OpenAI、今秋の「DevDay」で次期フラグシップ発表見送り 3都市ツアー形式へ
OpenAI は開発者会議「DevDay」の形式を変更し、サンフランシスコ、ロンドン、シンガポールの 3 都市を巡るツアー形式で開催すると発表した。次期大型フラグシップモデルの発表は見送り、API や開発者向けツールのアップデートに注力する方針。
OpenAI は開発者会議「DevDay」の形式を変更し、サンフランシスコ、ロンドン、シンガポールの 3 都市を巡るツアー形式で開催すると発表した。次期大型フラグシップモデルの発表は見送り、API や開発者向けツールのアップデートに注力する方針。
報道によると、米国のYouTubeクリエイターがOpenAIに対し集団訴訟を提起した。数百万件の動画文字起こしを無断でChatGPTなどの学習に利用したと主張し、500万ドル超の損害賠償を求めている。公開ウェブデータの枯渇が進む中、動画音声は生成AIの貴重な学習源だが、著作権を巡る対立が一段と先鋭化している。
米404 MediaはNVIDIAが社内プロジェクト「Cosmos」のAI学習のため、YouTubeやNetflixなどから大量の動画をスクレイピングしていたと報じた。社内で著作権侵害の懸念が上がったものの、管理職は最高幹部の承認済みだと説明。同社は著作権法に準拠していると主張している。
イーロン・マスク氏がOpenAIとその共同創業者らを米連邦裁判所に再び提訴しました。人類に貢献する非営利という約束で自身を騙して出資させたと主張し、組織的な詐欺を追及。マイクロソフトとの独占契約やAGIの定義も本格的な争点に挙げています。
NVIDIAは人型ロボットの開発を支援するシミュレーションツール群を発表した。開発者はApple Vision Proを装着してロボットの手足を遠隔操作でき、MimicGenマイクロサービスを使って合成データを生成することで、Project Grootなどのモデル訓練にかかるコストと時間を大幅に削減できる。
米AIチップスタートアップのGroqはBlackrock主導のラウンドで6億4000万ドルを調達したと発表した。評価額は28億ドルに達する。推論特化型プロセッサ「LPU」の供給体制を大幅に拡大する計画で、MetaのチーフAIサイエンティストであるヤン・ルカン氏が技術顧問に就任した。
報道によると、OpenAIはChatGPTで作成された文章を特定する電子透かし技術を開発したものの、公開を慎重に検討している。語句選択に手を加える方式だが、翻訳や別モデルの言い換えで簡単に回避できる上、非英語話者のAI利用を不当に差別する懸念があるという。
米メディアの報道によると、NVIDIAは製造工程の後期に見つかった設計上の欠陥により、次世代AI半導体「Blackwell B200」の出荷を少なくとも3カ月延期すると顧客に伝えた。大量出荷は来年第1四半期にずれ込む見込みで、巨額発注したテック大手に影響が出る恐れがある。NVIDIAは噂へのコメントを控えている。
報道によると、Metaはジュディ・デンチやオークワフィナら米人気俳優に対し、AIアシスタント向け音声のライセンス契約として数百万ドル規模の提示を行っている。9月のConnectでの発表を目指し、Ray-BanスマートグラスやSNS全体への搭載が計画されているという。
Googleは、批判が相次いでいたGeminiの五輪向け広告「Dear Sydney」の放送取り下げを決定した。父親が娘に代わりAIにファンレターを書かせる描写が、心のこもった自己表現を損なうとして炎上。Google側は下書きの支援を意図したと釈明したものの、反発を受けて撤回に追い込まれた。
Character.AIの共同創業者兼CEOのノーム・シャジール氏らがGoogleに復帰し、DeepMindの研究チームに合流することが判明した。Googleは同社と非独占的技術ライセンス契約を結び資金を提供。大半の従業員は残留し、今後は外部LLMの活用も広げる方針だ。
ZDNetがAdobe Illustratorの生成AI機能のハンズオンを公開した。テキスト指示からベクター素材を生成する機能や、既存の枠線に沿った形状塗りつぶし、連続パターンの自動作成が可能。解像度を損なわずに拡縮やパーツ分解ができる一方、パスの結合の甘さや著作権の所在には課題も残る。
OpenAIなどが出資するFigureは、次世代人型ロボット「Figure 02」のティザー動画を公開し、2024年8月6日の正式発表を告知した。映像では新設計の関節や150Nmのトルク仕様などが示唆されており、創業者らは完成度に自信をのぞかせている。
