画像をクリック&ドラッグで自在に変形・再生成する新AI技術「DragGAN」が登場
ドラッグ操作だけで画像内の物体を自在に変形できるAIモデル「DragGAN」の研究が公開された。従来のピクセルを歪ませる変形ツールとは異なり、AIが物体自体を再生成するため、顔の向きの3D回転や隠れた歯の描画まで自然に行える。直感的な画像編集を実現する技術として注目されているが、現在は論文とデモ段階にとどまる。
ドラッグ操作だけで画像内の物体を自在に変形できるAIモデル「DragGAN」の研究が公開された。従来のピクセルを歪ませる変形ツールとは異なり、AIが物体自体を再生成するため、顔の向きの3D回転や隠れた歯の描画まで自然に行える。直感的な画像編集を実現する技術として注目されているが、現在は論文とデモ段階にとどまる。
米Appleが社内でのChatGPTやGitHub Copilotなどの生成AI利用を制限したことが報じられた。入力された機密コードや内部情報がモデルの学習に使われたり流出したりすることを警戒した措置。履歴を無効化してもデータが30日間保持される仕様などが背景にある。
MetaはGitHub Copilotに対抗する社内専用コード生成AI「CodeCompose」を発表した。最大67億パラメータのモデルを自社リポジトリで微調整し、VS Code上で単行や複数行の補完を行う。社内数千人が利用し受諾率は20%超だが、一般公開の予定はまだない。
Metaは木曜日、深層学習の推薦システムに特化した初の独自AIチップ「MTIA」を発表した。PyTorchと緊密に連携する設計で、1ワットあたりの処理効率はGPUの最大3倍に達する。複雑なネットワークではGPUに及ばないものの、独自ハードウェアの拡充に向けた大きな一手となる。
OpenAIはChatGPTの公式iOSアプリをリリースした。利用は無料で、端末間での会話履歴同期に対応するほか、Whisperの統合により音声入力も利用できる。まずは米国向けに配信が開始され、今後数週間で提供地域を拡大する予定で、Android版も近日中に登場する。
英通信大手BTは2030年までに最大5万5000人の人員を削減する方針を発表した。現在の従業員13万人の4割超に相当し、主にカスタマーサービス部門で最大5分の1がAIなどの新技術に置き換わる。光ファイバー網整備の一巡に加え、生成AIの活用で業務効率化を進める。
米CNBCによると、Googleは最新LLM「PaLM 2」を広告システムやYouTubeのクリエイター支援に導入する計画を進めている。広告主向けの素材自動生成や、動画の企画・タイトル提案を担う。広告収益の伸び悩みを背景に、生成AIを主力事業の収益改善につなげる狙いだ。
GoogleはColabにAIプログラミング機能を追加すると発表した。Codeyモデルを活用し、自然言語からのコード生成や自動補完、内蔵チャットボットによる質問対応を提供する。まずは米国の有料会員から順次提供し、今後は無料ユーザーや他地域へも拡大する。
Stability AIは画像生成AIツール「DreamStudio」のコードをオープンソース化し、新プロジェクト「StableStudio」として公開した。コミュニティ主導でWebGPUによるローカル推論やプラグイン対応を進める計画だ。従来のDreamStudioもホスト版として継続提供される。
報道によると、米テキサス A&M 大学コマース校の教授が生徒の最終レポートを ChatGPT に入力し、AI が自作したと答えたため過半数に 0 点をつけた。ChatGPT には AI 文書の検出能力はなく、大学側は調査を開始し、実際に不合格になった生徒はいないと発表した。
OpenAIがブランド保護代行会社を通じ、ドメイン名に「GPT」を含む開発者に対して是正を求める警告状を送付していることが分かった。未公開の空白ページであっても対象となり、製品名やドメインにモデル名を入れることは禁じられ、説明文に「Powered by」と記載することのみ認められる。
OpenAIのサム・アルトマンCEOが米上院司法委員会の公聴会でAIの規制強化を訴えた。一定水準以上の高度なモデルに対する免許制や事前安全テストの義務化を提言し、業界自らルール形成を主導する姿勢を示している。
マイクロソフトのサティア・ナデラCEOは、イーロン・マスク氏による「マイクロソフトがOpenAIを実質的に支配している」との主張に反論しました。自社が持つのは非支配持分と商業提携のみであり、OpenAIは非営利取締役会によって運営されていると強調しています。
イーロン・マスク氏はCNBCのインタビューで、自らが「OpenAIが存在する理由」だと主張した。社名を命名し主要エンジニアを勧誘、約5000万ドルを出資したと語った。また同社が安全性を軽視しマイクロソフトの支配下にあると批判したが、マイクロソフト側はこれを強く否定している。
