アップル、今秋にもGoogle Geminiの導入を発表か
Bloombergのマーク・ガーマン記者によると、アップルは今秋にもGoogle Geminiとの提携を発表する見込みです。発表済みのChatGPTに加え、Anthropicとの連携も模索中と報じられています。独自AIの展開を急がず、他社モデルを複数揃えてアプリ内課金の手数料を得る狙いもあると見られます。
Bloombergのマーク・ガーマン記者によると、アップルは今秋にもGoogle Geminiとの提携を発表する見込みです。発表済みのChatGPTに加え、Anthropicとの連携も模索中と報じられています。独自AIの展開を急がず、他社モデルを複数揃えてアプリ内課金の手数料を得る狙いもあると見られます。
マイクロソフトのAI部門責任者ムスタファ・スレイマン氏はCNBCで、公開Web上のコンテンツは90年代からの社会的合意に基づき誰でも複製可能な「フリーウェア」だと語った。しかし著作権法上、Web公開で権利が消滅するわけではなく批判が集中している。
非営利報道機関の調査報道センター(CIR)は、OpenAIとマイクロソフトを著作権侵害で提訴した。許諾や対価の支払いがないまま記事が無断でAIモデルの学習に利用され、収益や読者関係が損なわれたと主張している。ニューヨーク・タイムズなどに続く動きで、メディアとAI企業の対立がさらに拡大している。
Solosはスマートグラス「AirGo Vision」を発表した。つる部分にカメラを搭載し、ChatGPT-4oを活用した視覚検索に対応するほか、GeminiやClaudeへの切り替えも可能。フレームを交換できるモジュール構造だが動画撮影には非対応で、年内後半の発売を予定している。
Metaのマーク・ザッカーバーグCEOはインタビューで、独占的な単一AIを目指す競合他社を「まるで神を創ろうとしているようだ」と批判した。未来には多様なAIが必要だとし、オープンソースの価値を強調。同日、クリエイターがAIアバターを作れるAI Studioの米国内テストも発表された。
木曜日、Meta は米国でクリエイターが「AI Studio」を使って制作した AI キャラクターのテストを Instagram 上で開始した。主にメッセージ機能に表示され、AI である旨が明記される。初期テストは約 50 人のクリエイターを対象とし、8 月の本格展開を目指す。
米TIME誌はElevenLabsと提携してTIME.comの一部記事に埋め込み型プレイヤー「Audio Native」を導入したと発表した。2023年3月から進めていたテキスト読み上げ技術の検証が実用化され、読者は記事を音声で手軽に聴けるようになる。
LangChainは自律型エージェント構築フレームワーク「LangGraph v0.1」の安定版と、運用基盤「LangGraph Cloud」のベータ版を発表した。細かい制御フローの設計や人間による介入・巻き戻し編集に対応し、実運用での信頼性向上と大規模スケールを支援する。
Googleは次世代オープンモデル「Gemma 2」の9Bと27Bサイズを一般公開した。27Bモデルは倍以上のサイズの競合に匹敵する性能を誇り、NVIDIA H100単体でフル精度推論が可能。商用利用可能なライセンスで提供される。
Character.AIはAIキャラクターとリアルタイムで通話できる新機能を一般公開した。日本語や英語など多言語に対応し、低遅延で発言の途中遮断やテキストとの切り替えもスムーズに行える。語学学習や面接練習などでの利用を見込む。
フィナンシャル・タイムズの報道によると、YouTubeは年内公開予定の新規AIツール学習に向け、ユニバーサル、ソニー、ワーナーの3大レーベルに一括前払い金を提示して楽曲利用許諾を求めています。他社が提訴される中、正規ライセンス取得を優先する方針です。
OpenAIはChatGPTのコード出力に含まれる誤りを指摘する「CriticGPT」を発表した。GPT-4をベースにしたモデルで、人間のトレーナーと連携することで単独作業より60%高い精度でバグを発見できる。高度化するAIをRLHFで正しく評価するための試みだ。
OpenAIと米TIME誌が複数年の戦略的コンテンツ提携を発表した。ChatGPTなどの製品でTIMEの最新記事や過去101年分のアーカイブが活用され、回答に出典リンクが表示されるようになる。TIME側もOpenAIの技術を使って読者向け新製品の開発を進める方針だ。
GoogleはPaLM 2大規模言語モデルを活用し、Google翻訳に過去最多となる110言語を追加したと発表した。広東語やマン島語など、世界人口の約8%にあたる6億1400万人以上の話者をカバーする。データ確保が難しかった近縁言語や方言の学習をAIが大幅に効率化した。
