GoogleがGPT-4o対抗のマルチモーダルAIを予告、カメラで周囲をリアルタイム認識
GoogleはGoogle I/O 2024の基調講演を前に、Android上で動作する未発表のマルチモーダルAIインターフェースの予告動画を公開した。カメラ越しに周囲の状況をリアルタイムで把握し質問に答える様子が示されており、発表されたばかりのGPT-4oに即座に対抗する姿勢を見せている。
GoogleはGoogle I/O 2024の基調講演を前に、Android上で動作する未発表のマルチモーダルAIインターフェースの予告動画を公開した。カメラ越しに周囲の状況をリアルタイムで把握し質問に答える様子が示されており、発表されたばかりのGPT-4oに即座に対抗する姿勢を見せている。
GoogleはTensor G3チップを搭載した「Pixel 8a」を発表した。価格は499ドルからで、Gemini、かこって検索、ベストテイクや音声消しゴムマジックといった上位モデル譲りのAI機能を備える。最新のモバイルAI体験を手頃な価格帯に広げる狙いだ。5月14日より発売される。
米メディアの報道によると、マイクロソフトはパラメータ数約5000億の大規模言語モデル「MAI-1」を社内開発中だという。3月に合流した元Inflectionのムスタファ・スレイマン氏が主導する。OpenAIへ100億ドル超を投じて以来初の本格的な独自モデル開発となり、OpenAI一本足打法からの脱却を狙う。
報道によると、OpenAIが「search.chatgpt.com」というドメインを登録し、5月9日に独自の検索機能を発表する可能性が浮上しました。従来のBing連携とは異なり、ChatGPTとリアルタイム検索を深く統合する見込みで、Googleが独占する検索市場への本格的な攻勢と見られています。
報道によると、アップルは年内に登場するiOS 18向けに生成AI機能を導入すべく、OpenAIとの交渉を再開した。自社製LLMをシステム機能に使う一方で、ChatGPTのような対話機能は外部委託を検討している。グーグルのGemini導入も並行して協議中で、最終決定には至っていない。
ブルームバーグの報道によると、アップルは年内のiOS 18で提供する画像生成や文章作成支援機能に向け、Googleの「Gemini」ライセンス導入を交渉している。オンデバイス機能は自社開発しつつ、高度な生成AI処理は外部提携で補う狙いとみられる。
Semaforの検証により、Adobeの画像生成AI「Firefly」がGoogle Geminiと同様に、第二次大戦の黒人ナチス兵士など史実に反する画像を生成する過度な多様性補正の不具合を抱えていることが明らかになった。著作権に配慮した画像のみで学習したAdobeでも同様の問題が発生したことは、偏見防止プロンプトの調整が業界全体の共通課題であることを示している。
Google は選挙を控えた国々を対象に、Gemini が選挙関連の質問に回答することを制限し始めたと明らかにした。米国やインドなどで適用が始まっており、政党や候補者について尋ねると従来の Google 検索を促す。生成 AI による誤情報や政治的トラブルを防ぐための予防的措置だ。
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。
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。
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。
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。
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。
Googleは対話型AI「Bard」の名称を「Gemini」に改称し、最上位モデルUltra 1.0を搭載したGemini Advancedの提供を開始した。高度な推論やコーディングに対応し、Google One AI Premium加入で利用できるほか、Android向け単体アプリも登場した。
流出した更新履歴によると、GoogleはAIチャット「Bard」を「Gemini」に改称し、最上位のGemini Ultraを搭載した有料版「Gemini Advanced」の投入を計画しています。高度なマルチモーダル処理やコード支援に対応し、専用スマートフォンアプリも準備されている模様です。
Google は Google 広告の会話型キャンペーン作成機能に Gemini を導入したと発表した。米英の英語広告主向けにベータ提供され、Web サイトの URL を入力するだけで関連キーワードや広告文をチャット形式で自動生成できる。公式データによると中小広告主の高品質評価率が 42% 向上したという。
サムスン電子はGoogleのAI技術を統合した新フラッグシップ「Galaxy S24」シリーズを発表した。端末上のGemini Nanoとクラウドモデルを組み合わせ、「かこって検索」や通話のリアルタイム翻訳、生成AI画像編集などを実現する。大手スマートフォンの標準機能として生成AIを本格導入する動きとなる。
YouTuberのGreg Technology氏がGPT-4Vを使い、編集による演出疑惑が持たれていたGoogle Geminiのプロモ動画を再現した。リアルタイムの動画入力で手ぶりやイラストを判別させ、動作するコードをGitHubに公開している。