Google（企業）に関するニュース一覧

インターネットインフラ大手CloudflareのCEOマシュー・プリンス氏は、AI企業による無償のコンテンツスクレイピングに対抗するため、革新的な「Pay-per-crawl（クロールごとの支払い）」モデルの必要性を強く訴えています。同社は既に、AIプラットフォームに対し、コンテンツへのアクセス権を得るために対価支払いを求める新ツールを展開し、既存のコンテンツエコシステム再構築を目指しています。

この背景には、生成AIの台頭により、従来のインターネットの収益モデルが崩壊している現状があります。Googleなどが検索結果の最上部にAIによる要約（回答）を提示する「回答エンジン」へとシフトした結果、メディアサイトへのトラフィック誘導が大幅に減少し、広告収入に依存していた出版社の経営基盤を脅かしています。

プリンス氏は、コンテンツクリエイターが存続するためには新たな「価値の交換」が必要だと指摘します。その第一歩が、Cloudflareが提供する不正なAIクローラーを識別しブロックする技術です。コンテンツ提供者がアクセスを制限することで、市場に「希少性」を生み出し、AI企業との交渉力を高めます。

Cloudflareのこの行動に対し、Associated Press（AP通信）を含む多くの出版社やメディア企業は熱狂的な支持を示しています。多くのCEOからは、これまでAIに一方的に利用され「諦めていた状況」から、市場原理に基づきコンテンツの正当な対価を得られる希望が見えた、との声が上がっています。

プリンス氏が最も望ましい未来として描くのは、AI企業が研究機関ではなく、Netflixのようなコンテンツ配信プラットフォームになるシナリオです。AIプラットフォーム間で独自の高品質なコンテンツへのアクセス権が差別化要素となり、クリエイターに対して年間数百万ドル規模の支払いが行われるようになると予測しています。

実際に、AI企業が高額な対価を支払う事例も出始めています。Redditは、GoogleやOpenAIから年間約1.4億ドルの契約を獲得しましたが、これはNew York Timesが得た対価の7倍にも及びます。これは、Redditの持つユニークな情報が、AIモデルの「知識の穴」を埋めるのに非常に高い価値を持っていることを示しています。

この新しい市場原理は、トラフィック数ではなく、情報やストーリーテリングの質に基づいた評価を可能にします。Cloudflareは、インターネットの根幹を支える企業として、単に自社の利益だけでなく、報道や学術研究など良質なコンテンツを生み出すエコシステム全体の健全性を守ることを使命としています。

AT&T;は、迷惑電話やロボコールを自動で選別するAIアシスタント機能「デジタルレセプショニスト」のテストを一部顧客向けに開始しました。これは個人の通話履歴データを活用し、キャリアのネットワーク側で自動的に通話をスクリーニングするものです。未知の番号からの着信に対し、AIが発信者と用件を確認することで、多忙なビジネスパーソンの生産性向上に貢献します。

この機能の最大の特徴は、AIが個々の端末ではなく、AT&T;のネットワーク全体に組み込まれている点です。GoogleやAppleの既存機能がデバイス上の連絡先リストに依存するのに対し、AT&T;のAIはネットワークから得るユーザーのコールパターンを分析します。これにより、頻繁なやり取りを把握し、信頼できる発信者を正確に判断することで、より高い精度での通話フィルタリングを実現しています。

未知の番号から着信があった場合、AIアシスタントが自動で応答し、発信者が人間であるか、または緊急性があるかを声のトーンなどから判定します。基準を満たした通話のみを本人に転送するか、メッセージを残すかを選択できます。

また、ユーザーは専用アプリを通じてAIによる通話のリアルタイム文字起こしを確認し、いつでも会話に加わることも可能です。AT&T;の最高データ責任者によると、このAIアシスタントは単なるスクリーニングに留まらず、将来的に予約やスケジュール調整といった複雑なタスクの代行へと進化する可能性を秘めています。

