元DeepMind研究者らがAI音楽生成「Udio」を一般公開 40秒でボーカル入り楽曲を制作
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。
Google DeepMind
新しいニュースを見る
Google DeepMind、自然言語の指示で3Dゲームを操作する汎用AI「SIMA」を発表
Google DeepMindは3D仮想環境向け汎用AIエージェント「SIMA」を発表した。『No Man's Sky』など9つの商業ゲームで訓練され、専用APIを使わず画面映像と自然言語指示のみでキーボード・マウスを操作し、600の基本スキルを実行できる。ハイスコア目的ではなく指示通りに行動する汎用性の検証が目的だ。
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 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。
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。
OpenAI、AI生成物に「消えない」電子透かしを導入 検証ツールも公開
OpenAIは画像・音声・テキスト向けの詳細な来歴識別システムを発表した。C2PAメタデータに加え、SynthIDや独自のtextGrain透かしを埋め込み、編集による情報削除に対抗する。専用サイト「openai.com/verify」で生成元を照会できる点も大きな特徴だ。
Google DeepMind、数学五輪レベルの難問を解く「AlphaGeometry」を発表
Google DeepMindは難解な幾何学問題を解くAI「AlphaGeometry」を発表した。言語モデルと記号論理エンジンを融合し、国際数学オリンピック級の幾何問題30問中25問を制限時間内に解いた。1978年の従来記録10問を大幅に上回る成果で、大学レベルの抽象数学には届かないものの、論理推論の大きな前進を示した。
AIの画像認識を騙す「敵対的画像」、人間の視覚判断にも影響することが判明
Google DeepMindはNature Communications誌で、コンピュータビジョンを誤認識させる敵対的画像が人間の知覚にも影響を与えるという研究結果を発表した。肉眼では見分けがつかない微細なノイズであっても、被験者はAIが誤認した対象を無意識に選びやすくなることが判明した。
Google、Geminiの目玉デモに誇張疑惑 リアルタイム対話ではなく静止画編集と判明
海外報道によると、Googleが公開したGeminiの操作デモ動画はリアルタイム対話ではなく、静止画とテキストプロンプトを組み合わせた演出だったことが判明した。遅延の短縮に加えプロンプトによる誘導も行われており、技術の信頼性に疑念が生じている。
Google DeepMindのAI「GNoME」、38万種の新材料を予測
Google DeepMindは付のNature誌で、新材料探索AI「GNoME」を発表した。理論上安定な結晶構造を約38万種予測し、人類の既知データを一気に約10倍へ拡大。自律型ロボットラボにより41種の合成にも成功したが、モデル自体の一般公開は見送られている。
Google、音楽生成AI「Lyria」発表：公認アーティストの声で30秒楽曲を生成
Google DeepMindとYouTubeは音楽生成モデル「Lyria」を発表した。実験プロジェクト「Dream Track」では、参加アーティスト公認のボーカルやスタイルを使った30秒のShorts用音源を生成可能。不可聴の電子透かし「SynthID」も埋め込まれ、現在は一部のクリエイター向けに限定公開されている。
Google DeepMind、1分未満で10日先を予測する気象AI「GraphCast」を発表
Google DeepMindは10日間の全球気象予測を1分未満で計算するAIモデル「GraphCast」を発表し、Science誌に論文を掲載した。業界標準のHRESを90%以上のテスト項目で上回り、台風などの異常気象も早期に捉える。コードはオープンソースとして公開された。
Google DeepMind、次世代「AlphaFold」公開 DNAや創薬リガンドも予測可能に
Google DeepMindとIsomorphic Labsは次世代AlphaFoldの進捗を発表した。タンパク質にとどまらず、DNAやRNA、低分子リガンドの構造を原子レベルの精度で予測できる。従来のドッキング手法を上回り、新薬設計の加速が期待される。
英首相が世界初のAI安全研究所設立を発表、公開前検証と国際連携を提唱
Thursday、英国のスナク首相は世界初となる「AI安全研究所」の設立を発表した。モデル公開前に偏見や極端なリスクを検証する方針で、気候変動に関する国際枠組みを参考にした世界的な専門家パネルの設置や中国の関与も求めている。
Google DeepMindが33研究機関と連携、汎用ロボット向け「Open X-Embodiment」公開
Google DeepMindは33の研究機関と共同で22種のロボットデータを集約した「Open X-Embodiment」とRT-Xモデルを発表しました。異なる形態のデータを横断学習させることでタスク成功率が平均50％向上し、RT-2-Xでは未学習スキルの成功率が3倍に達したとしており、データとモデルを研究者向けに無償公開しています。
DeepMindがAlphaMissense発表：7100万件の遺伝子変異の疾患リスクをAI予測
Google DeepMindはDNAの塩基配列の変化が病気の原因になるかを予測する新AI「AlphaMissense」を発表した。AlphaFoldを基に微調整され、7100万件の変異予測データを公開して希少疾患の診断支援を目指す。一方、バイオセキュリティ上の懸念からモデルの重みは非公開としている。
Googleが「SynthID」ベータ版公開：AI生成画像に不可視の透かしを埋め込み
Google DeepMindとGoogle Cloudは、AI画像生成ツール「Imagen」向けの電子透かしツール「SynthID」のベータ版を発表した。画質を損なわずにピクセル単位で不可視の透かしを埋め込み、加工後も検出できる。現在はVertex AIの一部顧客向けに提供されている。
DeepMindが新チェスAI「AZdb」を発表：AlphaZeroを上回る難問解決力
Google DeepMindの研究チームは複数のAlphaZeroを組み合わせた「AZdb」を発表した。異なる指し手を学習したエージェントを結集させることで、難解なチェスパズルの正解数が単体AlphaZeroの2倍に達し、対戦レーティングも50向上した。
米議会が検討するAI規制の全貌：ライセンス制から計算力監視まで
Voxが米政策当局によるAI規制案の解説記事を公開した。規制、専門機関、資金、人材の4軸から、事前監査や新薬承認に似た許認可制度、半導体の計算力監視まで幅広く検討されている。最先端モデル開発への法的な網かけが本格化し始めている。