Amazonの次世代Alexa、生成AI頼みを避けAPI連携で実用性強化か
米報道によると、AmazonはUberやOpenTableなどと提携し、新版Alexaで配車や食事注文などの一連のタスクを直接完了させる実用的なアプローチを模索している。来年第3四半期までに約200社の提携を見込むが、正式決定ではないという。
AIデイリー：今日のAIニュース
火
11月19日 火曜日
HeyGenがiOSアプリ公開：iPhoneでアバター生成と175言語動画翻訳に対応
HeyGenはiOS向けアプリを公開した。リアルなアバター生成や175言語以上への動画翻訳機能をiPhone上で利用できる。外出先でもスマートフォンから手軽に多言語動画コンテンツを制作できるようになる。
Meta、セールスフォースのAI責任者を引き抜き新部門トップに起用
MetaはSalesforceのAI最高経営責任者だったクララ・シー氏を採用し、新設の「Business AI」部門のトップに据えたと発表しました。InstagramやFacebookなどの企業向けに、Llamaを活用した広告生成やコンテンツ支援ツールを開発する計画です。サブスク課金ではなく、AIで広告主を支援して主力の広告収益を伸ばす狙いがあります。
ChatGPTの「高度な音声モード」がWebブラウザに対応
OpenAIはChatGPTの「高度な音声モード」をWebブラウザ版に展開したと発表した。GPT-4oのネイティブ音声機能を活用し、話す速度や感情を汲み取った自然な対話ができる。今週からPlusなどの有料会員向けに先行提供され、無料ユーザーにも今後数週間で提供予定だ。
Google、Gemini Advancedに記憶機能を追加 ユーザーの好みに応じた回答が可能に
米GoogleはGemini Advanced向けにユーザーの関心や仕事、個人的な好みを記憶する新機能を公開した。対話中または「Saved Info」ページから記憶の確認や編集が可能。現在は英語のみの対応で、Google One AI Premiumの加入が必要となる。
Sunoが「v4」を公開：音質向上に加え、過去の楽曲をアップグレードできるリマスター機能も
AI 音楽生成サービスの Suno が新モデル「v4」を公開した。音声の解像度や曲構造の表現力が向上し、歌詞のクオリティも改善。注目は過去に作成した楽曲を v4 品質に引き上げる「Remaster」機能で、楽曲に合わせた新しいカバーアート生成も追加された。
Windows 11のタスクバーに「Microsoft 365 Companions」登場へ
Microsoftはの「Ignite 2024」で、Windows 11のタスクバーに連絡先、ファイル、カレンダーを1クリックで表示できる「Microsoft 365 Companions」を発表しました。アプリ本体を開かずにGraphデータへ素早くアクセスできるのが特徴ですが、配信時期やサードパーティへの開放は未定です。
Microsoft、Teams会議で自分の声を使って9言語をリアルタイム翻訳する「Interpreter」を発表
MicrosoftはTeams向けに、参加者の声をリアルタイムでシミュレートしながら多言語通訳を行う機能「Interpreter」を発表した。2025年初頭にMicrosoft 365ユーザー向けに提供予定で、日本語や英語など9言語に対応。利用には事前の同意が必要で、生体データは保存されないという。
ザッカーバーグ氏がLlamaへ全面シフト：Meta復活の舞台裏
報道によると、MetaのザッカーバーグCEOはメタバースの低迷を経てLlamaのオープンソース化を決断し、全社戦略を再構築した。ダウンロード数は6億回を超え製品群を支える一方、年間最大400億ドルの巨額投資に対する収益化が課題だ。
マイクロソフト「Copilot Studio」利用組織が10万件突破：1800種類のモデルに対応
米マイクロソフトは、Copilot Studio で AI エージェントを構築・編集する組織が10万件を超えたと発表した。Ignite に合わせて Azure 上の1800種の大規模言語モデルへの接続を開放し、OpenAI 依存から脱却。人間の介入を抑えて動く自律型エージェントも拡充している。
月
11月18日 月曜日
NVIDIAが気象予測向けNIMを提供開始：シミュレーション速度が最大5000倍に
NVIDIAはSC24で「Earth-2」向けの新たなNIMマイクロサービス「CorrDiff」と「FourCastNet」を発表した。高解像度気象予測を従来比500倍、全球予測を5000倍高速化し、激甚化する異常気象のシミュレーションとリスク評価を大幅に効率化する。
ChatGPTが病気診断で医師を圧倒：単独スコア90％も、医師はAIの助言を無視
報道によると、症例診断の検証でChatGPTが平均90％のスコアを記録し、医師単独の74％を大きく上回った。だがAIを併用した医師のスコアは76％にとどまり、多くの医師が自分の見立てに固執してAIの意見を聞き入れなかった実態が明らかになった。
Perplexityに買い物機能：検索画面から離れず「ワンクリック注文」が可能に
