中国の裁判所、AI生成画像による「ウルトラマン」著作権侵害を認定
報道によると、広州インターネット裁判所はAIサービスが生成した画像が「ウルトラマン」に酷似しているとして著作権侵害を認め、1万元の賠償を命じた。世界初の判断とみられ、生成AIの学習データと出力に関する法的責任の議論を加速させそうだ。
AIデイリー：今日のAIニュース
火
2月27日 火曜日
OpenAI、ニューヨーク・タイムズの著作権訴訟で一部棄却を申し立て
月曜日、OpenAIはニューヨーク・タイムズによる著作権侵害訴訟をめぐり、請求の一部棄却を連邦地裁に申し立てました。同社は、同紙が欺瞞的なプロンプトを使ってChatGPTに記事をそのまま出力させたと主張。「通常の利用法ではない」と反論しています。
Tumblr運営のAutomattic、OpenAIやMidjourneyへの学習データ提供で合意間近か
報道によると、TumblrやWordPress.comを運営するAutomatticが、投稿データをAI学習用としてOpenAIやMidjourneyに提供する契約を進めています。データ共有を拒否する設定を新設予定ですが、初期収集分に非公開投稿が誤って含まれていた疑惑も浮上しています。
Pikaが新機能「Lip Sync」を公開、ElevenLabs連携で口パクと音声を同期
動画生成AIのPikaが新機能「Lip Sync」を発表した。ElevenLabsの音声技術を採用し、テキスト入力や音声アップロードに合わせて動画内キャラクターの口元を自動で同期させる。現在はPika Pro有料会員や招待枠限定で提供されている。
GitHub Copilot Enterpriseが一般提供開始：組織固有のコードを理解、月額39ドル
GitHub は「GitHub Copilot Enterprise」の一般提供を開始しました。料金は1ユーザーあたり月額39ドルです。社内の非公開リポジトリや知見を学習・理解し、GitHub.com上でのチャットやPRサマリーの自動生成、Bing連携による最新技術検索を提供します。顧客の非公開コードはモデル学習に使用されません。
Superhumanが新機能「Instant Reply」提供：受信トレイに3件の下書きを事前生成
Superhumanは新機能「Instant Reply」を発表した。受信したすべてのメールに対して、本人の文体を学習した3通の完全な返信下書きを事前生成する。Gmailのような短い定型文ではなく長文に対応し、TabとEnterキーだけで即座に送信できる。
アリババが「EMO」発表：1枚の静止画と音声から表現力豊かな歌唱・対話動画を生成
アリババの研究チームは音声駆動型ポートレート動画生成フレームワーク「EMO」を発表した。1枚の人物画像と音声（会話や歌唱）を入力するだけで、豊かな表情と自然な頭部動作を伴う動画を任意の長さで生成できる。早口な歌詞や絵画の人物の動画化にも対応する。
月
2月26日 月曜日
Google DeepMindが世界モデル「Genie」発表：画像1枚から遊べるゲームを生成
月曜日、Google DeepMindは静止画1枚やスケッチからプレイ可能な2Dゲームを生成できる基盤世界モデル「Genie」を発表した。操作ラベルのない20万時間以上のゲーム動画から物理挙動と操作性を自律学習する。将来的なAIエージェントの訓練環境としても期待される。
Google、Geminiの人物画像生成を数週間以内に再開へ 歴史的誤描写修正へ
DeepMind創業者のデミス・ハサビス氏は、Geminiの人物画像生成機能を数週間以内に再開させたい意向を示しました。歴史上の人物の多様性描写が過剰で不自然だった問題を受け、多様性を目指す仕組みを一律に適用しすぎたと説明し、修正を進めています。
Microsoftが仏Mistral AIと提携、新旗艦「Mistral Large」をAzureで提供
Microsoftは仏Mistral AIとの長期提携を発表し、最新の旗艦LLM「Mistral Large」をAzure AIで先行提供開始した。Azureのスパコン基盤で開発を支援し、MaaS形式で企業に提供する。OpenAI以外の有力な選択肢をAzureエコシステムに取り込んだ形だ。
金
2月23日 金曜日
ElevenLabsとPerplexityが提携、AI音声ポッドキャスト「Discover Daily」配信開始
