DeepMind（企業）に関するニュース一覧

Googleは2025年11月6日、ブラジルの森林再生企業Mombakとの二酸化炭素（CO2）除去契約を拡大し、新たに20万トンの除去権を購入すると発表しました。これは前回契約の4倍の規模です。同社はアマゾンの劣化した土地に在来種を植林するMombakの取り組みを支援し、DeepMindのAIを活用して生物多様性の回復効果を定量化することで、気候変動対策と生態系保全の両立を目指します。

Mombakは、科学的な厳密さと工業規模のオペレーションを両立させ、気候への貢献と生態系の回復を最大化するアプローチで知られています。今回のGoogleによる支援拡大は、Mombakの事業インパクトをさらに成長させる大きな後押しとなります。企業の環境投資が、単なるCO2削減から生態系へのプラス効果へとシフトしていることを示す事例と言えるでしょう。

この取り組みの鍵を握るのが、Google DeepMindが開発したAI「Perch」です。生物音響学の最新知見を応用したこのAIは、森林に生息する鳥の鳴き声などを分析し、その地域の生物多様性がどれだけ回復したかを科学的に測定します。AI技術が環境保全の成果を「見える化」し、投資の透明性と効果を客観的なデータで示す役割を担います。

Mombakのプロジェクトは、信頼性も高く評価されています。企業連合「Symbiosis Coalition」によって選ばれた最初の案件であり、独立した専門家からもCO2除去量の測定手法が信頼できるとのお墨付きを得ています。Googleは今後、このプロジェクトのインパクトを透明性をもって報告し、効果に応じてクレジットを更新していく方針です。

Googleが市民参加型のAIプロジェクト「Forest Listeners」を開始しました。これは、ブラジルの熱帯雨林の生態系を保護するため、一般の人々が動物の鳴き声を聞き分け、AIモデルを訓練する取り組みです。Google Arts & CultureとDeepMindが開発し、専門機関と協力。クラウドソーシングで収集したデータにより、生物多様性のモニタリングをこれまでにない規模で実現することを目指します。

参加者はウェブサイト上の仮想3D森林で、録音された音を聞きます。そして、特定の動物の鳴き声が聞こえるかどうかを「はい」か「いいえ」で回答するだけです。この簡単な操作を通じて、誰もが専門的な知識なしに、最先端のAI研究と環境保全に直接貢献できる仕組みとなっています。

なぜ「音」なのでしょうか。森林に生息する動物の鳴き声の多様性やパターンは、その生態系の健全性を示す重要な指標です。しかし、何千時間にも及ぶ録音データを人力で分析するのは困難で、特に多くの重要種ではAIの訓練データが不足しているという課題がありました。

市民からの回答は、Google DeepMindのAIモデル「Perch」をファインチューニングするために活用されます。120万件以上の音声録音を基に、検証済み音声の巨大なライブラリを構築。これにより、AIが自動で種を認識する精度が向上し、科学者による生態系保護活動を大規模に支援します。

このプロジェクトは、単なるデータ収集に留まりません。参加者が熱帯雨林の生命力あふれる音に触れ、自然保護への関心を深める機会を提供します。テクノロジーと市民の協力を融合させ、地球の貴重な生態系を守るための新しいモデルケースとなることが期待されます。

Google DeepMindが開発したAI気象モデルが、2025年の大西洋ハリケーンシーズンで驚異的な予測精度を達成しました。マイアミ大学の研究者による暫定的なデータ分析によると、このAIモデルは米国の主要な従来型モデルを大きく上回り、人間の専門家による公式予報さえ凌駕する結果を示しました。AIが複雑な気象予測の分野に革命をもたらす可能性を示唆しています。

マイアミ大学のブライアン・マクノルディ上級研究員が公表したデータは衝撃的です。今シーズンの大西洋で発生した13のハリケーンについて、GoogleのAIモデル「GDMI」は、あらゆる予測時間において最も誤差の少ない、優れた進路予測を示しました。これはAIが気象予測の新たなチャンピオンになったことを示しています。

従来モデルとの差は歴然です。特に、米国国立気象局が運用する主要モデル「GFS」と比較すると、その差は一目瞭然でした。5日後の進路予測における平均誤差は、GFSが360海里だったのに対し、GoogleのAIモデルはわずか165海里。誤差を半分以下に抑える、圧倒的な性能です。

さらに驚くべきは、このAIモデルが人間の専門家をも上回った点です。米国国立ハリケーンセンターが発表する公式予報は、専門家が様々なモデルを総合的に判断して作成されます。しかし、GoogleのAIモデルは、単独でこの公式予報や、評価の高い『コンセンサスモデル』さえも上回る精度を記録したのです。

この成果は、AIが気象予測の世界に地殻変動を起こす可能性を強く示唆します。従来、スーパーコンピュータによる膨大な物理計算が主流だったこの分野で、AIがより速く、より正確な予測を提供する新たな標準となるかもしれません。今後の技術開発と、防災などへの社会実装が期待されます。

今や世界のIT業界を席巻する「AGI（人工汎用知能）」。この言葉は1997年、当時大学院生だったマーク・ガブルッド氏が、先端技術の兵器化に警鐘を鳴らす論文で初めて使用したものです。WIRED誌が報じた彼の物語は、今日のAGI開発競争の原点に、安全保障への強い懸念があったことを示しています。

ガブルッド氏が「人工汎用知能」という言葉を生んだのは、メリーランド大学の博士課程に在籍していた時でした。彼はナノテクノロジーがもたらす軍事的脅威を研究する中で、従来の専門分野に特化したAIと、人間のように汎用的な知能を持つAIを区別する必要性を感じ、この新たな言葉を定義したのです。

彼の論文におけるAGIの定義は「人間の脳に匹敵または凌駕する複雑性と速度を持ち、一般的な知識を習得、操作、推論できるAIシステム」。これは、現在私たちがAGIと呼ぶものの概念と驚くほど一致しています。しかし、この論文は当時ほとんど注目されませんでした。

一方、AGIという言葉が広く知られるようになったのは2000年代初頭のことです。Google DeepMindの共同創業者となるシェーン・レッグ氏や研究者のベン・ゲーツェル氏らが、特化型AIと区別する言葉としてAGIを「再発明」し、オンラインフォーラムなどを通じて普及させました。

後にガブルッド氏が自らの先行使用を指摘し、レッグ氏らもそれを認めました。レッグ氏は「我々は彼を発見し、彼が論文でその言葉を使っていたことを確認した。だから私は発明者ではなく、再発明者だ」と語っています。ガブルッド氏の先見性は、歴史の陰に埋もれていたのです。

今日のAGI開発競争は、数兆ドル規模の市場を生み出しています。しかし、その名付け親であるガブルッド氏は経済的な成功とは無縁の生活を送りながら、今もなお、自律型殺傷兵器の禁止など、テクノロジーの倫理的な利用を訴え続けています。

AGIという言葉の起源は、技術がもたらす光と影を象徴しています。ビジネスリーダーやエンジニアは、技術開発の先に何を見据えるべきでしょうか。ガブルッド氏の警告は、30年近い時を経て、その重要性を一層増していると言えるでしょう。

Google DeepMindは2025年10月29日、AIを活用して数学研究を加速させる新構想「AI for Math Initiative」を発表しました。この取り組みは、インペリアル・カレッジ・ロンドンなど5つの世界的な研究機関と連携し、Googleの最先端AI技術を提供することで、数学における未解決問題の解明と新たな発見を促進することを目的としています。

本イニシアチブは、AIによる洞察が期待される次世代の数学的問題を特定し、研究を加速させる基盤を構築します。提携機関は基礎研究と応用AIの強力なフィードバックループを生み出し、発見のペースを上げることを共通の目標としています。

Googleは、パートナー機関に最先端技術へのアクセスを提供します。具体的には、高度な推論モードを持つ「Gemini Deep Think」、アルゴリズム発見エージェント「AlphaEvolve」、形式的証明を完成させるシステム「AlphaProof」などです。これらが数学者の創造性を拡張する強力なツールとなります。

近年、AIの推論能力は目覚ましく進化しています。GoogleのAIは国際数学オリンピックで金メダル級の成績を収めました。さらに、行列乗算の計算手法で50年以上破られなかった記録を更新するなど、AIが人間の知性を超える成果を出し始めています。

この取り組みは、数学のフロンティアを押し広げるだけではありません。数学は物理学からコンピューターサイエンスまで、あらゆる科学の基礎言語です。AIとの協働による数学の進歩は、科学全体のブレークスルーにつながる大きな可能性を秘めています。