OpenAIのサム・アルトマンCEOが米上院公聴会で初証言し、先端AIに対する新たな規制枠組みやライセンス制の導入を求めた。議員側もSNS黎明期の規制不備を繰り返さない構えを示し、これまでのテック企業とは一線を画す同氏の前向きな姿勢を評価した。
Zoomは火曜日、Anthropicとの提携および同社への出資を発表しました。同社のAIアシスタント「Claude」をZoomの各機能へ統合する計画で、まずは顧客対応向けのContact Centerに導入されます。すでに連携しているOpenAIに加え、複数モデルを活用してSlackなどの競合に対抗する狙いです。
AppleはiPhoneやMac向けの新アクセシビリティ機能を予告した。目玉となる「パーソナルボイス」は、ALSなどで発話能力を失う恐れのある人向けに、15分のテキスト読み上げから本人の声をデバイス上で生成・再現する。年内に順次提供される予定。
米 The Information の報道によると、OpenAI が新たなオープンソース言語モデルの一般公開を準備しているという。ただし、同社の主力である GPT シリーズと競合する性能にはならない見込みとされている。
GoogleはAI生成画像の拡散防止に向けた新機能を発表した。「About this image」により、画像の初回インデックス時期や初出サイト、他の掲載先を確認できるようになる。さらにAI生成画像へのメタデータ付与も進め、MidjourneyやShutterstockも賛同している。
OpenAIは金曜日、ChatGPT Plus加入者向けにWebブラウジング機能と70種類以上のサードパーティ製プラグインを順次提供すると発表した。アルファ版からベータ版へ移行し、旅行やPDF解析などのツールを1会話につき最大3つまで同時に利用できる。
米メディアの報道によると、Amazon は家庭用ロボット「Astro」に大規模言語モデルを導入する極秘プロジェクト「Burnham」を進めている。ロボットが見た状況を記憶・理解して対話し、コンロの消し忘れや転倒検知などを自律判断することを目指す。ただし実用化にはまだ時間がかかる見込みだ。
Stability AIは開発者向けに「Stable Animation SDK」をリリースした。Stable Diffusionモデルを活用し、テキストプロンプト、参照画像、元動画の3つの方法でアニメーションを生成できる。開発者は提供されるエンドポイントを通じて、自社アプリや制作ワークフローに動画生成機能を組み込める。
AnthropicはClaudeのコンテキストウィンドウを従来の9Kから100Kトークン(約7万5000語)に拡張した。数百ページの書類や決算書を一括で読み込ませて数分で要約や質疑応答が可能になり、API経由で利用できる。
Metaは広告自動化ツール「Meta Advantage」の新機能を発表した。Ads Managerの「複製」から手動キャンペーンをワンクリックでAdvantage+ショッピングキャンペーンに移行可能になったほか、カタログ広告での動画クリエイティブ配信や、ターゲット設定をAIの提案として扱う「Advantage+ audience」のテストも開始した。
Googleはタイトーと共同でARゲーム『SPACE INVADERS: World Defense』を発表した。ARCoreやGeospatial Creatorを活用し、周囲の街並みやランドマーク、天候に合わせた3Dの迎撃戦が楽しめる。
Googleは年次カンファレンス「I/O」にて、Android開発者向けの対話型AI「Studio Bot」を発表した。PaLM 2派生のCodeyモデルを基盤とし、KotlinやJavaのコード生成やデバッグをツールバーから直接行える。現在は米国のCanaryチャンネル限定で提供されている。
GoogleはI/O大会にて、今秋Androidに生成AI壁紙を導入すると発表した。提案されたプロンプトを選ぶだけで独自の画像を生成でき、システム配色も自動で連動する。来月にはPixel向けに3Dシネマティック壁紙なども先行提供される。
Googleは対話型AI「Bard」のウェイティングリストを廃止し、180以上の国と地域に開放した。最新モデル「PaLM 2」を採用して日本語と韓国語に対応したほか、ダークテーマやGmail・Docsへの出力機能を追加。近くGoogleレンズによる画像入力やAdobe Firefly連携も提供される。
Googleは開発者会議「I/O」で次世代大規模言語モデル「PaLM 2」を発表した。強化版Bardの頭脳となるほか、開発者向けAPIも即日開放。パラメータ数の規模競争から距離を置き、推論や数学、100以上の多言語処理を強化したほか、コード特化のCodeyやスマホ上で毎秒20トークン処理できる小型版も展開する。
GoogleはGoogle I/Oにて、ChromeブラウザにWebGPUを統合すると発表した。これによりWebアプリが端末のGPUを活用し、直接AIを実行できるようになる。会場ではStable Diffusionによる画像生成も実演され、クラウドを介さない低遅延かつ安全なデータ処理が期待されている。
