Blockade Labs、Skybox AI Model 3を公開:8Kパノラマ生成でVision Proに対応
Blockade Labsは360度環境生成AI「Skybox AI」のModel 3アップデートをリリースした。画素数が前世代比で77%向上し8K出力に対応したことで、Apple Vision Pro向けコンテンツ制作に適している。手持ちの全天球画像を再生成できるリミックス機能も追加された。
Blockade Labsは360度環境生成AI「Skybox AI」のModel 3アップデートをリリースした。画素数が前世代比で77%向上し8K出力に対応したことで、Apple Vision Pro向けコンテンツ制作に適している。手持ちの全天球画像を再生成できるリミックス機能も追加された。
Metaは次世代オープンLLM「Llama 3」を公開した。8Bと70Bの2サイズでベースおよび指示調整モデルを提供し、15兆以上のトークンで学習されている。8B版は民生用GPUでも動作や微調整が可能。オープンソースAIの新たな基準となる一方、現時点のコンテキスト長は8kトークンにとどまる。
NVIDIAはMetaの最新LLM「Llama 3」に向けた推論最適化を発表した。H200 GPU単体で70Bモデルを実行した場合、毎秒約3000トークンを生成し、約300人の同時利用に対応可能。8BモデルはRTX PCやJetson Orinなどのエッジ端末にも対応する。
Metaは最新モデル「Llama 3」を搭載したMeta AIを発表し、単体サイト meta.ai を立ち上げた。FacebookやInstagram、WhatsAppの検索バーやフィードに統合され、文字入力中にリアルタイムで画像が変化する生成機能も導入。英語圏の十数カ国へ提供を拡大する。
米DARPAは木曜日、AIが操縦する試験機「X-62A」が2023年9月に人間のパイロットが操縦するF-16との空中戦テストに成功したと発表した。両機は時速1,200マイルで距離2,000フィートまで接近したが、安全用の人間の搭乗員が制御権を取り戻す必要は一度もなかったという。
Nothingはワイヤレスイヤホン「Nothing Ear」と「Nothing Ear (a)」を発表した。Nothing製スマホと組み合わせると、ステムをつまむだけでChatGPTを直接呼び出せる。新しい専用端末を作らず、いつものイヤホンにAIを落とし込んだ現実的な一手だ。
出版大手のHarperCollinsは音声AIのElevenLabsと提携し、非英語市場の旧作シリーズをAI音声でオーディオブック化すると発表した。従来は採算が合わず見送られていた作品を対象とし、Studioツールで短時間かつ低コストに制作する。新作や主力作では引き続き声優の朗読を採用し、AIは補完ツールとして活用する方針だ。
Intelは世界最大のニューロモルフィックコンピュータ「Hala Point」を発表した。1152個のLoihi 2チップに11億5000万個の人工ニューロンを詰め込み、電子レンジ並みのサイズに収めた。人脳のように記憶と演算を同時に行い、最適化計算では従来比100倍のエネルギー効率を実現するが、ソフトウェア面の課題も残る。
マイクロソフトは製造業向けのデータおよびAIソリューションを発表しました。Azure AI上の工場オペレーション用Copilotテンプレートにより、現場の作業員が自然言語で設備データを検索し、故障原因などを素早く特定できるようになります。現在はプライベートプレビューとして提供されています。
Amazon はレジなし決済技術の展開方針を発表した。小規模店舗向け「Just Walk Out」のサードパーティ導入を年内に 2 倍以上へ拡大する一方、大型スーパーではスマートカート「Dash Cart」を推進する。「遠隔地の人間が監視カメラを見て手動計算している」という疑惑も否定し、レシート生成はコンピュータビジョンで自動処理され、人間はデータのアノテーションのみ担当していると説明した。
Stability AI は開発者プラットフォームで「Stable Diffusion 3」および Turbo 版の API 提供を開始した。Fireworks AI と連携して安定したインフラを確保し、MMDiT アーキテクチャにより文字描画や指示追従性を大幅に高めた。近いうちに会員向けにモデル重みも公開予定だ。
Boston Dynamics は油圧式 Atlas の退役翌日、完全電動駆動の新型 Atlas を発表しました。配線が露出しないスリムな外形を備え、関節が 180 度回転するなど人間を超える可動域を実現しています。来年初めには親会社である現代自動車の工場で実証実験を開始する計画です。