米GoogleのAI製品改善に携わっていた契約社員200人以上が、先月、予告なく解雇されました。解雇は、低賃金や劣悪な労働条件に対する労働者側の抗議活動が活発化する中で発生しており、労働者側は報復人事だと主張しています。AIの性能向上を支える「人間の裏方」の待遇と、アウトソーシングにおける雇用責任の所在が改めて問われています。

解雇を実行したのは、GoogleからAI評価業務を請け負う日立傘下のGlobalLogicです。評価業務は、生成AI「Gemini」などの出力を編集・書き換え、より人間的で知的な応答に調整する重要な役割を担います。特に優秀な「スーパーレイター」には修士号や博士号が求められるなど、高い専門性とスキルを持つ人材が多く従事していました。

労働者たちは、スキルに見合わない不安定な雇用と賃金の低さを訴えていました。特にサードパーティ経由で雇用された評価者は、直接雇用の評価者より大幅に低い賃金で同じ業務を行っていたといいます。これを受け、労働者たちは賃金透明性や待遇改善を求め、労働組合の結成に向けた動きを進めていました。

組合結成の動きに対し、GlobalLogicは報復的な措置を取ったと労働者側は主張しています。特にリモートで働く評価者同士が交流していた社内チャットスペースを、議論が活発化した直後に「勤務時間中は禁止」としました。これは労働者間の組織化を困難にさせるための意図的な行動だと見られています。

さらに、評価者たちが抱える根本的な懸念は、自らの労働がAIによる職の自動化を進めている点です。内部文書によれば、人間の評価データは、AIが自動的に応答を評価できるシステムを訓練するために利用されており、将来的に人間をAIで代替する計画があることが示唆されています。

Googleの広報担当者は、解雇された人々は「GlobalLogicまたはその下請け業者の従業員であり、Alphabet（Googleの親会社）ではない」として、直接的な責任を否定しました。しかし、AIの品質維持に不可欠な労働力を間接的に利用する中で、サプライヤーに対する倫理的な監査と責任がどこまで及ぶべきか、企業統治のあり方が問われています。

OpenAIがAGI（汎用人工知能）達成に向け、ロボティクス研究を本格的に再加速させています。特に、物理世界との相互作用を可能にする人型ロボットAIの開発に注力するため、スタンフォード大学などから専門家を積極的に採用していることが明らかになりました。これは、既存のLLMモデルの限界を超え、AIを次の段階へ進めるための戦略的な転換です。

同社は、AGIを実現するには、単なる対話や推論能力だけでなく、現実世界でタスクを実行できるアルゴリズムが必要だと判断しました。このため、大規模言語モデル（LLM）の発展がピークに達しつつあると見て、物理的な感覚や運動制御を伴う新たな研究分野に焦点を移しています。

採用された研究者たちは、人型や部分的に人型をしたロボットを制御するAIアルゴリズム開発の専門家です。求人情報からは、ロボットを人間が操作し、その動きをAIが学習するテレイグジスタンス（遠隔操作）やシミュレーションを用いた訓練システムの構築を進めていることが分かります。

具体的には、ロボット訓練に広く使われるNvidia Isaacなどの仮想物理環境シミュレーション技術の専門知識が求められています。これにより、現実世界での試行錯誤コストを削減しつつ、AIが複雑な環境に適応する能力を効率的に獲得することが期待されます。

OpenAIが自社でロボットを製造するか、既存のハードウェアを活用するかは不明確です。しかし、求人には、センサー付きロボットシステムの試作・構築経験を持つ機械エンジニアの募集があり、量産（100万台以上）を前提とした設計経験も要求されており、ハードウェアへの深い関与を示唆しています。

このロボティクスへの再参入は、競争が激化する市場への挑戦です。すでにFigureやAgilityなどのスタートアップに加え、テスラやGoogleといった巨大AI企業も人型ロボット開発に大規模な投資を行っています。現時点では、OpenAIに「魔法のような優位性はない」との指摘もあり、今後の技術開発競争に注目が集まっています。