GoogleはGemini 1.5 Proの200万トークンコンテキストウィンドウを全開発者向けに一般開放した。Gemini APIおよびGoogle AI StudioにはPythonのコード実行環境が追加され、推論の精度が向上。オープンモデルGemma 2もAI Studioで利用可能となった。
米NBCUniversalは動画配信Peacockで伝説的実況アナのアル・マイケルズ氏の音声をAI再現した「Your Daily Olympic Recap」を発表した。ユーザーが選んだ競技に合わせ名前を呼びかけながら日次要約を届ける仕組みで、大会期間中に約700万通りの生成を見込む。誤情報を防ぐため人間の編集チームが全件事前審査する。
FigmaはUIの大幅刷新とともに、テキスト入力からアプリ画面のモックアップを自動生成する「Figma AI」を発表しました。プレゼン機能「Figma Slides」も新設。AI機能は現在ウェイトリスト制の限定ベータで年内無料ですが、ユーザーデータを用いたモデル学習の初期設定が議論を呼んでいます。
Business Insiderによると、Amazonがコードネーム「Metis」と呼ばれる新AIチャットボットを開発している。基盤にはTitanではなく新モデルOlympusを採用し、RAG技術で最新データを取得する。アンディ・ジャシーCEO直属で開発が進められており早ければ9月に公開予定だが、競合追撃には遅すぎるという懸念も社内から出ている。
動画編集アプリの Captions が新機能「AI Edit」を公開した。1人語りの縦型動画を読み込むと、内容に合わせてズーム、トランジション、画像、音楽、効果音を自動で追加する。アプリ内の12種類の AI アバターと組み合わせれば、プロンプト入力から編集完了まで数分で完結する。
米スタートアップEtchedはTransformer専用推論チップ「Sohu」を発表し、1.2億ドルを調達した。汎用GPUの柔軟性を省き回路を固定化することでH100比20倍の性能を謳う。ただしチップは未テープアウトで、他構造のモデルは一切動かせない。
リバースエンジニアリンググループのRabbitudeは、Rabbitのコードベース内に重要なAPIキーが直書きされていたと公表した。これによりR1端末が過去に出力した全履歴の閲覧や端末の遠隔操作が可能だったとされる。Rabbit側は6月25日に報告を受け調査中であり、現時点でデータ流出は確認されていないと説明している。
米レコード協会(RIAA)は月曜日、AI楽曲生成サービスのSunoとUdioを著作権侵害で提訴した。許諾なしに大量の音源を学習データとして取り込んだと主張し、1作品あたり最大15万ドルの損害賠償を求めている。AIの学習が「フェアユース(公正利用)」と認められるかどうかが最大の争点だ。
Opera は「Opera One R2」の開発者向けベータ版を公開した。AI アシスタント「Aria」による画像・音声生成や画像認識が標準搭載されたほか、閲覧中ページについて質問・要約できる機能も追加。フローティング式メディア操作や分割タブも利用できる。一般向け正式公開は年内を予定している。
AnthropicはClaude 3 HaikuとSonnetをAWS GovCloudおよび米情報機関専用マーケットプレイスに投入したと発表しました。規約に例外を設け、人身売買対策や軍事活動の警戒など合法的な情報分析での利用を許可する一方、兵器設計やサイバー攻撃への利用禁止は維持されます。
トイザらスの親会社 WHP Global は、OpenAIの動画生成AI「Sora」を使用した初のブランド映像を公開した。制作陣によると、映像の80〜85%をSoraが生成し、約12人のクリエイターがVFXで修正を加えたという。商業広告におけるAI活用の実態を示す事例となった。
OpenAIは当初6月下旬を予定していたChatGPT Plusユーザー向け「高度な音声モード」のアルファ版提供を1カ月延期すると発表した。安全フィルターの強化や負荷対策を進め、秋には全Plusユーザーへの展開を目指す。
OpenAI はmacOS 向けデスクトップアプリ「ChatGPT」を無料ユーザーを含む全員に開放したと発表した。「Option + Space」キーで Spotlight のように即座に呼び出せ、画面のスクリーンショットを共有した質問や音声対話、ファイル添付が手軽に行える。
ElevenLabsはiOSとAndroid向けに「Reader App」を公開した。Web記事やPDF、ePubなどの文書を高品質なAI音声で自然に読み上げてくれる。最初の3カ月間は無料で利用可能。現在は英語のみだが、近く29言語以上に対応する予定だ。
