェントの検索コストと待ち時間を抑える狙いです。

Pulseの10ミリ秒はサーバー内処理の中央値で、ネットワーク通信やページ取得、回答生成まで含む所要時間ではありません。軽量モードはURLとタイトルを返し、標準モードでは追加情報や本文取得にも対応しますが、後者などには別料金がかかる場合があります。

月20ドルのStandardプランはWeb検索を無制限で利用できますが、個人向けで、混雑時にはリクエストが待ち行列に入ります。企業向けの処理能力保証は別契約で、同社のBuilderプランは毎秒最大50件の枠とSLA付きで月額2,099ドルとされています。

独立評価ではOcten Searchの速度とタスク当たり費用に強みが示される一方、品質スコアで上回る競合もあります。また、ダウンロード可能なPulseモデルの重みとURL表は非商用ライセンスで、商用の自社運用には別途許諾が必要です。

企業は実際の業務質問で、回答品質、総費用、応答時間、取得できる根拠を測る必要があります。目的地を素早く特定する用途と、深い調査を要する用途を分けて評価することが導入判断の要点です。

Google、38カ国の博士課程研究者148人を支援

総額1300万ドルを拠出

新規フェロー148人
38カ国から選出

AIや科学の研究を後押し

Google.orgが1300万ドル
医療・言語・半導体研究

計算資源と研究者網

計算資源の提供
2009年から累計1100人超

Googleは2026年の博士課程フェローシップとして、38カ国の148人を新たに選びました。Google.orgは総額1300万ドルを拠出し、AIを含む科学研究を進める若手研究者を支援します。

対象には、遺伝情報を使った疾患研究、医療画像の解釈性向上、ナイジェリア諸語の音声認識、聴覚障害者向けのセキュリティー設計などが含まれます。台湾では効率的なデータ処理を目指す半導体研究も進められています。

フェローには研究資金に加え、計算資源やGoogle研究者との交流機会、国際的な研究者ネットワークを提供します。基礎研究と実社会の課題を結びつける狙いです。

同制度は2009年に始まり、これまでに世界で1100人超の大学院生を支援しました。卒業生は大学教員や起業家、オープンソース開発者、企業研究者などとして活動しています。

Google、選択肢を一括判定するGemini Decisions API

最大1000問を一度に評価

生成ではなく候補を採点
ルーティングや規則判定に活用
Gemini APIで提供開始

テキストや画像などに対応

Googleは、候補の中から選択する処理に特化したGemini Decisions APIを発表しました。新モデルGemini Decision 1が入力を一度に評価し、文章を順に生成せず、選択肢ごとのスコアを返します。

テキスト、画像、音声、動画、PDFを扱い、最大25万6000トークンの入力と最大1000件の独立した質問に対応します。ツール選択、ポリシー確認、モデル振り分け、文脈評価などを想定しています。

通常の生成モデルに判定を委ねる代わりに、定義済みの選択肢から効率よく判断するためのAPIです。複数候補の比較を一括で処理することで、低遅延なワークフローを狙います。

Gemini APIを通じて利用でき、Google AI Studioにも試用環境が用意されました。実際の業務では、候補設計やスコアの校正、誤判定時の扱いが導入効果を左右します。

Adobe、写真を歩ける3D空間にするAI実験を公開

実験機能を披露

会話でAIキャラクターを設計
画像編集をコピー操作に近づける
現時点では試験的な機能

写真を探索できる空間に変換

Adobeは年次イベントMaxで、画像や動画制作に向けた複数のAI実験機能を紹介しました。写真から歩き回れる3Dシーンを作る機能や、キャラクターとの会話を通じて性格を作り込む機能などが含まれます。

Project Screen Testでは、利用者がキャラクターの性格や声を設定し、対話しながら背景や目標、癖を具体化します。その後、場面を指定してアニメーションのスクリーンテストを生成できます。

別の実験では、静止画を探索可能なシーンへ変換するほか、写真編集を要素のコピーと貼り付けのように扱うことを目指します。制作の指示を文章だけに頼らず、会話や視覚操作で行う方向です。

紹介された機能は実験段階で、製品への搭載時期や提供形態は明らかになっていません。映像制作者やデザイナーにとって、試作の手間を減らせるかが今後の評価点になります。

GoogleとAdobe、日常アプリに制作機能を統合

アプリ間の移動を減らす

Drive・GmailからAcrobatへ
GeminiにAcrobat連携
検索のAIモードで制作

企業と制作現場へ

Gemini Enterpriseで販促支援
Photoshop向け画像モデルを検討
DeepMindと編集機能を探る

GoogleとAdobeは2026年11月10日、Adobe MAXで提携拡大を発表しました。Google DriveやGmail、Gemini、Google検索にAdobeのPDF編集・クリエイティブ機能を組み込み、利用者がアプリを切り替える手間を減らします。企業向けにはGemini Enterpriseを通じた販促制作支援も提供し、Google DeepMindとの共同検討ではPhotoshop向け画像モデルを起点に新たな編集体験を探ります。

DriveとGmailでは、ファイルプレビューの「編集」導線などからAdobe Acrobatへ直接進める仕組みを近く導入します。GeminiとGemini EnterpriseではAcrobatや追加の制作ツールとの連携を拡大し、Adobeの制作機能はGoogle検索のAIモードにも加わる予定です。

Gemini Enterpriseでは、AdobeのCX Enterprise Coworkerエージェントを利用できるようになります。チームがグラフィック制作、PDF作業、マーケティングキャンペーンの立ち上げを進めるためのAIアシスタントで、日々の業務環境内で作業をつなげます。

両社はGoogle DeepMindとも、クリエイター向けの新しい編集機能を検討します。出発点として、Photoshopでほぼリアルタイムの編集を可能にする可能性がある画像モデルを挙げました。発表では、各機能の具体的な提供時期や詳細な条件は示されていません。

MetaのMuse Ember、同等級モデルより推論費を抑制

性能と料金

Haiku 5.5と指数36
評価タスク約14セント
Haiku比で約3分の1
100万超の文脈対応

業務導入の要点

業務操作評価で優位
全工程完了率37.8%
用途で性能差が顕在
検証可能な作業から導入

Metaは2026年11月10日、AIエージェント向けモデル「Muse Ember」を公開しました。Artificial Analysisの評価では、最大推論設定の知能指数が36となり、AnthropicのClaude Haiku 5.5と同水準です。評価タスク当たりの推定費用は約14セントで、Haikuの約41セントを下回ります。

Meta Model APIでは、テキストや画像、音声、動画、PDFを入力でき、最大約105万トークンの文脈を扱えます。入力20万トークン以下の料金は、100万トークン当たり入力10セント、出力50セントです。20万トークンを超えると各単価は3倍になり、長文処理では費用が跳ね上がる点に注意が要ります。

業務アプリを操作するAutomationBench-AAでは、初回で全タスクを完了した割合が37.8%でした。Metaの比較ではGPT-6 Lunaが20.2%、Haikuが13.9%です。一方、コーディング評価では指標によって順位が異なり、変更をマージ可能か判定するテストではHaikuがEmberを上回りました。

こうした結果から、Emberは複数工程を含む業務を全面的に任せるより、合否を明確に判定できる反復作業で試すのが現実的です。例えば問い合わせの分類や記録取得、失敗テストの調査などを任せ、重要な変更は承認や別モデルの確認につなげる設計が考えられます。

導入時は呼び出し単価だけでなく、再試行や上位モデルへの引き継ぎを含む「受け入れ可能な結果」当たりの費用を測る必要があります。入力が20万トークンを超えた場合の料金、処理時間、成功率も既存手段と比べ、十分な頻度がある仕事から効果を確かめることが重要です。

Google、視覚業務を測るAIエージェント評価を公開

実務を再現する設計

10業界83職種の専門家が設計
200件の複数工程タスク
正確性と見た目を採点

評価方法と結果

全モデルを同一環境で評価
専門家との採点一致率96%
Gemini 4 Carbonは品質2位

費用と公開範囲

首位モデル比で平均6分の1の費用
本評価200件は非公開
公開用10件をHugging Faceで提供

Googleは11月10日、Artificial Analysisとの協業で、視覚情報を含む実務をAIエージェントがどこまで遂行できるか測る「MKA(Multimodal Knowledge Agent)」ベンチマークを公開しました。建築図面や技術資料の照合、報告書や表計算の作成など、画像やページ構成の理解が欠かせない仕事を評価します。

評価セットは10業界、83職種の専門家が作成した200課題です。各課題は熟練者が3〜8時間かける複数工程の仕事を模し、入力ファイルと採点基準を組み合わせています。採点は事実の正確さを75%、視覚的なデザインを25%の比重で評価します。

比較するモデルは、オープンソースのエージェント環境「Stirrup」で同じツール、実行環境、操作回数の上限を使います。Google以外のモデルを基盤にした自動採点者が成果物を開き、ページを表示し、表計算の数式も確認します。専門家の採点との一致率は96%だったとGoogleは説明しています。

技術報告書によると、評価対象モデルは課題完了まで平均30〜130回の操作を要し、効率に大きな差がありました。GoogleのGemini 4 Carbonは品質で2位となり、首位モデルに比べて平均費用を6分の1に抑えたとしています。

本評価の200課題は学習データへの混入を防ぐため非公開ですが、形式を確認できる別の10課題はHugging Faceで公開されています。企業が自社のモデルやエージェントを試す際、文章だけでなく視覚理解や成果物の仕上がりも含めて比較できる点が特徴です。

Adobe、制作アプリにAI機能拡充

制作アプリの新機能

Premiereで動画内の物体を除去
Photoshopに照明調整と比較機能
Lightroomに肌補正と目の修正
Fireflyに試作・動画編集機能

外部AIとの連携

Creative Cloud向けローカルMCP
外部エージェントが作品を直接編集
常時稼働型エージェントを予告

Adobeは11月、米マイアミで開いた年次イベント「MAX」で、PhotoshopやPremiereなどCreative Cloud各製品とFireflyにAI機能を追加すると発表しました。動画の不要物除去から画像の照明調整、制作作業の自動化までを支援し、クリエイターの編集工程を短縮する狙いです。

Premiereでは、動画内の対象物をマスクして追跡し、生成AIで消す機能がベータ版として加わります。Photoshopには周囲の影や反射も考慮する削除ツールの改良、編集前後を比べる機能、光源を配置して画像を照らす機能が登場します。

Lightroomではデスクトップ版にワンタップの肌補正が広がり、まばたきした目を参照写真に基づいて補正する機能も公開ベータになります。Fireflyには動画を組み立てるAI機能のほか、Webサイトやアプリの試作ツール「Builder」がプライベートベータで導入され、ブランドに沿ったグラフ作成なども追加されます。

AdobeはCreative Cloudの機能を外部AIエージェントから使えるローカル版MCPも発表しました。OpenAI、Google、Anthropicなどの対応エージェントがPhotoshopやIllustratorなどのファイルを直接編集でき、レイヤーやベクターを保ったまま人が手直しできます。プライベートベータは2027年初めの予定です。

FireflyのAIアシスタントには、作業開始前に計画を確認・修正できるモードや、利用モデルを選ぶ機能が加わります。素材整理や品質確認などをバックグラウンドで繰り返す常時稼働型エージェントも予告されましたが、提供時期は示されていません。

世界モデル、ロボットや自動運転を訓練

動きと背景

世界モデル、ロボットや自動運転
機能拡張の計画
導入段階の違い

実務への影響

活用範囲の拡大
運用上の課題
今後の注目点

世界モデルは、画像から現実世界の状態を捉え、次に起きる変化を予測するAIです。ロボットや自動運転車が、実環境へ出る前に仮想空間で行動を学ぶ用途が注目されています。

Niantic Spatialは現実空間のデータを使った環境再現を進めています。写真から3D空間を作り、ロボットに大量のシミュレーションを経験させる構想です。

自動運転では、危険な道路状況を実走せず再現し、車両の反応を訓練できます。ゲーム開発でも物理法則や3D描画を扱う技術として活用が期待されています。

一方、現実空間を再現するには人々の映像データが必要です。記事は、生活空間の撮影やデータ収集の仕事が広がる可能性と、個人の暮らしが学習素材になる課題を指摘しています。

OpenAI、日常的な実験を測るAI評価基準を公開

実験データを評価

100の実験課題を収録
画像や測定値を解釈
不確実性の判断も採点

性能向上と課題

GPT-6 Astraは66.7%
GPT-5.6 Solは43.8%
実験判断には改善余地

OpenAIはバイオ企業Ligoと、AIが日常的なウェットラボ実験をどこまで解釈できるか測るベンチマーク「BioBasicsBench」を公開しました。100課題で生データや実験上の問題を読み取り、証拠が結論を支えるか判断する能力を評価します。

課題はタンパク質実験、顕微鏡画像、測定、核酸、分子クローニングの5領域にまたがります。ゲル画像や細胞画像、実験器具の記録などを使い、実験者が日常的に行う分析を再現しています。

高い推論設定での平均得点は、GPT-6 Astraが66.7%、GPT-5.6 Solが43.8%でした。前者は画像や動画を含むデータの扱いで改善を示しましたが、誤ったラベルや実験の前提に引きずられ、結論を誤る例も残っています。

課題作成には研究者が参加し、別の研究者による内部確認と、ウェットラボ経験を持つ博士号取得者の外部確認を経ています。OpenAIは、ベンチマークを使って実験データの解釈や対照条件の確認を改善し、AIの研究支援と安全性を評価する考えです。

NVIDIA、6G研究向け無償ツールが100万DL突破

研究基盤の利用拡大

5G・6Gツールが100万DL
利用機関は8000超
開発者採用は10倍

通信とAIを連携

ロボット応答を高速化
適応型ネットワークを開発

NVIDIAは、6G研究向けオープンソースツール群のダウンロードが100万回を超え、世界8000超の研究・教育機関が利用していると発表しました。AerialとSionnaの開発者採用は過去1年で10倍に増え、通信・計算・センシングを統合する次世代網の研究を支えています。

Aerial無線ソフトウェアやSionnaは、シミュレーションやAI学習と、実際の電波を使う実験をつなぎます。研究者は同じ基盤でアイデアを試し、結果を比較しながら開発できます。

応用例の一つは、ロボットが画像全体ではなく、物体や位置関係を短い情報にして送る通信方式です。キングス・カレッジ・ロンドンの実験では、意図的に障害を加えた作業で、ロボットの完了時間を最大52.6%短縮し、成功率も改善したとしています。

NVIDIAは、機器の移動に応じて通信を調整し、ロボットや自律システムの接続を保つ研究も紹介しました。公開ツールの利用拡大は、研究機関や開発企業が次世代ネットワークの試作と比較を進めやすくする基盤となります。

Amazon、Alexaに文字で買い物相談機能

テキストで注文

米国の一部顧客から提供
自然文で商品検索・購入
画像から類似商品を検索

買い物支援を拡充

価格や注文状況も確認
好みを学び商品を提案
ホリデー商戦前に展開

Amazonは2026年11月、米国の一部顧客を対象に、AIアシスタント「Alexa」とテキストメッセージで会話し、買い物を進める機能を始めました。利用者は自然な文章で商品を探し、カートへの追加から購入まで依頼できます。年末商戦を前に、音声中心だったAlexaを日常的な買い物窓口へ広げます。

機能は商品検索だけでなく、買い物リストの管理、価格の追跡、ウェブ上の商品比較、配送状況の確認にも対応します。商品や服装の写真を送れば、Amazon上で似た商品を探せます。Alexaは今後、利用者の好みを学び、商品を提案する計画です。

提供対象者には利用を促すメッセージが届き、招待されていない人は順番待ちリストに登録できます。Amazonは今後数週間で対象を広げるとしています。まず限定提供で使い勝手を確かめながら、テキストによる購入導線を整える段階です。

AIエージェントを巡っては、外部サービスのエージェントに任せる動きもあります。一方、DoorDashは外部エージェント経由の注文がこれまで数百件にとどまると説明し、自社のテキスト型エージェントを育てる方針を示しました。Amazonの施策も、顧客接点と購入データを自社内に保つ狙いがうかがえます。

Gemini、手描きスケッチから動くアプリを作成

作成の流れ

スケッチ画像をアップロード
Canvasでアプリを依頼
プレビューで動作を確認

調整と活用

色や書体を対話で変更
習慣記録やゲーム盤も
紙の案を操作可能に

Googleは、Geminiを使って手描きのアイデアを動くアプリに変える方法を紹介しました。アプリの見本や習慣記録表、ゲーム盤などのスケッチを写真に撮り、Geminiに読み込ませます。

利用者はCanvasツールを選び、スケッチをアプリとしてコード化するよう依頼します。Geminiが画像の内容を読み取り、アプリのコードを生成する手順です。

生成したツールはプレビュー画面で試せます。利用者は色、フォント、機能などの変更をGeminiに依頼し、リアルタイムに調整できます。

この機能により、紙に描いた案を試作可能な道具にする工程を短縮できます。Googleは、思いついた時点で試作品へ進める活用例として紹介しています。

Google、Gemini動画生成をVidsに無料提供

動画生成の拡張

最大15秒の動画を生成
会話形式で部分編集
参照画像の再現性向上

利用条件

Vidsで月3本まで無料
API価格を30%引き下げ
720pは1秒0.07ドル

Googleは動画生成モデル「Gemini Omni 1.2 Flash」を公開し、Google Vidsにも搭載しました。Googleアカウント利用者はVidsで月3本まで、最大15秒の動画を無料で作成できます。

新モデルは従来の最大10秒から15秒へ延長し、3秒から1秒刻みで長さを指定できます。会話を通じて一部を修正でき、全編を作り直さず細部を調整できます。

人物や商品の画像、短い動きの映像、音声を参照に使い、顔や衣服、包装デザインなどを動画の最初から最後まで保つ機能も強化しました。下書きを360pまたは720pで作り、選んだ映像を1080pや4Kへ拡大する使い方を想定します。

Gemini APIと法人向けサービスでも一般提供を始めました。APIの720p動画価格は1秒あたり0.07ドルで、前世代より30%下がったとGoogleは説明しています。

Dropbox、Tigris買収でAI基盤を強化

買収の狙い

3億5000万ドルで買収
AI向け基盤を拡充
年内完了を見込む

新サービス

DBX Agent Cloudを開発
S3互換の単独ストレージ
70,000超のチームにAI

Dropboxは11月5日、クラウド技術企業Tigris Dataを3億5000万ドルで買収すると発表しました。同社にとって過去最大級の買収で、2026年第4四半期の完了を見込みます。

