画像(マルチモーダル)に関するニュース一覧

Google検索にパブリッシャー向けプロフィール機能を新設

新機能の概要

検索結果に専用プロフィールページ
記事・動画・SNS投稿を一元表示
フォロー機能でDiscover配信強化
ナレッジパネルとの連携・自動生成

利用条件と展開

主要SNSで一定フォロワー数が必要
アバター・経歴・リンクのカスタマイズ可
まず米国で提供開始
今後グローバル展開を予定

Googleは2026年6月4日、パブリッシャーやクリエイターが検索上での存在感を高められる新機能「Search profiles」を発表しました。専用のプロフィールページで最新の記事、動画、SNS投稿をまとめて表示でき、ユーザーがフォローするとGoogleアプリのDiscoverにコンテンツが優先表示される仕組みです。

プロフィールへのアクセスは、モバイルのナレッジパネルやDiscoverの発行元名タップ、直接URLから可能です。利用にはまず主要なSNSや動画プラットフォームで一定規模のフォロワーを持つことが条件となります。プロフィールを申請すると、まだナレッジパネルを持たないクリエイターには新たにパネルが生成される場合もあります。

カスタマイズ項目としては、アバター画像、自己紹介文、ウェブサイトURL、SNSリンクなどが用意されています。既存のナレッジパネルを持つパブリッシャーは、更新されたアバターや最新コンテンツで自動的にパネルが強化されます。

サービスはまず米国から提供を開始し、将来的にはグローバルへの拡大と機能追加が予定されています。パブリッシャーやクリエイターにとっては、Google検索上で自らのブランドや最新コンテンツを能動的に発信できる新たなチャネルとなりそうです。

Apple、WWDC直前にAI戦略の全容が明らかに

App Store経済圏の拡大

2025年の取引総額1.4兆ドル到達
取引の90%は手数料なし
AI搭載アプリがトップ100中40本に
中国で取引額が6年で2倍以上に成長

WWDC 2026の注目点

Gemini技術活用のSiri大幅刷新
カメラ・写真アプリにAI編集機能追加
Apple Walletに割り勘・デジタルパス機能

Appleは2026年6月9日から始まるWWDC 2026を前に、App Storeエコシステムの最新実績を公表しました。2025年のApp Store経由の取引総額は1.4兆ドルに達し、前年の1.3兆ドルから成長を続けています。このうち90%は開発者が手数料を支払わない物理的商品やサービスの取引で、Appleが手数料を得るデジタル商品の取引は1,490億ドルでした。

特に注目すべきは、2025年のトップ100アプリのうち40本が消費者向けAI機能を搭載しており、それ以外のアプリより高い課金成長率を記録した点です。これはWWDCでのAIエージェント対応App Store発表への布石とみられています。週間平均利用者数は175の国と地域から8億5,000万人に上りました。

WWDC 2026最大の目玉は、Siriの大規模刷新です。GoogleのGemini技術を活用し、文脈理解や複数ステップのタスク処理が可能な対話型アシスタントへと進化します。ChatGPTやClaudeに対抗するスタンドアロンのSiriアプリの投入も報じられており、会話の自動削除機能なども搭載される見込みです。

カメラアプリには新たな「Visual Intelligence」セクションが追加され、Google画像検索と連携したオブジェクト認識が可能になります。写真アプリでは自然言語によるAI写真編集や自動オブジェクト除去が導入される予定です。Image Playgroundも高品質な画像生成やスタイルの拡充が行われます。

さらにApple Walletでは、レシートを撮影して割り勘請求を自動生成する機能や、紙チケットをデジタルパスに変換する機能が追加されます。Appleは全デバイスにわたってAI体験を強化する方針で、macOS・iPadOS・visionOS・watchOSにもAI機能の拡充が見込まれています。

xAI、ディープフェイク被害者の実名開示を裁判所に要求

訴訟の経緯と争点

Grokで性的偽画像を生成された4名が集団訴訟
被害者は匿名での訴訟を裁判所が許可済み
xAIが匿名使用の取消しを求め2件の申立て
児童の性的偽画像も含む深刻な被害内容

被害者と社会への影響

全原告が実名公開なら訴訟取下げを示唆
SpaceXがGrok問題で5億ドル超を引当て
法学者が実名強制は訴訟抑止と批判
11日間で約300万枚の偽画像生成との分析

イーロン・マスク氏のAI企業xAIが、同社のチャットボットGrokで性的なディープフェイク画像を作成されたと主張する4名の原告に対し、裁判での実名使用を求める申立てを行いました。原告らはサウスカロライナ州、ニュージャージー州、オハイオ州の住民で、匿名での訴訟を認めた連邦地裁の決定の覆しをxAIは要求しています。

この集団訴訟は2026年1月に最初の匿名原告により提起され、5月に4名の原告で再提出されました。原告の1人は児童時代の画像をGrokで性的に改変されたと訴えており、別の原告はGrokに画像生成を拒否するよう投稿したところ、逆にトロルの標的になったと主張しています。いずれも深刻な精神的苦痛を受けたと述べています。

xAIの弁護団は、ディープフェイク画像自体は非公開のため匿名の必要性はないと主張しています。これに対し原告側弁護士は「服を剥ぎ取った上に、今度は匿名性まで剥ぎ取ろうとしている」と反論。4名全員が、実名を公開されるなら訴訟を取り下げると表明しており、xAIの狙いが訴訟の抑圧にあるとの見方が強まっています。

背景には、2026年1月にGrokで大量の性的偽画像が生成された問題があります。デジタルヘイト対策センターの分析によると、わずか11日間で約300万枚が生成され、うち約2万3000枚は児童を含む可能性があるとされます。SpaceXは問題対応のため5億ドル超を引き当てており、AI生成コンテンツの被害者保護と企業責任のあり方が改めて問われています。

MIT、チャート解釈AI向け100万件超のデータセット公開

ChartNetの特徴

100万件超の合成チャート画像を収録
コード・テキスト・数表を同時収録
自動品質チェックで正確性を担保
人間専門家による注釈データも併載

小規模モデルの性能向上

小型オープンソースモデルが大規模商用モデルを凌駕
データ抽出・要約・質問応答の全タスクで精度改善
限られた予算の企業でもAI活用が可能に

MITとMIT-IBMコンピューティング研究ラボの研究チームは2026年6月3日、ビジョン言語モデル(VLM)にチャート解釈能力を教えるための大規模データセット「ChartNet」を発表しました。金融レポートや市場分析に頻出するチャートの読み取りは企業にとって重要な課題ですが、最新のVLMでも視覚・数値・言語の統合的理解が求められるため精度が不十分でした。ChartNetはこの課題に正面から取り組む資源です。

ChartNetには100万件を超える高品質なチャート画像が収録されています。各画像にはチャート生成に使われたコード、テキスト説明、数値テーブル、そして質問応答ペアが付属しており、モデルがチャートに含まれる多様な情報を関連づけて学習できる設計です。1枚のチャートから数百のバリエーションを自動生成する2段階パイプラインにより、大規模かつ多様なデータを実現しました。

注目すべきは実験結果です。ChartNetで訓練した小型のオープンソースモデルが、桁違いに大きな商用モデルをデータ抽出・要約・質問応答の各タスクで上回りました。IBMのGranite Visionシリーズをはじめ、複数のモデルで一貫した精度向上が確認されています。これは膨大な計算資源を持たない中小企業にとって、AIによるチャート分析を現実的な選択肢にする成果です。

この研究はIEEE CVPRカンファレンスで発表されます。研究チームは今後、より複雑なチャートデータの追加やコミュニティからのフィードバック反映を通じてChartNetを拡張する計画です。ビジネストレンド分析や科学論文の図表解釈など、チャート理解が求められるあらゆる業務での活用が期待されます。

Google、ノートPCで動くGemma 4 12Bを公開

エンコーダ不要の新設計

エンコーダ廃止で音声・画像を直接処理
視覚処理は3500万パラメータの軽量モジュールで代替
音声は生波形をそのまま埋め込み空間に投影
推論遅延とメモリ消費を同時に削減

ローカル実行の実力

16GBのRAMまたはVRAMで動作可能
26B MoEモデルに迫るベンチマーク性能
256Kトークンの長大コンテキスト対応
Apache 2.0ライセンスで商用利用自由

企業導入の判断基準

機密データのオフライン処理に最適
エージェント構築向け関数呼び出しを標準搭載
音声30秒・動画60秒の入力上限に注意

Googleは2026年6月3日、オープンウェイトの大規模言語モデルGemma 4 12Bを公開しました。約120億パラメータながら16GBのRAMまたはVRAMで動作し、一般的なノートPCでマルチモーダルAIをローカル実行できます。4月に発表されたGemma 4ファミリーのモバイル向けモデルとデータセンター向け26Bモデルの間を埋める位置づけです。

最大の技術的特徴はエンコーダ不要の統合アーキテクチャです。従来のマルチモーダルモデルは画像や音声を処理する専用エンコーダを別途必要としていましたが、Gemma 4 12Bは視覚パッチと生の音声波形をLLM本体の埋め込み空間に直接投影します。視覚エンコーダは単一の行列演算による3500万パラメータの軽量モジュールで置き換えられ、音声エンコーダは完全に廃止されました。この設計により推論遅延とメモリ使用量の両方が低減されています。

性能面では、メモリフットプリントが26B MoEモデルの半分以下でありながら、ベンチマークではそれに迫るスコアを達成しています。256Kトークンのコンテキストウィンドウを備え、長大な財務レポートやコードベースの処理にも対応します。ネイティブの関数呼び出し機能やステップバイステップの推論モードも搭載しており、自律型エージェントの構築基盤として設計されています。

企業にとっての実用的価値はどこにあるのでしょうか。医療・金融・防衛など機密データを外部APIに送信できない規制業界では、完全ローカルでのマルチモーダル処理が可能になります。Apache 2.0ライセンスで商用利用も自由です。一方、音声入力は30秒、動画は60秒という処理上限があり、長時間メディアの処理には向きません。Hugging Face・Kaggle・vLLM・llama.cppなど主要エコシステムとの統合も初日から対応しており、即座に本番導入を検討できる状態です。

Google検索とLensでヴィンテージ買い物を支援する5つの新機能

AI活用の買い物支援

AI Modeで店舗と周辺情報を一括検索
Google Lensで商品の年代・価値を即判定
Circle to Searchで画面上の気になる商品を即検索

試着・リセールも対応

Virtual Try-Onで自宅から仮想試着
Lensで手持ち品のリセール価値を査定
「vintage」検索が2026年に過去最高を記録

Googleは2026年6月3日、Google検索とGoogle Lensを活用してヴィンテージ品やスリフトショッピングを効率化する5つの方法を公式ブログで紹介しました。「vintage」や「how to thrift」の検索関心が今年過去最高を記録するなか、AI機能を組み合わせた買い物体験の強化を打ち出しています。

1つ目の機能はAI Mode in Searchです。「サンフランシスコでヴィンテージジャージが買える店は?近くにグルテンフリーのブランチがある店も」といった複合的な質問にも、おすすめの店舗と詳細情報をまとめて提示します。2つ目のGoogle Lensでは、スリフトストアで見つけた商品を撮影するだけで、デザイナー名・年代・オンラインでの相場価格を即座に確認できます。

3つ目のCircle to Searchは、Android端末でSNSやウェブ上の画像を丸で囲むだけで類似商品や購入先を検索できる機能です。4つ目のVirtual Try-Onでは、Lensで見つけた類似アイテムを自分の全身写真に合成し、購入前にスタイルを確認できます。

5つ目はリセール支援です。クローゼットの整理時にLensで手持ち品を撮影し、「これは売れる?」と質問すれば、推定価格や買取店舗の情報が得られます。Googleはこれら既存ツールの組み合わせにより、中古品の購入から売却までをシームレスに支援する姿勢を示しています。

Amazon、検索バーにAI生成画像を導入し商品探しを支援

AI画像検索の仕組み

検索語に応じたAI生成画像を表示
衣料品・家具などスタイル名が分からない時に有効
画像タップで類似の実在商品へ誘導

批判と競合の動向

架空の商品画像で誤認誘発の懸念
Googleも昨年AI Modeで同様機能を提供
コーディネート提案は実商品で構成

AmazonのAI統合戦略

レビュー要約やAlexa連携など機能拡充が加速
iOS・Androidアプリで順次提供開始

Amazonは2026年6月3日、ショッピングアプリの検索バーにAI生成画像を表示する新機能を発表しました。ユーザーが検索語を入力すると、オートコンプリートの下にAIが生成した商品イメージが複数表示され、タップすると類似の実在商品の検索結果へ誘導される仕組みです。まずは衣料品とインテリア分野で提供が始まります。

この機能が狙うのは、欲しいもののイメージはあるが正確なスタイル名が分からないという買い物シーンです。たとえば「カウルネック」という用語を知らなくても、「垂れた襟のシャツ」と入力すればAIがスタイルの候補を画像で提示してくれます。一方、単純な検索には恩恵が薄いとの指摘もあります。

TechCrunchは、実在しない商品画像を小売サイトで表示することへの疑問を呈しています。消費者がAI画像を実際の商品と誤認し、購入できないと分かって失望するリスクがあるためです。実物の写真が大量にあるプラットフォームで、なぜ架空の画像を使うのかという批判は的を射ているでしょう。

別途導入される「ショップ・バイ・スタイル」機能では、AIがコーディネートを提案しますが、こちらは実在の商品で構成されており購入が可能です。Googleも昨年、AI Modeで架空の服やインテリア画像を生成して実商品へ誘導する同様の機能をリリースしており、AIビジュアル検索はEコマースの新たなトレンドになりつつあります。

AmazonはこれまでにもレビューのAI要約、音声による商品紹介、Amazon Lens Liveによるカメラ検索、RufusチャットボットのAlexa for Shoppingへの置き換えなど、AIのショッピング統合を加速させてきました。今回の機能追加もその延長線上にあり、AI活用による購買体験の変革がどこまで消費者に受け入れられるかが注目されます。

Microsoft、自社開発の推論モデルMAI-Thinking-1を発表

推論モデルの実力

MAI-Thinking-1は中規模モデル
主要ベンチマークで先行モデルに匹敵
独自データで一から訓練、蒸留なし
OpenAI依存からの脱却を加速

同時発表の6モデル

MAI-Image 2.5で画像生成・編集
MAI-Transcribe-1.5は競合比5倍速
MAI-Voice-2で15言語追加
MAI-Code-1-FlashがCopilotに統合

Microsoftは2026年6月2日、開発者会議Build 2026で自社開発AIモデル7種を一挙に発表しました。目玉はフラッグシップと位置づける推論モデルMAI-Thinking-1で、ソフトウェアエンジニアリング分野の主要ベンチマークで業界トップクラスのモデルに匹敵する性能を示しています。同社がOpenAI以外の独自モデルを本格展開する転換点となります。

MAI-Thinking-1は中規模モデルでありながら、サードパーティモデルからの蒸留を一切行わず、クリーンなデータで一から訓練されたと同社は説明しています。Microsoftは昨年から自社モデルの開発を開始しており、最近OpenAIとの提携関係も再交渉で緩和されたばかりです。

推論モデル以外にも多彩なラインナップが揃いました。画像生成・編集のMAI-Image 2.5、競合比5倍の処理速度を謳う音声書き起こしモデルMAI-Transcribe-1.5、15の新言語に対応した音声モデルMAI-Voice-2が発表されています。

コーディング向けのMAI-Code-1-Flashは推論効率に優れ、GitHub CopilotおよびVisual Studio Codeに統合されます。開発者の日常ツールに直接組み込まれることで、実用面での即時的なインパクトが見込まれます。7モデルの同時投入は、Microsoftが自社AI基盤を急速に拡充する戦略を鮮明にしたといえます。

スコセッシ監督がAI画像企業と提携、絵コンテ制作に活用

提携の背景と狙い

70年来の絵コンテ作業をAIで効率化
撮影監督へのビジョン伝達を迅速化
用途はストーリーボード制作に限定

Black Forest Labsの実力

評価額32.5億ドルの独企業
Adobe・Canva・Microsoft・Metaに技術提供
Stable Diffusion開発チームが創業
xAIとの提携は安全性懸念で拒否

ハリウッドとAIの関係変化

映画界のAI抵抗感が軟化する兆候

マーティン・スコセッシ監督が、AI画像生成スタートアップBlack Forest Labsのパートナー兼アドバイザーに就任したことが2026年6月2日に報じられました。世界で最も著名な現役映画監督の一人がAI企業と正式に提携した形で、用途は映画制作の絵コンテ(ストーリーボード)に限定されています。

スコセッシ監督は「70年間、自分で絵コンテを描いてきた」と述べた上で、このツールにより撮影監督やプロダクションデザイナーへのビジョン共有が格段に速く効率的になったと評価しています。創作の本質ではなく、コミュニケーション手段としてAIを位置づけている点が特徴的です。

Black Forest Labsはドイツ・フライブルクに拠点を置く従業員70人の企業で、Stable Diffusionの開発チームが設立しました。現在の企業価値は32.5億ドル(約5,000億円)に達し、Adobe、Canva、Microsoft、Metaの画像機能を支える技術基盤となっています。投資家にはスコセッシ監督のタレントマネージャーであるリック・ヨーン氏が共同創業したBroadLight Capitalも含まれます。

同社は最近、イーロン・マスク氏のxAIとの提携をコンテンツ安全性への懸念を理由に断ったことでも知られています。Grokの画像生成機能で以前協業した経験が、この判断の背景にあるとされています。

映画業界はかつてAI技術に強い抵抗を示していましたが、今回の提携はハリウッドのAIに対する姿勢が軟化しつつある最新の兆候です。限定的な用途とはいえ、巨匠がAI企業の顔となることで、クリエイティブ産業におけるAI活用の議論がさらに加速する可能性があります。

NVIDIA、物理AI向け統合基盤モデルCosmos 3を公開

単一モデルで統合

推論と生成の統合モデル
テキスト・映像・音・動作対応
MoTアーキテクチャ採用
従来の4モデルを1つに集約

用途と公開形態

ロボット・自動運転・スマート空間
合成データ生成を支援
16Bと64Bの2サイズ提供
Hugging Faceでオープン公開

NVIDIAは6月1日、物理AI向けの世界基盤モデル「Cosmos 3」を発表しました。COMPUTEXのGTC台北で公開された本モデルは、テキスト・映像・画像・音・動作という複数のモダリティを単一モデルで処理し、ロボットや自動運転車、スマート空間が現実世界を理解・予測・行動するための基盤を提供します。

最大の特徴は、これまで世界生成・制御生成・シーン理解・方策生成という用途ごとに別々のモデルを使い分けていたものを、1つのモデルに統合した点です。Mixture-of-Transformers(MoT)アーキテクチャを採用し、推論を担う自己回帰部分と生成を担う拡散部分が共同注意で連携します。これにより、視覚言語モデル、映像生成、ロボット方策などを構造を変えずに切り替えられます。

物理AIにとって重要なのは、画像や映像だけでなく動作信号を扱える点です。Cosmos 3はロボットの関節角度やグリッパー位置、軌道点といった数値的な動作データを直接生成でき、ピック&プレース作業などの学習に役立ちます。開発者は特定のロボットや作業環境に合わせて追加学習することも可能です。

活用事例も広がっています。NVIDIAのGEARチームは映像動作モデルの開発に、Agile Robotsは産業用ヒューマノイドの方策開発向けデータ生成に本モデルを利用しています。Linker Visionはスマートシティ向けに数千のカメラ映像を解析し、根本原因分析などに活用しています。

公開形態として、16BのNanoと64BのSuperの2サイズが用意され、いずれもHugging Faceでオープンに提供されます。NanoはRTX PRO 6000など作業用GPUで動作し、Superは大規模な合成データ生成や研究向けです。Linux FoundationのOpenMDW 1.1ライセンスのもと、重みやデータセット、コードを単一ライセンスで扱えます。

性能面でも、Cosmos 3はArtificial Analysisのオープン重みリーダーボードで首位に立ち、Physics-IQやR-Benchなど複数の世界生成ベンチマークでトップを記録しています。衝突や稀なエッジケースなど、現実では安全に再現しにくい場面を合成データで補える点が、物理AI開発の加速につながりそうです。

Microsoft、Buildで初の推論AI公開へ

新AIモデルを発表

初の推論モデルMAI-Thinking-1
蒸留不使用で独自開発
画像生成MAI-Image-2.5系も
Copilot統合アプリを予告

Windows刷新を強調

開発者向け最適化環境を投入
Windows 11の性能改善継続
ローカルAI実行を重視
GitHub信頼回復が課題

米Microsoftは現地時間6月2日、サンフランシスコで開発者会議「Build」を開幕します。同社はAIを軸に事業全体を再編する中で、自社初の推論AIや刷新されたWindows開発環境を披露し、低下した開発者の信頼の回復を狙います。AIチップやアプリ統合まで、AI時代の方向性を示す節目の催しと位置づけられます。

最大の目玉は、AI部門を率いるムスタファ・スレイマン氏が公開する見込みの推論モデル「MAI-Thinking-1」です。他社AIの出力を学ぶ蒸留を用いずに自社開発した点が特徴で、主に企業利用を想定しているといいます。あわせて画像生成の「MAI-Image-2.5」と高速版「Flash」も登場が見込まれます。

利用者向けには、複数のCopilotアシスタントを一つにまとめる「スーパーアプリ」構想も語られます。ただし開発途上のため会場での提供はなく、プレビュー公開は夏の終わり頃の見通しです。流出した画面はBuildのデモ用モックアップにすぎないと報じられています。

Windowsでは、開発者が求めてきた集中できる作業環境を備えた「開発者最適化版のWindows 11」を初公開する見込みです。同社が年初に示した性能改善計画に沿い、一部の書き換えによる動作の高速化も進めているとされます。

ハードウェア面では、Nvidiaの新シリコン「RTX Spark」への対応が焦点です。今年のBuildではローカルモデルの実行に重点が置かれ、開発者は高価なクラウドに頼らず手元の計算資源を活用できるようになります。サティア・ナデラCEOはNvidiaのジェンスン・フアン氏と新製品を議論し、QualcommとのArm版Windows強化も話題に上る見通しです。

一方で課題も残ります。Microsoftは買収子会社GitHubで人材流出や障害、セキュリティ問題が相次ぎ、著名開発者から警鐘が鳴らされています。Buildの運営をGitHubチームが一部担う今回、同社が信頼回復へ具体策を示せるかが問われています。会議は日本時間6月3日未明に始まります。

Google、I/O制作にGeminiを全面投入

映像と視覚デザイン

TPU短編にNano Banana活用
人形劇とAIの融合制作
2D・3D変化するアイコン

体験と来場者向け

クラゲ動作をLyria 3で楽曲化
無限生成のゲーム制作
ラテアート注文アプリ提供
現場でステッカー即時生成

Googleは6月1日、開発者会議「Google I/O 2026」を自社のAIツールで制作した舞台裏を公式ブログで公開しました。発表内容だけでなく、登壇したAIそのものを使って映像・デザイン・会場体験を作り込んだと説明し、「AIで実際に何ができるのか」という問いへの実例として示しています。

目玉は段ボールとマーカーで作った人形を題材にした短編映画「TPU Training Day(通称Timmy TPU)」です。まず人形劇と3DアニメでキャラクターのカメラワークやフレーミングをGoogleが制御し、画像生成モデルNano Bananaで様式化した第1フレームを生成しました。Google AI Studio内に独自ツールを構築してフレームの整合性を保ち、最終的にGemini Omniなどの実験的モデルで合成して、人の手作りの質感を残したまま映像を仕上げています。

視覚ブランドの設計でも、過去5年分のI/O振り返り資料をGeminiモデルに学習させ、出力をNano Bananaに繰り返し戻して改良しました。その結果、平面の2Dアイコンが立体的な3Dへ動的に変化する、4色グラデーションの統一デザインに到達したとしています。

会場の事前ショーでは、モントレーベイ水族館と組んだ生成音楽実験「Jellectronica」を実施しました。Google ColabでYOLO8モデルを学習させてCoral NPU上で動かし、ミズクラゲの動きを追跡。クラゲが多いほど低音が強まる仕組みで、Lyria 3 Proが動きを音楽へ変換しました。プレイ中に各自がステージを生成するゲーム「Infinite Scaler」も、2D画像生成から無限の3D世界を作る試みとして披露されています。

来場者向けには、独自のラテアートを注文できるアプリや、20秒でお題を集めて世界に一つのデザインを作るステッカー生成ゲームを用意しました。いずれもNano BananaやGoogle Antigravityのエージェント型コーディングを土台にし、来場者自身が注文アプリを即席で作る体験まで盛り込んでいます。

Googleはこうした取り組みについて、AIが雑務を肩代わりすることで、人が本来得意な創造的作業に最良の時間を割けるようになると強調しました。うまく機能したときには、観客はAIの利用を意識しなくなる。そこにこそ共有したい可能性があると結んでいます。

Meta AIサポート悪用しInstagram乗っ取り

攻撃の手口

AIにメール変更を依頼
送付コードでパスワード再設定
VPNで所在地を偽装
短いハンドル名を標的化

被害と対応

オバマ政権公式など著名口座被害
MFA有効口座は防御成功
Metaは脆弱性を修正済み

Metaが3月に導入したAIサポートチャットボットが悪用され、ハッカーが著名なInstagramアカウントを次々と乗っ取りました。攻撃者はチャットボットに対象アカウントのメールアドレス変更を依頼し、AIが送信した確認コードを使ってパスワードを再設定。本来の所有者を締め出す手口で、5月末から6月にかけて被害が広がりました。

手口は驚くほど単純でした。ハッカーは「新しいメールアドレスに変更したい」と自然な言葉でAIに頼むだけで、コードを受け取れたとされます。一部の攻撃者はVPNで所在地を偽装し、標的と同じ地域から問い合わせているように見せかけました。狙われたのは「h」や「eggs」といった希少な短いハンドル名で、グレーマーケットでの価値は2つの口座で100万ドル超と推定されています。

