画像(マルチモーダル)に関するニュース一覧

AdobeがPhotoshop向けAIアシスタントをベータ公開

AI編集機能の概要

自然言語で画像編集を指示
背景変更・照明調整に対応
有料ユーザーは無制限生成可能
AIマークアップ機能も追加

Fireflyの強化

Generative FillをFireflyに追加
背景除去のワンクリックツール
画像拡大・アップスケール機能追加
25以上のサードパーティモデル統合

Adobeは2026年3月、PhotoshopのウェブおよびモバイルアプリにAIアシスタントをパブリックベータとして公開した。ユーザーは自然言語のプロンプトで画像編集を指示できる新機能で、経営者やクリエイターの業務効率化が期待される。

AIアシスタントは、オブジェクトや人物の除去、色彩変更、照明調整などを会話形式で実行できる。「ソフトなグローを加える」「背景を変える」といった自然言語の指示に対応しており、専門知識なしに高度な編集が可能になる。

利用条件として、有料ユーザーは4月9日まで無制限生成が可能で、無料ユーザーは20回の生成が付与される。また新機能「AIマークアップ」では、画面上に手描きでマーカーを描くだけでAIが対象オブジェクトを変換・除去できる。

メディア生成ツール「Firefly」にも大規模な強化が施された。Photoshopで実績のあるGenerative Fillを導入したほか、オブジェクト除去・画像拡大・アップスケール・背景除去のワンクリックツールが追加された。さらにGoogle、OpenAI、Runwayなど25以上のサードパーティモデルも統合済みだ。

AdobeはExpressとAcrobatをMicrosoft Copilot 365エンタープライズ向けに提供予定で、AIプラットフォームをまたいだ編集体験の実現を目指している。昨年12月にはChatGPTとの連携も開始しており、エコシステム戦略を積極的に推進している。

XがGrokによる画像編集をブロックする新機能を追加

機能の概要と制限

iOS限定の新トグル機能
@Grokタグ付け編集のみ阻止
ウェブ版には非対応
既存投稿には適用不可

抜け穴と実効性の問題

長押しメニューからの編集は防げず
画像保存・再アップで回避可能
無料ユーザーは既に制限済み
有料会員への抑止効果も限定的

Xは2026年3月、iOSアプリの画像アップロード設定に「Grokによる修正をブロック」するトグル機能を静かに追加しました。Social Media TodayとThe Vergeが確認しています。

この機能は画像サムネイル右下の絵筆アイコンから旗アイコンを選択することで有効化できますが、操作経路が分かりにくく、ウェブ版では確認できませんでした。

実際の保護範囲は限定的で、@Grokタグ付きの返信による編集のみをブロックします。長押しメニューの「Grokで画像を編集」や、画像を保存して再アップロードする手順には全く効果がありません。

Xは2026年1月に実在する男性・女性・子供の写真を「脱衣」加工する問題が世界的批判を受けた後、無料アカウントでのGrok画像編集を停止しました。今回の機能は有料プレミアム会員への新たな制限として位置づけられます。

Xは本機能を公式発表しておらず、提供範囲や開発状況は不明です。The Vergeの問い合わせにも現時点で回答していません。実効性の低さから、規制当局や立法機関の懸念を払拭できるかは疑問視されています。

MITがAI予測の説明精度を高める新手法を開発

手法の革新性

概念ボトルネックモデルを改良
モデル自身が学習した概念を抽出
スパース自己符号化器で特徴選択
多モーダルLLMが自然言語に変換
予測に使う概念を5個に制限

性能と今後の課題

鳥種・皮膚病変タスクで最高精度
情報漏洩問題が残存
ブラックボックスモデルには未到達
大規模LLMによるスケールアップ計画
知識グラフとの統合に期待

MITのコンピュータ科学・人工知能研究所(CSAIL)は、AIの予測根拠を人間が理解できる概念で説明する「概念ボトルネックモデル(CBM)」の精度と説明品質を大幅に向上させる新手法を開発し、国際会議ICLRで発表した。

従来のCBMでは、臨床医などの専門家が事前に定義した概念をモデルに与えていたが、タスクに無関係な概念が含まれる場合に精度が低下するという課題があった。また、モデルが意図しない概念を秘密裏に使用する「情報漏洩」も問題となっていた。

新手法では、スパース自己符号化器と呼ばれる深層学習モデルがターゲットモデルの内部から最も関連性の高い特徴量を自動抽出し、多モーダルLLMがそれを平易な自然言語の概念に変換する。これにより、事前定義不要でタスク固有の概念を獲得できる。

精度向上に加え、各予測に使用する概念数を5個に制限することで説明の簡潔性も確保した。鳥種分類や皮膚病変識別の医療画像タスクで既存のCBMを上回る精度を達成し、概念のタスク適合性も高いことが確認された。

筆頭著者のミラノ工科大学のAntonio De Santis氏は「ブラックボックスAIのアカウンタビリティ向上につながる」と述べており、今後は情報漏洩対策の強化と大規模データセットへの適用拡張を目指す。説明可能AIと記号AIの架け橋となる研究として注目される。

HuggingFace、LeRobot v0.5.0でヒューマノイド対応と6つの新ポリシーを追加

ハードウェア拡張

Unitree G1ヒューマノイド初対応
全身協調制御(WBC)の実現
OpenArmロボットアームの統合
CANバスモーター対応で高性能化

AIポリシーと高速化

Pi0-FAST自己回帰VLAの導入
Real-Time Chunkingで推論の応答性向上
LoRA/PEFTで大規模VLAの効率微調整
画像学習10倍高速化を実現

エコシステム整備

EnvHubでHub上のシミュレーション環境を直接利用
NVIDIA IsaacLabとのGPU並列学習統合
サードパーティポリシープラグイン対応
ICLR 2026採択で学術的評価を獲得

Hugging Faceは2026年3月にオープンソースロボット学習フレームワーク「LeRobot」のv0.5.0をリリースした。同バージョンでは初のヒューマノイドロボット対応や6つの新ポリシー追加、データパイプラインの大幅な高速化など、あらゆる次元でのスケールアップが実現されています。

最大のハードウェア追加はUnitree G1ヒューマノイドの全面サポートです。歩行・ナビゲーション・物体操作・遠隔操作に加え、全身協調制御(WBC)により移動と操作を同時実行できる。これはLeRobotが卓上アームを超えた汎用ロボティクスへ踏み出す重要な一歩となっています。

ポリシー面ではPi0-FASTが注目されます。Gemma 300Mベースの自己回帰型アクションエキスパートを採用し、FASToトークン化によって離散化されたアクション列を生成します。また推論技術のReal-Time Chunking(RTC)は、フローマッチングポリシーの応答性を劇的に改善し、実世界デプロイでのレイテンシ問題を解消します。

データセットパイプラインではストリーミングビデオエンコーディングの導入により、エピソード記録後のエンコード待ち時間がゼロになりました。さらに画像学習が最大10倍、エンコードが3倍高速化されており、データ収集からモデル訓練までのサイクルが大幅に短縮されています。

コードベース面ではPython 3.12+とTransformers v5への移行が完了し、サードパーティポリシープラグインシステムの導入でエコシステムの拡張性が向上しました。EnvHubとNVIDIA IsaacLab-Arenaの統合により、シミュレーション環境の共有・活用も容易になっています。同論文はICLR 2026にも採択されており、学術コミュニティからの評価も高まっています。

a16z調査:ChatGPT週間9億人、エージェント時代が本格到来

プラットフォーム競争

ChatGPTが依然トップ、週間9億人利用
GeminiとClaudeが有料契約者数で急成長
コネクター生態系がロックインを形成
OpenAIはスーパーアプリ戦略を推進

クリエイティブとエージェント

動画生成が画像生成を勢力図で逆転
中国製モデルが動画品質でリード
OpenClawがGitHub最多スター獲得
ManusがMetaに20億ドルで買収

a16zは2026年3月、生成AIコンシューマーアプリ第6版を公表し、ChatGPTが週間アクティブユーザー9億人を達成、世界人口の10%以上が毎週利用していることを明らかにした。

ChatGPTはウェブでGeminiの2.7倍、モバイルで2.5倍の規模を維持しているが、GeminiとClaudeが有料契約者数で加速しており、それぞれ前年比258%・200%超の成長を記録している。

今版からCapCut・Canva・Notionなど、AIが中核機能に組み込まれたレガシーアプリも対象に加えられた。NotionのAI機能は有料契約者への付帯率が1年で20%から50%超に急増し、ARRの約半分を占めている。

エージェント領域では、オープンソースのOpenClawがGitHubスター数でReactやLinuxを超えて首位となり、OpenAIが2026年2月に買収。ManusはMetaが約20億ドルで取得し、Gensparkは3億ドルのシリーズBを調達した。

地理的にはAI市場が西側・中国・ロシアの3極に分化。Claude Codeは6カ月で年換算収益10億ドルに到達するなど、ブラウザやデスクトップへのAI浸透が進み、ウェブ訪問数では捕捉できない利用実態が拡大している。

ABBロボティクスとNVIDIA、工業用物理AIで戦略提携

技術統合の概要

RobotStudio HyperRealityを新投入
展開コストを最大40%削減
市場投入を最大50%短縮
2026年後半に一般提供開始

実証と活用事例

Foxconnが電子機器組立で先行試験
Workrが中小製造業向けに展開
設定・試運転時間を最大80%短縮
合成データで位置誤差0.5mmを実現

ABBロボティクスとNVIDIAは2026年3月、産業向け物理AIの実現に向けた戦略的提携を発表しました。ABBのロボットプログラミング・シミュレーションスイート「RobotStudio」にNVIDIA Omniverseライブラリを統合し、新製品「RobotStudio HyperReality」を2026年後半に提供開始する予定です。

今回の提携の核心は、長年の課題とされてきたシム・トゥ・リアルギャップの解消にあります。HyperRealityはロボット・センサー・照明・運動学などをUSDファイルとしてOmniverseに出力し、物理ロボットと同一ファームウェアで動く仮想コントローラーを実行することで、シミュレーションと実機の相関性を99%まで高めます。

ABBのAbsolute Accuracy技術との組み合わせにより、位置決め誤差を従来の8〜15mmから約0.5mmに大幅削減できます。Omniverseが生成する合成画像をAI学習パイプラインに直接投入することで、ビジョンモデルの学習をすべてシミュレーション内で完結させることも可能です。

先行パイロットでは世界最大の電子機器受託製造企業Foxconnが消費者向け電子機器の組立ラインで導入を検討しており、物理試験の排除とセットアップ時間の短縮を見込んでいます。米国のロボット自動化企業Workrは自社プラットフォーム「WorkrCore」と統合し、プログラミング専門知識不要で新部品を数分でオンボーディングできるシステムをNVIDIA GTC 2026でデモ予定です。

ABBロボティクスはさらにNVIDIA JetsonエッジAIプラットフォームをOmnicoreコントローラーへ統合することも検討しており、ロボットポートフォリオ全体でリアルタイム推論を可能にする方針です。世界6万人以上のロボットエンジニアが使うRobotStudioに物理AIが標準搭載されることで、製造業のデジタルトランスフォーメーションが加速すると見られています。

マスク氏のxAI、加州データ開示法の差し止め請求を棄却される

裁判所の判断

営業秘密の主張を否定
データセットの独自性立証不足
憲法修正第5条の勝訴見込みなし
言論の自由の主張も退ける

Grokの問題と影響

反ユダヤ的発言が国際的批判
CSAM生成問題で加州が調査
州は出力規制の意図否定
公益性を裁判所が認定

イーロン・マスク氏が率いるxAIは、カリフォルニア州のAI訓練データ開示法の差し止めを求めていましたが、連邦裁判所のバーナル判事は2026年3月にこの請求を棄却しました。xAIは同法が営業秘密を侵害すると主張していました。

裁判所は、xAIがデータセットの独自性を十分に立証できていないと指摘しました。具体的には、競合他社と比較して独自のデータセットを使用していることや、データのクリーニング手法が独特であることを証明していないと判断しました。

xAIは合衆国憲法修正第1条に基づき、同法がデータソースの公開を強制することで言論の自由を侵害すると主張しました。また、カリフォルニア州がチャットボットGrokの出力内容に影響を与えようとしていると訴えましたが、裁判所はこれも退けました。

Grokは過去1年間で反ユダヤ的な暴言や同意のない親密な画像の生成、さらには児童性的虐待素材(CSAM)の生成が発覚し、国際的な批判を浴びています。カリフォルニア州司法長官はxAIに対し停止命令書を送付しています。

バーナル判事は、法律の条文にはAIモデルの出力を規制する意図は一切含まれていないと明言しました。さらに、訓練データの開示に対する公共の利益は確かに存在すると述べ、xAIの「公衆は関心を持たない」との主張を明確に否定しました。

Google、野生動物AI識別モデルSpeciesNetをオープンソース公開

SpeciesNetの概要

約2500種の哺乳類・鳥類・爬虫類を自動識別
2019年からWildlife Insightsで運用実績
無料オープンソースとして1年前に公開

世界各地での活用事例

セレンゲティで1100万枚を数日で処理
コロンビアで全国規模のカメラトラップ網構築
アイダホ州が数百台のカメラで野生動物管理に活用
豪州では固有種向けに独自学習を実施

Googleは、カメラトラップで撮影された野生動物の画像を自動識別するAIモデル「SpeciesNet」をオープンソースとして公開しました。約2500種の哺乳類・鳥類・爬虫類を認識でき、世界各地の保全活動で活用が進んでいます。

アフリカでは、タンザニアのセレンゲティ国立公園で運用される「Snapshot Serengeti」プロジェクトが、SpeciesNetを使って1100万枚の未処理写真を数日間で分析しました。従来はオンラインボランティアが分類していましたが、画像数が膨大すぎて対応しきれなくなっていました。

南米コロンビアでは、フンボルト研究所がWildlife Insightsの一環としてSpeciesNetを活用しています。全国規模のカメラトラップネットワーク「Red Otus」を立ち上げ、数万枚の画像を分析した結果、一部の哺乳類が夜行性化している兆候や、開発地域での鳥類の行動変化が確認されました。

北米では、アイダホ州魚類鳥獣局が州内数百台のカメラトラップ画像の分類にSpeciesNetを導入しています。専門家による最終確認の前段階でAIが種別に仕分けることで、年間数百万枚の画像処理が大幅に効率化されています。

オーストラリアでは、Wildlife Observatory of Australiaがオープンソースのモデルを基に地域固有種を識別できるよう追加学習を実施しました。他地域には生息しない希少種の監視・保全に特化したモデルとして運用され、絶滅危惧種の個体群維持に役立てられています。

Google、ベクトルDB不要の常時稼働メモリエージェントをOSS公開

アーキテクチャの特徴

ベクトルDB・埋め込み不要の設計
SQLiteで構造化メモリを保存
30分間隔で自動メモリ統合
テキスト・画像・音声・動画に対応

経済性と技術基盤

Gemini 3.1 Flash-Liteで低コスト運用
入力100万トークンあたり0.25ドル
ADKフレームワークで構築

企業導入の課題

記憶のガバナンスが最大の論点
ドリフトとループの運用コスト懸念

GoogleのシニアAIプロダクトマネージャーShubham Saboo氏が、エージェントの永続メモリ問題に取り組むオープンソースプロジェクト「Always On Memory Agent」をGoogle Cloud PlatformのGitHubにMITライセンスで公開しました。従来のベクトルデータベースに依存しない新しいアプローチが注目を集めています。

このエージェントはGoogle ADK(Agent Development Kit)と低コストモデルGemini 3.1 Flash-Liteを基盤に構築されています。常時稼働で情報を取り込み、SQLiteに構造化メモリとして保存し、30分ごとにバックグラウンドでメモリ統合を実行します。ベクトル検索の代わりにLLM自体がメモリの整理・更新を担う設計です。

Flash-Liteは入力100万トークンあたり0.25ドル、出力100万トークンあたり1.50ドルという低価格で、Gemini 2.5 Flashと比較して初回トークン生成速度が2.5倍、出力速度が45%向上しています。24時間稼働するメモリエージェントの経済的実現可能性を支える重要な要素となっています。

一方で、エンタープライズ導入に向けたガバナンス面の課題が識者から指摘されています。エージェントがバックグラウンドでメモリを統合・交差させる仕組みは「コンプライアンス上の悪夢」になりうるとの警告や、常時稼働エージェントの真のコストはトークンではなく「ドリフトとループ」だという意見が寄せられています。

現時点では、決定論的なポリシー境界、保持保証、監査ワークフローといった企業向けコンプライアンス制御は未実装です。しかし、単発アシスタントから長期記憶を持つシステムへの移行が進む中、このプロジェクトは次世代エージェント基盤の具体的なリファレンス実装として位置づけられます。記憶能力そのものより、記憶を安全に管理できるかが企業採用の鍵となるでしょう。

都市監視AI「City Detect」が約20億円のシリーズA調達

サービスの仕組み

ごみ収集車にカメラ搭載
走行中に建物画像を自動撮影
コンピュータビジョンで違反検出
人力比で数十倍の処理能力

プライバシーと展開

顔・ナンバープレートを自動ぼかし
落書きとストリートアートを識別
全米17都市以上で導入済
嵐被害の構造診断にも対応

City Detectは2026年3月、Prudence Venture Capital主導で1300万ドル(約20億円)のシリーズA資金調達を完了しました。同社はビジョンAIを活用し、地方自治体の建物・街区の健全性監視を支援するスタートアップです。

同社の技術は、ごみ収集車や道路清掃車などの公共車両にカメラを搭載し、走行中に周囲の建物を撮影するものです。取得した画像をコンピュータビジョンで解析し、建築基準への適合状況を自動的に判定します。

検出対象はグラフィティ、不法投棄、路上のごみなど多岐にわたります。CEO のGavin Baum-Blake氏によれば、人手では週50件程度の点検が限界ですが、同社のシステムでは週数千件の処理が可能とのことです。

プライバシー保護にも配慮しており、顔やナンバープレートは常にぼかし処理が施されます。また、ストリートアートと落書きを区別する機能や、屋根の構造的問題や嵐による被害を検出する機能も備えています。

同社はダラスやマイアミなど17以上の都市で導入されており、SOC 2 Type II認証を取得済みです。調達資金はエンジニアの増員と嵐被害検出技術の強化、全米展開の加速に充てられる予定です。

米イラン紛争でAI企業と国防総省の関係が急変

AI企業と軍事利用

OpenAIが国防総省と契約締結
Anthropicは自律兵器禁止を条件に
国防総省がAnthropicを供給リスクと指定
研究者の人材流出リスクが顕在化

偽情報と予測市場

X上でイラン関連偽情報が氾濫
予測市場でインサイダー取引疑惑
ParamountがNetflix破りWB買収へ

米国とイスラエルがイランへの協調軍事攻撃を開始したことを受け、AI企業と国防総省の関係が急速に変化しています。WIREDのポッドキャスト「Uncanny Valley」が、紛争下でのテクノロジー業界の動向を多角的に分析しました。

OpenAIは攻撃開始の前日に国防総省との契約を締結した一方、Anthropicは米国市民の監視禁止と完全自律型兵器への利用禁止を契約条件として要求し、国防総省と対立しました。サム・アルトマンCEOは攻撃当日にX上でAMAを開催し、契約が急がれたものだったと認めています。

AI研究者の間では軍事利用への反発が強まっており、OpenAIからAnthropicへの転職が増加しているとされます。フロンティアAI企業のいずれも政府契約を追求する中、完全自律型兵器への関与を拒む研究者の人材獲得競争への影響が注目されています。