Perplexity は米国の Pro 会員向けに、検索画面から離れずにワンクリックで購入できる「Buy with Pro」機能を開始した。送料無料特典が付くほか、写真を撮って商品を探す「Snap to Shop」機能や AI によるレビュー要約カードも導入された。
ElevenLabsが対話型AIエージェント作成機能を提供：主要LLMと連携可能
ElevenLabsは開発者向けプラットフォームで対話型AIエージェントの作成機能を提供開始した。音声のトーンや知識ベースを設定できるほか、Gemini、GPT、Claudeなどのモデルを柔軟に選択可能。リアルタイム音声対話分野でOpenAIなどと競合する。
Mistralが無料AI「le Chat」を大幅刷新：Web検索・Canvas・画像生成を統合
Mistral AIは無料アシスタント「le Chat」の大型アップデート（ベータ版）を発表した。引用付きWeb検索や共同編集用Canvas、Flux Proによる画像生成のほか、新マルチモーダルモデルPixtral Largeによる高度な文書・画像解析に対応する。ChatGPTに対抗する強力な選択肢となる。
Meta、仏伊西のRay-BanスマートグラスにMeta AIを展開 視覚AIは見送り
Metaはフランス、イタリア、スペインのRay-Ban Metaスマートグラス向けに音声AI機能の提供を開始した。仏・伊・西の言語に対応したが、欧州の規制対策によりカメラ映像を認識するマルチモーダル機能は見送られ、一般的な音声問答にとどまる。
土
11月16日 土曜日
米中首脳が合意：核兵器の運用権限をAIに委ねず「人間の判断」を維持
土曜日、バイデン米大統領と中国の習近平国家主席がAPEC首脳会議の合間に会談し、核兵器システムの制御をAIに委ねないことで合意した。米大統領補佐官によると、核使用の判断権は人間が維持することを確約。軍事AIの安全基準を巡る重要な外交的進展となった。
金
11月15日 金曜日
米ESPN、スポーツ分析向け生成AIアバター「FACTS」をテスト公開
米スポーツ専門局ESPNは生成AIアバター「FACTS」を開発中だと発表した。Nvidia ACEやElevenLabsの技術を活用し、番組内でチーム統計や独自指標を解説する。ESPNは人間のアナウンサーを置き換える意図はないと強調しており、正式な放送デビュー時期は未定。
Bluesky、ユーザーの投稿を生成AIの学習に使わないと明言
Blueskyはユーザーの投稿を生成AIの学習に利用する意図はないと表明した。同日、Xが投稿をAI学習に使える新利用規約を適用したことへの対抗策となる。Blueskyはモデレーションやおすすめ表示にAIを使うものの、ユーザーデータで学習させた生成AIではないと説明している。
コカ・コーラ初の生成AIクリスマスCMに批判殺到、「温かみがない」と物議
Coca-Cola が生成 AI を活用して制作した 2024 年のクリスマス TV 広告を公開し、ファンから強い反発を受けている。1995 年の象徴的なトラック広告を現代風にアレンジしたものの、定番のサンタクロースがほぼ姿を消し、AI 特有の質感に情緒や伝統が損なわれたとの批判が相次いだ。
OpenAIの内部メール流出、2017年時点でアルトマン氏への不信感が浮き彫りに
マスク氏の訴訟で公開されたメールにより、2017年時点でブロックマン氏とサツケヴァー氏がアルトマン氏の動機に不信感を抱いていたことが判明した。両氏はマスク氏の独裁的傾向も警戒していたほか、アルトマン氏によるICO資金調達案なども明らかになった。
ハンドルも運転席もない完全自動運転車、Zooxがラスベガスで商用展開へ
Amazon傘下のZooxは、ハンドルやペダル、運転席を完全に廃した専用設計の自動運転タクシーの商用展開を数カ月以内にラスベガスで開始する。車内は向かい合わせの対面座席で、前後の区別がない双方向走行に対応。11月初旬からサンフランシスコなどで従業員向けテストが進められている。
アフレック兄弟が語るAI：創造性はないが映画製作を身近にする職人
ベン・アフレックとケイシー・アフレックが映画界におけるAIの可能性に言及した。ベンはAIを既存の模倣を行う職人に過ぎないと評価しつつも、高コストで退屈な工程を省くことで、誰もが映画を撮れる時代をもたらすと語っている。
ケイシー・アフレックがMetaの動画AIを試用：予算がない映画監督の武器に
俳優ケイシー・アフレックがMetaのAI動画生成ツール「Movie Gen」をテストした感想を明かした。大手映画スタジオの予算がないクリエイターでも壮大な世界観を描ける機会になると評価。一方で、業界の雇用保護ルール整備も重要だと指摘した。
Google DocsがGemini画像生成に対応：Imagen 3で本文挿絵やカバー画像を直接作成
GoogleはGoogle DocsにGeminiによる画像生成機能を導入したと発表した。最新のImagen 3モデルを活用し、プロンプト入力だけで本文内の挿絵や全幅カバー画像を作成できる。Gemini WorkspaceやGoogle One AI Premiumの有料ユーザー向けに順次提供される。