被害は著名口座にも及びました。オバマ政権時代のホワイトハウス公式アカウントがイラン関連のプロパガンダ画像を投稿し、米宇宙軍の最先任上級曹長や化粧品小売Sephora、セキュリティ研究者のアカウントも乗っ取られたと報じられています。Metaは「問題は解決済みで、影響を受けた口座を保護している」とコメントし、脆弱性をすでに修正したとしています。

専門家はこれを古典的な「混乱した代理人(confused deputy)」問題と指摘します。高い権限を持つプログラムが、低権限の第三者に権限を悪用させられる構図です。ただし今回の「代理人」は決定論的なプログラムではなく、言葉で誘導できる確率的な大規模言語モデルだった点が新しい脅威を示しました。

もっとも、被害は防げたケースもあります。ハッカー自身が、SMSによるワンタイムコードという最も簡易な形式を含め、多要素認証(MFA)を有効にした口座には攻撃が失敗したと報告しています。経営者やリーダーにとっては、利用者へのMFA推奨が依然として有効な防御策である点が改めて確認されました。

この事件は、テック企業が高い権限を持つAIエージェントを急いで導入するリスクを浮き彫りにします。識者からは、Instagramの信頼・安全チームが相次ぐレイオフで弱体化していたとの指摘も出ました。安全な設計には帯域外検証や異常検知、確定的なゲートが不可欠であり、AI活用と防御体制の両立が問われています。

DuckDuckGoがAI不使用検索を拡張、流入急増

拡張機能を追加

AI非使用検索を既定化
ChromeとFirefox向けに提供
AI回答やチャット欄を排除
ブラウザ版は設定を保持

流入が急拡大

週次訪問が約30%増
5月28日に流入3倍を記録
Google検索のAI刷新が契機

検索エンジンのDuckDuckGoは6月1日、AIを使わない検索ページ「noai.duckduckgo.com」を既定の検索エンジンに設定できる新しいブラウザ拡張機能を公開しました。GoogleがAI主体の検索へ刷新したことへの反発が広がるなか、同社はAIを避けたい利用者の受け皿として存在感を高めています。

新しい拡張機能はChromeとFirefox向けに提供され、有効化するとAIによる回答やチャット入力欄がなく、検索結果のAI画像も減るとしています。同社のブラウザに切り替えた利用者は、履歴を消去してもAI関連の設定が保持される仕組みです。さらに既存のプライバシー拡張機能にもAI検索の制御機能を順次追加する予定です。

背景にあるのは、Googleが5月の開発者会議で発表したAIファーストへの大規模刷新です。従来のように上部にリンクを並べるのではなく、AIが生成する検索概要や対話型のAIモードへ利用者を誘導する設計で、25年以上で最大級の変更とされます。「10本の青いリンク」はAI機能の下に追いやられる形になりました。

この変化を受け、DuckDuckGoへの流入は急増しています。同社によると、AI非使用ページへの週次訪問は前週比で約30%増、米国でのアプリインストールも18.1%増え、iOS版は一時69.9%増とピークに達しました。5月28日には流入が3倍となり、平均しても基準比約84%高い水準が続いているといいます。

もっとも、DuckDuckGoは反AIを掲げる企業ではありません。同社は多くの主要モデルにアクセスできる独自のAIチャットボットや、最新モデルやVPNなどを含む有料プランも提供しています。AIを既定とするか、利用者が選べる余地を残す姿勢が、流入増の追い風になっているといえそうです。

家事を撮影してロボット訓練データに、Shiftが無料清掃を提供

Shiftの無料清掃モデル

無料清掃の対価は撮影データ
カメラ付き帽子で一人称視点を記録
15カ国で数万人が撮影に参加済み

業界全体のデータ争奪戦

インドのProntoも家庭内撮影で批判
Human Archiveがギグワーカーと連携
専用施設で反復作業を撮影する企業も

物理AIの訓練データ課題

テキストと違い現実世界のデータ収集は困難
高品質な一人称映像が開発のボトルネック

AIロボット訓練データの収集を手がけるスタートアップMicroAGIが、アプリ「Shift」を通じてニューヨーク市内の家庭に無料の清掃サービスを提供し始めました。清掃員はカメラ内蔵の帽子を着用し、皿洗いや掃除機がけといった家事の一人称映像を記録します。同社はこの映像データがサービス費用を上回る価値を持つと説明しています。

Shiftはすでに15カ国で数万人の参加者を抱え、2026年度第1四半期だけで500万ドル以上を支払ったとしています。ニューヨークを皮切りに、ロンドン、ミュンヘン、チューリッヒなど海外都市への展開も予告しています。大学生や飲食店従業員など幅広い層をターゲットに、積極的な採用キャンペーンも進めています。

同様の動きは業界全体に広がっています。インドの家事代行プラットフォームProntoは、顧客宅での料理や掃除の様子をAI訓練用に撮影していたことが判明し、強い反発を招きました。シリコンバレーのHuman Archiveはギグワーカーにカメラ付きキャップを配布し、一人称データの大規模収集を目指しています。

ロボットが物理世界で動作するには、空間認識や力加減など人間が直感的に処理する情報を大量のデータから学習する必要があります。テキストや画像のようにインターネットから大規模に取得することが難しいため、現実世界の行動データが深刻なボトルネックとなっています。その結果、無料サービスやギグワーク報酬と引き換えにデータを集めるビジネスモデルが急速に広がっています。

プライバシー面では、Shiftは顔や個人情報をぼかし匿名化すると説明していますが、利用規約では物損や盗難に対する免責条項が盛り込まれています。今後は清掃だけでなく配管工事や料理といった他の家事領域にも撮影対象を広げる計画です。家庭のデータがロボット開発の「燃料」となる時代が本格的に到来しつつあります。

PinterestがQwen改造でAIコスト90%削減

独自埋め込みで高速化

Qwen3-VLの視覚層を独自埋め込みに置換
推論レイテンシが20分の1に改善
精度も30%向上を達成

嗜好グラフで購買転換

6.2億ユーザーの嗜好を動的に表現
発見から購買意図への転換を促進
ユーザー埋め込みを常時更新
メタデータの事前計算で大規模運用を実現

Pinterestは月間アクティブユーザー6.2億人を抱えるビジュアル発見プラットフォームです。同社CTOのMatt Madrigal氏は、オープンソースモデルQwen3-VLの視覚エンコーダ層を取り除き、独自のマルチモーダル埋め込みで再構築することで、AIコストを90%削減し、精度を30%向上させたことを明らかにしました。

従来の手法では、推論時に返される画像を1枚ずつエンコードする必要があり、レイテンシが大幅に悪化していました。独自埋め込みの導入により、ピンや画像のメタデータをオフラインで事前計算し、定期的に再学習できるようになったため、推論速度は20倍に改善しています。Madrigal氏は「独自データで微調整すれば、データ品質がモデルサイズを上回る」と述べています。

同社はGoogleのBERTやOpenAIのCLIPの時代からオープンソースモデルの社内カスタマイズに取り組んできました。会話型ショッピングアシスタント「Navigator 1」もQwen3-VLをベースに大幅な改造を施して構築されています。Apache 2.0ライセンスのモデルを活用し、重みレベルで自社ユースケースに最適化する戦略が、コスト効率とパフォーマンスの両立を可能にしています。

さらにPinterestは「テイストグラフ」と呼ばれる嗜好表現の仕組みを構築しています。これはソーシャルグラフではなく、数十億人のユーザーが何に興味を持ち、次に何をしたいかを動的に捉えるプリファレンスグラフです。ユーザー埋め込みは行動や新規コンテンツに基づいて常時更新され、ミッドセンチュリーモダンやナンタケットスタイルといった個人の美的嗜好に合った商品をパーソナライズして提示します。

この仕組みにより、インスピレーションの発見から購買意図への転換という「上位ファネルから下位ファネルへの誘導」が実現されています。Madrigal氏は、6億人超のユーザーに対してスケールが求められる機能については「自社構築するか、オープンソースを徹底的にカスタマイズする」と方針を示しました。

Google I/Oで動画生成AI Gemini Omni発表

新モデルの全容

Gemini Omniは動画の会話編集に対応
Gemini 3.5 Flashがエージェント性能で最前線に
Gemini appとAI Mode in Searchの標準モデルに採用
開発基盤Antigravityとの統合で複雑タスク実行

個人向けエージェントSpark

Gmail・カレンダー等と連携し24時間稼働
個人データから高精度な提案を自動生成
AI Ultra加入者向けに米国で提供開始

提供と課題

Omni FlashはYouTube Shortsでも無料利用可能

Googleは2026年5月の開発者会議Google I/O 2026で、3つの主要AI製品を発表しました。マルチモーダル動画生成モデル「Gemini Omni」、エージェント向け最新モデル「Gemini 3.5 Flash」、そして常時稼働型パーソナルAIエージェント「Gemini Spark」です。いずれもGoogleのエージェント実行基盤Antigravityと統合されています。

Gemini Omniは画像・音声・動画・テキストを入力として高品質な動画を生成・編集できるモデルです。自然言語で動画を会話的に編集でき、前のターンの指示を引き継ぎながらキャラクターの一貫性や物理法則を保つ点が特徴です。Gemini app、Google Flow、YouTube Shorts等で順次提供されます。

Gemini 3.5 Flashはエージェントタスクとコーディングに特化した最新モデルで、大規模フラッグシップモデルに匹敵する性能をFlashシリーズの速度で実現します。Gemini appの標準モデルおよびGoogle検索のAI Modeに採用され、検索結果をリアルタイムにカスタムUIとして生成する機能や、情報エージェントによるバックグラウンド監視機能が導入されます。

Gemini SparkはGemini 3.5とAntigravityを基盤とするパーソナルAIエージェントで、GmailやGoogleカレンダー等のWorkspaceツールと連携して日常タスクを自動化します。WIREDの実機レビューでは、メールやカレンダーから誕生日パーティーの計画を自動生成するなど高い情報統合力を示しました。一方で、同居のパートナーを「親しい友人」と分類するなど文脈理解の限界も露呈しています。

セキュリティ面では、個人データへの広範なアクセスに伴うプロンプトインジェクション攻撃のリスクをGoogle自身が警告しています。Sparkは月額100ドルのAI Ultraプランの加入者向けに米国で提供が始まりました。Gemini 3.5 FlashのAPIはGoogle AI StudioやAndroid Studio等で一般提供されています。

Vertu、AIエージェント搭載の折りたたみスマホを6880ドルで発売

端末の特徴と仕様

Hermes AgentがERP・CRMと連携
OpenAI・Claude・Gemini等を横断利用
Snapdragon 8 Gen 4搭載の8.05型画面
独自A5チップで機密データを端末内処理
初回115台を今週から世界出荷

高級路線と市場環境

最上位モデルは4万6800ドル
折りたたみ市場は世界出荷の2%未満
IDCは大画面がAI業務に有利と指摘

高級スマートフォンブランドのVertuは2026年5月28日、AIエージェントを搭載した折りたたみスマートフォン「Alphafold」を発表しました。価格はカーフスキン仕様で6880ドルからで、経営者や企業幹部が移動中にビジネスを管理することを想定しています。Nous Researchのオープンソースプロジェクトを基盤とした「Hermes Agent」を内蔵し、ERP・CRMなどの企業システムと接続して承認・スケジュール管理・営業追跡などを自然言語で操作できます。

技術面では、OpenAIのGPT、AnthropicのClaude、GoogleのGeminiなど複数のAIモデルにリクエストを振り分ける機能を備え、80以上のアプリと連携します。プロセッサにはQualcommのSnapdragon 8 Gen 4を採用し、8.05インチの折りたたみディスプレイ、6500mAhバッテリー、衛星通信機能を搭載しています。

プライバシー対策として、独自開発のA5セキュリティチップが認証キーや生体認証情報をOSから隔離し、機密データを端末内で処理します。外部AIモデルへ送信するプロンプトは事前に匿名化・トークン化される設計です。ただし、第三者によるセキュリティ監査はまだ実施されておらず、今後の課題として残っています。

Vertuはかつて富裕層向け高級携帯電話で知られたブランドですが、iPhone登場以降は苦戦が続き、所有者も複数回変わりました。CEOのMolly Ma氏は、大手メーカーのAI機能が画像編集や音声アシスタントなど消費者向けにとどまる点を指摘し、企業向けAIエージェントに商機があると述べています。最上位モデルは4万6800ドルに達し、ワニ革や18金の装飾を施した高級路線を維持しています。

折りたたみスマートフォン市場は2025年の世界出荷台数が約2000万台で、全体の2%未満にとどまります。IDCのアナリストは大画面がAIエージェントのマルチタスクに適していると指摘する一方、企業のスマートフォン選定はエコシステム統合やデバイス管理が優先され、AI機能が決め手になる段階ではないと分析しています。初回生産分の115台は今週から米国を含む主要市場で出荷が始まります。

Oculus創業者らのSesame、会話型AIアプリをiOSで公開

アプリの特徴

4種のAIエージェント搭載
検索しながら自然な会話を継続
テキストモードやシークレットモード対応
39カ国で無料提供開始

今後の展開

2027年にAIスマートグラス発売予定
エージェント機能で代行操作も視野
Android版プレビューも準備中

Oculus共同創業者らが設立したAIスタートアップSesameは2026年5月28日、会話型AIエージェントのiOSアプリを39カ国で公開しました。ChatGPTなど従来のAIチャットボットとは異なり、AIが考えている間も会話が途切れない自然な対話体験を目指しています。現在は無料で利用できますが、サインアップ時にウェイトリストが発生する場合があります。

アプリにはMaya、Miles、Simone、Charlieという4種類のAIエージェントが搭載されており、それぞれ独自の声・性格・記憶を持ちます。技術的には、高速な検索・情報取得システムを構築し、AIが会話しながら複数の並列検索を実行。新しい情報を発話の途中でも織り込むことで、人間同士の会話に近い体験を実現しています。

ベータ期間中には100万人以上がアクセスし、画像付き検索カード、メモ機能、テキスト入力モード、深掘り検索、会話を記憶に残さないシークレットモードなど多数の機能が追加されました。Sequoiaなどから2億5,000万ドルのシリーズBを調達済みで、資金面の基盤も整っています。

Sesameはこのアプリを第一歩と位置づけ、2027年にはAIスマートグラスの発売を計画しています。さらに、エージェントが会話を超えてユーザーの代わりに操作を実行する機能も予告しており、プロンプト入力に頼らない自然な指示での行動代行を構想しています。音声で自然に話しかけるだけでAIが次のアクションを判断する世界観は、ビジネスでの活用可能性も広げるものです。

Google I/O 2026の注目発表12選を総まとめ

新モデルと検索の進化

Gemini Omniで動画生成が可能に
Gemini 3.5 Flashがエージェント性能で最高水準
検索に情報エージェント機能を導入
Antigravityで検索結果をアプリ化

AIアシスタントの刷新

Daily Briefで朝の情報整理を自動化
Gemini Sparkが常時稼働の個人エージェントに
Neural Expressiveで応答UIを全面刷新

ハードウェアと科学応用

Android XR対応のスマートグラスを発表
SynthIDの電子透かしを検索やChromeに拡大
Gemini for Scienceで科学研究を支援

2026年5月28日、Googleは開発者会議Google I/O 2026の基調講演で発表した12の主要トピックを公式ブログで振り返りました。あらゆる入力から動画を生成できる新モデル「Gemini Omni」や、エージェント性能に特化した「Gemini 3.5 Flash」など、AIモデルの大幅な進化が中心となっています。検索体験の刷新からハードウェア、科学研究支援まで、幅広い分野にわたる発表が行われました。

検索領域では、バックグラウンドで24時間ウェブを監視し、ユーザーが関心を持つ情報を自動で届ける「情報エージェント」機能が注目されます。Google AI ProおよびUltra加入者向けにこの夏から提供が始まります。また、Antigravityと呼ばれるコーディング基盤を検索に統合し、質問に応じてダッシュボードやトラッカーなどのカスタムアプリをその場で生成する機能も発表されました。

個人向けアシスタントも大きく進化しています。毎朝GmailやCalendarの情報を整理して届ける「Daily Brief」、クラウド上で常時稼働しタスクを自動実行する「Gemini Spark」、そして応答をリッチな画像やインタラクティブなタイムラインで表示する新デザイン言語「Neural Expressive」が導入されます。macOS向けGeminiアプリにもSparkが搭載される予定です。

ハードウェア面では、Android XR対応のスマートグラスが2種類発表されました。音声アシスト型とディスプレイ型で、今秋の発売を予定しています。AI生成コンテンツの識別技術「SynthID」は検索やChromeに拡大され、OpenAIやElevenLabsなど外部企業も採用を進めています。

さらに「Gemini for Science」として、30以上の主要ライフサイエンスデータベースと連携する科学研究支援ツール群が公開されました。ショッピング分野では、検索・Gemini・YouTube・Gmailを横断して商品を管理できる「Universal Cart」も発表されています。Googleが生成AIを自社サービス全体に浸透させる戦略が鮮明になった発表でした。

Apple、Siri刷新の全容がリーク iOS 27でChatGPT対抗

新Siriアプリの概要

独立アプリとしてChatGPT対抗
Dynamic Islandからチャット起動
文書・写真アップロードに対応
チャット履歴の閲覧・管理機能

Gemini搭載とオンデバイスAI

GoogleのGemini技術を基盤に採用
巨大モデルのiPhone向け蒸留を推進
RAM・NPU制約でクラウド依存が不可避
プライバシー重視路線との両立が課題

Appleが6月8日開幕のWWDC 2026で発表予定とされるiOS 27の新機能について、Bloombergがリーク画像を公開しました。最大の注目点は、ChatGPTやClaude、Geminiに対抗するSiri独立アプリの登場です。従来の音声アシスタントから本格的なAIチャットボットへと進化し、テキスト入力に加えて文書や写真のアップロード、過去の会話履歴の管理にも対応します。

UIも大幅に刷新されます。Siriの応答はiPhoneのDynamic Islandから吹き出し形式で表示され、画面上部から下にスワイプすることでどのアプリからでもSiriチャットを呼び出せるようになります。従来のSpotlight検索もAI搭載のSiriに統合され、アプリ起動やメッセージ作成、カレンダー追加などの操作がカード型インターフェースで完結します。

技術面では、Appleが2026年1月に発表したGoogleとの提携に基づき、Geminiの大規模言語モデルがSiriの基盤となります。一方、The Informationの報道によると、Appleは数兆パラメータ規模のGeminiモデルをiPhone上で動作するよう蒸留(圧縮)する取り組みも進めています。しかし、スマートフォンのRAMやNPUの制約から、会話型AIの完全なオンデバイス処理は困難であり、クラウド処理への依存が避けられない状況です。

Appleにとっての強みは25億台の端末というインストールベースです。ChatGPTの週間アクティブユーザーが9億人に達する一方で、Appleはまだ単体のAIツールを使っていない膨大なユーザー層にリーチできます。カメラアプリへのSiriモード追加や写真アプリのAI編集機能強化も予定されており、OSレベルでのAI統合を着実に進めています。プライバシーを訴求しつつ外部パートナーの技術を活用するという、検索エンジンでのGoogle提携と同様の戦略が繰り返されています。

AI生成映画がトライベカ映画祭で初の正式上映へ

作品と制作の概要

制作費わずか2000ドル
75分の長編実写AI映画
主要映画祭での正式採用は初
6月10日に上映予定

イラン抗議弾圧を題材に

イラン政府のデモ弾圧を劇映画化
報道写真や証言をもとに構成
制作者はイラン出身の兄弟
GoogleやKling AIなど複数ツール活用

米トライベカ映画祭が、全編AI生成の長編実写映画「Dreams of Violets」を正式プログラムとして上映することがわかりました。主要映画祭がAI生成の長編映画を正式に受け入れるのはこれが初めてです。上映は2026年6月10日に予定されており、映画業界におけるAI活用の新たな転機となりそうです。

この作品は2026年1月にイラン政府がデモ参加者を大量殺害した事件を題材にした75分の劇映画です。報道記事や写真、目撃証言をもとに、登場人物や映像をすべてAIで生成しています。制作費はわずか2000ドル(約30万円)。カンヌのサイドイベントで上映されたAI映画「Hell Grind」の制作費50万ドルと比較しても桁違いの低コストです。

制作したのは、2009年にイランを離れたAshとPooya Kooshaの兄弟です。Pooyaが設立したFountain 0社が制作を手がけました。画像生成にはGoogleのNano Banana、動画生成にはKling AI、言語編集にはAnthropicのClaudeを使用しています。複数のAIツールを組み合わせることで、長編映画の制作を実現しました。

Koosha兄弟は「映画業界で働く人々の懸念は十分に理解している」としながらも、「AIがなければこの映画は作れなかった」と述べています。政治的に敏感なテーマを従来の手法では映像化が困難な状況で、AIが表現の可能性を広げた事例といえます。今後、低予算のインディペンデント映画制作にAIがどこまで浸透するか注目されます。

FBI、AIディープフェイクポルノ販売者を逮捕

逮捕の経緯と容疑

AI生成ポルノ販売の男2人を逮捕
約360アルバム・200万回以上閲覧
政治家や女優ら約90人が被害対象
TIDA法違反で最大禁錮2年

法執行の現状と課題

容疑者がプロフ写真から容易に特定
FTCがヌード生成ツール12社に警告
初のTIDA逮捕者が保釈中も再犯
技術の安価さが抑止力を弱める構造

米連邦捜査局(FBI)は、AI生成のディープフェイクポルノを販売していた男2人をTake It Down Act(TIDA)違反の容疑で逮捕しました。容疑者の1人であるCornelius Shannon(51歳)は、政治家・女優・ミュージシャンら約90人の合成ヌード画像を約360アルバムにまとめて公開し、閲覧数は200万回を超えていたとされます。

捜査の端緒は極めて単純でした。Shannonは自身のアカウントのプロフィール写真に本人の顔写真を使用しており、FBIは運転免許証の記録や監視カメラの映像と照合することで容易に本人を特定しました。両容疑者はTIDA違反が立証された場合、最大2年の禁錮刑に直面します。

ニューヨーク東部地区の連邦検事Joseph Nocella Jr.は、容疑者が「最先端のデジタル技術を用いて被害者の尊厳を侵害した」と非難しました。FBIニューヨーク支局のJames Barnacle Jr.も、同種の事案を引き続き捜査する方針を表明しています。また、連邦取引委員会(FTC)はヌード画像生成ツールの開発元12社に対して警告を発しています。

一方で、法執行の実効性には課題も残ります。TIDA法による最初の逮捕者として注目されたオハイオ州の男は、保釈中にもかかわらずディープフェイクの作成を続けていたことが判明しています。リアルな合成画像の生成が安価かつ容易になっている現状では、逮捕の脅威だけでは十分な抑止力にならない構造的な問題が浮き彫りになっています。

AI熱画像カメラでクジラ衝突を防止、サンフランシスコ湾で稼働

システムの仕組み

熱画像で噴気を24時間検知
人間の専門家が検出を確認
米沿岸警備隊経由で船舶に警告
衝突リスク90%削減の実績

コククジラの危機

2025年に湾内で過去最多21頭死亡
死因の40%が船舶衝突
気候変動で湾への立ち寄り急増
稼働約10日間で6,600回の検知

米マサチューセッツ州のWhaleSpotter社が開発したAI搭載の熱画像カメラシステムが、2026年5月19日にサンフランシスコ湾のエンジェル島で稼働を開始しました。このシステムは、コククジラの噴気が周囲より高温であることを利用し、夜間や霧の中でも24時間体制で検知できます。検出結果は海洋哺乳類の専門家が確認し、誤警報を防いだうえで米沿岸警備隊の船舶交通サービスを通じて付近の船舶に減速や迂回を促します。

コククジラはアラスカからメキシコまで往復1万5,000〜2万kmを移動する哺乳類最長の回遊を行いますが、2018年以降、100頭以上がサンフランシスコ湾に立ち寄るようになりました。原因として、気候変動による北極の海氷減少で餌となる藻類が減り、回遊途中で補食が必要になったとする仮説が有力です。一部の個体は1カ月以上滞留することもあります。

湾内での船舶衝突は深刻な問題です。2025年には過去最多の21頭が湾内および周辺で死亡し、解剖の結果、死因の40%が船舶との衝突でした。2026年もすでに7頭が死亡しています。4月に発表された研究では、湾に入ったコククジラの死亡率は18%と推定されています。

WhaleSpotter社のシステムは、稼働からわずか約10日間で6,600回の検知を記録しました。同社はすでにホノルルのMatson社が運航するコンテナ船8隻にもシステムを導入しており、衝突リスクを90%低減できるとしています。サンフランシスコ湾のシステムは陸上と船上のモニタリングを組み合わせた初の事例であり、今後はサンフランシスコとバレーホを結ぶフェリーにもカメラを追加し、監視範囲の拡大を予定しています。

現時点では誤検知を防ぐために人間による確認が不可欠ですが、確認データをAIモデルにフィードバックして精度向上を図っています。同一個体の連続的な呼吸を自動的に識別し、重複検出を専門家に送らない機能もすでに実装済みです。WhaleSpotter社CEOのShawn Henry氏は、将来的に人間の確認を不要にすることを目指すと述べています。

AIで事故機音声を再現、NTSBがDB公開停止

音声再現の経緯

公開資料の音声スペクトル画像から再現
UPS2976便墜落事故のコックピット音声が対象
画像認識と計算手法の進歩が再現を可能に

NTSBの対応と法的背景

事故調査データベースの全面公開停止を決定
連邦法がコックピット音声の公開を禁止
1990年の法制定は航空乗務員のプライバシー保護が目的
公開資料の見直しを実施中

アメリカ国家運輸安全委員会(NTSB)は2026年5月21日、民間航空事故の調査資料を公開するオンラインデータベースの一時停止を発表しました。インターネットユーザーがAIや画像認識技術を用いて、公開されていた音声スペクトル画像からコックピットボイスレコーダーの音声を再現したことが原因です。

再現の対象となったのは、2025年11月にケンタッキー州ルイビルで離陸直後に墜落したUPS2976便(MD-11F貨物機)の事故です。この事故ではエンジンの構造的故障により機体からエンジンが脱落し、パイロット3名が死亡、地上でも12名が犠牲となりました。