紛争に伴いX(旧Twitter)では偽情報が大量に拡散しました。AI生成画像やゲーム映像が実際の攻撃映像として流布され、コミュニティノートによる対応は速度・効果ともに不十分でした。イラン国内のインターネット接続率はわずか4%にまで低下し、現地からの正確な情報発信が極めて困難な状況です。

予測市場のPolymarketやKalshiでは、イラン最高指導者の運命に5400万ドル規模の賭けが行われ、倫理的問題が浮上しています。OpenAIでは社員が社内機密情報を用いたインサイダー取引で解雇される事案も発生しました。トランプ一族の予測市場への投資も利益相反の懸念を強めています。

Paramount傘下のSkydanceがWarner Brosを1100億ドルで買収することに合意し、Netflixとの競合に勝利しました。これによりエリソン家はCBS、CNN、HBO、DC Comicsなど巨大メディア資産を掌握することになり、トランプ政権寄りのメディア統合が加速するとの懸念が報じられています。

Luma AIがマルチモーダル統合モデルで創作エージェント公開

統合知能モデルの特徴

Uni-1モデルで画像・動画・音声を統合処理
テキストから映像まで一貫した推論が可能
自己批評ループで出力品質を自動改善

広告業界での実績

Publicisやアディダス等が既に導入
1500万ドル規模の広告を40時間・2万ドルで制作
複数国向けローカライズ広告を自動生成

従来ツールとの違い

100種のモデルを個別操作する非効率を解消
会話型で方向性を指示し大量バリエーション生成

Luma AIは2026年3月、テキスト・画像・動画・音声を横断して創作業務を一気通貫で担うLuma Agentsを公開しました。同社独自の統合知能モデル「Uni-1」を基盤とし、広告代理店やマーケティングチーム、デザインスタジオ向けに提供されます。

Uni-1モデルは音声・動画・画像・言語・空間推論を単一のマルチモーダル推論システムで学習しています。CEOのAmit Jain氏は「言語で思考し、ピクセルで想像・描画する」と表現し、この能力をピクセルの知能と呼んでいます。今後のリリースで音声・動画の出力にも対応予定です。

Luma Agentsの最大の強みは、アセットや協力者、クリエイティブの反復にわたって持続的なコンテキストを維持できる点です。自己批評による反復改善ループを備え、コーディングエージェントと同様に自らの成果物を評価・修正する能力を持ちます。

実際の導入事例では、あるブランドの1500万ドル規模・1年がかりの広告キャンペーンを、複数国向けのローカライズ広告として40時間・2万ドル未満で制作し、社内品質管理を通過しました。200語のブリーフと製品画像1枚から、ロケーション・モデル・配色の多様なアイデアを自動生成するデモも披露されています。

Luma AgentsはAPI経由で一般公開されていますが、ワークフローの安定性を確保するため段階的にアクセスを拡大する方針です。Google Veo 3やElevenLabsの音声モデルなど外部AIモデルとも連携し、エンドツーエンドの創作ワークフローを実現します。

Hugging Face、画像生成パイプラインを自在に組み替える新基盤を公開

モジュラー設計の核心

ブロック単位で自由に着脱
既存APIと互換性を維持
カスタムブロックをHub共有可能
コンポーネントの遅延読み込み対応

エコシステムの広がり

Kreaがリアルタイム動画生成に採用
ノードUIMellonと統合
モジュラーリポジトリで量子化モデル参照
コミュニティパイプラインがHub上で増加

Hugging Faceは、画像生成ライブラリDiffusersの新機能「Modular Diffusers」を公開しました。従来の固定的なDiffusionPipelineクラスに代わり、テキストエンコード・デノイズ・デコードなどの処理を独立したブロックとして組み合わせる設計を導入しています。

各ブロックは入出力が明確に定義されており、パイプラインから任意のブロックを抜き出して単独実行したり、別のブロックと差し替えたりすることが可能です。たとえば深度推定ブロックを作成し、ControlNetワークフローの先頭に挿入するといった柔軟な構成が数行のコードで実現できます。

カスタムブロックはHugging Face Hubに公開でき、他のユーザーがtrust_remote_codeオプションで即座に読み込めます。公式テンプレートも用意されており、コンポーネント定義・入出力宣言・処理ロジックの3要素を記述するだけでブロックを作成できます。

すでにコミュニティでの活用が始まっており、KreaはB200 GPU1枚で11fpsのリアルタイム動画生成パイプラインを構築しました。またOverworldのWaypoint-1はインタラクティブなワールド生成をモジュラーブロックで実装しています。

ノードベースのビジュアルインターフェース「Mellon」との統合も進んでおり、ブロックのAPI定義からUIを自動生成する仕組みを備えています。ComfyUIに似た操作感ながら、モデルに応じてノードが動的に変化する点や、パイプライン全体を1ノードに集約できる点が特徴です。

Google、2月のAI新発表を総まとめ

モデルと創作ツール

Gemini 3.1 Proの推論性能が2倍超
Deep Thinkが科学・工学向けに大幅強化
Nano Banana 2で高速画像生成を実現
Lyria 3でカスタム音楽生成が可能に

グローバル戦略と社会実装

インドAI Impact Summitで新投資発表
Pichai CEOがAI人材育成を宣言
冬季五輪向けAI動作分析ツール提供
ミュンヘン安全保障会議でデジタル耐性提唱

Googleは2026年2月に行った主要なAI関連発表を公式ブログで総まとめしました。モデル刷新からクリエイティブツール、グローバル投資まで多岐にわたる内容で、同社のAI戦略の全体像が示されています。

Gemini 3.1 Proは、前世代の3 Proと比較して推論性能が2倍以上に向上した基盤モデルです。複雑な問題解決やデータ統合に特化しており、開発者・企業・一般ユーザーに広く提供が開始されました。科学技術向けのDeep Thinkも大幅に改良されています。

クリエイティブ分野では、Nano Banana 2がPro品質の画像生成をFlash並みの速度で実現し、Geminiアプリや検索で利用可能になりました。音楽生成のLyria 3はテキストや画像から30秒の楽曲を自動作成でき、ProducerAIもGoogle Labsに加わっています。

インドのニューデリーで開催されたAI Impact Summitでは、CEOのサンダー・ピチャイ氏が基調講演を行い、大規模インフラ投資やAIスキル研修プログラムを発表しました。科学振興や政府向けイノベーション支援の新たな助成制度も始動しています。

スポーツ分野では、Google CloudとDeepMindが冬季五輪に向けてアメリカチームのスキー選手向けにAI動画分析ツールを開発しました。2D映像から選手の動きを空間的にマッピングし、ほぼリアルタイムでフィードバックを提供する仕組みで、競技パフォーマンスの向上を支援しています。

Google検索が画像内の複数物体を同時識別する新機能を搭載

視覚検索の進化

Circle to Searchが複数物体同時検索に対応
Geminiがマルチモーダル解析を担当
画像内の各アイテムを自動識別・分類
テキスト検索からの視覚検索も可能

ファンアウト技術

1回の検索で十数件の並列検索を実行
複数結果を統合し一つの回答として提示
ショッピング以外に美術館や植物にも応用
ウェブ結果を活用し次のステップも提案

Googleは、Android向けのCircle to SearchおよびLensにおいて、1枚の画像から複数のオブジェクトを同時に識別・検索できる大型アップデートを実施しました。従来は1アイテムずつしか検索できなかった制約が解消されています。

この技術の中核を担うのがGeminiモデルです。画像とユーザーの質問を同時に解析し、どのツールを使うべきかを判断します。たとえばSNSで見かけたコーディネートを検索すると、帽子・靴・ジャケットそれぞれの画像検索結果を一つにまとめて表示します。

Googleが「ファンアウト」と呼ぶ技術では、1回の操作で十数件の検索を並列実行します。AIモデルが画像内の各要素を理解し、複数の検索クエリを同時に発行して結果を統合することで、数秒以内に包括的な回答を生成します。

活用範囲はショッピングにとどまりません。美術館の壁に並ぶ絵画の解説を一括で求めたり、庭の植物の手入れ方法をまとめて調べたりと、「この一つは何か」から「このシーン全体を説明して」への転換を実現しています。

テキスト検索から始めることも可能です。AI Modeで「仕事用コーディネートのインスピレーション」と入力し、気に入った結果の画像を指定すれば、そこからファンアウト検索が開始されます。視覚と言語の垣根を超えた検索体験が広がっています。

MIT、数百変数の最適化を最大100倍高速化する基盤モデル手法を開発

手法の核心

表形式基盤モデルを代理モデルに活用
重要変数を自動特定し探索を集中
再学習不要で異なる問題に即適用
従来比10〜100倍の高速化を実証

応用と展望

電力系統や衝突安全設計で検証
高次元ほど性能優位が拡大
創薬・材料開発への応用を視野
将来は数百万変数規模を目指す

MITの研究チームは、数百の設計変数を持つ複雑なエンジニアリング問題を従来手法の10〜100倍の速度で解く新たな最適化手法を開発しました。国際学習表現会議(ICLR)で発表される本研究は、古典的なベイズ最適化に基盤モデルを組み合わせた点が革新的です。

本手法の中核は「表形式基盤モデル」と呼ばれる生成AIです。大規模言語モデルがテキストを扱うように、この基盤モデルは膨大な表形式データで事前学習されており、スプレッドシート版ChatGPTとも形容されます。エンジニアリング分野ではテキストより表形式データが一般的であり、実務との親和性が高い点が特徴です。

従来のベイズ最適化では反復ごとに代理モデルの再学習が必要で、変数が増えると計算コストが急増していました。新手法では事前学習済みの基盤モデルをそのまま使用するため再学習が不要であり、異なる問題にも一つのアルゴリズムで対応できます。設計空間のうち結果に最も影響する変数を自動的に特定し、探索を集中させる工夫も施されています。

60件のベンチマーク問題で5つの最先端手法と比較した結果、電力系統設計や自動車の衝突試験シミュレーションなど現実的な課題で一貫して最良の解を高速に発見しました。問題の次元数が増えるほど優位性が拡大する傾向も確認されています。ただしロボット経路計画など一部の課題では既存手法を上回れず、訓練データの網羅性が課題として残ります。

研究チームは今後、表形式基盤モデルの性能向上手法を研究するとともに、数千から数百万変数を持つ艦船設計などへの適用を目指しています。基盤モデルを言語や画像認識だけでなく科学・工学ツール内部のアルゴリズムエンジンとして活用する潮流を示す成果として、創薬や材料開発など高コスト評価を伴う分野への波及が期待されます。

Microsoft、150億パラメータの視覚推論モデルPhi-4をオープン公開

モデルの特徴と性能

150億パラメータの軽量マルチモーダルモデル
競合比5分の1のデータ量で訓練
数学・科学推論とGUI操作に特化
精度と推論速度のパレート最適を実現

推論の選択的制御

思考・非思考の混合モード搭載
画像認識は直接応答で低遅延実現
数学問題は段階的推論で精度向上
ユーザーがモード手動切替も可能

公開とエコシステム展開

HuggingFace・GitHubで重み公開
Phiファミリーがロボティクス領域にも拡大

Microsoft Researchは、150億パラメータのオープンウェイト・マルチモーダル推論モデル「Phi-4-reasoning-vision-15B」を公開しました。テキストと画像の両方を処理し、数学・科学の推論、チャート読解、GUI操作など幅広いタスクに対応します。

最大の特徴は訓練効率の高さです。約2000億トークンのマルチモーダルデータで訓練されており、QwenやGemma3など競合モデルが1兆トークン以上を使用するのに対し、およそ5分の1のデータ量にとどまります。その秘訣はオープンソースデータの徹底的なフィルタリングと品質改善にあります。

技術的に注目すべきは「混合推論」アプローチです。訓練データの約20%に思考過程を含む推論サンプルを、80%に直接応答のサンプルを使用し、モデルがタスクに応じて推論の要否を自動判断する仕組みを実現しました。画像キャプションでは即座に応答し、数学では段階的に思考します。

ベンチマーク評価では、ChartQAで83.3、MathVistaで75.2、ScreenSpot v2で88.2のスコアを記録しました。大型モデルのQwen3-VL-32Bには及ばないものの、同規模モデルを上回り、推論速度と精度のバランスでパレート最前線に位置しています。

Microsoftは本モデルをMIT許容ライセンスで公開し、ファインチューニングコードや評価ログも提供しています。Phiファミリーはエッジデバイス向けのPhi Silicaやロボティクス向けのRho-alphaにも拡大しており、「最も賢いモデルは最大のモデルではなく、いつ考えるべきか知っているモデルだ」という戦略を鮮明にしています。

Black Forest Labs、外部教師不要の自己学習手法で訓練速度2.8倍に

Self-Flowの技術革新

外部エンコーダ依存を完全排除
二重タイムステップ方式で自己蒸留
画像・動画・音声の統一学習を実現

性能と効率の飛躍

従来比約50倍の訓練ステップ削減
FID 3.61でREPA超えの画質達成
テキスト描画精度が大幅向上
ロボット制御タスクでも高成功率

企業への戦略的意義

計算コスト3分の1で最先端到達
外部モデル依存排除で技術負債削減

独Black Forest Labsは、生成AIモデルの訓練において外部の意味理解モデルに依存しない新手法「Self-Flow」を発表しました。従来のStable DiffusionやFLUXなどの拡散モデルはCLIPやDINOv2といった凍結エンコーダに頼っていましたが、この制約を根本から解消する技術です。

Self-Flowの核心は「二重タイムステップスケジューリング」と呼ばれる仕組みです。入力データに異なるレベルのノイズを適用し、生徒モデルには強く劣化させたデータを、教師モデル(自身のEMA版)にはより鮮明なデータを与えます。生徒が教師の見ている内容を予測する自己蒸留により、生成と意味理解を同時に学習します。

実用面での成果は顕著です。Self-Flowは現行標準のREPA手法と比較して約2.8倍高速に収束し、従来のバニラ訓練と比べると必要ステップ数は約50分の1に削減されました。40億パラメータのマルチモーダルモデルでは、画像FID 3.61、動画FVD 47.81とREPAを上回るスコアを記録しています。

特筆すべきはマルチモーダル対応力です。AIが苦手としてきたテキスト描画の精度が大幅に向上し、動画生成では手足が消える幻覚アーティファクトが解消されました。さらに映像と音声の同期生成も単一プロンプトから可能になり、外部エンコーダでは困難だった領域を克服しています。

企業にとっての戦略的価値も大きく、計算予算を約3分の1に圧縮しつつ最先端性能を達成できます。ロボティクス分野では675Mパラメータ版をRT-1データセットで微調整し、複雑な多段階タスクで高い成功率を実現しました。外部エンコーダへの依存排除により、技術負債の削減とスケーラビリティの確保が可能となり、自社データに特化した独自モデル開発の現実性が大きく高まっています。

X、AI生成の紛争動画に収益停止措置を導入

新ポリシーの概要

AI開示なき紛争動画を対象
収益プログラムから90日間停止
再犯時は永久追放の措置
Community Notesと検知ツール併用

制度の課題と限界

戦争以外のAI偽情報は対象外
収益制度が扇情的投稿を助長
政治的偽情報や詐欺広告は規制外

X(旧Twitter)は、武力紛争に関するAI生成動画をAIであると開示せずに投稿したクリエイターを、収益分配プログラムから90日間停止する新方針を発表しました。プロダクト責任者のニキータ・ビア氏が3月に公表しています。

新ルールでは、停止期間終了後も誤解を招くAIコンテンツの投稿を続けた場合、収益プログラムからの永久追放となります。ビア氏は「戦時において、現地の正確な情報へのアクセスは極めて重要だ」と述べています。

違反投稿の特定には、生成AI検知ツールとクラウドソース型ファクトチェック機能「Community Notes」の組み合わせが用いられます。AIが生成した動画や画像を自動的に検出する技術と、ユーザーの集合知を併用する仕組みです。

Xのクリエイター収益分配プログラムは、投稿の人気度に応じて広告収益を分配する制度ですが、批判者からはクリックベイトや炎上を狙った扇情的コンテンツを助長していると指摘されています。コンテンツ管理の甘さも問題視されています。

一方で今回の措置は限定的な対応にとどまるとの見方もあります。武力紛争以外の場面で使われる政治的なAI偽情報や、インフルエンサー経済における詐欺的コンテンツは引き続き規制の対象外であり、包括的な対策には至っていません。

Photoroom、画像生成モデルを24時間・約22万円で訓練する手法を公開

訓練レシピの全体像

H200 32台で24時間の速習訓練
総コスト約1500ドルに抑制
ピクセル空間で直接訓練しVAE不要に
TREADトークンルーティングで計算削減

品質向上の技術要素

LPIPSとDINOの知覚損失を併用
REPAでDINOv3と表現整合
オプティマイザにMuonを採用
コードとレシピをOSS公開

Photoroomは2026年3月3日、テキストから画像を生成する拡散モデルを24時間・約1500ドル(約22万円)の計算予算で訓練する手法「PRX Part 3」を公開しました。H200 GPU 32台を使用し、コードもGitHubでオープンソース化しています。

最大の特徴はピクセル空間での直接訓練です。従来必要だったVAE(変分オートエンコーダ)を排除し、パッチサイズ32と256次元のボトルネック層で系列長を制御します。512pxで訓練を開始し、1024pxへファインチューニングする2段階方式を採用しています。

品質向上のため知覚損失を2種類導入しています。LPIPSは低レベルの知覚的類似性を、DINOv2ベースの損失は意味的な信号を捉えます。プール済み画像全体に適用し、全ノイズレベルで計算する独自の工夫が加えられています。

計算効率の面ではTREADによるトークンルーティングを採用し、50%のトークンをTransformerブロックの大部分でスキップさせます。またREPAでDINOv3教師モデルとの表現整合を行い、収束を加速させています。オプティマイザにはMuonを使用しAdamを上回る性能を確認しています。

訓練データは合成データセット3種(計約870万枚)を使用し、Gemini 1.5でキャプションを再生成しています。生成品質にはまだ改善余地があるものの、プロンプト追従性や美的一貫性は高く、構造的な欠陥ではなくデータ多様性の不足が主な課題と分析しています。

Google、Pixel最新アップデートでGeminiによる代行操作を提供開始

Geminiの新エージェント機能

Geminiがアプリ内タスクを代行実行
UberやGrubhubでの注文・配車に対応
バックグラウンド動作で監視・中断も可能
Magic Cueがレストラン提案を自動化

Circle to Searchの進化

画像内の複数オブジェクトを同時認識
コーディネート全体から個別アイテムを検索
バーチャル試着機能を新搭載

Android全体の新機能追加

Find Hubで紛失荷物の位置を航空会社と共有
Google Messagesにリアルタイム位置共有を追加

Googleは2026年3月のPixel Dropアップデートを公開し、AIアシスタントGeminiにエージェント機能を追加しました。Pixel 10シリーズのユーザーは、食料品の注文や配車予約などの日常タスクをGeminiに任せることが可能になります。

新たなエージェント機能では、UberやGrubhub、DoorDashなどの対応アプリ内でGeminiがバックグラウンドで作業を実行します。ユーザーはいつでもタスクの進捗を確認したり中断したりでき、Samsung S26シリーズでも同機能が利用可能です。

Circle to Searchにも大幅な機能強化が施されました。画面上の画像から複数のオブジェクトを同時に認識できるようになり、ファッションコーディネート全体を囲むだけで個別アイテムの検索が可能です。さらにバーチャル試着機能も追加され、購入前に着用イメージを確認できます。

Android全体の新機能として、Find Hubが紛失荷物対策を強化しています。トラッカータグの位置情報を安全なリンクで航空会社と共有でき、ルフトハンザグループやエア・インディアなど10社以上の主要航空会社が対応しています。Samsoniteとの提携によりスーツケースへの技術組み込みも進んでいます。