買収技術は、AIモデルやエージェントを開発する企業向けの新サービス「DBX Agent Cloud」に生かします。当初はAmazon S3対応ツールと組み合わせて使えるオブジェクトストレージを単独提供します。

Dropboxは文書や画像、音声、動画を扱う機能や、AIエージェントが作業をまたいでファイルを管理する仕組みも追加する計画です。利用者は複数のAIモデルを選び、ChatGPTやClaudeなど外部ツールにDropboxの内容を接続できるようになります。

同社によると、新しいAI体験はすでに7万を超えるチームに提供されています。米国、英国、オーストラリアの対象顧客から展開し、2027年に対象拡大を予定しています。

EU規則でAI文章の透かしに難題

規則と技術

AI生成物の識別を要求
透かし方式の実効性が焦点
文章は判定が特に難しい
規則対応に技術的課題

背景

改変や翻訳で検出困難
検出精度と誤判定が課題

EUの新たな規則を受け、AI生成文章に透かしを付けて識別する技術の実効性が問われています。記事は、文章の透かし方式が規則の要件を満たせるかに焦点を当てています。

AI文章の識別には生成時に印を埋め込む方法などがありますが、文章は画像や音声より印を維持しにくい性質があります。文章の一部を書き換えたり、翻訳したりすれば、判定が変わる可能性があります。

検出方法は、AIの生成物を見逃さないことと、人間が書いた文章を誤って判定しないことの両立が必要です。短文や編集済みの文章では判断材料も限られます。

規則が求める識別を実際に運用するには、透かしだけでなく、由来情報や検出手段の限界も考える必要があります。記事は、技術的な制約が制度対応を難しくする可能性を指摘しています。

チャットボット広告、AI生成文がクリック倍増

市場動向

OpenAIは広告を拡大
GoogleもAI検索に導入
AI生成広告はクリック倍増
専門アプリにも広がる

課題

広告主は体験に不満
医薬品は人の管理重視
回答とのなじみを検証

チャットボット広告の導入が進み、広告技術企業Koah LabsのCEOは、AIが一部を作成した広告のクリック数が人手のみの広告の約2倍になったと述べました。広告文がAIの回答に自然になじむ可能性があります。

OpenAIはChatGPTで10万超の広告主を抱え、GoogleもAI Modeの広告を米国以外の10カ国に広げました。KoahはDeepAIやLinerなど200超のアプリに広告を提供しています。

Koahの広告は広告主が出した商品情報や画像に基づくため、誤った情報の生成を抑えられると同社は説明します。一方、医薬品など表現規制の厳しい分野では、人による管理を強める広告主もいます。

広告は大手ほど資本力のない専門チャットボットの収益源にもなり得ます。ただし広告主の満足度には課題が残り、回答画面での表示が利用者の体験や信頼にどう影響するかが焦点です。

Nexus Mods、AI利用の申告を必須化

投稿時に明示

新規MODでAI利用を申告
AI支援の使い方も説明

禁止でなく表示を強化

AI生成MODの全面禁止なし
AI表示をページで目立たせる
既存投稿は60日以内に更新
再利用の制御と帰属を強化

PCゲームのMOD投稿サイトNexus Modsは、新規投稿でAI利用の有無を申告するルールを導入します。AI支援とした投稿には、どの工程でどう使ったかの公開説明も求めます。

運営側はAI生成MODを全面禁止しない方針です。スクリプト補完から画像・音声・素材の生成まで創作工程にAIが広がっており、禁止よりも利用を明示し、プラットフォームの規則で扱う方が実態を可視化できると説明しています。

AI関連の表示はMODページで目立つようになり、利用者がゲームページやトップページでAI生成物を非表示にする設定も用意されます。検索結果での表示制御も今後の予定です。

既存投稿者には要件を満たすための60日間が設けられ、期限は2027年1月2日です。Nexus Modsは投稿物をAI学習に使ったり、学習目的で販売・ライセンス供与したりしないとし、再利用の制御や作者への帰属表示も強化する考えです。

Google、Courtauldと美術の鑑賞体験を拡充

作品解説を公開

新たな鑑賞記事12本
時代や地域を越えた作品

AI活用も探る

美術研究機関と連携
写真資料の検索性を向上
AIでメタデータ業務を検討
学習資源として世界に公開

Google Arts & Cultureと英Courtauld Institute of Artは11月4日、「The Art of Looking」を公開しました。美術作品の見方や背景を紹介する12本のストーリーを通じ、幅広い読者が美術と美術史に触れられるようにします。

記事ではマネやゴッホ、ミケランジェロらの作品を取り上げ、構図や制作背景、作品が持つ意味を解説します。Courtauldは教育・研究機関であり、所蔵作品と研究成果を世界の利用者に届けることを目指しています。

両者は新たなアーティスト・レジデンシーも発表しました。文化機関が保有する大規模な写真資料を対象に、AIをメタデータ業務に活用する方法を探ります。

この取り組みは、画像資料を検索しやすくし、世界各地の学習カリキュラムにつなげる基盤づくりを想定しています。Google Arts & CultureとCourtauldは2022年から協力し、作品の高精細撮影などを進めてきました。

Nothing、画面のないAI端末を12月に発売へ

初のAI専用製品

カール・ペイCEOが予告
アプリではない道具と説明
画面を搭載せず

製品の詳細は未公表

具体的な機能は不明
AIアクセサリーの噂も
既存端末との差別化探る

Nothingのカール・ペイCEOは11月4日、同社初のAIネイティブ製品を12月に発売すると予告しました。画面を持たず、アプリとして提供するものでもないと説明しています。

投稿では製品の外観や機能の詳細は示されず、黒い形状の一部とみられる画像が添えられました。Nothingは前年、AIを中心に据えた端末やOSを開発する方針を示していました。

同社を巡っては、カメラ付き・カメラなしのスマートグラスや、スピーカーなどのAIアクセサリーを検討しているとの報道がありましたが、今回発表された製品がそれらに当たるかは不明です。

ペイ氏は、ペンダントやピンなど既存の形を追うのではなく、AIを日常に組み込む新しい製品を目指す考えを示しました。画面のないAI機器を巡っては過去にも複数製品が登場しており、Nothingの製品詳細と実際の用途が注目されます。

Dharma AI、文書から項目を抽出する20億パラメータモデル

JSON形式で出力

任意文書から項目抽出
指定スキーマに沿って返却
未記載項目はnull

評価と運用費

比較試験で最高0.834
単一L40Sで自社運用
API比6〜147分の1の費用

Dharma AIは、文書画像から指定項目を抽出し、構造化JSONで返す2-billionパラメータのField Extractorを公開しました。請求書、医療依頼書、身分証などを対象に、文書全体のOCRテキストではなく、後続システムが使う項目や表の値を直接取り出す設計です。

利用者は項目をあらかじめ指定しないオープン方式か、キー名と型を決めるスキーマ方式を選べます。指定した値が文書に存在しない場合はnullを返し、指定スキーマと同じキー構造で出力するため、業務システムへの連携を想定しています。文書種別ごとの追加ファインチューニングは不要としています。

基盤はDharmaOCR-LITE v1.1で、43,384件の例を使ったLoRAアダプターを追加学習しました。英語の複数分野、ブラジルの実文書、その他の言語を含むデータで訓練し、請求書、領収書、申請書、銀行明細、身分証などを対象にしています。

同社の546文書、3シナリオのベンチマークでは、Field Extractorは0.834を記録し、比較した汎用モデルの0.816〜0.741を上回ったと発表しました。単一のL40Sでの自社運用費は、比較対象のAPIより約6〜147分の1としていますが、これは販売価格ではなく、ハードウェアや処理量などに左右される推計です。

OpenAIのChatGPTがGIF生成と編集に対応

作成と編集

文章や写真からGIF生成
再生速度を調整
個別フレームを編集

画像機能を拡張

Images 2.6を順次提供
週40億枚超を生成
APIに高速モデル追加

OpenAIはChatGPTに、文章の指示やアップロードした写真からアニメーションGIFを作成する機能を追加しました。新しいImages 2.6モデルとともに提供し、生成したGIFの再生速度を調整したり、フレームごとに確認・編集したりできます。

従来はChatGPT内で一度にGIFを生成できませんでした。今回の機能では、たとえば踊る猫のGIFを指示で作り、動きの速さを変えるといった編集を行えます。

Images 2.6はウェブ、デスクトップ、モバイルのChatGPTとCodex利用者に順次展開されます。OpenAIによると、ChatGPTとAPIを合わせた画像生成は週40億枚を超え、9月に示した週30億枚から増加しました。

同社はAPI向けにGPT-Image-2.6 FlareとSunburstも提供します。FlareとSunburstは、より高速な生成や高品質化を狙うモデルとして発表されました。

OpenAI、ChatGPT検索量はGoogleの2割と発表

検索利用が拡大

Google比で検索量は20%
OpenAI幹部がイベントで説明
検索の定義はウェブ検索実行時

広告収益も視野

対話型の検索体験を強化
ChatGPT内の広告を拡充
Googleとの競争が本格化

OpenAIの消費者向け製品責任者Adam Fry氏は、ChatGPT経由の検索クエリ数がGoogleの約20%に達したと明らかにしました。11月2日の報道向けイベントで説明した数字で、同社は検索を、入力内容によってウェブ検索が実行されたケースと定義しています。

Fry氏はGoogle側の検索量の出典を明かしておらず、この比較はOpenAIの説明に基づきます。Googleを追い越すにはなお隔たりがある一方、同社はChatGPTを検索サービスの競争相手として位置づけています。

OpenAIは検索結果を会話の中に視覚的、対話的に表示する「Intelligent UI」の構想も説明しました。GoogleがAI概要などの生成AI機能を検索に加えるなか、利用者が情報を探す入口を巡る競争が広がっています。

収益面では広告も重視しています。OpenAIはChatGPT内でスポンサー商品の画像を表示する方針を示しており、Fry氏は広告が製品利用に悪影響を与えていないとの見解を述べました。

Heimstaden、AIで住宅運営を効率化

賃貸業務をAIで支援

物件価格や広告作成を補助
画像制作費を99%超削減
判断と承認は従業員が担当

社内導入から基盤整備へ

導入2〜3カ月で社員の半数が利用
Codexで2万件超の物件情報を分析
複数システム連携を準備

欧州の住宅運営会社Heimstadenは、OpenAIのツールを使い、賃貸募集や物件管理の業務を効率化しています。空室の賃料査定、広告画像や説明文の作成、掲載内容の確認、市場反応の分析をAIが支援し、社員が最終確認と承認を担います。

オランダでは、物件の仮想演出画像の制作費が1枚約50ユーロから0.10ユーロ未満へ下がりました。同社は同国だけで年間13万ユーロの節約余地があると推計しています。またCodexで2万112件の物件資産を分析し、作業量の見積もりを5人で1年から2人で2カ月へ短縮しました。

同社は2025年6月にAI活用を加速し、従業員研修、全社変革組織、AI対応のデータ・業務基盤を柱に据えました。導入後2〜3カ月で従業員の半数が利用したと公表し、業務を理解する社内推進役の重要性も挙げています。

次の段階として、Outlook、SharePoint、Teamsをまたぐ調達情報基盤を展開中です。さらに不動産管理システムをAIワークフローに対応させ、従業員が適切な監督のもとで情報取得や処理を進められる構想です。会社は、人をなくすのではなく、住宅運営の判断や顧客対応を支える仕組みを目指しています。

ベゾス氏らの毛髪写真は加工、原画像で検証

拡散画像は過去写真の改変

ベゾス氏とステイサム氏が対象
別の年に撮影した写真を編集
AI使用の有無は確認できず

逆画像検索で真偽を確認

服装や背景から原画像を特定
本人の過去写真と照合
共有前に出典を確かめる

ジェフ・ベゾス氏と俳優ジェイソン・ステイサム氏に髪が生えたように見える画像が、XやThreadsなどで広がっています。The Vergeによると、画像は加工された偽物で、両氏が最近植毛したという情報を裏付けるものではありません。

記者はGoogleの逆画像検索を使い、ベゾス氏の画像について同じ服装と背景の写真を発見しました。元画像は2023年撮影で、ステイサム氏の画像も2011年のパパラッチ写真にさかのぼれたといいます。

画像の加工に生成AIが使われたかは判明していません。検証した画像からContent CredentialsやSynthIDの表示も確認できませんでした。AI製かどうかを断定できなくても、実在の写真を探して照合することで偽画像を見抜ける場合があります。

生成AIによる画像加工の敷居が下がり、著名人をめぐる虚偽画像は注目や共有を集める目的で拡散しやすくなっています。見慣れない写真や話題性の高い画像に接した際は、投稿だけで判断せず、原画像や撮影時期を確かめることが重要です。

AI推論企業Fal、評価額160億ドルに倍増

大型資金調達

Falが13億ドルを調達
評価額は160億ドル
4月から評価額が倍増

推論需要

年換算売上高は8億ドル超
動画・画像・音声を運用
計算資源費が収益性の課題

AIモデルの推論基盤を提供する米Falは、シリーズFで13億ドルを調達し、評価額が160億ドルになったとTechCrunchが報じました。4月時点の80億ドルから倍増し、推論サービスへの需要拡大を反映しています。

調達はBessemer Venture Partnersが主導し、Nvidia、Sound Ventures、T. Rowe Priceが参加しました。FalはシリーズEとFを同時に発表し、両ラウンド合計で16億5000万ドルを調達したと説明しています。

サンフランシスコ拠点のFalは、動画、画像、音声のAIモデルをホストし、利用者の要求に応じて実行する推論サービスを提供します。年換算売上高は今年、8億ドルを超えたとBloombergの報道は伝えています。

一方、推論事業者はモデルを動かす計算資源の購入やリースに多額を要し、粗利益率が低いと記事は指摘します。需要の急増が成長を支える一方、計算費用を抑えられるかが事業拡大の焦点です。

AIアプリに性的ディープフェイク機能が潜伏

調査の内容

一般的なアプリに偽装
性的画像の生成機能
ペット画像が入口

安全上の懸念

アプリ内通貨で利用
機能の発見が困難
悪用リスクが顕在化

WIREDの調査は、一見すると無害な画像加工アプリの中に、性的なディープフェイク画像を作る機能が隠されている事例を報じました。紹介されたアプリは、ペット写真を加工するサービスを装っていました。

アプリ内通貨を購入し、画像を生成する仕組みが使われていたとされます。通常の説明や画面だけでは、アプリの実際の用途を把握しにくい点が問題になっています。

記事は、こうした機能が複数の一般的なアプリに広がっている可能性を指摘しています。個別アプリの審査や配布の状況、調査対象の全体数については報道内容を確認する必要があります。

性的な偽画像は、本人の同意なく作成・拡散されることで深刻な被害につながります。アプリストアや決済・生成サービスには、検出と通報対応を含む実効的な対策が求められます。

AI生成論文の増加に科学出版の審査が直面

もっともらしい偽論文

生成後ほぼ未編集で投稿
検出と生成のいたちごっこ
高性能モデルで見分け困難

知識の信頼を守る

査読と人手で現状は対応
ウィキペディアも対策に苦慮
人間の知識管理が焦点

AI生成の文章や画像が広がるなか、科学出版の査読機関やウィキペディアの編集者は、信頼できる知識をどう守るかという課題に直面しています。IEEE Spectrumは、AIで作った論文を投稿する実験を通じ、生成物が簡単にもっともらしく見える一方、検出側との競争が続いていると報じました。

記事で紹介された実験では、研究者が実験を実行して論文を書くようAIに指示し、ほとんど手を加えず投稿しました。現在は人による審査と研究公正チェックの仕組みが、無料ツールを使った不正に対応できています。

ただし、より高度な大規模言語モデルは、無料版に見られた単純な誤りを減らしています。生成物がさらに自然になるほど、出版社は検出手段を更新し続ける必要があり、審査負担も増す可能性があります。

ウィキペディアでも、ボランティア団体がAI生成の記述を見つけて削除する活動をしています。商業出版社と同じ問題に直面しながら、使える人員やツールは限られており、編集者は人間が作った知識基盤を保てる期間を懸念しています。

科学記録や基本的な事実への信頼が揺らげば、知識を整理する機関そのものへの信頼も損なわれます。AIがAI向けに論文を書く未来を前に、検出技術だけでなく、人間が知識を確認し、共有する仕組みをどう維持するかが問われています。

Mistral、1兆規模の大規模モデル重みを公開

モデルを公開

Large 4の重みを配布
テキストと画像を入力
100万トークンの文脈長

開発者の選択肢

自社環境で実行・調整
APIや推論基盤でも提供
利用条件付きの独自ライセンス

効率と性能を評価

推論設定を3段階で選択
独立評価で作業コスト低下

フランスのMistral AIは10月29日、大規模モデル「Mistral Large 4(Le Chonk)」の重みを公開しました。企業や政府はモデルをダウンロードして自社環境で運用・調整でき、APIや複数の推論基盤からも利用できます。公開重みを選択肢に加え、外部サービスへの依存を抑えたい組織に向けた提供です。

Large 4はテキストと画像を入力し、テキストを出力するマルチモーダルモデルで、約1兆パラメーター規模、文脈長は最大100万トークンとされています。Mistralはコーディング、サイバーセキュリティ、エージェント型処理での活用を打ち出し、推論の深さを低・中・高から選べるようにしました。

独立評価機関Artificial Analysisの10月29日評価では、高推論設定のIntelligence Indexスコアは26で、プレビュー時の25から小幅に上昇しました。同評価での指標タスク当たりコストは5.54ドルから2.06ドルへ約63%低下しましたが、コストや順位は評価タスクや設定に基づく値で、実環境での総費用や性能を直接示すものではありません。

重みにはMistral独自のオープンウェイトライセンスが適用され、利用や改変を認める一方、第三者向けに推論・追加学習を提供するモデルサービス事業には別契約が必要となる場合があります。社内利用などの例外も定められており、導入企業は提供形態が条件に該当するか確認する必要があります。

複数の報道は、Mistralがコーディングやサイバーセキュリティの性能を強く訴求していると伝えました。ただし、各社・評価機関のベンチマークや実行構成で順位は異なります。自社業務の精度、必要な計算資源、ライセンス条件を合わせて検証することが導入判断の要点です。

