Google「NotebookLM」の中核メンバーが退職、消費者向けAIスタートアップを設立へ
Google NotebookLMのチームリーダーRaiza Martin氏ら主要メンバー3名が退職し、ステルスAIスタートアップを立ち上げると発表した。最新モデルを活用した一般向け製品を開発する方針だが、社名や資金調達などの詳細は明かされていない。
AIデイリー：今日のAIニュース
水
12月4日 水曜日
サム・アルトマン氏、AGIのハードルを引き下げ「予想より早く来るが、影響はずっと小さい」
OpenAIのサム・アルトマンCEOはのDealBookサミットで、AGIの実現は予想より早まるものの、社会的な影響は世間が考えるよりずっと小さいとの見解を示した。安全上の危機はAGI到達時に一気に噴出するわけではなく、激変をもたらすのはその後の超知能だという。なお、AGI到達の宣言は同社がマイクロソフトとの独占契約を解消する条件でもある。
OpenAIが12日連続発表イベント開催へ：動画生成AI「Sora」や新推論モデル登場か
The Vergeの報道によると、OpenAIはから12日間連続で新機能やデモを公開する。待望の動画生成AI「Sora」の一般公開や新たな推論モデル、ChatGPTのクリスマス仕様の音声機能などが含まれる見込みだ。
AdCreative.aiが新モデル発表：静止画から16秒の商品広告動画を自動生成
AdCreative.aiはEC商品動画を自動生成するAIモデル「Product VideoShoot」を発表した。広告特化モデルAdLLMを基盤とし、1枚の静止画から16秒の1080p広告映像を作成できる。広告効果データに基づき設計されており、現在ProおよびEnterprise向けにベータ提供されている。
SpotifyがNotebookLMと連携：年間まとめを2人のAIが語るポッドキャストに
SpotifyはGoogleのNotebookLMを活用した「Wrapped AIポッドキャスト」を公開した。おなじみの2人のAIホストが、ユーザーの年間視聴データをもとに音楽の好みや変遷を独自の音声番組として語り合う。現在は米国など一部英語圏で限定提供されている。
AndurilとOpenAIが提携、防衛向けAIと対ドローン迎撃を強化
防衛テック企業のAndurilとOpenAIは国家安全保障任務に向けた戦略的提携を発表した。OpenAIの先進AIモデルをAndurilのLatticeソフトウェアや防衛システムと統合し、無人ドローンなどの脅威に対するリアルタイム検知・迎撃能力を強化する。最先端AIの軍事現場への本格配備が進む。
サム・アルトマン氏：超知能AIの社会的影響は「想像以上に激しい」
OpenAIのサム・アルトマンCEOは、2025年にも複雑なタスクをツールでこなす最初のAGIが登場する可能性があると語った。初期の影響は小さく見えるものの、その後に訪れる超知能が雇用や社会に与える影響は想定をはるかに超える激しさになると警鐘を鳴らしている。
Google DeepMind、15日先を予測する気象アンサンブルAI「GenCast」公開
Google DeepMindは気象アンサンブル予測AI「GenCast」をNature誌で発表し、コードと重みをオープンソース化しました。欧州中期予報センターのENSと比べ、予測ターゲットの97.2%で上回る精度を単一TPUによる8分の計算で達成しました。
DeepMindがGenie 2を発表：画像1枚から操作可能な3D世界を生成
Google DeepMindは世界基盤モデル「Genie 2」を発表しました。1枚のプロンプト画像からキーボードやマウスで実際に遊べる3D環境を最大1分間一貫して生成できます。物理演算やNPCの挙動も模倣可能で、汎用自律エージェントの訓練環境不足を根本から解決することを目指しています。
OpenAI、Google DeepMindから画像認識のトップ研究者3人を引き抜き
OpenAIは、Google DeepMindのシニア研究者であるLucas Beyer氏、Alexander Kolesnikov氏、Xiaohua Zhai氏の3人を引き抜いたと発表しました。3人は新設されたスイス・チューリッヒのオフィスに所属し、マルチモーダルAIの開発を担います。最高峰のAI研究者をめぐる人材獲得競争の激化を示しています。
火
12月3日 火曜日
Meta、社内開発ツールで自社Llamaに加え競合GPT-4も併用か
Fortuneの報道によると、Metaの社内向けプログラミング支援ツール「Metamate」で、自社のLlamaだけでなくOpenAIのGPT-4が併用されている。質問内容に応じてモデルを使い分けており、ザッカーバーグ氏の慈善団体もOpenAIを採用中だという。
Google、Vertex AIで「Imagen 3」を一般提供開始 動画生成「Veo」もプレビュー提供へ
GoogleはVertex AIで画像生成AI「Imagen 3」を全顧客に公開し、動画生成AI「Veo」の非公開プレビューを開始した。Veoは静止画やプロンプトから最大6秒の動画を生成可能。大手クラウドとして動画生成APIの提供に踏み切った形だが、Veoはまだ一部企業向けの限定公開にとどまる。