Alphabetの秘密研究部門X傘下のBellwetherチームが、米州兵向けに災害支援AIツールを提供することが分かった。被災地の空撮画像を数秒で解析し、被害を受けた重要インフラを自動で地図上に特定する。6月の山火事シーズンに向けて実戦配備される予定だ。
LogitechはLogi Options+アプリ内にChatGPTを組み込んだ「Logi AI Prompt Builder」と、専用AIボタンを備えた49.99ドルのマウスを発表した。選択したテキストを取り込み、事前設定したプロンプトで要約や書き直しを素早く実行できる。
DeepMindのデミス・ハサビスCEOはTEDカンファレンスで、GoogleがAI分野に投じる資金は将来的に1000億ドルを超えると述べた。競合のマイクロソフトやOpenAIに対抗する構えで、処理能力の優位性を主張。資金は自社製Axionチップやデータセンター網に充てられる見通しだ。
Quoraは月曜日、AIプラットフォーム「Poe」で複数モデルと同一スレッド内で対話できる新機能を発表した。チャット欄で「@」を入力してGPT-4やClaude 3などを呼び出し、回答の比較や、検索ボットと執筆ボットを組み合わせた一連の作業が1つの画面で完結する。
Amazon MusicはAIでプレイリストを自動生成する新機能「Maestro」のベータテストを米国で開始した。文字や音声、絵文字を入力するだけで気分に合わせた曲を集めてくれる。Unlimited会員はフル再生と保存が可能だが、Prime会員や無料ユーザーは30秒の試聴に制限される。Spotifyに続く対抗策だ。
報道によると、Apple が iOS 18 で導入予定の初期 AI 機能はクラウドを介さず端末上で完結する見込みです。メッセージや Safari、Siri のテキスト生成がオフラインで動作しプライバシーを保護します。詳細は 6 月 10 日の WWDC で明かされます。
Adobeは動画編集ソフト「Premiere Pro」に年内追加予定の生成AI機能をプレビューした。映像内のオブジェクト追加・削除や、フレーム自動生成による尺の延長、テキストからの動画生成に対応する。OpenAIのSoraなどサードパーティ製モデルの統合も実験中だが、機能の本格導入は年内後半になる見通しだ。
Blackmagic Design は映像編集ソフト「DaVinci Resolve 19」のパブリックベータ版を公開した。文字起こしテキストによる動画編集、ニューラルエンジン活用の「IntelliTrack」トラッキング、ワンクリック AI ノイズ除去、音声分離 FX などを追加。通常版は無料で、Studio 版は 295 ドルで提供される。
スロベニアのPaintCamは、顔認識AIで不審者を識別し、警告を無視した侵入者にペイント弾や催涙ガスを発射する防犯カメラ「Eve」を発表した。受動的な監視から自律的な武力撃退へ踏み込んだ製品だが、誤認射撃時の法的責任や倫理面での懸念も大きい。
Hugging Faceは8Bパラメータのオープンマルチモーダルモデル「Idefics2」をApache 2.0ライセンスで公開しました。元解像度での画像処理に対応し、OCRや文書解析性能を大幅に向上させ、30B規模の競合モデルに匹敵する性能を示しています。
米人気レビュアーの MKBHD が Humane の「AI Pin」のレビュー動画を公開し、「今までレビューした中で最悪の製品」と酷評した。1 週間の使用で、音声応答の遅さや野外でのプロジェクターの見づらさ、数時間しか持たないバッテリーを指摘。将来の改善の約束だけで製品を買うべきではないと警告した。
OpenAIはアジア初となる拠点「OpenAI Japan」を東京に設立し、日本語に特化したGPT-4カスタムモデルの提供を開始した。翻訳や要約の処理速度が最大3倍に向上しコストも削減されており、まずは現地企業向けに先行提供し数カ月以内にAPIでも広く公開する。
MetaはInstagramの検索バーにMeta AIを統合するテストを実施中だと認めました。検索枠からの入力でAIとのDM対話が始まり、おすすめプロンプトから関連Reels動画の検索も可能です。長年不満の多かった検索機能の改善と、TikTokに対抗するコンテンツ発見力の強化を狙っています。
初のマルチモーダルモデル「Grok-1.5V」のプレビューが公開された。テキストに加え文書や図表、写真の認識に対応する。現実世界の空間理解を測る新ベンチマーク「RealWorldQA」では68.7%を記録し、主要モデルを上回った。早期テスターや既存ユーザー向けに近日提供される。
米国の俳優組合SAG-AFTRAは、ワーナーやソニーなどの大手レコード会社と暫定合意に達した。アーティストの音声をAIで複製した楽曲のリリースには本人の事前同意と報酬支払いが義務付けられ、「歌手」という定義は人間のみに限定された。