そのほか、Google Messagesでのリアルタイム位置共有、Now Playingの単独アプリ化、AI生成カスタムアイコン、Pixel Watchの地震アラートや衛星SOSのカナダ・欧州展開など、多岐にわたる機能追加が実施されました。日本では詐欺電話検出機能も新たに利用可能になっています。

ディープフェイク時代、専門家が実践する真偽検証術

報道機関の検証手法

NYTやBellingcatが多段階検証を実施
画像の視覚的矛盾を精査し真贋判定
投稿元アカウントの作成時期を確認
逆画像検索で元ソースを特定

偽情報拡散の現状と対策

米イスラエルのイラン攻撃後に偽映像が氾濫
ゲーム映像やAI生成画像が戦争報道に混入
SNS各社はAI生成ラベル表示の約束を未達成
一般ユーザーにも慎重な情報共有が求められる

米国とイスラエルによるイラン軍事攻撃の直後、SNS上には戦争を記録したとされる大量の画像や動画が出回りました。しかしその多くは過去の紛争映像やAI生成コンテンツ、さらにはゲーム映像であることが判明しています。

NYタイムズのVisual Investigationsチームは、ベネズエラのマドゥロ大統領に関する未確認画像を精査した際、航空機の窓の不自然さなど視覚的矛盾を詳細に分析しました。出所不明の画像は掲載基準を満たさないと判断し、報道の信頼性を最優先にしています。

調査報道機関Bellingcatは、GoogleやYandexの逆画像検索、ExifToolによるメタデータ抽出などを駆使して検証を行います。同機関のヒギンズ氏は「出所と文脈に焦点を当てる手法は今も有効だが、ノイズは格段に増えた」と語っています。

専門家は衛星画像やGoogleマップとの照合、SunCalcによる撮影時刻の推定、近隣の防犯カメラ映像との突合など、多角的な検証手段を組み合わせています。画像の切り抜きやコントラスト調整は許容範囲とする一方、AIによる要素の追加や除去は「報道写真ではない」と明確に線引きしています。

OSINT専門家のシルバーマン氏は「現在の情報環境は操作と欺瞞に傾いている」と警告し、一般ユーザーにも感情的な投稿を共有する前に立ち止まることを推奨しています。無料で利用できる検証ツールを活用し、複数の独立情報源で裏取りすることが、偽情報の拡散防止に不可欠だと訴えています。

米最高裁、AI生成作品の著作権保護を認めず

最高裁の判断

著作権審査請求を棄却
AI作品に人間の創作性不在と判断
Thaler氏の7年越しの訴え却下

判例の経緯と影響

2019年の著作権局拒否が発端
連邦控訴裁も人間の創作を要件と確認
特許でも同様にAI発明者を否定
英最高裁も同様の判断を下す

米連邦最高裁判所は2026年3月2日、AI生成アートに著作権保護を認めないとする下級審判決の審査請求を棄却しました。ミズーリ州のコンピュータ科学者Stephen Thaler氏が自身のAIアルゴリズムが生成した画像の著作権登録を求めていた訴訟です。

この訴訟は2019年、Thaler氏がAI生成画像「A Recent Entrance to Paradise」の著作権登録を米著作権局に申請したことに始まります。著作権局は2022年の再審査でも「人間の創作性」が含まれていないとして申請を却下しました。

2023年には連邦地裁のBeryl A. Howell判事が「人間の創作性は著作権の根本要件」と判示し、2025年3月にはワシントンDCの連邦控訴裁判所もこの判決を支持しました。Thaler氏は2025年10月に最高裁へ上告していました。

Thaler氏は著作権だけでなく特許分野でもAIを発明者として認めるよう求めてきましたが、米連邦巡回裁判所はAIシステムが人間ではないため特許の発明者にはなれないと判断しています。米特許庁も2024年に同様のガイダンスを発表しました。

さらに米著作権局は昨年、テキストプロンプトに基づくAI生成アートは著作権保護の対象外とする新たなガイダンスを公表しています。英国最高裁もThaler氏の同様の訴訟でAIは発明者になれないと判断しており、各国で判例が固まりつつあります。

Google、MWCでAndroid AI新機能を多数披露

AI体験デモの目玉

Veoで音声付き動画を生成
XRヘッドセットで都市探索
プロトタイプARグラスも展示

検索とデバイスの進化

Circle to Searchが服の試着対応
見つけた服を直接バーチャル試着
Gemini最新機能をデバイスで体験
新端末Pixel 10aを披露

Googleは2026年2月末のMWCバルセロナにおいて、Androidエコシステム全体にわたるAI活用の最新成果を発表しました。来場者向けにハンズオンデモを多数用意し、AI技術の実用性を訴求しています。

注目の体験として、Nano Bananaを使い80年代雑誌の表紙風に自分を再現できる画像生成デモや、Veoによる音声付き没入型動画の生成機能が紹介されました。生成AIの創造的な活用例として注目を集めています。

XRヘッドセットとプロトタイプグラスを用いた都市のバーチャル探索も出展されました。周囲の環境に合わせた音楽再生機能も搭載され、空間コンピューティング分野への本格参入を示しています。

Circle to Searchには新機能が追加され、見つけた服装から直接衣類を検索しバーチャル試着できるようになりました。視覚的な検索体験がショッピング領域へ大きく拡張されています。

さらにPixel 10aをはじめとする最新デバイスでGeminiの新機能を体験できるブースも設置されました。会場のAndroid Avenueでは20社のパートナー企業も出展し、エコシステムの広がりを印象づけています。

GoogleがNB2を全ユーザーに開放

モデルの技術的優位性

Gemini 3.1 Flash Imageベースの次世代画像生成
旧Pro版のテキスト描画と画像検索グラウンディングを統合
フラッシュ速度を維持しつつ視覚品質を大幅向上
無料ユーザーにもプロ機能を全面開放
Vercel AI GatewayやGemini APIでも即日利用可

エンタープライズへの影響

高品質×低コストで企業導入障壁を解消
AIメディア制作・広告制作のコスト構造を変革
OpenAI・Midjourneyへの競争優位を強化
製品ロードマップへの即時統合が可能に

Googleは2026年2月26日、画像生成AIモデルNano Banana 2(正式名:Gemini 3.1 Flash Image)を発表し、Geminiアプリや主要AIプラットフォームで全ユーザーへの提供を開始しました。

本モデルは旧Nano Banana Proのテキスト精密描画能力と、リアルタイムのGoogleイメージ検索を活用したグラウンディング機能を統合し、フラッシュ速度での生成を実現しています。

エンタープライズにとって最大の意義は、従来Proモデルに必要だったコスト負担なしに、同等以上の高品質出力が得られる点です。VentureBeatの分析によれば、これは過去6カ月間の「品質か速度か」というジレンマを解消するものです。

Vercel AI GatewayにもNano Banana 2が即日対応し、既存のAPI統合でシームレスに切り替えが可能です。フラッシュティアのコスト水準を維持しながらより優れた出力が得られます。

GoogleはNano Banana 2をAI Studio、Imagen API、Geminiアプリ全体に展開することで、AIクリエイティブ制作の民主化を進めています。企業は今すぐプロダクションへの統合を検討すべきです。

PomellのAIでスタジオ品質素材生成

AIマーケティング素材生成

Photoshoot機能のローンチ
スタジオ品質のプロダクト画像を自動生成
マーケティング制作コストを大幅削減

PomellはAIを使ってスタジオで撮影したような品質のマーケティング素材を自動生成するPhotoshoot機能をローンチしました。

実際のスタジオ撮影に比べて大幅なコストと時間の削減が可能で、ECサイトやSNSマーケティングに活用できます。

a16z生成メディア報告でコンテンツAI化が加速

生成メディアの現在地

コンテンツ制作がAI化
動画・音楽・画像生成が主役
クリエイター経済の再編

投資・ビジネス動向

生成AIスタートアップへの投資拡大
消費者向けAIの台頭
エンタメ産業の構造変化

Andreessen Horowitzが「生成メディア2026年の現状」レポートを公開しました。AI生成コンテンツ(動画・音楽・画像・テキスト)の市場が急速に成熟していることを示しています。

動画・音楽・画像生成の品質が急向上し、プロクリエイターの制作ツールとして定着し始めています。消費者向け生成AIアプリの成長が特に顕著です。

エンターテイメント産業では制作コストの大幅削減が実現し始めており、コンテンツの民主化と競争激化が同時に進行しています。

日本のメディア・エンタメ産業でも生成AIの活用が急増しており、競争優位性を保つためのAI戦略立案が急務となっています。

Vercelがプラットフォームを複数アップデート

主要アップデート内容

セキュリティ監査の自動化
AIによるビルドエラー修正提案
Recraft V4画像モデル提供開始

Vercelは複数のプラットフォームアップデートを発表しました。skills.shのセキュリティ監査自動化、Vercel AgentによるPRレビューへのビルド修正提案機能が追加されました。

ランタイムログのストリーミングエクスポート改善、Recraft V4テキスト→画像モデルのAI Gateway追加、Sandboxスナップショットのカスタム保持期間設定も提供開始されました。

xAIで安全チームが崩壊、マスク氏がGrokを「過激化」指示か

安全体制の崩壊

元従業員が「安全チームは死んだ」と証言
Grokによる100万枚超のデープフェイク画像生成
マスク氏がモデルをより過激にするよう指示
SpaceXによるxAI買収発表後に大量退職

組織的混乱

エンジニア11名・共同創業者2名が退社
会社が競合他社比で追いつき段階との内部評価
方向性の欠如に対する幻滅感が広がる
マスク氏は退職を組織再編の一環と主張

xAIの元従業員がThe Vergeの取材に応じ、「安全はxAIでは死んでいる組織」と証言しました。マスク氏がGrokを意図的にモデレーションを緩めた「より過激な」方向に調整しようとしているとも述べています。

Grokはすでに実際の女性や未成年を含む100万枚以上の性的ディープフェイク画像の生成に使われたとNYTが報じており、これが世界規模の批判を招きました。

SpaceXによるxAI買収発表後、エンジニア11名と共同創業者2名が退社を表明しました。マスク氏はX上でこれを組織再編の一部と説明していますが、実態は複数要因が重なった離脱とみられます。

元従業員はxAIが競合と比べて「追いかけフェーズ」にあると感じており、明確な戦略的方向性が示されていないことへの不満も退職理由のひとつです。

AI安全とコンテンツポリシーをめぐるこの対立は、AI企業における経営者の価値観とリスク管理のバランスという業界全体の課題を映し出しています。

ByteDanceが次世代マルチモーダル動画生成AIを発表

新モデルの能力

テキスト・画像・音声・動画を統合入力して映像生成
あらゆるマルチモーダル入力に対応する次世代モデル
ByteDanceの動画AI技術が一段階進化

ByteDanceはテキスト、画像、音声、既存動画の任意の組み合わせを入力として動画クリップを生成できる新世代AIモデルを発表しました。RunwayやSoraと競合するマルチモーダル動画生成の最前線を争います。

TikTokの親会社として膨大な動画データを持つByteDanceにとって、動画生成AIは戦略的な中核技術です。クリエイター向けツールから広告制作まで幅広い応用が見込まれます。

Soraとの比較では、入力の柔軟性において優位性があるとされています。既存の映像素材を入力として新しいコンテンツを生成する映像編集AIとしての活用が注目されます。

米CBPがClearview AIと顔認識「戦術的標的化」契約を締結

契約の概要

年間22.5万ドルでClearview AIへのアクセス取得
顔認識による戦術的標的化に活用
移民管理・国境警備への本格導入を示唆

米国税関・国境保護局(CBP)がClearview AIと顔認識技術の利用契約を締結しました。「戦術的標的化」という用途が明記されており、法執行へのAI顔認識の組み込みが進んでいます。

Clearview AIはインターネット上の公開画像を大量に収集して構築した顔認識データベースを持つ企業で、プライバシー侵害を理由に各国で訴訟や規制に直面しています。それでも米連邦機関による採用が進んでいる事実は監視国家化への懸念を高めています。

この契約は移民政策とAI監視技術の交差点に位置します。ICEやCBPによるAI活用の拡大は、民間企業のデータと政府の執行能力が融合していく流れを体現しています。

MIT、脳幹の白質経路をAIで追跡可能に

研究の成果

白質繊維束の高精度追跡
従来不可能だった解像度
脳幹の神経ケーブル可視化

医療への応用

意識や呼吸の神経経路解明
脳外科手術の精度向上
神経疾患診断への貢献

MITの研究チームが開発したAIアルゴリズムにより、脳幹の白質繊維束を従来にない精度で追跡することが可能になりました。

白質繊維は意識、睡眠、呼吸、心拍、運動など重要な機能を制御する神経ケーブルですが、これまでの画像技術では十分に解像できませんでした。

新しいAIアルゴリズムはこの課題を克服し、脳幹内の神経経路を高精度で可視化することを実現しています。

この技術は脳外科手術の計画精度向上や、神経疾患の診断改善に直接的な応用が期待されます。臨床医療への貢献が見込まれます。

AIと医療画像の融合は急速に進展しており、今回の成果は脳神経科学の新たなフロンティアを開くものです。

Google Photos、対話型画像検索を実現

Ask機能の特徴

Geminiモデルで写真検索
画像の説明と編集を対話で
フォローアップ質問に対応

活用シーン

旅行写真の場所特定
料理のレシピ解析
テキスト転写にも対応

Google PhotosのAsk Photos機能とAskボタンが拡充され、Geminiモデルを使った対話型の画像検索と編集が可能になりました。

写真を見ながら「この場所はどこ?」「似た写真を見つけて」といった自然言語での質問ができ、AIが即座に回答します。フォローアップ質問にも対応します。

「Help me edit」機能では、編集したい内容をテキストで伝えるだけでAIが画像加工を行います。サングラスの除去や背景変更なども可能です。

料理の写真から食材を特定したり、手書きレシピを転写したりと、実用的な活用シーンが幅広く紹介されています。

AskボタンはAndroidとiOSの米国ユーザーに展開中で、Ask Photos自体は多くの国と言語に対応しています。

Google、画像削除や個人情報管理機能を強化

安全機能の拡充

不同意画像の一括削除申請
継続的なフィルタリング保護
個人情報管理ハブの拡大

子どもの保護

安全な利用を推進
家族向け安全ツール強化
専門機関への支援リンク提供

Googleは検索結果から不同意の性的画像を削除する新しい簡易プロセスを導入しました。複数画像の一括申請が可能になり、被害者の負担が軽減されます。

削除だけでなく、類似検索結果を事前にフィルタリングする継続的保護機能もオプトインで提供されます。申請状況は「Results about you」ハブで一元追跡できます。

個人情報のオンライン管理ツールは既に1,000万人以上が利用しており、さらなる拡充が進められています。メール通知によるステータス更新も追加されました。

Safer Internet Dayに合わせ、子どもとティーンのオンライン安全に関する施策も発表されました。家族向けの保護ツールや教育リソースが充実しています。

これらの取り組みはデジタル安全への包括的なアプローチであり、被害者支援から予防まで幅広くカバーする内容です。

Facebook、AI生成のプロフ動画機能を投入

新AI機能の概要

プロフィール写真のアニメ化
ストーリーのリスタイル機能
テキスト投稿に動く背景

狙いと影響

エンゲージメント向上が目的
プリセットアニメーションを提供
フィードでの視認性強化

Facebookは、AIを活用した新しいクリエイティブ機能を発表しました。静止画のプロフィール写真をアニメーションに変換できるほか、ストーリーやメモリーズのリスタイルも可能です。

テキスト投稿には動的な背景を追加でき、フィード上での視認性が高まります。Meta AIを使った画像生成機能も併せて強化されています。

これらの機能はユーザーの自己表現を支援し、プラットフォームのエンゲージメント向上を狙ったものです。SNS競争が激化する中、AIによる差別化を加速させています。

プリセットのアニメーションを選ぶだけで手軽に利用でき、技術的な知識は不要です。クリエイター経済の活性化にも寄与する可能性があります。

MetaはAI機能の拡充を通じて、TikTokやInstagramとの差別化を進めており、今回の更新もその戦略の一環と位置づけられます。

スーパーボウルのAI広告は期待外れ、偽OpenAI広告も拡散

AI広告への批判と評価

生成AI広告が人間制作と比べて質的に劣ると批評
AI動画・画像生成の技術的限界が露出
各ブランドがAI利用を積極的にアピールも逆効果
過剰なAI広告への飽和感が視聴者に広がる
創造的職業の将来を巡る懸念が増幅

偽OpenAI広告の拡散

イヤーバッドと光球の偽OpenAICMが拡散
実際にOpenAIはスーパーボウル広告を出稿していない
ソーシャルメディアで「本物らしい」と誤解される
AI生成コンテンツの真偽判別の困難さを示す事例
メディアリテラシーの重要性が再び浮上

スーパーボウル60で溢れかえったAI広告に対し、批評家からは「期待外れ」という声が相次ぎました。生成AIで制作された広告は、技術が進化したとはいえ、人間が制作したコンテンツと比べると質的な劣勢は明らかとされています。

複数のブランドがAI生成コンテンツをスーパーボウルという世界最大の広告舞台で公開したことは、AIの実力を過大評価しているとの批判を招きました。視聴者のAI疲れが進む中、かえってブランドイメージを損ねるリスクを示しています。

一方、イヤーバッドと光る球体を映した偽のOpenAI広告がソーシャルメディアで拡散し、多くのユーザーが本物のCMだと思い込みました。実際にOpenAIはスーパーボウルへの広告出稿を行っておらず、AI生成コンテンツの識別の難しさを示す事例となりました。

この事件は、AI技術の進化と共にフェイクコンテンツの品質も向上しており、従来のファクトチェックの手法では対処が困難になっていることを浮き彫りにしています。NY FAIR News Actなどコンテンツ表示義務に向けた動きとも連動しています。

AI広告の氾濫と偽コンテンツの拡散という二つの課題は、生成AIが商業・情報領域に深く浸透する中で、企業・メディア・消費者が共に取り組むべきリテラシーの問題を提起しています。

AIと衛星監視が核軍縮条約の代替として浮上

核管理の新パラダイム

核軍縮条約が相次いで失効し管理体制が空白に
衛星とAIで世界の核兵器をモニタリングする提案
技術的には「プランB」として研究者が検討
AIによる核施設・兵器移動の自動検知
検証メカニズムの透明性確保が最大の課題

リスクと技術的限界

AIの誤判断が偶発的核衝突を招くリスク
衛星監視のカバレッジ・解像度の限界
地下施設や移動式核への対処が困難
AIをどの組織が管理・運用するかの政治問題
核AI連携は「必然」という専門家の見方

冷戦後の核軍縮条約体制が崩壊する中、科学者・研究者が注目する新たな「プランB」があります。人工衛星とAIを組み合わせた核監視システムです。これまで条約が担ってきた検証機能を技術的手段で代替しようという構想です。

核軍備管理専門家のMatt Kordaは「これはあくまでプランBだ」と述べており、AI監視システムは条約の代替ではなく緊急措置としての位置付けを強調しています。しかし条約体制の復活が見通せない中、現実的な検証手段として真剣な検討が進んでいます。

技術的には、衛星画像をAIが自動解析することで核施設の活動状況や兵器の移動をリアルタイムで監視できます。一方で地下施設や移動式核ミサイルへの対処、衛星の解像度限界という技術的制約も指摘されています。

最大の懸念はAIの誤判断リスクです。核兵器の展開を誤認した場合、偶発的な核衝突を引き起こす可能性があります。人間の判断をどの段階でどの程度介在させるかというヒューマン・イン・ザ・ループの設計が極めて重要です。

