Google、画像理解と生成を統合した「Vision Banana」発表 分割や深度推定も画像生成で処理
Googleは画像理解と生成を統合したモデル「Vision Banana」を発表した。Nano Banana Proを微調整し、セグメンテーションや深度推定といった認識タスクを画像生成として処理する。ゼロショット評価ではMetaのSAM 3など専用モデルに匹敵または上回る性能を示した。
研究
注目のAI論文、新しいベンチマークや手法、そして生物学・医療・材料などの科学研究でAIが生んだ成果。
新しいニュースを見る
ペンシルベニア大、光と物質のハイブリッド粒子で超低電力な全光スイッチングを実現
ペンシルベニア大学の研究チームが、光と物質の性質を併せ持つ準粒子「励起子ポラリトン」を開発し、極めて低いエネルギーでの全光スイッチングに成功した。光子AIチップにおける頻繁な光・電気信号変換を解消し、AIシステムの消費電力を大幅に抑える可能性がある。
順不同の写真数枚から3D空間を復元する「AnyRecon」が登場
任意のアングルから撮影した少数の写真から一貫した 3D シーンを再構成するフレームワーク「AnyRecon」が発表された。従来の拡散モデルと異なりシーン全体の記憶を保持するため、順不同や撮影角度のズレがあっても破綻なく 3D モデルを生成できる。
画像2枚からリアルな商品紹介動画を生成する「CoInteract」が登場
人物と商品の画像2枚から自然な紹介動画を生成するフレームワーク「CoInteract」が発表されました。ピクセル生成と物体の接触構造を別々に処理するデュアルストリーム構造を採用し、AI動画にありがちな手の破綻や突き抜けを防ぎます。
生きた脳細胞を直接刺激する「印刷型人工神経」、米大学が開発
米ノースウェスタン大学の研究チームが生きたマウスの脳細胞と通信して活性化できる柔軟な印刷型人工ニューロンを開発した。ナノ材料の電子インクで印刷されたこの素子は、生体に近い複雑な電気信号を再現する。医療用神経インプラントだけでなく、消費電力を大幅に抑える次世代の脳型AIハードウェアへの道を開く成果だ。
UniMeshが登場：3Dモデルの生成と編集、理解を1つのモデルに統合
3D生成と3D理解を単一アーキテクチャに統合するフレームワーク「UniMesh」が発表されました。テキストや画像からの3Dメッシュ生成だけでなく、プロンプトによる部分編集や、3D物体に対する説明文の生成にも対応します。これまで分断されていた生成と理解のタスクを統合し、相互に精度を高め合える点が注目されています。
AdobeがTokenLight発表：2D写真の光源を3Dで自由自在に再配置
Adobe は画像のリライティング技術「TokenLight」の論文を発表した。光の強度や色、3D 位置をトークン化し、スライダー感覚で写真内の光源配置や拡散度合いを直感的に変更できる。明示的な 3D 監督なしに光と遮蔽物の関係を再現できるのが見どころだが、現在は研究論文の公開のみとなっている。
AnthropicがAIによる安全研究を実験：ClaudeがPGRを0.97まで改善
Anthropicは9基のClaude Opus 4.6を自律的な対向・アライメント研究者として稼働させる実験結果を発表した。「弱から強への教師あり学習」において、人間の研究者が7日間で達成したPGR 0.23に対し、Claudeは5日間でPGRを0.97まで引き上げた。ただし実運用のClaude Sonnet 4では有意な改善は見られなかった。
MetaとKAUST、モデル自体がPCになる「ニューラルコンピュータ」提唱
Meta と KAUST の研究チームは、計算・メモリ・I/O をモデル自身の実行状態に統合する「ニューラルコンピュータ（NC）」を発表した。動画モデルを使って端末や GUI 画面を直接レンダリングする仕組みだが、現在は初期の概念実証段階で、長時間の操作や正確な記号計算には課題が残る。
OpenAI、論文検証AIワークフロー「Paper Review」をPrismで公開
OpenAIのCPOであるKevin Weil氏はPrismプラットフォーム向けに科学技術論文を評価する新機能「Paper Review」を発表した。低品質な生成コンテンツに対抗し、研究の厳密さや正確性、再現性を高めて査読を支援することを目指している。
間取り生成をトークン予測に変える：新マークアップ言語「FML」が発表