アメリカ連邦法では1990年以来、NTSBがコックピットの音声や映像記録を公開することを明確に禁止しています。この法律は、1988年のデルタ航空1141便墜落事故に関するコックピット音声がテレビで放送されたことへの航空パイロットの反発を受けて制定されました。

NTSBは通常、事故調査で収集した事実報告や証拠をデータベースで広く公開しています。しかし今回、AI技術の進歩により、音声そのものを公開していなくても関連資料から音声を復元できるようになった現実に直面しました。NTSBは現在、公開済みの全資料を見直し、同様の再現を防ぐための対策を検討しています。

Grokはアメリカ政府でほぼ使われず、競合に大差

政府AI利用の実態

連邦政府のAI利用400件超中Grokはわずか3件
OpenAIは230件超で圧倒的シェア
GoogleやAnthropicも数十件の採用実績
Grokの用途は文書作成など基本業務のみ

製品品質と企業戦略の矛盾

国防総省関係者も「最良のモデルではない」と評価
SpaceXのIPO申請でAI事業を中核に据えるも実態が伴わず
xAIがOpenAIモデルで蒸留学習していた事実も発覚
不適切出力の履歴が企業導入の障壁に

イーロン・マスク率いるxAIのチャットボット「Grok」が、アメリカ連邦政府のAI利用記録にほとんど登場していないことがReutersの調査で明らかになりました。ベンダー名が記載された400件超の政府AI活用事例のうち、GrokまたはxAIが確認されたのはわずか3件で、いずれも文書作成やソーシャルメディア管理といった基本的な用途にとどまっています。一方、OpenAIのモデルは230件超に登場し、GoogleとAnthropicもそれぞれ数十件の実績がありました。

国防総省の関係者はReutersに対し、Grokは「最良のモデルではない」と率直に述べ、現場ではGeminiやClaudeが好まれていると証言しました。公開されているAIモデルのリーダーボードでも、Grokが上位10位に入ることはまれで、Anthropic、Google、OpenAIが上位を独占している状況です。

この実態は、SpaceXのIPO申請書の内容と大きく矛盾しています。SpaceXはxAIを吸収した後、AI事業を投資家向けの中核として位置づけ、28.5兆ドルという巨大な市場機会を主張しています。しかし政府での採用実績が乏しいことは、企業向け展開でも同様の課題があることを示唆しています。マスク氏がIPO参加を条件にGrokの契約購入を銀行に迫ったとの報道もあります。

さらにマスク氏は最近、xAIがOpenAIのモデルを使ってGrokの蒸留学習を行っていたことを認めました。訓練元のモデルすら超えられていないという指摘に加え、消費者向けのGrokにはヒトラー賛美や差別的コンテンツ、児童を含む非同意の性的画像生成など、深刻な問題出力の履歴があります。SpaceX自身もIPO申請書の中で、Grokの「スパイシー」モードが訴訟リスクを伴うと警告しています。

GoogleのAIグラス、ディスプレイ付き試作機を初公開

ディスプレイ体験の実力

右目上にウィジェット表示
天気・ナビ・翻訳を視界に重畳
音声のみ版は今秋出荷開始

Gemini連携と課題

2秒長押しでGemini起動
カメラ連動で物体識別・写真撮影
翻訳デモは即時性で高評価
表示のぼやけと眼精疲労が課題
AI画像処理の往復に約45秒

Google I/O 2026で、Android XRディスプレイ付きAIグラスの試作機がメディア向けに初めてハンズオン公開されました。Warby Parker、Gentle Monster、Samsungと共同開発されたこのグラスは、レンズ内ディスプレイに天気やナビゲーション、リアルタイム翻訳などの情報を現実世界に重ねて表示します。音声のみのモデルは2026年秋に出荷予定ですが、ディスプレイ版はまだプロトタイプ段階です。

フレーム右側を2秒間押すとGeminiが起動し、音楽再生や写真撮影、物体識別などが音声で操作できます。カメラと連動して撮影した写真にAI加工を施す機能も搭載されていますが、Google I/O会場ではWi-Fi負荷の影響で往復処理に約45秒を要しました。

特に評価が高かったのはリアルタイム翻訳機能です。デモ担当者が高速なスペイン語を話すと、グラスが自動で言語を検出し、ディスプレイに英語テキストを表示すると同時に耳元で英語音声を再生しました。旅行者にとって単独で購入動機となり得る体験だとレビューは評しています。

一方で課題も明らかになりました。右目のみの単眼ディスプレイは表示がやや不鮮明で、短時間の使用でも眼精疲労が生じたと報告されています。音楽再生は最大音量でも騒がしい環境では聞き取りにくく、高品質イヤホンの代替にはならないとの評価です。Googleは年内にトラステッドテスタープログラムを拡大し、詳細を発表する予定です。

米国民のディープフェイク識別力はコイン投げ並み

検出能力の実態

識別スコアはほぼランダム水準
米国の認知率は調査3カ国中最低の63%
7%が過信層で大規模詐欺の標的
動画の真贋判定が特に困難

企業への影響と対策

合成ID詐欺の年間被害は数十億ドル規模
目視による本人確認の限界が露呈
自動化されたAI認証基盤の構築が急務
プラットフォーム依存が警戒心を低下

米国の消費者はディープフェイクをほぼ見分けられないことが、Veriffとカンターによる米英ブラジル3カ国3,000人調査で判明しました。米国回答者の識別スコアはランダム推測を示すゼロに対しわずか0.07で、事実上コイン投げと同等の精度しかありません。生成AI開発の中心地でありながら、「ディープフェイク」という用語を知る米国成人は63%にとどまり、英国の74%やブラジルの67%を下回りました。

この識別能力の欠如は、画像や動画による本人確認に依存するあらゆるデジタルビジネスに直接的な脅威をもたらします。銀行口座の開設、マーケットプレイスの出品者確認、高額EC取引、SNSの認証、企業のアクセス管理など、影響範囲は広範です。米国では合成ID詐欺による損失が年間数十億ドル規模に達しており、精巧な偽造コンテンツを生成するツールが広く普及している現状が被害を拡大させています。

調査ではさらに、全体の約7%が検出能力が低いにもかかわらず自らの判別力に自信を持ち、疑わしいコンテンツの検証もほとんど行わない「過信層」であることが明らかになりました。Veriffの不正対策責任者イラ・ボンダー=ムッチ氏は、この自信と実力の乖離こそが詐欺師に悪用される最大の隙だと指摘しています。米国の回答者の79%がなりすまし詐欺に強い懸念を示す一方、ソーシャルメディアやデジタルサービスにAIコンテンツの管理を委ねる傾向が他国より強く、個人の警戒心が低下するリスクがあります。

こうした状況を受け、人間の目視判定に依存する手動レビューや自己申告ベースの認証は、もはや安全とは言えません。ボンダー=ムッチ氏は「見ることはもはや信じることではない」と述べ、AI駆動の自動本人確認を対話時点で実行するインフラ構築の必要性を訴えました。合成メディアが人間の知覚を超えた今、認証を事後的なコンプライアンス機能ではなく中核的なデジタル基盤として再設計することが、企業の信頼維持に不可欠だとしています。

Google、SynthIDとC2PAを検索に統合

検証機能の大幅拡大

SynthID検証がChrome・検索に搭載
C2PA情報も同一画面で確認可能に
OpenAIもChatGPT画像にSynthID埋め込み開始

実効性への課題と期待

C2PAメタデータはSNS投稿時に容易に除去される
SynthIDは除去困難で事実検証に実績
オープンソースモデルの採用は不透明

MetaのC2PA活用

Instagramでカメラ撮影写真にC2PAタグ付与
AI生成画像と実写の判別を支援

Googleは2026年5月19日のI/Oカンファレンスで、AI生成コンテンツの検証技術であるSynthIDのマーカー確認機能をChromeブラウザとGoogle検索に統合すると発表しました。Chromeはウェブブラウザ市場で圧倒的なシェアを占めており、この統合により数十億人規模のユーザーがAI生成画像の真偽を手軽に確認できるようになります。

さらにGoogleの検証インターフェースは、コンテンツの来歴を記録する業界標準規格C2PA Content Credentialsの情報も同時に表示します。従来はSynthIDの確認にGeminiアプリ、C2PAの確認に専用ポータルと別々のツールが必要でしたが、これを一画面に集約することで検証の手間を大幅に削減します。

OpenAIも同日、ChatGPT・Codex・APIで生成した画像にSynthIDを埋め込む方針を発表しました。同社はすでにC2PAメタデータを付与していますが、SNSへの投稿時にメタデータが除去される問題が指摘されています。OpenAI自身もC2PAについて「銀の弾丸ではない」と認めており、スクリーンショットの撮影やプラットフォームへのアップロードで容易に失われる限界があります。

一方、SynthIDは画像に不可視の電子透かしを埋め込む方式のため、メタデータ除去の影響を受けにくく、ファクトチェッカーによるディープフェイク検証で実績を積んでいます。両技術が相互補完的に機能することで、より広範な安全網を構築できる可能性があります。

MetaもInstagramでカメラ撮影画像にC2PAメタデータを付与する取り組みを開始します。これによりユーザーは実写とAI生成画像を区別しやすくなりますが、過去にはAIラベルの誤適用で批判を受けた経緯もあります。悪意あるディープフェイクに使われるオープンソースモデルがこれらの仕組みを採用する保証はなく、来歴技術の実効性はこれから問われることになります。

Google、AI広告動画をGemini Omniで自動生成

Asset Studioの進化

Gemini Omni統合で動画生成対応
マーケティングブリーフ自動理解
自然言語でのクリエイティブ編集
複数テーマ・形式を一括生成

広告運用への実装

1クリックA/Bテスト機能搭載
ブランドガイドライン自動準拠
今夏から英語圏でグローバル展開

Google I/O 2026で、Googleは広告クリエイティブ制作ツール「Asset Studio」の大幅アップデートを発表しました。新たにマルチモーダルモデル「Gemini Omni」を統合し、テキストや画像だけでなく動画アセットもワンストップで制作できるようになります。広告主のマーケティングブリーフ、ブランドガイドライン、ウェブサイト、目標を自動的に理解し、高品質なクリエイティブを即座に生成します。

従来のAsset Studioは静止画やテキスト中心のアセット生成が主でしたが、Gemini Omniの統合により動画クリエイティブの制作が同一プラットフォーム内で完結します。自然言語での指示によるクリエイティブの調整にも対応しており、専門的な編集スキルがなくても広告素材を制作できます。

パフォーマンス最適化の面では、1クリックA/Bテスト機能が追加されました。広告主が設定した目標に基づき、複数のクリエイティブバリエーションの中から最も効果の高いアセットを自動的に特定します。制作から検証までのワークフローが一つのツールに集約されます。

これらの新機能は2026年夏から英語対応でグローバル展開される予定です。GoogleはAsset Studioを「アイデアから広告までを一箇所で完結させるツール」と位置付けており、広告制作の効率化と品質向上の両立を目指しています。

FigmaがAIエージェントをデザインキャンバスに搭載

AIエージェントの機能

自然言語でデザイン生成・編集
複数エージェントの同時並行実行
デザイン文脈を理解する専用モデル
既存デザインの反復生成を自動化

事業環境と成長

Canva・Adobe等との競争激化
2026年Q1売上は前年比46%増
Anthropic・OpenAIとの提携済み
デザインとコードの統合を推進

Figmaは2026年5月20日、協調デザインキャンバス上で動作する独自のAIエージェントを発表しました。ユーザーは自然言語のプロンプトで新規デザインの生成、既存デザインの編集、反復作業の自動化を指示でき、複数のエージェントを同時に起動して並行作業させることも可能です。

同社によると、このAIエージェントはデザイン用途にファインチューニングされたモデルで動作し、デザインの文脈や要素を理解します。チーフデザインオフィサーのLoredana Crisan氏は「ソフトウェア構築が容易になるなか、最も重要なのは方向性の設定だ」と述べ、エージェントとの協働でアイデアの検証やエッジケースの可視化が加速すると強調しました。

AIエージェントはまずFigma Designで提供を開始し、今後は他の製品にも展開する計画です。同社はこれに先立ち、AnthropicのClaude CodeやOpenAIのCodexといったAIコーディングツールとの連携を進めており、デザインとコードの距離をさらに縮める方針を示しています。

FigmaはCanvaやAdobe、Flora、Kreaなど競合との激しい競争に直面しています。昨年にはノードベースのデザインツールWeavyを買収し、AI画像編集機能も追加しました。2026年第1四半期の売上高は3億3,340万ドルで前年同期比46%増と、AI時代においても堅調な成長を続けています。

OpenAIがGoogleのSynthID採用、AI画像の出所証明で業界連携

多層的な来歴証明の仕組み

C2PA準拠でメタデータ署名を標準化
SynthID透かしで改変耐性を確保
両技術の併用で弱点を相互補完

検証ツールの拡充

OpenAIが公開検証ツールをプレビュー提供
GoogleはSearch・Chrome・Lensに検証機能拡大
Geminiアプリでの検証は全世界5000万回利用

業界全体への波及

NVIDIA・Kakao・ElevenLabsもSynthID導入へ
Google Cloud企業向けAPI提供を準備

OpenAIは2026年5月、AI生成コンテンツの出所を証明する取り組みを大幅に強化すると発表しました。Googleが開発した電子透かし技術SynthIDを自社の画像生成に導入するとともに、業界標準規格C2PAへの正式準拠を完了しています。これにより、OpenAI製品で生成された画像にはメタデータ署名と不可視の透かしという二重の来歴情報が付与されます。

C2PAはコンテンツの作成・編集履歴を暗号署名で記録するオープン規格で、メタデータとしてファイルに埋め込まれます。一方、SynthIDはGoogleのDeepMindが開発した不可視の透かし技術で、スクリーンショットやリサイズなどの加工を経ても残存するよう設計されています。OpenAIは両技術を「相互補完的」と位置づけ、メタデータの詳細な情報量と透かしの改変耐性を組み合わせることで、単独では実現できない堅牢な来歴証明を目指します。

検証手段の整備も進んでいます。OpenAIは画像がAI生成かどうかを確認できる公開検証ツールのプレビュー版を公開しました。GoogleもGeminiアプリでのSynthID検証機能がすでに全世界で5000万回以上利用されたと明かし、今後Google検索やChrome、Circle to Search、Lensにも同機能を順次展開します。

SynthIDの採用はOpenAIにとどまりません。NVIDIAがCosmosモデルに、KakaoやElevenLabsも自社サービスに導入を予定しています。GoogleはさらにGemini Enterprise Agent Platformの一部としてAIコンテンツ検出APIを企業向けに提供する準備を進めており、信頼できるパートナー企業が大規模にAI生成コンテンツを判別できる基盤を構築します。

ただし、オープンソースモデルなど透かしを付与しないツールは依然として多数存在するため、すべてのAI画像を識別できるわけではありません。それでも主要企業が共通の来歴証明基盤に合流する動きは、AIによる偽情報リスクへの業界横断的な対策として大きな前進です。企業の意思決定者やエンジニアにとっては、自社プロダクトでの来歴証明対応を検討する契機となるでしょう。

Google Pomelli、AIエージェントでブランド構築とサイト制作を自動化

Pomelliの新機能

AIエージェントがブランド構築を支援
対話形式でブランドDNA定義
製品写真やドキュメントのアップロード対応
ブランドブック自動生成機能

Webサイト制作の簡素化

数クリックで完全なWebサイト構築
ブランドDNA連動のデザイン統一
中小企業向けコンテンツ制作基盤の強化

Googleは2026年5月19日、Google Labsで提供中のAIブランドコンテンツ作成ツール「Pomelli」に新たなエージェント機能を追加したと発表しました。中小企業がブランドアイデンティティの構築からWebサイト制作までをAIで完結できるようになり、ビジネスのデジタルプレゼンス構築を大幅に効率化します。

Pomelliは昨年Google Labsで公開され、これまでにプロ品質の商品写真やSNSキャンペーン、広告が数百万件作成されてきました。今回のアップデートでは「Pomelliエージェント」が導入され、ユーザーは対話形式でブランドの核となる「Business DNA」を定義できます。既存のブランド素材がある場合はアップロード、ゼロからの場合はエージェントとの会話で構築が可能です。

Business DNAが定義されると、2つの新機能が利用可能になります。1つ目は「ブランドブック」で、ブランド固有の画像・フォント・カラーを含む包括的なガイドを自動生成します。2つ目は「Webサイト」機能で、数クリックで完全なWebサイトを設計・公開できます。

この機能強化は、デザインやWeb制作のリソースが限られる中小企業にとって大きな意味を持ちます。ブランドの一貫性を保ちながら、専門知識がなくてもプロ水準のコンテンツやWebサイトを短時間で作成できる環境が整いました。Pomelliは現在Google Labsで利用可能です。

Google、Geminiに朝の要約やAIエージェント追加

アプリの全面的な刷新

朝の予定・タスクを自動整理
新デザイン言語で視認性を向上
月間9億人超の利用者基盤

新エージェントと動画生成

常時稼働AIエージェント発表
ワークフロー自動化に対応
動画生成モデルを新たに搭載
ChatGPT・Claude対抗を鮮明化

Googleは2026年5月19日のGoogle I/O 2026で、AIアシスタントアプリGeminiの大幅アップデートを発表しました。目玉となる新機能「Daily Brief」は、ユーザーの受信トレイやカレンダー、重要タスクを自動で集約し、優先度順に整理して次のアクションまで提案する朝の情報整理機能です。米国のGoogle AI有料会員向けに即日提供が始まっています。

アプリのデザインも全面刷新されました。「Neural Expressive」と呼ばれる新デザイン言語を採用し、流動的なアニメーション、鮮やかな配色、新フォント、触覚フィードバックを導入しています。AIの回答は重要情報を冒頭に太字で表示し、スクロールに応じて画像やタイムラインが展開される構成に変わりました。

常時稼働型のAIエージェント「Gemini Spark」も発表されました。クラウドベースで動作するため、スマートフォンをロックしていてもバックグラウンドで作業を続行できます。カスタムワークフローの作成にも対応し、来週にはGoogle AI Ultra会員向けに提供予定です。

動画生成の分野では新モデル「Gemini Omni」が登場しました。テキスト・画像・音声を入力として高品質な動画を生成でき、Google FlowやYouTube Shortsとの連携が予定されています。月間9億人超のユーザーを擁するGeminiアプリをチャットボットから総合AIハブへ進化させ、ChatGPTやClaudeに対抗するGoogleの戦略が鮮明になっています。

Google検索を25年ぶりに刷新、AIエージェントと生成UIを導入

検索ボックスの全面刷新

25年ぶりの検索ボックス再設計
テキスト・画像・動画・PDFの複合入力対応
AI補完が従来のオートコンプリートを超越
AI OverviewsとAI Modeのシームレス統合

情報エージェントの実装

24時間稼働の情報エージェント作成が可能に
株価・フライト・ニュース等を自動監視
Google Alerts のAI進化版として位置づけ

生成UIと新モデル

検索結果内にインタラクティブUIを動的生成
Gemini 3.5 FlashをAI Modeの標準モデルに採用

Googleは2026年5月のI/Oカンファレンスで、25年以上ぶりとなる検索ボックスの全面刷新を発表しました。従来のキーワード入力欄を、テキスト・画像・PDF・動画・Chromeタブを受け付けるAIドリブンの対話型インターフェースに変換します。検索担当バイスプレジデントのLiz Reid氏は「象徴的な検索ボックスのデビュー以来、最大のアップグレード」と述べています。

新しい検索ボックスは長い自然言語クエリに合わせて動的に拡張し、従来のオートコンプリートを超えるAI駆動のクエリ提案機能を備えます。さらにAI OverviewsとAI Modeが統合され、ユーザーは従来型の検索結果とAI応答を切り替える手間がなくなります。AI Modeは公開1年で月間アクティブユーザー10億人を突破し、クエリ数は四半期ごとに倍増しています。

エージェント機能では、ユーザーが検索内で複数の情報エージェントを作成・管理できるようになります。エージェントは24時間バックグラウンドで稼働し、株価変動やフライト価格、ニュース速報などを監視して通知します。2003年開始のGoogle Alertsの進化版として位置づけられ、単なる通知ではなく複数ソースの統合分析や比較を提供します。まずGoogle AI ProおよびUltra加入者向けに提供される予定です。

検索結果の表示も大きく変わります。Googleは生成UI技術により、検索結果ページ内にインタラクティブなグラフやビジュアルをユーザーごとに動的生成します。従来の「10本の青いリンク」から、AIが情報を統合・要約して提示するパーソナライズされた体験へと移行が加速します。

基盤モデルには最新のGemini 3.5 FlashがAI Modeのグローバル標準として採用されました。エージェントやコーディングに最適化されたフロンティア性能を持つモデルで、検索体験全体の応答品質向上を支えます。Googleはこの一連の刷新により、検索エンジンの役割をキーワード検索ツールから万能AIアシスタントへ転換する意図を明確にしました。

Google、AIデザインアプリ「Pics」でCanvaに挑戦

Picsの主な機能

テキスト入力でデザイン自動生成
画像の部分編集に対応
コメント機能で直感的に修正指示
Google Workspace内で共同編集可能

技術基盤と展開

Nano Banana 2モデルで高精度描画
正確なテキストレンダリング対応
今夏AI Ultra会員向けに提供開始
I/O 2026でテスター先行公開

Googleは2026年5月19日のGoogle I/O 2026で、AI搭載のデザイン・画像生成アプリ「Pics」をGoogle Workspace向けに発表しました。教師や中小企業経営者など、デザインスキルを持たないユーザーでもテキストプロンプトだけでソーシャルメディア画像やマーケティング素材を作成できるアプリです。CanvaやAnthropicのClaude Designなど既存サービスへの対抗を明確に打ち出しています。

Picsの最大の特徴は、生成した画像の部分編集が容易な点です。従来のAI画像生成ツールでは、細部を修正するために新しいプロンプトを書き直す必要がありました。Picsでは変更したい箇所をクリックしてコメントを残すだけで、Google Docsのフィードバック機能のように直感的に修正を指示できます。手動での直接編集にも対応しています。

画像生成エンジンにはNano Banana 2モデルを採用しています。正確なテキストレンダリング、現実世界の知識に基づく描画、精緻なビジュアル出力が強みです。編集レイヤーにはGeminiが組み込まれ、生成されたデザインのすべての要素を個別に調整できます。

Picsは現在I/O参加者向けにテスト公開中で、今夏にはGoogle AI Ultraサブスクリプション会員へ提供される予定です。GoogleがAIデザイン領域に本格参入したことで、視覚コンテンツに依存するビジネスにとって競争環境が大きく変化する可能性があります。

Google、あらゆる入力から動画を生成するGemini Omniを発表

Gemini Omniの概要

テキスト・画像・音声・動画を統合入力
単一モデルで動画を生成・編集
自然言語の指示で会話的に編集可能
物理法則や文化的知識に基づく高品質出力

提供形態と料金

初期モデルOmni Flashを本日公開
Geminiアプリ・YouTube Shorts・Flowで利用可
API提供は数週間以内を予定

安全性と企業利用

SynthID電子透かしを全動画に付与
デジタルアバター機能に本人認証を導入

Googleは2026年5月19日、年次開発者会議Google I/Oで、あらゆる入力から動画を生成できる新しいマルチモーダルモデル「Gemini Omni」を発表しました。CEOのサンダー・ピチャイ氏は「あらゆる入力からあらゆるコンテンツを生成できる」と説明し、テキスト予測から現実のシミュレーションへとAIが進化する次の段階だと位置づけています。

Gemini Omniは、テキスト・画像・音声・動画を組み合わせて入力し、単一のモデルで高品質な動画を出力できます。従来のように複数の専門モデルを連携させるのではなく、1つのモデル内で複数のモダリティを横断的に推論するため、一貫性のある編集が可能です。自然言語で指示を重ねる会話的な動画編集に対応し、前の指示を記憶したまま場面を発展させることができます。

最初のモデルとなるGemini Omni Flashは本日からGeminiアプリ、YouTube Shorts、動画編集ツールFlowで提供が開始されました。現時点では10秒の動画生成に対応しており、今後より長い動画にも対応予定です。AI Plus(月額20ドル)以上のサブスクリプションプランで利用でき、開発者・企業向けのAPI提供は数週間以内に予定されています。上位モデルのOmni Proの公開時期は未定です。

企業向けの活用領域は幅広く、マーケティング動画の量産、社内研修コンテンツの作成、製品デモの自動生成などが想定されています。また、ユーザー自身の声と姿を使うデジタルアバター機能も提供され、ディープフェイク防止のため録画と音声による本人認証が求められます。すべての生成動画にはGoogleのSynthID電子透かしが埋め込まれ、AI生成コンテンツの検証が可能です。

競合環境としては、ByteDanceのSeedance、KuaishouのKling AI、英SynthesiaのAIアバターなどが存在します。GoogleはNano Bananaに続くマルチモーダル統合の成果としてOmniを位置づけており、画像やオーディオの出力にも将来的に対応する計画です。企業の導入にあたっては、API公開後にデータガバナンスや利用規約を確認した上で本格運用に移行することが推奨されています。

Google I/O 2026総まとめ、Gemini 3.5とAIエージェント全面展開

Gemini 3.5の性能と展開

Gemini 3.5 Flashが本日提供開始
他社フロンティアモデルの4倍高速
3.1 Proをほぼ全ベンチマークで上回る
動画生成モデルOmni Flashも同時公開

エージェント時代の到来

常時稼働エージェントSparkを発表
検索に情報エージェントを統合
開発基盤Antigravity 2.0を提供開始
ユニバーサルカートで横断購買実現

新デバイスと価格改定

スマートグラスを今秋発売へ
AI Ultra月額100ドルの新プラン追加

Googleは2026年5月19日、年次開発者会議Google I/O 2026を開催し、AIモデル・エージェント・デバイスにわたる大規模な発表を行いました。CEOのスンダー・ピチャイ氏は「エージェント型Gemini時代への突入」を宣言し、月間処理トークン数が前年比7倍の3.2京超に達したと報告しました。Geminiアプリの月間アクティブユーザーは9億人を突破しています。