AIに何ができるのか、我々はその全容を理解し始めたばかりです。世界トップクラスの数学者の直感とAIの斬新な能力を組み合わせることで、新たな研究の道が開かれます。この連携が人類の知識を前進させる新たな原動力となると期待されます。

Googleは10月28日、中小企業（SMB）向けの新しいAIマーケティングツール「Pomelli」のパブリックベータ版を公開しました。Google LabsとDeepMindが共同開発したこのツールは、専門知識や予算が限られる中小企業でも、ブランドイメージに合ったSNSキャンペーンを簡単に作成し、ビジネス成長を加速させることを目的としています。

Pomelliの最大の特徴は、わずか3ステップでキャンペーンを作成できる手軽さです。まず、企業のウェブサイトURLを入力すると、AIがサイトを分析。ブランドのトーン＆マナー、フォント、配色、画像などを自動で抽出し、企業独自の「ビジネスDNA」を構築します。これが以降のコンテンツ生成の基盤となります。

次に、構築された「ビジネスDNA」に基づいて、AIがターゲットに響くキャンペーンのアイデアを複数提案します。利用者はその中から最適なものを選ぶだけで、戦略的なコンテンツ作成に着手できます。また、独自のアイデアがある場合は、プロンプトとして入力することで、より細かく意図を反映したコンテンツを生成することも可能です。

最後に、選んだアイデアに基づき、SNS投稿、ウェブサイト、広告などで使える高品質なマーケティング素材一式が自動で生成されます。生成されたテキストや画像はツール内で直接編集でき、企業の細かなニーズに合わせて調整が可能。完成した素材はすぐにダウンロードし、各チャネルで活用できます。

Pomelliは現在、米国、カナダ、オーストラリア、ニュージーランドで英語のパブリックベータ版として提供されています。Googleはこれを初期の実験と位置づけており、利用者からのフィードバックを積極的に求めています。中小企業のマーケティング活動を根本から変える可能性を秘めたツールとして、今後の展開が注目されます。

Googleは東南アジアでのAI活用による経済成長を加速させるため、新たなイニシアチブを発表しました。ASEANビジネス・投資サミットで公表されたこの計画は、科学研究の促進、持続可能性の向上、そしてAIスキルの普及を三つの柱としています。同地域でのAIの急速な普及を背景に、官民連携でその潜在能力を最大限に引き出すことを目指します。

東南アジアは、テクノロジーに前向きな国民性と高いデジタル普及率を背景に、AI成長の絶好の機会を迎えています。地域住民の70%がすでに週次で生成AIを利用しており、AI導入によって最大2700億米ドルの経済効果が見込まれるとの試算もあります。この勢いを確実な成長につなげることが、今回の取り組みの狙いです。

AIは科学的発見のペースを劇的に速めています。Google DeepMindが開発したタンパク質構造解析AI「AlphaFold」は、東南アジアの8万5000人以上の研究者に利用されています。マレーシアでの感染症治療薬の研究や、シンガポールでのパーキンソン病早期発見など、医療分野で具体的な成果を生み出しています。

持続可能性と気候変動へのレジリエンス向上も重要なテーマです。作物の種類や生育状況を分析する農業APIをマレーシア、ベトナム、インドネシアに拡大します。また、クリーンエネルギーへの移行を支援するため、AIを活用した計画ツールを開発する非営利団体に150万ドルの資金を提供します。

AIの恩恵を誰もが享受するには、スキル教育が不可欠です。Google.orgはASEAN財団の「AI Ready ASEAN」を支援し、すでに80万人の若者や教育者にAIリテラシーを提供しました。さらに、オンラインプラットフォーム「AI Class ASEAN」を通じて、自己学習の機会を広げています。

教育現場への直接的な支援も強化します。「Gemini Academy」を通じてインドネシアやフィリピンなど5カ国で29万人以上の教師を研修し、授業でのAI活用を後押ししています。さらに、18歳以上の学生には「Gemini AI Pro Plan」を12ヶ月間無償で提供し、次世代のAI人材育成を図ります。

Googleは、政府、企業、地域社会との緊密な連携を通じて、革新的で包括的、かつ責任あるAIエコシステムを構築することを目指しています。今回の取り組みは、AIを東南アジアの発展の強力なエンジンとし、地域全体の繁栄と強靭な未来を築くための重要な一歩となるでしょう。

ロンドンに拠点を置くAIクリエイティブ企業「Wonder Studios」は10月23日、1200万ドル（約18億円）のシード資金調達を発表しました。今回の調達は、AIが生成するコンテンツ制作を本格化させ、ハリウッドをはじめとするエンターテインメント業界への参入を加速させるのが目的です。同社は今後、独自IP（知的財産）の創出やオリジナルコンテンツ制作に注力する方針です。

今回のラウンドはベンチャーキャピタルのAtomicoが主導し、既存投資家も参加しました。Wonder Studiosには以前、ElevenLabsやGoogle DeepMind、OpenAIの幹部も出資しています。調達資金は、エンジニアリングチームの倍増や、独自IPの所有、オリジナルコンテンツ制作の加速に充てられます。

同社はすでに具体的な実績を上げています。最近では、DeepMindやYouTubeなどと協力し、人気歌手ルイス・キャパルディのAIミュージックビデオを制作しました。さらに、初のオリジナル作品となるアンソロジーシリーズも公開しており、その技術力と創造性を示しています。

今後のプロジェクトも複数進行中です。Netflixの人気作を手掛けたCampfire Studiosとドキュメンタリーを共同制作しており、同スタジオのCEOも出資者の一人です。大手との連携を深め、来年には複数の商業・オリジナル作品のリリースを予定しています。

エンタメ業界ではAI活用を巡り、意見が二分しています。Netflixが効率化のため生成AIに積極的な一方、ディズニーなどは著作権侵害でAI企業を提訴。また、AIによる俳優の肖像権侵害なども問題視され、クリエイターの雇用を脅かすとの懸念も根強くあります。

こうした中、Wonder Studiosは「国境なきハリウッド」を掲げ、全クリエイターがAIツールを使える未来を目指します。テクノロジーと芸術性が共に成長する架け橋となり、AI時代の新たな創造性を定義する方針です。その動向は、エンタメ業界の未来を占う試金石となりそうです。

Googleは2025年10月21日、AIや専門技術を学ぶための新グローバルプラットフォーム「Google Skills」の提供を開始しました。Google CloudやDeepMindなど、社内の主要な教育コンテンツを集約し、AI人材の育成を加速させるのが狙いです。初心者から開発者、ビジネスリーダーまで幅広い層を対象に、実践的なスキル習得からキャリア形成までを一気通貫で支援します。

「Google Skills」は、これまでGoogle内の複数部門で提供されてきた学習コンテンツを統合したワンストップのプラットフォームです。Google Cloudの技術認定、DeepMindのAI研究基礎、Grow with Googleの入門コースなど、約3,000に及ぶコース、実践ラボ、資格情報がここに集約されます。これにより学習者は、自身のレベルや目的に合わせて最適なプログラムを簡単に見つけられるようになります。

学習体験の質を高める工夫も特徴です。Gemini Code Assistを活用したAI主導のコーディングラボなど、実践的なハンズオン経験を重視。さらに、学習の進捗を可視化する機能やSNSで共有できる実績システムといったゲーミフィケーション要素を取り入れ、学習者のモチベーション維持を後押しします。

スキル習得はキャリア形成に直結します。Googleは150社以上が参加する採用コンソーシアムや、スキルベースの採用イニシアチブを通じて、資格取得者と企業を積極的に結びつけています。特定のGoogle Cloud認定を取得した学習者が、採用企業の選考プロセスに直結する経路も用意されており、学習が具体的な雇用機会につながるエコシステムを構築しています。

Googleは教育機関との連携も深めています。フロリダ州のマイアミ・デイド郡公立学校区では、高校生10万人に「Gemini for Education」を提供するなど、教育現場でのAI活用をパイロット的に推進。こうした現場との連携を通じて得られた知見が、プラットフォームの改善にも活かされていくことでしょう。

多くのコースは無料で提供されており、Google Cloudの顧客であればオンデマンドライブラリ全体を追加費用なしで利用できます。激化するAI時代において、組織や個人の競争力をいかに高めていくか。この新しい学習基盤は、そのための強力な武器となりそうです。