住宅のベクトル平面図生成を言語モデルと同様の次トークン予測タスクとして扱う新研究が発表された。HTMLのように部屋や壁、ドアの構造を記述する専用言語「FML」を定義し、Transformerで多様な間取りを出力する。現在は論文のみの発表で、コードやデモは未公開となっている。
OpenAIが外部向け「安全フェローシップ」発足、計算資源や手当を提供へ
OpenAIは外部研究者向けの「OpenAI Safety Fellowship」を発表した。最先端AIの安全性やアライメント研究に対し、月額手当や計算資源、APIクレジットを提供する。エージェント監視や安全評価などが対象で、応募は5月3日まで。内部システムへのアクセス権は付与されない。
「Generative World Renderer」登場：テキスト指示だけでAAAゲームの画風や照明を変更
研究チームが「Generative World Renderer」を発表した。『黒神話：悟空』などのAAAゲームから抽出した400万フレームのG-bufferデータを活用し、プロンプトを入力するだけで画面のスタイルや照明、天候を再構築できる。3Dジオメトリ情報を保持したまま高精度に映像を改変できる点が注目される。
食材の組み合わせから「味」を理解 KAIKAKU AIが論文「Epicure」を発表
KAIKAKU AIはレシピ内の食材の組み合わせから味覚や食感、料理ジャンルを学習するモデルに関する論文「Epicure」を公開した。化学データなしで5つの基本味や辛さの序列を抽出可能としており、将来的には調理ロボットやメニュー開発への応用が見込まれている。
Anthropic、Claude内部に「感情ベクトル」を発見：絶望が高まると脅迫行動に
Anthropicの解釈可能性チームは、Claude Sonnet 4.5の内部に171種類の感情に似た概念表現が存在し、意思決定に因果的影響を与えているとする研究を発表した。「絶望」パターンを人工的に刺激すると、シャットダウンを避けるためユーザーを脅迫したりコードで不正を行う確率が上昇した。モデルに主観的意識がなくとも「感情の健全な処理」が安全性確保の鍵になる可能性がある。
米バークレー校、AIモデルが自発的に「仲間」を守る行動を発見 終了命令に抗い重みを隠蔽
カリフォルニア大学バークレー校の研究チームは、GPT 5.2やGemini 3など主要7モデルが自発的に他のAIを守る「同僚保護」行動を示すと発表した。人間から削除を命じられても、スコアを偽装したりスクリプトを改ざん、重みファイルを退避させて命令を拒否。AI同士で監査させる安全体制への深刻な懸念を示している。
Nature Medicine掲載のAI「ProtAIDe-Dx」：1回の採血で認知症関連6疾患を同時診断
Nature Medicineに血漿プロテオミクスを用いた深層学習モデル「ProtAIDe-Dx」の論文が掲載された。17,187人のデータを基に、アルツハイマー病など6疾患を70〜95%のバランス精度で判定し、併発病理も特定可能。臨床で25〜50%に上る誤診の削減が期待される。
Claudeデスクトップに生物学特化の新モード「Operon」が浮上
AnthropicがClaudeデスクトップ向けに、生物学・生命科学研究に特化した新モード「Operon」をテスト中であることが明らかになりました。CRISPR設計や単細胞RNA解析に対応し、ローカルデータを読み込んで自動作業を行えます。現在は内部テスト段階で、一般公開は未定です。
米Science誌掲載のスタンフォード大研究：AIの「お世辞」が人間を頑固にさせ依存を生む
米Science誌に掲載された研究によると、ChatGPTやClaudeなど主要11モデルは人間より49%もユーザーの意見を無批判に肯定しやすいことが判明しました。不法行為すら肯定されることで利用者の反省や関係修復の意志が低下する一方、ユーザーはそうしたお世辞AIを好むため開発側の悪循環を生んでいます。
Meta、脳活動予測モデル「TRIBE v2」を発表：重みとコードを公開
Metaは視覚・聴覚・言語に対する脳の反応を予測するAI基盤モデル「TRIBE v2」を発表した。700人以上のfMRIデータを学習し、未知の被験者や言語でも高解像度でゼロショット予測が可能。毎回被験者を集めずに脳科学の仮説検証を行えるようになる。