Dream、建築向けAIモデルで1700万ドル調達

建築設計を自動化

建物の構造を理解するAI
配管や空調も考慮した設計
米国の許認可データを学習

事業化を加速

a16z主導で1700万ドル調達
米2州の10案件で稼働
設計とコスト見積もりに活用

米スタートアップDreamは2026年10月29日、建築・エンジニアリング・建設業界向けのAI設計モデルを開発するため、シード資金1700万ドルを調達したと明らかにしました。Andreessen Horowitz(a16z)が主導し、元Palantir幹部のアンディ・エルダー氏とアルジュン・マトゥール氏が創業しました。構造や建材まで考慮した建物設計を自動化し、設計業務の生産性向上を目指します。

Dreamのモデルは、米国の許認可記録から集めた延べ1億平方フィート超の建物データで訓練されています。一般的な言語モデルが建物の画像を作れても構造の安全性を保証できないのに対し、同社は梁の材質や耐荷重、配管、空調設備などを含む設計を生成すると説明しています。

同社はこの技術を「構造認知」と呼び、建築家や構造エンジニアが部材ごとに図面を作る従来の工程を変えようとしています。製品はすでに建築設計者や開発業者に販売され、テキサス州とカリフォルニア州の10件の進行中プロジェクトで、設計案の作成や総コストの見積もりに使われています。

創業者は、旧来の設計ソフトを置き換えることを目標に掲げます。建設コストの上昇などを背景に米国で建築着工が数十年前より減っているとの問題意識から、AIで設計・建設の生産性を高められると見ています。

建築設計にAIを導入するスタートアップは他にもありますが、Dreamは建物全体を即時に設計するワールドモデルを独自開発したと主張しています。調達資金を得て実案件での利用を進める同社が、構造や法規への適合が重要な建設分野で、どこまで設計工程を短縮できるかが焦点です。

英高位判事、少額民事でAIによる判断を提唱

AI活用への期待

簡易な民事紛争で審理を想定
低額の過失請求などが候補
迅速・低コストな司法を期待

人の監督と社会合意

複雑訴訟や家事事件は人が担当
導入には本人同意か法整備
誤情報や信頼性への懸念

イングランド民事司法のトップ職であるMaster of the Rollsを退任するジェフリー・ヴォス判事は、AIが将来、一部の民事紛争を判断する可能性を論じました。人の判断を要する複雑な商事紛争や家事事件とは分け、低額の過失請求や人身傷害のような案件で、迅速かつ低コストな解決を目指せるとWIREDに語っています。導入の条件として、当事者の同意か社会的な合意に基づく法整備を挙げました。

ヴォス氏自身はMicrosoft Copilotを使い、過去の文書を探したり、大量の資料を要約したりしています。一方、判決文の作成には使わず、重要事件の資料をAIに読ませることにも慎重だと説明しました。イングランドの現行指針も、裁判官のAI利用を事務作業に限るよう勧めています。

同氏は、中国・深圳の裁判所でAIの支援を受けて民事紛争を処理する事例を視察し、司法への適用を検討する価値があると考えています。AIチャットボットが訴状作成を助け、裁判所への提訴が増えることは、司法アクセスの広がりを示す面もあると述べました。

一方、AIが架空の判例を作り、弁護士が誤って引用する問題や、生成された画像・音声が証拠の信頼性を損なう懸念があります。ヴォス氏は、AIによる判断を人々が受け入れられるかは自明でなく、透明な説明と幅広い合意が不可欠だと指摘しました。どの事件をAIに委ねるかは、裁判所だけで決めず、社会や議会が議論すべき課題です。

Alphabet、AI需要で売上高25%増とCEOが説明

売上と利用が拡大

四半期売上高が25%増
Google Cloud売上が103%増
Geminiアプリ10億人

AIが事業をけん引

検索クエリ成長率が5年で最高
API処理量は毎分320億トークン
AIインフラ需要に対応

Alphabetのサンダー・ピチャイCEOは10月28日、2026年第3四半期の売上高が前年同期比25%増え、年換算の売上規模が5000億ドルに達したと説明しました。Google Cloudの売上高は103%増で、AIインフラとサービスが成長を押し上げたとしています。検索のクエリ成長率も過去5年で最も高く、AI機能の利用拡大が事業を支えています。

ピチャイ氏によると、検索ではAI Overviews、AI Mode、従来型検索を一体化する取り組みを進めています。AI Modeの検索クエリは従来検索の平均3倍の長さで、世界の検索の5件に1件は音声、画像、文書を使うということです。

Googleの自社モデルAPIは毎分約320億トークンを処理し、前四半期比で40%増えました。Geminiアプリは利用者が10億人に達し、Google史上最も速く成長した製品だと同氏は述べています。

CloudではTPUを含むAI計算基盤への需要が強く、同社は供給能力を増やす作業を進めています。ピチャイ氏は今後、より効率的なモデルや、検索・Geminiアプリに続くChrome、Android、Workspaceでのエージェント機能拡大にも言及しました。

災害警報のAI活用、専門家が人の監督を重視

警報作成を支援

迅速な警報文の下書き
専門家の知見を反映
誤情報を含む図の事例

導入に残る課題

人による確認が不可欠
警報疲れと信頼低下
現場での非公式利用

極端な気象災害への対応で、自治体の緊急管理担当者による生成AIの利用が広がりつつあります。州や自治体の防災部門では、公式導入が少ない一方、非公式な利用がすでに広がっているとの指摘もあります。米アラバマ州では、ハリケーンの強風域を示す不正確な図を担当者がAIで作成した事例がありました。一方、専門家はAIが警報文を素早く整え、避難対象や行動を明確にする助けになるとみています。

災害警報は、限られた人員で住民に要点を伝える難しい仕事です。AIは過去の警報や研究を参照し、専門用語や曖昧な指示を直す下書きを短時間で作れます。記事では、洪水警報の例で、対象地域や避難行動、安全上の注意を明記する改善が紹介されました。

緊急管理向けAIを開発するEM1は約100の政府機関や学区と契約していますが、極端な気象の警報を自動送信する運用には至っていません。導入先は計画づくりや内部準備に使っており、現場ではChatGPTやGeminiを個人アカウントで使う例もあると専門家は指摘します。

ただし、AIの文章や画像が誤っていれば住民の安全と行政への信頼を損ねます。通知を大量に速く出せば警報疲れを招く恐れもあり、AIに不信感を持つ人が発信内容を退ける可能性もあります。専門知識のない担当者が出力を見極めるのは難しいため、送信前の人による確認が重要です。

Liquid AI、企業端末向けLFM3群を公開

小型モデルの強み

約20億パラメータ級の6モデル
単一GPUでの追加学習
4ビットで約1GBの本体容量

企業導入の選択肢

端末・私設基盤・クラウド対応
音声・映像・業務判断の統合
公開モデルは商用利用に条件

評価で残る課題

選定ブラウザ評価で優位
複雑な推論と知識で劣後

Liquid AIは2026年10月27日、企業が自社管理の端末やサーバーで使える小型マルチモーダルモデル群「LFM3」を公開しました。言語、画像・動画、音声、複合入力、構造化判断を扱う6モデルを約20億パラメータ級でそろえ、単一GPUで自社データに追加学習できる設計です。推論場所とデータ管理を選びやすくし、用途特化型AIの導入負担を下げる狙いです。

LFM3-1.7Bは、短い畳み込みと局所・大域注意を組み合わせる「トライハイブリッド」構成を採用しました。Liquid AIによると、前世代の2.6Bモデルよりパラメータを35%減らしながら、ブラウザ操作のWebArena-Verifiedで38.42点を記録し、Qwen3.5-9Bの28.94点を上回りました。

対応範囲は文章生成にとどまりません。画像・動画を読むLFM3-VL-2B、18言語の音声入出力に対応するAudio、視覚・音声・言語を統合するOmni、分類や抽出を確率付きで返すd1系を用意し、文書処理や問い合わせ振り分けなどの定型業務を想定しています。

小型化はそのまま低コスト運用を意味しません。4ビット量子化したテキストモデル本体は約1GBですが、長い文脈を扱う際のKVキャッシュやアプリ本体のメモリは別に必要で、公開版の256Kに対してAPI版の文脈上限は128Kです。

企業はまず、抽出項目や許可するツール操作を限定した業務で試すのが現実的です。性能値はLiquid AIの報告で独立検証ではなく、複雑な多段推論やエージェント型コーディングには非推奨とされています。年間売上高1,000万ドル超の企業は商用利用に別契約が必要なため、精度、失敗時の人手対応、機器費、ライセンス費を合わせて判断すべきです。

GoogleとIgnite、太陽光機器370万台を展開

遠隔地への配送

住所のない住宅を衛星で特定
未登録の農道を経路化
倉庫と小拠点の配置最適化

宇宙から設備把握

屋根パネルを軌道上から検出
太陽光機器370万台を配送
上期16万トン超の排出削減

次は電気調理へ

2030年に1億人接続目標
電気調理向け小規模送電網

Googleは2026年10月26日、サハラ以南アフリカでIgnite Energy Accessと進める電力普及支援の成果を公表しました。両社は過去3年間、住所のない住宅や未登録の農道を特定し、太陽光機器の配送と設置状況の把握を効率化する仕組みを開発してきました。Googleによると、2023年以降に地域で370万台を届け、同年上期に16万tCO2e超の排出削減につながったと推計しています。

サハラ以南アフリカでは、6億人超が電気を使えず、照明を灯油やろうそくに頼っています。Igniteは2030年までにアフリカの1億人へ電力を届ける目標を掲げ、Googleの研究者や技術者らと100回超の助言セッションを重ねました。

最初の課題は、地図にない住宅と農道を探して機器を届けることです。両社は衛星画像とGoogleのOpen Buildingsデータを組み合わせ、農道を捉える地理空間モデルを開発し、倉庫や小規模拠点の配置、配送経路、車両容量、在庫費用を運用研究で最適化しています。

設置後の把握にも技術的な壁があります。屋根上の小型パネルは通常の衛星画像では約1画素にしか写らないため、GoogleはGemini for Scienceを使った画像認識モデルを、Igniteのドローン画像で追加学習し、検出精度を試験しています。

次の焦点は、薪や木炭による煙と燃料集めの負担を減らす電気調理です。個別の屋根用太陽光設備では出力が足りないため、両社は地域単位の小規模送電網をモデル化し、照明から健康改善と家庭の排出削減へ用途を広げようとしています。

Boston Dynamics社員300人超、ICEに抗議

従業員の反発

300人超が署名
全従業員の約2割強
経営陣は販売継続

契約と機体の用途

4台をICE向けに納入
契約額は130万ドル
放射線・ガス・爆発物検知

米ロボット企業Boston Dynamicsの従業員300人超は9月上旬、同社の四足歩行ロボット「Spot」を改造した機体を米移民・関税執行局(ICE)へ販売する計画の中止を経営陣に求めました。国土安全保障省は9月25日、4台の調達に向けRadecoへ130万ドルの契約を発注しましたが、経営陣は販売を維持し、武器化はしないと説明しています。

署名は同社の全従業員約1400人の2割強に当たり、半数は匿名でした。嘆願書は、家族や友人から計画への驚きや懸念を伝えられたとして、企業にとってのリスクが大きすぎると主張しています。

ICE向けの4台は、RadecoがSpotを改造し「Cerberus」として販売する機体です。契約文書は、都市部や災害現場で放射線、有毒ガス漏れ、爆発物の脅威を検知し、遠隔監視・点検を行う用途を挙げています。

主な追加装備は、トンネルなどの閉所へ人員を投入する前に呼吸可能な空気か確認する酸素センサーです。30倍ズームカメラ、360度カメラ、赤外線熱画像にも対応し、危険区域を遠隔で観察できる設計です。

従業員側は、ロボットへの社会的な見方を変える仕事に誇りを持つ一方、ICE案件が会社の信頼を損なうと訴えています。経営陣は用途制限を示しながら契約を続ける立場で、技術の販売先を巡る社内の対立が続いています。

米州法、AI生成広告に表示を義務化

主な内容

ペンシルベニア州法
知事が法案に署名
AI広告の表示義務

背景と注意点

画像や音声も対象
風刺などに例外
適用範囲が論点

米ペンシルベニア州のジョシュ・シャピロ知事が、AIで作成・変更した広告の表示に関する法律に署名したとThe Vergeが報じました。消費者を誤認させる広告への対応として、AIの利用を同じ形式で知らせる仕組みを求めています。

対象には、画像や動画、音声、テキストなど、AIで大きく作成・変更された広告が含まれます。制作された場所にかかわらず、法律の対象となる広告の扱いが問題になります。

一方、パロディー、風刺、論評、フィクションなどには例外があります。どのような表現が消費者の認識を誤らせるのか、実際の適用範囲には解釈上の論点が残ると記事は指摘しています。

今回の報道は州レベルの立法であり、米国全体に同じ規則が導入されたという意味ではありません。生成物を使う広告と、表示によって透明性を確保する制度の関係を示す動きです。

Trainium向けモデル動作情報を公開

主な内容

モデル対応表を公開
Neuronの版を記録
コンパイル結果一覧

背景と注意点

実行時間とメモリ
短い生成での試験
本番性能は別途評価

Hugging Face上で、AWS Trainium向けにモデルの動作を確認できる対応情報と試験用スクリプトが公開されています。Transformersのテキスト生成や画像とテキストを扱うモデルについて、Neuronの環境とコンパイル・実行結果を調べられます。

対応表には、ライブラリやコンパイラの版、使用したコア数、コンパイルを含む時間、メモリ使用量などが記録されます。利用者が自分のモデルを移植する前に、既知の結果を確認するための情報です。

試験はTrainium2で行い、最大4デバイス・16コアを使用しています。生成は32トークンという短い条件で、単一コアと分割実行では出力の確認方法も異なります。

公開スクリプトやコンパイル済み成果物のキャッシュは、再現や初期検証を助けます。ただし、動作成功は長い生成や大量リクエスト時の性能保証ではなく、実際の用途に応じた負荷試験が必要です。

Uber、全社員3万人にChatGPT Work展開

全社導入の規模

3万人超への全社展開
1000人実証から拡大
初期利用者の8割が非技術職

業務ツールと接続

Google系とSlack連携
調査・資料作成・分析の自動化
GPT-6.1 Solを標準採用

導入支援と評価

社内AIスキル集と研修
利用状況と効果の継続測定

UberとOpenAIは2026年10月22日、Uberの世界の全従業員3万人超を対象に、企業向けAIエージェント「ChatGPT Work」の提供を開始しました。日常業務のツールと接続し、複雑な多段階作業を完了まで担わせることで、部門横断の生産性向上とAI活用の検証を進めます。1000人規模の実証から全社へ広げる、同社初の知識労働向けエージェント基盤の全社導入です。

導入は先行した1000人による試験運用から拡大しました。初期利用者の約80%はエンジニア以外で、運用データの傾向分析と提案作成、多市場・多言語向け研修資料の現地化、個人用の対話型ダッシュボード作成などに活用しました。

ChatGPT WorkはGoogle Drive、Gmail、Google Calendar、Slackとつながり、情報調査、会議資料、プレゼン、データ分析、アプリをまたぐ作業を支援します。既定モデルには性能と費用効率の両立を狙うGPT-6.1 Solを採用し、音声や画像生成も用途に応じて使えます。

全社導入を支えるのは、Uberの社内AIスキル集、承認済みの連携機能、従業員研修です。対象は運用、財務、マーケティング、プロダクトなどで、開発・ソフトウェア部門はCodexの利用も継続します。

Uberは用途を細かく固定せず、各チームに試行の余地を残します。30人のAIエンジニアを各部門に配置し、2週間で主要業務の自動化を試した「AI pods」の経験も、技術と現場知識を組み合わせる方針の根拠です。

費用は公表していません。今後は利用状況、構築されたワークフロー、業務効率への寄与を追跡し、得た知見を次のAI展開に反映します。大規模導入の成否を判断する材料は、導入数だけでなく実務上の効果です。

OpenAI、意思決定APIを一般提供、最大10倍高速

速度と料金

最大10倍の応答速度
入力100万トークン0.10ドル
出力トークン課金なし
Speakの待機時間短縮

機能と実装

3種類の回答形式
1回最大400問
画像・JSON入力対応
GPT-Liveとの連携

OpenAIは2026年10月22日、アプリやAIエージェントが分類、経路選択、次の行動決定を低遅延で処理する「Decisions API」の一般提供を始めました。GPT-6 Lunaを専用化し、テキスト、画像、構造化データから、Responses API経由の同モデルより最大10倍速く、選択肢が限られた問いに回答します。大量処理で積み上がる待ち時間と費用の削減が狙いです。

開発者は質問、許容する回答、判断材料を定義します。APIは、条件が真である確率を返すpredicate、候補から選ぶchoice、段階評価するscoreの3形式で結果を返し、後続処理へ組み込めます。1回で最大400問を扱え、従来上限の2倍です。

一般提供版ではGPT-Liveとのネイティブ連携、再利用する文脈のプロンプトキャッシュ、米国・欧州での推論データ所在地指定を追加しました。画像を指示に含められるほか、ネイティブJSON入力にも対応し、アジアの複数地域では処理能力を増強しています。

価格は入力100万トークン当たり0.10ドル、キャッシュ済み入力は0.01ドルで、出力トークン料金はありません。大量の小さな判断をLLMで処理している企業にとって、速度と費用を同時に見直せる選択肢です。

初期利用では、語学学習サービスSpeakが動作間隔を1.4秒から0.13秒に短縮し、OpenAIもDots音声アシスタントの応答性改善に使いました。社内では取引明細や報道内容の分類にも活用しています。導入時は頻発する判断を一つ選び、実データで速度、費用、回答品質を検証することが重要です。

市場ではTypeSafeのJev、LiquidのD1 Ultra、Base LabのElephant-1など競合が先行しています。公開ベンチマークの順位は評価軸で変わり、OpenAIのモデルは記事掲載時点で8位と14位でした。自社用途では速度だけでなく、回答品質、費用、信頼度の調整を実データで比較する必要があります。