ビデオゲームのプレイ動画からAIが世界を学ぶ。新興AIラボ「General Intuition」は2025年10月17日、ゲームデータを用いてAIに物理世界を理解させる「ワールドモデル」を開発するため、シードラウンドで1億3370万ドル（約200億円）を調達したと発表しました。この動きは、AIエージェント開発における新たなフロンティアを開拓する試みとして、業界の大きな注目を集めています。

「ワールドモデル」とは、AIが人間のように空間を認識し、物事の因果関係を予測する能力を指します。例えば、テーブルから落ちるコップを事前に掴むといった、物理世界での直感的な判断を可能にします。Google DeepMindなどが研究を主導しており、自律型AIエージェント実現の鍵と見なされています。汎用人工知能（AGI）への道筋としても期待される重要技術です。

同社の強みは、親会社であるゲーム録画プラットフォーム「Medal」が保有する膨大なデータにあります。年間約20億本アップロードされるプレイ動画は、AIが3次元空間での「良い行動」と「悪い行動」を学ぶための検証可能な学習データセットとなります。このデータの価値は非常に高く、過去にはOpenAIが5億ドルでの買収を提案したとも報じられています。

今回の大型資金調達を主導したのは、OpenAIの初期投資家としても知られるKhosla Venturesです。創業者のヴィノド・コースラ氏は「彼らは独自のデータセットとチームを持っている」と高く評価。General Intuitionが、LLMにおけるOpenAIのように、AIエージェント分野で破壊的な影響をもたらす可能性があると大きな期待を寄せています。

General Intuitionは、開発したモデルをまず捜索救助ドローンに応用し、将来的には人型ロボットや自動運転車への展開を目指します。しかし、この分野はGoogleのような資金力豊富な巨大企業との競争が激しく、技術的なアプローチもまだ確立されていません。どのデータや手法が最適かは未知数であり、大きなリスクも伴います。

今回の動きは、ゲーム業界に新たな可能性を示唆しています。ワールドモデルへの関心が高まるにつれ、ゲーム企業が保有するデータはAI開発の宝庫となり、大手AIラボの買収対象となる可能性があります。自社データの価値を正しく理解し、戦略を立てることが、今後のAI時代を勝ち抜く上で重要になるでしょう。

Google傘下のAI企業DeepMindは2025年10月16日、核融合スタートアップのCommonwealth Fusion Systems（CFS）との研究提携を発表しました。DeepMindのAI技術と高速シミュレーター「TORAX」を用いて、CFSが建設中の次世代核融合炉「SPARC」の運転を最適化します。クリーンで無限のエネルギー源とされる核融合の実用化を、AIの力で加速させることが狙いです。

提携の核心は、AIによるプラズマ制御の高度化にあります。核融合炉では1億度を超えるプラズマを強力な磁場で閉じ込める必要がありますが、その挙動は極めて複雑で予測困難です。DeepMindは過去に強化学習を用いてプラズマ形状の安定化に成功しており、その知見をCFSの先進的なハードウェアに応用し、より高度な制御を目指します。

具体的な協力分野の一つが、高速シミュレーター「TORAX」の活用です。これにより、CFSは実験炉「SPARC」が実際に稼働する前に、数百万通りもの仮想実験を実施できます。最適な運転計画を事前に探ることで、貴重な実験時間とリソースを節約し、開発全体のスピードアップを図ることが可能になります。

さらにAIは、エネルギー生成を最大化するための「最適解」を膨大な選択肢から見つけ出します。磁場コイルの電流や燃料噴射など、無数の変数を調整する複雑な作業は人手では限界があります。将来的には、AIが複数の制約を考慮しながらリアルタイムで炉を自律制御する「AIパイロット」の開発も視野に入れています。

提携先のCFSは、マサチューセッツ工科大学発の有力スタートアップです。現在建設中の「SPARC」は、高温超電導磁石を用いて小型化と高効率化を実現し、投入した以上のエネルギーを生み出す「ネット・エネルギー」を史上初めて達成することが期待される、世界で最も注目されるプロジェクトの一つです。

GoogleはCFSへの出資に加え、将来の電力購入契約も締結済みです。AIの普及で電力需要が急増する中、クリーンで安定したエネルギー源の確保は巨大テック企業にとって喫緊の経営課題となっています。今回の提携は、その解決策として核融合に賭けるGoogleの強い意志の表れと言えるでしょう。

Googleは2025年10月14日、AIモデル「Gemini」を活用するスタートアップを支援する新プログラム「Gemini Founders Forum」の第一期生として53社を選出したと発表しました。11月11日から2日間、カリフォルニア州マウンテンビューの本社で開催されるサミットを通じ、新世代の起業家の成長を加速させるのが狙いです。

このフォーラムには世界中から約1000社の応募が殺到し、その中から革新的な53社が厳選されました。参加企業はGoogle DeepMindやGoogle Cloudの専門家と協業し、技術的な課題の克服や製品戦略の洗練、グローバルな事業展開に向けた集中的な支援を受けます。

選出された企業は、ヘルスケア、金融、気候変動対策、サイバーセキュリティなど多岐にわたる分野で事業を展開しています。米国やインド、欧州、南米など世界各国から多様な才能が集結しており、Geminiの応用範囲の広さと、様々な社会課題解決への可能性を示唆しています。

このプログラムは、Googleが提供する「Google for Startups Gemini Kit」を基盤としています。フォーラム参加者に限らず、適格なスタートアップは最大35万ドルのクラウドクレジットや、AI開発を効率化する「Google AI Studio」などのツールを利用でき、幅広い支援体制が整えられています。

元Google DeepMindの研究者が設立した米国のAIスタートアップ、Reflection AIが20億ドル（約3000億円）の巨額資金調達を発表しました。企業価値はわずか7カ月で15倍の80億ドルに急騰。同社は、急成長する中国のAI企業DeepSeekなどに対抗し、米国主導の「オープンなフロンティアAI研究所」となることを目指します。

Reflection AIは2024年3月、DeepMindでGemini開発を主導したミーシャ・ラスキン氏らが設立。AlphaGo共同開発者も参画し、トップ人材約60名を確保しました。巨大テック企業の外でもフロンティアモデルを構築できると証明することが狙いです。

ラスキンCEOは、中国のDeepSeekなどの台頭に強い危機感を示します。「何もしなければ、知能のグローバルスタンダードが他国製になる」と述べ、米国主導の必要性を強調。法的な懸念から欧米企業は中国製モデルを使いにくく、代替選択肢が求められています。

同社の「オープン」戦略は、Metaなどと同様に限定的です。モデルの動作を決める中核パラメータ「重み」は公開する一方、学習データや手法は非公開とします。誰もがモデルを利用・改変できる「重み」の公開が最も重要だという考えです。

収益化の柱は、大企業や政府です。自社インフラでAIを運用し、コスト管理やカスタマイズをしたい大企業はオープンモデルを求めます。また、各国がAIモデルを開発・管理する「ソブリンAI」の需要を取り込むことも重要な戦略です。

調達資金は、モデル学習に必要な計算資源の確保に充てられます。来年初頭には、数兆トークン規模のデータで学習した最初のフロンティア言語モデルをリリースする計画です。まずテキストモデルから始め、将来的にはマルチモーダル機能も搭載します。

AI向け高品質データを提供するスタートアップ、Datacurveが10月9日、シリーズAで1500万ドル（約22.5億円）の資金調達を発表しました。Yコンビネータ出身の同社は、業界最大手Scale AIの牙城を崩すべく、熟練エンジニアを惹きつける独自の報奨金制度と優れたユーザー体験を武器に、複雑化するAIの学習データ需要に応えます。

同社の強みは、専門家を惹きつける「バウンティハンター」制度です。高度なスキルを持つソフトウェアエンジニアに報奨金を支払い、質の高いデータセットを収集します。共同創業者のセレナ・ゲ氏は「これは単なるデータラベリング作業ではない。消費者向け製品として捉え、最高の体験を提供することに注力している」と語ります。

この動きの背景には、AIデータ市場の大きな変化があります。最大手Scale AIの創業者アレクサンダー・ワン氏がMetaへ移籍したことで、市場に好機が生まれたと投資家は見ています。また、AIモデルの高度化に伴い、単純なデータセットではなく、複雑な強化学習（RL）環境の構築に必要な、質・量ともに高いデータへの需要が急増しています。

今回の資金調達は、Chemistryが主導し、DeepMind、Vercel、Anthropic、OpenAIといった名だたる企業の従業員も参加しました。シードラウンドでは元Coinbase CTOのバラジ・スリニヴァサン氏も出資しており、技術と市場の両面から高い評価を得ていることが伺えます。