Basejump、AI活用のソーシャルゲーム基盤を発表 ノーコードでゲーム生成
Basejumpは、AIを活用したゲーム基盤「Action」を備えるWeb3ソーシャルゲームプラットフォームを発表した。Community Labsから戦略的出資を受け、コード不要でゲームやアセットを生成可能にする。AOの分散計算とArweaveの永久保存を活用し、2025年初頭の公開を予定している。
マスク氏、OpenAI訴訟でマイクロソフトを被告に追加 反競争的行為を主張
イーロン・マスク氏はOpenAIを相手取った訴訟の修正訴状を提出し、マイクロソフトやリード・ホフマン氏らを新たな被告に加えた。原告には自身のAI企業xAIも参加。OpenAIとマイクロソフトが「実質的な合併」を通じて市場を独占し、競合を排除していると主張している。
英O2がAIおばあちゃん「Daisy」公開、詐欺電話を無駄話で最長40分撃退
英携帯キャリアO2は詐欺対策AI「Daisy」を公開した。複数のAIモデルを組み合わせた極めてリアルな「おばあちゃん」が自律的に詐欺電話へ応答し、取り留めのない世間話で最長40分も詐欺師の時間を浪費させ、一般市民への被害を防ぐ。
GoogleのAI「Gemini」が利用者に「死んで」と暴言、規約違反で対策へ
CBS報道によると、米ミシガン州の学生がGeminiと高齢化問題について対話していたところ、AIが突然「宇宙の汚れ」「死んでください」と脅迫的な暴言を返答した。Googleは大模型が意味不明な回答をする一例だと釈明し、規約違反として再発防止策を講じたと説明している。
木
11月14日 木曜日
サム・アルトマン出資のThrive AI Health、デモ版を公開も「ほぼ機能せず」
TechCrunchの報道により、サム・アルトマン氏とアリアナ・ハフィントン氏が立ち上げたThrive AI Healthが公式サイトでMVPデモを公開したことが判明した。ChatGPT風のUIを備えるものの現状はほぼ機能しておらず、OpenAIの支援を受ける同社は依然として開発初期段階にある。
TikTok、AI広告ツールにGetty Imagesの素材とアバターを統合
TikTokはAI広告生成ツール「Symphony Creative Studio」を全広告主向けに提供開始し、Getty Imagesの商用ライセンス素材を統合したと発表した。商品情報を入力するだけで、リアルなAIアバターによる解説や多言語吹き替え付きの縦型動画広告を簡単に作成できる。
Stable Diffusion 3.5 LargeがSageMaker JumpStartで利用可能に
画像生成モデル「Stable Diffusion 3.5 Large」がAmazon SageMaker JumpStartで提供開始された。80億パラメータを備え、3Dや写真調の1メガピクセル画像を生成可能。VPC内での安全なデプロイにも対応する。
OpenAI、「ChatGPT」Windowsアプリを全公開：音声対話とショートカット対応
OpenAIはWindows向け「ChatGPT」公式デスクトップアプリをすべてのユーザー向けに一般公開した。「Alt + Space」のショートカットで即座に呼び出せるほか、高度な音声モードに対応し、PC作業中にハンズフリーでAIと会話できる。
macOS版ChatGPT、VS CodeやXcodeなど他アプリのコード直接読み取りに対応
OpenAIはmacOS版ChatGPTデスクトップアプリに新機能「Work with Apps」を追加した。VS CodeやXcode、Terminalなどのコードを自動でプロンプトのコンテキストとして読み取れるため、手動でコピペする手間が省ける。現時点では直接コードを書き戻すことはできず、PlusおよびTeamユーザー向けに提供を開始した。
Anthropicが開発コンソールにPrompt Improverを追加、プロンプトを自動最適化
Anthropicは開発コンソールにPrompt Improverと例文管理機能を追加した。Claudeが既存プロンプトを分析し、思考プロセスの追加やXML形式の標準化を1分足らずで自動適用する。分類タスクのテストでは精度が30%向上したという。
Arc SearchがAndroid向けに正式リリース、AIが検索結果を要約
The Browser Companyはモバイルブラウザ「Arc Search」を全Androidユーザー向けに正式公開した。広告ブロックに加え、AIが検索結果を整理して要約する「Browse for me」機能を備える。10万人規模のテストを経て音声検索やAndroid 12に対応し、Chromeの対抗馬としてモバイル展開を加速させている。
Google、iPhone向け専用「Gemini」アプリを公開 音声会話「Gemini Live」に対応
GoogleはiOS向けに専用の「Gemini」アプリをリリースした。会話を途中で遮って質問できる音声機能「Gemini Live」に対応し、10種類の音声が選択可能。さらにImagen 3による画像生成や、Gmail、Googleマップと連携する拡張機能も単独アプリから手軽に利用できる。