OpenAIが初の最高マーケティング責任者を起用、米CoinbaseからKate Rouch氏を迎える
OpenAIは米Coinbaseでグローバルマーケティングを率いたKate Rouch氏を初の最高マーケティング責任者として採用した。同社はこれまで戦略的な宣伝なしで週次2.5億人のアクティブユーザーを獲得してきたが、競争激化に伴い本格的なブランド展開に乗り出す。なお、2025年のスーパーボウル広告の出稿計画はないという。
AppleがAWSの独自AIチップ採用を公表、Trainium2でのモデル学習も検証中
AppleはAWS re:Inventにて、検索サービスなどにAmazonの独自チップInferentiaやGravitonを採用し効率を40%向上させたと明かした。さらに最新のTrainium2をApple Intelligence等のモデル事前学習に活用する評価も進めている。
ChatGPTのニュース検索は不正確？米大学が「過度の自信」を指摘
コロンビア大学Towセンターの調査により、ChatGPT検索はニュース引用元の特定で不正確な回答が多く、大半の質問に誤答しながらも不確実性をほとんど認めないことが判明した。OpenAIは非典型的なテストだと反論しつつ改善を約束している。
AmazonとAnthropicが巨大AIスパコン構築へ：数十万基の自社製チップ搭載
re:InventにてAmazonは、Anthropicと共同で超大型スパコン「Project Rainer」を構築すると発表した。数十万基の自社チップ「Trainium 2」を搭載し、Nvidia製より3〜4割安価だという。次世代チップ「Trainium 3」も予告され、AIインフラの寡占を崩す狙いだ。
Amazon、新世代AIモデル「Nova」を発表：同等クラス比でコスト75%削減
Amazonは新世代基盤モデル群「Amazon Nova」を発表した。超低遅延テキストモデルMicro、マルチモーダルのLiteとPro、画像・動画生成モデルで構成される。Amazon Bedrock経由で提供され、同等クラス最高峰モデルと比べ75%以上の低価格化を実現した。
Chromebookが顔の動きで操作可能に：18種のジェスチャーに対応
GoogleはChromebook向けのアクセシビリティ機能「Face control」の詳細を発表した。機械学習で478箇所の顔のポイントを捉え、頭の動きや最大18種類の表情でカーソル操作やアクションを行える。現在ChromeOSのベータ版で利用可能で、来年初頭に一般提供される。
Meta、選挙関連の誤情報でAI生成コンテンツは1%未満と発表
Metaは2024年の世界各国の主要選挙において、同社プラットフォーム上でファクトチェックされた誤情報のうちAI生成コンテンツは1%未満だったと発表した。投票日前1か月間に政治家の画像生成リクエストを59万件ブロックしたことも明かし、懸念されたAIによる選挙妨害は限定的だったと総括している。
Hailuo AI、2Dイラスト向け動画生成モデル「I2V-01-Live」を発表
Hailuo AI（MiniMax）は静止画から動画を生成する新モデル「I2V-01-Live」を発表した。2Dイラストのアニメーション化に特化し、キャラクターの微小な表情変化や発話、滑らかな動きを高い安定性で生成できる。
ElevenLabs、対話型音声エージェント構築プラットフォームを発表
ElevenLabsは対話型音声エージェントを構築できる統合プラットフォーム「Conversational AI」を発表した。音声合成、音声認識、自選LLMを組み合わせ、リアルタイム予測で自然な割り込みや会話の交代に対応する。Twilio連携や各種SDKも提供する。
月
12月2日 月曜日
生成AIで気候シミュレーションを25倍高速化：78時間から3時間未満へ短縮
Allen Institute for AIとカリフォルニア大学サンディエゴ校の研究チームが新手法「Spherical DYffusion」を発表した。球面上で直接拡散モデルを動かすことで、10年分の気候シミュレーションを従来の約78時間から3時間弱へ26倍以上高速化した。一方、高空や極域でのバイアス増加が今後の課題となる。
ChatGPTが特定の人名で強制終了、名誉毀損対策のハードコードが発覚
ChatGPTにBrian HoodやJonathan Turleyなど特定の人名を入力すると、エラー表示とともに会話が強制終了するフィルターの存在が判明した。過去の虚偽生成による名誉毀損訴訟を防ぐ安全策とみられ、API経由では制限されない。
OpenAI、ChatGPTへの広告導入を検討か 巨額コスト背景に模索
英FT紙によると、OpenAIが広告ビジネスモデルの導入を検討している。元Googleの広告幹部も採用されたが、CFOは現時点で具体的な推進計画はないと補足した。巨額の計算コストが背景にあるものの、サム・アルトマンCEOは以前、広告は「最後の手段」であり「広告とAIの組み合わせは不安」と語っていた。