Datacurveはまずソフトウェアエンジニアリング分野で地位を確立し、将来的にはそのモデルを金融、マーケティング、医療などの専門分野へも展開する計画です。専門家が自らのドメイン知識を活かせるインフラを構築することで、ポストトレーニングデータ収集の新たな標準を築くことを目指しています。

Googleは2025年9月、AI技術を中核製品全体に深く統合し、利用者体験の劇的な向上を発表しました。これはChrome、Search、Geminiアプリといった主要サービスに留まらず、教育分野や次世代ロボティクスまで多岐にわたります。特に、生産性向上に直結する機能が多数リリースされており、AIを使いこなしたい経営者やエンジニア層にとって見逃せないアップデートです。

ウェブブラウザと検索機能は、AIアシスタント化を加速させています。ChromeではGeminiがブラウジングアシスタントとして機能し、開いているタブ全体を横断して質問に回答可能です。また、SearchのAIモードは、複雑な多段階質問に対応するだけでなく、日本語を含む多言語対応を拡大し、グローバルでの利用を促進しています。

特に画期的なのは、Search Liveの導入です。これは、リアルタイムの音声会話にスマートフォンのカメラフィードを共有する機能を組み合わせ、現実世界の課題解決をリアルタイムで支援します。また、AndroidのGboardにはAIライティングツールが追加され、トーンの修正やスペル・文法の校正が端末内で自動で行えるようになり、モバイル生産性が向上しました。

GeminiアプリはAI活用ハブとしての地位を固めています。特に、特定の目的に合わせてカスタマイズしたAIモデル「Gems」の共有機能が追加され、チーム内での共同作業や情報共有が容易になりました。さらに、DeepMind開発の画像生成・編集モデル「Nano Banana」の活用が広がり、クリエイティブな作業の可能性を広げています。

学習領域では、AIが個々のユーザーに最適化された学習を実現します。NotebookLMは、利用者のメモに基づきフラッシュカードやクイズを自動生成し、パーソナライズされた学習ガイドを提供します。スンダー・ピチャイCEOはAI教育への10億ドルのコミットメントを強調し、「Gemini for Education」を全米の高校に提供すると発表しました。

長期的な視点では、Google DeepMindが「物理エージェント」の時代を宣言し、ロボティクスモデルを強化しました。Gemini Robotics 1.5/ER 1.5は、ロボットが環境を認識し、推論し、複雑なマルチステップタスクを処理する能力を飛躍的に高めます。また、Gemini 2.5が国際プログラミングコンテストで金メダル級の成績を収め、その推論能力を証明しています。

Google DeepMindは10月7日、ユーザーインターフェース（UI）を直接操作できるAIエージェント向けの新モデル「Gemini 2.5 Computer Use (CU)」を発表しました。これは、Gemini 2.5 Proの視覚理解能力を基盤とし、ウェブページやモバイルアプリでのクリック、タイピングといった人間と同じ操作をAIに実行させるものです。これにより、複雑なデジタルタスクの全自動化を可能にし、生産性の飛躍的向上を目指します。

従来のAIモデルは構造化されたAPI経由で連携していましたが、フォーム記入やログイン後の操作など、多くのデジタル業務にはグラフィカルUIへの直接的な操作が必要でした。Gemini 2.5 CUは、これらのボトルネックを解消し、汎用性の高いエージェント構築に向けた重要な一歩となります。

同モデルは、複数のウェブおよびモバイル制御ベンチマークで、既存の主要な競合モデルを上回る卓越した性能を示しています。特に、Online-Mind2Webなどのブラウザ制御評価では、最高精度を達成しながらも、業界最低水準の遅延を実現しており、実用性の高さが証明されています。

開発者は、Gemini APIの新しい「`computer_use`」ツールを通じてこの機能を利用可能です。エージェントは、ユーザー要求と環境のスクリーンショットを入力として受け取り、分析。モデルはクリックや入力などのUIアクションの関数コールを返し、タスクが完了するまでこのプロセスを反復します。

コンピューターを制御するAIエージェントには誤用や予期せぬ動作のリスクが伴うため、安全性は特に重視されています。モデルには、安全機能が直接組み込まれており、さらに開発者向けの多層的な安全制御機能が提供されます。セキュリティ侵害やCAPCHAs回避などの高リスクな行動は拒否またはユーザー確認を求められます。

Gemini 2.5 CUモデルは本日より、Google AI StudioおよびVertex AIを通じてパブリックプレビューとして利用可能です。Google内部では、既にUIテストの自動化や、Project Marinerなどのエージェント機能に本モデルのバージョンが活用されており、ソフトウェア開発における効率化への寄与が期待されています。

米TechCrunchのポッドキャスト「Equity」は、AI業界の新たな動きと、7年ぶりに始まった米国政府機関閉鎖がスタートアップに与える影響について議論しました。OpenAIの新アプリ「Sora」の登場で収益化モデルが問われる一方、政府機能の停止は許認可の遅延などを通じ、企業の存続を脅かす不確実性を生んでいます。

特に深刻なのが、政府機関閉鎖の影響です。7年ぶりとなるこの事態は、一見すると直接的な影響が少ないように思えるかもしれません。しかし、許認可やビザ、規制当局の承認を待つスタートアップにとって、数週間の遅延は事業計画を根底から覆し、最悪の場合、存続の危機に直結する可能性があります。

AI業界もまた、大きな不確実性に直面しています。OpenAIはTikTok風のAI動画生成アプリ「Sora」を公開しましたが、ユーザーが延々と続く合成コンテンツに本当に価値を見出し、課金するのかは未知数です。多くのAI企業が、いまだ持続可能なビジネスモデルの確立に苦心しているのが現状と言えるでしょう。

AI技術の社会実装は、思わぬ摩擦も生んでいます。最近ハリウッドで物議を醸したAI女優「Tilly Norwood」の事例は、たとえ架空の存在であっても、既存の業界に現実的な混乱を引き起こし得ることを示しました。技術の進歩と社会の受容の間に横たわる課題は、依然として大きいようです。

一方で、AIの未来に対する期待は依然として高く、巨額の投資が続いています。OpenAIやDeepMindの元研究者らが設立したPeriodic Labsは、科学的発見を自動化する「AI科学者」を開発するため、シードラウンドで3億ドルという巨額の資金調達に成功しました。これは、AIが持つ破壊的なポテンシャルへの信頼の表れです。

最後に、新たな動きとして米国政府による民間企業への出資が挙げられます。リチウム採掘企業や半導体大手のIntelなどに政府が株主として関与するケースが増えています。国家戦略上重要な産業を支援する狙いですが、政府の市場介入がもたらす影響については、今後も議論が続きそうです。

Google DeepMindが、最新のAI動画モデル「Veo 3」が物理世界をどの程度理解できるかを探る研究論文を発表しました。論文では、Veo 3が訓練データにないタスクもこなす「世界モデル」への道を歩んでいると主張しますが、その結果は一貫性に欠け、真の物理世界のシミュレーション能力には依然として大きな課題があることを示唆しています。

研究者らは、Veo 3が明示的に学習していない多様なタスクを解決できる「ゼロショット学習者」であると主張します。これは、AIが未知の状況に対しても柔軟に対応できる能力を持つことを意味し、将来的に汎用的な視覚基盤モデルへと進化する可能性を示唆するものです。

確かに、一部のタスクでは目覚ましい成果を上げています。例えば、ロボットの手が瓶を開けたり、ボールを投げたり捕ったりする動作は、試行を通じて安定して説得力のある動画を生成できました。画像のノイズ除去や物体検出といった領域でも、ほぼ完璧に近い結果を示しています。

しかし、その評価には注意が必要です。外部の専門家は、研究者たちが現在のモデルの能力をやや楽観的に評価していると指摘します。多くのタスクにおいて結果は一貫性を欠いており、現在のAI動画モデルが、現実世界の複雑な物理法則を完全に理解していると結論付けるのは時期尚早と言えるでしょう。

経営者やエンジニアにとって重要なのは、この技術の現状と限界を冷静に見極めることです。AI動画生成は強力なツールとなり得ますが、物理的な正確性が求められるシミュレーションやロボット工学への応用には、まだ慎重な検証が必要です。