Google Researchが開発したAIモデル「NeuralGCM」が、インドのモンスーン（雨季）予測を革新し、3800万人の農家の生産性向上に貢献しています。このAIを活用した予報は、インド農業・農民福祉省との連携により、今夏、農家へSMSで提供されました。モンスーンの開始時期を正確に把握することで、農家は作付け計画を最適化し、収益と気候変動へのレジリエンスを高めています。

NeuralGCMは、従来の物理ベースの気象モデリングと機械学習（ML）を融合させた複合型AIです。過去数十年の気象データで訓練され、物理法則に基づきながらも、パターン認識により精度と効率を大幅に向上させました。特筆すべきは、従来の予測モデルがスーパーコンピューターを必要とするのに対し、NeuralGCMは単一のラップトップでも動作可能な設計である点です。

シカゴ大学の研究チームは、NeuralGCMをECMWF（欧州中期予報センター）の先進モデルなどと組み合わせ、インドのモンスーン予測に適用しました。熱帯地域の小規模農家にとって、長期・局所的な雨季開始時期の予測は長年の課題でした。しかし、このAIブレンドモデルは、最大1ヶ月前までの正確な予測に成功し、進行中の特異な干ばつ期間まで捕捉しています。

この画期的な予測は、インド全土の3800万人の農家に対して、個別にパーソナライズされた情報としてSMS配信されました。農家はモンスーンの異常な遅延に対しても、事前に植え付け時期の調整や、種子の購入判断、作物の切り替えといった対応を講じることができました。これにより、気候変動に適応する能力が劇的に向上しています。

シカゴ大学の先行研究によると、正確な長期予報を提供することで、農家は天候に応じた適切な判断を下せるようになり、年間所得がほぼ倍増するという結果も示されています。本プロジェクトは、基礎研究から生まれたAI技術が、世界中のコミュニティの気候レジリエンス構築と経済的成長に直結する、強力な実用例として注目されています。

GoogleのAIモデル「Gemini」が、画像編集機能「Nano Banana」のバイラルな成功により、OpenAIの「ChatGPT」を抜き去り、主要なアプリストアで首位を獲得しました。特にユーザー自身をモデルにした超リアルな3Dフィギュアを生成するトレンドが世界中で爆発的に広がり、Geminiの利用が急増しています。AI市場における競争環境が、一気に塗り替えられた格好です。

この勢いはデータにも明確に表れています。Nano Bananaが8月下旬にリリースされてからわずか2週間で、Geminiアプリの新規ユーザーは2300万人増加しました。また、この期間中にGeminiを通じて変換された画像は5億枚を突破。米国、英国、ドイツなど複数の国のApple App Storeで、GeminiはChatGPTを抜いてダウンロードランキングのトップに躍り出ています。

利用急増の最大の原動力となっているのが、自分自身やペットを超リアルなミニチュア人形に変身させる「3Dフィギュア」生成機能です。ユーザーは画像を入力し、詳細なプロンプトを与えるだけで、デスク上の人形や箱、デザイン用ワイヤーフレームまで再現された精巧なフィギュア画像を作成できます。この詳細なプロンプトがオンラインで共有され、利用の敷居を下げています。

Nano Bananaは、Geminiアプリ内でシームレスかつ高速に機能します。他の画像編集AIツールと比較して処理待ち時間が非常に短く、ユーザーが求める画像を迅速に提供できる利便性が評価されています。シンプルな操作性とスピード感が、一般ユーザーの継続的な利用を促す大きな要因となりました。

成功の鍵は、他のAIツールとの決定的な差別化にもあります。多くのAI編集ツールが顔の特徴を不自然に変えてしまう傾向がある中、Nano Bananaは元の画像の顔の特徴を認識可能な形で維持しながら、可愛らしいミニチュア化を実現します。この精度と信頼性が、ユーザーの満足度を大きく高めています。