EvolutionaryScaleは980億パラメータの生物学向け言語モデル「ESM3」を発表した。タンパク質の配列・構造・機能を統合的に推論・生成でき、自然界との類似度が58%の新蛍光タンパク質の設計に成功した。Forgeを通じてAPIのパブリックベータ版を提供している。
AnthropicはClaude.aiのProおよびTeamプラン向けに「Projects」機能の提供を開始した。プロジェクトごとに200Kトークンのコンテキストウィンドウが割り当てられ、社内ドキュメントやコード、専用指示を紐付けて作業できる。Teamユーザーは会話の共有も可能で、データはモデル学習に使われない。
Synthesiaは企業向け動画プラットフォーム「Synthesia 2.0」を発表しました。スタジオ撮影なしで、スマホやウェブカメラから手軽に自分のアバターや30言語以上の複製音声を作成可能です。年内には身振り手振りを交えて話す全身AIアバターの導入も予定されています。
OpenAIは企業向けリモートビデオ協調プラットフォーム「Multi」を買収した。約5人のチームを吸収する人材獲得型の買収で、Multiの既存サービスは7月24日に終了する。データベース企業Rocksetに続く買収で、OpenAIは法人向け協調機能の拡充を急いでいる。
Googleは100カ国以上のGoogle Workspace for Educationを利用する10代の生徒向けにGeminiを無償提供すると発表した。学校管理者の承認が必要で、チャット履歴はモデル学習に使われない安全設計。ClassroomでのAI授業準備支援機能も同時に拡充された。
GoogleはGmailウェブ版のサイドパネルにGeminiの展開を開始した。メールのスレッド要約や返信作成に加え、受信トレイやGoogleドライブのファイルを横断した質問への回答に対応する。Workspaceの有料アドオンやGoogle One AI Premiumユーザーが対象となる。
ユニバーサル、ワーナー、ソニー・ミュージックの大手3社が、AI音楽生成サービスのSunoとUdioを著作権侵害で提訴した。許諾なく著作権楽曲をモデルの学習に使用したと主張し、侵害1件あたり最大15万ドルの損害賠償を求めている。画像やテキストに続き、著作権を巡る法廷闘争が音楽AIにも本格的に波及した格好だ。
MetaはLlama 3を搭載したMeta AIの英語版をインドで順次提供開始したと発表した。WhatsApp、Facebook、Messenger、Instagramに統合され、グループチャットでの提案や「imagine」コマンドによる画像生成を無料で利用できる。
Endiatxが開発した超小型ロボット「PillBot」が臨床試験を開始した。患者がカプセル型ロボットを飲むだけで、医師が遠隔操作しながら胃内部を検査できる。推進機構とカメラを備え、侵襲的な胃カメラ検査を代替する。AIによる初期診断や自律ナビゲーションも開発中で、2026年初頭の実用化を目指す。
Stability AIは、Weta Digitalの元CEOであるPrem Akkaraju氏を新CEOに任命し、元Facebook社長のSean Parker氏が率いる投資家グループから追加資金を調達した。Parker氏は会長に就任する。同社は第1四半期に3000万ドル以上の損失を出し、約1億ドルのクラウド未払い金を抱えるなど経営難に直面していた。
米Wall Street Journalによると、Metaが「Apple Intelligence」に自社生成AIを統合する協議を行っている。AppleはOpenAIに加え、GoogleやAnthropic、Perplexityとも交渉を進めているとされ、iOS経由で有料サブスクを販売する形が検討されているが、交渉は未確定だ。
AppleはEUのデジタル市場法(DMA)に伴う規制の不確実性を理由に、欧州市場で「Apple Intelligence」やiPhoneミラーリングなどの新機能の年内提供を見送ると発表しました。相互運用性要件がユーザーのプライバシーと安全性を脅かすリスクがあるとしており、解決策を模索するため欧州委員会と協議を続けています。
xAIが開発するGrokのスタンドアロン版コード内から、Midjourneyへの参照記述が見つかった。以前噂されていた提携交渉を裏付ける形で、Grok 1.5がAPI経由でMidjourneyの画像生成機能を取り込む可能性が出ている。さらに画像アップロードによる視覚機能の準備も確認されている。
OpenAIはリアルタイム分析データベースを提供するRocksetの買収を発表した。Rocksetのデータインデックスやクエリ技術を自社製品の検索基盤に統合し、チームも合流する。企業や開発者が自社の最新データをAIで迅速かつ高度に活用できるようにする狙いだ。