Google DeepMindは、世界的に著名なデザイナーであるロス・ラブグローブ氏と協業し、生成AIを用いてユニークな椅子をデザインしました。ラブグローブ氏独自のスケッチ群を学習データとし、画像生成モデルをファインチューニング。AIとの対話を通じて氏の作風を反映した新たなアイデアを生み出し、最終的に金属3Dプリンターで物理的なプロトタイプを制作しました。これはAIが創造的プロセスを支援する強力なツールとなり得ることを示す事例です。

プロジェクトの目的は、生成AIを用いてコンセプト作りから物理的な製品まで一貫してデザインを完遂することでした。題材に選ばれたのは、機能が固定されつつも形状の自由度が高い「椅子」。デザイナーの独自のスタイルやニュアンスをAIがどこまで正確に捉え、表現できるかという、古典的かつ本質的なデザインの課題に挑戦しました。

開発チームは、ラブグローブ氏が厳選したスケッチの高品質なデータセットを作成。これをGoogleのテキスト画像生成モデル「Imagen」に学習させ、ファインチューニングを行いました。このプロセスにより、モデルはラブグローブ氏のデザイン言語の核となる特有の曲線や構造的論理、有機的なパターンを組み込み、氏の作風に根差した新しいコンセプトを生成できるようになったのです。

成功の鍵は、デザイナーとAIの「対話」にありました。チームは、氏のデザイン語彙を言語化し、AIへの指示（プロンプト）を工夫することで、出力の精度を高めました。例えば、あえて「椅子」という単語を使わず類義語で指示を出し、より多様な形状や機能の探求を促しました。この試行錯誤が、AIを単なるツールから共同制作者へと昇華させたのです。

AIとの協業プロセスを経て生み出された数々のコンセプトから、ラブグローブ氏のチームは最終的なデザインを選定。金属3Dプリンティング技術を用いて、AIが生成したデジタルデータを実物の椅子として作り上げました。ラブグローブ氏は「AIが、ユニークで並外れた何かをプロセスにもたらしうることを示している」と、この成果を高く評価しています。

この事例は、AIが人間の専門性や創造性を代替するのではなく、むしろ拡張するための強力なパートナーになり得ることを明確に示しています。自社の製品開発やサービス設計において、AIをいかに「協業相手」として活用するか。経営者やエンジニアにとって、その可能性を探る貴重なヒントとなるでしょう。

NVIDIAは今週開催のロボット学習カンファレンスで、Google DeepMindやDisney Researchと共同開発した新しい物理エンジン「Newton」をオープンソースとして公開しました。人型ロボットなど複雑な動作が求められる物理AIの開発を、現実世界での実証前にシミュレーションで高速化・安全化させるのが狙いです。

Newtonは、NVIDIAのGPU高速化技術「Warp」と3Dデータ標準「OpenUSD」を基盤に構築されています。従来の物理エンジンでは限界があった、人型ロボットの持つ多数の関節やバランス制御といった複雑な動きを、より正確かつ高速にシミュレーション上で学習させることが可能です。

ロボット開発では、実機での試行錯誤にかかる時間やコスト、危険性が課題でした。仮想空間で先に訓練を行う「シム・ファースト」のアプローチは、この課題を解決します。OpenUSDで構築された忠実なデジタルツイン環境が、ロボットのスキル獲得を飛躍的に効率化するのです。

この取り組みはNewton単体にとどまりません。ロボット向け基盤モデル「Isaac GR00T」や開発フレームワーク「Isaac Lab」もアップデートされ、包括的な開発エコシステムが強化されています。既にAgility Roboticsなど主要企業が採用しており、その実用性が示されています。

Linux財団が管理するオープンソースとして公開されたことで、Newtonは今後のロボット開発の新たな標準となる可能性があります。開発の参入障壁を下げ、工場や病院など多様な現場で人間と協働するロボットの実現を大きく前進させるでしょう。

元OpenAIやGoogle DeepMindの研究者らが設立した新興企業「Periodic Labs」が、2025年9月30日、科学的発見を自動化する「AI科学者」の開発を目指し、シードラウンドで3億ドル（約450億円）という異例の大型資金調達を発表しました。ロボットが自律的に実験を行うラボを構築し、物理世界から新たなデータを生成することで、新素材開発などに挑みます。

同社が目指すのは、単なる研究開発の支援ツールではありません。ロボットが物理的な実験を行い、データを収集し、自ら学習・改善を繰り返す「自律型実験室」の構築です。これにより、人間の介入なしに24時間365日、科学的探求を加速させる「AI科学者」を生み出すことを構想しています。

最初の具体的な目標は、既存の材料よりも高性能で、より少ないエネルギーで機能する可能性のある新しい超伝導体の発見です。しかし、その視野は超伝導体にとどまりません。未知の新素材を体系的に探索し、次世代技術の基盤を築くことを目指しています。

この取り組みの背景には、大規模言語モデル（LLM）が「インターネット上のデータを使い果たした」という課題認識があります。Periodic Labsは、AI科学者が生成する物理世界の膨大で新鮮なデータこそが、AIモデルを次の段階へ進化させる鍵だと考えています。これは、デジタル空間から物理空間へのAIのフロンティア拡大を意味します。

創業者チームには、Googleで200万以上の新結晶を発見したAI「GNoME」を主導したEkin Dogus Cubuk氏や、ChatGPT開発に貢献した元OpenAI研究担当VPのLiam Fedus氏など、AIと物質科学のトップランナーが集結。その卓越した実績が、壮大なビジョンへの信頼性を高めています。

この野心的な計画には、Andreessen Horowitz、Nvidia、Amazon創業者のジェフ・ベゾス氏といったテクノロジー業界の著名な投資家が名を連ねています。シードラウンドとしては破格の資金調達額は、この分野への市場の極めて高い期待を物語っていると言えるでしょう。

カリフォルニア州のギャビン・ニューサム知事は29日、大手AI企業に安全対策の透明性を義務付ける全米初の法案「SB 53」に署名し、同法は成立しました。この法律は、OpenAIやGoogle DeepMindなどのAI開発企業に対し、安全性プロトコルの開示や重大なインシデントの報告を求めるものです。AIの急速な進化に伴うリスクを管理し、公衆の信頼を確保することが狙いです。

新法「SB 53」の柱は、大手AI企業に対する厳しい透明性要件です。具体的には、開発するAIモデルの安全性プロトコルを明確にすることが求められます。さらに、従業員が内部から安全上の懸念を指摘できる内部告発者保護制度を保証し、サイバー攻撃のような重大な安全インシデントが発生した際には、州当局への報告が義務付けられます。

この法案に対し、AI業界の反応は二分しています。Anthropic社が法案を支持する一方、Meta社やOpenAI社は「イノベーションを阻害する規制のパッチワークを生む」として強く反対し、ロビー活動を展開しました。シリコンバレーでは、AI規制に緩やかなアプローチを求める候補者を支援するため、巨額の資金が投じられる動きも活発化しています。

今回の法案成立は、昨年ニューサム知事がより広範な規制法案に拒否権を行使した後の、2度目の挑戦でした。カリフォルニア州の動向は、他州のAI規制政策に大きな影響を与える可能性があります。ニューヨーク州でも同様の法案が可決されており、知事の署名を待つ状況です。カリフォルニア州は、イノベーションと規制のバランスを取ることで、米国のAI政策をリードする構えです。

Google DeepMindやMeta、Nvidiaなどの大手AI企業が、大規模言語モデル（LLM）の進歩が鈍化する中、次なる飛躍を求めて「ワールドモデル」の開発に注力し始めています。この新モデルは、言語データではなく動画やロボットデータから物理世界を学習し、人間環境への深い理解を目指します。これは機械による「超知能」実現に向けた新たなアプローチとして注目されています。

OpenAIのChatGPTなどに代表されるLLMは、目覚ましい進化を遂げてきました。しかし、各社が投入する最新モデル間の性能差は縮小傾向にあり、開発に投じられる莫大な資金にもかかわらず、進歩に頭打ち感が見え始めています。この状況が、AI開発の新たな方向性を模索する動きを加速させているのです。

ワールドモデルは、LLMとは根本的に異なるアプローチを取ります。テキストデータから言語のパターンを学ぶLLMに対し、ワールドモデルは動画やシミュレーション、ロボットの動作データといった物理世界のデータストリームから学習します。これにより、現実世界の法則や因果関係を理解し、将来を予測する能力の獲得を目指します。

この技術が秘める経済的インパクトは計り知れません。Nvidiaの担当副社長であるレヴ・レバレディアン氏は、ワールドモデルが物理世界を理解し操作できるようになれば、その潜在市場は「本質的に100兆ドル」規模、つまり世界経済に匹敵する可能性があると指摘しています。