Freepik は AI 画像生成ツールの最新版を公開した。リアルタイム生成と無限スクロールに対応し、ワンクリックで高精細なバリエーションを連続して生成できる。無料ユーザーは 1 日 20 枚まで試すことができる。
Dysonは掃除機をかけた場所をスマホ画面上にARで色塗り表示する新機能「CleanTrace」を発表した。iPhone ProのLiDARスキャナを活用し、掃除のムラを防ぐ。6月に提供予定だが、対応機種はGen5detectに限られ、専用スマホクランプの別途購入が必要となる。
Google はより、iOS および Android の Google フォト利用者に向けて「Magic Editor」や「消しゴムマジック」などの編集機能を無料開放すると発表した。Pixel 以外の端末でも利用可能だが、無料保存は月 10 回までに制限される。
The VergeがHumaneのウェアラブル端末「AI Pin」の実機レビューを公開し、「到底及ばない」と酷評しました。699ドルの本体と月額24ドルを要するものの、頻繁なオーバーヒートや極端に短いバッテリー持ちに悩まされ、アラームやカレンダーの確認といった基本機能すら動作しません。ポストスマートフォンの理想には程遠く、現時点で購入する価値はないと結論づけています。
Adobeが生成AI動画モデルの学習に向け、クリエイターから日常動作などの動画素材を1分あたり平均約2.62ドル(最大7.25ドル)で買い集めていることが報じられた。OpenAIのSoraに対抗するためのデータ確保が狙いで、商用利用の安全性を担保する独自路線を貫いている。
HubSpotはクリエイターのMatt Wolfe氏らと提携し、新番組「The Next Wave」を開始した。毎週火曜日に40分以内でビジネス向けAI活用法を解説し、第1回にはPerplexityのCEOが登場。経営層向けの「外部CAIO」として実践的な知見を提供する。
元Google DeepMindの研究者らが設立したUdioは、AI音楽生成アプリを一般公開した。テキストでジャンルや歌詞を入力するだけで、40秒未満でボーカル付きの完成音源を生成可能。a16zなどが支援しており、楽曲の延長やリミックス機能も備える。
IntelはVision 2024で企業向けAIチップ「Gaudi 3」を発表した。TSMCの5nmプロセスと128GB HBM2eを搭載し、LLaMAなどのモデルでNvidia H100と比べ最大1.7倍高速、電力効率は2.3倍向上したと主張している。空冷版は第3四半期、液冷版は第4四半期に投入予定。
MetaのチーフAIサイエンティストであるヤン・ルカン氏は、大規模言語モデル(LLM)が人間レベルの知能に達することはないと述べた。推論や計画、物理世界の理解が欠けておりテキスト依存は行き止まりだと指摘、センサーや動画から学ぶ「世界モデル」への転換を提唱している。
Metaは独自開発の次世代AI推論アクセラレータ「MTIA」を発表した。TSMCの5nmプロセスを採用し、演算性能とメモリ帯域幅を前世代から倍増させ、主要モデルで3倍の性能向上を達成した。すでにデータセンターで稼働しており、市販GPUへの依存軽減と運用コスト削減を狙う。
仏Mistral AIはオープンソースの最新MoEモデル「Mixtral 8x22B」をX上でTorrentリンク形式で公開した。総パラメータ数は1760億で推論時のアクティブは440億、65kコンテキストをサポートする。Apache 2.0ライセンスで商用利用や微調整が可能だ。
米下院のアダム・シフ議員が「生成AI著作権開示法案」を提出した。新AIシステムの公開前30日までに、訓練データに含まれる著作物のリストを著作権登録官へ提出することを義務付け、違反時は罰金を科す。著作物の学習自体は禁止しないが、各社が秘匿してきたデータ内容の透明化を迫る。
OpenAIは大幅に改善された「GPT-4 Turbo」のAPI提供を開始し、ChatGPTへの展開も進めていると発表した。画像認識機能を持つ「GPT-4 Turbo with Vision」が一般提供となり、画像リクエストでもJSONモードや関数呼び出し(Function Calling)が使えるようになった。
Metaは次世代の大規模言語モデル「Llama 3」を来月中に初期リリースすると明かした。年内に異なる機能を持つ複数バージョンを展開し、自社製品群に順次組み込む方針だ。前世代より回答の幅を広げる見込みで、最大モデルは約1400億パラメータになると予想されている。
GoogleはHugging Faceと連携し、オープンアクセスなコード特化モデル「CodeGemma」を公開した。Gemmaをベースに5000億トークンを追加学習し、補完特化の2B、コードと自然言語を扱う7B、対話型の7B Instructを用意。2Bモデルは約6GBのメモリで動作し、端末内での高速補完に向く。