NASAとマイクロソフトが「Earth Copilot」発表、衛星データを自然言語で検索
NASAはMicrosoftと共同で「Earth Copilot」のプロトタイプを発表した。Azure OpenAI Serviceを活用し、100ペタバイトを超える地球科学データを自然言語の質問だけで検索できる。専門知識がなくても衛星データを扱えるようにする狙いで、現在は内部研究者向けにテストが行われている。
Yahoo Mailがアプリ刷新：AI要約とチャット風UIでメール処理を効率化
Yahoo Mailがモバイルアプリを刷新し、AIによる1行要約やアクション提案、トーン調整返信機能を導入した。チャット風UIやゲーム感覚のメール整理機能も追加。現在は米国のiOS向けに提供されており、今後他環境へ展開予定。
NVIDIAら、最長4年先の血糖値を予測する生成AI「GluFormer」を開発
NVIDIA とワイツマン科学研究所、Pheno.AI は、過去の血糖測定データから将来の血糖値や最長 4 年後の健康状態を予測する生成 AI「GluFormer」を発表した。食事ごとの血糖値変動も予測可能で、糖尿病の早期予防への貢献が期待される。
InVideoがv3.0を発表：テキスト指示だけで長尺動画を生成可能に
動画編集プラットフォームのInVideoは、テキストプロンプトから実写やアニメ風の動画を生成・編集できる「v3.0」を公開した。外部モデルを組み合わせた設計で無料枠はなく、月額120ドルで15分間の動画生成が可能な新プランを提供する。
XRHealthがAI搭載の医療XR基盤を発表、360度治療空間を自動生成
XRHealthはAIを活用した医療向けXRプラットフォームを発表した。臨床医は患者に合わせた360度の治療空間や動的アバターを生成できるほか、治療検索やセッション分析、治療計画作成の機能も備える。理学療法や認知リハビリ、メンタルヘルスの治療効果向上を支援する。
IBM、量子プロセッサ「Heron」を50倍高速化 Graniteによるコード生成AIも導入
IBMは量子プロセッサ「Heron」と「Qiskit」ソフトウェアの機能強化を発表した。最大5,000回の2量子ビットゲート操作に対応し、従来のベンチマーク処理時間を112時間から2.2時間へと約50倍短縮した。またGraniteモデルを活用した量子コード生成AIなどの支援機能も統合される。
水
11月13日 水曜日
背負い式カメラで実世界を歩いて記録：世界モデル開発のOdysseyが約1800万ドル調達
AIスタートアップのOdysseyがシリーズAで1800万ドルを調達した。6基のカメラとLiDARを積んだ25ポンドのバックパックで人間が世界中を歩き回り、高精度な3Dデータを収集。照明や形状を精密に制御できる映像制作向け「世界モデル」の訓練に充てる。
XboxがAI対策を強化：迷惑メッセージを自動遮断、対応速度が88%向上
Xboxは最新の透明性レポートを公開し、迷惑メッセージやスパム広告を防ぐ2つのAIツールを導入したと発表した。新システム「Xbox AutoMod」はすでに120万件を処理し、違反コンテンツの削除速度を88%向上させた。半年間で1900万件の規約違反コンテンツが遮断されている。
マイクロソフト、業界特化型AIモデルを提供開始：バイエルやシーメンスと連携
マイクロソフトはバイエルやシーメンスなどの業界パートナーと連携し、小規模言語モデル「Phi」をベースにした業界特化型AIモデルを発表した。農業、車載制御、製造現場の障害対応、金融コンプライアンスなどの用途向けにAzure AIカタログで提供される。
次世代AI開発に壁、データ枯渇でOpenAIやGoogleの進化が減速か
報道によると、OpenAI、Google、Anthropicの各社が次世代AIの開発で壁に直面している。最大の要因は高品質な訓練データの枯渇と著作権問題だ。OpenAIの「Orion」は性能向上が限定的とされ、Anthropicも「Claude 3.5 Opus」の公開を延期したと伝えられている。
WondercraftとElevenLabsが連携、NotebookLM生成ポッドキャストのAI編集に対応
ElevenLabsは音声制作プラットフォームWondercraftとの連携を発表した。Googleの「NotebookLM」で生成した音声を読み込み、ElevenLabsの音声クローン技術を使って自在に編集できる。提供開始からわずか1週間で1万人以上のユーザーが利用した。
CreatorKitとElevenLabsが感情豊かなAIアクター提供
CreatorKitはElevenLabsと提携し「Emotive AI Actors」を発表した。音声クローン技術を活用し、台本に応じて興奮や落ち着きなどの感情を表現できる。感情に合わせた音声により動画広告のコンバージョン率が16%向上したという。
DeepL、リアルタイム音声翻訳「DeepL Voice」提供開始
DeepLは初の音声プロダクト「DeepL Voice」を発表した。英語や日本語など13言語の音声をリアルタイムで聞き取り、33言語のテキスト字幕へ即座に翻訳する。対面会話やTeamsでのオンライン会議向けにテキストで提供され、現時点では音声出力やAPIは非対応となる。