米GoogleはChromeデスクトップ版に3つのAI機能を追加すると発表した。アドレスバーからGoogleレンズで画面内を範囲指定して質問できるほか、複数タブの製品をAIで比較表にする機能や自然言語による履歴検索が米国から順次提供される。
音楽生成AI「Suno」は全米レコード協会(RIAA)による著作権侵害訴訟に対し反論声明を発表しました。ネット上の音源で学習している事実を認めつつ、「学習は侵害ではない」と主張。モデルの訓練を「子どもがロックを聴いて作曲を覚える過程」に例え、既存曲のコピーを防ぐガードレールも機能していると強調しました。
Stability AIは単一画像からわずか0.5秒で3Dアセットを生成する新モデル「Stable Fast 3D」を発表した。前世代SV3Dの10分から大幅に高速化し、メッシュやマテリアルを含む完全なデータを書き出せる。コードと重みはHugging FaceやGitHubで公開され、年間収益100万ドル以下の商用利用が無償で可能。
Black Forest Labsは3100万ドルのシード資金調達の完了と、120億パラメータの画像生成モデル群「FLUX.1」を発表した。Stable Diffusionなどの開発陣が立ち上げ、pro、dev、schnellの3モデルを展開。プロンプト追従性や画質でMidjourney v6.0を上回るとアピールしている。
OpenAI が ChatGPT Plus ユーザーの一部を対象に提供を開始した「高度な音声モード」の検証動画がネット上で話題になっている。パイロットのアナウンス風の話し方や米国の地域方言、フランス語の発音矯正などを自然にこなす。今秋には全 Plus 会員向けに順次開放される予定だ。
Anthropic はブラジル向けに Claude の提供を正式に開始した。Web 版、iOS/Android アプリ、開発者向け API を通じて Claude 3.5 Sonnet が利用可能。個人向け Pro プランは月額 110 レアルで提供される。
ブルームバーグ報道によると、昨年サム・アルトマン氏の解任を主導した元OpenAI取締役ヘレン・トナー氏が、ワシントンDCで信頼されるAI専門家としての地位を築いている。シリコンバレーの騒動を経て、議会や規制当局にAIガバナンスを助言している。
木曜夜、OpenAIのサム・アルトマンCEOは、米人工知能安全研究所に対し次期主要モデルへの早期アクセスを提供する協定を進めていると表明しました。安全対策の軽視批判をかわす狙いがあるとみられますが、具体的な提供条件などの詳細は明かされていません。
報道によると、Googleがオリンピック期間中に放映したGeminiの広告「Dear Sydney」が批判を浴びている。父親が憧れの陸上選手への手紙をAIに代筆させる演出が「人間の真心のこもった表現を奪う」と非難され、YouTubeのコメント欄は閉鎖された。感情や創作領域へのAI進出に対する根強い反発が浮き彫りになっている。
USCなどの研究チームは、機械学習を用いて悪性脳腫瘍(膠芽腫)細胞を樹状細胞様へと再プログラミングする遺伝子を特定したと発表。腫瘍内部でがん細胞を免疫活性化細胞に変えることで血液脳関門の壁を突破し、マウス実験では免疫療法併用で生存率が最大75%向上した。
火曜日、マイクロソフトは最新の年次報告書で、AI製品および検索・広告分野の競合他社リストにOpenAIを追加した。同社に約130億ドルを投資してきたが、OpenAIがSearchGPTを発表したことで事業領域の重複が鮮明になった。OpenAI側は提携関係に変更はないとしている。
Ars Technica の報道によると、P&G やフィリップスなどが販売する高額な「AI 歯ブラシ」には、口腔衛生を改善するという十分な科学的根拠がないという。実際にはセンサーと連動アプリを使い、ユーザーのブラッシング習慣を吸い上げて製品開発や自社製品の販促広告に転用する狙いが指摘されている。
CNET報道によると、Canvaへの買収が発表された画像生成プラットフォームLeonardo.Aiが、初の自社製基底モデル「Phoenix」をテスト中だ。1700万人の登録ユーザーを抱える同社は、プロンプトへの正確な追従と編集制御性を高め、ガチャ感覚の画像生成からの脱却を目指している。
Yum! Brandsは全米のTaco Bellドライブスルー数百店舗に「Voice AI」注文技術を2024年末までに導入すると発表した。約2年間の試験運用を経て、従業員の負担軽減と待ち時間短縮を図る。米マクドナルドが類似テストを撤退したのに対し、百勝は拡大路線を突き進む。