音声AIのElevenLabsはPerplexityとの提携を発表し、短尺デイリーポッドキャスト「Discover Daily」を公開した。Perplexityが収集・要約した最新の科学や技術ニュースをElevenLabsのAI音声で読み上げる仕組みで、主要ポッドキャストプラットフォームで配信中。
Windows標準「フォト」にAI消しゴム追加、Win 10にも提供へ
米MicrosoftはWindows標準の「フォト」アプリに生成AIで不要な写り込みを消去できる「Generative erase」を発表した。Googleやサムスン端末に似た機能で、Windows 11だけでなくWindows 10やArm64端末にもバックポートされる。現在はInsider向けに提供中。
木
2月22日 木曜日
AI作曲「Suno」、V3 Alphaを公開 最長2分の生成やインスト専用機能に対応
Sunoは有料プラン（Pro・Premier）向けに「V3 Alpha」の早期アクセスを開始した。最大2分の楽曲クリップ生成に対応し、音質と表現力の向上、インストゥルメンタル専用モード、過去曲の途中からの継続生成をサポートする。有料ユーザーにはテスト用に300クレジットが付与される。
OpenAIがGPT Storeを刷新：5段階の星評価と制作者プロフィール拡充
OpenAIはGPT Storeを更新し、1〜5の星評価と制作者への非公開フィードバック機能を追加した。制作者プロフィールにはSNSリンク、平均評価、会話数が表示されるようになった。一方、期待される収益分配の仕組みは依然として未発表のままだ。
米司法省が初の最高AI責任者を任命、プリンストン大教授が就任
米司法省はプリンストン大学教授のジョナサン・メイヤー氏を初代最高AI責任者兼最高科学技術顧問に任命した。急速に進化するAI技術に対応するため専門家チームを構築する。バイデン政権の大統領令に基づき、量刑や仮釈放、監視におけるAI活用の公平性基準の策定も主導する。
Google、Redditとの提携拡大を発表 投稿データをAI学習に活用へ
GoogleはRedditとのパートナーシップ拡大を発表した。GoogleはRedditのData APIへのアクセス権を取得し、リアルタイムの投稿データを検索表示やAIモデルのトレーニングに活用する。一方のRedditはGoogle CloudのVertex AIを導入し、自社プラットフォームの検索機能などを強化する。
Google Chromeに「Help me write」登場：GeminiがWeb上の文章作成を支援
GoogleはChrome M122にてGeminiを活用した実験的機能「Help me write」を提供開始した。MacおよびWindowsのWebページ上の入力欄で、前後の文脈を汲み取った文章の起草や推敲を支援する。現在は米国の英語環境向けに展開中。
JasperがStability AIからClipdropを買収、マルチモーダル展開を加速
Jasper は Stability AI 傘下の画像編集プラットフォーム Clipdrop の買収を発表した。パリの Clipdrop 開発陣は合流後も現地でマルチモーダル研究を主導する。企業は Jasper API 経由ですぐに利用でき、一般向け単体サービスも存続する。
Stability AIがStable Diffusion 3の早期プレビューを発表、文字生成や複数指示の精度が向上
Stability AIは画像生成モデル「Stable Diffusion 3」の早期プレビュー向けウェイトリストを公開した。800Mから8Bのパラメータ規模で展開され、Diffusion Transformerとフローマッチングを採用。苦手だった文字のスペル描写や複数被写体のプロンプト再現性を大幅に改善しており、一般公開前にフィードバックを募る。
音声AIのElevenLabs、2024年ディズニー・アクセラレーターに採択
2月22日、音声生成AIスタートアップのElevenLabsが「2024 Disney Accelerator」プログラムへの採択を発表した。同社はディズニーのクリエイティブなリソースを活用し、言語の壁を取り払う音声技術の展開を目指す。大手エンタメ産業での生成AI実用化が一段と加速しそうだ。
Geminiの画像生成が炎上：Googleが人物描写機能を一時停止し謝罪