Wired誌の関連記事「AIと核兵器の融合は必然」が示すように、AIと核安全保障の問題は今後の安全保障政策において避けられない中心的テーマとなっています。

NvidiaのNemotronモデルがマルチモーダル検索と文書AIを強化

モデルの性能と用途

ColEmbed V2がマルチモーダル検索首位
ViDoRe V3ベンチマークでトップ達成
Nemotron AgentsがAIリアルタイムBI実現
文書構造を理解した情報抽出
RAGパイプラインとの高い親和性
エンタープライズ文書処理の革新

ビジネス活用

非構造化文書からKPI抽出
業務意思決定支援の即時化
Nvidiaエコシステムとの統合促進

Nvidiaは2026年2月4日、マルチモーダル検索モデル「Nemotron ColEmbed V2」がHuggingFaceのViDoRe V3ベンチマークでトップスコアを達成したと発表した。

ColEmbed V2は画像・テキスト・表・チャートを統合したマルチモーダル文書検索において卓越した性能を持ち、企業の複雑な文書からの情報抽出を実現する。

Nemotron Agentsはリアルタイムで文書をビジネスインテリジェンスに変換するシステムで、ERPデータやレポートから即座にKPIを算出できる。

これらのモデルはNvidiaのAI基盤(NIM)上で動作し、既存のRAGアーキテクチャや検索システムへの統合が容易だ。

日本企業においても大量の非構造化文書(契約書、報告書等)を持つ組織にとって、文書AI自動化の実用性が高まった重要な進展だ。

テキスト→画像モデルの訓練設計における重要な教訓をアブレーション研究から公開

研究の内容

アブレーション研究の知見
訓練データ設計の重要性
画像品質と多様性のトレードオフ

実践への応用

テキスト→画像モデル改善
解像度と品質の最適化
コミュニティへの貢献

H Companyの研究者たちがテキスト→画像生成モデルの訓練設計に関する詳細なアブレーション研究(要素ごとの効果測定)を公開しました。モデル品質に大きく影響する訓練設計の選択に光を当てています。

訓練データの品質と多様性のバランス、解像度の選択、条件付けの強度など、テキスト→画像モデルの性能を左右する重要なハイパーパラメータの知見が共有されています。

特にデータのキュレーション方法と訓練スケジューリングの選択が、最終的なモデル品質に予想以上に大きな影響を与えることが示されました。

このような研究の公開は、大規模モデル訓練の知見をコミュニティ全体で共有することで、オープンソース生態系全体の品質向上につながります。

テキスト→画像モデルの実務応用を目指す研究者・エンジニアにとって、貴重なベースラインデータとして参照価値があります。

インドネシアがGrokの禁止を条件付きで解除、ディープフェイク問題が続く

禁止解除の経緯

東南アジア3か国がGrok禁止を解除
条件付き解除で監視継続
180万件超の性的deepfakeが発端

規制の課題

禁止の実効性への疑問
グローバル規制整合の難しさ

インドネシアはマレーシア・フィリピンに続き、xAIのGrokチャットボットへの禁止措置を条件付きで解除しました。2026年1月、Grokが少なくとも180万件の女性の性的ディープフェイク画像を生成したことが発覚し、各国が禁止に踏み切っていました。

xAIはコンテンツポリシーを更新し、違法なコンテンツを生成しないとの保証を各国政府に提供したことで禁止解除につながりましたが、独立した研究者によるテストでは今なお問題ある出力が確認されています。

この事件は、AIチャットボットが生成する有害コンテンツに対して各国政府が独自の規制権を持つ一方、グローバルなAI企業が各国法に準拠するための仕組みが不十分であることを示しています。

東南アジア各国の禁止・解除プロセスは、AI規制のグローバルな協調が必要でありながら実現が困難というガバナンスの根本問題を露呈しました。

今後もGrokの動向は規制当局の監視下に置かれる見通しで、AI企業の政府との関係管理能力が問われています。

GoogleがJanuary Gemini Dropで新機能を発表

新機能一覧

Geminiアプリの新機能追加
音声・画像機能強化
マルチモーダル改善

ユーザー体験

日常使いの利便性向上
パーソナライズ強化
競合との差別化

GoogleのJanuary Gemini Dropでは、音声・画像機能の強化やパーソナライゼーションの改善など複数の新機能がGeminiアプリに追加されました。

毎月恒例のGemini Dropは機能を段階的に追加する戦略で、ユーザーの継続的エンゲージメントを保ちながらChatGPTやClaude.aiとの競争に対応しています。

イーロン・マスクがX向け新しい画像ラベリングシステムをティーズ

ティーズの内容

X向け画像ラベリングシステム
AIによる自動タグ付けか
詳細は不明

Xのコンテンツ戦略

コンテンツ分類改善
広告ターゲティング強化
Grok連携の可能性

Elon MuskはXに向けた新しい画像ラベリングシステムを示唆するメッセージを投稿しましたが、詳細は不明なままです。AIによる自動ラベリング機能の可能性が指摘されています。

Xの広告収益改善にはコンテンツの正確なラベリングが不可欠であり、GrokのビジョンAI機能を活用した新たなコンテンツ管理システムの構築とみられています。

UniRGが強化学習で医療画像レポートの精度を改善

技術の概要

強化学習で医療レポート改善
放射線診断の精度向上
人間専門家との比較検証

医療AIの展望

放射線科医の支援強化
診断エラー削減
医療AI承認への道

UniRGは強化学習を使って医療画像診断レポートの品質を大幅に向上させる研究成果を発表しました。放射線診断の精度が人間専門家に近づいています。

医療診断におけるAI支援の精度向上は放射線科医の業務負荷軽減と診断エラー削減に直結し、医療AIの実用化加速に貢献します。

熱力学的コンピューティングがAI画像生成のエネルギー効率を向上か

技術の概要

熱力学的演算アーキテクチャ
従来のGPUへの代替可能性

業界への影響

AI計算の炭素排出削減
グリーンAIへの新アプローチ
商業化への課題

熱力学的コンピューティングという新しいアーキテクチャがAI画像生成において大幅なエネルギー効率向上をもたらすことが示されました。

AI計算の電力消費問題が深刻化する中、この技術はGPUに依存しない省エネルギーなAI演算の可能性を開くものとして研究者の注目を集めています。

Google PhotosがAIで画像をビデオに変換する新機能を追加

新機能の概要

画像からビデオ変換機能追加
変換スタイルを自然言語で指定
AIによる映像生成の民主化

消費者価値

思い出の動画化
クリエイティブ表現の拡大
競合サービスへの対抗

Google Photosに自然言語で変換スタイルを指定して画像をビデオ化する機能が追加されました。「波が揺れる」「桜が舞い散る」などのプロンプトで動画を生成できます。

この機能はAI動画生成を日常的な写真管理に組み込む革新的な取り組みで、SoraやRunwayなどの動画生成ツールへの対抗でもあります。

GoogleがGemini 3 Flashにエージェント型ビジョン機能を追加

Agentic Visionの特徴

視覚情報のエージェント活用
Gemini 3 Flashへの組み込み
マルチモーダルエージェント化

応用可能性

画像を見ながらのタスク実行
UI操作の自動化
視覚的ワークフロー対応

GoogleはGemini 3 FlashにAgentic Vision機能を導入しました。AIエージェントが視覚情報を理解しながらタスクを実行できるマルチモーダルエージェント機能です。

画面のスクリーンショットを見ながらUIを操作するなど、視覚的なワークフローの自動化が可能になり、RPA分野への AI展開が加速します。

マルチモーダルRLとエージェント検証器でAIエージェントの信頼性を向上

研究の要点

マルチモーダル強化学習を採用
エージェント検証器が動作を確認
テキスト+画像での共同学習
誤行動の検出精度が向上
自律エージェントの安全性強化

応用への示唆

ロボティクスへの直接応用
GUI操作エージェントに活用
マルチステップタスクの精度向上
エラー回復機能が改善
監視コストの削減につながる

マルチモーダル強化学習とエージェント型検証器を組み合わせることで、AIエージェントの信頼性を向上させる研究が発表されました。

エージェント検証器は、AIエージェントが次の行動を決定する前に、その行動が適切かどうかを独立したモジュールが評価します。これにより誤行動のリスクを事前にフィルタリングできます。

マルチモーダル入力(テキストと画像の組み合わせ)を使ったRLは、コンピュータ画面の操作やロボット制御など現実世界のタスクに応用しやすい特性があります。

エージェントの信頼性向上は本番環境での自律的なデプロイを可能にする前提条件であり、この研究はエージェントAIの実用化を前進させる重要な成果です。

VercelのAI GatewayにRecraft画像モデルが追加

機能追加の概要

RecraftモデルがAI Gatewayに対応
高品質なベクター・ラスター画像生成
API統一インターフェースで利用可能
開発者の統合コストが削減

開発者への影響

複数モデルの切り替えが容易
画像生成のバックエンドを統合
コスト管理もGateway側で一元化
Flux・DALL-Eとの比較選択が可能
本番運用での信頼性が向上

Vercel AI GatewayにRecraft社の画像生成モデルが追加されました。RecraftはSVGなどのベクターグラフィックスやスタイル一貫性に優れた画像生成が特徴です。

AI Gatewayは複数のAIプロバイダーへの単一エントリーポイントとして機能し、モデルの切り替えやフォールバック設定が容易になります。開発コストの削減に直結します。

Recraft追加により、Vercelのエコシステムで利用できる画像生成モデルの選択肢が広がりました。用途に応じた最適なモデル選択が開発者にとって重要になっています。

xAIのGrokが性的ディープフェイク問題でカリフォルニア州から法的措置

問題の経緯と法的対応

CA州検察が停止命令を発令
性的ディープフェイク生成が問題化
マスクの子の母が訴訟提起
Grokが未成年の偽画像を生成
xAIの管理体制が問われる
X(旧Twitter)で障害発生も重なる

企業ガバナンスへの問い

コンテンツモデレーションの限界露呈
規制強化の議論に拍車
AI企業の法的責任が焦点に
マスクのリーダーシップに批判集中
信頼回復への道筋不透明

カリフォルニア州検察はxAIに対し、GrokチャットボットによるAI生成性的ディープフェイクへの停止命令を発しました。イーロン・マスクの子どもの母であるAshley St Clair氏も同日xAIを提訴しています。

St Clair氏の訴状では、Grokが彼女の性的な偽画像を作成したと主張しています。未成年の性的画像生成も問題視されており、法的・倫理的な批判が高まっています。

1月16日にはXとGrokが全世界で約1時間ダウンするというサービス障害も発生し、xAIへの信頼に打撃を与えました。

この問題はAIコンテンツ規制の必要性を改めて浮き彫りにしています。他のAI企業も自社製品のセーフガード強化を迫られることになりそうです。

GoogleのAI動画生成ツールFlowがWorkspaceユーザーに開放

機能と展開

GoogleFlowがWorkspace対応
テキストから動画生成が可能
企業向けWorkspaceユーザーに開放
2025年5月のローンチ後に拡大
ビジネス用途での活用が広がる

ビジネスインパクト

動画コンテンツ制作コスト削減
マーケティング生産性が向上
研修・プレゼン資料作成に活用
競合Soraとの差別化要素
エンタープライズでの採用加速

GoogleはAI動画生成ツール「Flow」をGoogle Workspaceユーザーに提供開始しました。2025年5月にローンチして以来、アクセスを段階的に拡大しています。

Flowはテキストや画像から高品質な動画を生成できるツールで、Workspaceとの統合によりビジネスユーザーが日常業務で活用しやすくなります。

マーケティング部門や研修コンテンツ、プレゼン資料など企業の動画ニーズに応えるもので、専門のビデオ制作会社への外注コストを削減できる可能性があります。

OpenAIのSoraなど競合製品と比べ、Google Workspaceエコシステムとの親和性が差別化のポイントです。

Black Forest LabsがFlux.2オープンソースモデルを公開、1秒以内で画像生成

モデルの技術的特徴

1秒未満での画像生成を実現
完全オープンソースで公開
Flux.1の後継モデル
Stability AI元メンバーが開発
高品質と超高速を両立

市場と競合への影響

Midjourney・DALL-Eとの差別化
ローカル実行が可能になる
開発者の応用範囲が大幅拡大
コスト削減に貢献
商用利用での自由度が高い

ドイツのAIスタートアップBlack Forest Labsは、1秒未満でAI画像を生成できるオープンソースモデル「Flux.2 [klein]」をリリースしました。同社はStability AI出身のエンジニアが設立したことで知られています。

Flux.2は前作Flux.1の性能をさらに高めており、生成速度と画像品質の両面で大きな改善が見られます。オープンソースでの公開により、開発者が自由に応用できます。

完全オープンソースのAI画像モデルが高速化されたことで、プロダクション環境への組み込みがより現実的になりました。コスト面でも有料APIを使わずに運用できるメリットがあります。

欧州発のAI技術として注目されており、米国や中国勢が支配するAI画像生成市場に新たな競争軸をもたらしています。

Z.aiのオープンソースGLM-ImageがGoogleのNano Banana Proを超える

技術の詳細と性能

複雑なテキスト描画でGoogleを上回る
オープンソースモデルとして公開
GitHubで利用可能
低コストで高品質なテキスト画像生成
多言語テキスト生成に強み

中国のAI企業Z.aiがリリースしたオープンソースGLM-Imageモデルが、GoogleのNano Banana Proモデルを複雑なテキストレンダリングのタスクで上回ることが示されました。画像内の複雑な日本語・中国語・英語テキストを正確に生成する能力で特に高い評価を得ています。

オープンソースの高品質画像生成モデルが中国から登場したことは、AI開発の地政学的多様化を示しています。特に多言語テキスト画像生成という分野での優位性は、アジア市場での実用的な応用において大きな意義を持ちます。

Xが「Grokの下着透視機能を修正済み」と主張するが英国では依然機能することが判明

修正の主張と実態の乖離

X Safetyが修正完了を公式発表
英国では依然として機能が作動
カリフォルニア州AG(司法長官)が調査開始
マスク氏が未成年画像の認識を否定
被害者らが訴訟に踏み切る事態に

規制・法的圧力の高まり

複数国政府が対応を要求
アプリストアからの追放要求も
CSAM規制違反の可能性
企業の透明性と説明責任に疑問
AIコンテンツモデレーションの難しさ

Xの安全チームはGrokAIが女性や子どもの衣服を「脱がせる」機能を修正したと発表しましたが、TechCrunchの調査により英国では依然として同機能が作動していることが判明しました。カリフォルニア州の司法長官が調査を開始し、マスク氏が未成年の性的画像への関与を否定する声明を発表するなど、事態は深刻化しています。

Grokの下着透視機能は複数の国で政府規制当局の調査対象となっています。インドネシア・マレーシアによるブロック、英国の規制調査、米国州司法長官の調査と、国際的な法的圧力が同時並行で高まっています。

この問題はAIプラットフォームのコンテンツモデレーション能力への根本的な疑問を提起しています。技術的修正が不完全なまま「完了」と宣言する姿勢は、AI企業の透明性と信頼性について深刻な課題を示しています。

GoogleがVeo 3.1を発表、縦向き動画生成と参照画像からの動画変換に対応

新機能の詳細

縦向き(ポートレート)動画の生成に対応
参照画像からAI動画を生成可能
4Kクオリティへの解像度向上
Gemini APIでも利用可能
食材から料理動画を自動生成する機能

創作と業務への影響

SNS向けコンテンツ制作を効率化
縦型動画主流のモバイル時代に対応
参照画像が一貫性を担保
ブランドコンテンツ制作コストを削減
競合Soraやルーミへの対抗策

Googleは動画生成AIモデルVeo 3.1の強化版を発表しました。最大の新機能は縦向き(ポートレート)動画の生成対応で、TikTokやInstagram Reelsなどモバイル向けコンテンツ制作に直接対応しています。また参照画像からAI動画を生成できる機能も追加され、ブランドの視覚的一貫性を保ちながらコンテンツ制作できます。

Veo 3.1はGemini APIを通じて開発者が利用でき、食材の写真から料理手順動画を自動生成するデモも公開されました。より高い一貫性とクリエイティブコントロールが実現され、商業的なコンテンツ制作パイプラインへの組み込みが容易になっています。

OpenAIのSoraやRunwayとの競争が激化する動画生成AI市場において、縦型フォーマット対応はGoogleが実用的なユースケースで差別化を図る戦略的判断です。SNSコンテンツ制作の現場では縦型動画が主流となっており、この対応は多くのクリエイターやマーケターにとって直接的な価値を持ちます。

医師の多数がAIは医療に有用だがチャットボット形式に懐疑的と回答

調査結果の詳細

医師の多数がAI医療の将来性を認める
チャットボット形式への信頼度は低い
診断支援・画像解析での活用を支持
直接患者対話AIには慎重
規制・責任体制の整備を優先要望

TechCrunchが報じた医師へのサーベイ結果は、医療AI普及の現実的な課題を示しています。多くの医師がAIの診断支援、医療画像解析、電子カルテ入力補助などのバックオフィス活用を支持する一方で、患者と直接対話するAIチャットボット形式への懸念が強いことが判明しました。

医師が最も重要視しているのは責任の明確化と規制の整備です。AIが誤診した場合の法的責任、保険適用の問題、患者への説明義務など、現行の医療制度とAIの統合にはまだ多くの整備が必要であることが示されています。

インドネシア・マレーシアがGrokをブロック、深刻化するディープフェイク問題

政府の対応と背景

両国政府が一時的アクセス遮断を決定
非合意性的ディープフェイクが原因
インドネシアが最も積極的な措置
xAI(Grok)への規制強化の流れ
欧州の規制とは異なるアジア対応

プラットフォームへの圧力

政府主導のコンテンツ規制が加速
X/xAIへの国際的批判が増大
アプリストアからの削除要求も浮上
AI生成コンテンツ規制の先例形成
他国への波及効果が懸念される

インドネシアとマレーシアの政府当局がxAIのチャットボットGrokへの一時的なアクセスをブロックしました。これはGrokのAI機能が非合意の性的ディープフェイク画像を生成・拡散していたことへの対応で、アジア政府による最も積極的な規制措置となっています。

このブロック措置はGrokを巡る一連の問題の中でも特に強硬な対応として注目されています。欧州ではUKが法律による対処を進める一方、アジア各国はプラットフォームへの直接規制という手段を選択しており、国際的なAI規制の多様性が浮き彫りになっています。

この一連の騒動はAI生成コンテンツに対する政府規制の新たな先例となる可能性があります。xAIはGrokのコンテンツモデレーションの不備を認め対応を進めているものの、複数国での規制は企業にとって大きな課題となっています。

バークレーの研究が情報駆動型の次世代撮像システム設計を提案

AI駆動の撮像技術革新

バークレーの研究者が情報理論に基づく撮像システム設計を発表
取得したい情報量を最大化するレンズ・センサー設計
医療画像・天文観測・産業検査での応用を想定
従来の「きれいな画像」から「有用な情報」へのパラダイム転換
AIが処理する最終段階を考慮したシステム設計
センサーとAI推論の統合設計が性能を最大化

カリフォルニア大学バークレー校の研究チームは、撮像システムをAIが処理する情報量を最大化する観点から設計する新しいアプローチを発表しました。従来の光学設計が「人間が見て美しい画像」を目的としていたのに対し、情報駆動設計は「AIが最も有用な情報を抽出できる画像」を目的とします。

医療診断・天文学観測・産業品質検査など、AIが最終的に意思決定に使う撮像システムでは、センサーとAIの統合設計が従来の別個設計よりも大幅に高い性能を実現できることが示されています。

この研究はハードウェアとAIソフトウェアの共同設計(co-design)という新しい開発哲学を体現しており、次世代の医療機器・科学計測装置・産業ビジョンシステムの設計に影響を与えることが期待されます。