Googleは画像の出所や背景を確認できる「この画像について」機能を「かこって検索」と「Google レンズ」に展開した。画面上の画像を囲むだけで、Webでの使われ方やメタデータ、SynthID透かしによるAI生成判定を確認できる。世界40言語に対応する。
Vimeoは生成AIを活用した動画翻訳ソリューションを発表した。話者の声色やトーンを維持したまま、動画の音声と字幕を29言語に翻訳できる。50以上の言語入力に対応し、視聴者はプレーヤー内で多言語音声を直接切り替え可能。企業の研修やマーケティングにおける多言語展開のコストを大幅に引き下げる。
RunwayはX上で新動画生成AIモデル「Gen-3 Alpha Turbo」を発表した。従来のGen-3 Alphaより7倍高速化し、10秒の動画を約11秒で生成できる。利用料金も大幅に引き下げられ、今後数日かけて順次提供される予定だ。
Googleは大規模言語モデルの内部メカニズムを解明するためのツール群「Gemma Scope」をオープンソース公開した。Gemma 2の2Bおよび9B向けに400以上のスパースオートエンコーダーを提供し、3000万以上の特徴量を抽出可能にする。ハルシネーションや欺瞞といった安全リスクの解明と対策を後押しする。
OpenAIは米上院で審議中の3つのAI法案への支持を表明しました。法案には米AI安全性研究所を連邦基準策定機関として正式承認することや教育支援が盛り込まれており、将来の規制論議で主導権を握る狙いがあるとみられます。
Metaは昨年9月に華々しく発表した有名人アバターのAIチャットボットを停止した。巨額のライセンス料を投じたものの定着せず、今週米国で提供を開始したクリエイター自身がAIを作成できる「AI Studio」に注力する方針に転換する。
Activision は『Call of Duty: Warzone』の Caldera マップに関するデータセットを GitHub でオープンソース公開しました。OpenUSD 形式で提供され、マップのジオメトリや匿名のプレイヤー移動データが含まれます。ゲーム業界最大級の公開データセットであり、AI モデルの学習や生成技術の研究支援を目的としています。
Midjourneyは画像生成モデル「V6.1」を公開し、全ユーザーのデフォルトに設定しました。手足や目などの細部表現が自然になったほか、文字描画の精度が向上し、生成速度も約25%高速化。新機能の2倍アップスケーラーも追加されました。
Avi Schiffmann氏がAIコンパニオン端末「Friend」の予告映像を公開し、99ドルでの予約受付を開始した。生産性ではなく孤独解消に特化し、スマホと連携して常に話を聞いてくれる首掛け型デバイスで、2025年1月出荷予定。
米商務省NTIAはモデルの重みを公開するオープンソースAIについて、現時点で制限を設ける必要はないとする報告書を発表した。オープン化による恩恵を認めつつも、リスクの監視は継続し、脅威が高まれば即座に対処できるよう備える方針だ。
Perplexityはメディア支援プログラムを発表し、『TIME』や『Fortune』などが参加した。引用元のコンテンツが関連質問広告で収益を生んだ際に配分されるほか、自社サイト専用の回答エンジンを作れるAPIや、全社員向け「Enterprise Pro」の1年間無料提供が含まれる。
オンラインデザイン大手のCanvaが画像生成AIスタートアップのLeonardo.Aiを買収すると発表した。Leonardo.Aiは従来の料金プランと独立プラットフォームを維持したまま、その画像生成技術を順次Canva本体へ統合していく。
OpenAIは、1リクエストあたり最大64Kトークンの生成に対応した実験版「gpt-4o-64k-output-alpha」をAlphaテスト向けに提供開始した。長文生成に伴う推論コストを反映し、料金は入力100万トークンあたり6ドル、出力18ドルに設定されている。
米空軍は協調戦闘機(CCA)向けの自律制御システム開発で、情報流出を防ぐため社名を非公開とした 5 社に資金提供すると発表した。開発された AI はジェネラル・アトミクスや Anduril の機体に統合され、2026 年に最終選定が行われる予定だ。
Metaは米国で「AI Studio」の提供を開始した。Llama 3.1を基盤とし、誰でも独自のAIキャラクターを作成・共有できるほか、クリエイターがファンからの質問に自動返信する分身AIも構築できる。なお、同社はその後Muse Sparkへの移行に伴い新規作成を停止した。
NVIDIAはSIGGRAPHにて対話型デジタルヒューマン「James」やMaxine 3Dを発表しました。JamesはACEプラットフォームとElevenLabsの音声技術を採用し、ユーモアや感情を込めた応答が可能です。さらに2D動画からリアルタイムで3Dアバターを生成する技術も披露されました。