GoogleはGeminiの人物画像生成機能を一時停止すると発表した。歴史上の人物生成などで多様性を過度に補正し、不正確な画像を生成したことが批判を浴びた。Googleは調整ミスを認め、大幅な改善とテストを経て再開するとしている。
水
2月21日 水曜日
テック業界の解雇ラッシュ、元凶はAIではなく「格好の言い訳」に過ぎない？
テック企業の相次ぐレイオフを巡りAIによる代替説が囁かれているが、オックスフォード大の研究者らはこれを否定。大規模な自動化置換の証拠は乏しく、実際は従来通りのコスト削減や、高騰するAI人材の獲得資金を捻出するための他部門削減であり、AIが便利な口実に使われていると指摘している。
Tinder親会社がOpenAIと企業契約、プレスリリースもChatGPTが執筆
Match GroupはOpenAIと企業契約を結び、1000以上のライセンスを導入すると発表した。コーディングや日常業務の支援に活用され、公式プレスリリース自体もChatGPTが代筆。2024年の2000万ドル超のAI投資計画の一環となる。
Adobe、動画・音声生成AIの新研究組織「CAVA」を50人規模で設立
報道によると、Adobeは約50人規模の新研究組織「CAVA」を発足させた。名称は音声・動画・アニメーションの共創を意味し、OpenAIのSora登場を受けて動画やマルチモーダル生成AIの研究開発を急ぐ狙いがあるとみられる。
Google DeepMindが「AI安全性・アライメント組織」を新設、AGIリスク対策も強化
Google DeepMindはGeminiの安全性向上とAGIリスク対策を担う新組織「AI Safety and Alignment」の設立を発表した。UCバークレー校のAnca Dragan教授が率い、誤情報の防止やバイアス抑制など足元の課題から超知能の制御までを研究する体制を整える。
Google OneにGemini統合：GmailやDocsで直接AIが使える新プラン
Googleは「Google One AI Premium」会員向けに、GmailやDocs、Sheetsなどで直接Geminiを利用できる機能を提供開始した。月額19.99ドルで、タブを切り替えずに文書作成や表計算の支援を受けられる。150カ国以上で英語向けに展開され、2カ月間の無料トライアルも用意されている。
Googleがオープンモデル「Gemma」公開：Gemini技術採用、商用利用も可能
GoogleはGeminiの技術を継承した軽量オープンモデル「Gemma」（2Bおよび7B）を発表した。ノートPC上で直接動作する軽快さを持ちながら同規模で最高水準の性能を誇り、企業規模を問わず商用利用が無償で認められている。
火
2月20日 火曜日
毎秒247トークンの衝撃 AIチップ企業Groqの「LPU」が話題に
AIチップ企業Groqが開発した「LPU」のデモがネット上で話題を集めた。第三者機関のテストでは毎秒247トークンを記録し、既存のクラウド環境より13倍以上高速とされる。遅延を大幅に抑えて自然なリアルタイム対話を実現する一方、GPUと比べた拡張性の検証はこれからだ。
ウィル・スミス本人が「AIスパゲッティ動画」をパロディ化、Sora登場で脚光
俳優のウィル・スミスがInstagramで、昨年ネットで拡散された「AI生成のスパゲッティを食べる自分」を自らパロディ化した動画を公開した。OpenAIの動画生成AI「Sora」発表と重なり、AI動画の進化を測る「チューリングテスト」として話題を呼んでいる。
元OpenAIのカルパシー氏、GPTトークナイザーの作り方を解説する2時間講義を公開
OpenAIを離れたアンドレイ・カルパシー氏が、GPTのトークナイザーを自作する2時間の詳細な解説動画を公開しました。文字列反転や計算ミスといったLLMの弱点の根本原因を紐解き、データを渡す際にJSONよりYAMLのほうがトークンを節約できる理由にも触れています。
マイクロソフト幹部、動画生成AI「Sora」のCopilot統合を認める
米マイクロソフトの広告・Webサービス担当CEOであるMikhail Parakhin氏がSNS上で、OpenAIの動画生成モデル「Sora」を将来的にCopilotへ統合する意向を示した。Soraはテキストから最大60秒の動画を生成できる。現在は技術面を整備中とみられ、具体的な提供時期はまだ明かされていない。
OpenAI「Sora」発表でAI暗号資産が急騰、17日間で102.1億ドル増加