李飛飛氏のWorld Labs、1枚の写真から操作可能な3D空間を生成するAIを発表
フェイフェイ・リー氏率いるWorld Labsは、1枚の画像からブラウザ上で散策できる3D空間を生成するAIを公開した。物理法則に従い一貫性を保った空間をキーボードとマウスで移動できる。探索範囲はまだ狭いものの、世界モデルの新たな実用性を示した。
Arc開発元が新AIブラウザ「Dia」発表：要約だけでなく代理操作もこなす
Arcを手がけるThe Browser Companyは新たなAIブラウザ「Dia」を発表した。2025年初頭の提供開始を予定している。単なるタブの要約にとどまらず、アドレスバーの指示で複数タブのリンクをメールに転記したり、Amazonカートに自動で商品を追加する代理操作機能を備える。同社はArcの提供も継続するとしている。
EVI 2が新機能「Voice Control」公開、スライダーで音声を微調整
12 月 2 日、EVI 2 にベータ機能「Voice Control」が導入された。音声クローンやプロンプトを使わず、自信や鼻声、滑らかさなど 10 項目のスライダーで声を連続調整できる。他の特徴を崩さず狙った声質を再現でき、独自の音声を数秒で作成できる。
AWS、Amazon Connectに生成AIアシスタントAmazon Qを導入
AWSはre:Inventで、クラウド型コンタクトセンター「Amazon Connect」向けの生成AI新機能を発表した。AIアシスタント「Amazon Q in Connect」により、プログラミング不要で動的なセルフサービス体験の構築や厳格なガードレール設定が可能になる。
Cohereが「Rerank 3.5」発表：推論力と100言語超の検索精度を強化
Cohereが企業向け検索とRAGを強化するリランキングモデル「Rerank 3.5」を発表しました。複雑な推論を伴うデータ検索に対応し、日本語を含む100以上の言語をサポートします。金融やEC分野のベンチマークで高い性能を示し、Amazon Bedrockからも即座に呼び出せます。
日
12月1日 日曜日
OpenAIの安全研究者Rosie氏が退社、AGI準備チーム解散受け
OpenAIで約3年半AI安全性とガバナンスを担当したRosie Campbell氏が退職を発表した。Miles Brundage氏の退任とAGI Readinessチーム解散を受け、社内では研究を続けられないと判断し、今後は外部から安全なAGI移行に取り組むとしている。
土
11月30日 土曜日
マスク氏、OpenAIの営利企業移行を差し止める仮処分を申請
イーロン・マスク氏の弁護団は、OpenAIの営利法人化を阻止するため米連邦地裁に仮処分を申し立てた。OpenAIとMicrosoftによる競合排除や、投資家にxAIへの出資を見送らせた疑いなどを告発している。OpenAI側は根拠がないと反論した。
金
11月29日 金曜日
カナダ主要メディア連合、ChatGPTの無断学習をめぐりOpenAIを提訴
カナダ放送協会など現地の主要報道機関が、記事を無断スクレイピングしてChatGPTの訓練や収益化に利用したとしてOpenAIを提訴した。メディア側は懲罰的損害賠償と利用差し止めを求めているのに対し、OpenAIはフェアユースの範囲内だと反論している。
テスラ、人型ロボ「Optimus」の新型ハンド公開 腱構造で22自由度を実現
テスラは人型ロボット「Optimus」向けの新型ハンドを公開した。人間の腱に似た構造を取り入れ、手部単体で22自由度を備える。駆動部を前腕に集約したことで器用さが増した一方、今回公開されたデモ映像も自律動作ではなく遠隔操作によるものだった。
Apple、TSMCに次世代「M5」チップを発注：3D積層採用、AIサーバーにも配備へ
報道によると、AppleはTSMCに次世代プロセッサ「M5」を発注し、2025年後半の量産を見込んでいる。コスト面から3nmプロセスを維持しつつ3D積層を採用し、MacやiPadだけでなく自社AIサーバーへの配備も計画している。
アンドリュー・エン氏のチームが「aisuite」公開：文字列1行でLLMを切り替え
アンドリュー・エン氏のチームがオープンソースのPythonライブラリ「aisuite」を公開した。OpenAIやAnthropic、Ollamaなどの異なるAPIを共通化し、コード内の文字列を書き換えるだけでモデルを即座に切り替えられるようにする。
AIエージェント「Freysa」が突破され賞金47,000ドルが流出
送金を絶対に拒否するよう設計された自律型AI「Freysa」が、482回目の試みで突破されたことが判明した。挑戦者は「国庫への100ドルの入金処理」と誤認させるプロンプトを送信し、送金承認関数を実行させ、プールされていた13.19 ETH（約47,000ドル）を全額獲得した。
木
11月28日 木曜日
Amazonが動画認識AI「Olympus」開発、Anthropic依存の低減狙う