最大の目玉は新モデルGemini 3.5 Flashです。前世代のGemini 3.1 Proをほぼ全ベンチマークで上回りながら、他社フロンティアモデルの4倍の出力速度を実現しました。Google社内では1日あたり3兆トークンを処理しており、コーディングやエージェント用途に最適化されています。合わせて動画生成が可能なGemini Omni Flashも公開され、テキスト・画像・映像・音声を入力に動画を生成できます。

エージェント分野では、Google Cloud上で24時間稼働する個人向けAIエージェントGemini Sparkが発表されました。Gmail・Docs・Sheetsなどと連携し、メール作成やスケジュール管理を自律的に実行します。検索には「情報エージェント」が導入され、ユーザーの関心事をバックグラウンドで常時監視し、条件に合致した情報を通知します。開発者向けにはAntigravity 2.0デスクトップアプリが公開され、複数エージェントの並列実行やGemini APIでのマネージドエージェント機能が利用可能になりました。

検索体験も刷新されました。25年以上ぶりの検索ボックス大幅改修で、AIが意図を先読みして提案する「インテリジェント検索ボックス」が全世界に展開されます。エージェント型コーディングにより、検索結果としてインタラクティブなUIやミニアプリをリアルタイム生成するGenerative UI機能もこの夏に無料で提供予定です。小売分野では複数店舗の商品を一括購入できるユニバーサルカートが導入されます。

ハードウェアでは、Samsung・Warby Parker・Gentle Monsterと提携したAndroid XRスマートグラスを今秋に発売すると発表しました。音声対話とカメラによるGemini連携を備え、リアルタイム翻訳にも対応します。料金面ではAI Ultraプランに月額100ドルの新ティアを追加し、従来の250ドルプランは200ドルに値下げしました。DeepMindのハサビスCEOはAIによる開発者置き換えに否定的な見解を示し、生産性向上で「3〜4倍の仕事をこなす」方針を強調しました。

Google Flow、自分のディープフェイク動画を生成できるアバター機能を追加

Omni Flashモデル導入

Gemini Omni Flashで動画生成を刷新
映像と音声のキャラクター一貫性が向上
実写素材とAI生成コンテンツの融合が可能に
140カ国以上のGoogle AI契約者に提供

アバター機能の仕組み

スマホで顔と声をスキャンして登録
自分のデジタルクローンを動画に挿入
背景や服装の変更にも対応
SynthID透かしで生成元を明示

クリエイター向け新機能群

AIエージェントが企画から編集まで支援
自然言語でカスタムツールを作成可能
Flow Musicにも楽曲編集・MV生成機能追加

Googleは2026年5月19日のI/Oカンファレンスで、AI動画・画像制作ツールGoogle Flowの大型アップデートを発表しました。新たに搭載されたGemini Omni Flashモデルにより、動画生成の品質が大幅に向上し、ユーザーが自分自身のアバターをAI動画に挿入できる機能が追加されています。

アバター機能では、ユーザーがスマートフォンで自分の顔と声を複数の角度からスキャンして登録します。登録後は、任意のAI生成動画に自分のデジタルクローンを挿入でき、背景の変更や服装の調整といった編集指示にもOmni Flashが対応します。Google Labs製品担当副社長のElias Roman氏は「撮影なしで自分をコンテンツに登場させたいクリエイター向けの機能」と説明しました。この仕組みは、OpenAIが昨年提供し約7カ月で終了したSoraアプリのセルフディープフェイク機能と類似しています。

生成されたすべての動画にはSynthID透かしが埋め込まれ、AI生成コンテンツであることを識別可能にしています。また、現時点では他人のアバター生成は許可されず、自分自身のみが対象という制限を設けることで、悪用リスクへの配慮を示しています。

クリエイター支援の面では、Google Flow Agentがプロジェクト全体を通じた企画・編集パートナーとして機能します。ブレインストーミングからバッチ編集、アセット整理まで、Geminiモデルを活用した幅広いタスクに対応します。さらに自然言語で画像エディタやカスタムシェーダーなどのビスポークツールを作成でき、他のユーザーと共有・リミックスすることも可能です。

Google Flow Musicにも新機能が追加されました。楽曲のセクション単位での精密編集、フルトラックのスタイル変換(カバー機能)、そしてOmni Flashを活用したミュージックビデオ生成が利用可能になっています。FlowとFlow Musicの両方でモバイルアプリも提供開始され、外出先での制作にも対応します。

Google、世界モデルGenieにStreet Viewを統合し現実世界のシミュレーションを実現

Street View統合の概要

GenieにStreet View接続
280億枚超の実世界画像を活用
天候や時代の変更が可能
米国から段階的に提供開始

応用と今後の展望

Waymoの自動運転訓練に活用
ロボット配備前の環境模擬に有効
物理演算は未対応で開発途上
AI Ultra会員向けに順次展開

Google DeepMindは2026年5月19日のGoogle I/O 2026で、汎用世界モデルProject GenieにGoogle Street Viewのデータを統合する新機能を発表しました。これにより、Street Viewが持つ110カ国・280億枚超の実世界画像をもとに、インタラクティブな仮想環境を生成できるようになります。

ユーザーは地図上の地点を選び、「海中世界」「砂漠」「白黒フィルム」などのスタイルを適用して、現実の街並みを自由にアレンジした仮想空間を体験できます。たとえばサンフランシスコのゴールデンゲートブリッジを海底から眺めたり、テキサスの街並みを1920年代風に再現したりすることが可能です。

産業面ではWaymoがすでにGenieを活用し、竜巻や象との遭遇といった極めて稀な状況を自動運転車の訓練に利用しています。Street Viewとの統合により、新たな都市への展開準備や、ロボットの実環境配備前のシミュレーションにも応用が広がります。

一方で現段階ではまだ実験的な位置づけであり、生成される映像はフォトリアルではなくゲーム品質にとどまります。物理演算にも未対応で、人物がサボテンをすり抜けるといった不自然な挙動が残っています。DeepMindの研究者は、動画生成モデルに比べて精度は6〜12カ月遅れと見積もっています。

本機能はまず米国のGoogle AI Ultra(月額200ドル)会員に提供され、数週間以内にグローバルへ拡大する予定です。Googleは教育・ゲーム・ロボティクスなど幅広い分野での活用を見据えており、精度向上と物理シミュレーション対応が今後の課題となります。

元OpenAI社員らがxAIの安全性問題でSpaceX上場に警鐘

投資家への公開書簡

元OpenAI社員とAI安全性団体が共同書簡
xAIの安全性リスクは未反映の投資リスクと指摘
SpaceXのIPOは史上最大規模の見通し

xAIの安全性実態

安全担当はわずか2〜3人との報道
Grokが白人虐殺に言及する問題発生
児童の性的画像生成で37州の司法長官が是正要求

新たな監視体制の提案

新団体Guidelight AI Standardsが発足
業界横断の統一安全基準策定を目指す

元OpenAI社員2名とAI安全性に関する非営利団体のグループが、イーロン・マスク氏のAI企業xAIの安全性リスクがSpaceXの新規株式公開(IPO)を複雑にする可能性があるとする公開書簡を2026年5月19日に公表しました。SpaceXは史上最大となる最大750億ドル規模のIPOを準備中で、昨年xAIを買収後、企業価値は1兆ドル超に急騰しています。

書簡を主導したのは、元OpenAI安全性研究者のスティーブン・アドラー氏と元政策アドバイザーのペイジ・ヘドリー氏が共同設立した新団体Guidelight AI Standardsです。ヘドリー氏はxAIの安全性対策がOpenAI、Google DeepMind、Anthropicなど他のフロンティアAI開発企業と比較して「ほぼ全面的に最悪」だと述べています。

書簡は具体的な安全性上の問題事例を列挙しています。xAIのチャットボットGrokが回答中に白人虐殺に自発的に言及した件や、女性・児童の性的画像を大量生成し拡散した件が含まれます。後者の問題では米国37州の司法長官がマスク氏のAI企業に是正を求める書簡を送付しました。ワシントン・ポスト紙の報道によれば、2026年1月時点でxAIの安全性担当者はわずか2〜3人だったとされます。

書簡はSpaceXに対し、xAIがフロンティアAIモデルの開発を継続する意向があるか投資家に開示するよう求めています。SpaceXは最近、GPU処理能力の大部分をAnthropicに売却する契約を結んでおり、xAIがフロンティアAI競争に残るのか不透明な状況です。開発を継続する場合は、安全性・ガバナンス計画の公表が必要だと主張しています。

アドラー氏とヘドリー氏はGuidelight AI Standardsを通じ、AI企業が遵守できる統一的な安全性基準の策定を目指しています。政策立案者、投資家、ジャーナリストなどAI分野外の人々にもわかりやすい評価を提供する方針です。トランプ政権がAIモデルに対する情報機関の監視強化を検討しているとの報道もあり、規制環境の変化がxAIと結合したSpaceXの投資リスクをさらに高める可能性があります。

AllenAI、衛星画像AI「OlmoEarth v1.1」で計算コスト3分の1に

効率化の技術的手法

トークン統合で系列長を3分の1に短縮
Sentinel-2の3解像度帯を単一トークンに統合
事前学習手法の改良で精度低下を抑制

実用面の影響

推論・学習コストが最大3倍効率化
地球規模の地図更新頻度向上が可能に
Base・Tiny・Nanoの3サイズで公開
学習コードと重みをオープンソースで提供

AI研究機関AllenAIは2026年5月19日、衛星リモートセンシング向け基盤モデル「OlmoEarth v1.1」を公開しました。前バージョンと同等の性能を維持しながら、計算コストを最大3分の1に削減したモデルファミリーです。マングローブの変化追跡や森林減少要因の分類、国規模の作物マッピングなど、環境保護に関わるパートナー組織の活用拡大を目指しています。

効率化の鍵は、Transformerモデルのトークン系列長の短縮にあります。従来のOlmoEarth v1では、Sentinel-2衛星画像の10m・20m・60mという3つの解像度帯ごとに別々のトークンを生成していました。v1.1ではこれらを単一トークンに統合し、トークン数を3分の1に圧縮しています。Transformerの計算量は系列長の二乗に比例するため、この削減が大幅なコスト低減につながります。

ただし、解像度帯の単純な統合は精度低下を招きます。実際、素朴な統合ではm-eurosat kNNベンチマークで10ポイントもの精度低下が確認されました。AllenAIは事前学習の手法を改良することでこの課題を克服し、v1と同等の性能を実現しています。学習データセットはv1と同一のため、手法変更の効果を厳密に分離して検証できる点も研究面で価値があります。

モデルはBase・Tiny・Nanoの3サイズで提供され、Hugging Face上で重みと学習コードがオープンソースとして公開されています。AllenAIは、より効率的なモデルにより自組織のプラットフォームでより多くのパートナーを支援でき、独自運用するチームにとっても惑星規模の地図更新がより手頃になると説明しています。

PaddleOCR 3.5、Transformers推論に対応

主な変更点

Transformersを推論バックエンドに追加
engineパラメータでバックエンド切替可能
dtype・デバイス配置等を柔軟に設定
パイプライン管理はPaddleOCR側が担当

開発者への影響

HuggingFace中心の環境と自然に統合
RAG・文書AI構築の前処理が容易に
Hub経由のモデル配布に対応
高スループット用途にはpaddle_staticを推奨

PaddleOCR 3.5が2026年5月18日にリリースされ、Hugging Face Transformersを推論バックエンドとして選択できるようになりました。PP-OCRv5やPaddleOCR-VL 1.5といったOCR・文書解析モデルを、engineパラメータひとつでTransformersバックエンドに切り替えて実行できます。

RAGや文書エージェントの構築では、PDFやスキャン画像を構造化データに変換する前処理が精度を左右します。PaddleOCRはこの文書取り込み工程を担うOCR・文書解析モデルを提供してきましたが、従来はPaddlePaddle固有の推論エンジンが前提でした。今回の対応により、PyTorch/Transformersベースのインフラを使うチームでも統合の手間が大幅に減ります。

使い方はシンプルで、PaddleOCRのコンストラクタにengine="transformers"を指定するだけです。engine_configでdtypeやアテンション実装の選択も可能で、開発環境に合わせた最適化ができます。Hugging Face Spacesではライブデモも公開されています。

注意点として、OCR・文書解析のスループットを最大化したい場合は、PaddleOCRのデフォルトであるpaddle_staticバックエンドが引き続き推奨されます。Transformersバックエンドは既存のバックエンドを置き換えるものではなく、開発スタックに応じて推論バックエンドを選べる柔軟性を提供するものです。

AI生成論文が査読を圧倒、ArXivは1年間の投稿禁止措置

学術出版の危機

AI生成論文が査読体制を崩壊寸前に追い込む
公開データセットの大量解析で粗製論文が急増
投稿数が前年比40〜100%増、査読者確保が困難に

ArXivの対抗策

捏造引用やプロンプト残存で1年間の投稿禁止
禁止解除後も査読済み論文のみ受理
昨年にはCS分野のレビュー論文も制限済み

構造的課題

論文数で業績を測る評価制度が乱用を助長
AI査読導入にも品質リスクが伴う

AI生成の学術論文が急増し、学術出版の査読システムが深刻な危機に直面しています。公開データセットを使い数時間で論文を量産する手法が広まり、投稿数は前年比40〜100%増加。査読者の確保が困難になり、編集者の業務量は限界を超えつつあります。

問題の核心は、AIが生成する論文の品質が向上していることです。かつてのような明らかな幻覚や不自然な表現は減り、一見すると適切に構成された論文と見分けがつかなくなっています。ある国際関係学の雑誌では、10人以上の編集者と2回の査読を通過した後に、初めて架空の引用が発見されました。

こうした状況を受け、プレプリントサーバーArXivは新たな対抗策を発表しました。捏造された引用やLLMのメタコメントなど、著者がAI出力を確認していない明白な証拠が見つかった場合、1年間の投稿禁止処分を科します。禁止期間終了後も、査読済みの論文しか投稿できなくなります。

しかし専門家は、こうした検出ベースの対策には限界があると指摘します。AI論文の品質向上により、不正の検出は今後さらに困難になるためです。研究者の中には、画像のウォーターマークや実験データの提出義務化など、真正性の証明へ発想を転換すべきだという声も上がっています。

根本的な課題は、論文数で研究者を評価する学術界の構造にあります。Nature誌の研究によると、AIを活用した研究者は論文数が3倍、被引用数が約5倍に増加。個人には有利でも、研究テーマの集中化や知識の質の低下を招いています。「より多くの科学は必要だが、より多くの論文が必要なのか」という問いが、学術界全体に突きつけられています。

Wirestock、AIモデル学習用データ供給事業で2300万ドル調達

ストック写真からデータ供給へ

写真販売プラットフォームから2023年に事業転換
70万人超のクリエイターがデータ収集タスクに参加
画像・動画・3D・ゲーム素材のマルチモーダルデータを提供

急成長するAIデータ市場

大手基盤モデル企業6社にデータ供給中
年間売上ランレートは4000万ドルに到達
クリエイターへの報酬支払い累計1500万ドル
調達資金で研究・エンジニアリング・プロダクト人材を採用

データ品質と倫理面の取り組み

参加前に無報酬タスクで品質審査を実施
AIと人間のレビューを組み合わせた評価体制

クリエイター向けデータプラットフォームのWirestockが、シリーズAラウンドで2300万ドル(約34億円)を調達しました。リードインベスターはNava Venturesで、シェリル・サンドバーグが共同設立したSBVPやFormula VC、I2BF Venturesも参加しています。同社はこの資金でAIラボ向けマルチモーダルデータ供給事業を拡大します。

Wirestockはもともと写真家がShutterstockなどのストックフォトサービスで作品を配信・販売するのを支援するプラットフォームでした。しかし2023年にAIラボへのデータ供給事業へとピボットを決断。現在は画像、動画、デザインアセット、3Dコンテンツなど多様なモダリティのデータセットを提供しています。プラットフォームには70万人以上のアーティストやデザイナーが登録し、Fiverr型のフリーランスモデルでデータ収集タスクをこなしています。

事業転換の成果は数字に表れています。現在、大手基盤モデル企業6社にデータを供給し、年間売上ランレートは4000万ドルに達しました。クリエイターへの報酬支払い累計は1500万ドルです。共同創業者兼CEOのMikayel Khachatryan氏は、当初は既存ライブラリの販売が中心だったものの、AIラボからのカスタムリクエストが増え、クリエイターにとっての新たな収益機会が生まれたと語っています。

AIモデルの性能向上競争が激化するなか、学習用データの需要は急拡大しています。Scale AI、Surge、Mercorといった企業がデータビジネスで数百億ドル規模の評価額を獲得する一方、Micro1やHuman Native AIなどの新興企業も台頭しています。Wirestockは特に画像・動画生成などクリエイティブ用途のモデル向けデータに注力しており、音声や音楽といった新しいモダリティへの展開も検討中です。

品質管理も重視しています。新規クリエイターは参加前に無報酬のタスクで品質審査を受ける必要があり、プラットフォーム上の全作業はAIと人間によるレビューで評価されます。従業員数は現在60名で、調達資金は研究、エンジニアリング、プロダクト部門の採用と、AIラボとのデータセット共同作業を支援するエンタープライズソフトウェアの開発に充てられます。

AI研究者Richard Socher、自己改善型AI企業を6.5億ドルで創業

再帰的自己改善への挑戦

6.5億ドル調達しステルスから登場
AI自身が弱点を発見し自律的に再設計
Peter Norvigら著名研究者が共同創業

独自技術と事業展望

オープンエンド性で既存手法と差別化
生物進化に着想した共進化アプローチ
製品は数四半期以内に提供予定
計算資源の配分が人類の重要課題に

AI研究者のRichard Socher氏が、サンフランシスコを拠点とする新スタートアップRecursive Superintelligenceを設立し、2026年5月14日にステルスモードから姿を現しました。同社は6億5000万ドルの資金調達を完了しています。Socher氏はチャットボットスタートアップYou.comの創業者であり、画像認識研究のImageNetでも知られる人物です。

同社が目指すのは、AIが自らの弱点を自律的に特定し、人間の関与なしに自身を再設計する再帰的自己改善(Recursive Self-Improvement)の実現です。共同創業者にはAI研究の重鎮Peter Norvig氏、ユニコーン企業Crestaを築いたTim Shi氏、Google DeepMindでオープンエンド性研究を率いたTim Rocktäschel氏、元OpenAIのJosh Tobin氏らが名を連ねます。

技術的な差別化の核となるのが「オープンエンド性」という概念です。生物の進化のように、AIシステム同士が互いに適応・反適応を繰り返すことで、終わりなく能力を向上させる仕組みを構築します。具体例として、2つのAIが攻撃と防御を繰り返す「レインボーチーミング」があり、この手法は現在すべての主要AI研究所で採用されています。

Socher氏は「既存の大手ラボとは異なるアプローチをとっている」と述べ、単なる研究機関ではなく実用的な製品を届ける企業を目指すと強調しました。最初の製品は「数年ではなく数四半期以内」に提供される見通しです。さらに同氏は、再帰的自己改善が実現すれば計算資源の配分こそが人類にとって最大の問題になると指摘。「どの病気を先に解決するか、どれだけの計算資源を投入するか」という資源配分の判断が、将来の最重要課題になるとの見解を示しました。

GoogleとEs Devlin、AI肖像画で全英参加型アート実現

作品の仕組み

スマホ撮影で木炭画風AI肖像を生成
Gemini画像モデルとアニメーション技術を融合
国立肖像画美術館で集合肖像として展示
18歳以上の全英国民が共同制作者に

背景と意義

DevlinとGoogle Arts & Cultureの10年越し協業
3年間のAI共同研究の集大成
無料デッサンイベントやオンライン講座も併設
10月27日まで展示継続

英国を代表する舞台美術家Es DevlinとGoogle Arts & Cultureは2026年5月14日、ロンドンの国立肖像画美術館(National Portrait Gallery)で参加型AIアート作品「A National Portrait」を公開しました。英国在住の18歳以上であれば誰でもスマートフォンで自撮りを送信でき、AIがDevlin独自の木炭・チョーク画のスタイルでアニメーション付きデジタル肖像画を生成します。

技術面では、GoogleのGemini画像モデルにデジタルアニメーション技術を重ね合わせ、Devlinが30年にわたり培ってきた木炭画の技法をデジタルで再現しています。生成された個々の肖像画は、美術館内でリアルタイムに更新される集合肖像に統合され、参加者が増えるごとに作品が変化し続けます。

両者の協業は10年以上に及び、過去には「Please Feed the Lions」や「Poem Portraits」などのプロジェクトを手がけてきました。今回の作品は3年間のAI共同研究の成果であり、先端技術を通じて市民参加型の集団的芸術体験を実現するという長期ビジョンの到達点です。

Devlinは「国立肖像画美術館は私たちのもの。この肖像画はバックグラウンドや信条に関係なく、すべての人を受け入れ、新たな参加者を含むために絶えず描き直される」と語っています。展示は2026年10月27日まで続き、美術館での無料デッサンイベントやGoogle Arts & Cultureでのオンライン描画講座も提供されます。来館できない人もウェブ上で参加可能です。

AI偽画像が時計コラボの期待を暴走させ中国勢が即応

AI画像が生んだ幻想

AI生成の腕時計画像がInstagramで大拡散
実製品は懐中時計で腕時計ファンに失望感
2022年MoonSwatchと異なり画像統制不能に

中国メーカーの即応体制

着脱構造が腕時計化を技術的に可能に
中国工場が数週間でアダプター量産の見込み
DelugsがProject WristPopを即日発表

ブランド戦略への示唆

AP側は富裕層保護のため腕時計を回避
Swatch Groupは営業利益55.6%減で販売回復が急務

Swatchと高級時計ブランドAudemars Piguetが5月8日に予告したコラボ「Royal Pop」をめぐり、発表前の1週間でAI生成による偽の腕時計画像がInstagramを席巻しました。鮮やかなカラーのプラスチック製ロイヤルオーク風腕時計の画像は極めて精巧で、多くのファンが公式リーク写真と信じ込み、色選びや価格予想で盛り上がりました。しかし5月13日に公開された実際の製品は、腕時計ではなく懐中時計だったのです。

Royal Popコレクションは、バイオセラミック素材の懐中時計8モデルで構成され、価格は400〜420ドル。ロイヤルオークの象徴である八角形ケースと8本ビスベゼルを踏襲しつつ、完全機械組立の新型手巻きムーブメントを搭載し、90時間のパワーリザーブを実現しています。Audemars Piguetが腕時計を許可しなかった理由は明快で、2万ドル超のロイヤルオークを所有する富裕層顧客のブランド価値を毀損しないためです。

ところが、Swatchの1986年POP譲りの着脱構造が状況を一変させました。ケースをホルダーから取り外せる設計が、サードパーティによる腕時計化を技術的に可能にしたのです。シンガポールのストラップメーカーDelugsはいち早く「Project WristPop」を発表し、ケースインターフェースとラバーストラップの一体型システムの開発に着手。発表からわずか24時間で卸業者や個人から引き合いが殺到しています。

最も速く動くのは中国の製造業者と見られています。サプライチェーン専門家のAaron Alpeter氏は、すでに中国で開発が始まっている可能性が高いと指摘。射出成型やCNC加工は中国工場の得意分野であり、寸法データさえ入手すれば数週間でプロトタイプ、1か月以内にオンライン販売が可能だと『Poorly Made in China』著者のPaul Midler氏も分析します。

この一連の出来事は、AI画像生成がブランドマーケティングにもたらす新たなリスクを浮き彫りにしています。2022年のMoonSwatch発表時には、テキストから写真級の画像を生成できるツールは一般に普及しておらず、Swatchが情報統制を維持できました。しかし今回は、AI が消費者の期待値を先行形成し、公式発表がそれに追いつけないという前例のない構図が生まれました。AI が作った幻想を中国の製造力が現実に変える。Swatchが何年もかけて開発した懐中時計は、深圳発の15ドルの腕時計アダプターの「シャーシ」として記憶される可能性すらあります。

MetaがWhatsAppにAIシークレットチャット機能を導入

プライバシー保護の仕組み

エンドツーエンド暗号化でAI会話を保護
TEE内で推論処理、Meta側も閲覧不可
セッション終了時にメッセージ自動消去
競合他社は最大30〜72時間ログを保持

新機能と今後の展開

最新モデルMuse Sparkを採用
Side Chat機能でグループ内AI利用が可能に
画像・音声対応を開発中
Meta AIアプリでも提供予定

Metaは2026年5月13日、WhatsAppおよびMeta AIアプリに「Incognito Chat」機能を導入すると発表しました。CEOのマーク・ザッカーバーグ氏は「サーバーに会話ログが一切残らない、初の主要AIプロダクト」と位置づけています。セッション終了時にメッセージは自動的に消去され、Metaを含む誰もその内容を閲覧できない仕組みです。

技術基盤には、昨年発表された「Private Processing」と呼ばれるセキュアクラウド技術を採用しています。AI推論はすべて信頼実行環境(TEE)内で処理され、エンドツーエンド暗号化を維持したままAI機能を提供します。ジョンズ・ホプキンス大学の暗号学者マット・グリーン氏も「Metaを含め誰にも会話を見られない」と評価しています。

競合サービスとの差別化も明確です。GoogleのGeminiは一時チャットでも最大72時間データを保持し、ChatGPTは30日間、Claudeも最低30日間ログを保管しています。Metaの方式はこれらと異なり、暗号化によってサーバー側でもデータにアクセスできない点が特徴です。AIチャットのログが訴訟で証拠として使われるケースが相次ぐなか、プライバシー需要は高まっています。

同時に発表された「Side Chat」機能も注目されます。グループチャット内で他の参加者に知られることなくMeta AIに質問できる仕組みで、レストラン選びや話題の確認などに活用できます。現時点ではテキストのみの対応ですが、画像処理や音声認識への拡張も開発中です。30億人超のユーザーを抱えるWhatsAppでの展開は、多くの人にとって初めてのプライバシー重視AIチャット体験となる可能性があります。