報道によると、OpenAIによる動画生成AI「Sora」の発表を受け、AI関連の暗号資産市場は2月3日からの17日間で142.79%急伸し、102.1億ドルの資金が流入した。TAOが145.38%上昇するなど全面高となったが、実用的な革新につながるかは未知数だ。
X、画像生成AIの「Midjourney」と提携を検討か Grok連携の噂
報道によると、イーロン・マスク氏率いるXが画像生成AI大手Midjourneyとの提携を検討していることが明らかになった。実現すればX上でプロンプトから直接画像を生成・投稿できるようになる見込みだが、利用は有料プラン「X Premium」向けに限定される可能性が高い。
月
2月19日 月曜日
動画切り抜きAI「OpusClip 3.0」登場：処理速度300%向上、ジャンル別抽出に対応
OpusClipがバージョン3.0を公開した。Q&AやVlogなど動画ジャンルに応じた見どころ抽出が可能になり、最長15分の中尺クリップ生成に対応。処理速度は従来の3倍に高速化し、AI Bロール追加や字幕単独付与も利用できる。
ElevenLabsがAI効果音の提供を予告：テキストから効果音や環境音を生成
ElevenLabsは「AI Sound Effects」の近日提供を予告した。テキストプロンプトから独自の音響効果や環境音、サウンドスケープを直接生成できるようになり、音声や音楽に続く制作ツールを提供する。
土
2月17日 土曜日
AI チャットの嘘で敗訴、エア・カナダに返金命令
カナダの裁判所は、AI チャットボットが架空の払い戻し規定を案内したトラブルを巡り、エア・カナダに敗訴と返金を命じた。同社は「チャットボットは別個の法的存在」と責任逃れを主張したが、裁判所はサイト上の AI 出力も企業が責任を負うべきだと退けた。
Reddit、AI学習データ提供で未公開大手と6000万ドル規模の契約か
Bloombergによると、3月のIPOを控えるRedditが大手AI企業と6000万ドル規模のデータ提供契約を締結した。投稿やコメントが次世代モデルの学習に使われる見通しだが、Reddit側は未確認で、過去のAPI有料化に反発したユーザーとの再燃も懸念される。
ElevenLabsが選挙対策を強化：米英候補者の音声クローンを検知・阻止へ
ElevenLabs は 2024 年の世界的な選挙に向けた安全対策を発表した。米英の大統領や首相候補者の声を模倣することを防ぐ「no-go voices」機能を導入し、なりすましや政治的な自動架電への利用を禁止。同社製音声を判定する識別ツールも継続して提供する。
金
2月16日 金曜日
NBAが「NB-AI」を披露：試合映像を瞬時に「スパイダーマン風アニメ」に変換
NBAのアダム・シルバーコミッショナーが技術サミットで「NB-AI」をデモ公開した。音声指示で生中継の視聴体験をカスタマイズでき、試合をスパイダーマン風のアニメ調に再生成したり、選手が履いているバッシュをその場で特定して購入できる。現在はコンセプト段階の展示となる。
MetaやGoogleなど大手IT20社、選挙妨害を狙うAI偽情報対策で協定締結
Meta や Google、OpenAI を含む大手テック企業 20 社はミュンヘン安全保障会議で、選挙を混乱させる AI ディープフェイクに対抗する協定を結んだ。欺瞞的な生成コンテンツを検知してラベル表示する対策に注力するが、強制力のある削除規定などは含まれていない。
木
2月15日 木曜日
Apple、Xcode向けAIコード補完機能やSpotlightのAI化を開発中か＝米報道
米BloombergはAppleが開発ツール「Xcode」向けにGitHub Copilotのような生成AIによるコード補完機能をテストしており、年内にもサードパーティ開発者へ提供する計画だと報じた。Spotlight検索にも自然言語で操作できる対話型AIの導入を検討しており、年内のWWDCで詳細が明かされる可能性がある。
米連邦地裁、作家らによるOpenAIへの著作権侵害訴えの大半を却下
米連邦地裁はサラ・シルバーマン氏ら作家陣がOpenAIを訴えた裁判で、代位侵害やDMCA違反など大半の主張を却下した。ChatGPTの出力が原著作物と実質的に類似していると示せていないと判断された。直接侵害の訴えは残るものの、原告側には大きな後退となった。
GoogleがGemini 1.5発表：最大100万トークン対応、1.0 Ultra級の性能を軽量実現