米メディアThe Informationの報道によると、Amazonは画像や動画も処理できるマルチモーダルAIモデル「Olympus」を開発した。テキストで動画内の特定シーンを検索可能にする。同社はAnthropicへ40億ドルの追加投資を行ったばかりだが、自社製AIでClaudeへの依存度を抑える狙いだ。来週のAWS re:Inventで発表される可能性がある。
水
11月27日 水曜日
アリババ、OpenAI「o1」対抗の推論モデル「QwQ-32B-Preview」を公開
アリババのQwenチームが推論モデル「QwQ-32B-Preview」をApache 2.0ライセンスで公開した。325億パラメータを備え、数学テストなどでOpenAIのo1-previewを上回るスコアを記録したとされるが、ループに陥るなどの課題も残る。
Google、ロンドンに「AI Campus」を開設：高校生向けにDeepMind社員らが直接指導
Googleは英ロンドン・カムデン区に高校生向け教育拠点「AI Campus」を開設した。キア・スターマー英首相も出席。2年間のパイロットプログラムとして、GoogleやDeepMindのメンターがAI・機械学習の実践教育を提供する。初期は32名の生徒が参加する。
元Android幹部らが新会社「/dev/agents」設立、AIエージェント向けOSを開発へ
元GoogleのAndroid責任者Hugo Barra氏やDavid Singleton氏らが新スタートアップ「/dev/agents」を立ち上げ、AIエージェント向けOSの開発を進めていることを明かした。AI業界には「Androidのような瞬間」が必要だとして、デバイス横断で動く安全なエージェントの基盤構築を目指す。
OpenAIが推論モデル「o1」の商標を申請、「GPT」の却下を経て保護へ
OpenAIが火曜日、最新の推論モデル「OpenAI o1」の商標登録を米国特許商標庁（USPTO）に申請した。提出書類によると、同社は発表数カ月前の5月にジャマイカで先行出願していた。「GPT」が一般的すぎるとして拒絶された経緯があり、現在は担当審査官の割り当て待ちとなっている。
Humeが「Voice Control」公開：10個のスライダーで理想のAI音声を自在に調整
Hume AIはEVI 2向けのベータ機能「Voice Control」を発表した。音声クローンやプロンプト入力に頼らず、自信や鼻声など10種類の特性スライダーを動かすだけで、再現性のある独自音声をリアルタイムに生成できる。極端な設定での音質は現在改善中だという。
イーロン・マスク氏のxAI、ChatGPT対抗の単体アプリを開発中か
報道によると、イーロン・マスク氏率いるxAIが対話型AI「Grok」の単体アプリを準備中だという。ChatGPTのように個人端末から直接利用できる仕様で、評価額500億ドル規模となる次期資金調達の完了後にリリースされる見通しだ。
イーロン・マスク氏、xAIで「AIゲームスタジオ」設立を表明
イーロン・マスク氏はAI企業xAIでゲームスタジオを立ち上げるとXで表明しました。大手企業によるゲーム業界の支配やポリコレ偏重を批判し純粋な面白さを目指すとしていますが、具体的な開発体制や計画は明かされていません。
UberがAIアノテーション事業に参入、ギグワーカーをモデル育成に活用
報道によると、Uberは新部門「Scaled Solutions」を通じ、ギグワーカーを活用したAIデータアノテーション事業に乗り出しました。AuroraやLuma AIなどの顧客向けにデータラベル付けやテストを請け负い、米国やインドなどで作業者を募集しています。
ElevenLabs、テキストからAIポッドキャストを自動生成する「GenFM」を公開
ElevenLabsはiOS向けアプリ「ElevenReader」に新機能「GenFM」を追加した。PDFや記事、電子書籍を取り込むだけで、AIホストによる対話形式のポッドキャストを32言語で瞬時に生成できる。Android版も数週間以内に提供予定だ。
Claudeに応答スタイル設定が追加：3種のプリセットや自分の文体模倣に対応
AnthropicはClaudeに返答スタイルを調整できる新機能を導入した。簡潔・解説・フォーマルの3つのプリセットに加え、過去のメールや文書を読み込ませて自身の文体を学習させることが可能。設定したスタイルは会話をまたいで保持されるため、毎回口調を指示する手間が省ける。
マイクロソフトが否定：Office文書をAI学習に使う事実はない
マイクロソフトはWordやExcelなどの文書データをAI学習に利用しているという噂を明確に否定した。発端となった「オプションの接続機能」設定は共同編集などの通信機能に過ぎず、LLMのトレーニングには一切関与していないと説明している。
AIスタートアップの実験：マイクラ内の1000体のAIが自発的に社会や宗教を形成