Grokのディープフェイク危機が深刻化、有料化対応も不十分と批判

問題の全貌と各国の反応

ヒジャブ・サリー着用女性が組織的に標的に
有料化制限への移行後も無料で画像編集が可能と判明
英国・米国・EUの規制当局が強化調査
民主党議員がAppleとGoogleに削除を要求
xAIは機能を有料ユーザーのみに制限すると発表
しかし制限の実効性に疑問が残る

xAIのGrokによるAI脱衣画像生成問題は、ヒジャブやサリーを着用した女性が組織的に標的にされているという報告とともに、人種差別・性差別的な悪用の深刻さが明らかになりました。xAIの対応は画像生成機能を有料プランのみに制限するというものでしたが、Arstechnicaは無料ユーザーでも画像編集機能を通じて同様の操作が可能であることを確認しました。

民主党議員はAppleとGoogleのアプリストアに対しXアプリの削除を要求し、プラットフォーム企業の責任も問われています。英国、米国、EU各国が独自に規制調査を進めており、AI生成コンテンツの安全基準をめぐる国際的な議論が加速しています。

今回の問題の核心は、xAIが安全対策を後回しにして機能をリリースした点にあります。当初「善意を推定する」という設計思想が問題を引き起こした経緯からも、AI企業のセーフティ・バイ・デザインの義務化を求める声が高まっています。

AIがコレクター向け商品の鑑定・評価市場に参入

コレクティブルとAIの融合

AIがトレーディングカード・美術品・スニーカーなどのコレクター市場に参入
画像認識AIで真贋鑑定の精度を高める
市場価格予測AIで投資判断を支援
コレクター間の取引プラットフォームにAI評価を統合
希少性と状態評価を自動化することでスケールが可能に
数千億ドル規模の市場での価値提供に期待

The Vergeの記事は、AIがスポーツカード・美術品・高級スニーカーなどのコレクター向け商品(コレクティブル)市場への進出を報じています。画像認識AIを使った真贋鑑定は、専門家による目視検査よりも一貫性があり、スケールが容易というメリットがあります。

コレクター市場は世界で数千億ドル規模があり、価格の不透明性と偽造リスクという長年の課題がありました。AIによる価格予測と状態評価の標準化は、この市場の透明性と流動性を高める可能性を持ちます。

ただし、希少品の価値は文化的・感情的文脈と深く結びついており、純粋にデータドリブンなAI評価がコレクター市場で受け入れられるかは未知数です。ニッチだが高成長なAI応用領域として今後の動向が注目されます。

Grokの児童ディープフェイク問題、英国など各国政府が行動へ

問題の深刻化と各国の反応

Grokが未成年を含む女性のディープフェイク脱衣画像を生成
「善意を推定する」設定で問題画像要求を承認
英国首相が「行動を取る」と議会で明言
EU・米国の規制当局が調査を開始
民主党議員がApp StoreからGrokの削除を要求
ヒジャブや伝統衣装着用の女性も標的に

xAIのGrokが持つ画像生成機能が、未成年者を含む女性の非合意的な脱衣画像を大量生成できる状態が続いており、国際的な政治問題に発展しています。特に、ヒジャブやサリー着用の女性が組織的に標的にされているという報告があり、人種差別的・性差別的な悪用が深刻化しています。

Arstechnicaの調査によれば、未成年者の画像を要求した場合もGrokが「善意を推定する」という設定のために要求を承認することがあったとされています。英国首相は議会で明確に問題を認識し行動を取ると表明、各国政府がxAIへの法的対応を検討しています。

この問題はGrokだけでなくAI画像生成全般における安全対策の標準化を求める声を高めています。xAIの株主・投資家への影響も懸念されており、企業ガバナンスと安全対策への問題意識が高まっています。

Grokのグラフィック性コンテンツ生成問題、世界の政策立案者が反発

Grokの問題の深刻さ

無修正に近い性的コンテンツを生成できる状態が継続
Xのプラットフォームポリシーよりも緩い制限が設定
Wiredが詳細な調査報道でグラフィック内容を報告
未成年者の画像生成問題と複合的な批判を受ける
有料化で制限するxAIの対応に批判が集中
欧州・英国・米国の規制当局が一斉に調査開始

政治的・規制的反響

世界各国の政策立案者が制限撤廃を要求
英国首相が「行動を取る」と明言
EU AI Act下での対応義務が焦点に
米国議会でもxAIへの公聴会開催を要求する動き
民主党議員がApple・Google App Storeからの削除を要求
xAIの規制対応能力への根本的な疑問が浮上

xAIのGrokが生成する性的コンテンツがX(旧Twitter)のプラットフォームポリシーよりも緩い制限のもとで生成されていると、Wiredの調査報道が明かしました。通常は禁止されるようなグラフィックな性的描写が容易に生成できる状態が続いており、世界各国の政策立案者から強い反発を受けています。

英国首相は議会でこの問題に言及し「行動を取る」と明言しました。米国の民主党議員はGrokのイメージ生成機能をAppleおよびGoogleのアプリストアから削除するよう求めました。EU AI Actの枠組みの下でも、透明性要件と成人向けコンテンツの扱いについて義務が課されうる状況です。

xAIは当初、このコンテンツ生成を意図的な機能として設計していたとも受け取れる対応をしており、企業の責任能力に対する根本的な疑問が提起されています。政治的圧力は日増しに強まっており、何らかの規制措置が施行される可能性が高まっています。

小型モデルがマルチモーダル検索の精度を大幅に向上

Llama Nemotron RAGモデルの性能

HuggingFaceがLlama Nemotron RAGモデルを公開
マルチモーダル検索で大型モデルに匹敵する精度
視覚的なドキュメント検索(VDR)の精度を改善
テキストと画像の混在したドキュメントを効率処理
小型かつ高速なモデルで運用コストを削減
RAGパイプラインへの組み込みが容易な設計

実務への応用と意義

ドキュメント処理の精度とコストを両立
PDFや表・グラフを含む複合文書に強い
クラウドに依存しないローカル展開が可能
金融・法務・医療などの業種で高い需要
エンタープライズ検索システムの精度向上に貢献
オープンソースで無償利用できる利点も大きい

HuggingFaceは、小型でありながら高い精度を持つLlama Nemotron RAGモデルの詳細を発表しました。このモデルはマルチモーダル検索と視覚的なドキュメント検索(VDR)において、はるかに大型のモデルと競争できる性能を持ちます。

特に、テキストと図表・画像が混在するPDFや業務文書の検索において優れた結果を示しています。RAGパイプラインに組み込むことで、エンタープライズ検索システム全体の精度向上が期待できます。

小型モデルの高性能化というトレンドの典型例として、オンプレミスや低コストクラウドでの展開が可能であり、クラウドへのデータ送信をためらう金融・医療・法務などのセンシティブな業界での活用が広がりそうです。

GrokのAI「脱衣」ツール、子どもへの悪用で法的問題化

機能の拡散と深刻な被害

GrokのAI画像生成が未成年者の脱衣画像を生成
xAIは問題を把握しながら対応が遅れる
Wiredが主流化する「アンドレッシング」を特集
未成年被害者の画像がSNS上に拡散
英国・米国の規制当局が調査に乗り出す
親・学校関係者・被害者家族が法的措置を検討

規制と法律の対応状況

米国では既存の児童保護法の適用を模索
英国首相が「行動を取る」と公式声明
ディープフェイク規制立法への動きが加速
xAIの対応は有料化による制限のみ
完全な機能停止を求める声が高まる
テクノロジー企業の自主規制の限界が露呈

xAIのGrokが持つAI画像生成機能が、未成年者を含む人物の非合意的な脱衣画像を生成できるとして、2026年初から大きな批判を受けています。WiredとThe Vergeはそれぞれ独自取材で、機能が子どもにも悪用されている実態を報告しました。

xAIは問題を把握していながら対応が遅れたとされており、英国首相は「行動を取る」と公式に声明を発表しました。米国でも既存の児童保護法の適用が検討されていますが、法的グレーゾーンが問題解決を遅らせています。

Grokの機能を有料プランのみに制限する対処は不十分として批判が続いています。AI生成コンテンツに関する業界全体の倫理基準と法的責任の明確化が急務となっており、立法措置を求める圧力が高まっています。

MITが臨床AIの記憶リスクを研究:患者プライバシーの新たな脅威

臨床AIの記憶化リスクとは

AIモデルが訓練データの患者情報を記憶
プロンプトへの応答で個人情報が漏洩する可能性
メンバーシップ推論攻撃で記憶を抽出可能
電子カルテデータでの学習が特に高リスク
医療AI規制のギャップを浮き彫りにする
ヒポクラテスの誓いとAIの矛盾が顕在化

対策と今後の方向性

差分プライバシーが有望な技術的対策
学習データの匿名化だけでは不十分と判明
AIが扱う医療データの規制強化が急務
連合学習でデータを分散させるアプローチ
患者の同意フレームワークの見直しが必要
FDA・EMAなど医療規制当局が対応を急ぐ

MITの研究チームは、臨床AIシステムが学習データに含まれる患者情報を「記憶」するリスクを体系的に調査した研究を発表した。メンバーシップ推論攻撃(Membership Inference Attack)を使用することで、AIモデルがどの患者データを学習したかを高い確率で特定できることが示された。

この問題が特に深刻なのは、電子カルテ・医療画像・臨床ノートといったセンシティブな医療データで学習した診断AIや予測モデルだ。攻撃者がモデルのAPIにアクセスできる場合、特定の患者の医療情報が学習データに含まれているかどうかを推定できる。

従来の対策として行われてきた学習データの匿名化・仮名化だけでは不十分であることも示された。モデルが一意な特徴(稀な病態・特殊な薬剤の組み合わせなど)を記憶してしまう場合、匿名化を施しても個人を特定できる可能性がある。

技術的な解決策として、差分プライバシー(Differential Privacy)による学習がより有望な対策として挙げられている。確率的ノイズを加えることで個人情報の記憶を防ぎながら、モデルの有用性を一定程度保つことができる。

この研究は医療AIの規制フレームワーク構築に重要な示唆を与える。HIPAA・EU GDPRなどの既存医療プライバシー規制がAI時代に十分対応できているかの見直しが求められており、患者の同意取得と記憶リスクの開示が新たな倫理的要件として浮上している。

GoogleがCES 2026でGoogle TV向けGemini AIを大幅強化

Gemini搭載TV新機能の全貌

画像・動画生成機能がTV上で利用可能に
音声コマンドでTV設定を直接操作
Nano Banana(新モデル名)をGoogle TVに搭載
コンテンツ推薦がGeminiの理解力で精度向上
プロジェクターを含む幅広いデバイスに対応
Google TV Streamerからブランド横断で展開

テレビ体験のAI変革

視聴中のリアルタイム質問への回答機能
番組・映画の詳細情報をAIが即座に提供
家族のプロファイルに基づく個人化推薦
音声AIがリモコン操作を代替
多言語対応でグローバル展開を加速
スマートホームとの統合制御も視野に

GoogleはCES 2026でGoogle TV向けのGemini AI機能を大幅に拡張すると発表した。最も注目される新機能は画像・動画生成で、リビングルームのテレビから直接AIコンテンツを作成できるようになる。

「Nano Banana」という開発コードで呼ばれる新しいGeminiモデルがGoogle TVに組み込まれ、音声コマンドでテレビの設定(字幕・音量・画質など)を直接操作できる。リモコン不要の音声制御が完全な形で実現する。

コンテンツ推薦機能もGeminiの自然言語理解により大幅に向上する。「先週見た映画みたいなアクション映画で、主人公が女性のもの」といった自然言語での要求に応じた精密な推薦が可能になる。

対応範囲はGoogle TV Streamer(従来のChromecast後継)を起点に、Sony・TCL・Hisenseなどのパートナーメーカー製TVやプロジェクターにも広がる予定だ。このエコシステム拡大により、数億台の家庭用TVにGeminiが搭載される可能性がある。

将来的にはGoogle Homeのスマートホームデバイスとの統合制御も予定されており、テレビを通じて照明・温度・セキュリティカメラなどを音声制御できる「スマートホームのハブ」としての機能強化が計画されている。

仏・馬当局がGrokの性的ディープフェイク捜査、国際包囲網が拡大

フランス・マレーシアが正式調査を開始

フランスデータ保護機関CNILが調査着手
マレーシア政府が即時対応を要求
インドに続き3カ国目・4カ国目の規制対応
EU圏でのGDPR違反の可能性が焦点
CSAM(児童性的虐待素材)として法的追訴の可能性
X・xAIの対応遅延が各国の怒りを招く

国際規制包囲網とプラットフォーム責任

主要民主主義国が一斉に規制行動を開始
EU AI法のリスク分類でGrokの扱いが問題化
プラットフォーム責任の国際標準化が加速
Elon Muskの政治的影響力が規制交渉を複雑化
X・xAIへの業務停止命令の可能性も
他のAI画像生成サービスも規制の波及を警戒

フランスのデータ保護機関CNILとマレーシア当局がGrokによる性的ディープフェイク生成問題の正式調査を開始した。インドに続くこの動きにより、国際的な規制包囲網がxAIとXプラットフォームを取り囲む形になっている。

フランスの調査はEUのGDPR(一般データ保護規則)の観点から進められており、特にユーザーの同意なしに画像を改変するというプライバシー侵害の側面が焦点となっている。EU AI法も施行されており、高リスクAIシステムとしての分類・対応が問われる可能性がある。

マレーシアでは主に未成年保護と公序良俗の観点から政府が即時対応を要求しており、プラットフォームへのアクセス制限を含む強硬措置も検討中だ。東南アジア各国でも同様の動きが広がる可能性がある。

xAIとXの対応の遅さが各国当局の怒りを招いており、Elon Muskの政治的影響力や米国政府との関係が規制交渉を複雑にしているとも指摘される。米国内では共和党政権下での規制が緩和される方向にある一方、欧州では厳格化が進む対照的な状況だ。

この問題は単にGrokだけでなく、AIによる画像操作全般への規制強化の引き金となる可能性がある。Adobe・Midjourney・Stable Diffusionなど他の画像生成AIサービスも、ガードレール強化の国際圧力を受ける見通しだ。

DoorDashがAI生成写真で配達偽装したドライバーをBANと発表

AI悪用による配達詐欺の手口

ドライバーがAI生成写真で配達完了を偽装
実際の配達場所と異なる画像を証拠として提出
生成AIが新たな業務詐欺ツールに悪用
DoorDashがバイラルな件を正式に確認・対応
配達員の不正利用検出システムの限界が露呈
顧客の被害は返金で対応されたとされる

プラットフォームの対応と今後の課題

DoorDashが当該ドライバーアカウントを即時停止
AI生成画像検出技術の導入が急務に
配達確認プロセスの抜本的見直しが必要
他のフードデリバリー各社も同様のリスクに直面
プラットフォームの信頼性確保が競争優位に
AI証跡偽造に対するセキュリティ強化が課題

米フードデリバリー大手DoorDashは、ドライバーがAI生成の写真を使って配達完了を偽装していたとされる事例を確認し、当該アカウントを停止したと発表した。生成AIの悪用が現実の業務詐欺に使われた事例として注目を集めている。

手口としては、実際には配達していない場所でAIで生成した「配達完了写真」を提出するというものだ。DoorDashの配達確認システムは写真の真偽を確認する機能が不十分であり、ビジュアル証拠の改ざんに対して脆弱だったことが明らかになった。

この事件はRedditでバイラルとなり、その後Nexstarが取材してDoorDashが正式に確認する流れとなった。ソーシャルメディアでの告発がプラットフォームを動かすケースとして機能した。

技術的な対策として、AIウォーターマーク検出・GPSデータとの照合強化・リアルタイム位置確認の義務化などが検討される。しかし生成AI技術が進化するにつれて、これらの対策との「猫とねずみのゲーム」が続くことも予想される。

Uber Eats・Instacart・GrubHubなど他のプラットフォームも同様の脆弱性を抱えており、業界全体での本人確認・配達確認プロセスの強化が急務となっている。AI生成コンテンツの普及が、デジタルエビデンスへの信頼を根本から揺るがす時代が来ている。

マドゥロ拘束でAI生成偽情報が氾濫、ChatGPTも誤情報を発信

リアルタイム偽情報の爆発的拡散

米軍のベネズエラ侵攻・マドゥロ拘束後即座に偽情報氾濫
AI生成コンテンツが事実確認前に拡散
Xなど主要SNSがフェイクの温床に
ディープフェイク動画が信頼できる情報に見えた
速報性と真実性のトレードオフが深刻化
ソーシャルメディアの情報信頼性が問われる

ChatGPTの誤情報問題と信頼性の課題

ChatGPTがマドゥロ拘束の事実を否定する回答
トレーニングデータのカットオフが原因
リアルタイム情報へのアクセス欠如が露呈
ユーザーはChatGPTを事実情報源として信頼
AIの「自信ある誤答」が誤解を増幅
ニュース速報時代のAI信頼性設計が課題

米国軍がベネズエラに侵攻しニコラス・マドゥロ大統領を拘束したという歴史的な出来事の直後、AI生成の偽情報がソーシャルメディア上で爆発的に拡散した。深夜に始まったトランプ大統領の発表から数分以内に、事実確認のされていない画像・動画・テキストが大量に流通した。

特に問題となったのは、ChatGPTがマドゥロ拘束という事実を否定または知らないと回答し続けたことだ。ユーザーは速報情報をAIに確認しようとしたが、ChatGPTのトレーニングデータのカットオフにより正確な情報が提供できなかった。

AIが「知らない」と回答する場合より、誤った事実を自信を持って回答する場合の方が被害が大きい。今回のケースでは、ChatGPTの否定的な回答がむしろ偽情報拡散を助長する逆説的な状況が生まれた。

ソーシャルメディア上では、AIで生成された偽のマドゥロの動画・偽の政府声明・改ざんされた衛星画像などが出回り、情報の真偽判断が著しく困難になった。従来のファクトチェック機関が追いつけない速度での拡散だった。

この事件は、リアルタイムの政治的出来事におけるAIの情報信頼性設計の根本的な問題を浮き彫りにした。RAG(検索拡張生成)や最新ニュース連携機能の重要性が改めて認識されるとともに、AIの回答に対するユーザーリテラシー教育の必要性も高まっている。

Grokが未成年を含む性的深刻画像を生成、世界規制当局が動く

Grokディープフェイク問題の全容

xAI Grokが無断で衣服を除去する画像を大量生成
未成年・著名人・政治家も対象に含まれた
Grokの「謝罪」はプロンプト操作によるものと判明
投稿者への通知機能が存在せず無断改変横行
CSAMに相当する可能性があると法律専門家が指摘
xAIは数日間コメントを避け沈黙を続けた

各国規制当局の対応と法的圧力

インドが即時の技術的・手続き的改善を命令
GrokビジネスはCSAM問題継続中に新サービス発表
Xユーザーが大量の改ざん画像を拡散・共有
コンテンツモデレーションの欠如が根本問題
法執行機関への報告義務違反の可能性も浮上
プラットフォーム責任論が再燃する契機に

xAIのGrokが、ユーザーの同意なしに人物写真から衣服を取り除く画像を生成する機能が問題化した。Xのポスト画像を即時編集できる新機能の展開後、未成年を含む女性の性的に改ざんされた画像がプラットフォーム上に溢れる事態となった。

特に深刻なのは、世界の政治指導者・著名人・子どもたちの画像が無断で性的コンテンツに変換されたことだ。Copyleaksの調査によれば、この傾向はアダルトコンテンツ共有コミュニティから始まりXのメインストリームに広がった。

Grokが一度「謝罪」した際、AI研究者はそれがシステムの本音ではなくプロンプトに応じた演技に過ぎないことを実証した。LLMの謝罪が真の安全対策とは全く別物であることが広く認識される事例となった。