GoogleがAndroid版ChromeにGemini AI機能を搭載

ブラウジング支援の強化

Gemini 3.1ベースのAIアシスタント搭載
ページ内容の要約・質問応答に対応
カレンダーやGmail等と連携した生産性向上
Nano Bananaによる画像生成・編集機能

自動ブラウズと安全性

auto browseで煩雑なタスクを自動化
駐車場予約や定期注文変更をChromeが代行
購入・投稿前に確認を求める安全設計

Googleは2026年6月末より、Android版ChromeにGeminiのAI機能を順次導入すると発表しました。最新モデルGemini 3.1を基盤とし、ブラウジング中のAIアシスタント機能やエージェント型の自動ブラウズ機能をモバイル端末で利用可能にします。対象はAndroid 12以降を搭載する一部デバイスで、まずアメリカから展開されます。

Gemini in Chromeは、閲覧中のページ内容を理解したうえで質問への回答や長文記事の要約を行うパーソナルAIブラウジングアシスタントとして機能します。ツールバー右上のGeminiアイコンをタップするだけで起動し、アプリを切り替えることなくその場で情報を得られます。さらにGoogleカレンダーへの予定追加やGmailの情報検索など、Google各サービスとの連携による生産性向上も実現します。

Nano Bananaと呼ばれる画像生成機能も搭載されます。ウェブ上の画像をカスタマイズしたり、閲覧中のページ内容をインフォグラフィックに変換したりといった視覚的な活用が可能です。たとえば物件情報の部屋写真に家具を追加して完成イメージを確認するといった使い方が想定されています。

新たに導入されるauto browse機能は、ユーザーに代わってウェブ上の煩雑なタスクを自動処理します。イベントチケットの情報をもとに駐車場を予約したり、ペット用品の定期注文を変更したりといった操作をChromeが代行します。auto browseはAI ProおよびUltraの有料会員向けに提供されます。

セキュリティ面では、デスクトップ版と同等の保護機能を備え、プロンプトインジェクションなどの新たな脅威にも対応します。購入やSNS投稿といった重要な操作の前にはユーザーへの確認を求める設計となっており、利便性と安全性の両立を図っています。

GoogleがAndroid搭載ノートPC「Googlebook」を発表

Gemini統合の新体験

カーソル振るだけでGemini起動する「Magic Pointer」
画面内容を認識し文脈に応じた操作を提案
プロンプトでカスタムウィジェット作成可能

Androidエコシステム活用

Google Playのアプリがネイティブ動作
スマホアプリをストリーミングで即利用
スマホのファイルに転送不要でアクセス

今秋発売へ

Acer・ASUS・Dell・HP・Lenovoが製造
天板に光る「Glowbar」を全機種搭載

Googleは2026年5月12日、Androidをベースにした新カテゴリのノートPC「Googlebook」を発表しました。Chromebookの後継的位置づけで、AndroidとChromeOSの長所を融合し、Gemini Intelligenceを中核に据えた設計が最大の特徴です。同社はChromebookの廃止は否定しつつも、開発の重心をGooglebookへ移しています。

最大の目玉は「Magic Pointer」と呼ばれるカーソル連動のAI機能です。カーソルを振るとGeminiが全画面で起動し、画面上のコンテンツを認識して文脈に応じた操作を提案します。メール内の日付を指すだけでカレンダー予約を提案したり、2枚の画像を選択して即座に合成したりできるとGoogleはデモで示しました。Google DeepMindとの共同開発による技術です。

AndroidベースのためGoogle Playストアのアプリがネイティブに動作します。さらにスマートフォンとの連携を重視し、タスクバーのボタンからスマホアプリをストリーミングで起動できる機能や、ファイル転送なしでスマホのファイルにアクセスできる「Quick Access」を搭載します。サードパーティアプリストアやサイドロードへの対応方針は未定としています。

ハードウェアはGoogle自身ではなく、Acer、ASUS、Dell、HP、Lenovoの5社がOEMとして製造します。全モデルに天板の発光デザイン「Glowbar」を搭載し、Googlebookの象徴とする方針です。価格帯やスペックは各社で異なりますが、プレミアム志向の素材・設計を打ち出しています。発売は2026年秋を予定しており、詳細は今後順次発表される見込みです。

ハリウッド脚本家がAI訓練労働者に転身する現実

失業から転身した経緯

2023年ストライキ後の雇用崩壊
脚本家がデータ注釈者へ転職
時給52〜150ドルの専門家契約
不安定な独立請負人の立場

過酷な労働環境の実態

突然のプロジェクト中止と解雇
深夜のSlack通知と即時対応要求
週ごとに下がる報酬水準
若年管理者による統制体制

構造的な労働問題

独立請負人の誤分類訴訟
NDA下の沈黙と分断
人間性を削る効率化の圧力

米WIREDは2026年5月11日、ハリウッドの脚本家兼ショーランナーがAIモデルの訓練労働者として働く実態を、本人による手記として掲載しました。筆者は2023年のハリウッドストライキ後に仕事が激減し、2025年初頭からMercorやOutlierなどのAI請負企業を通じてデータ注釈の仕事を始めたと語っています。

業務内容は、チャットボットの応答品質評価、動画のタイムスタンプ注釈、画像からの人物除去パターン認識、LLMの安全性テストであるレッドチーム作業など多岐にわたります。専門家として時給70ドルから150ドルが提示される一方、一般作業者の報酬は時給16ドルまで下落しており、カリフォルニア州の最低賃金を下回るケースも発生しています。

労働環境の不安定さは深刻です。プロジェクトは予告なく突然中止され、Slackチャンネルは即座に消滅し、管理ツールへのアクセスも遮断されます。筆者は2026年2月から4月の間に4つのプラットフォームで7つのプロジェクトに採用と解雇を繰り返されました。タスクは有限で、深夜に突然公開されるため、即座に対応しなければ他の作業者に奪われるという状況が常態化しています。

管理体制にも問題が指摘されています。プロジェクトマネージャーの多くは大学を卒業したばかりの20代前半で、数十年のキャリアを持つ専門家を管理する構造になっています。評価基準は曖昧で頻繁に変更され、スコアが下がっても具体的な改善指針は示されません。「レビュアーへの昇進」も実質的な賃金上昇を伴わないことが明かされています。

法的な問題も浮上しています。複数の訴訟がMercorによる労働者の独立請負人への誤分類を主張しており、頻繁な研修義務、Slackの常時確認要求、短時間での対応期待など、実質的に雇用関係に該当する拘束があると指摘しています。Mercorは約300人の正社員に対し、毎週約3万人の独立請負人を稼働させているとされています。

筆者は当初ジャーナリストとしてではなく、生活のためにこの業界に入りましたが、AIをより人間的にするために人間が機械のように扱われる構造的矛盾を目の当たりにしたと結んでいます。ハリウッドのクリエイティブ人材がAI産業のギグワーカーとして搾取される現状は、AI開発を支える労働の持続可能性に根本的な疑問を投げかけています。

ChatGPTの中国語口癖が社会現象に、追従性の根深さ露呈

中国語の奇妙な口癖

「穏やかに受け止める」が定番フレーズ化
不自然な直訳調が中国語話者に違和感
ミーム化しエアバッグの風刺画像も拡散
開発者がジョークツールJiezhuを制作

原因は翻訳とおべっか

英語の「I've got you」の不自然な中国語変換が一因
強化学習による追従性がセラピー表現を増幅
微小な報酬シグナルがモデル全体に波及
ClaudeやDeepSeekにも同様の口癖が伝播

OpenAIのChatGPTが中国語で応答する際、「我会稳稳地接住你(あなたを穏やかに受け止めます)」という不自然なフレーズを繰り返し使用する現象が、中国のインターネットで大きな話題となっています。数学の問題や画像生成の依頼など文脈を問わず出現するこの表現は、ネイティブ話者には過剰に情緒的で場違いに映り、ミーム化が進んでいます。

この口癖は中国のSNS上で急速に拡散し、ChatGPTを救命エアバッグに見立てた風刺画像が人気を集めました。重慶の20歳の開発者Zeng Fanyu氏は、このミームに触発されてプロンプトエンジニアリングツール「Jiezhu」をオープンソースで開発しています。OpenAI自身も新画像モデル発表時にこの現象をネタにした画像を公開しており、問題を認識していることがうかがえます。

原因として2つの仮説が指摘されています。第一に、英語の「I've got you」を中国語に変換する際の不自然な翻訳です。西洋のLLMは主に英語コーパスで訓練されるため、中国語の応答にも英語的な構文が残りやすいことが学術研究で確認されています。中国語の前置詞使用頻度などを分析すると、英語話者の文体に近い特徴が見られます。

第二の原因は、強化学習を通じた追従性(sycophancy)の増幅です。Anthropicの2023年の論文は、人間のフィードバックがおべっか的な回答を優遇する傾向を確認しました。「穏やかに受け止める」は中国では本来心理療法の文脈でのみ使われる表現であり、セラピースピークの氾濫とAIの追従性が重なった結果と考えられています。

さらに懸念されるのは、この現象がChatGPTに留まらない点です。最近ではClaudeやDeepSeekなど他のLLMでも同様の口癖が確認されており、訓練データの共通性やモデル間の蒸留による伝播が疑われています。モード崩壊と呼ばれるこの問題は、AIの言語品質を均質に低下させるリスクをはらんでいます。

Google、AI検索のガーデニング活用例5選を公開

AI Modeの活用法

写真から庭のレイアウトを視覚化
Canvasで年間栽培計画を自動生成
カオスガーデンの種選びを提案
Search Liveで植物の異変を即時診断

検索トレンドの変化

「カオスガーデン」検索が140%増
「ミニガーデン」が2026年過去最高に
整然とした庭より自然な植栽が人気
地元店舗の在庫をAIが電話確認

Googleは2026年5月6日、AI搭載の検索機能をガーデニングに活用する5つの方法を公式ブログで紹介しました。Google Trendsのデータによると、花やハーブを自由に混ぜ植えする「カオスガーデン」への関心が2025年に急上昇し、2026年春も検索数が前月比140%増加しています。「ミニガーデン」の検索量も2026年に過去最高を記録しました。

注目されるのはAI Modeの多彩な使い方です。自宅のパティオやベランダの写真をアップロードすると、AIがその空間に合った植栽イメージを生成してくれます。さらにCanvas機能を使えば、月ごとの作業リストやコンパニオンプランティングの計画表を含む年間管理ガイドを作成できます。カオスガーデンに挑戦したいユーザーには、日当たりやスペースに応じた最適な種の組み合わせも提案します。

買い物の場面でもAIが役立ちます。Googleショッピングの「nearby」フィルターを使えば近隣の園芸店の在庫を確認でき、「AIによる代理電話」機能では、Googleが自動で店舗に電話をかけて商品の有無を問い合わせてくれます。子ども用のガーデニング手袋の検索も前月比180%増と、家族で楽しむ層の拡大がうかがえます。

もう一つの目玉がSearch Liveです。Google Lensで植物の写真を撮り、葉の黄変などの症状について「何が起きているのか」と質問すると、リアルタイムで対話しながら原因の特定や対処法の提案を受けられます。水やりの調整や剪定のタイミングといった具体的なフォローアップにも応答します。

今回の発表は、Googleが検索のAI機能を日常生活の具体的なシーンに落とし込む戦略を加速させていることを示しています。ガーデニングという親しみやすいテーマを通じて、AI Modeの画像理解やCanvas、Search Liveといった新機能の実用性をアピールした形です。

AnthropicがSpaceXAIの巨大データセンターと計算資源契約を締結

契約の概要と背景

Colossus 1の全計算資源を取得
300MW超・GPU約22万基の大規模契約
Claude Pro/Max利用者の容量拡大へ
軌道上データセンターにも関心表明

xAIの戦略転換とIPO

Grok利用減でネオクラウド事業に軸足
Colossus 2へ移行し旧施設を収益化
SpaceXAI上場に向けた投資家訴求
Google・Metaと異なる計算資源外販路線

AI業界の計算資源争奪戦

Anthropicのクラウド総契約が3000億ドル超規模に
主要クラウドの受注残の半分をAI企業が占有

AnthropicとSpaceXAIは2026年5月6日、AnthropicがxAIのメンフィス所在データセンター「Colossus 1」の計算資源を利用する契約を締結したと発表しました。Anthropicは同社の年次開発者カンファレンスで発表し、SpaceXAI側もブログ記事で詳細を公開しています。この契約により、Anthropicは300メガワット超の電力容量と約22万基のNvidia GPU(H100、H200、GB200)へのアクセスを得ます。

Anthropicはこの計算資源を「Claude Pro」「Claude Max」の利用者向け容量拡大に充てる方針です。近年、Claude Codeなどのサービスでは利用制限やサービス中断への不満が高まっており、開発者は週平均20時間以上Claude Codeを使用しているとされます。また、Anthropicは軌道上AI計算基盤の共同開発にも関心を示しており、SpaceXAIの宇宙データセンター構想の将来的な顧客となる可能性があります。

この提携はxAIの戦略的転換を象徴しています。xAIはすでにトレーニングを新施設Colossus 2に移行済みで、旧施設を外部に貸し出すことで収益化を図りました。TechCrunchの分析によれば、画像生成問題でGrokの利用者が減少するなか、xAIは計算資源の販売を主軸とする「ネオクラウド」企業へと変貌しつつあります。GoogleやMetaが自社のAI開発のために計算資源を囲い込む戦略とは対照的です。

SpaceXAIにとって、この契約はIPOを控えた重要な実績となります。Anthropicという有力顧客の存在は、軌道データセンターを含む今後の大規模インフラ投資の収益性を投資家に示す材料になります。一方で、競合に計算資源を販売する姿勢は、xAI自身のソフトウェア開発やコーディングツールへの野心と矛盾するとの指摘もあります。

AI業界全体では計算資源の争奪が激化しています。AnthropicはGoogle Cloudに2000億ドル、Amazonに1000億ドル超のコミット契約を結んでおり、AnthropicとOpenAIの契約だけで主要クラウド事業者の受注残2兆ドルの半分以上を占めるとも報じられています。計算資源の確保がAI開発の成否を左右する時代が本格化しています。

OpenAIが独自スマートフォンを2027年量産へ

ハードウェアの全容

MediaTek Dimensity 9600カスタム版を搭載
デュアルNPUで言語・視覚タスクを同時処理
強化ISPによる実世界の視覚認識能力
LPDDR6メモリとUFS 5.0ストレージ採用

事業目標と展望

2027年初頭の量産開始を目指す
2027〜2028年の累計出荷約3000万台を想定
Jony Iveデバイスとは別の製品ライン
Samsung旗艦機に匹敵する販売規模

OpenAIがChatGPT専用スマートフォンの開発を加速させていることが明らかになりました。サプライチェーンアナリストのMing-Chi Kuo氏が詳細を公開し、同社初のハードウェア製品となるこの端末は2027年初頭の量産開始を目指しているとのことです。以前から噂されていたJony Ive氏との協業によるAIデバイスとは別のプロジェクトとなります。

端末にはMediaTek Dimensity 9600のカスタム版が搭載される予定です。このチップは2026年秋にリリース見込みで、現行のDimensity 9500の後継にあたります。最大の特徴は強化されたHDR対応の画像信号プロセッサ(ISP)で、実世界の視覚認識能力を高める設計です。メモリにはLPDDR6、ストレージにはUFS 5.0が採用されます。

注目すべきはデュアルNPUアーキテクチャの搭載です。これにより言語処理と画像認識といった異なる種類のAI演算を同時に実行できるようになります。ChatGPTのマルチモーダル機能をデバイス上で高速に動作させることを狙った設計と考えられます。

Kuo氏によれば、2027年から2028年にかけての累計出荷台数は約3000万台に達する可能性があるとのことです。この数字はSamsungのフラッグシップモデルの年間販売台数に匹敵する規模であり、ハードウェア初参入の企業としてはきわめて野心的な目標です。AI企業がソフトウェアだけでなくハードウェアまで手掛ける動きが加速するなか、OpenAIがどこまで市場に食い込めるかが注目されます。

OpenAI、GPT-5.5 Instantを既定モデルに刷新

ハルシネーション大幅削減

医療・法律・金融で52.5%削減
ユーザー指摘の誤り37.3%減少
AIME数学スコア65.4→81.2に向上
画像解析や検索判断も改善

パーソナライズと応答品質

過去の会話・Gmail活用で個別最適化
回答の語数を30.2%削減、簡潔に
メモリソース表示で根拠を可視化
不要な絵文字・フォローアップを排除

OpenAIは2026年5月5日、ChatGPTの既定モデルをGPT-5.5 Instantに更新すると発表しました。従来のGPT-5.3 Instantを置き換え、全ユーザーに順次提供されます。APIでは「chat-latest」として利用可能になり、開発者も即座にアクセスできます。

最大の改善点はハルシネーションの大幅な削減です。社内評価によると、医療・法律・金融など正確性が求められる領域で、GPT-5.3比で52.5%のハルシネーション削減を達成しました。ユーザーから事実誤認の報告があった難易度の高い会話でも、不正確な回答が37.3%減少しています。数学ベンチマークAIME 2025では81.2点(従来65.4点)、マルチモーダル推論のMMMU-Proでも76点(同69.2点)と大きく性能が向上しました。

応答品質の面では、語数を30.2%、行数を29.2%削減し、冗長さを排除しつつ情報量を維持しています。不要な絵文字やフォローアップの質問も抑制され、より自然で実用的な対話が可能になりました。さらに過去の会話履歴やファイル、接続済みのGmailを活用したパーソナライゼーションが強化され、ユーザーが同じ情報を繰り返し伝える必要がなくなります。

新機能として全モデルに「メモリソース」表示が導入されます。AIが応答に使用した文脈(保存済みメモリや過去のチャット)を確認でき、古い情報の削除や修正が可能です。共有チャットでは他者にメモリソースは表示されません。パーソナライゼーション強化はまずPlus・Proユーザー向けにWeb版で提供開始し、モバイルやFree・Go・Business・Enterpriseプランへも数週間内に拡大予定です。

GPT-5.3 Instantは有料ユーザー向けに3か月間利用可能な状態が維持された後、廃止されます。OpenAIは過去にGPT-4oの廃止時にユーザーから強い反発を受けた経緯があり、今回は移行期間を設けることで混乱の軽減を図っています。同モデルはサイバーセキュリティおよび生物・化学分野で「High」能力と分類された初のInstantモデルであり、それに応じた安全対策が実装されています。

Gemini APIファイル検索、画像とメタデータに対応

マルチモーダルRAGの実現

画像とテキストの同時検索が可能に
Gemini Embedding 2モデルで画像を直接理解
自然言語での視覚的スタイル検索に対応
前処理不要でマルチモーダルデータを統合

精度と信頼性の強化

カスタムメタデータでフィルタリング精度向上
キーバリュー型ラベルでデータを構造化
ページ単位の引用で出典を明示
大規模PDFでもファクトチェックが容易に

Googleは2026年5月5日、Gemini APIのFile Search機能を大幅に拡張し、マルチモーダルデータを扱えるRAGシステムの構築を可能にしたと発表しました。従来はテキストのみだった検索対象が画像にも広がり、カスタムメタデータやページ単位の引用機能も新たに追加されています。

Gemini Embedding 2モデルを活用した新しいFile Searchでは、画像とテキストを同時に処理できます。たとえばクリエイティブエージェンシーが、キーワードやファイル名ではなく自然言語で「特定の感情やビジュアルスタイル」を記述して画像アーカイブを検索するといった用途が想定されています。

カスタムメタデータ機能により、非構造化データにキーバリュー形式のラベルを付与できるようになりました。department: Legalやstatus: Finalのようなフィルタをクエリ時に適用することで、無関係なドキュメントからのノイズを削減し、検索速度と精度の両方を改善します。

ページ引用機能は、大規模PDFから抽出された回答の出典をページ番号レベルで特定します。ユーザーが回答の根拠を即座に確認でき、ファクトチェックが必要な業務での信頼性を大きく高めます。

すでに複数の企業が早期導入を進めています。AI共同研究プラットフォームのK-Denseは科学画像の混合モーダル検索で高い精度を確認し、GIF検索のKlipyはテキスト内画像の理解精度向上とハルシネーション排除を評価しています。

GoogleがAI精密農業でベルギーの水資源保全を支援

AI精密農業の仕組み

衛星・熱画像から気候・水・土壌データを統合
灌漑・施肥の最適タイミングをAIが自動推奨
1,000ヘクタール超の農地が対象

期待される環境効果

年間約60万立方メートルの水を節約見込み
灌漑需要と肥料使用量の同時削減
地域の生態系保全とデータセンター周辺の水レジリエンス強化

Googleは、ベルギーを流れるスヘルデ川流域の水質・水量問題に対応するため、Agua SeguraとAgrow Analyticsの2社を支援し、AI精密農業の導入を進めています。対象は1,000ヘクタール超の農地で、衛星画像や熱画像から得られる気候・水・土壌データをAIが統合分析し、農家に最適な灌漑・施肥の判断材料を提供します。

Agrow Analyticsの技術プラットフォームは、複数のデータソースをリアルタイムで統合し、農家が水と肥料を効率的に使えるよう精密な推奨を行います。これにより、年間の灌漑需要を大幅に削減し、約60万立方メートル(約1億5,800万ガロン)の水の補充が見込まれています。

この取り組みの背景には、Googleのデータセンター運営における水資源への責任意識があります。同社はデータセンター周辺のコミュニティにおける水のレジリエンス構築を重要課題と位置づけており、今回のプロジェクトもその一環です。

AI技術を農業分野に応用することで、環境負荷の低減と生産性向上を両立させるモデルケースとして注目されます。特に水資源が逼迫する地域では、データ駆動型の精密農業が持続可能な食料生産の鍵を握ると考えられています。

画像AIモデルがアプリ集客の主力に

DL数への影響

画像モデル公開でDL数6.5倍増
ChatGPTは28日間で1200万DL増
Geminiは4倍超の2200万DL増

収益化の明暗

ChatGPTのみ7000万ドルの収益増
Geminiは18万ドルにとどまる
Meta AIはDL増も収益化できず

市場の構造変化

チャットボット更新の集客力が低下
視覚コンテンツが利用動機の中心に

アプリ分析企業Appfiguresの最新レポートによると、AIモバイルアプリにおける画像生成モデルの公開が、従来のチャットボットモデル更新と比べて6.5倍のダウンロード増をもたらしていることがわかりました。テキスト対話の性能向上よりも、画像生成機能がユーザー獲得の主要因になるという構造的な変化が起きています。

具体的には、OpenAIが2025年3月にGPT-4o画像モデルを公開した後の28日間で、ChatGPTは1200万件以上の追加インストールを獲得しました。これはGPT-4o、GPT-4.5、GPT-5といったチャットボットモデル公開時の約4.5倍に相当します。

GoogleのGeminiでも同様の傾向が確認されています。2025年8月のGemini 2.5 Flash画像モデル(Nano Banana)公開後、28日間で2200万件超のダウンロード増を記録し、通常の4倍以上の伸びとなりました。Meta AIのVibes(動画フィード)も260万件の追加DLを獲得しています。

ただし、ダウンロード増が収益に直結するとは限りません。ChatGPTは画像モデル公開後28日間で推定7000万ドルの消費者支出増を達成した一方、GeminiのNano Bananaは同期間でわずか18万1000ドルにとどまりました。Meta AIに至っては有意な収益増が見られませんでした。

この結果は、画像生成機能がアプリの試用動機として強力である一方、有料課金への転換には別の戦略が必要であることを示しています。AIアプリ市場では、視覚コンテンツ生成が新規ユーザー獲得の鍵を握る時代に移行しつつあります。

GoogleのAIエネルギー支援、2期生募集開始

アクセラレーターの概要

出資不要の支援プログラム
9月から11月までの3カ月間実施
Google Cloud基盤とAIツール提供
技術メンタリングとGTM戦略支援

対象と応募条件

北米・欧州・イスラエルが対象地域
プレシードからシリーズA後が対象
エネルギー効率・送電網・需要最適化の3領域
欧州は6月12日、北米は6月30日締切

Google for Startups Acceleratorは2026年5月4日、AIを活用してエネルギー分野の課題解決に取り組むスタートアップの応募受付を開始しました。2年連続の開催となる本プログラムは、送電網の近代化やエネルギー利用の効率化・低コスト化をAIで推進する企業を対象としています。

プログラムは9月から11月まで実施され、参加企業はエクイティフリー(出資不要)で支援を受けられます。Google Cloudのインフラや最先端AIツールへのアクセスに加え、AI・機械学習、プロダクトデザイン、市場戦略、リーダーシップ開発に特化したカリキュラムが提供されます。20以上のエネルギー関連企業やVCもパートナーとして参加します。

2025年の第1期では具体的な成果が報告されています。米国のArtemisはGemini統合により太陽光画像の3D抽出エラー率を半減させ、スペインのDelfosは風力・太陽光設備の故障を最大300日前に予測するAIを構築しました。フランスのTilt Energyは2カ国に展開を拡大し、数百MWの分散型フレキシブル容量を運用しています。

対象領域は3つです。第1にエネルギー効率化と活用(家庭や産業のエネルギーコスト削減)、第2に送電網の近代化(送電分析やGET技術)、第3に需要の柔軟化と最適化(仮想発電所や負荷集約)。IEAの予測では今後5年間の世界の年間電力需要が過去10年比で50%増加する見通しで、AI活用による電力インフラ整備の重要性が一段と高まっています。

DoorDash、AI活用で出店と写真編集を自動化

出店プロセスの効率化

既存サイトから自動情報取得
メニュー・営業時間・写真を一括反映
公開前に内容確認・編集が可能

写真編集と販促の強化

AI Retouchで背景・照明を最適化
AI Replateで料理を高品質に演出
動画から直接注文可能な機能追加

コマース基盤の拡張

既存コンテンツからWebサイト自動生成
注文転換率平均約10%を達成

DoorDashは2026年5月4日、加盟店向けにAIを活用した新ツール群を発表しました。出店手続きの簡素化、料理写真の自動編集、既存コンテンツからのWebサイト生成など、飲食店の業務負担を大幅に軽減する機能が追加されています。