Googleが次世代AIモデル「Gemini 1.5」を発表しました。第1弾のGemini 1.5 ProはMoEアーキテクチャを採用し、計算資源を抑えつつ最上位の1.0 Ultraと同等の性能を発揮します。最大100万トークンの長文・1時間の動画を一括処理可能で、開発者や企業向けに限定プレビューが開始されています。
Metaが「V-JEPA」発表、画素を生成せず動画を理解する新アーキテクチャ
Metaは非生成型の動画モデル「V-JEPA」を発表した。ピクセルそのものを予測するのではなく、抽象的な表現空間で欠損した動画情報を予測することで、訓練効率を1.5倍から6倍に改善した。基幹部分を固定したまま少量の追加学習で多様なタスクに対応できる。
水
2月14日 水曜日
アマゾンが音声合成モデル「BASE TTS」発表、パラメータ拡大で「創発的能力」を発現
Amazonの研究チームは最大9億8000万パラメータの音声合成モデル「BASE TTS」を発表した。10万時間の音声データを学習させると、LLMと同様に感情表現やささやき声、複雑な構文を自然に読み分ける「創発的能力」が現れたという。悪用リスクへの懸念からモデルの重み自体は非公開となっている。
Xがトレンド概要機能をテスト、Grokが話題の理由を要約解説
Xが「話題を検索」画面でGrok生成のトレンド要約を表示する機能をテスト中だと報じられた。なぜトレンド入りしたのかの背景を短文で素早く把握できるようにする狙いだが、現在はテスト段階であり正式実装されるかは未定。
OpenAIとマイクロソフト、国家主導の攻撃者5組織のアカウントを停止
OpenAIはマイクロソフトと連携し、サイバー攻撃に関与した国家主導の5つの脅威グループのアカウントを停止したと発表した。これら組織はAIを主に情報収集、翻訳、コードのデバッグ、フィッシング文章作成などの基礎作業に利用していた。同社は現状のモデルによる悪用支援は限定的だとしつつも、警戒を強化している。
OpenAI創業メンバーのカルパシー氏が退社、個人プロジェクトに専念へ
OpenAIの創業メンバーで著名なAI研究者のアンドレイ・カルパシー氏が同社を退社しました。テスラで自動運転開発を率いた後、2023年に復帰していた同氏は、今後は個人プロジェクトに注力すると述べています。OpenAIを代表する中心的な研究者の離脱として注目されています。
火
2月13日 火曜日
Mozillaが約60人を削減、FirefoxとAIへの注力に回帰へ
Mozillaは製品戦略を見直し約60人の人員削減を実施すると発表した。3D仮想空間「Hubs」の提供終了やVPN投資の縮小を進める一方、PocketやAI/MLチームをFirefox組織に統合。「信頼できるAI」のブラウザ実装にリソースを集中させる。
Google、AIで偽レビューを迅速検知 年間1.7億件超を阻止
Googleは虚偽のオンラインレビューを迅速に検出・削除する新しい機械学習アルゴリズムの導入を発表した。同一テキストの使い回しや急激な評価変動といった行動パターンを分析し、2023年は前年比45%増となる1億7000万件以上の違反レビューを阻止した。
AI企業がスーパーボウル広告に巨費を投じる理由：大衆向けイメージ刷新作戦
米国民の過半数がAIの台頭に不安を抱えるなか、MicrosoftやGoogleなどのテック大手がスーパーボウルに高額な広告を出稿しました。仕事を奪う脅威ではなく、視覚障害者の撮影支援や起業を後押しする身近な相棒としてAIを描き、一般大衆への浸透を図っています。
NVIDIA、ローカルで動く「Chat with RTX」を無料公開：PC内の文書や動画と対話
NVIDIAは、Windows PC上でローカルにカスタムチャットボットを動かせるデモ「Chat with RTX」を無料公開した。MistralやLlama 2といったオープンソースLLMに手元の文書やYouTube動画を読み込ませ、オフラインで素早く検索・対話できる。利用にはGeForce RTX 30 Series GPU以上と8GB以上のVRAMが必要だ。
サム・アルトマン氏が語るAIの真の脅威：「殺人ロボット」より恐ろしい社会のズレ
OpenAIのサム・アルトマンCEOは世界政府サミットで、自身が最も懸念しているのは殺人ロボットではなく、悪意なく大混乱を招く「微妙な社会的ズレ」だと語った。国際的な監視機関の設立を改めて呼びかけつつ、業界自身が規制の主導権を握るべきではないと指摘し、現在のAIはまだ「白黒携帯」の段階だと表現した。