ロイターの報道によると、コンテンツ許諾スタートアップのTollBitは、複数のAI企業が長年守られてきたrobots.txtを無視し、無断で記事をスクレイピングしている実態を明かした。ForbesがPerplexityを告発するなど反発が強まる中、Webサイト側の従来の自衛策が形骸化している。
週始め、Leonardo AIは新画像生成モデル「Leonardo Phoenix」を発表した。プロンプトへの忠実度や画像内の文字描写精度が大幅に向上し、自然言語で部分修正を指示できる「Edit with AI」も導入。一部旧機能は一時休止中だが、自由度の高い制作環境を提供する。
PayPalはWalmartで大規模な技術組織を率いたSrini Venkatesan氏が6月24日付で新CTOに就任すると発表した。全社のAI、機械学習、データサイエンス開発を統括する。同社は2024年を「移行の年」と位置づけており、AIを活用したコマースのパーソナライズを加速させる狙いだ。
OpenAIはサイバーセキュリティ助成プログラムの成果を報告した。600件超の応募からプロンプトインジェクション対策やコード脆弱性修正などの研究を支援。さらに防御側のAI活用を後押しするため、研究者への無償提供枠を従来のChatGPT PlusからTeamおよびEnterpriseにも拡大する。
Anthropicは新モデル「Claude 3.5 Sonnet」をリリースしました。前世代の最上位モデルOpusを上回る推論・コーディング性能を2倍の速度かつ中位モデルの価格で提供し、リアルタイムでコードやUIをプレビュー・編集できる新機能「Artifacts」も導入しています。Claude.aiやAPIで既に利用可能です。
Apple のソフトウェアエンジニアリング担当上級副社長クレイグ・フェデリギ氏が明かしたところによると、Apple Intelligence で生成・編集した画像にはメタデータが記録され、AI による変更が明記されるという。背景の不要物消去といった軽微な加工も対象となる。同社は実在の人物や場所をリアルに描く生成技術は目指さない方針だ。
Ai Buildはクラウド型3Dプリントソフトの新版「Aibuild 2.0」を発表した。OpenAIの大規模言語モデルを活用した対話型AIアシスタントを搭載し、「層の厚さ2ミリでスライス」といったテキスト指示からツールパスを自動生成できる。産業用造形の段取りを大幅に簡素化する狙いだ。
OpenAIの共同創業者兼元主任科学者のIlya Sutskever氏は新会社Safe Superintelligence Inc.(SSI)の設立を発表した。短期的な製品化サイクルや商業的圧力から隔離された環境で、安全で強力な超知能の実現という単一の目標に注力するという。
イーロン・マスク氏はxAIが構築中のスーパーコンピューター向けサーバーラックをDellとSuper Microが供給すると明かした。Dellが半数を組み立て、Nvidiaと連携して次世代「Grok」向けインフラを整備する。
マイクロソフトのAzure AIチームは、単一のテキストプロンプトで画像キャプション、物体検出、領域分割などを処理できる視覚基盤モデル「Florence-2」をHugging Faceで公開した。232Mと771Mという極めて小型のパラメータサイズながら、ゼロショット評価では数十倍から数百倍規模の大規模モデルを上回る精度を達成している。
報道によると、Appleは次期プレミアムVisionヘッドセットの開発を棚上げし、コードネーム「N109」と呼ばれる低価格モデルに注力している。2025年末の出荷を目指し、重さを3分の1以上削りつつ1500〜2500ドルの価格帯を狙うという。
MetaのFAIRチームは新たな5つのAI研究成果を公開した。画像と文章を同時処理できるChameleon、和音やビートで制御可能な音楽生成JASCO、検出速度を最大485倍に高めたAI音声透かしAudioSealなどが含まれる。
MicrosoftはSnapdragon Xシリーズを搭載した新型「Surface Laptop」と「Surface Pro」を発売した。価格は999ドルから。強力なNPUにより、ペイントのリアルタイム画像生成「Cocreator」やライブ字幕などのオンデバイスAI機能に対応する。
火曜日、NVIDIAの株価が3.6%上昇して時価総額が3兆3400億ドルに達し、Microsoftを抜いて世界で最も価値のある上場企業となった。データセンター向けAIチップ市場の約80%を握り、株価は今年だけで170%以上急騰。生成AIブームが米ハイテク大手の勢力図を塗り替えた。