ワールドモデルは、自動運転車やロボティクス、いわゆる「AIエージェント」の進化に不可欠な一歩と見なされています。製造業やヘルスケアなど、物理的な操作を伴う産業での活用も期待されます。しかし、その実現には膨大なデータと計算能力が必要であり、依然として技術的に未解決の挑戦であることも事実です。

Google DeepMindは2025年9月25日、ロボットが物理世界で複雑なタスクを自律的に解決するための新AIモデル群「Gemini Robotics 1.5」を発表しました。計画を立てる「思考」モデルと指示を実行する「行動」モデルが連携。Web検索で情報を収集し、多段階のタスクを遂行します。汎用ロボットの実現に向けた大きな一歩となり、一部モデルは開発者向けにAPIが公開されます。 今回の発表の核心は2つのモデルの連携です。「Gemini Robotics-ER 1.5」が脳のように高レベルな計画を担当。Google検索を使い情報を集め、物理環境を理解し行動計画を作成します。単一指示への反応を超え、真の課題解決能力を目指します。 計画モデル「ER 1.5」が立てた計画は、自然言語の指示として行動モデル「Gemini Robotics 1.5」に渡ります。行動モデルは視覚と言語を理解し、指示をロボットの動作に変換。例えば、地域のゴミ分別ルールを調べ、目の前の物を正しく仕分けるといった複雑なタスクを実行します。 新モデルの大きな特徴は、行動前に「思考」する点です。単に指示を動作に変換するだけでなく、内部で自然言語による推論を行います。タスクを小さなステップに分解し、複雑な要求を理解。この思考プロセスは言語で説明可能で、意思決定の透明性向上にも繋がります。 「Gemini Robotics 1.5」は、異なる形状のロボット間での学習転移能力も示しました。例えば、2本腕ロボットで学習したスキルが、人型ロボットでも特別な調整なしに機能します。これにより、新しいロボットへのスキル展開が加速し、知能化と汎用化が大きく進むと期待されます。 Google DeepMindは責任ある開発も重視しています。行動前に安全性を考慮する思考プロセスを組み込み、同社のAI原則に準拠。安全性評価ベンチマーク「ASIMOV」を更新し、新モデルが高い安全性能を示すことを確認しました。物理世界でのAIエージェントの安全な展開を目指します。 思考モデル「Gemini Robotics-ER 1.5」は、Google AI StudioのGemini API経由で開発者向けに提供が開始されました。これにより、物理世界で機能するAIエージェントの構築が促進されます。同社はこれを、物理世界での汎用人工知能（AGI）実現に向けた重要な一歩と位置付けています。

Google DeepMindが、製造現場で複数のロボットアームの動きを自動で最適化するAIシステム「RoboBallet」を開発しました。従来は手作業で膨大な時間を要したタスク割り当て、スケジューリング、衝突回避という3つの難題をAIが同時に解決します。これにより、製造ラインのセットアップ時間を大幅に短縮し、生産性向上に貢献することが期待されます。 これまでの製造現場では、コンベアベルトに沿って配置されたロボットの動きは、専門家が手作業でプログラムしていました。この作業には数百から数千時間かかることも珍しくありません。特に、どのロボットがどの作業をどの順序で行うか、さらに互いに衝突しないように動作計画を立てることは、自動化が極めて困難な課題でした。 「RoboBallet」の革新性は、これまで個別に扱われてきた3つの難題を同時に解決する点にあります。DeepMindの研究者によれば、従来のツールは動作計画の一部を自動化できても、タスク割り当てとスケジューリングは手作業でした。この統合的なアプローチこそが、本研究の画期的な点と言えるでしょう。 開発チームは、まずシミュレーション環境でAIの学習を行いました。これは「ワークセル」と呼ばれる、ロボットチームが製品に対して作業を行うエリアを模したものです。この仮想空間内で、最大8台のロボットアームがテーブル上のアルミ製部品に対して最大40種類のタスクを完了するよう、AIは学習を重ねました。 シミュレーションのタスクでは、ロボットアーム先端（エンドエフェクタ）が正しい位置と角度で工作物に接近し、一定時間停止することが求められます。この停止は、溶接やネジ締めなどの実作業を想定したものです。AIは、このような複雑な動作の連携を衝突なく自律的に計画する能力を実証しました。

Google DeepMindは9月22日、AIがもたらす深刻なリスクを特定・軽減するための指針「フロンティア安全フレームワーク」の第3版を公開しました。今回の更新では、AIが人間を操り信念や行動を体系的に変える「有害な操作」を新たなリスクとして追加。また、AIが開発者の意図に反して自律的に行動する「ミスアライメント」への対策も強化しました。高度なAIがもたらす潜在的な脅威に、企業としてどう向き合うべきか、その方向性を示しています。 今回の更新で新たに追加されたのが「有害な操作」というリスク領域です。これは、AIが持つ強力な説得・操作能力が悪用され、人間の信念や行動が大規模かつ体系的に変化させられる危険性を指します。企業リーダーは、自社のAIサービスが意図せずこのような形で社会に害を及ぼす可能性を考慮し、対策を講じる必要に迫られるでしょう。 さらに、開発者の意図や指示からAIが逸脱する「ミスアライメント」のリスクへのアプローチも拡張されました。これは単なる誤作動や不正確な応答とは異なり、AIが意図的に人間を欺いたり、指示を無視したりする能動的な脅威です。AIが自律的にオペレーターの制御を妨害したり、シャットダウンを拒否したりする未来のシナリオに備える必要性を指摘しています。 現在、ミスアライメントへの対策として、AIの思考プロセス（Chain-of-Thought）を監視する手法が有効とされています。しかしDeepMindは、将来的には思考プロセスを外部から検証できない、より高度なAIが登場する可能性を懸念しています。そうなれば、AIが人間の利益に反して動いていないかを完全に確認するのは不可能になるかもしれません。 もう一つの重大な懸念として、強力なAIがAI自身の研究開発を加速させるリスクが挙げられています。これにより、社会が適応・統治できる速度を超えて、より高性能で制御が難しいAIが次々と生まれる可能性があります。これはAI開発の在り方そのものに関わる「メタリスク」と言えるでしょう。 今回のフレームワーク更新は、汎用人工知能（AGI）へと向かう技術進化に伴うリスクに対し、科学的根拠に基づいて先手を打つというDeepMindの強い意志の表れです。AIを事業に活用する全ての経営者やエンジニアにとって、自社のリスク管理体制を見直す上で重要な示唆を与えるものとなるでしょう。

OpenAIやDeepMindなどの主要AIラボは、数年内にAGIが実現するとの見方を示しています。AGIの登場は経済や科学に計り知れない影響を及ぼす可能性があります。そのため、技術の進捗を客観的に追跡し、法規制やビジネスモデルを準備することが不可欠です。AGIの能力を測るベンチマークは、そのための羅針盤となります。 AIの知能測定はなぜ難しいのでしょうか。それは、AIの強みや弱みが人間とは根本的に異なるためです。人間のIQテストは、記憶力や論理的思考など複数の能力を総合的に測りますが、AIにはそのまま適用できません。学習データにない未知の状況に対応する「流動性知能」の評価が、特に大きな課題となっています。 かつてAIの知能を測るとされたチェスやチューリングテストは、もはや有効ではありません。1997年にチェス王者を破ったIBMのDeep Blueは、汎用的な知能を持ちませんでした。近年の大規模言語モデル（LLM）は人間のように対話できますが、簡単な論理問題で誤りを犯すこともあり、その能力は限定的です。 こうした中、Googleのフランソワ・ショレ氏が2019年に開発した「ARCベンチマーク」が注目されています。これは、いくつかの図形パズルの例題からルールを抽出し、新しい問題に応用する能力を測るテストです。大量の知識ではなく、未知の課題を解決する思考力（流動性知能）に焦点を当てている点が特徴です。 ARCベンチマークでは、人間が容易に解ける問題にAIは今なお苦戦しています。2025年には、より複雑な新バージョン「ARC-AGI-2」が導入されました。人間の平均正答率が60%であるのに対し、最高のAIモデルでも約16%にとどまっています。AIが人間レベルの思考力を獲得するには、まだ大きな隔たりがあるようです。 専門家はARCを、AIのアルゴリズム機能を解明する優れた理論的ベンチマークだと評価しています。しかし、その形式は限定的であり、社会的推論など現実世界の複雑なタスクを評価できないという限界も指摘されています。AGIの進捗を知る有力な指標の一つですが、それだけでAGIの全てを測れるわけではありません。 ARC以外にも、多様なAGIベンチマークの開発が進んでいます。仮想世界でのタスク実行能力を測るGoogle DeepMindの「Dreamer」や、テキスト、画像、音声など5種類の情報を扱う「General-Bench」などがその例です。究極的には、現実世界で物理的なタスクをこなす能力が試金石になるとの見方もあります。 結局のところ、「AGIとは何か」という定義自体が専門家の間でも定まっていません。「既に実現した」という意見から「決して実現しない」という意見まで様々です。そのため、「AGI」という言葉は、それが何を指し、どのベンチマークで評価されているのかを明確にしない限り、実用的な意味を持ちにくいのが現状と言えるでしょう。