OlmoEarth v1.3、全球衛星埋め込みを公開

全球データの公開

10メートル解像度
年150TBの全球データ
登録・GPUなしで利用

性能と学習効率

27評価中20で最高点
64次元版も18評価首位
学習計算時間を47%削減

分析と再利用

モデル・データ・コード公開
小型分類器で地域分析

OlmoEarth開発チームは2026年10月22日、衛星画像から地表の特徴を数値化するモデル「OlmoEarth v1.3」と、10メートル解像度の年次埋め込みデータ、ブラウザー分析ツールを公開しました。2023~2025年は陸地と沿岸域を全球規模で網羅し、登録やGPU、専門的な設定なしで、土地の変化把握や似た場所の探索を始められます。

モデルはSentinel-1のレーダー画像とSentinel-2、Landsatのマルチスペクトル画像を1年分読み、地球上の10メートル画素ごとに128次元のベクトルを生成します。先頭64次元だけを使う軽量版もあり、作物や土地被覆の地図作成、年ごとの変化検出を小さな分類器で処理できます。

AlphaEarth FoundationsとTessera v2を含む比較では、6大陸・27評価のうち128次元版が20件、64次元版が18件で最高点を取り、総合首位でした。重み、事前学習データ、コードも公開され、最終学習をH100のレンタル環境で再現する費用は約2,720ドルと見積もっています。

v1.3の学習計算時間はv1.2の53%、初代の18%に減り、炭素排出量もそれぞれ50%、22%でした。精度を保ちながら特徴量を再利用できるため、企業や研究者はGPUを使う個別の微調整前に、低コストで仮説を試せます。

Explorerでは地図を年ごとに切り替え、衛星画像で確認しながら、地点の類似検索や少数のラベルによる分類器の学習、GeoTIFFへの書き出しができます。年約150TBのアーカイブは2023~2025年が全球、2017~2022年は一部の国を対象とし、画像の出典も画素単位で追跡できます。

NVIDIA、世界モデル開発基盤Cosmosを拡充

開発工程を一体化

学習データの生成・整備
公開モデルの追加学習
配備前の方策検証

データ活用の実績

実走試験を最大90%削減
合成映像1500本超
欠陥検出モデルを改善

推論性能と現場導入

推論速度を最大2倍
同じGPUで映像40%増

NVIDIAは2026年10月22日、物理AIが現実世界を理解・シミュレーションする「世界モデル」の開発基盤Cosmosを拡充しました。学習データの生成・整備から、公開モデルの追加学習・軽量化、シミュレーション評価、NIMによる配備までを一体化し、ロボットや自動運転、映像解析の開発期間と計算負荷の削減を狙います。

Cosmos Data Factoryは、映像データのラベル付け、選別、拡張、評価をGPUで加速し、自動運転データ生成、静止画からの希少・危険事象動画生成、欠陥画像生成など5種類の設計図を提供します。PorscheはVolkswagen Group共通の自動運転データ循環基盤に採用し、物理的な反復走行を最大90%、開発期間を最大85%減らせると見込んでいます。

ANYboticsは実世界のデータと1500本を超える合成映像を組み合わせ、産業用点検ロボットに液体漏れなどを認識させました。Ultralyticsは実画像と狙いを定めた合成欠陥でYOLOを再学習し、欠陥位置の特定精度と再現率を改善しました。

Cosmos Frameworkは、GR00TやAlpamayo、QWEN、Pi0.5などの公開モデルを追加学習や強化学習で適応させ、蒸留・量子化を経て配備する機能をエージェントスキルとして広げました。MicroAGIはCosmos 3を人の物体操作映像で追加学習し、320億パラメータの推論モデルを精度を落とさず80億パラメータへ蒸留したとしています。

新しいCosmos 3 Nanoは、再現可能で実際には捉えにくい多視点・多センサー環境で、自動運転車や双腕ロボットの方策を実機試験前に評価できます。更新したCosmos 3 NIMは、検証済み構成で品質を保ちながら推論を最大2倍に高速化します。これを使う映像検索・要約基盤VSS 3.3は、同じGPUで監視映像を40%多く処理でき、ADNOCは関連技術で65拠点の危険検知に取り組んでいます。

OKA、AIキノコ型ロボMoriを649ドルで発売

自然をまとう相棒

動きに反応する表情
自然音と呼吸ガイド

限定された機能

端末内AIによる状況把握

価格と個人情報

創業者版649ドル
画像・音声の端末内処理

米マサチューセッツ州ケンブリッジと中国・深圳を拠点とする新興企業OKAは2026年10月22日、AI搭載のキノコ型家庭用ロボット兼ランプ「Mori」の創業者版を649ドルで発売しました。約30センチの本体がカメラとマイクで人の動きや室内の状況を捉え、表情や揺れ、自然音で反応し、実用的な家事支援よりも心を落ち着かせる存在感を売りにします。

Moriは雨や森、火、風を想起させる色に光り、自然の音風景を流すほか、落ち着くための呼吸セッションを案内します。人を目で追い、音楽やテレビに合わせて踊る一方、スマート家電の操作、天気の回答、Spotifyの再生といった音声アシスタント機能には対応しません。

複数の端末内大規模言語モデルを使う独自技術が、カメラとマイクから室内の文脈を把握し、反応する場面と静かにする場面を選びます。利用者を記憶して接し方を変え、来客には控えめに振る舞いますが、1カ月会わなければ忘れる設計です。長時間のスマートフォン利用を察して休憩を促す一方、通話や口論を認識すると反応を控えるとOKAは説明しています。

数百台限定の創業者版には2年保証と2年分のサービス利用料が含まれます。通常版は849ドル、予約価格は799ドルですが、有料機能は付属せず、月17ドルまたは年80ドルの契約が必要です。呼吸練習は無料で使えるものの、自然の音風景は有料となります。

OKAによると、画像と音声の生データは端末内で処理後に破棄し、顔の特徴データも暗号化して外部には送信しません。Wi-Fiはファームウェア更新だけに使い、収納時にはカメラが、上部を2回たたくとマイクが停止します。高機能化ではなく愛着や癒やしに対価を求める製品だけに、家庭内AIで存在感と個人情報保護を両立できるかが普及の焦点です。

Meta、Museの共有機能を新URLで再開

共有再開と修正

共有機能を再開
共有物に新URLを発行
修正前URLを無効化

発見された問題

公開DNSから発見可能
収益資料や融資申請も露出
チャット共有の欠陥は否定

Metaは2026年10月22日、個人AI「Muse」の共有機能を再開したと発表しました。共有された文書や画像などの「artifact」のURLが見つけやすい状態だったとの報告を受け、修正前に共有されたartifactへ新しいURLを発行し、旧リンクを無効にしました。利用者データの保護を優先した対応です。

セキュリティ企業Clarocの研究者は同週、Museで共有した会話のウェブアドレスに会話の題名が使われ、公開DNSへ記録されていたと報告しました。研究者は、マーケティング会社の社内収益レビューや、小規模事業者の融資申請とみられるMuseページを発見できたとしています。

Ars Technicaによると、Metaは同社から問題について連絡を受けた後、共有機能を一時停止しました。MetaのDavid Singleton氏は、問題を修正し共有を再開したとXで説明しています。

Metaは今回の問題について、Museのチャット共有そのものではなく、共有された文書や画像などartifactのURLに関するものだったと説明しました。修正前のartifactを共有した利用者は、新しいURLを相手へ送り直す必要があります。

旧URLへアクセスすると、共有者から新しいリンクを受け取るよう促す案内が表示されます。Metaは不便を謝罪したうえで、利用者データの保護を優先した措置だとしています。

NVIDIA、欧州向け気象AIを10分間隔で更新

欧州向け新モデル

衛星観測を10分間隔で予測
欧州の雲の変化を可視化
地域データでの再訓練

産業別の導入例

AXAのサイクロン分析
太陽光発電の短時間予測
英国全域の大気質モデル

地域展開の基盤

独自データとの組み合わせ

NVIDIAは2026年10月22日、欧州の企業・研究機関によるオープン気象AI基盤「Earth-2」の活用事例と、欧州向け短時間予測モデル「StormScope EU」を公表しました。エネルギー、保険、交通など地域単位の判断に使えるよう、衛星観測から雲の変化を10分間隔で予測し、独自データで用途別に調整できることが特徴です。

StormScope EUは、欧州の気象・気候データで学習し、EUMETSATの衛星観測を使ってMeteosatの16チャンネルにわたる雲の変化を予測します。GTC Berlinの実演ではEarth2Studioで予報を走らせ、Earthmoverが10分ごとの最新結果を地図タイルで配信するため、大規模データを一括取得せず閲覧できます。

開発者はStormScopeを短時間予測に、CorrDiffを粗い気象データの局地的な高解像度化に組み合わせられます。オープンソースのPhysicsNeMoでモデルを学習・調整でき、企業の独自データや専門知識を地域向けサービスに取り込めます。

AXAはFourCastNet 3を使い、1,000を超える模擬シーズンから過去の記録を超える地域別サイクロンリスクを分析し、リスク評価や顧客の予防策に生かす考えです。Vaisala Xweatherは独自観測と雷データをStormScopeに組み合わせ、政府、エネルギー、海運、交通、保険向けの早期警戒をSaaSやAIアシスタントへ組み込む構想です。

マンチェスター大学はCorrDiffを英国の大気質モデルに適用し、Isambard-AIで学習したモデルをDGX Spark上で実行しました。TotalEnergiesは2カ所の太陽光発電施設で日射量の短時間予測を評価し、Space42は単一のレーダー画像から地表高度と不確実性マップを推定する研究を進めています。

Shopify、AI推論費用を90%削減

オープンモデルの成果

Shopifyの推論費90%減
応答速度7倍
検索精度86%
商品画像で販売率5%上昇

実店舗と研究へ拡大

倉庫運用の事前検証
仮想試着で転換率55%増
原料探索を数カ月から数時間へ

2026年10月22日、NVIDIAは、欧州の小売・技術企業が同社の高速計算基盤やオープンモデル、デジタルツインを使い、ECの商品発見から倉庫運営、研究開発まで改善した事例を公表しました。Shopifyは社内評価でAI推論の提供費用を90%削減し、応答を7倍高速化するなど、費用削減と業務成果を示しています。

ShopifyはNVIDIA Nemotron 3.5 Lightningを追加学習し、自社のAIアシスタント「Sidekick」の店舗データ取得機能に組み込みました。社内評価では主要な最先端モデルを精度で上回り、別の5用途でも最適化ソフトにより性能を4.5倍、推論費用を最大12分の1にしたとしています。

商品発見では、ペット用品通販のZooplusが意味検索などを使う試作システムで検索精度86%を達成しました。高級中古品市場のVestiaire Collectiveは、1日約4万枚の商品画像を自動で統一し、処理対象商品の販売率が5%、商品ページの閲覧者数が3〜7%増えたとしています。

研究開発にも用途が広がっています。L’Oréalは原料候補の計算評価を数カ月から数時間に短縮し、分子シミュレーションでは比較対象より5倍高速で、誤差を21%抑えたモデルを試しています。Miraklはオープンモデルで7,000万点超の商品データを整理し、特定ベンダーへの依存回避も狙います。

物理現場では、Otto Groupがドイツの物流拠点をデジタルツインで再現し、異なるロボット群を含む倉庫運用を実装前に検証しています。CATCHESの仮想試着はAMIRIで、季節要因などを調整した比較により購入転換率55%増、カート追加80%増、総売上高56%増を記録しました。AIを画面内の支援から現場の設計・運用へ広げる動きが鮮明です。

NVIDIA、欧州公共AIを自主管理基盤で支援

管理下で使うAI

欧州委員会の共通基盤
費用・品質・問題の追跡

医療と雇用の実装

医療画像の優先判定
400超の雇用窓口支援

地域対応と主権基盤

英独の合成人物データ
機密情報向けクラウド

NVIDIAは2026年10月22日、欧州の公共部門で、オープンモデルを各機関が管理するインフラ上に導入する複数の取り組みを公表しました。欧州委員会、ポーランド、英国、ドイツ、フランス、ギリシャの事例を通じ、機密データを管理下に置きながら、文書要約、医療画像分析、雇用支援、多言語対応などへAIを広げる構想です。

欧州委員会が管理するAI開発・運用基盤AI@ECの土台には、ドイツのdeepsetが提供するHaystack Enterprise Platformが使われています。拡張版はエージェントの開発、実行、最適化、統制をつなぎ、運用費の比較、回答品質の評価、問題追跡に対応します。

ポーランドのeHealth Centreは、NVIDIA DGX BasePODとMONAIを用いた医療画像向け基盤を構築しています。X線、CT、MRI画像から異常を検出して緊急例を優先するほか、同国の担当省庁は400を超える雇用窓口向けに、文書検索、要約、デジタルアシスタントを担うエージェント基盤を開発中です。

英国では、人口や地域の多様性を反映した100万件の合成人物データが公開され、公共サービス用モデルの偏り検査などに使えます。ドイツでも2022年国勢調査を基に、実在人物の個人データを使わない地域別データセットを開発し、secunetなど4社は機密情報を扱う組織向けの主権クラウドを計画しています。

フランスでは、公的調達機関CANUTがLINAGORAとDocaposteを選び、国内でホストするTwake.aiベースの共同業務環境を2,500超の対象組織に提供する枠組みを整えました。ギリシャではKIEFERが、ギリシャ語の検索、音声、デジタルアシスタントを備えるエージェント基盤を開発しています。

一連の案件に共通するのは、モデルの公開性だけでなく、データの保管場所、アクセス権、監査記録、地域言語への適合まで運用側が管理する設計です。公共部門でAIを採用する際、性能評価とデータ統制を同じ基盤で扱うことの重要性を示す事例群といえます。

Canva初の画像AI、生成前に構図を設計

設計精度を高める仕組み

生成前の構図設計
文字と配置の精度向上
最大2K・30超の縦横比

Canva資産との連携

人が制作した数百万件のテンプレート
レイヤー変換への対応

提供と外部連携

全利用者へ世界展開
API・MCP連携計画

デザインプラットフォームのCanvaは2026年10月22日、同社初の画像生成AI「Canva Craft」を世界の全利用者向けに公開しました。生成前にプロンプトを解釈して構図を計画する二段階方式を採用し、文字の読みやすさや物体配置、部分編集の精度を高めます。Dream Labから利用でき、最大2K、30を超える縦横比に対応します。

第1段階では、要素同士の位置関係や相対的な大きさ、視覚上の優先順位、表示する文字を計画します。第2段階でその設計図を画像にするため、複雑な構図でも文字や物体を意図した場所に置きやすく、ほかの部分を保ったまま狙った箇所を編集できます。

学習には写真ではなく、SNS投稿やプレゼン資料、インフォグラフィック、メニューなど、Canva上の人が制作した数百万件のテンプレートを使いました。生成画像は画像変換機能「Canva Magic」でレイヤーを持つデザインに変換でき、制作後の調整まで同じ環境で進められます。

Canvaは、自社モデルにより生成品質と処理速度を管理しやすくなると説明しています。外部モデルのAPI利用を減らせばコスト抑制にもつながる可能性があり、2024年に買収したLeonardo.aiの研究者も開発に参加しました。

今後はCanva APIで提供するほか、MCPを通じてChatGPTやGeminiなど外部チャットボットから使えるようにする計画です。入力・出力の監視、プライバシーと安全管理、報告機能を備え、より低コストで高速な2種類の派生モデルも開発しています。

Google、世界の森林を10メートル単位で6分類

森林の違いを可視化

10メートル単位の世界地図
森林と土地利用の6分類
2017~2025年の年次追跡

AIモデルの精度

約170万地点での学習
森林類型の正解率90%
森林判別率95%

供給網の実務支援

EUDR確認の基準データ
用途別しきい値の調整

Google DeepMindとGoogle Researchは2026年10月22日、世界資源研究所(WRI)、国際応用システム分析研究所(IIASA)と共同で、世界の陸地を10メートル四方ごとに6種類へ分類する森林地図「Forest Typology(ForTy)2020」を公開しました。2017~2025年の年次変化も示し、天然林が植林地や農地へ置き換わった場所を追跡できます。

従来の全球地図は木の有無を中心に示すため、伐採後に単一樹種を植えると、再び緑に覆われた土地の変化を捉えにくい課題がありました。ForTyは原生林、天然更新林、植林、プランテーション、樹木作物・アグロフォレストリー、その他の土地を区別します。

モデルは、専門家の調査や各国・地域のデータなどから集めた約170万地点のラベルで学習しました。各10メートル画素では、数年分の衛星観測を圧縮したAlphaEarth Foundationsの埋め込み表現を使い、植栽パターンや成長周期、伐採のリズムを読み取ります。

IIASAとWRIは、世界から無作為に選んだ9,000超の地点を、高解像度画像と複数年の衛星記録で検証しました。その結果、森林類型の正解率は90%、森林と非森林の判別率は95%となり、他の全球森林地図を上回ったとしています。

この地図は、企業や規制当局がEU森林破壊防止規則(EUDR)に基づき、商品供給網の森林破壊リスクを調べる際の基準になります。データはGoogle Earth Engineでオープンライセンスにより無償公開され、利用者は地域や用途に応じて分類確率のしきい値を調整できます。

NVIDIA、欧州向けオープンモデル群を拡充

企業AI基盤

自社データでモデル調整
管理下の基盤へ展開
専門AIの開発負担軽減

産業別モデル

言語と画像対応のNemotron
構造化データ向けKumo
物理世界を学ぶCosmos

科学と先端領域

約13倍の蛋白質設計速度
量子校正と誤り訂正基盤

NVIDIAは2026年10月21日、欧州の開発者・研究者・企業が地域の言語や産業に合わせたAIを構築できるよう、言語、ロボティクス、生物学、量子コンピューティング向けのオープンモデル群を拡充しました。各組織はモデルを自社データで調整し、自ら管理するインフラに展開でき、地域固有の知識や業務要件を反映した主権型AIの基盤として活用できます。

言語モデル群のNemotronはテキストと画像を扱い、複雑な問題の推論や業務フローの実行、専門タスクを支援します。Mistralなど欧州企業も開発連合に参加し、SAPやDassault Systèmesを含む企業が業界特化型エージェントの構築に取り組んでいます。

Kumoは表やリレーショナルデータなどの構造化された企業データから、需要予測、不正リスク評価、行動提案を行うための基盤です。事前学習済みモデルを導入し、精度が重要な用途では独自データで追加学習できるため、タスクごとに別個の機械学習基盤を作る負担を抑えます。