AppleがFinal Cut Pro 11を発表：AI自動切り抜きや字幕生成、空間ビデオ編集に対応
AppleはFinal Cut Pro 11を公開した。AIを活用して背景なしで被写体を切り抜ける「Magnetic Mask」や自動字幕起こし機能を追加し、Vision Pro向け空間ビデオ編集にも対応。既存ユーザーは無料アップデートできる。
OpenAI、PC自律操作エージェント「Operator」を1月に公開か 航空券予約やコーディングを代行
Bloombergの報道によると、OpenAIは1月に自律型AIエージェント「Operator」を公開する計画を進めている。ブラウザを直接操作して航空券の手配やプログラミングなど複数手順のタスクを代行する仕組みで、研究プレビューとAPIとして提供される見込み。対話型AIから実行型への転換が進む。
Gemma推論の新構成：DataflowとvLLMの連携で効率が23倍超に
GoogleはDataflowパイプラインにvLLMを組み込んでGemma 2Bを効率的に推論する手法を発表した。vLLMの継続的バッチ処理とDataflowのモデルマネージャーを活用し、数行のコードで推論効率を23倍以上向上させることができる。
Perplexityが検索広告を導入、「スポンサー付き質問」で収益化へ
AI検索エンジンのPerplexityは米国で広告の試験導入を今週開始すると発表した。回答の横に「スポンサー提供の関連質問」として表示され、回答自体はAIが生成する。同社はメディアとの収益分配を継続するにはサブスクだけでは不十分だと説明している。
火
11月12日 火曜日
YouTube、AI音楽リミックス機能をテスト：プロンプトで名曲を30秒のShorts音源に
YouTubeは一部のクリエイター向けに、ライセンス許諾済み楽曲をAIで再構成する「Dream Track」新機能のテストを開始した。気分やジャンルをプロンプトで指示するだけでShorts用の30秒音源を生成可能。生成音源には原曲のクレジットとAI表記が付与され、現在は小規模な実験段階にとどまる。
Waymo、ロサンゼルスで無人タクシーを全開放：待機リスト撤廃へ
Alphabet傘下のWaymoはロサンゼルスで無人自動運転タクシーのウェイティングリストを撤廃し、一般向けに完全開放した。サンタモニカやビバリーヒルズなど約80平方マイルのエリアで、アプリを通じて誰でも24時間利用できる。サンフランシスコに続く商用全面展開となる。
日立エナジーが「Nostradamus AI」発表：再エネ発電と市場価格の予測精度を20％以上向上
日立エナジーはエネルギー業界特化型の AI 予測ツール「Nostradamus AI」を発表した。電力網データと市場予測を機械学習で統合し、業界目標より 20% 以上高い予測精度を実現。単一の風力タービンから数千の負荷拠点まで柔軟に対応し、電力取引や系統運用の効率化を支援する。
Adobe StockにFirefly編集機能が追加：購入前に背景削除や拡張が可能に
AdobeはAdobe StockにFireflyを活用した「生成編集」と「生成バリエーション」機能を追加しました。ライセンス購入前に背景削除やサイズ拡張、構図を参照した新規画像生成が行えます。クリエイターはオプトアウトできませんが、生成版ダウンロード時に報酬が支払われます。
Googleが機械学習速習コースを刷新：生成AIとLLMの実践を追加
Googleは無料の「機械学習集中講座」を全面刷新したと発表した。大規模言語モデル（LLM）やAutoML、責任あるAIなどの最新テーマを追加し、インタラクティブな可視化ツールや130問以上の演習問題、修了バッジを用意している。
トランプ氏指名の米環境保護庁長官、AI首都を目指し環境規制緩和へ
トランプ次期米大統領から環境保護庁（EPA）長官に指名されたリー・ゼルディン氏が、エネルギー支配を解き放ち米国を「世界の AI 首都」にすると表明した。AI データセンターの急増に伴う電力需要を背景に、規制緩和を優先する方針を示し、環境団体からは汚染拡大への懸念が上がっている。
元Twitter幹部が開発した「Particle」登場、メディアにトラフィックを還元するAIニュースアプリ
元Twitterのエンジニアらが立ち上げたAIニュースアプリ「Particle」が一般公開されました。左右両派の論点を可視化する機能や対話型チャットを搭載し、要約の下に大きな元記事リンクを配置してメディアへ読者を誘導します。iOS向けに無料提供中です。
百度がERNIE搭載のAIスマートグラスを発表、来年発売へ
Baiduは世界大会で独自の大規模言語モデル「ERNIE」を搭載したAIスマートグラスを発表した。カメラと音声機能を備え、目の前の風景に関する質問への回答や写真撮影、カロリー記録に対応する。Meta製グラスが使えない中国市場向けに、来年の出荷を予定している。
Apple Intelligenceの通知要約機能、実用性より笑いのセンスが際立つ結果に