Runway は動画生成 AI「Gen-3 Alpha」に Image to Video 機能をリリースした。任意の静止画を動画の最初のフレームに設定し、テキスト指示と組み合わせて生成できる。表現のコントロール性と一貫性が大幅に向上するアップデートとなった。
イーロン・マスク氏はXで、ハリス副大統領の音声をAIで改ざんしたパロディ動画を投稿した。元動画にあった「パロディ」の注記を省いたため、誤認を招く合成メディアを禁じるX自身の規約に違反していると批判され、議員からも反発を招いている。
ShutterstockがNVIDIA Edifyを活用した「Generative 3D」の商用ベータ版を公開し、テキストから3Dアセットや16Kの360度HDRi背景を生成可能にした。一方のGetty Imagesも画像生成AIを刷新し、生成速度を2倍に高速化、ファインチューニングやスケッチによる構図制御に対応した。
NVIDIAはSIGGRAPHにて人型ロボット開発者向けの新サービス群を発表した。合成データを生成するNIMマイクロサービスや、開発サイクルを数か月から1週間未満に短縮するクラウド管理サービス「OSMO」、Apple Vision Proを用いた遠隔操作ワークフローなどを提供し、開発者は早期アクセスプログラムから利用可能。
ブルームバーグによると、Apple Intelligenceの一般提供が9月のiOS 18初期リリースに間に合わず、10月のアップデートに延期される見込みです。安定性確保のための措置とみられ、発売直後のiPhone 16ではAI機能が使えない可能性があります。開発者向けベータ版は今週中にも提供される予定です。
AMDはTensorStackと提携し、完全ローカルで動作するAIスイート「Amuse 2.0」ベータ版を発表した。コマンドライン不要の単一実行ファイル形式で、「EZモード」により手軽に画像生成を行える。最大の特徴はXDNA Super Resolutionに対応し、対応するRyzenやRadeon環境で生成画像の解像度を2倍に高められる点だ。
Inverseが報じたところによると、2024年パリオリンピックはIOCの「オリンピックAIアジェンダ」導入後初の大会となった。選手の動作解析や怪我予防、体操競技の採点サポートに加え、SNS上の誹謗中傷コメントの自動検知・削除など、大会運営の広範な領域でAI技術が活用されている。
Xがユーザーの投稿やGrokとの対話データをAI学習に利用する設定を初期状態でオンにしていたことが判明しました。事前チェックによる同意取得はGDPR違反の疑いがあり、英ICOとアイルランドDPCが調査に着手。拒否設定はWeb版から行う必要があります。
米ホワイトハウスはAppleが安全で信頼性の高いAI開発に向けた自主的な安全協定に署名したと発表した。OpenAIやGoogleなど15社に続く動きで、公開前のレッドチームテストやモデル重みの保護、透かし機能の導入が求められる。Apple Intelligenceの本格展開を前に、規制当局へ歩み寄る姿勢を示した形だ。
Googleは無料版Geminiに「Gemini 1.5 Flash」を導入したと発表した。処理速度と推論・画像認識能力が向上し、コンテキスト窓は32Kトークンに拡大。ハルシネーション対策として回答末尾に出典リンクが表示されるほか、近日中にファイルアップロード解析にも対応する。
修理情報サイトiFixitのCEOが、Anthropicのデータ収集ボット「ClaudeBot」が24時間でサイトへ約100万回アクセスし、AI学習禁止の利用規約を無視したと抗議した。Anthropicはrobots.txtにのみ従うと回答。規約による意思表示が効かず、遮断しか自衛手段がない現状を浮き彫りにした。
米404 Mediaの報道によると、AI動画生成ツール「Gen-3」を手がけるRunwayが、数千ものYouTube動画や海賊版映画を無断スクレイピングして学習に利用していた内部データが流出しました。GoogleやNvidiaから出資を受ける同社のデータ収集実態が明るみに出た形です。
強化学習と形式言語を組み合わせたAlphaProofとAlphaGeometry 2が発表された。2024年の国際数学オリンピック(IMO)で6問中4問を解き、合計28点を獲得して初の銀メダル水準に到達。大会最難関の問題も解いており、数学的推論能力の大きな前進を示した。