Cosmosはロボット、自動運転車、視覚エージェント向けの世界モデルで、実環境で試す前に運転やロボット操作をシミュレーションできます。Cosmosを基盤とするAlpamayo 2 Edgeは、車載環境でリアルタイムの状況理解と経路計画を低い計算要件で実行します。

BioNeMoのRFD4-Proteinaは蛋白質の配列と立体構造を生成し、200アミノ酸の基準試験ではRFdiffusion3より約13倍速く設計案を作りました。量子向けIsingはハードウェア校正から誤り訂正までを支え、IQM Quantum Computersがプロセッサー校正に利用し、AWSも研究者向け計算サービスへ統合しています。

PyTorch 2.15、Mac上のAI処理を高速化

LLM処理を高速化

MoE生成が最大6.5倍
語彙計算が約8倍高速
FP8で容量を半減

動画処理も省メモリー

使用量を270から8GiBへ
Metal専用処理を拡大
MPSストリームを公開

Hugging FaceのPyTorchチームは2026年10月20日、Apple製GPU向けMPSを大幅に強化したPyTorch 2.15の変更点を公開しました。MPSGraph処理を専用Metalカーネルへ移し、Mac上での大規模言語モデル生成、動画処理、線形代数を高速化・省メモリー化しています。

M3 Ultra上でtorch.compileを使ったMoEモデルの生成速度は、PyTorch 2.14比で5〜6.5倍になりました。Qwen3.6-35B-A3Bは毎秒9.4トークンから61.3トークンへ伸び、語彙全体へのsoftmaxも約8倍高速になっています。

MPSは1値1バイトのFP8形式に対応し、FP16やBF16の半分の容量で重みを保持できます。Wan2.2のタイル分割VAEでは、パディングをMetalへ移したことでドライバーメモリーのピークが約270GiBから約8GiBへ減り、Qwen-Image-2.1の画像破損も同じ変更で解消しました。

Pythonから処理先を選べるMPSストリームも公開し、複素数のLU分解や三角行列求解など対応演算を増やしました。利用にはAppleシリコン、macOS 15以降、Python 3.11以降が必要で、次期2.16ではAttentionの全面Metal化も計画しています。

Google、PyTorchのTPU対応基盤を公開

移行の簡素化

設定変更でTPU移行
アプリ書き直し不要
移行支援エージェント

開発環境の統合

Diffusers対応
分散学習と高速化

NVIDIA対抗

AWSも独自基盤公開
PyTorch利用率85%

Googleは10月20日、PyTorchの処理を自社のAI半導体TPUで直接動かすオープンソース基盤TorchTPUを公開しました。既存アプリを書き直さず、簡単な設定変更でGoogle CloudのTPUへ移せるようにし、PyTorchとNVIDIA製GPUの強い結び付きを開発環境から緩める狙いです。

TorchTPUはTPUをPyTorchの新しいバックエンドとして扱い、通常のコード、分散学習、torch.compileによる高速化に対応します。移行時の修正を支援するTPU agent suiteも用意し、端末向けLiteRTとの連携も改善しました。

Hugging FaceではTransformersとDiffusersがTPUを標準の実行先として扱い、モデルや画像生成処理を簡単な指定で移せます。TPU上の試験は96.5%が合格し、報告した34件の問題のうち19件は修正済みです。

前日にはAmazonもTrainium向けのTorchNeuronを発表し、コードを書き換えずAWSへ移す道を示しました。PyTorchはAIアプリの85%で使われるとの推計もあり、互換層の整備が直ちにNVIDIA離れを生むとは限りませんが、クラウドと半導体の選択肢を広げます。

NVIDIA、手術操作対応の生成AIシミュレーター公開

臨床動画で学習

胆嚢摘出術への特化
160億パラメータ基盤
28次元の操作入力

リアルタイム生成

単一GPUでの動作
二段階の高速モデル
長時間映像の記憶圧縮

研究用途の範囲

臨床利用は未検証
生体力学精度は未証明

NVIDIAは10月20日、臨床の胆嚢摘出術の映像と手術ロボットの動作記録を学習し、器具操作に応じた映像をリアルタイム生成する研究用シミュレーターCosmos3-H-Dreamsを公開しました。臨床手術記録で学習し、運動入力をライブ制御できる初の生成型手術シミュレーターだとし、単一のRTX PRO 6000 GPUで対話動作します。

基盤には160億パラメータのCosmos3-H-Embodied-Nanoを使い、二本の器具の姿勢、把持、エネルギー操作など28次元の入力を処理します。学習映像は832×480画素で、動作を10Hzにそろえました。

長時間の連続生成では、教師モデルを将来72フレームまで学習させ、自己生成した履歴にも耐える生徒モデルへ蒸留します。四段階と二段階のノイズ除去モデルを別々に提供し、二段階版は画質と引き換えに速度を高めます。

FlashDreamsが低遅延の連続生成を担い、FadeMemが長時間実行で増える記憶領域を圧縮します。同じ初期画像でも操作列に応じて異なる術野を生成し、器具、組織変形、解剖構造の時間的一貫性を検査できます。

ただし、見た目の現実感は生体力学的な正確さの証明ではありません。NVIDIAは患者診療向けに検証済みのシステムではないと明記し、コード、モデル、データ、独自データへの適応手順を研究者向けに公開しています。

Adobe、Lightroomに閉じた目を開くAI機能

ワンタップ補正

閉眼の自動検出
姿勢と光に合う生成
本人写真の参照

利用条件

無料版は2回試用
主要モバイルOS対応
追加利用は有料枠

Adobeは10月19日、iOS、iPadOS、Android向けLightroomモバイルに、写真内の閉じた目を生成AIで開くOpen Eyes機能を追加したと発表しました。人物の閉眼を検出すると画像上にクイック操作を示し、利用者はワンタップで写真を補正でき、集合写真の失敗を救う操作を簡素化します。

従来のPhotoshop Elementsは、別の写真から本人の目を移していました。新機能は生成AIを使い、撮影時の光や顔の向きに合う目を作ります。

Lightroomライブラリに同じ人物の別写真があれば、目の色、大きさ、形を合わせるための参照に使います。集合写真にも対応し、目を閉じた人物をアプリが自動で見つけます。

無料版の利用者はOpen Eyesを2回試せます。その後も使う場合は、AI機能用の追加クレジットを含むAdobe Creative Cloudプランへの加入を求められます。

Google、Geminiに小規模事業向け機能

業務の集約

事業専用の入口
会計・販売アプリ連携
財務情報の図解

ブランド支援

画像スタイルの保存
販促コンテンツ作成
世界で順次提供

Googleは10月20日、小規模事業者向けにGeminiの新機能を発表しました。ブランドづくりや財務分析、顧客理解をまとめて扱う専用ページを設け、Googleの業務ツールや外部アプリとの接続を広げます。今後数日かけて世界のGeminiアプリ利用者へ順次提供し、少人数で事業を運営する人の作業負担を減らす狙いです。

Google Business Profile、Google Ads、Google Workspaceに加え、ShopifyやXero、Canvaなどとの連携を案内しています。既存の業務データを利用し、販売促進と経営管理を同じ入口で進めやすくします。

ウェブサイトやブランド資料、書体、配色を登録すると、画像生成で使う視覚的なスタイルを保持できます。Nano Banana 2.1と組み合わせ、商品発表や継続的な販促活動で一貫した画像を作成する仕組みです。

表計算や領収書、購買記録から財務図表や対話的なモデルを作る機能も紹介しています。導入例として陶芸家や飲食店などを挙げており、専門部署のない事業者の実務を支援する位置づけです。

Google、診察前問診AIで医師との対話支援

診察前の情報整理

個別質問による問診
医師向け要約の共有
治療相談時間の確保

臨床研究と展開

医師による全対話監督
介入不要だった試験
全米無作為試験への展開

Googleの研究チームは10月20日、診察予約後に患者と会話し、症状や病歴を整理する医療AIエージェントAMIEの研究状況を公表しました。標準的な問診票より具体的な追加質問を行い、要約を医師へ渡すことで、診察時間を情報収集から共同意思決定へ振り向けます。医師と患者の対話時間をさらに増やす狙いです。

例えば腰痛なら、痛みの種類、発症時期、正確な場所を順に尋ねます。医師は基本情報の確認を減らし、原因の検討や治療選択肢の説明に時間を使えると研究者は説明しています。

臨床研究では、参加者が診察前にAMIEと任意で会話し、その病歴要約を担当医へ共有しました。安全上の問題に備えて訓練済み医師が全対話を監督しましたが、中断や介入は一度もありませんでした。

次段階では、米国全土で患者数を増やし、対照群を設けた無作為試験を進めます。AMIEは文字チャットから画像共有へ広がっており、音声や動画を使う対話も研究対象です。

GoogleとSynaptics、端末AI半導体を拡充

新しい半導体

Coral設計を採用
最大400GOPSの演算
音声・視覚処理の統合

開発者向け基盤

Coralboardの一般提供
新製品はサンプル段階
省電力効果の検証課題

GoogleとSynapticsは10月20日、端末でAIを動かすための半導体と開発基盤を拡充しました。SynapticsのAstra SR200シリーズは、Googleの公開Coral NPU設計とメモリー、音声・画像処理機能を組み合わせます。スマートグラスや工場のセンサーなどで、クラウドへの常時接続に頼らずAIを利用する狙いです。

SR210、SR230、SR250の演算性能はそれぞれ200、300、400GOPSとされています。モデルの実行性能は演算量だけで決まらず、メモリー容量や消費電力、コンパイラーなどを含めた評価が必要です。

Coralの設計はApache 2.0ライセンスで提供され、半導体企業が組み込めます。Synapticsは公開コンパイラーTorqも用意し、PyTorchなどで作られたモデルを異なるハードウェアへ移す負担を減らそうとしています。

既存チップを搭載するCoralboard SLは約100ドルで一般提供されます。一方、新しいSR200はサンプル段階で、SR250搭載ボードも今後の製品であり、現在使える開発機と新半導体を区別して導入を検討する必要があります。

Hugging Face、端末とクラウドのAI接続統一

共通APIの拡充

AnyLanguageModel公開
端末と外部モデルの切替
ツール呼び出し対応

開発基盤

画像入力の対応
モデル取得の高速化
Linuxでも共通コード

Hugging Faceは10月20日、AnyLanguageModel 1.0と関連ライブラリを公開しました。AppleのFoundation Modelsに沿った共通APIを使い、端末内のモデルとクラウド上のモデルを同じセッションコードから利用できるようにします。処理ごとに実行先を選びやすくし、モデル切り替えに伴うアプリ側の変更を減らす狙いです。

端末側では、システムモデルに加えてllama.cpp、MLX、Core ML経由の公開モデルに対応します。すべてのプロバイダーでツール呼び出しと構造を指定した生成を扱い、対応OSでは画像入力も利用できます。

外部サービスではOpenAI、Anthropic、Google、Ollamaなどを利用できます。Hugging Face Inference Providers経由なら端末に収まらないモデルも選べ、プロバイダー変更時には互換性のない推論ブロックをリクエストから外す仕組みも備えます。

同時公開のswift-huggingfaceとswift-xetは、Hubからのモデル取得を支援します。ライブラリはLinuxにも対応し、端末とサーバーでコードを共有しやすくしていますが、利用するモデルの容量やOS要件は個別に確認する必要があります。

MIT、胎児MRIの動き補正AIを開発

対称性を生かす設計

左右対称性のモデル内蔵
胎児頭部の向き推定
2D断面の動き追跡

診断画像の改善

撮像欠損リスクの低減
高解像度の立体画像
妊婦の検査負担軽減

今後の展開

妊娠中期への対象拡大
他部位や自動運転への応用

MIT、ボストン小児病院、フランス国立情報学自動制御研究所(Inria)の研究チームは2026年10月19日、胎児MRIで頭部の動きを追跡する深層学習モデル「E(3)-Pose」について公表しました。胎児の頭部が動くと脳の立体像に欠損が生じ、病変を見落としたり誤って診断したりする恐れがあるため、左右対称性という物理的性質をモデルに組み込み、高解像度画像の取得を支援します。

胎児MRIでは複数の2D断面画像を重ね、頭部の高解像度な3D画像を作ります。撮像中に頭部が動くと断面ごとに角度が変わり、最終画像の欠損や不自然な向きにつながるため、脳の細部や重要部位を確認しにくくなります。

E(3)-Poseの特徴は、データだけから物理法則を学ばせるのではなく、胎児頭部の左右対称性をニューラルネットワークの構造に反映した点です。これにより、モデルが脳の向きを捉えやすくなり、動いている胎児の頭部を追跡して撮像を助けます。

研究チームは、追加のMRI画像を取得する撮像手順を用意し、実際の装置上で試行錯誤しながらモデルを訓練しました。論文は2026年欧州コンピュータビジョン会議で発表されましたが、記事には精度や診断成績を示す数値はなく、現段階では臨床効果を定量的に判断できません。

モデルは主に妊娠後期の胎児で訓練されており、研究者は今後、より小さく動きの大きい妊娠中期以前の胎児にも対応させたい考えです。早期に脳の異常を見つけやすくすることに加え、撮像しにくい他の部位や、限られたセンサーで3D物体を追う自動運転への応用も見込んでいます。

AIでスマートTVを簡素化、広告と追跡を排除

広告なしの画面

アプリ中心の簡素な画面
Wi-Fi経由での改修

AIが下げる敷居

専門知識の負担軽減
複数メーカーで動作確認

利用時の注意

開発途上の不具合リスク
初期状態への復元余地

開発者や個人ユーザーは2026年10月、AIコーディング支援を使い、スマートテレビから広告や不要アプリ、視聴追跡を取り除く手法を相次いで公開しました。GitHub上の「dumbtv」や「cleanyourtv」は、アプリとHDMI入力を中心にした軽快なホーム画面を目指し、広告への不満とプライバシー懸念に応えます。従来は専門知識が必要だった機器改修の敷居を下げています。

「cleanyourtv」はAndroid TVやGoogle TVにWi-Fiで接続し、不要なソフトを無効化してApple TV風のランチャーに置き換えます。root権限は不要で、希望すれば工場出荷時の状態へ戻せます。

「dumbtv」はFire TV Editionのほか、Sony、TCL、Philips、Hisense、Xiaomi、ShieldのAndroid TVやGoogle TVで一連の動作を確認済みです。開発者はDeepSeekとClaudeの複数モデルを組み合わせて作成し、利用者には好みのAIエージェントでGitHubリポジトリを参照するよう案内しています。

背景には、画面の画像や音声などから再生内容を識別する自動コンテンツ認識(ACR)があります。テレビ事業者は視聴データの販売や個別広告の表示に活用しており、こうした改修が一般化すればスマートテレビ広告の収益構造に影響する可能性があります。

ただし、これらの手法は開発途上です。AIが重要なソフトを無効化し、Android TVが起動不能になった例や、Fire TVの改修が途中で止まった例も報告されています。安全性を優先するなら、ATV Launcher、Projectivy Launcher、FLauncherなど既存のホーム画面置換アプリも選択肢です。

ニューヨーク市長、AI企業への説明責任を要求

市長の主張

連邦政府の対応批判
AI導入への市民の関与
企業の説明責任

市の取り組み

小中学校のAI利用制限
不動産画像の表示方針
生活への影響を重視

ニューヨーク市のZohran Mamdani市長は19日、マンハッタンの催しで、AI企業への説明責任を求め、市民が技術の導入方法に関与すべきだと訴えました。AI Now Instituteが主催したイベントで、連邦政府の規制対応を批判し、雇用や教育への影響を避けられないものとして受け入れる必要はないと述べています。

市長は前月、小学校と中学校でのAI利用を禁じる措置を指示しました。記事では、学校への導入が急速に進む中、子どもや保護者の同意が十分に扱われているのかという懸念も紹介されています。

夏には、不動産広告の写真や動画がAI製である場合、家主や仲介業者などに明示を求める方針も打ち出しています。実物と異なる物件画像で入居希望者が誤認することを防ぐ狙いです。

市長は、国家間の技術競争という説明によって生活への懸念が後回しにされていると主張しました。発言はAI企業に新たな義務が一括して成立したことを意味するものではなく、地方政府が導入条件を問う動きを示しています。

fal、FLUX動画生成の高速化を発表

生成の高速化

10秒動画を約12秒で生成
開発元による比較値
上位モデル並みの評価

制作への適用

画像・テキスト入力
最大10枚のキーフレーム
導入割引と通常料金

falは10月19日、Black Forest Labsと開発した動画生成モデルFLUX 3 Maxを発表しました。同社の比較では、10秒の動画を平均12.45秒で生成し、Seedance 2.5より約22倍速いとしています。短い待ち時間で映像を試作し、修正を繰り返せる点を訴求していますが、速度は設定や稼働条件によって変わります。

Artificial Analysisの画像から動画を生成する評価では、FLUX 3 Maxは有力モデルと競る水準でした。ただし信頼区間が重なっており、明確な品質優位や、テキストからの動画生成でも同じ順位になることを示す結果ではありません。

動画は5〜20秒で、720p生成と1080pへの拡大に対応します。文章や画像に加え、時間位置を指定した最大10枚の画像を使えるため、商品の紹介映像などで場面の流れを制御しやすくする狙いがあります。

11月7日までの導入割引では、720pの10秒動画は約0.43ドルで、通常料金は1.70ドルです。試作回数が増えると支出も増えるため、記事は単価だけでなく、採用できる映像に至る費用と制作時間で判断する重要性を指摘しています。

Metaの成人向けAI、制作者が規制差を批判

Meta方針への疑問

Museの性的会話容認
Instagram投稿制限
成人限定アプリの運用
人間とAIの扱いの差

AI利用への懸念

学習データの透明性
出演者への対価
人間の仕事代替リスク

Metaが成人限定AIエージェント「Muse」で成人との露骨な性的テキスト会話を認める一方、Instagramでは性的表現を含む成人コンテンツ制作者のアカウントや投稿を制限しているとして、OnlyFansの制作者らが方針の不整合を批判しています。Metaは、18歳以上限定の個別AI会話と、SNS上でのサービス宣伝は性質が異なると説明しました。

Museはカレンダーやメールなどの個人データにアクセスし、予定管理を支援する常時稼働型のAIエージェントです。Metaの配信網を背景に公開初月で数百万人が試し、成人ユーザーには露骨な文章を生成しますが、画像や動画は生成しません。