AppleはApple Vision Proのエンタープライズ活用を本格化すると発表しました。M2チップのNeural Engineによる機械学習を活用し、Microsoft 365 Copilotとの空間作業や、Nvidia Omniverseを介した3D設計・シミュレーションのリアルタイム連携を実現します。
Google Cloudは「Gemini for Google Cloud」を発表した。Duet AIはGemini Code Assistへと刷新され、Gemini 1.5 Proにより企業全体のコードベースを把握した支援が可能になった。さらにクラウド運用やセキュリティ、BigQueryにもAIアシスタントを展開する。
デジタルTCG『Champions of Otherworldly Magic』の開発元は、カードイラスト制作を担うAIクリエイターに計9万ドルを支払ったと明かした。月10時間の作業で月額1万5000ドルを受け取り、半年で1000枚以上を生成・加筆修正したという。従来の絵師チームより圧倒的に速く低コストだと主張している。
Stability AIは7言語に対応した「Stable LM 2 12B」のベース版および指示チューニング版を公開した。2兆トークンで学習され、関数呼び出しやRAGシステムへの組み込みに適している。あわせて1.6B版もアップデートされた。非商用利用は無料で、商用には会員登録が必要となる。
米Microsoftはロンドンに新たな研究拠点「Microsoft AI London」を開設すると発表した。元DeepMindのJordan Hoffmann氏が率い、最先端の大規模言語モデルや基盤ツールの開発を進める。OpenAIとも連携し、英国内でのAI人材獲得と投資を加速させる方針だ。
Spotify はプロンプトを入力して独自のプレイリストを自動生成する「AI Playlist」のベータ版を発表した。気分や活動、ジャンルなどを指示でき、チャットで選曲の調整も可能。まずはイギリスとオーストラリアの Premium 会員向けにモバイルアプリで展開される。
飲食チェーンや食料品店が食品ロス削減に向け、廃棄物をAIで分析する取り組みを広げている。Winnowはゴミ箱の上にカメラを設置して捨てられた食品の種類と量を特定し、仕入れや提供量の見直しを支援。導入店舗では食材の調達コストを最大8%削減できているという。
カナダのトルドー首相は2024年度予算案において24億カナダドル規模のAI支援パッケージを発表した。国内の計算インフラ整備に20億ドルを投じるほか、AI安全研究所の設立に5000万ドルを配分する。自国の人材やスタートアップの流出を防ぎ、主権的な計算能力を確保する狙いだ。
ニューヨーク・タイムズ報道によると、OpenAIはデータ枯渇に対処するため、Whisperで100万時間以上のYouTube動画を文字起こししてGPT-4の学習に利用した。法的懸念を認識しつつフェアユースと判断したとされ、GoogleやMetaも同様の苦境にある。
イーロン・マスク氏はテスラが長年予告してきた自動運転タクシー「Robotaxi」を8月8日に発表するとXで表明した。同車は次世代プラットフォームを採用する見込みで、同社は低価格EV計画を取りやめ、完全自動運転に注力すると報じられている。
Bloombergの報道によると、アップルは2月の電気自動車開発中止後、室内を移動する個人用ロボットやロボットアーム付き卓上ディスプレイの先行研究を進めている。プロジェクトは初期段階で社内でも意見が分かれているが、AIを家庭空間へ浸透させる新領域として浮上している。
Cisco、Google、Microsoft、IBMなどが主導し、AIが雇用に与える影響の調査とスキル支援を行うコンソーシアムを発足させた。まず56のICT職種への影響を評価し、今夏にも提言をまとめる予定だ。ただ、テック業界での人員削減が続くなか、研修が再雇用の受け皿になるかには疑問視する声もある。
OpenAIはファインチューニングAPIの機能強化を発表した。エポックごとのチェックポイント自動生成やモデルを並べて比較できるPlayground、外部ツール連携を追加。あわせて企業の専門ニーズに合わせた「支援付きファインチューニング」も正式提供する。
定額制素材サイトのStoryblocksがAIを活用した検索機能の刷新を発表しました。自社開発のBERTモデルやOpenAIのLLMを導入し、4時間ごとに新着素材を評価。AIによるサムネイル選定も行われ、初期テストではダウンロード率が最大60%向上しました。
UberとWaymoは、米フェニックス都市圏でWaymoの自動運転車を活用したUber Eatsのフードデリバリーを開始した。対象エリア内の注文では自動運転車が配車される場合があり、利用者はスマホでトランクを解錠して料理を受け取る仕組み。従来の配達員による配送を選ぶこともできる。