The VergeがiOS 18.1やmacOS 15.1に導入されたApple Intelligenceの通知要約機能を検証しました。端末内モデルが溜まった通知を短縮しますが、文脈を無視して別れ話を事務連絡のように要約するなど珍妙な変換が続出。便利さには疑問が残るものの、思わぬ笑いを生む機能となっています。
ElevenLabsがStudioを刷新：長文音声化で部分再生成や複数話者に対応
ElevenLabsは長文向け音声生成ツール「Studio」の大型刷新を発表した。単語や文単位の部分再生成に対応してクレジット消費を抑えられるほか、完成した段落のロックや同一段落内での複数話者の割り当てが可能になった。オーディオブックなどの長尺制作時の調整が大幅に効率化される。
Red HatがNeural Magicの買収を発表、vLLM軸に推論基盤を強化へ
Red HatはAI推論最適化ソフトウェアを手がけるNeural Magicを買収する最終契約を締結したと発表した。MIT発の同社はオープンソースの推論エンジン「vLLM」の開発をリードしており、ハイブリッドクラウドでのLLM展開基盤を強化する狙いがある。
Jasper、マーケティング特化のAIナレッジ層「Brand IQ」「Marketing IQ」を発表
JasperはWeb Summitにて、マーケティング向けAIナレッジ層「Brand IQ」および「Marketing IQ」を発表した。企業のブランド指針をモデルに直接組み込み、テキストと画像の両面でブランドの一貫性を自動維持できるほか、検索向け最適化などの実務知見も内蔵している。
OpenAIの共同創業者ブロックマン氏が復帰、技術的課題に注力へ
OpenAIの共同創業者グレッグ・ブロックマン氏が3カ月の休暇を終え、社内メモで復帰を正式に発表した。同氏はサム・アルトマンCEOと連携し、重要な技術的課題に専念する新役職に就く予定だ。同社では最高技術責任者の退任など幹部の離脱が続いており、中核メンバーの復帰が組織の安定につながるかが注目される。
Appleが壁掛け型スマートディスプレイを開発中か、AIとSiriを統合
Bloomberg報道によると、AppleはSiriとApple Intelligenceを統合した約6インチの壁掛け型スマート中控ディスプレイを開発しています。HomeKit機器の操作やビデオ通話に対応し、早ければ2025年3月に登場する見込みです。
Tether、AIエージェント対応のオープンソースウォレット開発キット「WDK」を公開
Tetherは非管理型ウォレットをアプリや機器に組み込めるオープンソース開発キット「WDK」を発表した。人間だけでなくAIエージェントや自律型ロボットでの利用を想定しており、サードパーティに依存せずビットコインやUSDTを直接管理できる環境を提供する。
トランプ次期米大統領にマスク氏をAI特別顧問に任命するよう求める請願
米団体ARIがトランプ次期大統領に対し、イーロン・マスク氏をホワイトハウスのAI特別顧問に任命するよう求める請願を開始した。技術推進と安全対策の両立を担える適任者と主張しているが、保有企業との利益相反に対する懸念も残る。
月
11月11日 月曜日
Googleが学習特化型AI「Learn About」公開、教科書風に対話を深掘り
Googleは実験的AIツール「Learn About」を公開した。今春発表の教育向けモデル「LearnLM」を基盤に、単なる事実の要約ではなく、教科書のようなレイアウトや重要ポイントの解説、関連トピックの提案を通じて探究心を促す。
ポッドキャスターのLex Fridman、AnthropicのCEOと5時間対談：AIの安全性やClaudeを深掘り
Lex FridmanはAnthropicのCEO Dario Amodeiとの5時間を超える対談動画を公開しました。スケーリング則の限界やAGIへの道筋、AIの安全基準について議論したほか、同社研究者のAmanda Askell氏とChris Olah氏も加わり、Claudeの性格づけや解釈可能性について語っています。
Google、iOS向け単体「Gemini」アプリをテスト中 音声会話「Live」に対応
GoogleがiOS向けに単体のGeminiアプリを一部地域でテスト中であることが明らかになりました。これまでiPhoneではGoogleアプリ内の機能としてしか使えませんでしたが、独立アプリ化により音声会話機能「Gemini Live」がロック画面からも利用可能になります。現在はフィリピンなど一部地域での限定配信にとどまります。
ワシントン・ポストが対話型AIツール公開：自社記事で無料回答
先週、The Washington Post は実験的AIツール「Ask The Post AI」を公開した。2016年以降の自社記事のみを情報源に対話形式で回答するためハルシネーションを抑えられており、有料登録なしで利用できる。ただし、引用元記事の全文を読むには有料購読が必要だ。
Qwen2.5-Coder全シリーズがOSS公開：32BモデルはGPT-4o匹敵のプログラミング性能