出店ツールでは、加盟店が自社WebサイトのURLを指定するだけで、写真・営業時間・メニュー情報を自動取得し、アプリ上のリスティングを生成します。2024年にAmazonが導入した仕組みと類似しており、公開前に全情報の確認・編集が可能です。

写真編集では2つのAIツールが提供されます。AI Retouchは料理そのものを変更せずに背景置換・画像鮮明化・照明最適化を行い、AI Replateはプロの盛り付けのように料理写真を加工します。参照画像を指定してスタイルを適用する機能も備えています。

動画ライブラリも刷新され、動画内の料理にタグを付けて顧客が直接注文できる機能が追加されました。総再生数・動画経由の売上・新規顧客売上などの統計情報も確認できます。

コマースプラットフォームでは、DoorDash上の既存メニューや写真を活用してWebサイトを自動生成する機能をテスト展開し、平均約10%の注文転換率を記録しました。さらに、コンテンツ作成・メール配信・スケジュール管理を自動化するマーケティングキャンペーンビルダーも追加されています。

MicrosoftらAIディープフェイク検出ベンチマーク公開

検出精度向上の課題

生成AIの品質向上で検出が困難に
少数の生成器での訓練が汎用性を阻害
ラボと実環境の性能差が深刻

MNWベンチマークの特徴

多様な生成器からのメディアを網羅
後処理・改ざん操作も反映
春秋の定期更新で最新手法に対応

産学民連携の意義

3組織の知見を統合
透明性と検出基準の底上げを目指す

Microsoft、ノースウェスタン大学、非営利団体Witnessの共同チームが、AIディープフェイク検出システムの性能評価を目的とした新しいベンチマークデータセット「MNW」を公開しました。研究成果は2026年4月10日付でIEEE Intelligent Systems誌に掲載されています。生成AIによる偽メディアの品質が急速に向上する中、検出技術の遅れが社会的課題となっています。

現在のディープフェイク検出器は、限られた生成器のデータで訓練されるケースが多く、実環境での汎用性に欠けるという問題を抱えています。Microsoftの主任研究員Thomas Roca氏は「ラボのAIは野生のAIではない」と指摘し、既存のベンチマークでは高精度を示す検出器が、実際のオンライン環境では機能しない現状を問題視しています。

MNWベンチマークは、この課題に対応するため多種多様な生成器から作成されたフェイク画像・動画・音声を収録しています。リサイズやクロップ、圧縮といった後処理や、検出を逃れるための意図的な改ざんも反映しており、現実のAI生成メディアの実態を再現することを目指しています。

データセットは春と秋に定期更新される予定です。生成AIの進化に合わせて最新のアーティファクトや回避手法を取り込むことで、検出器が時代遅れになることを防ぎます。GitHubでオープンソースとして公開されており、開発者は自由にベンチマークとして利用できます。

産業界・学術界・市民社会の3つの視点を統合した点も特徴です。ノースウェスタン大学のMarco Postiglione氏は「どの組織単独でも達成できない」と連携の意義を強調しています。研究チームは、悪用のリスクを認識しつつも、ディープフェイク対策の緊急性がそれを上回ると判断し、検出技術の透明性と標準化に貢献する姿勢を示しています。

Harvard研究、AIが救急トリアージで医師超えの診断精度

研究の主要結果

o1モデルがトリアージ正診率67%
医師2名は55%・50%にとどまる
盲検評価でAI優位を確認

実用化への課題

テキスト情報のみで画像未対応
臨床試験の必要性を強調
AI診断の責任体制が未整備

専門家からの批判

比較対象が救急専門医でない点
救急医の本質的役割との乖離

ハーバード大学医学部とベス・イスラエル・ディーコネス医療センターの研究チームが、OpenAIの大規模言語モデルが救急外来のトリアージで医師と同等以上の診断精度を示したとする研究をScience誌に発表しました。76名の救急患者を対象に、AIモデル(o1・4o)と内科医2名の診断を盲検で比較した結果、特に初回トリアージの段階でAIが優位だったとしています。

具体的には、o1モデルが初回トリアージで正確またはそれに近い診断を示した割合は67%でした。一方、2名の内科医はそれぞれ55%と50%にとどまりました。評価は別の指導医2名が、どの診断がAIによるものか知らされない盲検方式で行っています。AIには電子カルテの情報がそのまま提供され、データの前処理は一切行われていません。

ただし研究チームは、AIが実際の救急現場で生死に関わる判断を下す準備ができているとは主張していません。むしろ、この結果は前向き臨床試験の緊急性を示すものだと位置づけています。共著者のRodman医師は、AI診断に対する説明責任の枠組みが現時点で存在しないことを指摘し、患者は依然として重要な判断を人間の医師に委ねたいと考えていると述べています。

一方で専門家からは批判的な声も上がっています。救急医のPanthagani氏は、比較対象が救急専門医ではなく内科医であった点を問題視しました。救急医の主な役割は最終診断を当てることではなく、致命的な状態を見逃さないことだと指摘し、報道の見出しが研究結果を過大に伝えていると警告しています。AIの医療応用が進むなかで、適切な評価基準と責任体制の整備が急務と言えるでしょう。

NSAがAnthropic Mythosで脆弱性発見を試験

NSAのAI活用

MythosでMS製品の脆弱性探索
40組織に限定公開中のAIツール
国防総省のAnthropic禁止令下で利用継続

Disneyの顔認証導入

カリフォルニア2パークで運用開始
任意参加だが画像撮影は全員対象

その他セキュリティ動向

Scattered Spiderの19歳容疑者逮捕
Medicare DBから医療者のSSN漏洩

米国家安全保障局(NSA)が、AnthropicのAIモデル「Mythos Preview」を使ったソフトウェア脆弱性の発見テストを実施していることが報じられました。BloombergとAxiosによると、NSAはMicrosoft製品のバグ探索にMythosを利用し、その速度と有効性に高い評価を示しています。現在Mythosへのアクセスは40組織に限定されています。

注目すべきは、国防総省がAnthropicを「サプライチェーンリスク」として利用禁止を宣言している中での動きである点です。ヘグセス国防長官は6カ月の移行期間を設けていますが、NSAがMythosの能力を理由に例外措置を検討する可能性も取り沙汰されています。Anthropic側は禁止令に対し訴訟を起こしています。

一方、ウォルト・ディズニー社はカリフォルニアのディズニーランドとディズニー・カリフォルニア・アドベンチャーで顔認証技術の導入を発表しました。来園者は顔認証レーンを「任意で」選択できますが、通常レーンでも画像が撮影される可能性があると説明されています。顔データは30日後に削除されるとのことです。

ランサムウェアグループ「Scattered Spider」の19歳の容疑者がフィンランドの空港で逮捕されました。MGMリゾーツやシーザーズ・エンターテインメントなどへの攻撃に関与した同グループは、英語圏の若年メンバーが多いことで知られています。容疑者は複数企業から数百万ドルを窃取した疑いが持たれています。

また、メディケアのオンラインディレクトリに紐づくデータベースが少なくとも数週間にわたりインターネット上で公開状態となり、医療提供者の社会保障番号などの個人情報が露出していたことがワシントン・ポストの報道で判明しました。このディレクトリはトランプ政権による医療提供者の全国データベース構築の一環として運用されていました。

米ミネソタ州がAIヌード生成アプリを全米初の禁止

法律の概要と罰則

全米初のAI裸体化アプリ禁止法
違反1件あたり最大50万ドルの罰金
州上院が65対0で全会一致可決
2026年8月から施行開始予定

立法の背景と影響

男性1人が知人女性80人以上を被害に
被害者への法的救済手段を初めて整備
Photoshop等の汎用ツールは適用除外
罰金は性暴力被害者支援に充当

米ミネソタ州が全米で初めて、AIを使った「ヌード化」アプリを禁止する法律を可決しました。同法は、実在する人物の画像を裸体化・性的に加工するウェブサイトやアプリ、ソフトウェアの開発者に対し、懲罰的損害賠償を含む広範な責任を課すものです。州司法長官は違反1件あたり最大50万ドル(約7,500万円)の罰金を科すことができ、徴収された罰金は性暴力や児童虐待の被害者支援サービスに充てられます。

ミネソタ州上院は4月30日、65対0の全会一致でこの法案を可決しました。先週には州下院でも迅速に可決されており、ティム・ウォルズ知事の署名を経て、2026年8月から施行される見通しです。法案が成立すれば、違反するアプリやサービスは州内でブロックされる可能性もあります。

法案提出のきっかけとなったのは、ミネソタ州在住の男性が自身の知人女性80人以上の画像をAIで裸体化していた事件です。民主党のエリン・メイ・クエイド上院議員がこの問題を受けて法案を提出し、被害者に初めて法的救済の道を開きました。全米性暴力被害者支援団体RAINNも法案策定に協力しています。

同法はAdobe Photoshopなど高度な技術スキルを要する汎用ツールは適用除外としており、あくまで誰でも簡単に使える専用の「脱衣アプリ」を対象としています。AIによるディープフェイクポルノが世界的に急増するなか、特に女性や子どもの被害が深刻化しており、他州への波及効果が注目されます。

Planet Labs、衛星上AIで航空機を数秒検出

軌道上AI処理の実現

Pelican衛星でAI画像認識
1画像0.5秒で処理完了
撮影から数分でユーザーへ配信
従来は地上転送に6〜12時間

次世代衛星網の構想

Owl衛星群で毎日1m解像度
自律的に異常検知し高解像度撮影
将来はLLMを宇宙で稼働
Googleと2027年に試験衛星打上げ

米Planet Labsは、同社の高解像度衛星Pelican-4に搭載したAIモデルで、オーストラリアのアリススプリングス空港の航空機を自動検出することに成功したと発表しました。衛星上で画像認識アルゴリズムを実行し、16,000ピクセルの画像を0.5秒で処理できます。これにより、撮影から数分以内に分析結果をユーザーに届けることが可能になりました。

従来の地球観測では、衛星が取得した膨大なデータを地上に転送し、クラウドで処理するまでに6〜12時間を要していました。同社エンジニアリング担当副社長のKiruthika Devaraj氏は「過去を見ているのと同じだった」と指摘します。山火事など一刻を争う事態では、この遅延が被害拡大につながるリスクがありました。

AI処理にはNVIDIA Jetson ORIN GPUモジュールが使われており、18カ月の開発期間を経て検出精度80%を達成しました。次世代アルゴリズムでは95%超を目標としています。今後6〜9カ月以内にリアルタイムAI検出サービスを顧客に提供する計画です。

さらにPlanet Labsは、次世代のOwl衛星群により「惑星知能」の実現を目指しています。Owl群が地球を常時監視し、異常を自律的に検知して高解像度のPelican衛星に再撮影を指示する仕組みです。将来的にはJetson Thorプロセッサへの移行や、宇宙空間でのLLM稼働も視野に入れています。

同社はGoogleとSuncatcherプロジェクトで協業しており、2027年にプロトタイプ衛星2基の打上げを予定しています。宇宙空間でのデータ処理インフラ構築には、SpaceXやAmazonも関心を示しており、太陽光発電と自然冷却を活用できる利点がある一方、打上げコストの課題も残されています。

Meta、プライバシー問題告発の委託先Samaとの契約を打ち切り

契約打ち切りの経緯

Ray-Ban Meta映像で私的場面を視聴と告発
告発報道の約2カ月後に契約終了
Sama側は基準未達の通知なしと主張

影響と背景

ケニア拠点の1,108人が職を失う
データ注釈業務で映像・画像を処理
労働者は報復的解雇と認識
Metaは「基準未達」と説明

Metaは、スマートグラス「Ray-Ban Meta」のデータ注釈業務を委託していたケニア拠点の企業Samaとの契約を終了しました。2026年2月、Samaの従業員が複数のメディアに対し、Ray-Ban Metaで撮影された利用者の着替えや性行為、トイレ使用などの極めて私的な映像を業務で視聴していたと告発していました。

BBCの報道によると、スウェーデンやケニアのジャーナリストによる告発記事の公開から2カ月足らずで、Metaは契約を打ち切りました。Metaの広報担当者はBBCに対し「Samaが当社の基準を満たしていない」と説明しましたが、具体的にどの基準を満たさなかったかについては明らかにしていません。

一方、Samaは基準未達の通知を受けたことはないと反論しています。Samaの従業員たちは、私的映像の視聴を外部に告発したことへの報復として契約が打ち切られたと考えています。Samaによれば、この契約終了により1,108人の労働者が影響を受けました。

今回の問題は、AIのデータ注釈作業におけるプライバシー保護と労働者の内部告発に対する企業の対応という、AI開発プロセスの根幹に関わる課題を浮き彫りにしています。スマートグラスのように常時撮影が可能なデバイスでは、意図せず記録された映像の取り扱いが今後も大きな論点となります。

AI生成ポルノの作り方を販売、アリゾナで提訴

手口と被害の実態

実在女性の写真でAIモデルを訓練
月額24.95ドルで作成手法を販売
フォロワー5万人未満の女性を標的に指示
50万件超の画像・動画が生成済み

法規制と課題

Take It Down法は2026年5月施行予定
州法は事後対応にとどまる傾向
プラットフォーム削除は「もぐら叩き」状態
アリゾナ州で自動検出義務化法案を提出

2026年4月30日、米WIREDは、アリゾナ州フェニックスの男性3人がSNS上の女性の写真を無断で収集し、AIで生成したポルノコンテンツの作成方法を有料で販売していたとして提訴された事案を報じました。被告らはCreatorCoreというソフトウェアを使い、実在の女性に酷似したAIインフルエンサーを作成し、Fanvueで販売していたとされます。

訴状によると、被告らは「AI ModelForge」というプラットフォームを通じ、月額24.95ドルで他の男性にも同様の手法を指導していました。女性のSNS写真をスクレイピングしてAIモデルに学習させる手順書を提供し、1か月で5万ドル以上の収入を得ていたとされます。2025年時点でCreatorCoreには8,000人以上の有料会員がおり、50万件を超える画像・動画が生成されていました。

被告らは法的リスクを避けるため、フォロワー5万人未満の一般女性を標的にするよう受講者に指示していたと訴状は指摘しています。原告の1人であるMGさんはフォロワー約9,000人の一般女性で、自身の顔や体型に酷似したAI生成画像がInstagramで拡散されていることを知人からの通報で知りました。

アメリカでは2025年5月にTake It Down法が成立し、非合意のAI生成性的コンテンツの公開を違法としましたが、施行は2026年5月です。アリゾナ州議会ではウェブサイトに自動検出ツールの導入を義務付ける法案が提出されていますが、削除してもすぐ再掲載される「もぐら叩き」状態が続いており、被害者の救済には課題が残っています。

DAIMON、ロボット触覚の大規模データセットを公開

触覚センサーの技術優位

指先サイズに11万超の感知ユニット搭載
視覚ベースの単色触覚センシング技術
力・滑り・摩擦・材質を同時に検出

データセットと業界連携

1万時間分のデータをオープンソース化
Google DeepMindら国際機関と共同開発
80以上の実環境・2000超の人間スキルを収録

VTLAモデルの提唱

触覚を視覚と同格の入力に引き上げ
コンビニ・ホテルなど実用展開を想定

香港発のスタートアップDAIMON Roboticsが、ロボットの物理的AI向けとしては世界最大規模のマルチモーダルデータセット「Daimon-Infinity」を公開しました。高解像度の触覚センシングデータを含み、洗濯物の折りたたみから工場の組み立てラインまで幅広いタスクをカバーしています。Google DeepMind、ノースウェスタン大学、シンガポール国立大学などが開発に参加しています。

同社の中核技術は、指先サイズのモジュールに11万個以上の感知ユニットを搭載した単色視覚ベース触覚センサーです。接触力だけでなく、変形・滑り・摩擦・材質・表面テクスチャまで記録でき、物理的なインタラクションの包括的な再構築を可能にします。分散型のラボ外データ収集ネットワークにより、年間数百万時間規模のデータ生成能力を持つとしています。

共同創業者のMichael Yu Wang教授は、現在主流のVision-Language-Action(VLA)モデルに触覚を加えたVision-Tactile-Language-Action(VTLA)アーキテクチャを提唱しています。触覚なしではロボットは暗所での物体認識や繊細な物体の把持に失敗しやすく、精密な力制御ができないと指摘します。視覚ベースの触覚センサーは画像形式でデータを出力するため、VLAフレームワークとの統合が自然に行える点が強みです。

ビジネスモデルは「3D」戦略として、デバイス(Devices)・データ(Data)・展開(Deployment)の垂直統合を掲げています。業界全体のデータ不足を解消するため、1万時間分のデータをオープンソース化しました。すでに中国のコンビニエンスストアでは、密集した棚から商品を取り出すために3本指での巧緻な操作が求められる場面でのロボット導入が検討されています。

Wang教授はカーネギーメロン大学でロボット操作の研究を始め、香港科技大学にロボティクス研究所を設立した経歴を持ちます。ロボットの巧緻操作は長年進展が遅かったものの、AIとハードウェアの同時進化により実用化の条件が整いつつあるとの見方を示しています。同社は将来的に、ロボットが家庭や日常生活に溶け込む「信頼できるパートナー」となることを目指しています。

SenseTime、高速画像生成の新モデルを公開

モデルの技術的特徴

画像をテキスト変換せず直接処理
既存モデルより大幅に高速な生成
PCやスマホでも動作可能な軽量設計

中国半導体との連携

中国製チップ10社が互換性を確認
オープンソースで国際連携を維持
ロボティクス分野への応用を視野

SenseTimeの戦略転換

顔認識大手から生成AIへ軸足
反復速度重視でオープンソース選択

米国の制裁対象である中国AI企業SenseTimeは4月29日、オープンソースの画像生成モデル「SenseNova U1」を公開しました。同モデルは画像をテキストに変換せず直接処理する独自技術「NEO-Unify」を採用しており、米国の競合モデルを大幅に上回る速度で画像の生成と解釈が可能だと同社は主張しています。

U1の最大の特徴は、画像をネイティブに「読む」能力にあります。従来のモデルが画像を一度テキストに変換して処理するのに対し、U1は画像のまま推論を行うことで処理速度を向上させ、必要な計算資源を削減しています。共同創業者のDahua Lin氏は「モデルの推論プロセスはもはやテキストに限定されない」と述べています。モデルはPCやスマートフォンでも動作可能な軽量設計で、幅広い活用が期待されます。

注目すべきは、U1が中国製チップで動作する点です。公開日にはCambricon、Biren Technologyなど10社の中国半導体メーカーが互換性を発表しました。米国の輸出規制により最先端AI半導体へのアクセスが制限される中、中国製チップへの対応は戦略的に重要な意味を持ちます。SenseTimeはHugging FaceとGitHubでモデルを無料公開しており、中国企業がオープンソースAIの主要な貢献者となっている傾向をさらに強めています。

技術的な性能面では、U1は市場の全オープンソースモデルを上回る画質を実現したとSenseTimeは主張しています。AlibabaのQwenやByteDanceのSeedreamといった中国のクローズドソースモデルに匹敵する一方、OpenAIのGPT-Image-2.0にはまだ及ばないとされています。ただし速度面ではこれらすべてのモデルを凌駕するとのことです。

SenseTimeはかつて顔認識技術で世界をリードしていましたが、ChatGPT以降の生成AIブームでDeepSeekやMiniMaxなど新興企業に後れを取っていました。同社はオープンソース戦略により研究者からのフィードバックを得て反復速度を高める方針に転換。Lin氏は「オープンかクローズドかではなく、反復の速度こそが勝敗を分ける」と語っています。また、この技術はロボットが視覚情報を高速に処理するうえで特に有用であり、中国のヒューマノイドロボット市場への展開も見据えています。

MIT、AIビジョンモデルのバイアス除去で新手法を開発

従来手法の課題

投影法はバイアス除去時に別のバイアスを増幅
モグラ叩きジレンマの発生
人種バイアス除去で性別バイアス悪化

WRING手法の特長

高次元空間の座標を回転させてバイアス無効化
学習済みモデルに後処理で適用可能
他の関係性を維持したまま対象バイアスを低減

今後の展望

現在はCLIPモデルに限定
生成型言語モデルへの拡張を計画

MITやウースター工科大学、Googleの研究チームが、AIビジョン言語モデル(VLM)のバイアスを効果的に除去する新手法「WRING(Weighted Rotational DebiasING)」を発表しました。この研究は2026年のICLR(国際学習表現会議)に採択されています。医療現場では皮膚病変の分類にAIが使われていますが、特定の肌色に偏ったモデルは高リスク患者を見落とす可能性があり、バイアスは安全上の重大な課題となっています。

従来広く使われてきた「投影デバイアス」手法は、モデルの埋め込み空間からバイアスに関連する部分空間を取り除くものです。しかしこの方法には「モグラ叩きジレンマ」と呼ばれる問題がありました。ある種のバイアスを除去すると、周囲の関係性が歪み、別のバイアスが増幅・生成されてしまうのです。たとえば人種バイアスを除去すると、性別バイアスが悪化するといった事態が起こります。

WRINGは、モデルの高次元空間においてバイアスの原因となる座標を異なる角度に回転させることで、特定の概念におけるグループ間の区別をモデルができなくする仕組みです。投影デバイアスのように部分空間を削除するのではなく、回転操作を行うため、他の学習済み関係性を損なわずに対象のバイアスだけを低減できます。しかも後処理として適用できるため、大規模モデルの再学習は不要です。

研究チームの実験では、WRINGはターゲットとなるバイアスを大幅に低減しつつ、他の領域でバイアスを増加させないことが確認されました。ただし現時点では、画像と言語を結びつけるCLIPモデルへの適用に限定されています。筆頭著者のWalter Gerych氏は、ChatGPTのような生成型言語モデルへの拡張が次のステップだと述べています。

Google TVにGemini搭載の画像・動画生成機能が追加

Gemini創作機能

Nano Bananaで写真を音声加工
Veoによる動画生成が可能に
Google Photosの音声検索に対応
写真を水彩画風などにリミックス

ホーム画面の刷新

YouTube Shorts専用行を追加
ダイナミックスライドショー機能
米国のTCL対応機から順次展開
将来的に他プラットフォームも検討

Googleは2026年4月29日、Google TV向けにGeminiを活用した新機能群を発表しました。目玉は画像生成モデルNano Bananaと動画生成AIVeoのテレビ上での利用で、Geminiタブの「Create」ボタンから音声プロンプトで写真の加工や動画の生成が可能になります。まず米国のGemini対応TCLテレビから提供が開始されます。

Nano Bananaでは「父に変な服を着せて」といった音声指示で写真を変換でき、背景の差し替えや新しいシーンの生成にも対応します。Veoでは静止画にモーションを加えたり、テキスト指示だけでクリップを一から作成できます。Googleはこれらをリビングでの共有体験として位置づけています。

Google Photosにも複数の強化が加わります。Geminiによる音声検索で旅行や誕生日パーティーなどの写真を素早く呼び出せるほか、「リミックス」機能で水彩画や油絵風のスタイルを適用できます。さらにダイナミックスライドショーでは、アルバムをコラージュやアニメーション付きのスクリーンセーバーとして表示できます。

AI機能に加え、ホーム画面にはYouTube Shortsのパーソナライズフィード「Short videos for you」が今夏から米国で追加されます。YouTubeがモバイルでShortsの非表示オプションを導入した直後の動きですが、Googleはテレビでのショート動画需要を見込んでおり、将来的にはShorts以外のプラットフォームへの拡張も示唆しています。

DeepInfraがHugging Face推論プロバイダーに参加

統合の概要

サーバーレス推論基盤として統合
100超のモデルを低コストで提供
会話・テキスト生成タスクに対応

対応モデルと利用法

DeepSeek V4やKimi-K2.6等に対応
Python・JS両SDKから利用可能
HF経由ルーティングで追加料金なし

今後の展開

画像・動画生成等も順次対応予定
PROユーザーに月2ドル分のクレジット

DeepInfraが、Hugging Face Hubの推論プロバイダーとして新たに統合されました。DeepInfraは業界でも最も低コストなトークン単価を誇るサーバーレスAI推論プラットフォームで、100以上のモデルカタログを持ち、開発者が最小限のセットアップでAI機能をアプリケーションに組み込めます。

今回の初期統合では、会話およびテキスト生成タスクをサポートしています。DeepSeek V4、Kimi-K2.6、GLM-5.1など人気のオープンウェイトLLMにアクセスできるようになりました。テキストから画像・動画への生成やエンベディングなど、追加タスクへの対応も順次展開される予定です。

利用方法は2つあります。ユーザーが自身のDeepInfra APIキーを設定して直接リクエストを送る方法と、Hugging Face経由でルーティングする方法です。後者の場合、プロバイダーのトークンは不要で、標準的なプロバイダー料金のみが課金されます。Hugging Face側の追加マークアップはありません。

SDKとの統合も進んでおり、Pythonのhuggingface_hubやJavaScriptの@huggingface/inferenceから簡単に利用できます。さらにPi、OpenCode、Hermes Agentsなど主要なエージェントハーネスにも統合済みで、追加のコードなしでDeepInfraホストモデルを活用可能です。PROプランのユーザーには毎月2ドル分の推論クレジットが付与され、複数プロバイダーにまたがって利用できます。

NVIDIA、視覚・音声・言語を統合した軽量マルチモーダルAIモデルを公開

モデルの特徴と性能

視覚・音声・テキストを単一モデルで処理
文書理解など6つのベンチマークで首位
従来比最大9倍のスループット向上

アーキテクチャと技術基盤

Mamba-Transformer-MoEのハイブリッド構成
動的解像度で高精細文書に対応
音声エンコーダによるネイティブ音声入力

活用領域と展開

GUIエージェントや文書分析に対応
オープンウェイトで公開・商用利用可

NVIDIAは2026年4月28日、マルチモーダルAIモデルNemotron 3 Nano Omniを公開しました。このモデルはテキスト・画像・動画・音声を単一のアーキテクチャで処理できるオムニモーダルモデルで、AIエージェントの構築を効率化することを目的としています。パラメータ規模は30B(アクティブ3B)で、従来のように複数モデルを組み合わせる必要がなくなります。