OpenAIはAI検索機能のテスト用プロトタイプ「SearchGPT」を発表した。リアルタイムのWeb情報をもとに会話形式で回答し、出典元のリンクを目立つ形で提示する。現在は一部のユーザーとパブリッシャー向けに限定公開されており、将来的にはChatGPTへの統合が予定されている。
Kuaishouは動画生成プラットフォーム「Kling AI 1.0」を世界向けに公開した。メールアドレスのみで登録でき、1日あたり66クレジットを無料で付与する。テキストや画像からの動画生成に対応し、カメラワーク調整も可能。限定公開が続くSoraに対抗し、一般向けに広く開放した。
米マイクロソフトはAIによる生成回答を画面中央に大きく表示し、従来の検索結果リンクを右端の細い列に追いやる新しいBingのUIテストを一部クエリ向けに開始した。概要だけでなく関連動画やチャートなども生成する構成で、現在は少数の検索向けに試験提供されている。
報道によると、Redditは対価を支払わない検索エンジンによる最新コンテンツの収集を遮断した。約6000万ドルのAI学習契約を結んだGoogleのみが最新の投稿を表示でき、Bingなどは除外されている。Reddit側はAI利用を巡る合意が取れていないためと説明している。
Stability AIは単一の動画から8つの異なるカメラアングルの動画を生成するモデル「Stable Video 4D」を発表した。約40秒で8視点の5フレーム動画を出力し、ゲーム開発や映像編集での動的3D表現を効率化する。現在Hugging Faceで公開中。
XはWeb版の有料会員向けに、Grokを活用してアカウントの概要を自動生成する新機能を追加した。プロフィール名にカーソルを合わせると要約が表示されるが、同姓同名の別人と混同するなど誤りが多い。Grok 1.5の初期機能として注意喚起されている。
Mistral AIは新フラッグシップ「Mistral Large 2」を発表した。1230億パラメータと128kコンテキストを備え、単一ノードで高速動作するよう設計されている。コード生成や推論能力はGPT-4oなどに匹敵し、ハルシネーション抑制も強化。研究用ライセンスで重みが無償公開されている。
OpenAIは、ルールベース報酬(RBR)を用いてモデルの安全性を高める手法を公開した。明確な評価ルールを設けて固定モデルに採点させることで、膨大な人間によるアノテーション作業を削減する。正常なプロンプトの過剰拒否を抑えつつ、安全ガイドラインの変更にも柔軟に対応できる。
音楽生成AIのSunoがProおよびPremier会員向けに「Stems」機能を公開した。曲のメニューから「Get Stems」を選ぶだけで、生成した楽曲をボーカルと伴奏の2トラックに分離でき、それぞれ個別にダウンロードや拡張編集が行える。
7月、米上院議員らがOpenAIのサム・アルトマンCEO宛てに書簡を送付し、次期基盤モデルのリリース前に米政府機関によるテストや事前審査を受け入れるよう求めた。GPT-4 Omniの公開を急ぎ安全基準を緩めたとする内部告発を受けた動きで、計算資源の20%を安全研究に充てる誓約なども求めている。
Cohereはエンタープライズ検索やRAG向けの新モデル「Rerank 3 Nimble」を発表した。高精度を保ちながらRerank 3比で約3倍の高速化を実現している。なお、現時点ではAmazon SageMaker限定で提供される。
NVIDIAは企業向けサービス「AI Foundry」の仕組みを解説した。DGX CloudとNeMoプラットフォームを活用し、Llama 3.1などのオープンモデルを企業データに合わせて微調整し、NIMマイクロサービスとして展開できる。独自AIモデルの開発ハードルを大きく下げる狙いだ。
Metaは同社のAIアシスタント「Meta AI」に最新のフラッグシップモデル「Llama 3.1 405B」のプレビュー版を導入した。数学やコード作成などの高度なタスクに対応するほか、自分の顔写真から画像を生成する「Imagine me」機能も追加された。なお405Bの利用には手動切り替えが必要で週ごとの上限がある。
Metaはオープンソースモデル「Llama 3.1」を発表した。フラッグシップの405Bモデルは128Kコンテキストに対応しGPT-4oに匹敵する性能を持つ。規約も改定され、モデル出力による小型モデルの蒸留や改善が公式に認められた。
AdobeはIllustratorとPhotoshopの最新アップデートを発表した。Illustratorにはベクター図形を自動生成する「生成塗りつぶし(シェイプ)」やモックアップ機能が追加され、Photoshopでは「画像を生成」機能が一般提供となった。外部ツールを行き来することなく、使い慣れた作業環境のままAIを活用した試作が可能になる。