BloombergはGoogleがDeepMindを研究組織から商用AI製品の量産拠点へと転換させる中で、社内摩擦が生じていると報じた。関係者によると、トップダウンの要請やGeminiの度重なる不具合が研究員に重いプレッシャーを与えているという。
AppleはHugging Face上で、端末内動作に特化した20種類のCore MLモデルと4つのデータセットを公開した。FastViTやDepthAnythingなどを含み、ネット接続なしで高速処理とユーザーのプライバシー保護を両立できる。
Perplexityは天気や現地時間、為替換算、簡単な計算結果をカード形式で直接表示する機能を導入した。CEOのAravind Srinivas氏によると基本検索の応答速度が向上しており、これらの結果には参照元リンクが付かない。日常的な確認のためにGoogleへ離脱するユーザーを引き留める狙いだ。
中国のDeepSeekは、MoE構成のコード特化型モデル「DeepSeek Coder V2」をオープンソースで公開した。338のプログラミング言語と128Kコンテキストに対応し、HumanEvalなどの主要ベンチマークでGPT-4 TurboやClaude 3 Opusを上回るスコアを記録。商用利用可能なMITライセンスで16Bと236B版が提供される。
Runwayは新世代の動画生成基盤モデル「Gen-3 Alpha」を発表した。Gen-2と比べて忠実度や一貫性、動きの滑らかさが大幅に向上。高密度な時間キャプションによる精密なキーフレーム制御や、表現力豊かなリアルな人物描写が可能になる。
TikTokはクリエイティブAI「Symphony」の新機能としてデジタルアバターとAI吹き替えを発表した。30言語以上に対応する事前登録アバターや独自カスタムアバターを提供し、動画を10言語以上に自動翻訳できる。撮影の手間をかけずに多言語広告を展開可能にする狙いだ。
先週、米CISAはマイクロソフト、OpenAI、エヌビディアらと共同で、重要AIシステムを標的とした初のサイバー攻撃机上演習を実施しました。約50名の専門家が未知の脅威シナリオや連絡体制を検証し、成果は年内公開予定のインシデント対応指針に反映されます。
AdobeはAcrobatにFirefly Image 3を統合し、PDF内での画像生成や背景削除などの直接編集に対応したと発表した。あわせてAcrobat AI Assistantを強化し、WordやPowerPointを含む複数文書の横断分析や会議録の要約が可能になった。6月18日から28日までAI機能を無料開放する。
Google DeepMindは映像から音声を自動生成する「V2A」技術の研究成果を発表した。拡散モデルを用いて映像のピクセルとテキスト指示を解析し、手動調整なしで劇伴や効果音、台詞を映像に合わせて生成できる。現在は唇の動きとの同期などに課題があり、一般公開に向けたテストが続けられている。
The Information報道によると、OpenAIのサム・アルトマンCEOは同社を競合のような営利目的の公益法人に改編することを検討している。非営利取締役会の統制を外すことで脆弱な統治構造を刷新し、最大1000億ドルの資金調達や将来的な新規株式公開(IPO)を目指す狙いだ。
米マクドナルドはIBMと提携して進めていたドライブスルー自動音声注文テストを終了し、2024年7月26日までに100店以上から撤去する方針を固めた。音声AI自体を諦めたわけではなく、年内に別のパートナーを選定して再検討する見通しだ。
OpenAIは元NSA長官のポール・ナカソネ氏を取締役会の安全・セキュリティ委員会に任命した。同社はAIスパコン保護などサイバー防御の強化を理由に挙げるが、エドワード・スノーデン氏は「全人類の権利に対する背信行為」と非難し、OpenAIを信じるなと警告している。
元Metaのエンジニアが設立したZeta Labsが自律型AIエージェント「Jace」を発表し、290万ドルの資金調達を実施した。ユーザーの指示を受けてクラウド上のブラウザを直接操作し、ホテル予約や採用業務などの複数ステップを自動で完結させる仕組みだ。
Meta は、アイルランドデータ保護委員会(DPC)からの要請を受け、欧州での Meta AI 導入計画を一時停止すると発表した。AI 学習への公開データ利用をめぐりプライバシー上の懸念が生じたためだ。Meta は現地のデータがなければ「二流の体験」しか提供できないと失望を表明している。
米Yahooは買収したArtifactの基盤技術を組み込んだ新しい「Yahoo News」アプリを公開した。AIによる関心別フィードや要約機能に加え、釣り見出しをAIが適切な表現に書き換える機能を搭載。iOSとAndroid向けに配信が始まっている。