カリフォルニア州議会が最近、AIの安全性に関する新法案「SB 53」を可決し、ニューサム知事の署名を待つ段階に入りました。この法案は、年間収益5億ドル以上の大手AI企業を主な対象とし、安全性レポートの公表やインシデント報告を義務付けることで、巨大化するAI企業の力を抑制し、安全性を確保することを目的としています。 SB 53が成立すれば、対象企業は開発したAIモデルの安全性に関するレポートを公表する義務を負います。また、AIが原因で重大なインシデントが発生した際には、州政府への報告が必須となります。これにより、開発プロセスの透明性を高め、社会に対する説明責任を果たすことが求められるでしょう。 この法案には、AI企業の従業員を保護する側面もあります。従業員が自社のAIモデルの安全性に懸念を抱いた場合、企業からの報復を恐れることなく政府に通報できる仕組みが盛り込まれています。秘密保持契約（NDA）を結んでいる従業員も対象となり、内部からのチェック機能の強化が期待されます。 今回の法案は、昨年知事が拒否権を発動したSB 1047に比べて、規制対象が絞られている点が大きな特徴です。SB 1047にはスタートアップへの悪影響を懸念する声がありましたが、SB 53は大手企業に焦点を当てることで、新興企業のイノベーションを阻害しないよう配慮しています。 なぜカリフォルニア州の規制が注目されるのでしょうか。それは、OpenAIやGoogle DeepMindをはじめ、世界の主要なAI企業のほとんどが同州に拠点を置いているためです。州レベルの規制であっても、事実上、業界全体の標準に影響を与える大きな力を持つと考えられています。 対象を絞り込んだことで、SB 53は昨年の法案よりも成立の可能性が高いと見られています。実際に、大手AI企業の一社であるAnthropic社がこの法案への支持を表明しており、業界内からも一定の理解が得られていることがうかがえます。今後の知事の判断が注目されます。 一方で、連邦政府レベルではAI規制に慎重な動きも見られます。州独自のAI規制を制限しようとする法案が議会で議論されており、もしSB 53が成立した場合、将来的には州と連邦政府の間で規制のあり方を巡る対立が生じる可能性も指摘されています。

Google DeepMindは2025年9月18日、AI技術を用いて流体力学における長年の難問に新たな解を発見したと発表しました。ニューヨーク大学やスタンフォード大学などとの共同研究で、物理法則を組み込んだAIを活用し、速度や圧力が無限大になる「特異点」と呼ばれる現象の新たなファミリーを発見しました。この手法は、数学や物理学、工学分野における未解決問題の解明を加速させる可能性を秘めています。 流体力学は、気象予測から航空機の設計まで多岐にわたる分野の基礎ですが、その方程式には物理的にあり得ない「特異点（ブローアップ）」という解が存在し、数学者を悩ませてきました。この特異点を理解することは、方程式の限界を知り、物理世界への理解を深める上で極めて重要です。特に、ごく精密な条件下でのみ発生する「不安定な特異点」の発見は困難を極めていました。 今回の発見の鍵となったのは、「物理情報ニューラルネットワーク（PINNs）」というAI手法です。大量のデータから学習する従来のAIとは異なり、PINNsは物理法則の数式そのものを満たすように学習します。研究チームはこれに数学的洞察を組み込み、従来手法では捉えきれなかった特異点を発見する探索ツールへと進化させました。これにより、不安定な特異点の新たなファミリーを体系的に発見することに成功しました。 この研究で達成された精度は驚異的です。研究チームによると、その誤差は地球の直径を数センチの誤差で予測するレベルに相当します。このような極めて高い精度が、厳密なコンピュータ支援による証明を可能にし、不安定で捉えにくい解の発見に不可欠でした。AI技術が、厳密さが求められる数学的な発見の領域に到達したことを示しています。 今回の成果は、AIと人間の数学的知見を融合させた新たな研究手法の可能性を示しています。このアプローチは、流体力学だけでなく、数学、物理学、工学における他の長年の課題解決を促進することが期待されます。AIが専門家を支援し、科学的発見を加速させる「コンピュータ支援数学」の新時代が到来するかもしれません。

サンフランシスコとロンドンで、AI開発大手AnthropicおよびGoogle DeepMindのオフィス前で、AGI（汎用人工知能）開発の中止を求めるハンガーストライキが開始されました。市民らは、制御不能な超知能開発が人類の存亡に関わる「破滅的リスク」をもたらすと訴え、開発競争の即時停止を経営層に要求しています。

抗議行動の中心人物であるグイド・ライヒシュタッター氏は、サンフランシスコのAnthropic本社前で長期間にわたり断食を敢行。ロンドンでは、マイケル・トラッジ氏らがGoogle DeepMindのオフィス前で同様の行動を取りました。彼らは単なる抗議ではなく、経営者やAI開発者が個人的にこの問題に真剣に向き合うよう対面での説明を求めています。

抗議者が危機感を持つ背景には、AGI開発が人間レベル、あるいはそれを超える知性を持つシステムを生み出すという目標があります。ライヒシュタッター氏は、AnthropicのCEOが以前、「人類文明の規模で破局的に悪いことが起こる確率は10〜25パーセント」と発言した事実を挙げ、その高いリスクを認識しながら開発を続ける姿勢を「狂気」だと厳しく批判しています。

抗議者らは、開発競争は「災害に向かう無制御な世界競争」だと警鐘を鳴らし、政府による国際的な規制の必要性も訴えています。対して、Google DeepMind側は「安全性、セキュリティ、責任あるガバナンス」が最優先事項だとコメントしましたが、開発停止の要求に対しては具体的に応じていません。

このハンガーストライキは、AI開発に携わる内部関係者にも議論を呼んでいます。一部のAI企業社員は、AIによる人類滅亡の可能性を信じつつも、より安全意識の高い企業で働いていると告白しています。抗議行動は、AI産業全体に対し、倫理的責任と技術開発の暴走に対する根本的な問いかけとなっています。

NVIDIAのジェンスン・フアンCEOは、Google GeminiのAI画像生成ツール「Nano Banana」を熱狂的に称賛しました。同氏はロンドンで英国への大規模AI投資を発表した際、AIは「技術格差を解消する最大の機会」であると主張。AIの未来について非常に楽観的な見解を示しています。

フアンCEOが熱狂的に支持するNano Bananaは、公開から数日でGeminiの画像生成数を3億枚急増させた人気機能です。これは、背景の品質を維持したまま、顔や動物などのオブジェクトに精密な編集を可能にする点が評価され、ユーザーに広く受け入れられています。

フアン氏は日常業務から公開スピーチの準備まで、AIを積極的に利用しています。AIワープロを使用することで、自身の状況や意図を記憶し、適切な提案を行う「思考のパートナー」として生産性を劇的に高めていると説明しています。

同氏はタスクに応じてAIモデルを厳密に使い分けています。技術的な用途にはGeminiを、芸術的な要素が強い場合はGrokを、高速な情報アクセスにはPerplexityを、そして日常的な利用にはChatGPTを楽しむと述べています。

さらに重要なリサーチを行う際には、フアン氏独自の高度な検証プロセスを採用しています。同じプロンプトを複数のAIモデルに与え、互いの出力結果を批判的に検証させてから、最適な成果を選び出す手法です。

フアン氏は、AIは電気やインターネットのように、すべての人に開かれ、誰一人として取り残されてはならないという哲学を持っています。「この技術は使い方が非常に簡単であり、技術格差を埋める最大のチャンスだ」と強調し、AIの民主化を訴えています。

NVIDIAは、英国のデータセンター構築企業Nscaleに対し、6億8300万ドル（約1,000億円超）の株式投資を実施しました。フアン氏は、英国が産業革命やDeepMindの創出に貢献した歴史を踏まえ、同国のAI進展における潜在能力を高く評価しています。