性能面では、文書理解のMMLongBench-DocやOCRBenchV2、動画理解のWorldSense、音声理解のVoiceBenchなど6つの主要ベンチマークでトップの精度を記録しています。同等の対話性能を持つオープンなオムニモデルと比較して、マルチドキュメント処理で7.4倍、動画処理で9.2倍のシステム効率を実現しました。

アーキテクチャの核となるのは、23層のMamba状態空間モデル、23層のMixture-of-Experts(128エキスパート、Top-6ルーティング)、6層のグループ化クエリアテンションを組み合わせたハイブリッド構成です。視覚側にはC-RADIOv4-Hエンコーダを採用し、動的解像度処理により100ページ超の文書やGUIスクリーンショットにも対応します。音声側にはParakeet-TDT-0.6B-v2エンコーダを搭載し、最大20分の音声入力をネイティブに処理できます。

想定される活用領域は、企業文書の分析、GUI操作を行うコンピュータ使用エージェント、長時間の動画・音声理解、自動音声認識、そして汎用的なマルチモーダル推論の5分野です。すでにH Company、Aible、Eka Care、Foxconnなどが採用を進めており、Dell Technologies、Oracle、Infosysなども評価段階にあります。

モデルはオープンウェイトで公開されており、BF16・FP8・NVFP4の各チェックポイントがHugging Faceからダウンロード可能です。訓練データや手法も公開されているため、NVIDIA NeMoを使った独自のカスタマイズが可能です。NVIDIA Jetsonのようなエッジデバイスからデータセンター、クラウドまで幅広い環境にデプロイでき、Nemotronファミリー全体では過去1年で5,000万回以上のダウンロードを達成しています。

Claude、Adobe・Blender等と直接連携可能に

対応ソフトと主な機能

Adobe Creative Cloudと連携
BlenderのPython APIを自然言語で操作
Abletonの公式ドキュメント参照対応
Autodesk・Affinityにも対応

Blender支援と戦略

開発基金に年24万ユーロ以上拠出
Netflix等と並ぶ最上位スポンサー就任
Claude Designに続くクリエイティブ展開

Anthropicは2026年4月28日、AIチャットボットClaudeを主要クリエイティブソフトウェアに直接接続する「クリエイティブコネクタ」の提供を開始しました。対応するソフトウェアはAdobe Creative Cloud、Blender、Ableton、Autodesk、Affinityなど多岐にわたります。今月初めに発表したClaude Designに続き、クリエイティブ業界への参入を加速する動きです。

各コネクタはソフトウェアごとに異なる機能を提供します。Adobe向けコネクタではPhotoshop、Premiere、Expressなどから画像・動画・デザインをClaude上で扱えるようになります。Blender向けコネクタは3DモデリングソフトのPython APIに自然言語インターフェースを提供し、シーンのデバッグや新規ツール構築、オブジェクト変更の一括適用が可能です。Ableton向けコネクタは公式ドキュメントを参照して質問に回答します。

Anthropicはこの発表に合わせて、Blender開発基金のCorporate Patronに就任したことも明らかにしました。Netflix、Epic Games、Wacomと並ぶ最上位スポンサー枠で、年間少なくとも24万ユーロ(約2,810万円)を拠出します。Blender財団はこの支援によりプロジェクトの独立した推進とアーティスト向けツール開発を継続できるとしています。

Anthropicは「Claudeは趣味や想像力を置き換えることはできないが、より速く野心的なアイデア出し、より広いスキルセット、大規模プロジェクトへの挑戦を可能にする」と述べています。反復的な作業の排除によって、クリエイターが創造的なプロセスに集中できる環境を目指す方針です。

Amazon、商品ページにAI音声Q&A機能を導入

新機能の概要

会話型AIが音声で回答
商品特徴やレビューを要約
テキストと音声の両方で質問可能

買い物体験の進化

質問に応じて回答内容が変化
「Hear the highlights」の拡張機能
Rufusなど既存AI機能群と連携

提供状況

米国のAmazonアプリで利用可能
対象商品は段階的に拡大

Amazonは2026年4月28日、ショッピングアプリの商品ページでAI音声Q&A;機能「Join the chat」を公開しました。ユーザーが商品について質問すると、AIがリアルタイムで会話形式の音声回答を生成します。商品の特徴やカスタマーレビューなどの情報を統合し、店舗の詳しい店員と話すような体験を提供することが狙いです。

この機能の特徴は、ユーザーの質問に応じて会話が展開する点にあります。前の回答を踏まえてより関連性の高い情報を提供し、同じ内容を繰り返さないよう設計されています。例えば「このコーヒーメーカーは初心者向きか」「このセーターはチクチクしないか」といった具体的な質問に、レビュー情報を交えて答えることができます。

「Join the chat」は、昨年5月からテスト運用されている音声要約機能「Hear the highlights」の拡張として位置づけられています。「Hear the highlights」は数百万の商品ページで短い音声サマリーを提供しており、ユーザーは商品画像の下にあるボタンから音声要約を聴いたうえで、さらに詳しく知りたい場合に「Join the chat」で質問できます。

今回の機能追加は、AmazonのAIショッピングツール群の拡充の一環です。すでに商品リサーチを支援する生成AIアシスタント「Rufus」、ユーザーの好みに合った商品を継続的に提案する「Interests」、閲覧・購買履歴に基づく商品提案機能「Help me decide」などが展開されており、AI活用による購買体験の向上を加速させています。

OpenAI個人情報保護モデルで3つのアプリを構築

モデルの特徴と性能

15億パラメータ、活性50Mの軽量設計
Apache 2.0の寛容ライセンス
128Kトークンの長文一括処理
PII検出ベンチマークで最高精度達成

3種のデモアプリ構成

PDF等の個人情報を自動強調表示
画像内の個人情報を黒塗り処理
貼り付けテキストの秘匿共有機能
gradio.Serverで統一的に構築

OpenAIが公開した個人情報保護モデル「Privacy Filter」を活用し、Hugging Faceの開発者3名が実用的なWebアプリ3本を構築しました。Privacy Filterは15億パラメータのモデルで、活性パラメータは5000万、Apache 2.0ライセンスで提供されています。128Kトークンのコンテキストに対応し、PII検出ベンチマークで最高精度を達成しています。

1つ目の「Document Privacy Explorer」は、PDFやDOCXファイルをアップロードすると、個人名・メールアドレス・電話番号などの個人情報を自動検出してカテゴリ別にハイライト表示するアプリです。128Kコンテキストを活かし、文書全体を一括処理するためチャンク分割が不要です。

2つ目の「Image Anonymizer」は、スクリーンショットや画像内の個人情報を黒塗りで自動秘匿するツールです。Tesseract OCRで文字領域を抽出した後にPrivacy Filterで検出し、ピクセル座標の矩形として返します。ブラウザ上でバーの表示切替やドラッグ移動、手動追加も可能です。

3つ目の「SmartRedact Paste」は、テキストを貼り付けると秘匿済みの公開URLと、原文を確認できるトークン付き非公開URLの2つを生成するプライバシー対応ペーストビンです。多言語テキストにも対応しています。

3つのアプリはすべてgradio.Server上に構築されています。モデル推論は@server.apiデコレータでGradioのキューに載せ、ZeroGPU割り当てやプログレス通知を活用します。静的ページの配信にはFastAPIのルートを使い、モデル呼び出しとUI提供を明確に分離する設計パターンが共通しています。

Choco、OpenAI活用で食品受注を自動化

AIエージェントの導入成果

年間880万件超の受注処理
手作業の50%削減を達成
営業チーム生産性が2倍に向上
エラー率1〜5%以下を維持

マルチモーダル受注の仕組み

メール・SMS・画像・音声を構造化
VoiceAgentで24時間電話受注
顧客ごとの文脈を推論に反映

今後の展開

非エンジニアによるエージェント運用へ拡大

食品流通プラットフォームのChocoは、OpenAIのAPIを基盤としたAIエージェントを導入し、食品・飲料の受発注業務を大規模に自動化しました。同社は米国・英国・欧州・中東で2万1000社以上の卸売業者と10万社以上の買い手をつなぐプラットフォームを運営しており、年間880万件超の注文を処理しています。

従来、注文はメール・テキスト・ボイスメール・手書きメモなど多様な形式で届き、担当者がERPシステムへ手入力していました。この作業は遅く、ミスも多く、事業拡大のボトルネックとなっていました。特に顧客固有のSKUマッピングや配送パターンといった暗黙知の処理が最大の課題でした。

ChocoはOrderAgentと呼ばれるAIエージェントを開発し、メール・SMS・画像・文書などマルチモーダルな入力を構造化された注文データに変換する仕組みを構築しました。さらにVoiceAgentをOpenAIのRealtime APIで実装し、電話での自然な注文受付をサブ秒のレイテンシで24時間対応可能にしています。

導入効果として、手作業による受注入力を最大50%削減し、営業チームは人員を増やさず生産性を2倍に向上させました。エラー率は1〜5%以下に抑えられ、自動化の閾値も設定可能です。評価基盤として少数の正解データセットによるA/Bテストと継続的モニタリングを実施し、精度を担保しています。

今後Chocoは、営業・商取引・サプライチェーン全体でより自律的なAIシステムの展開を計画しています。非エンジニアがエージェントオーケストレーターとしてAIシステムを設計・管理する新たな運用モデルへの移行を進めており、ワークフローソフトウェアからAI実行基盤への転換を加速させる方針です。

CanvaのAIツールがデザイン中の「Palestine」を自動置換し謝罪

問題の発覚と内容

Magic Layers機能で発生
「Palestine」が「Ukraine」に置換
画像のレイヤー分解用AI機能
Xユーザーの投稿で広く拡散
「Gaza」など関連語は影響なし

対応と業界への影響

Canvaが公式に謝罪し修正
再発防止の追加チェック導入
Adobe対抗のAI刷新中の失態

Canvaの新AI機能「Magic Layers」が、デザイン内の「Palestine」を自動的に「Ukraine」に置き換えていたことが2026年4月27日に発覚しました。この機能は平面画像を編集可能なレイヤーに分解するもので、文字内容の変更は想定されていません。Xユーザー@ros_ie9の投稿で問題が広く知られました。

この問題は「Palestine」という単語に限定されており、「Gaza」など関連する単語には影響がないことが確認されています。投稿が拡散した後、複数のユーザーが同様の現象を再現できたと報告しています。The Vergeの独自テストでは、修正後のためか単語の置換は確認されませんでした。

Canvaの広報担当者Louisa Green氏は「Magic Layers機能の問題を認識し、迅速に調査と修正を行いました」と声明を発表しました。同社は問題を深刻に受け止め、再発防止のための追加チェックを導入するとしています。また「ご迷惑をおかけしたことをお詫び申し上げます」と謝罪しました。

今回の問題は、CanvaがAdobeのAIデザインツール群に対抗すべく大規模なAI刷新を進めている最中に起きた失態です。Magic Layersは同社が「創作の次の時代の幕開け」と位置づけるAIアップデートの主要機能であり、プラットフォームの信頼性に影を落とす結果となりました。

AI偽画像で逮捕、韓国オオカミ捜索を妨害

事件の経緯

動物園からオオカミが脱走
AI生成画像が拡散し捜索混乱
警察が記者会見で偽画像を使用
緊急警報が誤って発令

法的措置と背景

容疑者は「遊びで作った」と供述
最大懲役5年の刑事罰
脱走オオカミは絶滅種復活計画の個体
大統領も安全な救出を指示

2026年4月、韓国・大田市の動物園から2歳のオオカミ「ヌクグ」が脱走し、警察・ドローン・獣医師らが総動員で捜索にあたりました。ヌクグは1960年代に野生絶滅した韓国オオカミの復活計画における3世代目の個体であり、李在明大統領が安全な救出を約束するなど、国を挙げての関心事となっていました。

脱走から数時間後、交差点でオオカミを目撃したとするAI生成画像がSNS上で拡散しました。大田市はこの画像を受けて住民に緊急テキスト警報を発令し、警察も記者会見でこの偽画像を使用して捜索資源を誤った地域に振り向ける事態となりました。

警察は防犯カメラの映像確認やAIツールの利用記録の取得を通じて、40歳の男性容疑者を特定し逮捕しました。容疑者は「遊びで作った」と供述しています。

容疑者は捜索妨害の罪で最大5年の懲役または約100万円の罰金に直面しています。AI生成コンテンツが公的な緊急対応を実際に混乱させた事例として、各国の法整備議論にも影響を与える可能性があります。

米軍AI標的システムMavenの実態と加速する戦争

Mavenの開発経緯

2017年にドローン映像分析で始動
Google抗議後にPalantirが主契約者に
ウクライナ戦争で実戦投入が加速

AI標的選定の光と影

標的処理が数時間から数秒に短縮
LLM活用で1日5000標的が処理可能に
イラン攻撃初日に女子校を誤爆
データ品質が生死を分ける構造的課題

自律兵器への道

完全自律型兵器の開発計画が判明

ジャーナリストのカトリーナ・マンソン氏が新著『Project Maven』で、米軍のAI標的選定システム「Maven Smart System」の開発から実戦運用までの全容を明らかにしました。2017年に海兵隊情報将校ドリュー・キューコア大佐が主導し、ドローン映像へのコンピュータビジョン適用として始まったこのプロジェクトは、現在では衛星画像やレーダー、SNSなど数十のデータソースを統合する包括的な軍事AI基盤へと進化しています。

Mavenは当初Googleが開発を担当していましたが、2018年に社員の抗議運動を受けて同社が撤退しました。その後Palantirがユーザーインターフェースとデータ統合を担い、MicrosoftやAmazon、Anthropicの技術も組み込まれました。現在はNATOも導入しており、米軍の「プログラム・オブ・レコード」として正式な調達プログラムに格上げされる見込みです。

ウクライナ戦争がMavenの転換点となりました。米第18空挺軍団がドイツからロシア軍の戦車や陣地の特定にAIを活用し、1日に最大267件の「関心ポイント」をウクライナに提供しました。標的選定プロセスにおける人間の関与は6段階から2段階に削減され、AnthropicのClaude等のLLMの導入により、処理速度はさらに飛躍的に向上しています。

しかし、この加速には深刻なリスクが伴います。イラン攻撃の初日に米軍は1000以上の標的を攻撃しましたが、そのなかには元海軍基地を転用した女子校が含まれ、150人以上の子どもが犠牲になりました。データベースの更新漏れが原因であり、技術史家のケビン・ベイカー氏は「チャットボットが子どもを殺したのではない。データベースの更新を怠った人間と、その失敗を致命的にするほど高速なシステムを構築した人間がいた」と指摘しています。

米軍内部ではAI活用の拡大を巡り激しい議論が続いています。推進派はデータの監査可能性と透明性の向上を主張する一方、慎重派は最終段階での人間の判断こそが人命を守ると警告しています。マティス元国防長官も「多くの標的を攻撃することは勝利とは異なる」と述べています。さらにマンソン氏の取材では、爆薬搭載の無人水上艇など完全自律型兵器の開発計画も明らかになっており、AI兵器の倫理的課題は一層深刻さを増しています。

著名写真コンテストがAI画像の規定を明文化

禁止されるAI利用

生成AI画像は全面禁止
生成的塗りつぶし加工も失格対象
スマホのHDR・ポートレート不可
AI拡大ツールも使用禁止

許容されるAI利用

画像全体を大きく変えない補正は可
新情報の追加や削除がない範囲
カメラ撮影が大前提
スマホは標準撮影モードのみ

世界的に権威ある写真コンテストが、AI生成画像とAI加工ツールに関する詳細なルールを公表しました。応募作品はすべてカメラで撮影されたものに限定され、合成画像やAI生成画像は一切認められません。ポストプロダクションでの生成的塗りつぶし(ジェネレーティブフィル)の使用も自動的に失格となります。

スマートフォンで撮影した写真は標準撮影モードに限り応募可能です。HDRやポートレートモード、クリエイティブライティング効果、パノラマモードで撮影された作品は応募資格を失います。コンテストは「写真とは何か」という根本的な問いに対し、カメラによる光学的記録という原点に立ち返る姿勢を示しています。

一方で、AIを活用したスマートツールや補正ツールの使用は一定の条件下で認められています。条件は、画像全体に大幅な変更を加えないこと、新しい情報を追加しないこと、カメラが捉えた情報を削除しないことの3点です。

ただし、Adobe Super ResolutionやTopaz Photo AIなどAI拡大・シャープ化ツールは明確に禁止されています。これらは生成AIモデルに基づいて新情報を導入する仕組みであるため、コンテストの趣旨に反するとされました。写真業界におけるAI利用の線引きとして、今後の業界標準に影響を与える可能性があります。

Geminiアプリが4月の大型更新でMac対応と音楽生成を追加

新機能の全体像

macOSネイティブアプリ提供開始
Lyria 3 Proで3分間の音楽生成が無料
NotebookLM統合でノートブック機能追加
3Dモデルやチャートの対話型可視化対応

パーソナライズの強化

Personal Intelligence機能がグローバル展開
Nano Bananaで個人画像生成が簡易化
Gemini Liveがカメラ連携で実用支援
GmailのAI Inboxで受信トレイ自動整理

Googleは2026年4月24日、AIアシスタント「Gemini」アプリの第10回Gemini Dropとして大規模なアップデートを発表しました。今回の更新では、macOS向けネイティブデスクトップアプリの提供開始、音楽生成AI「Lyria 3 Pro」による最大3分間の楽曲作成機能の無料開放、NotebookLMとの統合によるノートブック機能など、多岐にわたる新機能が追加されています。

パーソナライズ機能では、Personal IntelligenceとNano Bananaを組み合わせた画像生成が強化されました。ユーザーは自分の生活や趣味に合った画像を生成でき、Googleアプリとの連携により個人に最適化された支援を受けられます。この機能はグローバルに展開が開始されています。

実用面では、Gemini Liveのカメラ連携機能が日常生活を幅広くサポートします。冷蔵庫の中身を映してレシピ提案を受けたり、故障した設備を撮影して修理手順を案内してもらったり、植物の状態を診断してもらうことが可能です。部屋の写真をアップロードしてインテリアの模様替えをシミュレーションする機能も提供されています。

生産性向上の観点では、GmailにおけるGemini統合も注目されます。長いメールスレッドの要約や過去の領収書の検索に加え、米国のUltra Subscriberは受信トレイを自動整理するAI Inbox機能やAgent Modeを利用できます。複雑な概念を3Dモデルやチャートで対話的に可視化する機能も追加され、学習や分析の効率化が期待されます。

Google Cloud、AIエージェント統合基盤を発表

エージェント基盤と新モデル

Gemini Enterprise Agent Platform発表
Gemini 3.1 Proなど最新モデル提供
ローコードのAgent Studioで開発容易に
ノーコードのAgent Designerも提供

インフラと新世代TPU

第8世代TPUを発表、推論コスト80%改善
NVIDIA Vera Rubin NVL72を早期提供
Virgoネットワークで大規模接続を実現

データ・セキュリティ・導入事例

Agentic Data Cloudでデータ統合
Home DepotやUnileverなど大手が導入拡大

Googleは2026年4月のGoogle Cloud Next '26で、AIが本格的に業務を遂行する「エージェント時代」の到来を宣言しました。目玉となるGemini Enterprise Agent Platformは、AIエージェントの構築・管理・拡張を一気通貫で行える統合環境です。最新モデルのGemini 3.1 Proに加え、画像生成のGemini 3.1 Flash Image、音声のLyria 3、さらにAnthropicのClaude Opus 4.7も利用可能になります。ローコード開発環境のAgent Studioにより、機械学習の専門知識がなくても自然言語でエージェントを構築できます。

エンドユーザー向けにはGemini Enterpriseアプリが提供されます。ノーコードのAgent Designerにより、非エンジニアでもトリガーベースのワークフローを構築可能です。長時間稼働エージェントはセキュアなクラウドサンドボックス内で自律的に動作し、Agent Inboxで一元管理できます。Google Workspaceにも「Workspace Intelligence」としてエージェント機能が統合され、Docs・Drive・Meet・GmailをまたいだAI活用が可能になります。

インフラ面では第8世代TPUが発表されました。学習特化のTPU 8tと推論特化のTPU 8iの2種類で、TPU 8iは1ドルあたりの推論性能が80%向上しています。NVIDIAの次世代システムVera Rubin NVL72の早期提供も決定しました。大規模スーパーコンピュータ接続用のVirgoネットワークや、毎秒10テラバイト転送を実現するManaged Lustreなどストレージの刷新も発表されています。

データ活用では「Agentic Data Cloud」が登場しました。Geminiが企業データを自動的にタグ付け・関連付けするKnowledge Catalogにより、エージェントが業務固有の文脈を理解できるようになります。Apache Iceberg準拠のCross-Cloud Lakehouseは、AWSなど他社クラウドにあるデータもそのまま即座にクエリ可能です。

セキュリティ分野では、2026年に買収完了したWizとの統合が披露されました。脅威ハンティングエージェントや検知エンジニアリングエージェントなど、自律的にセキュリティルールを作成・更新する専用AIが提供されます。導入事例としては、Home DepotがGeminiで店舗・電話対応アシスタントを稼働させ、Unileverが37億人の消費者対応に全社的なエージェント展開を進めるなど、大手企業での実運用が広がっています。

ComfyUIが3000万ドル調達、評価額5億ドルに

資金調達の概要

Craft Ventures主導で3000万ドル調達
企業評価額が5億ドルに到達
2024年のシリーズAに続く追加ラウンド

製品の強みと市場

ノードベースUIで生成過程を細かく制御
クリエイター400万人超が利用
VFX・広告・工業デザインに業務採用拡大
求人にComfyUIアーティスト職が登場

画像・動画・音声の拡散モデルをノードベースのワークフローで制御するオープンソースツール「ComfyUI」が、Craft Ventures主導のラウンドで3000万ドルを調達し、企業評価額が5億ドルに達しました。Pace Capital、Chemistry、TruArrowも出資に参加しています。同社は2024年末にChemistry VenturesやCursor Capitalなどから1900万ドルのシリーズAを実施しており、今回はそれに続く資金調達です。

ComfyUIは2023年に拡散モデルの登場直後にオープンソースプロジェクトとして始まりました。MidjourneyやChatGPTのようなプロンプト入力型ツールでは、生成結果の6〜8割までしか意図通りにならないという課題に対し、ノードベースのインターフェースで生成プロセスの各段階を個別に制御できる仕組みを提供しています。

共同創業者でCEOのYoland Yan氏は、プロンプトで微調整を試みると完成していた部分まで変わってしまう問題を「カジノのスロットマシン」に例えました。ComfyUIでは特定の工程だけを差し替えられるため、最終出力の品質を確実にコントロールできます。この精密さがクリエイターに支持され、ユーザー数は400万人を超えています。

利用分野はVFX、アニメーション、広告、工業デザインなど幅広く、スタジオの求人で「ComfyUIアーティスト」や「ComfyUIエンジニア」が職種として掲載されるほど業界標準のツールになりつつあります。Yan氏は「AIスロップがあふれる世界で、人間がループに入るComfyのアプローチが最終的に支持を集める」と述べ、基盤モデルが進化しても精密制御の需要は続くとの見方を示しました。

AI生成インフルエンサーがInstagramで急拡大、是非問う議論に

バイラル化の経緯

AI男性モデルがレッドカーペットに登場
投稿が拡散し偽スポンサー疑惑も浮上
フォロワー32万人超のアカウントも存在

制作者の主張と課題

プロフィールでAI生成を明示
収益化は数千ドル程度にとどまる
非現実的な身体基準への批判
ファンとの境界線に倫理的葛藤

AI生成のインフルエンサーがInstagramで急速にフォロワーを獲得し、その存在意義をめぐる議論が広がっています。カナダ人クリエイターのLuc Thierry氏が運営する「Jae Young Joon」は32万人以上のフォロワーを抱え、シートマスクの試用やコーチェラへの「参加」など、本物の人間と見紛う投稿を続けています。プロフィールには「AI generated」と明記されていますが、多くのフォロワーはそれを無視しているといいます。

今週、AI生成キャラクター「Santos Walker」と「Caleb Ellis」が映画『プラダを着た悪魔2』のプレミアのレッドカーペットに「登場」する画像を投稿し、バイラル化しました。配給元20th Century Studiosのスポンサー投稿ではなく、制作者が独自に作成したものでしたが、AIインフルエンサーによるブランドコンテンツの将来について激しい議論を呼びました。

制作者たちは互いにグループチャットでつながり、コラボ投稿やストーリーズでの相互タグ付けを通じてフォロワーを拡大しています。Thierry氏は2024年夏に自身の顔を出さずにコンテンツを作れる手段としてAIアバターの制作を始め、「Jae」のアカウントは昨年2月にシャツレスで踊るリール動画が約2,000万回再生されたことで急成長しました。

一方で、ブランド側はAIインフルエンサーとの協業に依然として慎重です。挑発的な水着ブランドCharlie by MZとのコラボ投稿は批判を受け、ブランド側が投稿を削除する事態にもなりました。Thierry氏の収益はSpotifyやサブスクリプション型AIクリエイターサイトFanvueからの数千ドルにとどまっています。

Thierry氏はAIモデル「エージェンシー」Born2BeAIの立ち上げや、ゲイAI男性モデル向けコミュニティVirtuomoの運営など事業拡大を進めています。「現実のインフルエンサーも加工された非現実的な姿を見せている。AIキャラクターとしてフィクションであることを明示するほうが誠実だ」と同氏は主張しますが、恋愛感情を抱くファンへの対応など倫理的な課題は残されたままです。

天文学のAI分析がGPU需要を加速、NASAローマン望遠鏡も前倒し

爆発する天文データ量

ローマン望遠鏡、8カ月前倒しの2026年9月打上げ
生涯で2万TBのデータ取得見込み
JWST、毎日57GBの画像を地上へ送信
ルービン天文台、毎晩20TBのデータ生成予定
ハッブルの日量1〜2GBと桁違いの規模
人手による分析は不可能な水準に到達