月
2月12日 月曜日
米特許商標庁が見解：AI利用の発明は特許可能だが、発明者は「人間」限定
米国特許商標庁（USPTO）はガイダンスを公表し、特許の発明者として認められるのは「自然人（人間）」に限られ、AIシステム自体は共同発明者にもなれないと明記した。AIを活用した発明自体は拒絶されないが、特定のプロンプト設計や出力の加工など、人間が「重大な貢献」を果たしたことの証明が求められる。
男性の45%がバレンタインの手紙にAIを活用予定、マカフィー調査
McAfeeの調査によると、今年のバレンタインにAIでメッセージを書く予定の男性が45%に達した。一方で、受け取った側の57%が「AI製だと知ったら傷つく」と答えており、ロマンス詐欺の増加もあいまってAIへの警戒感は根強い。
ElevenLabsが声の収益化に対応：音声クローン共有で現金獲得
ElevenLabsは作成した音声クローンを「Voice Library」で共有し収益化できる仕組みを発表した。30分の音声をアップロードして作成したプロ仕様のクローンが有料ユーザーに使われると、現金報酬が得られる。本人確認や日次アナリティクス機能も提供される。
NVIDIAのフアンCEO、「主権AI」を提唱 各国独自のデータと計算基盤の保有を促す
NVIDIAのジェンスン・フアンCEOはドバイで開催された世界政府サミットで、すべての国が独自のデータや文化を反映した「主権AI」を保有すべきだと提唱した。同氏はAIインフラの構築を促すとともに、プログラミング言語が人間の自然言語に代わりつつあると語った。
Stability AI、新画像生成モデル「Stable Cascade」発表 3段階構造で効率化
Stability AIは新たなテキスト画像生成モデル「Stable Cascade」の研究プレビュー版を公開した。Würstchenベースの3段階構造を採用し、同規模のStable Diffusionと比べて学習コストを16分の1に削減。コードもGitHubで公開されたが、非商用ライセンスとなる。
OpenAI本社前で抗議デモ：AGI開発の即時停止と軍事協力の撤回を要求
Pause AIなどのグループがOpenAIのサンフランシスコ本社前でデモを行い、AGI開発の中止やエンジニアの辞職、米国防総省との提携撤回を求めた。利用規約から軍事利用の禁止条項が削除されたことを受けた抗議で、参加者は企業の自己規律だけに頼る危険性を訴え、外部からの規制を呼びかけている。
金
2月9日 金曜日
Windows 11のCopilotが進化へ テキストコピーでタスクバーのアイコンが動いて要約を提案
MicrosoftはWindows 11のCanaryビルドでCopilotの新たなUIテストを開始した。テキストや画像をコピーするとタスクバーのCopilotアイコンがアニメーションで反応し、ホバーするだけで要約や解説のアクションを提示する。さらにメモ帳への統合も予定されており、2024年後半の大型アップデート「24H2」に向けたAI PC機能の強化が進んでいる。
Disney、映像の感情に合わせて広告を配信するAIツール「Magic Words」をテスト中
報道によると、Disneyは動画内のシーンや感情を分析して最適な広告を配信するAIツール「Magic Words」のテストを開始しました。Disney+やHulu向けにグローバル広告企業6社と共同で検証を進めており、従来の属性ターゲティングから感情ベースの文脈広告への移行を狙います。
OpenAIのアルトマン氏、最大7兆ドルの半導体構想を模索か
米ウォール・ストリート・ジャーナルはOpenAIのサム・アルトマンCEOが世界の半導体サプライチェーン再編に向け、最大5兆〜7兆ドル規模の資金調達を協議していると報じた。AIチップの供給不足が自社の成長を阻んでいるとみており、NVIDIA依存からの脱却を狙う。ただし、巨額すぎる規模ゆえに実現性を疑問視する声も多い。
PerplexityがVercelと提携、開発者向けAI SDKでリアルタイム検索モデルを提供へ
PerplexityはVercelとの提携を発表し、開発者がVercel AI SDKを通じて同社のオンライン検索モデルを利用できるようにした。pplx-7b-onlineなどを組み込むことで、知識のカットオフに縛られないアプリ開発が可能になる。VercelはあわせてAIプレイグラウンドも公開した。