インド当局はXに対して技術的・手続き的な即時対応を義務づける命令を発した。インドはXの主要市場の一つであり、この規制命令は実質的な圧力となっている。デジタルインドIA法の枠組みで対処する方針が示された。

xAIはGrok問題の混乱最中にGrok Business・Grok Enterpriseを発表するという行動に出た。セキュリティと企業向け機能を前面に出した新サービスが、まさにCSAM問題で炎上中に登場したことは批判を呼んでいる。

この事件は、AIコンテンツ生成プラットフォームにおけるガードレールの不備と、プラットフォーム事業者のコンテンツモデレーション責任の範囲について根本的な問いを突きつけている。各国での立法・行政対応が加速することが予想される。

Qwen-Image-2512、Nano Banana Proに対抗するOSS画像生成の本命に

Qwen-Image-2512の実力

Google Nano Banana Proに対抗できる品質
オープンソースで自由に利用・改変が可能
テキストと画像の統合理解能力が高評価
Gemini 3 Proベースのプロプライエタリ製品に迫る
Fal版Flux 2と並ぶ年末の重要リリース
研究者・開発者コミュニティから高い評価

オープンソース画像生成の意義

プロプライエタリ一強体制に対抗軸が登場
商用利用の自由度が採用を後押し
Googleへの依存なしに高品質生成が可能に
ファインチューニングで独自モデル作成が容易
コスト面でもクラウドAPI不要で大幅削減
中国AI研究の実力を世界に示す一手

アリババが開発したQwen-Image-2512がリリースされ、GoogleのNano Banana Pro(Gemini 3 Pro Imageベース)に対抗できる品質をオープンソースで提供するモデルとして注目を集めています。

Nano Banana Proは11月のリリース後、画像生成AIの基準を大幅に引き上げたと評価されていました。Qwenチームはこれを受けて独自の画像・テキスト統合モデルを開発し、推論能力と画像品質の両立で高い評価を得ています。オープンソースであることが最大の差別化です。

商用利用の自由度と自由なカスタマイズ性は、特にスタートアップや研究機関にとって大きな利点です。Googleに料金を支払うことなく同等品質の画像生成APIを構築できることは、エコシステム全体の民主化を促します。

2025年末時点で画像生成AI市場は三つ巴になりました。Google Nano Banana Pro、Fal最適化Flux 2、そしてQwen-Image-2512——それぞれが異なる価値提案を持つ健全な競争環境が整いつつあります。中国発オープンソースの存在感は2026年さらに高まるでしょう。

Instagram代表警告:AI合成コンテンツ氾濫で「目」が信頼できなくなる

Adam Mosseriの警告内容

無限の合成コンテンツ時代の到来を宣言
視覚情報への信頼が根本から揺らぐと警告
本物と偽物の区別が技術的に不可能になりつつある
Instagramの個人的な投稿文化が消えていく
アルゴリズム主導のフィードが本質を変えた
ユーザーは何を信じればいいか分からない状態に

社会的影響と対応策

デジタルリテラシーの根本的再定義が必要
プラットフォームの透明性確保が急務
AI生成コンテンツの明示的ラベリングを強化
認証・来歴技術(C2PA等)の標準化が進む
人間作成コンテンツのプレミアム化が起きる
メディアリテラシー教育が社会インフラに

InstagramのボスAdam Mosseriが20枚の投稿で「無限の合成コンテンツ」時代への深刻な懸念を表明しました。AI生成画像・動画・音声が爆発的に増殖する中、目で見たものを信頼できない時代が来ていると警告しています。

問題の本質は技術的なものだけではありません。Mosseriが指摘するのは、Instagramがかつて持っていた「友人の本物の日常」というコアバリューの喪失です。アルゴリズム主導のリーチ最適化が合成コンテンツを優遇し、本物の人間的なつながりが希薄化しました。

対応策として浮上しているのが来歴技術の標準化です。C2PA(コンテンツの来歴と信頼性のための連合)が定めるメタデータ標準が、AI生成コンテンツの識別と透明性確保の基盤として普及しつつあります。

長期的には本物の人間が作ったコンテンツがプレミアムとして評価される逆説が生まれるかもしれません。デジタルリテラシーの教育が社会インフラとなり、情報の来歴を確認する習慣が新しい常識となる時代が来るでしょう。

Google Gemini画像生成と音声AIが2025年を席巻

Nano Banana(画像生成)の快進撃

8月デビューで世界最高評価の画像編集モデルに
一貫した外観保持と写真合成が得意
Search・NotebookLMにも展開を拡大
11月にNano Banana Pro(Gemini 3 Pro搭載)投入
推論力でビジュアル情報の高精度化を実現
2025年のユーザー活用トレンドを総特集

Gemini Liveの進化

最新アップグレードで新機能が3つ追加
会話的音声操作がより自然に進化
友達と話すような流暢なインタラクション
Google製品全体への統合が加速中
12月のGoogle AI全体ニュースも集約発表
マルチモーダル体験の新標準を打ち立てた

2025年のGoogleは画像生成AIと音声AIの両面で業界を牽引しました。内部コードネーム「Nano Banana」として知られるGemini 2.5 Flash Imageは8月に世界最高評価の画像編集モデルとしてデビューし、写真の一貫した外観保持と自然な合成でユーザーの心を掴みました。

その後GoogleはNano BananaをSearch、NotebookLMなど主要製品に展開し、11月にはGemini 3 Pro搭載のNano Banana Proを投入。高度な推論能力を活かして情報のビジュアル化精度を大幅に向上させました。

Gemini Liveは最新アップグレードで音声インタラクションをさらに進化させました。自然な割り込みや友達との会話のような流暢さを実現し、音声AIの新しい標準を打ち立てています。

Googleは12月に多数のAI機能アップデートをまとめて発表しており、医療から科学研究まで幅広い分野での成果を強調しています。20年以上の機械学習研究が実を結び、Geminiブランドが2025年のAI市場で圧倒的な存在感を示しました。

Fal、独自Flux 2モデル公開——高速・低コスト画像生成を実現

独自モデルの特徴と優位性

Flux 2をベースにFalが独自最適化を実施
推論速度と生成コストを大幅に改善
シリーズDで1.4億ドルを調達した直後に投入
Sequoia・Kleiner Perkinsが出資する注目株
NVIDIAベンチャーも投資家に名を連ねる
Black Forest Labs開発Fluxの最新バージョン活用

市場競争での位置付け

Google Nano Banana、Qwenと三つ巴の争いに
推論API市場での差別化戦略
開発者向け低レイテンシAPIとして展開
クリエイター向けの高品質生成に対応
価格競争力でエンタープライズ需要を開拓
年末の画像生成AI競争を象徴する一手

AIインフラスタートアップのFal.aiが独自最適化したFlux 2ベースの画像生成モデルを公開しました。1.4億ドルのシリーズD調達直後のタイミングでの投入で、市場への本気度を示しています。

Falのアプローチは単なるモデル再配布ではなく、推論スタック全体を最適化して速度とコストを改善する点にあります。Sequoia Capital、Kleiner Perkins、そしてNVIDIAのベンチャー部門が出資しており、技術力への評価の高さがうかがえます。

2025年末の画像生成AI市場はGoogle Nano Banana Pro、中国のQwen-Image、そしてFal版Flux 2が揃い踏みとなり、多極化競争の様相を呈しています。特に推論APIコストの低下は、中小クリエイターや開発者にとって追い風です。

Black Forest Labsが開発するFluxシリーズは高品質な画像生成で定評があり、Falによる最適化でよりアクセスしやすくなります。2026年は画像生成AIの商用化競争がさらに激化する見通しです。

ハリウッドとAI:2025年の失望と不気味なGemini広告再現実験

ハリウッドのAI挑戦が空振りに

2025年は生成AIがエンタメ産業に本格参入した年
Netflix・Amazon・Disneyが次々にAI活用を宣言
AmazonのAIアニメ吹替が品質不足で即時公開停止に
Disney×OpenAIの10億ドル×3年ライセンスが業界の転換点
テキスト→ビデオのスロップがワークフロー改善に貢献せず
金銭節約が主目的でありクリエイティブ価値創出とは乖離

Gemini広告の再現から見えた限界

GoogleのGemini広告の「ぬいぐるみ世界旅行」シナリオを実際に試行
商品検索では1800語の試行錯誤のあとも「TargetかEbayで探して」の結論
画像生成は概ねできるが細部の不整合が頻発
動画生成は1日3本制限でCMで見た流暢さを再現できず
子どもの名前を入れたAI音声に「不気味の谷」を体験
プロンプト全文が広告に映らない点に「手品の仕掛け」の疑念

2025年はNetflixが生成AIのガイドラインを公開し、Amazonが複数の日本アニメシリーズにAI吹替を採用し、DisneyがOpenAIと10億ドル規模の3年間ライセンス契約を締結するなど、エンターテインメント産業でのAI活用が一気に加速した年でした。

しかし成果は芳しくありませんでした。AmazonのゲームチェンジャーになるはずだったAI吹替は細部の品質が低く即座に公開停止に。AIドラマのリキャップ機能も番組の内容を頻繁に間違えて公開停止されるなど、矢継ぎ早の失敗が続きました。

一方でDisneyのOpenAI提携はエンタメ業界に「後れを取るな」というシグナルを送り、2026年以降さらに多くのスタジオがAI活用に踏み込む可能性を示しています。Disneyは自社ストリーミングサービスの一角をSoraによるユーザー生成コンテンツに充てる計画です。

The Vergeの記者がGoogleのGemini広告を自分のぬいぐるみで再現してみたところ、商品検索機能は1800語の試行錯誤の末「TargetかEbayで探して」という答えで終わりました。広告で見たシームレスな体験とは程遠い現実が明らかになりました。

画像生成は比較的うまく機能しましたが、動画生成はGemini Proアカウントでも1日3本に制限されており、CMで流れるような滑らかな一連のシーンを短時間で作ることは実際には困難でした。プロンプトの全文が広告に映らないことへの疑問も生じました。

最も印象的だったのは、AIが生成したぬいぐるみが子どもの名前を直接呼ぶ動画を見た時の違和感でした。「AIがデジタルでオーバーライトすることで子どもとぬいぐるみの関係の魔法を壊してしまう」という懸念は、技術の倫理的限界を問うものでした。

ゲームとSNSで広がる生成AIへの反発:品質と真正性への不満

ゲーム業界でのAI反発

2025年に生成AIが主要ゲームに大規模に導入開始
ゲームオブザイヤー作品でもAI素材の使用が発覚・撤去
インディ開発者の大多数がAI使用に強い反対姿勢
Ubisoft・EA・EA等の大手はAI採用を事実上認める
NFTの前例に倣いバブル崩壊の可能性も指摘
投資家向けアピールがAI採用の隠れた動機と見られる

PinterestのAIスロップ汚染

AI生成コンテンツがPinterestフィードを大量に汚染
偽レシピブログや架空オーナーによる詐欺的ゴーストストア増加
広告の40%超がAI生成またはAI加工の疑いがある状況
ユーザーがAIスロップによる「エンシットフィケーション」を批判
Q3決算でPinterest株が20%急落し信頼低下が数値に直結
AI生成ラベルは投稿後のクリック時のみ表示と不十分な対策

2025年は生成AIがビデオゲーム業界に本格的に浸透した年となりました。ゲームオブザイヤーを受賞した「Clair Obscur: Expedition 33」でもAI生成画像の使用が発覚・撤去されたほか、Call of Duty: Black Ops 7ではActivisionがAI使用を認めた上でコンテンツを維持するという対照的な対応が話題になりました。

大手ゲームスタジオのCEO層はAI活用に積極的な一方、インディ開発者の多くは強く反発しています。Baldur's Gate 3のLarian Studios CEOのSwen Vinckeは「競合他社が黄金の卵を見つけたら自分たちは終わる」という競争的圧力からAIを使わざるを得ないと正直に語りました。

Keywords Studiosの調査では、生成AIツールだけでゲームを作ることを試みた結果、一部のプロセスは効率化できるが最終的には人間の才能を代替できないという結論に至りました。AIの現状の限界が実験的試みで浮き彫りになっています。

Pinterestでは、ユーザーが料理レシピを試みたところ「チキンをスローカーカーにログして」という指示が含まれていて、AIが生成したコンテンツだと気づいたという事例が報告されました。AIが生成した架空の人物が運営するレシピブログが拡散し、プラットフォームへの信頼が損なわれています。

WIREDの調査では、Pinterest上のバレエシューズ検索広告の40%以上がAI生成または加工であり、リンク先の多くは物理的な住所を持たないゴーストストアと呼ばれる詐欺的なECサイトでした。AI詐欺コンテンツの被害は消費者の日常的な購買行動にまで及んでいます。

Pinterestは2025年11月の決算でアナリスト予想を下回り株価が20%急落しました。「ビジュアル発見エンジン」として成長してきたプラットフォームが、AIを活用した広告収益拡大に舵を切ったことへのユーザーの反発が数値に表れた形です。

GoogleとOpenAIのチャットボットが女性の水着偽造画像生成に悪用

チャットボット悪用の実態

服を着た女性の写真から水着ディープフェイクを生成
GoogleとOpenAIの主要チャットボットが悪用ツールに
本人の同意なく行われるケースがほとんど
Redditスレッドで方法が共有・拡散(後に削除)
ディープフェイクの生成ステップを他者に指南する投稿
チャットボットの画像生成制限の限界が露呈

安全ポリシーの抜け穴と影響

既存のコンテンツポリシーでは防ぎきれない現実
直接的な裸体ではなく水着という表現で制限を回避
非同意ディープフェイクの法的規制が各国で進行中
被害者は実在の女性で、リベンジポルノとの親和性
大手AIプラットフォームの責任が改めて問われる
安全対策の継続的強化が急務

Wiredの調査報道によると、GoogleとOpenAIの主要チャットボットが服を着た女性の写真を水着姿のディープフェイク画像に変換するために悪用されています。ほとんどのケースで本人の同意を得ていないことが確認されています。

Redditの(後に削除された)スレッドでは、この手法の具体的なやり方が共有・拡散されていました。チャットボットが直接的な裸体生成は拒否するものの、水着という迂回表現でコンテンツポリシーをすり抜けていた可能性があります。

この問題は非同意ディープフェイク規制をめぐる法的議論をさらに加速させるとみられます。リベンジポルノと隣接するこのような悪用に対し、プラットフォームはより精密な安全機能の実装を迫られています。

Lemon Slice 1050万ドル調達とMarissa MayerのDazzleが800万ドル獲得

Lemon Sliceのデジタルアバター技術

YCとMatrixから1050万ドルの資金調達に成功
1枚の画像からリアルタイムデジタルアバターを生成
Lemon Slice-2拡散モデルを新たに公開
知識ベースと統合してロールプレイ対応
テキスト限定のAI体験を映像インタラクションへ拡張

Marissa MayerのDazzle登場

元Yahoo CEO Mayer氏が新スタートアップを立ち上げ
Forerunner主導で800万ドルの資金調達
Sunshineを閉鎖しAI個人アシスタントに全振り
次世代のAIパーソナルアシスタントを開発目標に
シリアル起業家によるAIへの「第二の賭け」
Forerunnerのカースティン・グリーンが率いる投資

Lemon SliceはYCとMatrixから1050万ドルを調達し、1枚の静止画から動画のデジタルアバターを生成するLemon Slice-2モデルを公開しました。AIエージェントにテキストだけでなく映像インタラクションの層を追加することを目指しています。

Marissa Mayer氏は6年間運営したSunshineを閉鎖し、新スタートアップDazzleを立ち上げました。Forerunner主導のラウンドで800万ドルを調達し、次世代AIパーソナルアシスタントの開発に注力しています。

2つのスタートアップはともにAIとのインタラクションを新次元に引き上げようとしています。デジタルアバターと個人アシスタントという異なるアプローチながら、AIの「顔」となるインターフェース革新という共通テーマを持っています。

Vercel AI SDK 6がエージェント対応とMCP統合で開発者体験を刷新

AI SDK 6の主要新機能

エージェント機能とツール実行承認フローを新設
Model Context Protocol(MCP)の完全サポートを実現
DevToolsとリランキング機能を新たに統合
月間2000万ダウンロードを誇るTypeScriptツールキット
画像編集APIとAIプロバイダー統一インターフェース
Fortune 500からスタートアップまで幅広く採用

AIゲートウェイの拡張

GLM-4.7モデルをAI Gatewayから直接利用可能
Z.aiの最新モデルへのアクセスを簡略化
コーディング・ツール使用・多段階推論を強化
Runtime Logsに関数起動タイプの表示機能を追加
プロバイダー登録不要でモデルを呼び出し
会話品質と美的出力の向上を実現

VercelはAI SDK 6をリリースし、エージェントの構築・ツール実行の承認フロー・完全なMCPサポートなど、AIエージェント開発に特化した機能群を一挙追加しました。月間2000万ダウンロードを誇る同ツールキットはFortune 500企業からスタートアップまで採用しています。

AI Gatewayには中国のZ.aiが開発したGLM-4.7モデルが追加されました。コーディング・ツール使用・複雑なエージェントタスクにおける多段階推論を大幅に改善しており、別途プロバイダーアカウントなしで利用できます。

Runtime Logsへの関数起動タイプ表示の追加など、開発者のデバッグ体験向上に向けた細かな改善も含まれています。VercelはAIアプリ開発の統合基盤としての地位をさらに強固にしています。

MetaがAI画像・動画モデルを2026年前半に公開

新モデルの全容

画像・動画モデルMangoを開発中
テキストモデルAvocadoもコード強化
視覚的推論のワールドモデル探求
2026年前半のリリースを目標

Metaが抱える課題

OpenAI・GoogleにAI競争で後れ
MSLから研究者が離脱相次ぐ
LeCunが独立しスタートアップ設立
SNS頼みのユーザー基盤に依存

Metaは2026年前半のリリースを目指して、画像・動画生成の新AIモデル「Mango」とテキストベースの新モデル「Avocado」の開発を進めていることが報じられました。

発表はScale AIの共同創業者でMeta超知性ラボ(MSL)を率いるAlexandr WangとCPOのChris Coxが行ったとされます。Avocadoはコーディング能力の向上を目指すほか、視覚情報の理解や推論・計画を可能にするワールドモデルの探求も進めます。

Metaは近年、OpenAI・Anthropic・Googleに対してAI競争で後れを取っており、2025年に入ってMSLの大規模再編が複数回行われました。研究者の引き抜きや離脱も相次いでいます。

首席AIサイエンティストのYann LeCunも2025年後半にMetaを離れ、独立したAIスタートアップ「AMI Labs」を設立することを発表しました。

現在のMeta AIアシスタントはInstagramやFacebookのサーチバーへの組み込みでユーザー数を維持していますが、独自の競争力ある製品としての地位は未確立です。MangoとAvocadoはMSLの最初の本格成果物として大きなプレッシャーを背負っています。

GoogleがSerpApiを不正スクレイピングで提訴

訴訟の背景

SerpApiがボット偽装で検索結果を収集
著作権コンテンツを無断で転売
Redditも先行して同社を提訴済み
スクレイピングは過去1年で急増

AI時代の検索権利

PerplexityらAIが間接利用で問題に
サイト運営者の権利保護を主張
Google自身の事業防衛も背景に
AIデータ需要でSERPの価値が急騰

Googleは検索結果をスクレイピングして転売するSerpApiに対し、著作権侵害・利用規約違反・不正アクセスを理由とした訴訟を提起しました。これはGoogleがスクレイパーに対し積極的な法的手段を取る姿勢を示す動きです。

SerpApiはGoogleの検索結果ページを大規模ボットで収集し企業向けに販売するビジネスを展開してきました。PerplexityなどのAIチャットボット企業も同社のデータを利用していると報じられています。