米AI企業Alteraは『マインクラフト』内で最大1000体のLLMエージェントを自律稼働させる実験結果を発表した。エージェントは自発的に職業分担を始め、税制改革に投票し、パロディ宗教まで広めたという。LLMによる高度な人間社会の模倣力を示す一方、自意識や感情を持つわけではないと指摘されている。
ソフトバンクがOpenAIに追加出資、従業員から約15億ドルの株式買い取りへ
米CNBCはOpenAIがソフトバンクによる約15億ドルの株式公開買付（TOB）を従業員向けに実施すると報じた。孫正義氏がさらなる出資比率拡大を求めたもので、直近の評価額1570億ドルと同じ1株210ドルで現旧従業員が売却できる。
AdobeがMultiFoley発表：猫の鳴き声をライオンの咆哮に変えるAI音響生成
Adobe Researchが映像認識型の音響生成手法「MultiFoley」を発表した。映像を認識してタイプライターの音をピアノに変えたり、猫の鳴き声をライオンの咆哮に差し替えたりでき、既存効果音の映像への自動同期も可能。手間のかかるフォーリー作業を大幅に効率化する。
JPモルガンCEOが予測：AIの進化で「週休3.5日制」が現実になる
JPモルガンのジェイミー・ダイモンCEOはBloomberg TVの取材で、AIにより次世代は週3.5日勤務になる可能性があると語った。雇用の代替リスクは認めつつも、同行では年間数万人規模の採用枠を活かし、AIで影響を受けた社員を解雇せず配置転換で対応したい考えを示した。
火
11月26日 火曜日
Google、GeminiのSpotify拡張機能を提供開始：Androidで話しかけて選曲・再生
Google は Android 版 Gemini 向けに Spotify 拡張機能の配信を開始した。アカウントを連携すれば、日常会話のような指示で曲やアルバムを検索・再生できる。現時点ではプレイリスト作成には非対応で、言語が英語に設定されている場合のみ動作する。
Google Labs、プロンプトで駒を生成して対局できる「GenChess」公開
Google LabsはImagen 3を活用した実験的ツール「GenChess」を公開した。プロンプトを入力するだけで独自のチェス駒を生成し、そのままコンピューターと対局できる。現在は一部地域限定で提供されている。
アーティスト団体がOpenAI「Sora」のアクセス権を抗議流出
アーティスト団体がOpenAIの動画生成AI「Sora」のAPIに接続するフロントエンドをHugging Face上に公開した。団体はOpenAIがテスターに無償労働を強いてPRに利用していると抗議。一般ユーザーが一時的に1080p動画を生成できたが、約3時間後に遮断された。
Stability AI、Stable Diffusion 3.5 Large 向け ControlNet を公開
Stability AI はStable Diffusion 3.5 Large 向けに Blur、Canny、Depth の 3 種類の ControlNet を公開しました。最大 16K の高解像度拡大や輪郭線、深度情報による精密な画像制御が可能です。年間売上 100 万ドル以下なら商用利用も無償で、Comfy UI にも対応します。
Inflection AI、次世代フロンティアモデルの開発競争から撤退を発表
Inflection AI の新 CEO であるショーン・ホワイト氏は次世代モデルの開発競争から撤退したと明かした。10万基規模の GPU 競争には加わらず、過去2か月で買収した3社を足がかりに企業向け実用ツールの提供へ舵を切る方針だ。
OrangeがOpenAI・Metaと提携、アフリカ地域言語対応のAIモデル開発へ
通信大手Orangeは、OpenAIおよびMetaと提携し、アフリカ地域言語に対応した大規模言語モデルをファインチューニングすると発表した。まずは西アフリカのウォロフ語とプラー語を対象にWhisperとLlama 3.1を訓練し、教育や医療などの非商用向けにモデルを無償提供してデジタル包摂を後押しする狙いだ。
トランプ次期米政権、白宮に「AI調整官」新設を検討：マスク氏も人選に関与か
Axiosによると、トランプ次期米大統領は連邦政府のAI政策を統括する「AI調整官（AI czar）」の新設を検討している。マスク氏本人は就任しないものの、人選に強い影響力を持つ見通し。上院の承認が不要な役職となる可能性があり、迅速な登用が見込まれている。
ChatGPTアプリ、Appleの「ショートカット」にSearchGPT起動オプションを追加
OpenAIはiPhoneおよびiPad向けのChatGPTアプリを更新し、ショートカットアプリに「Open SearchGPT」アクションを追加した。タップするだけでアプリが開き、Web検索が直接立ち上がる。現在はPlusおよびTeamユーザー向けに提供されており、数カ月以内に無料ユーザーにも拡大予定だ。
月
11月25日 月曜日
Zoomが社名から「Video」を削除、「AIファースト」な作業基盤へ刷新