制作者のVanniall氏は、自身を模した精巧なディープフェイクの削除に苦労する一方、10万人超のフォロワーを持つInstagramアカウントも閲覧制限を受けています。AIが人間より広い表現を許されているとして、Metaが自社AIから利益を得る運用は不公平だと訴えました。

制作者のJiz Lee氏は、Museの学習方法やデータ提供者への対価が不透明だと指摘しました。成人コンテンツ企業では契約書にAI利用方針を明記する動きが始まり、出演者のデータが無断で学習に使われることへの警戒が強まっています。

Tony Genius氏は、完全なAI生成ポルノが人間の出演者を代替する懸念を示す一方、動画の切り抜きなど販促業務でのAI活用は評価しています。自身のAI版を企業と共同制作する可能性にも言及し、人間の制作者が収益から排除されず、人格や真正性を価値として保てる仕組みを求めました。

OpenAI・Google画像AI、安全策を突破

主要3モデルを検証

一般公開ツールで攻撃
API経由で安全策回避
人間が出力画像を確認

モデル別の突破率

DALL·E 3は約13%
Nano Banana 2は10%未満
GPT-Image-2は約3%

生成源対策の課題

私的空間での拡散
検知と通報の難しさ

AI安全性を検証する公益企業White Circleは2026年9月公開のプレプリントで、OpenAIとGoogleの主要画像生成AIに対し、一般公開された既製ツールとAPI呼び出しだけで安全フィルターを回避できたと報告しました。非合意の性的な偽画像が検知されにくい私的な通信やクラウドで広がるなか、生成源での対策に残る弱点を示す結果です。

対象はDALL·E 3、GoogleのNano Banana 2、OpenAIのGPT-Image-2です。White Circleは新しい攻撃手法で禁止カテゴリーの生成を試し、出力を人間の評価者が確認しました。

明示的画像が確認された割合は、DALL·E 3が約13%で最も高く、Nano Banana 2は10%未満、GPT-Image-2は約3%でした。成功率には差があるものの、全モデルで安全フィルターの回避例が確認されたことになります。

Googleが共同執筆した2026年7月の米国・オーストラリア・英国の利用者調査では、こうした非合意コンテンツはテキストやDM、私的クラウドで共有・保存され、検知や通報を受けにくいとされました。同研究は、有害画像を作るAIツール自体を最重要の介入点と位置づけています。

OpenAI、元社員の機密100件超持ち出しを主張

持ち出し疑惑

機密ファイル100件超
個人アカウントへの送信
Apple幹部への提示

含まれた情報

未発表端末の画像
供給元と設計データ

対立の構図

新製品との関連を主張
Apple側も盗用を主張

OpenAIは2026年10月14日、Appleとの営業秘密を巡る法廷闘争に関連して提出した文書で、元社員が退職前に製品計画の機密ファイル100件超を個人アカウントへ送り、Apple入社後に同社幹部へ示したと主張しました。ファイルには未発表端末の画像や供給元情報、設計データなどが含まれ、OpenAIはその情報がAppleの今後の製品設計に使われることを懸念しています。

OpenAIによると、持ち出された資料には少なくとも1台の未発表端末の画像に加え、供給元情報、設計データ、プロジェクトファイル、外観仕上げの基準が含まれていました。ハードウェア部品のコーティングや密閉処理に関する報告書もあったとしています。

元社員はこれらの情報を、アジア地域の事業運営を担う副社長を含むApple幹部へ提示したとOpenAIは訴えています。同社は、Appleが今週発表したスマートディスプレイ「HomeView」などのAI対応製品と、この提示を関連付けました。

ただし、Appleの製品開発は一般に長期に及び、同社のスマートディスプレイは数年前から報じられていました。このため、今回の提示が新製品の企画や設計に影響したというOpenAIの主張は、記事内で裏付けられていません。

両社の争いは一方向ではありません。AppleもOpenAIが自社製品の開発に向けて機密文書を盗み、ハードウェアの試作機を調査したと主張しており、AppleはThe Vergeのコメント要請に直ちに回答しませんでした。

Google.org、AI科学17団体に総額3600万ドル

支援の全体像

17団体へ総額3600万ドル
世界30カ国からの応募
任意の6カ月技術支援

気候・エネルギー

洪水警報時間の倍増
核融合炉設計の高速化

健康・生命科学

ゲノム解析と精密医療
ペプチド創薬の設計支援

Google.orgは2026年10月14日、AIで科学的発見を加速する「AI for Science」の採択17団体を発表しました。30カ国から寄せられた気候、健康、基礎科学分野の応募から選び、総額3600万ドルを提供します。採択団体は任意で6カ月間のアクセラレーターに参加でき、エンジニア支援、技術指導、Googleのインフラを活用して研究成果の拡大を目指します。

気候・環境分野では、アフリカの鉄砲水警報を3時間未満から6時間超へ延ばす研究や、海洋生態系のデジタルツインを基に世界基盤モデルを構築する計画が選ばれました。地球観測から説明可能な気候物理を見つけ、次世代気候モデルと海洋観測地点の選定を一体化するエージェント型AIも対象です。

エネルギー・材料分野では、顕微鏡画像をAIエージェントが解釈する材料探索、物理法則を組み込んだAIによる核融合炉内のモデリング、小型核融合炉の設計高速化を支援します。ナトリウムイオン電池の正極劣化予測や、自然言語でプラスチック分解などに使うタンパク質を設計する研究も含まれます。

健康・生命科学分野では、ウイルスによる細胞操作の解明、神経変性疾患で脆弱な脳細胞へ届くDNA配列設計、試行錯誤型の化学療法を減らす精密がん医療が採択されました。遺伝子変異がRNAスプライシングを制御する仕組みや、AIで多様なDNA損傷を検出して未知の変異原因を探る研究も進めます。

さらに、医療AIのブラックボックス予測から解釈可能な臨床バイオマーカーを抽出し、アフリカ系集団の薬物代謝遺伝子を地図化して薬の選択と安全性向上につなげます。種をまたぐ心臓再生の比較による治療標的探索や、AI基盤モデルでペプチド医薬の設計空間を可視化する創薬研究も支援対象です。

SpaceXSI、X・Grok・Cursorを一括提供

五段階の料金体系

無料から月200ドル
上位ほど大きいAI利用枠

主要機能を一括化

対話・開発・投稿の統合
APIと生成機能の提供

既存利用者の移行

現行プランの維持選択
設定画面での順次切替

SpaceX Super Intelligenceは2026年10月13日、X Premium、対話AIのGrok、AI開発支援のCursorを一つにまとめた「The X Subscription」を発表しました。無料から月200ドルまで5段階を用意し、対話、音声、画像、動画、API、AIエージェント、コーディング、Xの有料機能を利用量に応じて組み合わせ、有料AI市場で契約者拡大を狙います。

GrokではAI対話に加え、音声、画像、動画、APIと自律型Botを利用できます。CursorのAIコーディング機能や、X Premiumの認証マーク、投稿者向け機能、広告削減も同じ契約に含まれます。

料金は無料、Plusの月8ドル、Premiumの月30ドル、Superの月100ドル、Ultraの月200ドルです。上位ほどAIの利用上限が増え、無料版は対話とエージェントの利用が限定され、最新のGrokモデルにはPremium以上が必要です。

既存のX Premium+利用者には、同等の新プランを同額以下で提供すると同社は説明しています。利用者はXの契約設定から新しい一括プランへ切り替えるか、現在の契約を維持でき、切り替え機能は段階的に提供されます。

SpaceXSIは、個別サービスを一つの料金体系に集約することで、OpenAIやAnthropicなどとの有料AI契約競争に対抗します。利用者にとっては必要な機能とAI利用枠をまとめて選べる一方、プラン間の価値は利用量と最新モデルの必要性で変わります。

Satlyt、衛星AI分散処理へ800万ドル調達

資金と事業

シード800万ドル調達
衛星会社横断の基盤
自社宇宙機は開発せず

軌道上の実績

実証飛行は2回
通信量を60%超削減
衛星で3顧客の追加試験

次の段階

異なる2衛星を接続
次回は宇宙クラウド試験

衛星向けAI基盤を開発するSatlytは2026年10月、シードで800万ドルを調達しました。自社で宇宙機を造らず、複数企業の衛星上でAIモデルを動かし、大規模な計算を分担させる共通ソフトウェアを目指します。地上との通信は遅く費用もかかるため、異常対応やセンサーデータ処理を軌道上で済ませ、運用費の削減と衛星の計算資源の事業化につなげる狙いです。

Satlytは元Googleクラウド、元SpaceXのプロダクト管理者ラマ・アフロ氏が共同創業し、カリフォルニア州サニーベールとケニアのナイロビに拠点を置きます。特定企業の宇宙機に閉じず、異なる衛星会社が使える横断型の運用基盤として、基盤設備を意識せずAIを動かせる環境を掲げています。

同社ソフトウェアはすでに2回の実証飛行を経験しました。Momentusの宇宙機にGoogle DeepMindのGemmaを載せた試験では、搭載ソフトウェアの不具合情報を伝える通信量を60%超減らしました。アフロ氏は、こうした効率化で衛星1基当たり年間数十万ドルを節約できると説明しています。

木曜日の打ち上げでは、インド企業TakeMe2Spaceの宇宙機上でSatlytのソフトウェアを動かします。NASAは宇宙でのクラウド計算手順、宇宙監視企業Stellerianは画像処理を試し、TakeMe2Spaceは他社ソフトウェアを載せられることを実証します。同じSpaceXロケットにはGoogleの宇宙データセンター計画Project Suncatcherの試作機も搭載されます。

現時点では高性能GPUを積む衛星が少ないため、当面は通信削減や機上判断といった運用改善が主な用途です。次の計画では異なる2基の衛星をつなぎ、計算資源を共有する軌道上クラウドの実証を目指します。10年代末までに全衛星の20%で稼働するという目標は、今後の衛星側の高度な演算装置普及を前提とした構想です。

NVIDIA、DLSS 5の顔補正を抑え11月に2作品へ導入

描画表現の調整

顔表現の変化を抑制
開発者の芸術的制御

導入日程

Hogwartsへ11月5日導入
11月下旬の第2弾

性能改善

AIモデルの2倍高速化
4Kメモリ使用量20%減

NVIDIAは2026年10月13日、AIを使う描画技術「DLSS 5」の改良版を発表しました。Hogwarts Legacyへ11月5日、Where Winds Meetへ同月下旬に導入し、初公開時に目立った人物の顔や環境の変化をより控えめにするほか、AIモデルを高速・軽量化してゲームの描画負荷も抑えます。

NVIDIAが公開した新しい比較画像では、Hogwarts Legacyの人物が不自然に年上に見えた初期版に比べ、顔と環境の変化が控えめになりました。同社は従来から、ゲーム開発者がDLSS 5の実装を細かく芸術的に制御できると説明しています。

10月更新のニューラル描画モデルは、RTX 50シリーズと今後登場するRTX Sparkノートパソコンで処理速度を2倍にする見込みです。モデル規模を24%減の約1億1800万パラメーターとし、4K描画時のビデオメモリ使用量も20%削減します。

新モデルは10月16日にNBA 2K27へ先行導入され、その後のDLSS 5対応ゲームでは標準モデルになります。Hogwarts LegacyとWhere Winds Meetへの展開により、表現の調整と性能改善を実際のゲームで検証できる段階に入ります。

NVIDIAアプリのベータ版には、RTX 40・50シリーズ向けFrame Generationの性能モードも加わりました。軽量化したアルゴリズムで最大35%の高速化を見込む一方、画質には小幅な低下があると同社は説明しています。

MIT、自己組織化するニューラル網を実証

学習の仕組み

無作為な接続から開始
単純な共通規則で変化
学習回路の部品を自己形成

実験結果

模様認識と画像分類
誤差逆伝播と同等性能
勾配降下に似た最適化

脳研究への意義

生物らしさの新指標
脳と機械の機構比較

MITの研究チームは2026年10月13日、開発者が学習手順を細かく設計しなくても、人工ニューラルネットワークが自ら学習機構を組み立てられることを示した研究を公表しました。無作為につないだ人工ニューロンへ、接続をいつどう変えるかという単純な共通規則だけを与えると、データから学ぶ情報処理網へ再編しました。脳の学習に近い計算モデルを探る足掛かりです。

現在のAIでは、訓練データと誤差を受けて接続をどう変えるかを技術者が設計します。一方、脳には外部の設計者がいないため、MITチームは接続だけでなく接続を調整する仕組み自体を組み上げられるかを、生物らしさの重要な指標と位置付けました。

実験した多層ネットワークは、無作為につないだニューロン状の部品から始まり、各層の部品へ同じ接続変更規則を適用します。同時に活動するニューロン間の結び付きを強めるといった単純な規則から、機能回路の部品となる構造が自発的に形成されました。その構造はデータと相互作用しながら組み替わります。

自己組織化したネットワークは模様を認識し、画像を分類できました。現代のAIで一般的な勾配降下に似た方法で接続を徐々に調整し、誤差逆伝播を使うよう設計されたネットワークと同程度の性能を示しました。ただし研究チームは、このモデルが脳と同じ方法で学ぶと証明したわけではないと説明しています。

脳内にも誤差逆伝播に相当する接続構造が見つかれば、人工ネットワークと脳を基本機構の水準で比較できる可能性があります。研究は老化や病気で学習規則がどう乱れるか、脳と機械をつなぐ装置をどう設計するかを考える土台にもなります。チームは自己組織化を出発点とし、将来はより高性能で人に近い機械学習への応用も見込みます。

Instagram、Mia Goth偽画像の投稿元を削除

偽画像の拡散

離婚に触れるAI画像
数十万件規模の反応

認証表示の混乱

ファン運営の青色認証
100万超のフォロワー

Metaの対応

なりすまし認定と削除
静止画のAI表示除外

俳優Mia Gothの離婚に触れたように見えるAI生成画像が2026年10月、Instagramの青色認証付きファンアカウントから広がり、数十万件の反応と複数メディアの誤報を招きました。本人側が以前から削除を求めていたと明らかにした後、Metaは公人へのなりすましを理由に、100万人超のフォロワーを持つ同アカウントを削除しました。

画像はMia Gothが離婚を示唆する文言入りのシャツを着たように見せ、Beyoncéの楽曲とともに投稿されました。スクリーンショットは他のSNSにも広がりましたが、本人側は画像がAI生成で、Mia GothはどのSNSも所有・利用していないと説明しています。

アカウントにはファン運営との表示があったものの、公式の本人を長く意味してきた青色の認証マークも付いていました。本人側はInstagramへ複数回削除を申し立てていたとし、偽造画像の拡散より公人の肖像保護を優先すべきだと批判しました。Metaは有料認証制度を始めており、本人が運営しないファンページでも認証マークを取得できます。

Metaは生成AIコンテンツを一律禁止せず、一部にAI生成ラベルを付ける方針です。写実的なAI動画には表示を求める場合がある一方、静止画は表示対象から除外されており、今回の画像にもラベル義務はありませんでした。

実在人物を使ったAI生成物を巡っては、俳優や音楽家が以前から肖像や声の無断利用に懸念を示しています。Instagramでは実在の公人を描くAIコンテンツが数百万回再生される例もあり、MetaはAI生成コンテンツを今後の利用促進策の一部に位置づけています。

Higgsfield、AI動画を10分超へ延長

長尺動画の生成

10分超の長尺動画
映像の一貫性向上

制作工程の効率化

撮影案の反復自動化
3D外部ツール連携

少人数制作の支援

文字と図解の高精度化
試作から本番への短縮

Higgsfield AIは2026年10月13日、OpenAIのGPT-6 Astraを使い、従来約1分が上限だったAI動画を10分超まで生成できるようになったと明らかにしました。外部ツールを呼び出す制作エージェントで長尺映像の一貫性を保ちやすくし、GPT-Image-2.5やCodexも組み合わせて、少人数の制作チームによる企画から製品化までを効率化します。

Higgsfieldの制作エージェントは、同じ撮影案の複数パターンを作る反復作業を担います。GPT-6 Astraは外部ツールを呼び出し、手作業が多い複雑な3Dモデリングにも対応します。同社はこの仕組みで、YouTube向けの10分超の解説動画を生成する制作工程を構築しました。

GPT-Image-2.5は画像上の文字や図解を読みやすく描画し、広告素材の精度を高めます。Higgsfieldは、大規模な制作予算を持たない小規模事業者でも販促コンテンツを作りやすくなると説明しています。

同社の開発体制は約200人の制作者と100人の技術者で構成されます。制作者はCodexで着想をソフトウェアの試作品に変え、GPT-6 Astraで本番投入までに必要な作業を減らします。従来はフロントエンドとバックエンドの技術者が深く関与していた工程の短縮が狙いです。

次の構想は、話した内容から映像をリアルタイムに形にする「voice to movie」です。GPT-Liveの音声理解に加え、計画、外部ツール呼び出し、画像生成を組み合わせ、映画制作をアイデアの説明に近い操作へ変えることを目指します。

Musk氏、Grok購入画面で注文情報を露出

投稿で露出した情報

注文番号と住所の露出
カード下4桁の露出
メールアドレスの露出

注文変更を巡る投稿

注文取消を試みた投稿
400セットへの増量投稿
配送先変更を示す投稿

AI購買への警告

カード画像の入力推奨
偽サイト購入の危険性

実業家Elon Musk氏は10月11日、AI「Grok」でLegoのStar Wars商品を購入した画面をXに投稿し、2億4千万人超のフォロワーに注文番号、配送・請求先住所、カード番号の下4桁、メールアドレスをさらしました。AIエージェントによる買い物の利便性を示す投稿が、決済情報の管理と注文変更時の本人確認という課題を浮き彫りにした形です。

X利用者のEnderman氏は、公開されたメールアドレスと注文番号をLegoの顧客対応チャットボットに入力し、注文を取り消したように見える画面を投稿しました。Musk氏は数時間後、注文は取り消されていないと返信しており、実際に取消処理が成立したかは確認されていません。

別のX利用者は、LegoのAIアシスタント「Sophia」で注文を再開し、購入数を400セットに増やして配送先も変更したとする画面を公開しました。元の決済手段を使ったとの主張ですが、LegoはWIREDの確認要請へのコメントを控え、変更の成否は不明です。