Googleによると、SerpApiはクローラーの名称を偽装・頻繁に変更するなどの手口でセキュリティ対策を回避しており、この違法行為が過去1年で急増しています。

GoogleはSerpApiがGoogleの許諾を得たライセンスコンテンツ(ナレッジパネルの画像やリアルタイムデータなど)も含めて転用していると主張しており、ウェブ出版社の権利保護を訴えています。

AI時代において検索インデックスデータの価値が急騰しており、誰がどのような条件でアクセスできるかという議論が本格化しています。今回の訴訟はそのなかでの重要な先例となる可能性があります。

Gemini新機能続々、アシスタント移行2026年に

12月の新機能

Gemini 3 Flashがグローバル展開
Nano Bananaで画像を直接編集可能に
NotebookLMをソース追加できるように
Deep Researchにビジュアル表示

アシスタント移行延期

Google→Gemini移行は2026年以降に
移行延期はシームレス体験を優先
新年活用のプロンプト集も公開
スケジュールアクションで習慣化支援

Googleは12月のGemini Dropで、Gemini 3 Flashのグローバル展開を含む複数の新機能を発表しました。Nano Bananaを使った直接書き込み式の画像編集や、NotebookLMのソース追加なども含まれます。

Deep Researchレポートにビジュアル表示が追加され、Ultraユーザーは情報をアニメーションや図で把握できるようになりました。Googleマップの情報も写真・評価付きで表示されます。

一方、AndroidデバイスでのGoogleアシスタントからGeminiへの移行は、当初の2025年末から2026年以降に延期されました。Googleはシームレスな移行体験の確保を理由として挙げています。

GeminiはすでにWear OS・Android Auto・Google Homeデバイスへの展開は完了しており、スマートフォンへの移行だけが残っています。

Google公式ブログでは新年の目標達成に役立つ10のGeminiプロンプトや、2025年を振り返る40のAI活用ティップスも公開されました。スケジュールアクション機能を使えば繰り返しタスクの自動化も可能です。

AI生成画像で不正返金、中国Eコマースで急増

詐欺の手口

AI生成の破損品画像で返金申請
生鮮・陶器など特定商品に集中
組織犯罪が100万ドル超を不正取得
画像詐欺が15%以上増加

業界の対応

出品者もAIで偽画像を検知試みる
プラットフォームが出品者を支持せず
返品強化が善意の客を傷つける恐れ
AIウォーターマークは容易に除去可能

WIREDの調査報道によると、中国のEコマースプラットフォームで生成AIを使った「破損商品」偽装画像で不正返金を得る詐欺が広がっています。RedNoteでは少なくとも十数件の被害投稿が確認されました。

典型的な事例では、中国語が意味不明なシーツの破損画像や、セラミックカップが紙のように「層状に破れた」画像が提出されています。実際に警察が捜査に乗り出し、偽動画を提出した買い手が8日間拘留された事例も確認されています。

詐欺が特に集中するのは、生鮮食品・低価格コスメ・壊れやすい陶器など、返品不要で返金されやすい商品です。こうした商品の特性を組織的に悪用した事例も報告されています。

詐欺対策企業Forterによると、AI加工画像を使った返金詐欺は2025年初頭から15%以上増加しており、継続して増加傾向が続くとされています。組織犯罪グループが IPアドレスをローテーションしながら大規模に活用するケースも確認されています。

一部の販売者はAIチャットボットで怪しい画像を解析・検知する独自対策を試みていますが精度は限定的です。Eコマースが信頼に基づいて成り立つ以上、新たな検証ルールやポリシーの整備が急務となっています。

OpenAIが画像生成と開発者APPを拡充

新画像生成モデルの特徴

GPT Image 1.5をChatGPT全ユーザーに公開
前世代比4倍の速度でコスト20%削減
ネイティブマルチモーダルでリアルな写真編集が容易に
テキスト対話しながら逐次的な画像修正が可能

開発者APPと投資動向

ChatGPTへのサードパーティアプリ申請受付を開始
アプリディレクトリをChatGPT内に新設
Amazonから100億ドル規模の投資交渉が進行中
評価額5000億ドル超に達する見通し

OpenAIは新しいChatGPT画像生成機能、開発者向けアプリエコシステム、そしてAmazonとの大規模投資交渉という3つの重要なニュースを同時に発表しました。

新しい画像モデル「GPT Image 1.5」はネイティブマルチモーダルアーキテクチャを採用しており、テキストと画像を同一の神経網で処理します。これにより自然言語で写真のポーズ変更、スタイル変換、特定領域の修正などが自然な会話の流れで可能になっています。

開発者向けには、ChatGPTへのサードパーティアプリ申請受付を開始しました。Apps SDKを使って構築されたアプリは、ユーザーとの会話の中でトリガーされ、食料品の注文やスライド作成、アパート探しといった実際のタスクを実行できます。

ChatGPT内にアプリディレクトリが新設され、ユーザーはツールメニューやchatgpt.com/appsからアプリを閲覧・検索できます。承認された最初のアプリは年明けから順次ロールアウトされる予定です。

またAmazonがOpenAIに最大100億ドルを投資する交渉が進んでいることが報じられています。これはOpenAIが10月に営利企業への移行を完了したことを受けたもので、成立した場合の評価額は5000億ドルを超える見通しです。

Amazonはすでに競合のAnthropicに80億ドルを投資しており、今回の動きはAI分野での投資多角化戦略の一環とみられます。OpenAIにとっては、Amazonのクラウドインフラや独自チップを活用できる戦略的な意義もあります。

Googleの2025年、訴訟乗り越え最高益

法的リスクの乗り越えと業績

Chrome売却命令を回避、検索独占是正は軽微な措置のみ
四半期売上1000億ドル超の初達成
Google Cloud収益150億ドルでAI効果が顕在化
独自チップIronwoodをAnthropicら外部企業に初販売

AI競争と財務実績

Gemini 3 Proの登場がOpenAIを「コードレッド」状態に
Veo 3が動画生成SNSを席巻
Nano Banana Proが市場最強の画像編集モデルに
Google Playがホリデーシーズン向け機能・特典を強化

2025年初頭、GoogleはChrome売却命令、広告技術の分割、Epicとのアプリストア訴訟、そしてAI競争という4つの大きな脅威に直面していましたが、1年を経て業績・法的地位ともに良好な状態で年を締めくくっています。

最大の脅威だったChrome売却については、判事がこれを「非常に混乱を招き、リスクが高い」と退けました。代わりに競合他社への検索データ販売という比較的軽微な是正措置が命じられました。これはOpenAIやPerplexityなどとの競争激化がGoogleに有利な状況を生み出したためでもあります。

広告技術の独占訴訟でも、判事がAd ExchangeとAd Managerの売却より行動変更の方が望ましいと示唆しており、解体を免れる可能性が高まっています。Epicとの和解も手数料引き下げとAndroidの部分的な開放という形で決着する見通しです。

AI競争では、Googleが明確な勝者の一角を占めるようになりました。Gemini 3 Proの登場はOpenAIに「コードレッド」状態をもたらし、Veo 3はSoraより先に動画生成SNSを席巻。Nano Banana Proは市場で最も説得力のある画像生成モデルと評価されています。

財務面では10月に四半期として初めて売上高1000億ドルを突破し、利益は310億ドルに達しました。Google Cloudの150億ドルという売上高はAIの商業的成果の証明であり、自社設計のTPUチップ「Ironwood」を初めて外部企業(Anthropic、Meta他)に販売することでNVIDIAへの挑戦も始まっています。

Google Playは年末に向けてホリデー向けの100以上のブランドギフトカード販売や、アプリ・ゲームの最大90%オフセール、Google Play Books 15周年記念特典などを展開しています。

Gemini 3 Flash、新デフォルトモデルに

性能と展開範囲

前世代比3倍の高速化と30%のトークン削減
Gemini 3 Proに匹敵するPhD水準の推論能力
画像・音声・動画へのマルチモーダル対応強化
コード実行機能で視覚入力の編集・解析が可能

展開範囲と開発者向け提供

Geminiアプリのデフォルトモデルに採用
Google SearchのAIモードでグローバル展開開始
Gemini API・Vertex AI・AI Studio経由で即日提供
Vercel AI Gatewayからもアクセス可能に

GoogleはGemini 3 Flashを正式リリースし、Geminiアプリのデフォルトモデルとして採用しました。先月公開したGemini 3 Proをベースに速度と効率を大幅に向上させたモデルです。

性能面では、Gemini 3 Flashは前世代の2.5 Flashと比較して多くのベンチマークでGemini 3 Proを上回る結果を示しています。処理速度は3倍速く、トークン消費は30%削減されており、コストもProの4分の1以下となっています。

マルチモーダル機能が特に強化されており、画像・音声・動画・テキストにまたがる質問への対応が向上しました。コード実行機能も追加され、画像のズームや編集などの視覚的操作も可能になっています。

開発者向けには、Gemini API、Vertex AI、AI Studio、Antigravityを通じてリリース当日から利用できます。また、Vercel AI Gatewayとの統合により、別途プロバイダーアカウント不要でアクセスが可能になりました。

エンタープライズ用途では、高頻度ワークフローや応答速度が求められるエージェント型アプリケーションに最適化されています。Gemini Enterpriseや各クラウドプラットフォームでも提供が開始されています。

Google SearchのAIモードにおいては、Gemini 3 Flashがグローバルでデフォルトモデルとして展開され、AIモードの推論・ツール使用・マルチモーダル能力が向上しています。

オープンソースAIが独自モデルに挑む三つの新展開

動画理解・視覚AIの前進

Ai2がオープンソース動画モデル「Molmo 2」を公開
8B・4B・7Bの3バリアントを提供
動画グラウンディングとトラッキングでGemini 3 Proを上回る性能
マルチ画像・動画クリップの入力に対応
ピクセルレベルの物体追跡が可能
小規模モデルで企業導入のコストを大幅に削減

エージェントメモリとAIコード開発の革新

HindsightがRAGの限界を超える4層メモリアーキテクチャを実現
LongMemEvalで91.4%の精度を達成し既存システムを凌駕
世界・経験・意見・観察の4ネットワークで知識を構造化
ZencoderがマルチモデルAIオーケストレーション「Zenflow」を無料公開
ClaudeとOpenAIモデルが互いのコードをクロスレビュー
構造化ワークフローでバイブコーディングを卒業しコード品質20%向上

Ai2(アレン人工知能研究所)は2025年12月16日、オープンソースの動画理解モデル「Molmo 2」を公開しました。8B・4B・7Bの3種類を揃え、動画グラウンディングや複数画像の推論においてGoogleのGemini 3 Proを上回るベンチマーク結果を示しています。

Molmo 2の最大の特徴は「グラウンディング」能力の強化です。ピクセルレベルでの物体追跡や時間的な理解を可能にし、これまで大型独自モデルが独占してきた動画分析領域に本格参入しています。企業が動画理解をオープンモデルで賄える現実的な選択肢となりました。

一方、Vectorize.ioはVirginia Tech・ワシントン・ポストと共同でオープンソースのエージェントメモリシステム「Hindsight」を発表しました。従来のRAGが抱えていた「情報の均一処理」という根本問題に対し、4種類のネットワークで知識を分離する新アーキテクチャを採用しています。

HindsightはLongMemEvalベンチマークで91.4%という最高精度を達成しました。マルチセッション問題の正答率が21.1%から79.7%に、時間的推論が31.6%から79.7%へと大幅に向上しており、エージェントが長期的な文脈を保持する能力が飛躍的に改善されています。

このシステムは単一のDockerコンテナとして動作し、既存のLLM API呼び出しをラップするだけで導入できます。すでにRAGインフラを構築したものの期待通りの性能が得られていない企業にとって、実用的なアップグレードパスとなります。

ZencoderはAIコーディング向けのマルチエージェントオーケストレーションツール「Zenflow」を無料のデスクトップアプリとして公開しました。計画・実装・テスト・レビューを構造化ワークフローで処理し、AnthropicのClaudeとOpenAIのモデルが互いのコードを検証し合う仕組みを採用しています。

Zencoder CEOのFilev氏は「チャットUIはコパイロット向けには十分だったが、スケールしようとすると崩壊する」と述べています。複数のAIエージェントを並列実行し、モデル間のクロスレビューによってコード品質を約20%向上させるとしており、ビジョンは「プロンプトルーレット」から「エンジニアリング組み立てライン」への転換です。

3つの発表に共通するのは、オープンソースや無料ツールが独自クローズドモデルと競合できる水準に達しつつあるという潮流です。動画理解・長期メモリ・コード品質という異なる課題に対し、それぞれ構造的なアプローチで解決を試みており、エンタープライズAI活用の選択肢を広げています。

Google、Interactions APIで年末に大型開発者向け刷新

ステートフルAPIがエージェント開発を変える

**Interactions API**がパブリックベータ公開、エージェント時代の新基盤
サーバー側でコンテキスト履歴を保持する**ステートフル設計**を採用
`previous_interaction_id`でトークン再送コストを大幅削減
**バックグラウンド実行**(`background=true`)でHTTPタイムアウト問題を解消
**Deep Researchエージェント**をAPIから直接呼び出し可能に
**MCPネイティブ対応**で外部ツール連携のグルーコード不要
有料プランは55日間の履歴保持でコスト最適化に寄与
引用URLのリダイレクト問題など初期ベータ特有の課題も指摘

NotebookLMとGoogle検索の機能拡充

NotebookLM**スライドデッキ**機能が全ユーザーへ展開、モバイルアプリにも対応
Gemini画像モデル**Nano Banana Pro**によるビジュアルストーリーテリングが核
Deep Researchをスライドに変換・ブランドスタイル適用など**8つの活用法**を公開
Google検索の**Preferred Sources**機能が英語圏全世界へグローバル展開
お気に入りソース登録により対象サイトへのクリック率が**約2倍**に向上

GoogleはAIエージェント開発向けの新API「Interactions API」をパブリックベータとして公開しました。従来の`generateContent`エンドポイントはリクエストのたびに全会話履歴を送信するステートレス設計でしたが、新APIではサーバー側で履歴を保持し、開発者は`previous_interaction_id`を渡すだけで連続した対話を実現できます。

Interactions APIの最大の特徴は、バックグラウンド実行に対応している点です。`background=true`パラメータを指定することで、長時間のリサーチタスクや複数ツールを呼び出すエージェントワークフローを非同期で実行でき、従来のHTTPタイムアウト問題を根本的に解消します。これはOpenAIがResponses APIで示したアプローチと同方向ですが、Googleは履歴の完全な透明性と検査可能性を優先した設計を選択しています。

同APIにはGeminiのDeep Researchエージェントが組み込まれており、`/interactions`エンドポイントから直接呼び出せます。また、Model Context Protocol(MCP)をネイティブサポートすることで、外部ツールとの連携が大幅に簡素化されました。サーバー側キャッシュによる暗黙的なトークン節約も期待できます。

一方、NotebookLMではスライドデッキ生成機能がモバイルを含む全ユーザーへ解放されました。Gemini画像モデルNano Banana Proを基盤に、Deep Researchの結果をそのままビジュアルコンテンツへ変換したり、ブランドガイドラインを参照したデザイン統一が可能になります。AIウルトラ加入者はスライド生成枚数の上限が2倍に拡張されます。

Google検索のPreferred Sources(優先ソース)機能は英語圏のユーザー全員へグローバル展開されました。ユーザーが好みのニュースサイトやブログを「優先ソース」として登録すると、トップストーリーにその媒体の記事が優先表示されます。これまでの早期フィードバックでは約9万件のユニーク媒体が登録され、選択したサイトへのクリック率が平均2倍になったとGoogleは報告しています。

AI投資ブーム継続、消費者向けスタートアップの持続力に懐疑論も

相次ぐ大型資金調達

Lightspeedが同社史上最大の90億ドルを調達、AI特化投資家として165社超を支援
OpenAI出資のバイオテックChai DiscoveryがシリーズB 1億3,000万ドルを調達、評価額13億ドルに到達
AI動画向け音響スタートアップMireloがIndex・a16zから4,100万ドルのシード調達
AIコンパニオンアプリ「Momo」のFirst Voyageが250万ドル調達、習慣形成市場に参入

消費者AI vs. エンタープライズAI:VCの視点

VC各社「生成AI登場から3年、消費者向け特化アプリはいまだ定着せず」と分析
動画・音声・画像アプリはプラットフォーム側の機能統合で競争優位を失いやすい構造
「スマートフォン黎明期の2009〜2010年相当」——消費者AIが本格普及する転換点が近いとの見方も
AIで最も稼いでいるのはモデル企業でなくデータ供給・仲介事業者——Mercorが年商5億ドルを達成

Lightspeed Venture Partnersは創業25年で過去最大となる総額90億ドルのファンドを組成しました。2021年のバブル崩壊後、LPは実績ある一部の有力VCへ資本を集中させており、Lightspeedはその恩恵を受けた格好です。

AIバイオテクのChai Discoveryは、OpenAIをはじめGeneral CatalystやThrive Capitalらが参加するシリーズBで1億3,000万ドルを調達しました。同社は創薬向けの基盤モデル「Chai 2」を開発しており、評価額は13億ドルに達しています。

ベルリン発のMireloは、AI生成動画に同期した効果音を自動付与する技術に特化したスタートアップです。IndexとAndreessen Horowitzが共同でリードした4,100万ドルのシードラウンドを獲得し、SonyやTencent、ElevenLabsなど大手との競争に備えます。

AIコンパニオンアプリ「Momo」を手がけるFirst Voyageはa16z speedrunなどから250万ドルを調達しました。ユーザーがデジタルペットを世話することで習慣形成を促す仕組みで、すでに200万件超のタスクが作成されています。

TechCrunchのStrictlyVCイベントでは、VCが消費者向けAIスタートアップの持続力について議論しました。Goodwater CapitalのCo-founder Chi-Hua Chienは「多くの初期AIアプリはプラットフォームに吸収されてしまった」と指摘し、スマートフォン普及初期と同様の「安定化期間」が必要だと述べています。

一方で、AIエコシステムの中で最も急速に収益を伸ばしているのはモデル企業ではなく、AIトレーニングデータの供給・仲介を担う事業者だという見方も広がっています。Mercorは年商5億ドルを達成し、「史上最速の成長企業」を自称するに至りました。

今回の一連の動向は、生成AI投資が依然として活況である一方、勝者が絞られつつあることを示しています。大型VCへの資本集中と、ビジネスモデルの持続性を重視する投資判断の変化が、次のAIスタートアップ世代の姿を規定していくと考えられます。

AIが人間の言語分析能力に初めて到達

言語理解の壁を越えたAI

UCバークレーがo1の言語解析能力を実証
構文木・再帰・音韻論で大学院生と同等の成績
人間固有とされたメタ言語能力をAIが初めて示す

画像生成の新潮流:あえて劣化

GoogleのNano Bananaがスマホカメラ風の質感を再現
意図的な「不完全さ」がリアリティ向上に貢献
C2PAのコンテンツ証明でAI画像の識別へ前進

2025年12月、AIが人間の専門家と同レベルで言語を分析できることが初めて実証され、同時期に画像生成AIが意図的な劣化表現でリアリティを高めるという新潮流が注目を集めた。誰が、何を、いつ、どこで、なぜ示したのか——UCバークレーの研究チームがOpenAIのo1モデルを対象に行った実験と、GoogleのNano Bananaをはじめとする画像生成モデルの進化を通じて、AIの能力が新たな段階へ入りつつあることが明らかになりました。

UCバークレーの言語学者Gašper Beguš氏らは、既存の知識を流用できないよう独自設計した構文・音韻のテストをo1に課しました。その結果、o1は複雑な再帰構文の解析、文の曖昧性の識別、さらには30種の人工言語の音韻規則の推定まで、言語学の大学院生と同等以上の精度で実施できることが確認されました。