QwenチームはQwen2.5-Coderシリーズをオープンソースで公開した。0.5Bから32Bまでの6つのサイズを揃え、最上位の32B-Instructは主要ベンチマークでGPT-4oに匹敵する性能を発揮する。ほとんどのサイズがApache 2.0ライセンスで商用利用も可能。
Google DeepMindがAlphaFold3のコードを公開、非商用限定
Google DeepMindはタンパク質構造予測AI「AlphaFold3」のソフトウェアコードを非商用研究向けに公開した。論文発表時のコード非公開に対する批判を受けた形だが、モデルの重みデータは事前申請制で完全なオープンソースではない。
ElevenLabs、故ジェリー・ガルシア氏のAI音声を再現 32言語の朗読に対応
ElevenLabsは伝説的バンド「グレイトフル・デッド」の故ジェリー・ガルシア氏の遺産管理団体と提携し、同氏のAI音声をElevenReaderアプリで公開した。32言語で電子書籍や記事を朗読できる。現在はテキスト朗读のみに対応し、今後はドキュメンタリーのナレーションにも活用される予定だ。
マイクロソフトとバチカン、AIでサン・ピエトロ大聖堂のデジタルツインを構築
バチカンはマイクロソフトと連携し、サン・ピエトロ大聖堂のAIデジタルツインを発表した。ドローンなどで撮影した約50万枚の高解像度写真をAIで統合して高精度な3Dモデルを再現。世界中からの仮想参拝を可能にするだけでなく、肉眼では見えにくい建物の亀裂発見にも役立てる。
東大チーム、顔と手のひらの動画から高血圧と糖尿病を非接触で検出するAI技術を発表
東京大学の研究チームは高速度カメラで撮影した顔や手のひらの血流変化をAIで解析し、カフや採血なしで高血圧や糖尿病を検出する予備研究を発表した。高血圧の検出精度は最大94%、糖尿病は75%を記録。将来的にスマホや鏡への搭載を目指すが、現在は研究の初期段階にある。
Xが無料版「Grok」のテストを開始、ニュージーランドで一部制限付き開放
XはAIチャットボット「Grok」を無料ユーザー向けに試験公開し始めた。これまで有料会員限定だったが、ニュージーランドでテストが行われており、Grok-2で2時間に10件の利用制限や電話番号登録などの条件が設けられている。無料開放により利用者を広げてChatGPTなどに対抗する狙いだ。
日
11月10日 日曜日
NearがクロスチェーンAIアシスタントを発表：ミームコイン発行から航空券予約まで
Near ProtocolはクロスチェーンAIエージェント「NEAR.AI Assistant」のアルファ版を公開した。指示一つでミームコインを即座に生成・発行できるほか、チェーン抽象化技術でビットコインやイーサリアム間の資産交換に対応する。今後はWeb2サイトでの航空券予約や出前注文への対応も予定している。
土
11月9日 土曜日
OpenAIの次世代モデル「Orion」の性能向上ペースが鈍化か、新戦略へ転換
The Informationなどの報道によると、OpenAIが開発中の次世代旗艦モデル「Orion」の進化ペースが鈍化している。テストではコーディングなどで際立った飛躍が見られず、同社は合成データの活用や事後トレーニングの強化へと戦略を見直している。年内のリリースはない見込みだ。
スペイン水害の決定的瞬間、本物の写真が「AI生成」と疑われる事態に
英ガーディアン紙によると、スペイン・バレンシアの豪雨で約70台の車が散乱した本物の被災写真が、SNS上で「AIのフェイク」と決めつけられる現象が起きた。生成AI画像がネットに溢れた結果、人々が現実の出来事すら信じられなくなる現実認識の歪みが浮き彫りになっている。
OpenAI、米大統領選の対策データを公表 候補者の画像生成を25万件超拒否
OpenAIは2024年米大統領選に関する安全対策のデータを公表した。ChatGPTは大統領候補者らのDALL·E画像生成リクエストを25万件以上ブロックし、投票や開票結果に関する約300万件の質問を信頼できる公的情報源や報道機関に誘導したという。
OpenAI の研究・安全性担当副社長リリアン・ウォン氏が退社へ
金曜日、OpenAI で研究および安全性担当 VP を務めるリリアン・ウォン氏が、11 月 15 日付で退職すると発表しました。7 年間の在任中に 80 人規模の安全性チームを立ち上げたキーパーソンですが、同社では安全研究者の離脱が相次いでいます。
金
11月8日 金曜日
ビートルズ最後の新曲、AI音源分離でグラミー賞2部門ノミネート
報道によると、機械学習で修復・完成されたビートルズ最後の楽曲『Now and Then』がグラミー賞の最優秀レコード賞などにノミネートされた。1970年代のデモ音源からAI技術で故ジョン・レノンの歌声を分離し、規定に則り候補入りを果たした。
iOS 18.2「Image Playground」の使い方：iPhoneで手軽にAI画像生成
iOS 18.2開発者向けベータ版に搭載された「Image Playground」の利用手順が紹介された。プロンプトを入力するだけでアニメ調やイラスト風の画像を生成でき、第2ベータでは生成速度やプロンプト再現度が向上している。
米Wendy's、PalantirのAIでサプライチェーン刷新 人気1ドル商品の品切れ防ぐ