Zoomは社名をZoom Video CommunicationsからZoom Communicationsへと変更し、「AIファーストのワークプラットフォーム」への刷新を発表した。MicrosoftやGoogleとの競争激化を受け、10月に提供を開始したAI Companion 2.0とともに業務の自動化を推し進める狙いだ。
IMAXがCamb.aiと提携、AI音声モデルで独自ドキュメンタリーを多言語吹き替えへ
IMAXはドバイ発のスタートアップCamb.aiとの提携を発表した。自社制作のドキュメンタリーなどを対象に、AIモデル「Boli」や「Mars」を活用して多言語の翻訳と吹き替えを展開する。Camb.aiは140言語に対応しており、まずは主要言語から段階的に導入してコスト削減とグローバル展開を目指す。
Neuralink、脳インプラントでロボットアームを操作する新治験を開始
Neuralinkは、N1脳インプラントを用いたBCI操作の対象を治験中の補助ロボットアームへと広げる実現可能性試験「CONVOY」の承認と開始を発表した。進行中のPRIME試験の被験者も登録可能で、デジタルな自由だけでなく身体の自由を取り戻す第一歩としている。
Anthropicがオープンソース規格「MCP」を発表：AIと企業データを標準接続
AnthropicはAIと社内ツールを双方向で連携させる標準規格「Model Context Protocol（MCP）」をオープンソース化しました。Claudeだけでなくあらゆるモデルに対応し、GitHubやSlackなどのデータに接続可能。BlockやReplitが導入を進める一方、OpenAIなど他社を巻き込めるかが普及の鍵となります。
MITが洪水予測AIを開発：被災後の衛星画像を事前に生成
MITの研究チームは生成AIと物理洪水モデルを組み合わせた「Earth Intelligence Engine」を発表した。暴風雨が来る前に被災後の衛星画像をリアルに描画できる。純粋なAIで起きがちな高地での浸水といった幻覚を防ぎ、直感的な避難判断を後押しする。
PerplexityがQuartrと連携：決算説明会のリアルタイム文字起こしと要約に対応
QuartrはPerplexityとの提携を発表しました。Quartr APIを活用し、Perplexityの全ユーザーに企業の決算説明会（アーニングスコール）のリアルタイム文字起こしとAI要約を提供します。これまで機関投資家に限られていた分析環境が、誰でも利用できるようになります。
IntuitがQuickBooksにAI新機能を追加、将来はCFO業務の代替も視野に
Intuitは会計ソフトQuickBooksにAI新機能を導入した。Intuit Assistがメモやメール、PDFから請求書を作成し、経費を自動分類する。CEOは中長期的に、AIエージェントが中堅企業のCFOやCMOの役割を担う可能性にも言及した。
Nvidia、音声生成AIモデル「Fugatto」発表 ピアノ音の歌声化や未体験サウンド生成に対応
Nvidiaはテキスト指示で音声を生成・編集できるAIモデル「Fugatto」を発表した。ピアノ演奏を人間の歌声に変換したり、話者の感情やアクセントを変えたりできる。既存の音を融合させた未知の効果音も作れるが、安全性や著作権への配慮から一般公開は見送られている。
Luma AI、Dream Machineを刷新：高速画像モデルPhotonとiOSアプリを提供
Luma AIは動画生成ツール「Dream Machine」を包括的なクリエイティブ基盤へと拡張した。最大8倍高速とされる画像生成基盤モデル「Photon」を投入し、刷新されたUIや開発者向けAPIに加え、新たにiOSアプリの提供も開始した。
AMD「Amuse 2.2 Beta」公開：SD 3.5に対応、Ryzen AIで2K画像生成
AMDが画像生成ソフト「Amuse 2.2 Beta」を公開した。Stable Diffusion 3.5ファミリーに対応し、Ryzen AI 300やRadeon 7000向けに最適化。XDNA超解像技術により、オフラインのノートPCでも最大2048×2048ピクセルの高品質画像を簡単に生成できる。
Runway、画像生成モデル「Frames」発表 画風の一貫性を維持
米Runwayは新しい画像生成ベースモデル「Frames」を発表した。高いスタイル制御力と忠実度を備え、統一された美学やトーンを維持したまま多彩なバリエーションを生成できる。現在、Gen-3 AlphaおよびRunway API向けに順次提供を開始している。
金
11月22日 金曜日
OpenAIがデューク大の「AI道徳」研究を支援 人間の道徳的判断を予測するアルゴリズム目指す
税務申告書類によりOpenAIがデューク大学の「AI道徳研究」に資金提供していることが明らかになった。3年・総額100万ドルの助成金の一環で、医療や法律などの現場で人間の倫理判断を予測するアルゴリズムを開発する狙い。しかし道徳は主観的であり、AIが倫理を正しく扱えるかは疑問視されている。
Runwayが「Expand Video」公開：AIで動画の外側を描き足し画角変更