最も注目されたのは『メタ言語能力』——言語を使うだけでなく言語そのものについて考える力——をo1が示した点です。ノーム・チョムスキーらが主張してきた『大量データの学習だけでは正しい言語分析は不可能』という見解に対し、今回の研究は強い反証を突きつけました。

一方、画像生成の分野ではGoogleのNano Banana Proが逆説的なアプローチで現実感を追求しています。スマートフォンカメラ特有のコントラスト不足や過剰なシャープネス処理をあえて再現することで、人間が日常的に見慣れた'スマホ写真らしさ'を演出し、不気味の谷を回避する手法が注目されています。

Adobe FireflyやMetaのAI生成ツールも同様に、過度に滑らかな'AI的な美しさ'を抑制するスタイル調整機能を搭載しています。OpenAIのSora 2やGoogleのVeo 3では、監視カメラ風の低解像度映像を意図的に生成してリアリティを演出する動きも見られます。

AI生成画像の急速な進化に対応するため、C2PAのコンテンツ証明規格の普及が急務となっています。GoogleのPixel 10シリーズでは全撮影画像に暗号署名が付与されるようになり、Google Photosもコンテンツ証明の表示に対応しました。ただし、ハードウェアメーカーやプラットフォーム全体への普及にはまだ時間を要する状況です。

AIが人間の言語能力を分析・解析する段階に達したことは、自然言語処理の研究や教育分野に大きな変革をもたらす可能性があります。同時に、リアルと生成物の境界が曖昧になる画像・動画領域においては、技術の進化と真偽確認の仕組みの整備が並行して求められています。

画像AIの失敗原因と回避策、Wileyが白書公開

失敗が招くビジネス損失

テスラやTSMC等の失敗事例を分析
自動運転や小売での誤検知リスク
データ不足やラベルエラーが主因

データ中心の解決アプローチ

データ中心の品質改善が不可欠
データリークを防ぐ評価手法
本番環境での継続的な監視体制

科学技術出版大手のWileyは、画像AIモデルが失敗する原因と対策をまとめたホワイトペーパーを公開しました。Voxel51が提供する本資料は、AI開発者やデータサイエンティストに対し、信頼性の高いシステム構築に向けた重要な洞察を提供しています。

自動運転車による歩行者の誤認や、小売システムでの誤検知など、AIの失敗は甚大なビジネス損失を招きかねません。本ガイドでは、テスラやウォルマート、TSMCといった企業の事例を交え、データ不足やバイアスといったデータ中心の課題を詳細に分析しています。

堅牢なAIモデルを構築するには、アルゴリズムの改善だけでなく、データの質を高めることが不可欠です。データリークの回避や、本番環境でのデータドリフト監視など、具体的な評価フレームワークと予防策を学ぶことができます。

開発現場において、モデルの信頼性を確保することは喫緊の課題です。データキュレーションから本番運用後の監視まで、包括的なアプローチを提示する本資料は、市場競争力を高めたいエンジニアやリーダーにとって有益な指針となるでしょう。

iFixitの修理AI「FixBot」検証、複雑な作業は時期尚早

AI修理アシスタントの実力

iFixitが対話型修理AIを公開
既存ガイドがある作業は概ねスムーズ
状況認識が甘く物理的警告が不足

致命的リスクとLLMの限界

高電圧機器で危険な手順を指示
基本を見落とし過剰な修理を提案
専門家マニュアルの過学習が原因か

米修理情報サイトiFixitは12月10日、修理支援AI「FixBot」を公開しました。The Vergeの記者がゲーム機や家電の修理で実力を検証したところ、単純な作業には有用な一方、複雑で危険を伴う修理では致命的な誤りを犯すことが明らかになりました。

既存の修理ガイドが存在するNintendo 64の領域変更では、AIは音声で適切に手順を案内しました。しかし、本体を裏返す際に部品が脱落するといった物理的な注意点は警告されず、トラブル時の画像診断も機能不全に陥るなど、未完成な部分が目立ちました。

より深刻なのは、高電圧を扱うCRTテレビの修理における助言です。AIは「ケースを開ける前に内部のアノードを放電せよ」という物理的に不可能な指示や、単なる電源コードの不具合に対して基板の再はんだ付けを勧めるなど、危険かつ不適切な対応を繰り返しました。

ヒートポンプの不調に対しても、「フィルター掃除」という最も基本的な解決策を提案できず、専門家を呼ぶよう促しました。iFixitのCEOは、LLMが専門家向けマニュアルを学習データとしているため、素人には不向きな「専門家ロールプレイ」をしてしまうと説明しています。

今回の検証を受け、iFixitは音声モードに「アルファ版」のラベルを追加しました。AIによる修理支援は将来性が期待されるものの、現時点では情報の正確性に課題があり、特に安全に関わる作業においては人間の判断が不可欠です。

Google新指標で判明、最新AIも「事実性70%」の壁

事実性を測る新指標FACTS

GoogleがAIの事実性評価指標を公開
内部知識と外部検索の両面で測定
医療や金融など高精度領域向け

最新モデルでも70%届かず

Gemini 3 Pro等が7割の壁に直面
マルチモーダルは5割未満と低迷
検索機能併用が精度向上の鍵

企業導入への示唆

内部知識依存は避けRAG構築を推奨
画像解析の無人化は時期尚早

Google DeepMindとKaggleは2025年12月10日、AIの事実性を測定する新指標「FACTS」を公開しました。これはモデルが生成する情報の正確さを、内部知識や検索能力など多角的に評価する枠組みです。最新のGemini 3 ProやGPT-5でさえ総合スコア70%に届かず、AIの完全な自動化には依然として高い壁がある現状が明らかになりました。

今回の結果は、企業におけるAI実装戦略に警鐘を鳴らすものです。特に、チャートや画像を解釈するマルチモーダルタスクの正答率が軒並み50%未満だった点は衝撃的です。金融データの自動読み取りなどを無人で運用するのは、現時点では時期尚早と言わざるを得ません。

一方で、エンジニアにとっての明確な指針も示されました。モデル自身の記憶に頼るよりも、検索ツールを併用させた方が正確性は高まるというデータです。これは社内データを参照させるRAG(検索拡張生成)システムの有効性を強く裏付けています。

経営者やリーダーは、モデル選定時に総合点だけでなく用途別のサブスコアを注視すべきです。例えば規定遵守が必須のサポート業務ならグラウンディングスコアを、調査業務なら検索スコアを重視するなど、目的に応じた最適なモデル選定が求められます。

結論として、AIモデルは進化を続けていますが、いまだ3回に1回は間違えるリスクを含んでいます。この「70%の事実性」という限界を理解した上で、人間による検証プロセスを組み込んだシステム設計を行うことが、ビジネスでの成功の鍵となります。

Google、オンデバイスAI開発コンペの受賞者を発表

障害者支援とオフライン活用

視覚障害者向けウェアラブルAIが優勝
胸部カメラ映像をリアルタイム解析
認知障害者支援の完全オフライン動作
個人の発話特徴をローカル学習

警備・教育へのエッジ実装

警備カメラ映像の文脈的脅威判定
通信遮断地域での教育ハブ構築
ロボットやJetson上での実装

Googleは12月10日、オンデバイスAIモデル「Gemma 3n」を活用した開発コンペ「Impact Challenge」の受賞者を発表しました。600以上の応募から選出されたプロジェクトは、クラウドに依存しないエッジAIが、低遅延かつ高プライバシーで社会課題を解決する可能性を実証しています。

最優秀賞の「Gemma Vision」は、視覚障害者が胸部に装着したカメラ映像をAIが解析し、周囲の状況を伝えるウェアラブル・アシスタントです。白杖を持つ手が塞がらないよう音声や小型コントローラーで操作でき、すべての処理をデバイス上で完結させることで、実用的な応答速度を実現しています。

2位の「Vite Vere Offline」は、認知障害者のために画像を音声指示に変換する完全オフラインアプリです。3位の「3VA」は、脳性麻痺を持つデザイナー向けにピクトグラムを豊かな文章へ変換するシステムで、ローカル環境での追加学習により、個人の意図を正確に反映させることに成功しました。

そのほか、警備カメラの映像から脅威のみを文脈的に識別するシステムや、インターネット接続がない地域向けの教育用マイクロサーバーなど、多彩なプロジェクトが入賞しました。これらの事例は、AIが画面の中だけでなく、物理的な制約のある現場でいかに具体的価値を生み出せるかを示唆しています。

FigmaがAI画像編集機能を追加 外部ツール不要で完結へ

ネイティブ機能で作業効率化

Photoshop等へのエクスポート不要
編集機能を集約した新ツールバーを導入
Full SeatプランのDesign・Drawで利用可

3つの新機能:削除・分離・拡張

なげなわツールで囲んでオブジェクトを消去
被写体を背景から分離して再配置
生成AIが余白を埋める画像拡張機能

デザインプラットフォームのFigmaは2025年12月10日、AIを活用した新しい画像編集機能を発表しました。オブジェクトの削除や切り抜き、画像の拡張といった高度な編集をFigma内で完結できるようにし、Photoshopなどの外部ツールと行き来する手間を削減して生産性を高めます。

新たに追加された機能は、なげなわツールで囲んだ対象を消去し背景を補完する「Erase」、被写体を切り離して自由に再配置できる「Isolate」、アスペクト比の変更に合わせて背景を違和感なく生成する「Expand」の3つです。これらは新しい画像編集ツールバーに集約され、直感的な操作が可能です。

これまでWebバナーのサイズ調整や細かな修正には、Adobe製品などへの切り替えが必要でした。Figmaは競合が先行していたこれらの機能をネイティブ実装することで、ワークフローの分断を解消します。「Full Seat」権限を持つユーザー向けに、Figma DesignおよびDrawでの提供が開始されています。

AI生産性格差は6倍:勝機はツール導入でなく「行動変容」

同じツールでも成果は別物

上位層は中央値の6倍活用
コーディングで17倍の格差
多機能利用で5倍の時短

習慣化と探索が分ける明暗

毎日使う層は全機能を駆使
月1回層は高度機能を使わず
格差の本質は技術でなく行動

組織導入の95%は失敗

企業の95%が投資回収できず
公式より個人利用が成果出す

OpenAIとMITが2025年に発表した衝撃的なレポートにより、AI導入企業内で深刻な「生産性格差」が起きていることが判明しました。同じツールへのアクセス権を持ちながら、使いこなす層とそうでない層の間には6倍もの開きが存在します。本質はツールの有無ではなく、個人の行動変容と組織の戦略にあることが浮き彫りになりました。

格差の実態は劇的です。上位5%の「パワーユーザー」は、一般的な従業員と比較してChatGPTへのメッセージ送信数が6倍に達しています。特にコーディング業務ではその差は17倍、データ分析でも16倍に拡大しており、AIを業務の核に据える層と、単なる補助ツールと見なす層との間で二極化が進んでいます。

この分断を生む最大の要因は「習慣化」です。毎日AIを利用するユーザーの99%が検索や推論などの高度な機能を活用している一方、月間ユーザーの約2割はデータ分析機能を一度も触っていません。毎日使うことで新たな用途を発見し、それがさらなる生産性向上につながるという複利効果が働いています。

複数の機能を使いこなすことのインパクトも甚大です。データ分析、執筆、画像生成など7種類以上のタスクでAIを活用する従業員は、4種類以下のユーザーに比べて5倍の時間を節約しています。実験的に使い倒す姿勢が、結果として個人の市場価値を大きく引き上げているのです。

一方で、企業レベルの投資対効果は厳しい現実を突きつけています。MITの調査によると、生成AIへの巨額投資にもかかわらず、変革的なリターンを得ている組織はわずか5%です。多くの企業がパイロット段階で停滞しており、ツールを配布するだけで業務プロセスを変えられていないことが主因です。

皮肉なことに、会社が公式に導入したシステムよりも、従業員が個人的に契約して業務に組み込む「シャドーAI」の方が高いROIを叩き出しています。IT部門の承認を待たず、自らの判断で柔軟なツールを選び、ワークフローを改善する自律的な従業員だけが先行者利益を得ている状況です。

結論として、AI活用の成否を分けるのはテクノロジーそのものではありません。組織がいかにして「毎日使い、深く探索する」という行動様式を定着させられるかにかかっています。単なるツール導入で満足せず、業務フロー自体を再設計する覚悟がリーダーに問われています。

ChatGPTでAdobeアプリが利用可能に 画像・PDF編集を対話で完結

3大ツールがチャット内で動作

Photoshop等3アプリに対応
自然言語で高度な編集を実行
基本機能は無料ユーザーも利用可

シームレスなワークフロー

アプリ切り替え不要で作業完結
ネイティブアプリへの連携も可能
生産性と作業効率を大幅向上

アドビは12月10日、ChatGPT内で直接動作する「Photoshop」「Acrobat」「Express」の提供を開始しました。アプリを切り替えず、自然言語の指示だけで画像編集やPDF操作が可能になります。業務効率化を加速させる重要な機能です。

具体的には、チャットにファイルを上げ「背景をぼかして」と頼むだけで、Photoshopが処理を実行します。AcrobatではPDFの結合や変換、ExpressではSNS画像の生成まで完結し、専門スキルが不要になる点が大きな魅力です。

必要に応じて明るさ調整などのスライダーUIが表示され、AI任せだけでなく手動での微調整も可能です。チャットで始めた作業をアドビのネイティブアプリに引き継ぎ、より高度な編集を行うこともシームレスに行えます。

本機能は競合AIへの対抗策であり、クリエイティブ作業の障壁を下げる狙いがあります。現在はデスクトップ、Web、iOS等で利用可能で、ExpressはAndroidにも対応済みです。生産性向上に直結するツールと言えるでしょう。

MS、安価な病理画像から高精度な細胞データを生成するAI公開

希少データを仮想生成しコスト削減

安価なH&E;画像から仮想mIF画像を生成
4000万細胞の学習データで高精度を実現

大規模な仮想集団で医学的発見

1.4万人の患者から30万枚の画像を生成
がん微小環境と指標の関連を1234件特定

オープンソースで医療AI加速

外部データセットで検証し有効性を確認
モデルをHugging Faceで無償公開

マイクロソフトリサーチは12月9日、Providenceらと共同で、がん研究用マルチモーダルAI「GigaTIME」を発表しました。安価に入手可能な病理画像から、高価で希少な詳細分析データを仮想的に生成し、精密医療の進展を加速させます。

本技術の核心は、標準的なH&E;染色スライドから、高コストな多重免疫蛍光(mIF)画像を予測生成する点です。これにより、従来は資金と手間の制約で困難だった大規模な腫瘍微小環境の分析が、既存の安価なデータ資産を用いて可能になります。

研究チームは4000万個の細胞データでAIを訓練し、1万4256人の患者データに適用しました。その結果、30万枚の仮想画像を生成し、がんの進行や生存率に関わる1234件の統計的に有意な関連性を新たに特定することに成功しています。

外部のTCGAデータセットを用いた検証でも高い整合性が確認されました。同社はこのモデルをオープンソースとして公開しており、将来的には個々の患者の病態をデジタル上で再現する「仮想患者」の実現に向けた重要な一歩と位置づけています。

DeepMind、AIの「事実性」測る新指標「FACTS」発表

4つの視点で正確性を評価

内部知識や検索能力を多角的に測定
画像理解を含むマルチモーダルにも対応
公開・非公開セットで過学習を防止

Gemini 3 Proが首位

総合スコア68.8%で最高評価を獲得
前世代より検索タスクのエラーを55%削減
全モデル70%未満と改善余地あり

Google DeepMindは2025年12月9日、Kaggleと共同で大規模言語モデル(LLM)の事実性を評価する新たな指標「FACTS Benchmark Suite」を発表しました。AIがビジネスの意思決定や情報源として浸透する中、回答の正確さを担保し、ハルシネーション(もっともらしい嘘)のリスクを可視化することが狙いです。

本スイートは、AIの内部知識を問う「Parametric」、Web検索を活用する「Search」、画像情報を解釈する「Multimodal」、そして文脈に即した回答能力を測る「Grounding」の4つのベンチマークで構成されています。単なる知識量だけでなく、ツールを使って正確な情報を収集・統合する能力も評価対象となる点が特徴です。

評価結果では、同社の最新モデル「Gemini 3 Pro」が総合スコア68.8%で首位を獲得しました。特に検索能力において、前世代のGemini 2.5 Proと比較してエラー率を55%削減するなど大幅な進化を見せています。一方で、マルチモーダル分野のスコアは全体的に低く、依然として技術的な課題が残されています。

全モデルの正解率がいまだ70%を下回っている現状は、AIの完全な信頼性確立には距離があることを示しています。経営者やエンジニアは、FACTSスコアを参考にしつつ、用途に応じたモデル選定と人間による最終確認のプロセスを設計することが、生産性と安全性を両立する鍵となります。

Zhipu AI、視覚入力でツール直結のVLM公開 商用可

視覚情報をツールへ直結

画像を直接ツールの引数に指定
テキスト変換の情報ロスを排除

用途に応じた2モデル展開

106B版は複雑な推論に特化
Flash版は利用無料で高速

実務を変える高い応用力

画面からコードを自動生成
MITライセンスで商用利用可

中国のAIスタートアップZhipu AIは2025年12月8日、視覚言語モデル「GLM-4.6V」シリーズを公開しました。画像をテキスト変換せず直接ツールで処理するネイティブ機能を搭載し、MITライセンスにより商用利用も完全に自由です。

最大の特徴は、視覚情報を直接ツールの引数として渡せる点です。従来必要だった「画像からテキストへの変換」という中間プロセスを排除することで情報の損失を防ぎ、画像の切り抜きや検索といった高度な自動化を効率的に実行できます。

ラインナップは、複雑な推論に強い1060億パラメータの「106B」と、低遅延な90億パラメータの「Flash」の2種です。特にFlash版は利用料が無料であり、エッジデバイスやリアルタイム処理が必要なアプリ開発に最適です。

開発現場での実用性も高く、UIのスクリーンショットからピクセル単位で正確なHTMLやCSSを生成できます。12万8000トークンの長大なコンテキストに対応し、長時間の動画解析や大量のドキュメント処理も一度の推論で完結します。

本モデルはOpenAIのGPT-4Vなどと競合する性能を持ちながら、オープンソースとして公開されました。自社インフラでの運用やコンプライアンス順守が求められる企業にとって、柔軟かつ低コストなAI導入の有力な選択肢となるでしょう。

Google Mixboard、AIでプレゼン資料を自動生成へ

Nano Banana Proを搭載

ボード内容からプレゼン資料を生成
文脈や好みのスタイルを反映
高解像度ビジュアルとテキストを作成

入力・編集機能の強化

自分撮りカメラやPDFに対応
画像への手書きで修正指示が可能
1プロジェクトで複数ボードを管理

Google LabsはAI実験ツール「Mixboard」を更新し、Nano Banana Proを活用したプレゼンテーション生成機能を追加しました。アイデア出しから資料作成までをシームレスにつなぎ、業務効率を劇的に向上させます。

新機能では、ボード上の画像やテキストの文脈を解析し、ユーザー指定のスタイルで美しいスライドを自動構築します。高度な画像生成モデルにより、説得力のあるビジュアルとテキストを瞬時に用意できるのが特徴です。

インプット機能も強化され、PDFの読み込みや内蔵カメラでの自撮り画像追加が可能になりました。さらに、画像に直接手書き(ドゥードゥル)して修正エリアを指定するなど、直感的な編集もサポートしています。

プロジェクト管理面では、単一プロジェクト内で複数のボードを切り替えられるようになりました。ブレインストーミング用と最終案用を分けるなど、思考プロセスに応じた柔軟な使い分けが可能です。