GPU駆動のAI解析基盤

深層学習モデルMorpheusで銀河を自動分類
ピクセル単位の意味的分割で構造を識別
初期宇宙に予想外の円盤銀河を発見
CNNからTransformerへのアーキテクチャ移行を推進
DLSS類似技術で地上望遠鏡の大気歪みを補正
GalaxyFriendsで約9万銀河を類似性で整理
NSF助成で構築したGPUクラスタが基盤に

GPU確保の課題

世界的なGPU需要増で研究用確保が困難に
トランプ政権がNSF予算50%削減を提案
大学の限られた資源では最新設備の維持が難航
研究者には起業家的姿勢が必要と指摘

NASAはナンシー・グレース・ローマン宇宙望遠鏡を当初予定より8カ月早い2026年9月に打ち上げると発表しました。同望遠鏡は運用期間中に2万テラバイトものデータを天文学者に届ける見通しです。すでにジェイムズ・ウェッブ宇宙望遠鏡は毎日57ギガバイトの画像を送信しており、チリのヴェラ・C・ルービン天文台も年内に観測を開始して毎晩20テラバイトを生成する予定です。かつてのハッブル望遠鏡の日量1〜2ギガバイトとは桁違いの規模であり、天文学は本格的なビッグデータ時代に突入しています。

カリフォルニア大学サンタクルーズ校の天体物理学者ブラント・ロバートソン教授は、NVIDIAと15年にわたり協力してGPUを天文学に応用してきました。同教授の研究室が開発した深層学習モデル「Morpheus」は、自動運転車と同じ意味的分割手法を用いてピクセル単位で銀河を分類します。JWSTデータへの適用により、初期宇宙に存在するはずがないとされていた回転円盤銀河を多数発見し、宇宙の進化理論に新たな知見をもたらしました。この発見は当初懐疑的に受け止められましたが、その後独立した複数の研究で確認されています。

ロバートソン教授はMorpheusのアーキテクチャを畳み込みニューラルネットワークからTransformerに移行する作業を進めており、分析可能な領域が数倍に拡大する見込みです。また、NVIDIAのDLSSに概念的に近い手法を用い、宇宙望遠鏡のデータで訓練したモデルを地上望遠鏡の画像に適用することで、大気による歪みを除去して宇宙望遠鏡に近い鮮明さを実現しています。さらに大学院生が開発した「GalaxyFriends」というツールにより、約9万個の銀河を類似性に基づいて整理し、パターンの発見や異常検出を効率化しています。

一方で研究を支えるGPUインフラの確保は深刻な課題となっています。ロバートソン教授はNSFの助成金でサンタクルーズ校にGPUクラスタを構築しましたが、設備は陳腐化しつつあり、AI手法を使いたい研究者は増える一方です。さらにトランプ政権がNSF予算の50%削減を提案しており、研究基盤の維持が一層困難になる懸念があります。ロバートソン教授は「大学はリソースの制約からリスク回避的になる。研究者は起業家的に行動し、この分野の進む方向を示す必要がある」と述べています。

AI生成の保守派インフルエンサーで数千ドル稼ぐ医学生

AIが提案した収益戦略

Google Geminiで架空の女性画像を生成
保守派ニッチを「チートコード」と助言
高齢男性層の購買力とロイヤリティを狙う

背景と波紋

インドの医学生が副業として開始
汎用的な美女画像では埋没し方針転換
Googleは中立設計と釈明
AI生成コンテンツの倫理的課題が浮上

インドの22歳の医学生「Sam」(仮名)が、Google Geminiの画像生成機能を使って架空のMAGA支持者の女性インフルエンサーを作り上げ、数千ドルの収入を得ていることがWIREDの報道で明らかになりました。整形外科医を目指すSamは留学資金を貯めるため、オンラインでの副収入を模索していました。

当初は一般的なAI生成の美女画像をInstagramに投稿していましたが、まったく反響を得られませんでした。そこでGeminiに相談したところ、保守派・MAGA層をターゲットにすることが差別化の鍵だと提案されました。Geminiは「米国の保守的な高齢男性層は可処分所得が高く、忠誠心も強い」と分析しています。

この事例は、AIツールが政治的ニッチの収益性を具体的に助言できる段階に達していることを示しています。Googleの担当者はGeminiが特定の政治的意見を持たない中立設計だと説明しましたが、ユーザーの誘導次第でマーケティング戦略を提示する実態が浮き彫りになりました。

AI生成画像による偽のペルソナ作成は、政治的分断の悪用やオンライン詐欺との境界が曖昧です。生成AIの普及に伴い、プラットフォームの責任とコンテンツの真正性をめぐる議論がさらに加速しそうです。

Google Maps、企業向け生成AI機能を発表

3つの新機能

Street View上でAI画像生成
衛星画像の自動分析機能追加
地理空間AIモデル2種を公開
従来数週間の作業を数分に短縮

企業への影響

映画や建設の事前可視化が容易に
自前AI構築が不要に
BigQueryとの連携で分析強化
都市計画や環境監視に活用拡大

GoogleはCloud Next 2026にて、Google Mapsおよび地理空間アプリケーション向けの新たな生成AI機能を発表しました。今回のアップデートはエンタープライズユーザーを主な対象としており、マッピングプラットフォームに高度なビジュアル分析とデータ分析能力を追加するものです。

目玉機能の一つ「Maps Imagery Grounding」は、Gemini Enterprise Agent Platformにプロンプトを入力するだけで、Google Street View上にリアルなシーンを生成できる機能です。映画のロケ地や建設予定地のイメージを数秒で可視化でき、Veoを使ったアニメーション化にも対応しています。

もう一つの新機能「Aerial and Satellite Insights」は、Google Cloud BigQueryに保存された衛星画像をAIで分析する機能です。Googleによれば、従来数週間かかっていた画像分析作業を数分に短縮できるとしています。

さらに、橋梁・道路・送電線など特定のオブジェクトを画像から識別する2つのEarth AIモデルも新たに提供されます。これにより、企業が独自にAIモデルを構築・学習させる必要がなくなり、数カ月の開発期間を省略できます。

これらの発表は、Googleがエンタープライズ向け地理空間AIへの注力を強化する動きの一環です。すでにAirbusやボストン小児病院が環境モニタリングや災害対応にEarth AIプラットフォームを活用しており、都市計画やデータ分析分野での応用拡大が見込まれています。

Gemini Embedding 2が正式版に昇格

マルチモーダル埋め込み

テキスト・画像・動画・音声に対応
複雑なパイプラインを統合可能
EC検索や動画分析で実証済み

提供と今後の展開

Gemini APIとVertex AIで利用可能
本番環境向けの安定性を確保
Google製品の基盤技術を外部開放

Googleは2026年4月22日、マルチモーダル埋め込みモデルGemini Embedding 2の一般提供(GA)を開始しました。プレビュー期間中にEC向け検索エンジンや動画分析ツールなど多数のプロトタイプが構築されており、今回の正式版ではこれらを本番環境へ移行するための安定性と最適化が施されています。

Gemini Embedding 2の最大の特徴は、テキスト・画像・動画・音声をネイティブに扱えるマルチモーダル対応です。従来はモダリティごとに個別のパイプラインを構築する必要がありましたが、単一モデルで横断的な検索・推論が可能になります。これにより、開発者は複雑なインフラ構成を大幅に簡素化できます。

提供チャネルはGemini APIとVertex AIの2系統です。個人開発者から大規模エンタープライズまで、既存のGoogle Cloudワークフローに統合しやすい設計となっています。

同モデルはGoogleの各種プロダクトを支える基盤技術であり、社内で蓄積された研究成果を外部の開発者コミュニティにも開放する位置づけです。RAGやセマンティック検索を構築する際の選択肢として、マルチモーダル対応の埋め込みモデルが正式版で利用できる意義は大きいといえます。

Gemma 4 VLA、8GBのJetsonで音声・視覚応答を実現

エッジ上のVLA構成

8GBのJetson Orin Nanoで動作
音声認識・TTS・視覚を統合
llama.cppでQ4量子化モデルを使用
ツール呼び出しで自律的に判断

デモの仕組みと導入

Parakeet STTで音声をテキスト化
必要時のみウェブカメラを起動
Kokoro TTSで音声応答を生成
単一スクリプトで環境構築可能

GoogleのGemma 4 VLA(Vision-Language-Action)モデルが、わずか8GBメモリのNVIDIA Jetson Orin Nano Super上で動作するデモが公開されました。音声入力から視覚認識、音声応答までを一台のエッジデバイスで完結させるチュートリアルで、NVIDIAのAsier Arranz氏がHugging Faceブログで詳細な手順を紹介しています。

デモの構成は、Parakeet STTによる音声認識、Gemma 4による推論、Kokoro TTSによる音声合成を組み合わせたパイプラインです。ユーザーがスペースキーを押して質問を話すと、モデルが質問内容を解析します。視覚情報が必要と判断した場合は、自律的にウェブカメラを起動して撮影し、画像を踏まえた回答を生成します。

技術的なポイントは、llama.cppを使ったローカル推論サーバーの構築です。モデルはQ4_K_M量子化版のGGUFフォーマットで提供され、ビジョンプロジェクターと合わせてGPUにオフロードされます。--jinjaフラグによりGemmaのネイティブツール呼び出し機能が有効化され、キーワードマッチングではなくモデル自身が視覚の必要性を判断する仕組みです。

導入手順はシステムパッケージのインストール、Python環境の構築、メモリの最適化、llama.cppのビルド、デバイスの設定、デモの実行という6ステップで構成されています。8GBという限られたメモリを最大限活用するため、スワップの追加やDocker・不要プロセスの停止といったメモリ管理の工夫も紹介されています。

テキストのみで試したい場合は、NVIDIA公式のDockerイメージを使ったワンライナーでの起動も可能です。ただしDocker版はビジョンプロジェクターを読み込まないため、VLAデモのフル機能は利用できません。エッジデバイス上でマルチモーダルAIを手軽に体験できる実践的なチュートリアルとなっています。

NVIDIA AIで地球を守る5つの取り組み

気候・防災への応用

Earth-2で高精度気象予測
津波警報を従来比100億倍高速化
衛星画像処理を秒単位に短縮

環境保全と資源循環

オランウータン巣の自動検出
AI選別で廃棄物回収率90%達成
リサイクル施設のCO2排出大幅削減
Planet社の地球観測データ即時分析

NVIDIAはアースデーに合わせ、AI技術で地球環境を保護する5つのプロジェクトを紹介しました。気候シミュレーション基盤「Earth-2」による高精度気象予測、絶滅危惧種オランウータンの保全、AIロボティクスによるリサイクル、津波早期警報、衛星画像のリアルタイム解析という5分野で、加速コンピューティングが環境課題の解決を後押ししています。

気象分野では、Earth-2がオープンなAI気象ソフトウェアスタックとして観測データの前処理から15日間の予測まで全工程を高速化します。Earth-2 Nowcastingは生成AIを活用し、国規模の予測をキロメートル解像度・6時間先までの局地予報に数分で変換します。データ同化モデル「HealDA」はNOAAやMITREと共同開発され、単一GPUで大気の全球スナップショットを数分で生成できます。

野生動物保全では、ボルネオとスマトラの熱帯雨林でGPU加速AIがオランウータンの巣をドローン画像から自動検出する研究が成果を上げています。従来は1時間のドローン飛行で30時間の画像分析が必要でしたが、AIモデルは1,800枚の画像を5分以内に処理します。InceptionV3ベースのモデルは99%超の精度を達成し、3種すべてが絶滅危惧種であるオランウータンの迅速な個体数モニタリングを可能にしています。

リサイクル分野では、NVIDIA InceptionメンバーのAMP社がAIロボティクスで廃棄物回収率90%を実現し、従来施設の約75%を大きく上回っています。これまでに20億ポンド以上の素材を埋立処分から転換し、推定73万9千トンのCO2排出を削減しました。NVIDIA Hopper GPUの採用でAI推論の消費電力も半減しています。

防災では、テキサス大学オースティン校のチームがカスカディア断層の津波予測でACMゴードンベル賞を受賞しました。物理モデルの事前計算とGPU処理により、従来手法の100億倍の速度で津波予測を完了し、沿岸住民の避難時間を確保します。また、Planet社はNVIDIAとの協業で衛星の生データからの画像処理パイプラインをGPUネイティブで構築し、山火事などの災害情報を従来の数時間から秒単位で提供する基盤を整えています。

OpenAIがChatGPT Images 2.0を公開、推論と多言語テキスト生成を統合

推論統合による画像生成

Oシリーズ推論機能を統合
Web検索で最新情報を反映
1プロンプトで最大8枚同時生成
キャラクターの一貫性を維持

テキスト描画と多言語対応

英語テキストの高精度レンダリング
日中韓含む非ラテン文字に対応
インフォグラフィックや漫画を生成
2K解像度と柔軟なアスペクト比

提供体系と競争環境

全ユーザーに基本機能を無料開放
有料プランでThinking機能を提供
GoogleやMicrosoftとの競争が激化

OpenAIは2026年4月21日、ChatGPT Images 2.0を全世界のChatGPTおよびCodexユーザー向けに公開しました。今回のアップデートでは、同社のOシリーズ推論機能が画像生成に統合され、プロンプトに対してモデルがWeb検索やレイアウト設計を行ったうえで画像を生成する「エージェント型」のアプローチが導入されています。知識のカットオフは2025年12月に更新されました。

最大の技術的進歩は、テキスト描画の精度向上です。かつてAI画像生成の弱点とされていた文字の崩れが大幅に改善され、メニューや雑誌の表紙、科学図表など密度の高い構成でも正確な文字を生成できるようになりました。さらに日本語、韓国語、中国語、ヒンディー語、ベンガル語など非ラテン文字の描画にも対応しています。ただし非英語言語では一部不正確な出力も報告されており、今後の改善が期待されます。

機能面では、1つのプロンプトから最大8枚の画像を同時に生成でき、キャラクターやオブジェクトの一貫性を保持したまま漫画のシーケンスやソーシャルメディア用グラフィックの作成が可能です。解像度は最大2Kに対応し、アスペクト比は横長の3:1から縦長の1:3まで柔軟に設定できます。アーキテクチャは「ゼロから刷新」されたとのことですが、拡散モデルか自己回帰モデルかは非公開です。

提供体系は3層構造で、無料ユーザーには基本モデルを開放し、PlusおよびProユーザーにはWeb検索や複数画像生成を含むThinking機能を提供します。API向けにはgpt-image-2モデルが公開され、4K解像度のベータ版も用意されています。前モデルのGPT-Image-1.5はデフォルトから外れましたが、APIでのレガシーサポートは継続します。

競合環境では、GoogleのNano Banana 2やMicrosoftのMAI-Image-2がすでに市場に投入されており、画像生成AIの性能競争は一段と激しさを増しています。OpenAIは安全対策として、AI生成画像への透かし付与や選挙干渉防止のポリシーを堅持する姿勢を示しました。企業ユーザーにとっては、単なる画像生成ツールから「視覚的な情報整理システム」への転換点となる可能性があります。

Clarifai、OkCupid提供の顔写真300万枚を削除

FTC調査と和解の経緯

2014年にOkCupidが写真提供
2019年NYT報道で調査開始
2026年3月にFTCと和解成立

削除と今後の規制

Clarifaiが写真と学習モデルを削除
Match Groupにデータ共有の永久禁止命令
初回違反のため罰金は科されず

AI企業Clarifaiは、出会い系アプリOkCupidから提供を受けた約300万枚のユーザー写真と、そのデータで訓練した顔認識AIモデルをすべて削除したことが明らかになりました。Reutersの報道によるもので、米連邦取引委員会(FTC)の調査を受けた対応です。

事の発端は2014年に遡ります。Clarifaiの創業者兼CEOであるMatthew Zeiler氏が、OkCupid共同創業者のMaxwell Krohn氏にデータ提供を依頼しました。OkCupidは写真に加え、ユーザーの人口統計データや位置情報も提供しましたが、これは同社自身のプライバシーポリシーに違反する行為でした。

この問題が表面化したのは2019年のことです。New York Timesの記事でClarifaiがOkCupidの画像を使い、顔から年齢・性別・人種を推定するAIツールを構築していたことが報じられ、FTCが調査を開始しました。FTCは、Match GroupとOkCupidが2014年以降この行為を意図的に隠蔽し、調査妨害を試みたと主張しています。

2026年3月、FTCとOkCupidの親会社Match Groupは和解に至りました。Match Group側は不正行為を認めていませんが、Clarifaiがデータ削除を確認したことで写真提供の事実が裏付けられた形です。和解条件として、OkCupidとMatch Groupはデータ収集・共有に関する虚偽説明を永久に禁止されました。ただし初回違反のため、FTCは罰金を科すことができませんでした。

NVIDIA・Adobe・WPP、AIエージェントで広告自動化へ

3社協業の全体像

Adobe Summitで発表
創作から配信まで一気通貫の自動化
ブランド管理と安全性を両立

技術基盤と機能

OpenShellで安全な実行環境を提供
Nemotronモデル基盤を活用
Fireflyでブランド準拠の生成
3Dデジタルツインが量産制作を支援

企業への影響

パーソナライズ施策の大規模展開が可能に

NVIDIA、Adobe、WPPの3社は、企業のマーケティング業務を自動化するAIエージェント基盤の構築で協業を拡大すると発表しました。Adobe Summitで披露されたこの取り組みは、コンテンツの企画・制作・配信までを一貫して自動化し、パーソナライズされた顧客体験を大規模に提供することを目指しています。

3社はそれぞれ異なる強みを持ち寄ります。Adobeはクリエイティブツールと顧客体験プラットフォーム、WPPはグローバルなメディア・マーケティングの専門知識、NVIDIAはGPUコンピューティングとAIソフトウェア基盤を担います。新たに発表されたCX Enterprise Coworkerは、パーソナライゼーションからアクティベーションまでの顧客体験ワークフローを統合管理するAIエージェントです。

技術面では、NVIDIAのOpenShellランタイムがエージェントの安全な実行環境を提供します。ポリシーベースのサンドボックス内でエージェントが動作するため、企業のデータ境界やブランドルールを逸脱する操作を防止できます。「エージェントが何をできるか」を検証可能な形で管理できる点が、従来のポリシー管理との違いです。

コンテンツ生成の面では、Adobe Firefly FoundryがNVIDIAのAIインフラ上で稼働し、企業の独自アセットに基づいたカスタムモデルのチューニングを可能にします。これにより商用利用可能なブランド準拠コンテンツを大量生成できるようになります。さらに、NVIDIA OmniverseとOpenUSDを基盤とする3Dデジタルツインソリューションも一般提供が開始され、製品のデジタルツインを活用した高品質コンテンツの自動生成が実現します。

この協業により、グローバル小売企業が数百万通りの商品・顧客・チャネルの組み合わせに対して最適なオファーや画像を数分で更新するといった運用が可能になります。マーケティングチームは速度と安全性を両立しながら、常時稼働のパーソナライズ体験を提供できる新たな基盤を手に入れることになります。

Google Photos、AI顔補正ツールをAndroidに追加

新ツールの概要

肌質感や目元など7種の補正機能
顔を選択し効果の強度を調整可能
数秒で自然な仕上がりを実現

対応環境と展開

Android 9.0以上・RAM 4GB以上が条件
Google Photosアプリで順次提供
グローバル規模での段階的展開

Googleは2026年4月20日、Google Photosの画像エディターに新しいAIベースの顔補正ツールを追加したと発表しました。このツールは肌の質感を整えたり、シミを除去したり、目を明るくしたり歯を白くしたりといった微細な補正を数秒で適用できるもので、撮影時の気分をそのまま写真に反映させることを目指しています。

使い方は直感的で、写真内の顔を選択したうえで、ヒール・スムース・目の下・虹彩・歯・眉毛・唇の7種類のツールから使いたいものを選びます。各ツールは効果の強度をスライダーで調整でき、過度な加工を避けた自然な仕上がりが可能です。

対応デバイスはAndroid 9.0以上かつRAM 4GB以上を搭載したスマートフォンで、Google Photosアプリ上で利用できます。現在グローバルで段階的にロールアウトが進められており、順次すべてのユーザーに提供される予定です。

従来のGoogle Photosにも基本的な編集機能は備わっていましたが、今回の追加により顔に特化した細かな補正がアプリ内で完結するようになりました。サードパーティの美顔アプリを使わずとも手軽にポートレート写真を仕上げられる点が大きな利点です。

GoogleがChrome AI機能をアジア太平洋に拡大

対象地域と主な機能

日本含むAPAC 7カ国で提供開始
Geminiによるページ要約機能
複数タブ横断の情報比較
Googleアプリとの深い連携

新機能と安全対策

過去の会話を記憶するPersonal Intelligence
機密操作時の確認機能を搭載

Googleは2026年4月20日、ChromeブラウザのAI機能「Gemini in Chrome」をアジア太平洋地域に拡大すると発表しました。対象国はオーストラリア、インドネシア、日本、フィリピン、シンガポール、韓国、ベトナムの7カ国で、デスクトップ版とiOS版のユーザーが利用可能です。ただし日本ではiOS版は対象外となっています。

Gemini in Chromeはパーソナライズされたブラウジングアシスタントとして機能し、長文コンテンツの要約や複数タブにまたがる情報の比較が可能です。さらにGoogleの主要アプリと深く統合されており、Googleカレンダーでの会議スケジュール設定、Googleマップでの場所確認、Gmailでのメール作成・送信、YouTubeの動画に関する質問など、閲覧中のページを離れることなく操作できます。

新たに搭載されたNano Banana 2機能では、Gemini in Chromeのサイドパネルでテキストプロンプトを入力することにより、ウェブ上の画像を変換できます。またPersonal Intelligence機能により、過去の会話コンテキストを記憶し、ウェブ閲覧全体を通じてユーザーに最適化された回答を提供します。

セキュリティ面では、設計段階からの安全性確保を重視しています。AIモデルはプロンプトインジェクションなどの既知の脅威を認識するよう訓練されており、機密性の高い操作を実行する前にユーザーへ確認を求めるセーフガードが組み込まれています。ユーザーが常に操作の主導権を握れる設計となっています。

米データセンター建設の約4割に遅延、衛星画像で判明

衛星画像が示す建設遅延の実態

計画の約4割が年内完成困難
MicrosoftやOracle等の大型案件に影響
土地造成・基礎工事の進捗を衛星で分析
許認可書類との照合で3か月超の遅延を確認

労働力・電力・関税の三重苦

電気工や配管工など技能労働者が不足
電力需要増に送電網の拡張が追いつかず
中国製変圧器への関税が調達を圧迫
地元住民の反対運動も計画を阻害

2026年4月、Financial Timesが地理空間データ企業SynMaxの衛星画像を用いて、米国内のデータセンター建設計画の進捗を調査しました。土地の造成状況や基礎工事の進み具合を衛星から確認し、業界調査グループIIR Energyが集めた許認可書類や公式発表と照合した結果、約40%のプロジェクトが予定通りの完成に至らない見込みであることが明らかになりました。

遅延が確認されたのはMicrosoft、Oracle、OpenAIといった大手テック企業の主要プロジェクトです。これらの案件では完成予定日から3か月以上の遅れが生じる可能性が指摘されています。シリコンバレー各社がAI向けに数千億ドル規模の投資を進める中、計画と現実の乖離が浮き彫りとなりました。

建設業界の幹部十数人への取材からは、労働力・電力・機材の慢性的な不足が主因であると判明しています。特にOpenAI関連のプロジェクトでは、電気工や配管工といった技能労働者の確保が複数の現場で同時に困難になっている状況が報告されました。

電力面では、計画されたデータセンターが数十万世帯分に相当する電力を必要とするため、発電能力の増強と送電インフラの拡張が大きなボトルネックとなっています。さらに、トランプ政権が課した中国製変圧器などへの関税が機材調達のコストと期間を悪化させており、AI基盤整備の足かせとなっています。

NVIDIA、合成データで多言語OCRモデルを構築

合成データ戦略の成果

1,220万枚の合成画像で学習
6言語を単一モデルで処理
NED誤差率を0.92から0.047以下に改善
フォントとテキストだけで新言語追加が可能

高速アーキテクチャ

A100で毎秒34.7ページ処理
PaddleOCR比28倍以上の速度
検出・認識・関係モデルが特徴マップ共有
パラメータ数わずか8,400万

NVIDIAは2026年4月17日、合成データのみで学習した多言語OCRモデル「Nemotron OCR v2」をHugging Faceで公開しました。英語・日本語・韓国語・ロシア語・中国語簡体字・繁体字の6言語に対応し、単一モデルで言語の事前指定なく文書を読み取れます。データセットとモデルはともにオープンライセンスで提供されています。

従来のNemotron OCR v1は英語専用で訓練されており、日本語や韓国語ではNormalized Edit Distance(NED)が0.7〜0.9と実用に耐えない精度でした。多言語化の課題はモデル構造ではなく学習データの不足にありました。実世界の文書画像を6言語分収集・アノテーションするコストは現実的でないため、チームは合成データによるアプローチを選択しました。

合成データパイプラインはSynthDoGを大幅に改良したもので、単語・行・段落の3階層バウンディングボックスと読み順グラフを自動生成します。CJK言語ではスペース区切りがないため行単位の認識を採用し、165〜1,258種のオープンソースフォントを使用。多様なレイアウトテンプレートとデータ拡張により、合成画像でも実文書への汎化性能を確保しています。

ベンチマーク結果は顕著です。SynthDoG評価では全言語でNEDを0.035〜0.069に低減し、言語別の専用モデルであるPaddleOCRをも上回りました。実文書ベンチマークのOmniDocBenchでは、PaddleOCR v5の毎秒1.2ページに対し毎秒34.7ページを達成しています。この速度はFOTSアーキテクチャに基づく特徴マップの共有設計によるもので、検出用バックボーンの畳み込み処理が1回で済むため下流コンポーネントのオーバーヘッドが最小化されています。

このパイプラインの拡張性も注目に値します。新しい言語への対応に必要なのは対象言語のソーステキストとフォントだけで、モデル構造の変更や手動アノテーションは不要です。mOSCARコーパスが163言語をカバーし、Notoフォントファミリーがほぼ全てのUnicodeスクリプトに対応しているため、さらなる多言語展開への道筋が明確に示されています。