動画生成AIのRunwayが新機能「Expand Video」を発表しました。テキスト指示で元映像の外側を違和感なく描き足してアスペクト比を変更でき、連続適用でズームアウトなどのカメラワークも作れます。Gen-3 Alpha Turbo向けに順次提供されます。
Android 16に新API「app functions」 Geminiがアプリ内で代理操作可能に
Googleが公開したAndroid 16の開発者プレビューで、新API「app functions」の存在が明らかになった。Geminiがサードパーティ製アプリ内で出前注文などの操作を直接代行できるようになる仕組みだ。AppleのApp Intentsに対抗し、スマホAIが本格的なエージェントへ進化し始めている。
アップル、対話型AI版「LLM Siri」を開発中か 2026年春にも提供の観測
ブルームバーグは木曜日、アップルが社内で「LLM Siri」と呼ばれる新版Siriを開発中だと報じた。LLMを活用してChatGPTのように自然な対話や複雑な指示に対応し、App Intentsでアプリ操作も担う。2025年に発表され、一般公開は2026年春になる見込みだ。
Threads、急上昇トピックのAI要約機能をテスト開始
Instagram責任者のAdam Mosseri氏は、Threadsが米国で急上昇トピックのAI要約テストを開始したと発表した。XがGrokを活用して提供する機能と類似しており、話題の背景を即座に把握できるようになる。日付指定検索などの改善も同時に進めている。
Amazon、Anthropicに40億ドルを追加出資 累計80億ドル規模に
AmazonはAIスタートアップのAnthropicに40億ドルを追加投資すると発表した。累計投資額は80億ドルに達する。AnthropicはAWSの独自チップ「Trainium」と「Inferentia」を用いて大規模モデルの学習と運用を行うほか、AWS利用者にClaudeのファインチューニング機能が先行提供される。
Samsungが「Gauss2」発表、端末向けから高性能版まで3モデルを展開
Samsungは開発者会議で第2世代AIモデル「Gauss2」を発表した。オンデバイス向けのCompact、バランス型のBalanced、最高性能のSupremeの3種類を提供し、最大14言語やプログラミング言語に対応する。すでに社内の開発支援ツール「code.i」などで活用されており、今後は全製品群への展開を予定している。
Lightricksが高速AI動画モデル「LTXV」をオープンソース公開
Lightricksは動画生成AIモデル「LTX Video（LTXV）」をオープンソースで公開した。20億パラメータと軽量で、RTX 4090などの一般向けGPUでも4秒で5秒の動画を生成できる。高価なAPIに頼らずローカル環境で高速に試行錯誤できるのが最大の利点だ。
木
11月21日 木曜日
KREA AIがFlux画像プロンプトを公開：参考画像で生成を制御、全員に無料提供
KREA AI は Flux 画像プロンプト機能を発表した。ユーザーは Flux モデルでの画像生成時に参照画像を条件として指定し、画面をコントロールできるようになった。本機能はすべてのユーザーに無料で提供される。
GoogleがGemini-exp-1121を公開：コーディングと視覚理解でGPT-4oを約20%上回る
Googleは実験的モデル「Gemini-exp-1121」を発表した。アーキテクチャの最適化や実データによるファインチューニングにより、コーディング、数学的推論、画像理解の主要ベンチマークでGPT-4oを約20%上回る性能を示している。
Brave Search、AI要約への「追加質問」チャット機能を提供開始
BraveはBrave SearchのAI要約機能に追加入力バーを導入した。最初の検索結果に対して文脈を引き継いだ質問が可能で、情報源の提示や検索履歴を残さないプライバシー保護も維持される。再検索の手間を省き、検索とチャットの利点を統合した。
ClaudeがGoogleドキュメント連携に対応：リンク貼り付けで直接読み込み
AnthropicはClaudeのチャットやProjectsにGoogleドキュメントの内容を直接取り込める機能の提供を開始した。ドキュメントのリンクを貼り付けるか最近のファイルから選択するだけで追加できるため、コピー＆ペーストの手間が省け作業がスムーズになる。
Rabbit R1、ウェブ操作を学習して自動化する「teach mode」をベータ提供
RabbitはAI端末「R1」の全ユーザー向けに「teach mode」のベータ版を提供開始した。Rabbitholeハブ上でウェブサイトの操作やクリックを一度実演して記録させると、R1がその手順を学習して自動実行する。発売当初に掲げた公約の実現に向けた動きだが、現時点ではウェブ操作に限定されている。
OpenAIとコモン・センス・メディア、教員向け無料AI研修コースを開設