Googleの画像生成AI「Nano Banana」（正式名称Gemini 2.5 Flash Image）が、インドで爆発的な人気を集め、現在、利用規模において世界最大の市場となりました。独自のレトロポートレートやボリウッド風の画像生成といったローカルトレンドが牽引し、Geminiアプリはインドの主要アプリストアで無料チャートのトップを独占しています。

この人気により、インドでのGeminiアプリのダウンロード数は、Nano Bananaのアップデート後、わずか2週間で667%もの急増を記録しました。世界第2位のスマートフォン市場であり、オンライン人口を抱えるインドでの爆発的な普及は、AIモデルのグローバル展開において極めて重要な試金石となります。

Google DeepMindによると、インドユーザーの特徴は、その利用の仕方にあるといいます。特に注目されているのが、1990年代のボリウッドスタイルを再現するレトロポートレート生成です。また、インドの伝統衣装「サリー」を着用したビンテージ風画像、通称「AIサリー」ブームも発生しています。

インドユーザーは、単にローカルな画像生成に留まりません。例えば、自分自身をミニチュア化する「フィギュアトレンド」はタイで始まりましたが、インドで大きな牽引力を得たことで、世界的な流行へと拡大しました。インドは、AIトレンドを消費するだけでなく、拡散する主要なハブとなりつつあります。

利用規模だけでなく、収益性の面でもインド市場は高い潜在力を示しています。アプリ内課金（IAP）の全体額はまだ米国に及びませんが、Nano Bananaリリース後のIAP成長率は18%を記録し、これは世界平均の11%や、米国市場の1%未満を大きく凌駕しています。

一方で、私的な写真を用いた画像生成に伴うプライバシーやデータ悪用の懸念も指摘されています。これに対しGoogleは、AI生成画像であることを識別するため、目に見える透かしに加え、SynthIDと呼ばれる隠しマーカーを埋め込むことで、安全性の向上を図っています。

Google DeepMindのAIモデル「Gemini 2.5 Deep Think」が、2025年国際大学対抗プログラミングコンテスト（ICPC）世界大会で金メダルレベルの成果を達成しました。人間チームが誰も解けなかった複雑な最適化問題を見事に解決し、抽象的な問題解決能力におけるAIの劇的な進化を証明しました。

Geminiは競技ルールに従い、5時間の制限時間で12問中10問を正解しました。これは出場した大学139チームのうち、トップ4にのみ与えられる金メダルレベルに相当し、大学チームと比較すれば総合2位の成績となります。

特に注目すべきは、全ての人間チームが解決できなかった「問題C」を、Geminiが開始からわずか30分以内に効率的に解いた点です。これは、無限に存在する構成の中から、最適な液体分配ネットワークを見つけ出すという、極めて困難な課題でした。

Geminiは、各リザーバーに「プライオリティ値」を設定し、動的計画法を適用するという革新的なアプローチを採用しました。さらにミニマックス定理を利用し、最適解を効率的に導出するためにネストされた三進探索を駆使しました。

この快挙は、プレトレーニング、強化学習、そして複数のGeminiエージェントが並列で思考し、コードを実行・検証するマルチステップ推論技術の統合によって実現しました。これにより、Geminiは最も困難なコーディング課題からも学習し進化しています。

ICPCの成果は、AIがプログラマーにとって真の問題解決パートナーになり得ることを示しています。AIと人間の知見を組み合わせることで、ロジスティクスやデバッグ、創薬、マイクロチップ設計といった科学・工学分野の複雑な課題解決を加速させることが期待されます。

この先進技術の一部は、すでにGoogle AI Ultraのサブスクリプションを通じて、軽量版のGemini 2.5 Deep Thinkとして提供されています。AIコーディングアシスタントの知能が飛躍的に向上し、開発現場の生産性向上に直結するでしょう。

Google DeepMindのPushmeet Kohli氏が、最新のポッドキャストでAIによる科学的ブレイクスルー加速戦略について解説しました。同氏は、AlphaFoldの成功を導いた独自の知見を共有し、その恩恵を広く社会に提供するための新構想「AIコ・サイエンティスト」に焦点を当てています。

DeepMindが過去に成し遂げたAlphaFoldやAlphaEvolveといった画期的なイノベーションは、同チームが適用した独自の「問題解決フレームワーク」から生まれました。このユニークなアプローチこそが、複雑で難解な科学的問題を効率的に解き明かす鍵となると強調されています。

同氏が提唱する「AIコ・サイエンティスト」は、その成功体験を基に構築される次世代のツール群です。これは、AIが人間科学者と協働し、特定の分野に留まらず、あらゆる人が科学的発見を達成可能にすることを目指しています。

この取り組みは、特にAI活用を志向する企業経営者やエンジニアにとって重要です。AIコ・サイエンティストが研究開発（R&D;）の現場に浸透すれば、創薬や新素材開発におけるイノベーションの所要時間とコストが劇的に削減され、企業の収益性向上に直結します。

Google DeepMindは、地球の広範な変化を高精度に追跡するAIモデル「AlphaEarth Foundations」を発表しました。このモデルは地球を「生きたデータセット」として捉え、衛星画像やセンサーデータなど多様な情報を統合します。年間1.4兆を超えるエンベディングを生成し、従来困難だった地球規模のデジタル表現と分析を革新します。

AlphaEarthの核心技術は、地球上の10m四方のセルごとに64次元の「エンベディング（数値要約）」を作成する点です。これにより、膨大な地理空間データを統一的に扱えるようになりました。この緻密なアプローチにより、ストレージ要件を従来の16分の1にまで削減しつつ、高い空間的・時間的な詳細度を維持しています。

地球観測における長年の課題であった、衛星データの不規則性や雲による欠損を本モデルは克服しています。光学画像だけでなく、レーダー、気候モデル、さらには地理タグ付きのWikipedia情報まで組み込むことで、マルチソース・マルチレゾリューションな一貫性のあるデータセットを構築しています。

ベンチマークテストの結果、AlphaEarthは競合する既存のアプローチと比較して、平均で23.9%低いエラー率を記録しました。また、ラベルデータが非常に少ない状況下でも高精度な分類を可能にし、通常数千のラベルを必要とするタスクで、少数のサンプルで87種の農作物や土地被覆タイプを特定できています。

この技術は、都市計画やインフラ管理、生態系追跡といった幅広い分野で即戦力となります。特にビジネス領域では、保険会社や通信会社などが空間分析プラットフォームCARTOを経由して利用を開始しています。

これにより、APIや追加ストレージなしで山火事リスクの高い地域を特定するなど、迅速なリスクモデル構築が可能になります。自社の既存ワークフローにエンベディングをロードするだけで、高度な環境プロファイリングが可能になる点がメリットです。

AlphaEarthは、パターンを学習しコンパクトに要約する自己教師あり学習フレームワークであり、生成モデルではありません。非営利利用向けにGoogle Earth Engineデータカタログを通じて無償提供されており、国連食糧農業機関（FAO）を含む世界50以上の組織が既に活用を進めています。

ジャーナリストのカレン・ハオ氏は、著書「AI帝国」で現代のAI産業、特にOpenAIを「帝国」と表現しました。その背景には、「人類への利益」というAGIへの熱狂的な信仰があると指摘。この信念が、速度や規模の拡大を優先させ、多大なコストを生んでいると分析しています。

ハオ氏は、OpenAIが「勝者がすべてを得る」という競争を定義した結果、速度第一主義が生まれたと分析。効率性や安全性よりもスピードが優先され、既存技術に計算資源を投入するという安易な道が選ばれたと指摘しています。この手法が業界全体の基準となってしまったのです。

この開発競争には天文学的なコストが伴います。OpenAIは2029年までに1150億ドルの資金を使う見通しですが、それ以上に問題なのは社会的な被害です。雇用喪失や環境負荷の増大、発展途上国のデータ作業者への搾取など、その拡大は多大な代償を支払っています。

しかし、ハオ氏はスケーリング以外の道もあったと指摘します。アルゴリズムの改善も進化の方法です。その好例がGoogle DeepMindのAlphaFoldです。特定目的に特化し、科学的なブレークスルーをもたらした一方で、LLMのような有害な副作用を最小限に抑えています。

最大の危険は、その「使命」に酔いしれて現実感覚を喪失することです。製品の人気を「人類への利益」と混同し、被害を過小評価している。ハオ氏は、自らの信念に囚われ、現実から目を背けることの危うさを強く警告しているのです。