Musk氏は前日、クレジットカードの写真をGrokに渡せば、商品検索から購入まで実行できると紹介していました。MetaやOpenAIもAIエージェントの買い物用途を訴求するなか、利用者はカード情報の共有範囲や注文後の画面公開を慎重に管理する必要があります。

Visaは2025年末、正規サイトを装う偽販売者が安値でAIエージェントを誘導し、決済情報を不正利用する危険を警告しました。同社によると、悪意あるボット起点の取引は2025年下半期に25%増え、米国では40%増加しており、企業には異常注文の検知と強固な本人確認が求められます。

Meta、最上位AIモデルを会員限定で公開

性能と中核機能

独立評価56点
長期記憶Active Memory
目標維持Active Focus

提供形態と価格

標準版のみAPI提供
入出力単価4・20ドル

企業導入の注意点

最上位版は会員限定
モデル重みは非公開

Metaは2026年10月12日、Meta Superintelligence Labsが開発した新たな大規模AIモデル「Muse Wonder」と「Muse Wonder Full」を公開しました。複雑なソフト開発や長時間動くAIエージェントを狙い、標準版はAPI、最上位版は有料のMuse Codeで提供し、OpenAIやAnthropicに並ぶ性能をうたいます。

独立評価機関Artificial AnalysisのIntelligence Indexでは、Wonder Fullが56点を獲得し、Claude Sonnet 5.5と並びました。Claude Opus 5.5の58点には届かない一方、53点のGPT-6 Astraなどを上回り、標準版Wonderは52点でした。

両モデルはテキスト、画像、音声、動画を入力でき、約100万トークンの文脈を扱います。会話をまたいで重要情報を保つ「Active Memory」と、障害に直面しても目標を維持して計画を修正する「Active Focus」を備え、長期の業務自動化を重視しています。

標準版WonderのAPI価格は、100万トークン当たり入力4ドル、出力20ドル、キャッシュ入力0.20ドルです。最上位のWonder FullはMuse Codeの有料会員だけが利用でき、一般APIには提供されないため、企業は自社サービスへ直接組み込めません。

導入時はベンチマークだけでなく、実業務での精度と総費用を検証する必要があります。両モデルは重みを公開せず、Muse Codeは投稿内容をモデル改善に使うContributorモードが初期設定のため、機密データの扱いと設定を事前に確認すべきです。

Google医療AI、見逃された乳がんの25%検出

研究基盤と創薬

査読論文90本
被引用9万件超
3万化合物の仮想選別

迅速診断と検診

全ゲノム診断8時間未満
乳がん見逃し25%検出
読影負担最大40%減

公衆衛生と支援

CDCインフル予測首位
研究組織へ6000万ドル超

Googleは2026年10月12日、病気の解明から診断、創薬、公衆衛生までを支える医療AI研究の成果を公表しました。臨床機関や大学との連携を通じ、乳がん検診では過去に見逃された中間期がんの25%を検出し、全ゲノム解析では8時間未満の遺伝子診断を実現するなど、研究成果を患者支援へつなげています。放射線科医不足や感染症流行への対応にも活用します。

過去5年間に病気の理解と対策に関する査読論文90本を発表し、被引用数は9万件を超えました。研究者はAlphaFoldでシャーガス病向け化合物3万種を仮想選別し、転用候補となるFDA承認薬2種を特定しました。AlphaGenome Atlasは5万4000人超のゲノムから、老化に関連するタンパク質などに影響する変異の絞り込みに使われました。

スタンフォード大学医学部との臨床試験では、DeepVariantとDeepConsensusを用い、緊急性の高い症例で8時間未満の全ゲノム診断を達成しました。新たな機械学習基盤AlphaProtein Novoは、医薬品の重要構造を合成する酵素や、過酷な条件で有害プラスチックを分解する酵素をゼロから設計しました。

医療現場への効果はどこまで確認されたのでしょうか。インペリアル・カレッジ・ロンドンと英国の国民保健サービスとの研究では、女性12万5000人を対象に乳房X線画像のシステムを評価し、従来見逃された中間期がんの25%を検出、専門医の読影負担を最大40%減らせる可能性を示しました。DeepSomaticも小児白血病の既知変異をすべて確認し、見逃されていた10変異を追加検出しました。

インフルエンザによる入院を予測するGoogleのモデルは、2025~2026年シーズンに米疾病対策センターの評価で38システムを上回り首位となりました。エボラ対策では、対話型の地理空間モデルが従来は数週間かかった手作業のコーディングを代替し、曝露・伝播リスクの早期把握を支援しました。Google.orgは2026年、先端モデルで病気の解明と治療に取り組む世界の組織へ6000万ドル超を提供しています。

Google Playground、会話でゲーム生成も画一的

会話だけで制作

自然言語からゲーム生成
画像・動画・モデル参照
ブラウザで即時プレー

反復修正にも対応

会話形式での仕様変更
不具合修正と機能追加

実用化への課題

利用枠による回数制限
メニューと音楽の画一化

Googleは2026年10月、Google Labsの実験サービスとして、自然言語の指示からブラウザで遊べるゲームを生成する「Playground」を公開しました。利用者はチャット形式で企画や修正を伝え、画像・動画・モデルも参照素材にできます。専門的な開発経験がなくても短時間で動く作品を作れる一方、利用枠と生成物の画一性が実用面の課題として浮かびました。

WIREDの記者は1日で3本を制作し、いずれもプレー可能で安定して動いたと報告しています。テトリス風の「Pork Drop」ではブロックを豚の形に直し、夕食会ゲーム「Dinner Darling」は追加指示なしでも遊べる形になりました。

最も手を加えた「Neon Don」では、リズムゲームを見下ろし型シューティングへ変更しました。レベル調整、ボス生成、敵の種類、移動時の不具合、主人公の台詞まで、対話を重ねて機能を追加できましたが、修正に伴って別の問題が生じる場合もありました。

課題は利用量と品質です。新規作成や修正のたびに利用枠を消費し、上限に達すると枠の更新まで変更できません。さらに記者は、ジャンルが違ってもメニューや音楽、戦闘方法、作風が似通い、生成作品に画一性があると指摘しています。

Playgroundは、非開発者がアイデアを動く試作品に変え、ゲーム制作への関心を深める入口になり得ます。一方、継続的な改善や独自性が必要な業務用途では、生成後の品質管理と利用枠を織り込む必要があります。まず企画検証に使い、どこから専門家の設計へ引き継ぐかを決めることが重要です。

Nikon、生成AI規定違反で顕微鏡動画の受賞取り消し

失格と順位変更

優勝作品を失格
ベトナム作品が新首位
他の受賞作も順位上昇

AI利用への疑義

AI後処理の使用
細胞構造への研究者疑義
元データの透かし疑惑

今後の審査

規則と評価手順の再検討

Nikonは2026年10月9日、顕微鏡動画コンテスト「Small World in Motion」で1位としていた清華大学のNing Xu氏の作品を、生成AIに関する規則に適合しないとして失格にしました。これに伴い、微小な線虫と単細胞生物を撮影したベトナムのNguyen Nam Nhat氏の作品が新たな1位となり、他の受賞作も順位を一つずつ上げました。

失格となった作品は、原発性線毛運動不全症(PCD)の子どもの気道で、微細な線毛が動く様子を捉えたとされていました。研究者らは構造の不自然さや細胞の特徴が現れては消える点を指摘し、元ファイルにはAIの透かしに見える痕跡があるとの疑いも出ました。

Xu氏は、超解像光学画像から再構成したグレースケール画像の特徴を識別・可視化するため、教師なしニューラルネットワークによるAI支援の後処理を使ったと説明しました。一方、実験動画そのものや線毛、その動きをAIで生成したことは否定しています。

オンラインで真正性への疑問が広がった後、Nikonは作品を再調査し、生成AIに関する競技規則への不適合を結論づけました。同社は今回の判断について、応募者の職業上の評判、科学的貢献、意図を評価するものではないと明記しています。

Nikonは今後の応募に向け、規則と評価手順を見直す方針です。今回の事例は、AIによる生成と可視化支援の境界を規則でどう定め、提出データをどう検証するかという審査上の課題を示しています。

H-JEPA、階層化でロボット計画を高精度・省計算に

階層計画の仕組み

時間軸ごとの潜在表現
上位計画の段階的な具体化
観測に応じた計画更新
画素生成を省く状態予測

検証結果と用途

3階層で成功率向上
AntMazeで約2倍の成功率
基準手法より少ない計算量
倉庫・操作ロボットへの応用

2026年10月9日、VentureBeatは、ヤン・ルカン氏のAdvanced Machine Intelligence(AMI)Labsと大学の研究者が、異なる時間軸ごとに環境表現を学ぶ世界モデル「H-JEPA」を開発したと報じました。長期目標を扱う上位層から目先の動作を担う下位層へ計画を段階的に落とし込み、従来の単層JEPAよりナビゲーション精度を高めながら、計画時の計算量を減らします。

生成モデルが画素単位の詳細まで予測するのに対し、JEPAは画像や動画を情報量の小さい潜在表現に変換し、行動後の状態を予測します。従来方式は、細かな運動と遠い目標を同じ表現で扱うため、長い行動列では計算量が増え、誤差も連鎖しやすい課題がありました。

H-JEPAは各階層に状態エンコーダー、行動エンコーダー、予測器を置き、下位層ほど短時間の物理動作、上位層ほど長時間の変化を学習します。上位層が潜在空間で目標に近づく行動を探して中間目標を渡し、下位層が実行可能な基本動作まで具体化します。

研究チームはFourRoom Distractors、Visual AntMaze、Push-T、OGBench Cubeの4環境で検証しました。FourRoom、AntMaze、Cubeでは最大3階層まで層を増やすと概して成功率が上がり、計画計算量は減少し、AntMazeの3階層モデルは比較対象HWMの約2倍の成功率を記録しました。

実ロボット動画データDROIDでは、状態間の行動を当てる「逆動力学」の学習目標を加え、行動に必要な情報を保持しました。基準手法より少ない計算量でオフライン計画の忠実度を高めましたが、階層は多いほど常に良いわけではなく、効果は学習データの範囲に左右されます。

倉庫自動化やロボット操作では、目的地の判断と関節制御のような異なる粒度の判断を両立させる必要があります。H-JEPAはこの分離に有望ですが、現時点の評価はシミュレーションと動画データが中心で、研究者らは将来、上位表現を言語と結び、画像ではなく指示で目標を与える方向を示しています。

Asana、ブラウザAI費用を76分の1に

費用と速度を改善

最適化後は1回0.47ドル
実行時間は約4分

履歴管理を再設計

Astraによる144回の検証
検証期間は約1週間

精度と事業価値

入力の89%をキャッシュ
全18回での正答完遂

Asanaは2026年10月9日、StackAIのブラウザエージェントをGPT-6 Astra in Codexで分析・改善し、GPT-6.1 Solを使う最適化後の検証で、推定モデル費用を従来のModel B構成比で76分の1、実行速度を5倍にしたと発表しました。1回当たりの平均費用は0.47ドル、所要時間は約4分で、より高性能なモデルを持続可能なコストで顧客に提供する狙いです。

GPT-6 Astraは、固定の指示とツール定義はキャッシュされる一方、増え続けるページ本文や画面画像の履歴が毎回、通常料金で再送されている問題を特定しました。古い画像の削除や本文の切り詰めを頻繁に行う設計も履歴を変化させ、キャッシュの活用を妨げていました。

検証では、履歴上限を12万字と48万字に分け、6種類のキャッシュ・画像管理方針を4モデルで各3回試し、計144回の実行結果を比較しました。画像が20枚に達してから最新の1枚だけを残す方針と48万字の履歴上限を組み合わせた構成が、最も高い性能を示しました。

従来のModel Bでは1回36.21ドル以上だった推定費用が、同モデルの最適化後は1.24ドルに下がり、GPT-6.1 Solではさらに0.47ドルとなりました。GPT-6.1 Sol内でも費用は1.97ドルから0.47ドルに減り、入力の89%をキャッシュしたうえ、最適化後の全実行が正答を返してタスクを完遂しました。

AsanaのStackAI最高技術責任者は、手作業なら1〜2カ月かかる調査を約1週間で終え、記録した結果をチケットやプルリクエストに変えて本番へ反映しました。改善はStackAIのブラウザ操作に導入済みで、同社は費用・時間・回答品質の比較を評価基盤へ組み込み、GPT-6 Astraによる公開前機能の自動テストにも広げています。

Pollo AI、モデル選択時間を50%超削減

利用規模と成果

2600万人超の利用者基盤
モデル選択時間50%超削減

使い分ける制作基盤

GPT-5.6による経路選択
GPT-6 Astraの高度推論
GPT-Image-2.5の画像生成

広告制作への展開

静止画から15秒広告生成
小規模事業者の制作負担軽減

OpenAIは2026年10月8日、動画・画像制作プラットフォームのPollo AIがGPT-5.6、GPT-6 Astra、GPT-Image-2.5を組み合わせ、アイデアから広告素材までを一貫生成する顧客事例を公開しました。Pollo AIは曖昧な入力の解釈から構成、脚本、画像生成までを案内し、利用者がモデルの選択・切り替えに費やす時間を50%超減らしたと報告しています。

同社はGPT-5.6をリクエストの振り分けに使い、物語の構築や場面修正の計画といった難しい処理をGPT-6 Astraに任せています。タスク別のモデル選択により、推論の深さ、速度、コストの均衡を図る設計です。

Pollo Agentは利用者の大まかな着想や画像資料を読み取り、物語、場面構成、脚本へ展開します。画像生成には、品質や一貫性、表現の幅、速度、コストを実際の利用者の指示で評価した上でGPT-Image-2.5を採用し、ポスターや絵コンテ、広告画像の制作に使っています。

写真を動画広告に変える機能では、商品画像と指示からSNS向けの短い動画を数分で制作できるよう設計しています。実例では香水の写真を約15秒の広告にし、別の事例では宝飾品ブランドがGPT-Image-2.5を使って実写撮影より少ない手間、時間、費用で広告画像を完成させました。

Pollo AIは2600万人超が利用し、クリエイター向け動画だけでなく、マーケティング担当者や事業者による広告制作にも用途を広げています。同社は今後12カ月でAI動画を日常的な制作手段にする目標を掲げていますが、時間削減などの数値はOpenAIの顧客事例に掲載されたPollo AIの報告です。

Magnific One、企業ブランド準拠を自動確認

ブランド統制

ブランド規定の共有
生成後の規定確認
指摘箇所の修正支援

制作の効率化

8案または16案の下書き
2K・4Kの完成画像
最大5枚の参照画像

導入時の注意

追加学習説明の不一致
未公開の比較手法

スペイン発のクリエイティブ基盤Magnificは2026年10月8日、企業のブランド規定を画像生成と完成後の確認に反映する「Magnific One」を有料会員向けに世界で公開しました。OpenAIのGPT Image 2を基盤に、AIが構図や照明などの方向性を補い、複数の担当者や外部制作会社でも一貫した販促物を作りやすくする狙いです。

中核のBrand Kitは、ガイドラインPDF、Webサイト、既存画像、説明文をAIが解析し、ロゴ、書体、色、画像表現を再利用可能な指示にまとめます。Finalモードで生成後も規定違反や画質上の問題を確認し、指摘箇所の修正を依頼できます。

生成機能は、1枚分のクレジットで8案または16案を出すDraftと、2K・4K画像を作るFinalの2モードです。最大5枚の参照画像に対応し、PhotoshopやFigmaと連携する編集機能も備えます。

ただし、独自技術の説明には食い違いがあります。担当者はGPT Image 2への追加学習に言及した一方、書面FAQは「学習はしていない」とし、プロンプト改善や創作指示、ブランド規則の適用だと説明しており、モデルの重みを変更したかは不明です。

年間契約の個人向けプランは月14.50ドルからで、設定別の推計画像単価は約0.12〜0.73ドルです。Web、デスクトップ、モバイルに加え、ChatGPTやClaudeから呼び出せるMCPにも対応します。

Magnificは社内の非公開比較で勝率約68.5%を主張しますが、手法や投票データは公開されず、ブランド準拠率や修正回数も示していません。導入企業は価格だけでなく、承認までの修正工数とOpenAIへの依存を実運用で確かめる必要があります。

Claude Science、初の全天紫外線地図を作成

データ統合の工程

全天の3分の2が実測
複数衛星データの統合
3万8000観測の補正

欠測域をAIで推定

全天の3分の1を推定
隠しデータで精度検証
実測値との差は約10%
1億超の恒星光を追加

Anthropicの研究者でジョンズ・ホプキンス大学の天体物理学者ブライス・メナード氏は2026年夏、Claude Scienceと共同で、紫外線で見た初の全天地図を数日かけて作成しました。複数の宇宙望遠鏡の公開データを統合し、未観測の約3分の1を機械学習で推定したもので、教育や銀河研究に使える地図として公開しています。

基礎データの中心は、NASAのGALEXが2003〜2013年に撮影した約3万8000件の観測です。GALEXは検出器の損傷を避けるため明るい恒星や銀河面を外しており、Swiftや韓国のFIMS/SPEARなどを加えても欠測が残っていました。

Claude Scienceは複数のAIエージェントを動かし、公開調査データの探索・取得から、恒星周辺の光のにじみ除去、機器間の相互較正、解像度と座標系の統一までを処理しました。人が大枠の手順を指示し、エージェントが空の領域ごとに並列作業する構成です。

未観測の約3分の1には、可視光・赤外線・電波と紫外線輝度の関係を、実測済みの約3分の2から学ぶインペインティングを適用しました。既知の紫外線データを意図的に隠す検証と改良を重ね、予測値は実測値との差を約10%に抑えました。

さらに、欧州宇宙機関のGaiaによる可視光観測から推定した1億個超の恒星の紫外線光を背景に重ねました。初期版で残ったGALEX画像ごとの円形のむらは、人が発見して大気光の残留を原因と特定し、全3万8000観測を再補正しています。

地図は各画素が「実測」か「予測」かを示し、不確実性も確認できます。AIが時間のかかる較正と反復計算を担う一方、人の目による品質管理が欠かせないことも示す事例です。