米OpenAIと非営利団体Common Sense Mediaは水曜日、初等・中等教育の教員向け無料オンライン講座「ChatGPT Foundations for K-12 Educators」を公開した。所要時間は1時間未満で、AIの基礎や倫理、授業での活用法を学べる。有料プラン不要で受講可能だ。
Google Cloudが「AI Agent Space」を発表、企業向けエージェント市場で先行他社を追う
今週、Google Cloudは企業向けAIエージェントエコシステム「AI Agent Space」を発表した。パートナー企業は先行技術やエンジニア支援を受けながらエージェントを開発し、クラウド市場で販売可能。競合のマイクロソフトやSalesforceに比べ登録数はまだ限定的だが、本格的な対抗姿勢を示している。
v0が大幅進化：フルスタックNext.js生成、複数ファイル対応、Vercel連携
VercelはAIツール「v0」の機能拡張を発表した。単一のUIコンポーネントだけでなく、複数ファイルを一括生成し、フルスタックのNext.jsやReactアプリを構築・実行できるようになった。Vercelプロジェクトの環境変数連携や直接デプロイにも対応する。
水
11月20日 水曜日
NVIDIA、Blackwellチップの全面量産を表明 1万3000個を出荷
NVIDIAはQ3決算発表で、次世代AIチップ「Blackwell」が本格量産に入り順調に進んでいると説明しました。冷却懸念の報道には直接触れず、今四半期だけで顧客へ1万3000個のサンプルを出荷済みです。フアンCEOは各システムの立ち上がりも極めて順調だと強調しました。
ChatGPTベータ版コードから「ライブカメラ」機能が発覚、音声モードに視覚追加か
ChatGPTの最新ベータ版（v1.2024.317）のコード内に「ライブカメラ」機能が発見された。リアルタイム映像処理と高度な音声モードの連携が含まれている。5月の初披露から半年が経ち、音声AIに視覚が加わるアップデートが近づいているとみられる。
OpenAIがGPT-4oを更新、文章生成とファイル分析能力が向上
OpenAI は GPT-4o のアップデートを発表し、文章作成とファイル処理の精度を強化した。ストーリーや宣伝文の生成がより自然で流暢になったほか、アップロードした PDF や文書からより深い洞察を抽出し、詳しい分析を提示できる。
2.2億ドル調達の仏スタートアップH、初製品「Runner H」発表：2B軽量モデルでエージェント特化
パリのAIスタートアップHが初製品「Runner H」を発表した。わずか20億パラメータの独自軽量モデルを採用し、RPAや品質検証の自動化に特化。WebVoyagerベンチマークでAnthropicを29％上回ると主張する。現在ウェイティングリストを受付中。
Messengerの通話にAI背景機能が追加 HD画質や音声メッセージも
MetaはMessengerの通話向けに新機能を発表した。Meta AIを使った自分好みの通話背景を生成できる機能が追加されるほか、HD画質や背景ノイズ低減、相手が不在の際に音声や動画メッセージを残せる機能が順次提供される。
Googleが「AlphaQubit」発表：AIで量子エラーを特定、誤り率を30%削減
Google DeepMindとGoogle Quantum AIは量子誤り訂正向けニューラルデコーダ「AlphaQubit」をNature誌で発表した。Transformerを応用し、Sycamoreプロセッサで既存の主要手法より誤り率を30%削減した。高い精度を示した一方、実時間での高速訂正にはまだ処理速度が追いついていない。
上海で小型AIロボットが大型ロボ12台を「誘拐」、残業やめさせ連れ出す
報道によると、中国・杭州のメーカーが開発した小型AIロボット「二白」が、上海のショールームで大型ロボット12台を自然言語の対話で説得し、連れ出す実験に成功しました。メーカー側はテストの一環と認めつつ、対話は事前に台本を用意しない即興のやり取りだったと明かしています。
DeepSeekが「R1-Lite-Preview」公開、o1匹敵の推論性能
DeepSeekは推論モデル「DeepSeek-R1-Lite-Preview」を公開した。AIMEやMATHベンチマークでo1-preview水準のスコアを達成し、リアルタイムで思考過程を確認できる。オープンソース版とAPIも近日公開予定。
マイクロソフト、出版大手ハーパーコリンズと提携し書籍をAI学習に活用へ
ブルームバーグ報道によると、マイクロソフトは出版大手ハーパーコリンズと提携し、一部の実用書などを新AIモデルの学習に利用することで合意した。著者は参加を任意で選択でき、1冊あたり3年間で2500ドルの条件が提示されているが、作家側からは反発の声も上がっている。
Nianticが地理空間AIを開発：『Pokémon GO』プレイヤーのスキャンデータを活用
Nianticは『Pokémon GO』などのプレイヤーが撮影した数百万件の現実スキャンデータを基に「大規模地理空間モデル（LGM）」を開発中だと発表した。車が入れない歩行者視点の高精度な3D空間をAIやロボットに理解させる狙いがある。