米Airtableはノーコードで業務フローに生成AIを組み込める「Airtable AI」を発表し、早期アクセスの受付を開始した。コーディング不要の新たな「AIフィールド」や事前構築テンプレートを備え、採用やマーケティングなどの作業を支援する。有料オプションとして約3カ月後に正式提供予定。
米ファストフード大手のウェンディーズはGoogleの大規模言語モデルを活用した自動注文システム「Wendy's FreshAI」を発表した。専門用語を学習させ、6月にオハイオ州コロンバスの店舗で試験運用を開始する。
Spotifyが、生成AIスタートアップ「Boomy」で作られた数万曲をプラットフォームから削除した。ユニバーサルミュージックがbotによるストリーミング再生の水増しと印税搾取を警告したためで、削除数は同システム生成曲の約7%に及ぶ。Spotifyも不正行為への対処と印税支払いの保留を認めた。
Metaはテキスト、音声、画像・動画、赤外線熱画像、深度、IMUセンサーの動作データという6種類のデータを1つの埋め込み空間に統合する研究モデル「ImageBind」をオープンソース公開した。多角的な感覚データを横断処理できるのが特徴だが、現時点では研究段階であり実製品への即時適用はない。
米スタートアップHumaneがTEDカンファレンスで披露したウェアラブルAIデバイスの全編映像が公開された。胸元に装着する小型端末で、スマホ不要で動作し、手のひらに着信画面を投影したり、本人の声を模倣してリアルタイム翻訳を行ったりできる。脱スマホを目指す意欲作だが、実用性にはまだ多くの疑問が残る。
IBMは年次イベント「Think」で、企業向けAI・データ基盤「Watsonx」を発表した。モデル開発用「Watsonx.ai」、データ保管用「Watsonx.data」、統制用「Watsonx.governance」で構成され、Hugging Faceとも連携する。データのプライバシーや透明性を重視する企業へ向け、内製化支援で競合に対抗する狙いだ。
Googleは人工内耳大手のCochlearや医療研究機関と共同で、AIを活用した個別最適化補聴技術の開発を進めている。騒がしい環境でも特定の音源を識別・分離し、レストランなどでの会話を聞き取りやすくする狙いだ。
米CNBCが入手した内部文書によると、Googleは今週開催の開発者会議「Google I/O」で次世代の大規模言語モデル「PaLM 2」を発表する予定です。100以上の言語に対応しコーディングや数学能力が強化されているほか、Bardや検索、Workspaceへの生成AI機能の統合も披露されます。
「AIの父」と呼ばれるジェフリー・ヒントン氏が月曜日のインタビューで、急速に進化するAIの脅威は気候変動よりも緊急性が高い可能性があると警告した。同氏は、炭素排出を止めれば改善する気候変動と異なり、AIリスクには明確な対処法がないと指摘。開発停止論は現実的ではないとしつつも、早急な対策リソースの投入を求めた。
バークシャー・ハサウェイ年次株主総会で、ウォーレン・バフェット氏がAIの急速な進化を第二次世界大戦時の原子爆弾の開発に例えた。ビル・ゲイツ氏からChatGPTの解説を受けた同氏は、一度解き放たれた技術は元に戻せないと強い危機感を示した。
今週、アーティストのGrimesがAI音声ソフトウェア「Elf.Tech」を公開した。音声をアップロードすると彼女特有の歌声に変換でき、楽曲制作に利用できる。原盤印税を50%シェアすれば商用配信も可能だ。権利侵害を阻止するのではなく、自身の声をオープンソース化して収益を分け合う試みとして注目される。
報道によると、Amazon Music はポッドキャストに AI が自動生成するハイライトとチャプター機能をまもなく導入する。買収した音声 AI 企業 Snackable AI の技術を活用し、全編を聴かずに目的の話題へ直接スキップできるようにする。
米WSJなどの報道によると、Googleは社内プロジェクト「Project Magi」を進め、検索結果にAI対話やソーシャル動画を取り入れる計画だ。ChatGPTやTikTokの台頭に対抗し、明確な正解がない日常の調べ物に焦点を当てる。まず米国で100万人のユーザー向けにテストを開始する予定だ。
Bloombergの報道によると、MicrosoftはAMD製GPUのAI処理性能を引き上げるため、エンジニアリングリソースを提供して提携を進めているという。生成AI市場を牛耳るNvidiaに対抗し、巨額のサーバー費用を抑制する狙いがある。なお、Microsoftは自社AIチップ「Athena」へのAMD関与を否定した。
OpenAIは3Dアセット生成モデル「Shap-E」のモデル重みと推論コードをGitHubでオープンソース公開しました。テキストプロンプトからテクスチャ付きメッシュやNeRFを数秒で直接生成可能で、従来のPoint-Eより高品質ですが、複雑な属性の表現には課題が残ります。