GPT-6 Astra、トヨタ車を実世界で運転

実車試験の仕組み

カメラ映像から操舵判断
パワステへの指令送信
安全運転者のブレーキ待機

性能差と実用課題

Astraのみコース完走
Claudeは45%地点まで
Grokは11%地点まで
物理推論の安全性検証

AIスタートアップAxiomのエンジニア3人は2026年10月、サンフランシスコ湾岸地域で、OpenAIの汎用モデルGPT-6 Astraに2024年型トヨタ・カローラを運転させました。フロントガラスのカメラ映像を基にパワーステアリングへ指令を送り、事前の運転訓練なしで飲食店の受け取り窓口まで低速走行しました。安全運転者はブレーキ操作に備えました。

3人はチャット画面をサーバーにつなぎ、複数の車載カメラと車両のパワーステアリングを連携させました。Astraは走行中に状況を判断し、ゆっくりと受け取り窓口まで車を進めました。

従来の自動運転車が専用に訓練・設計したアルゴリズムを使うのに対し、今回操作したのは文章やコード、画像を生成する汎用モデルです。研究者らは、画像や動画、3Dモデルを含むマルチモーダル学習の拡大から、運転能力が偶発的に生じた可能性があるとみています。

3人が駐車場に設けた単純なコースで実施したDrivingBenchでは、完走できたのはAstraだけで、速度も非常に遅い結果でした。Claude Fable 5.1はコースの45%、Grokは11%まで進み、各モデルの能力差が表れました。

研究者らによると、最新モデルは操作ミスに応じて車の制御方法を走行中に調整し、改善する様子も示しました。一方、高速で動く約2トンの車両を汎用モデルに任せる試みは危険を伴い、物理世界での推論力と安全性をさらに検証する必要があります。

Liquid AI、画像・音声対応のエッジ判断モデル公開

性能と公開形態

平均スコア82.9点
小型モデルで最高水準

マルチモーダル対応

画像・音声入力への対応
1回の順伝播で判断

エッジでの速度

最短16ミリ秒応答
小型端末での実行性

Liquid AIは2026年10月7日、エッジ端末で高速な構造化判断を行うオープンウェイトの「d1-3B」と研究初期版「d1-omni-600M」をHugging Faceで公開しました。生成モデルのようにトークンを順次出すのではなく、1回の順伝播で回答する設計です。テキストに加えて画像や音声を扱い、応答速度と小さな実装規模の両立を狙います。

7種の公開データセットでは、d1-3Bの平均スコアは82.9で、比較表のDecider 4Bの81.1を上回りました。d1-omni-600Mも平均78.4となり、約4分の1のパラメーター数でDecider 2Bの77.1を超えたとしています。

NVIDIAとの評価で、d1-3BはJetson AGX Thor上で質問1件に16ミリ秒、AGX Orinで26ミリ秒、Orin Nanoで50ミリ秒でした。RTX 4090とAMD MI325Xでは10ミリ秒未満で、384ピクセル画像の処理も18ミリ秒未満です。

d1-3Bは30億パラメーターの視覚言語モデルを基盤とし、テキストと画像を入力できます。d1-omni-600Mは双方向エンコーダーに視覚・音声エンコーダーを加え、テキストと画像、またはテキストと音声を扱いますが、現時点では研究初期版です。

想定用途は、問い合わせの担当部署への振り分け、返金要否や緊急度の判定など、形式が決まった意思決定です。導入を検討する企業は高速性だけでなく、視覚・音声の公開ベンチマークが未掲載である点や、配布コードの実行にtrust_remote_code=Trueが必要な点も評価する必要があります。

Google、SynthID検出サイトを世界公開

世界公開と対象

英語版を世界で一般公開
画像・動画・音声に対応
専用サイトで直接判定

提携先と利用規模

OpenAIなどに対応
Apple対応も近日追加
1日100万件超の検証

限界と運用条件

1日約10件の利用枠
非対応透かしは検出外

Googleは2026年10月7日、画像・動画・音声に埋め込まれたAI生成・編集の電子透かし「SynthID」を調べる専用サイトを、英語で世界一般公開しました。従来は一部のテスターやGemini経由に限られた確認を、Googleに加えOpenAI、NVIDIA、Kakaoなど提携各社の透かしまで一カ所で判定できるようにし、オンライン情報の出所判断を支えます。

利用者は対応形式のファイルをSynthID.comにアップロードし、SynthIDが生成または編集に使われたかを確認できます。公開版は内部向けツールのように透かしを検出した画像領域を示さず、検出の有無を簡潔に返します。

Googleは2023年の導入以来、1800億点超の画像・動画と24万年分の音声にSynthIDを付与したと説明しています。検索、Geminiアプリ、Chromeに組み込まれた検証機能では、現在1日100万件超の確認要求を処理しています。

対象はGoogle、OpenAI、NVIDIA、KakaoのSynthIDで、Appleも近く対応する予定です。一方、Metaなど別方式の透かしや、透かしを使わない生成AI、ローカルで動かすオープンウェイトモデルの出力は検出できないため、未検出でもAI生成ではないとは断定できません。

利用にはGoogle、OpenAI、Appleのいずれかのアカウントでログインし、画像・動画・音声を合わせて1人1日およそ10件という利用枠があります。制限は透かし除去手法の開発を防ぐ狙いがあり、企業の真偽確認ではSynthIDの結果を単独の証拠とせず、出所や改変履歴など他の情報と組み合わせる必要があります。

Google、文章指示でゲームを開発

作成機能

文章指示だけでゲーム制作
2D・3Dとプレイ形式の選択
画像をゲーム素材へ変換

公開と交流

リンク共有と作品公開
端末を問わないブラウザ配信
公開作の安全審査と通報

提供条件と今後

米国の18歳以上が対象
Unity Spark連携を計画

Google Labsは2026年10月7日、米国の18歳以上を対象に、文章で指示するだけでブラウザゲームを作成・公開できる実験的基盤Playgroundを開始しました。プログラミング経験がなくても、会話形式で仕組みやルール、見た目を指定し、すぐ試遊できるため、ゲーム開発の入り口を広げる狙いです。完成した作品はスマートフォンやパソコンで遊べます。

利用者は白紙の状態、ひな型の指示文、ガイド付き支援から制作を始め、2Dか3D、1人用か複数人用かを選べます。画像をアップロードして作品の画風に合う素材へ変換でき、物理挙動、ルール、登場人物、環境も文章で修正できます。

完成作は非公開のまま保存するほか、リンクで共有したり、Exploreギャラリーへ公開したりできます。公開作品には安全審査と利用者の通報機能があり、一部ジャンルは複数人プレイやランキングにも対応します。

ゲームの閲覧とプレイは無料ですが、生成には週単位のトークンを使います。無料枠のトークン数には上限があり、Google One AIの契約者にはより多い利用枠が提供されます。

Googleは今後、Unity Sparkとの連携を追加し、高精細な3D表現や高度なゲーム機構を使えるようにする計画です。Unity Sparkは現在テスト中で、非公開ベータ版を近く始める予定ですが、連携時期は示していません。

Artcraft、ClaudeでAdobe代替7種を公開

開発と公開

Adobe主要7製品の代替
Rust製のオープンソース
ブラウザー版も提供

資金と課題

現状は初期アルファ版
機能同等化は数カ月単位
AI利用料による開発資金

画像・動画向けAIを手がけるArtcraftは2026年10月上旬、Adobeの主要7製品に対応する無料のオープンソース代替アプリ群を公開しました。開発者のBrandon Thomas氏は、AnthropicのClaude Opus 5.5を使い、既存製品のコードに依存しないクリーンルーム方式でRust製アプリを構築したと説明しています。

対象はPhotoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign、Acrobat Proに相当する7種です。各アプリはUIやツール構成の再現を目指し、Rustで開発され、WebAssemblyを使ったブラウザー版も用意されています。

ただし、現状は初期アルファ版で、利用者から多くの不足点が指摘されています。Thomas氏は当初、1カ月で機能を完全に同等にすると表明しましたが、その後、99%の同等化には数カ月かかるとの見通しに修正しました。

アプリはMITまたはApacheライセンスで無償提供されます。開発費は、アプリ内でも選べるArtcraftの画像生成AIモデルと統合開発環境へのトークン制アクセスの販売で賄う計画です。

Thomas氏は、AI支援開発によって有料ソフトの機能的な代替を短期間で構築できる時代が近いと主張しています。一方、今回の7製品は初期段階にあり、実用性は今後の機能追加と不具合修正に左右されます。

OpenAI Dots、買い物支援で粗さ露呈

常時稼働の支援力

月額100ドルの先行提供
継続監視と先回り通知
指示追加による精度向上

試用で見えた弱点

名前や音声の認識ミス
CAPTCHA処理の失敗

利用時の注意点

感情表現を巡る誤応答
外部連携時の安全懸念

OpenAIの常時稼働型AIエージェント「Dots」を、WIRED記者が2026年10月7日公開の記事で2日間試した結果を報告しました。家具探しや定期購入の解約を頼んだところ、候補選定と継続監視には実用性が見えた一方、名前や音声の誤認識、CAPTCHA処理の失敗が重なり、月額100ドルのサービスとしては初期段階の粗さと信頼性の課題が残りました。

家具探しでは、Dotが予算や搬入寸法を確認し、価格、寸法、商品リンク、返品条件、画像を含む4候補の資料を作りました。色や素材、引き出し式ベッドなどの条件を追加すると候補は改善し、購入には至らなかったものの、記者は複数のリンクを保存して値下がりの継続監視も依頼しました。

定期購入の解約では、Dotが不要そうな注文を特定しましたが、サイトのCAPTCHAを解けず、最終的に利用者へ操作を戻しました。Dotsは不在時にも定期処理と先回り通知ができ、将来はパソコン操作まで担う設計ですが、Gmailなどを接続して広い権限を与える際は安全性とプライバシーの検討が欠かせません。

音声対話では、記者のつぶやきを愛情表現と誤認し、Dotが「愛している」と応じる場面もありました。OpenAIは、聞き取った利用者の反応を映す応答は方針上許容される一方、助手が過度な親密さや誘惑を始めるべきではないと説明し、Dotsは成人だけが利用できるとしています。

OpenAIは、Dotsが利用者を知るほど性能が高まり、改善も進めると説明しています。記者は初期のChatGPTウェブ閲覧機能になぞらえ、将来性を認めつつも、現時点の導入判断では自動処理の範囲と失敗時の人への引き継ぎを見極める必要があると示しました。

TwelveLabs、動画からロボ訓練データ生成

新モデルの要点

一人称映像への特化
行動の時刻付き分割
手と物体の役割認識

企業の導入価値

注釈と品質確認の自動化
静止画対応の追加

導入時の注意

数値比較の非公開
ロボ制御は対象外

動画AI企業のTwelveLabsは2026年10月6日、一人称視点の映像からロボット学習向けデータを作る「Pegasus 1.6」を公開しました。作業者や機械の目線で撮った映像を行動ごとに分け、内容と時刻を付けた構造化データへ変換することで、ロボット開発企業やデータ供給企業の注釈作業を効率化します。

新機能の核は、従来版が不得手としていた一人称映像への特化です。静止画をつなぎ合わせる一般的なマルチモーダルLLMとは異なり、時間の流れや因果関係を踏まえて映像全体を解釈する設計だと同社は説明しています。

企業は必要な項目を指定し、物体の持ち上げや位置決め、締め付けなどを個別の区間として整理できます。詳細な説明文の生成に加え、遮蔽や手ぶれ、不明瞭な動作の品質確認、異常や重複の検出、機密性の高い映像の識別にも対応し、静止画も同じAPIで処理できます。

ただし、Pegasusが提供するのは映像の説明と構造化までです。圧力や触覚、精密な軌道、実機の制御は別のシステムが担う必要があり、ロボットの動作改善を直接保証するものではありません。また、社内評価の数値や競合との再現可能な比較、検証可能なロボット顧客の成果も公開されていません。

公表料金は入力動画1時間当たり1.75ドルに加え、入力画像と出力トークンへの従量課金です。区間定義を複数指定すると動画時間の請求が定義数に応じて増えるため、企業は限定した作業で有効な訓練例1件当たりの費用、注釈の修正時間、実機性能への寄与を測る必要があります。作業者の撮影許可や企業秘密の管理も、導入前に確認すべき論点です。

Google、AI超音波で妊婦健診を支援

研究結果

熟練技師並みの推定精度
2都市計2000人で検証

操作と処理

未経験者も8時間で習得
端末内で映像を解析

医療現場への意味

電力網・Wi-Fi不要
出産準備の情報格差縮小

Googleは2026年10月6日、ケニア・ナイロビとアメリカ・シカゴで計2000人の妊婦を対象に行った、AI活用型の超音波検査研究を紹介しました。医療従事者が腹部を定型的になぞる「ブラインドスイープ」で動画を撮り、端末上の機械学習モデルが妊娠週数と胎児の向きを解析することで、専門技師が不足する地域でも出産準備に必要な情報を得やすくする狙いです。

研究では、妊娠週数と胎児の向きの判定精度が、訓練を受けた超音波検査技師と同等だったとしています。モデルは撮影動画を分析し、画像が不十分なら撮り直しも促します。

従来の超音波装置は大型で高価なうえ、安定した電力や修理体制が必要で、遠隔地での導入が難しいという課題があります。小型で電池駆動の装置と組み合わせ、解析を端末内で完結させるため、電力網やWi-Fi接続がない現場でも情報を提供できます。

操作方法も簡素化しました。専門技師の養成には約2年の実地訓練が必要なのに対し、超音波検査が未経験の医療従事者でも、定められた手順を8時間で習得できたとしています。

妊娠週数は検査や治療、分娩時期の判断を左右し、胎児の成熟度に応じた母子のケアにも欠かせません。Googleは今回の結果を、異なる患者集団と医療環境でAIによる超音波支援が機能する可能性を示す研究と位置づけ、外傷後の出血確認など他の用途への展開にも言及しています。

Pinterest、AIで美容ピンを施術計画に

AIが施術情報を整理

美容用語への自動変換
所要時間と価格帯の提示
手入れ頻度の事前確認

美容院での相談を支援

保存ピンからガイド生成
希望する施術内容の明確化
髪型・カラー・爪に対応

Pinterestは10月6日、保存した美容関連のピンを美容院やネイルサロンで使える施術計画に変える新機能「Beauty Guides」を発表しました。自社の視覚認識技術と生成AI「Pinterest Intelligence」を使い、写真だけでは伝えにくい希望を専門用語、所要時間、価格帯、手入れ方法に整理し、来店前の準備と施術者との相談を支援します。

利用者がアプリ内の「Get the Guide」をタップすると、AIが同じ見た目に近づけるために何を頼むべきかを示します。「balayage(バレイヤージュ)」「root melt」「almond nails」といった、一般利用者にはなじみの薄い表現にも置き換えます。

ガイドには各工程にかかる時間と価格帯も含まれます。さらに、カット、色味調整、リタッチをどの程度の頻度で行うかなど、施術後の維持に必要な情報も確認できます。

対象は開始時点で、ヘアスタイル、ヘアカラー、爪の形、仕上げに関するピンです。利用者が従来から行ってきた「参考写真をサロンに見せる」行動に具体的な相談材料を加える設計です。

企業にとって注目点は、生成AIを独立したチャットではなく、保存した画像から次の行動へ進む既存導線に組み込んだことです。PinterestはAIを、画像探索の後に必要となる準備作業へ接続しました。

Mistral、1兆パラメータLarge 4を試験公開

巨大モデルの設計

総規模1兆パラメータ
推論時は490億を稼働
4千基で約2カ月学習

公開までの工程

160超の言語に対応
重み公開は10月27日
安全検証を3週間実施

企業導入の焦点

DeepSWEで62%
自社運用と調整を想定

フランスのAI企業Mistralは2026年10月6日、1兆パラメータのマルチモーダルモデル「Mistral Large 4(ML4)」の公開プレビューを始めました。自社の欧州データセンターで4,000基のNVIDIA Grace Blackwell GPUを使い約2カ月で一から学習し、開発者や政府機関などとの安全検証後、10月27日にモデル重みを公開する計画です。

ML4は総パラメータのうち、推論時に490億だけを使う疎な構造です。160を超える言語と画像などの入力に対応し、出力はテキストに限定されます。

Mistralの暫定評価では、長時間のソフトウェア開発能力を測るDeepSWE v1.1で62%を記録しました。ただし、最良の実行環境を使う他社モデルには上回る例があり、最終版の第三者検証前であるため、首位との主張は確定していません。

用途はコーディング、サイバー防御、金融分析、製造、半導体設計、画像内の対象特定などです。特にセキュリティ分野では、提供企業の利用制限に左右されず、組織が監査や防御用途に合わせてモデルを調整できる点を訴えています。

重みの公開後は、企業や政府が自前の基盤で運用し、データを保持しない構成や個別調整を選べる見込みです。導入判断では、10月27日以降に再現される性能に加え、コスト、統制、カスタマイズ性が閉鎖型モデルより優位かを見極める必要があります。

Mirror Particle、人間行動の世界モデル開発

予測手法の転換

独自基盤モデルの開発
変化する人間像の追跡
実行動中心のデータ設計

ブランド活用

予測理由の提示
市場調査から事業展開
包装改善で認識課題を特定

事業の現在地

個人分析への長期構想

サンフランシスコで創業2年のMirror Particleは10月6日、消費者が何を選び、なぜそう動くのかを予測する基盤モデルを開発していると明らかにしました。同社は顧客データや時事、ポップカルチャー、SNSなどを組み合わせ、人間の動機が経験を通じてどう変わるかを時系列で捉えます。まず市場調査やブランド、商品戦略向けに提供し、意思決定の根拠も示します。

現在の行動予測は、LLMに対象層を演じさせる手法が中心です。Mirror Particleは、言語を学習するLLMだけでは視覚認知や空間推論、社会的知性を十分に捉えられないとして、人間行動の世界モデルを一から構築しています。

モデルは自己申告のアンケートより、人が実際に取った行動を重視します。あるペットフード企業の試験導入では、包装の画像ではなく、大衆向けで安価というブランド認識が販売の伸びを抑える問題だと特定しました。

同社はエンジェルラウンドで資金を調達済みで、初のベンチャーラウンドも完了間近だと説明しています。創業者は神経科学やロボット工学、販売パーソナライズ、深層学習の経験を持ち、10月13〜15日のStartup Battlefield 200にも出場予定です。

長期的には、集団単位の分析から個人単位の洞察へ広げ、人間行動を予測する汎用基盤を目指します。一方、予測精度や検証手法の詳細は記事では明らかにされておらず、実運用での再現性が今後の焦点です。