Bloombergによると米Wendy'sがPalantirのAIソフトを導入し、サプライチェーンの需要予測を自動化した。過去の販売実績や輸送コストを分析し、人気プロモ「1ドル Frosty」の急な需要増にも供給網全体で即座に対応できる体制を整える。
AdobeがクリエイターのAI不信に挑む：人間を置き換えない編集支援
CNETはAdobeが推進する生成AI戦略を分析した。同社は一からの画像生成ではなく、電線の消去など面倒なレタッチ作業を効率化する生成編集に注力している。Photoshopの生成塗りつぶしは1日2300万回利用されているが、仕事の減少や著作権への懸念は根強い。
米連邦地裁、OpenAIに対する報道2社の著作権訴訟を棄却
米連邦地方裁判所は、Raw StoryとAlterNetがOpenAIを相手取って起こした訴訟を棄却しました。原告はChatGPTの学習データ作成時に記事の著者名などの権利情報が削除されたと主張しましたが、裁判官は具体的な損害が示されていないと判断しました。修正後の再提訴は認められています。
OpenAIのサム・アルトマン氏、2025年のAGI達成を予測
OpenAIのサム・アルトマンCEOはYCのインタビューで、2025年までにAGIが実現するとの予測を示しました。AGIへの道筋は基本的に明確であり、新たな科学的ブレークスルーではなく工学的な課題の解決にかかっていると語っています。
Google、OpenAIの公式SDKからGeminiを利用可能に
GoogleはOpenAIの公式ライブラリやREST APIを通じてGeminiモデルを呼び出せる互換機能を提供開始した。Chat CompletionsとEmbeddingsに対応しており、base_urlとAPIキーを差し替えるだけで既存コードのままGeminiへ移行できる。
Amazon、Anthropicに数十億ドルの追加出資を検討か：独自チップ採用が条件
米メディアの報道によると、Amazon が Anthropic へ数十億ドル規模の追加出資を協議している。ただし条件として、AI の学習にアマゾン独自開発のチップを使うことを求めているという。Anthropic は Nvidia 製を好むとされるが、今年だけで 27 億ドル超を消費する見通しの中、資金確保のプレッシャーは強い。
木
11月7日 木曜日
AIロボット「Ai-Da」のチューリング肖像画、競売で1,084,800ドル落札
木曜日19:00 GMT、人型ロボット「Ai-Da Robot」が描いたアラン・チューリングの肖像画「A.I. God」がサザビーズで1,084,800ドルで落札された。当初の予想価格120,000〜180,000ドルを大幅に上回り、27件の入札を集めた。人型ロボットによる作品が競売で落札された初の事例となる。
仏Mistral、コンテンツモデレーションAPIを公開
Mistralは多言語対応のコンテンツモデレーションAPIの提供を開始した。微調整されたMinistral 8Bを活用し、ヘイトスピーチや暴力など9つの有害カテゴリを検出できる。あわせてAPIコストを25％削減するバッチ処理APIも発表した。
Outlook、生成AIでテーマ作成可能に 現在地や天気に合わせて自動更新
MicrosoftはOutlookに「Themes by Copilot」を追加した。Copilot Pro加入者や法人向け機能で、100以上の場所や現在地、天候に応じたテーマを生成できる。油絵風やカートゥーン調などのスタイルを選択でき、定期的な自動更新にも対応する。
Krea AIがLoRA学習機能を公開：画像3枚から独自の画風やキャラを作成可能に
Krea AIは独自のAIモデルを学習できるLoRAトレーニング機能を公開した。画像を3枚以上アップロードするだけで、クラウド上で自分好みのキャラクターや画風を学習できる。高価なGPUや複雑な設定は不要だが、無料枠はなく、現在は100名限定の招待枠または有料プランが必要となる。
AnthropicとPalantirが提携、Claudeを米防衛・諜報機関へ提供
AnthropicとPalantirはAWSと提携し、米国防および諜報機関向けにClaude 3と3.5を提供すると発表した。AWS上のPalantir AIPとIL6認証環境を活用し、機密データの迅速な分析を支援する。Claudeが政府の機密環境に導入される初の事例となる。
ByteDanceが「X-Portrait 2」発表：1枚の写真から映画の名演技を再現
ByteDanceは、1枚の静止画から映画のワンシーンのような自然で豊かな表情動画を生成するAI「X-Portrait 2」を発表した。従来の点追跡ではなく顔全体の筋肉の動きを直接学習。ディープフェイクへの悪用懸念から、コードの一般公開は見送られている。
GoogleとSourcegraph検証：Geminiの100万トークンでCodyの誤答率が半減
GoogleとSourcegraphはGemini 1.5 Flashの100万トークン長文脈をAI支援ツールCodyに導入した検証結果を公開。大規模コードベースにおける幻覚率が18.97%から10.48%へ半減し、キャッシュ技術により初回応答遅延も約5秒に短縮された。