あまりにも爆発的な需要のため、Googleはインフラ管理に追われています。同社幹部は、極端なトラフィックに対処するため、一時的に利用制限（Temporary limits）を導入する必要があると述べました。開発チームはシステム稼働を維持するために「英雄的な努力」を続けている状況です。

Google Researchは、AIが訓練データを記憶し、機密情報を漏洩させるリスクに対応するため、初のプライバシー保護型大規模言語モデル（LLM）「VaultGemma」を発表しました。同時に、差分プライバシー（DP）をLLMに適用する際の性能と計算資源のトレードオフを規定する「DPスケーリング法則」を確立しました。この技術開発は、機密性の高いユーザーデータや著作権データに依存せざるを得ない今後のAI開発において、プライバシー保護とモデル性能の両立を図る上で極めて重要です。

LLMは非決定論的な出力をしますが、訓練データに含まれる個人情報や著作権データをそのまま出力してしまう、いわゆる「データ記憶」のリスクが常に伴います。VaultGemmaは、この記憶を防ぐために差分プライバシー（DP）を適用したモデルです。DPでは、モデルの訓練フェーズにおいて意図的に調整されたノイズを加えることで、特定の訓練データの影響を最小限に抑え、ユーザープライバシーの侵害を確実に防止します。

これまで、DPの導入はモデルの精度低下や計算要件の増大といった欠点を伴うため、その適用には慎重な判断が必要でした。しかし、Googleの研究チームは、モデルの性能が主に「ノイズ対バッチ比率」に影響されるという仮説に基づき、大規模な実験を実施しました。その結果、計算予算、プライバシー予算、データ予算の3要素の均衡点を見出すDPスケーリング法則を確立したのです。

このスケーリング法則の核心は、ノイズの増加がLLMの出力品質を低下させることを定量化した点にあります。開発者は、プライバシーを強化するためにノイズを増やした場合でも、計算リソース（FLOPs）やデータ量（トークン）を増やすことで性能低下を相殺できることが分かりました。この法則は、開発者が最適な「ノイズ対バッチ比率」を事前に設計し、プライバシーと性能の理想的なバランスを追求する道を開きます。

米国ニューヨークで開催されたWIRED AI Power Summitにて、Googleの幹部が検索結果に表示されるAI要約機能「AI Overviews」を強く擁護しました。一方で、大手パブリッシャーのトップらは、AI要約によるサイトトラフィックの激減と収益への打撃を主張し、Googleとの対立が明確になっています。

Googleの政府渉外・広報担当バイスプレジデントであるマーカム・エリクソン氏は、AIサマリーの提供は「ユーザー嗜好の変化」に対応したものだと説明しています。利用者は事実だけではなく文脈的な要約を求めるようになっており、AI Overviews導入後も従来の「10個の青いリンク」モデルを維持し、健全なエコシステムを目指す方針です。

しかし、GannettのCEOであるマイク・リード氏らは、この主張を全面的に否定しています。AI Overviewsの存在により、コンテンツ制作者やパブリッシャーへのトラフィック流入が著しく減少しているという明確なデータがあると指摘し、Googleの説明は事実と反すると強く反発しました。

特に焦点となっているのは、AIモデルの学習における著作物の利用に対する補償問題です。Condé NastのCEOであるロジャー・リンチ氏は、AIの最も重要なインプットであるコンテンツに対し、メディア業界全体で数十億ドル規模の補償が必要になると主張。ストリーミング時代の音楽業界との類似点を指摘しました。

AI Overviewsによる収益減を巡っては、すでにRolling Stoneの親会社であるペンスキー・メディアなどがGoogleに対し訴訟を提起するなど、法的な動きも活発化しています。また、Gannettは外部AIに依存せず、読者に答えを提供する独自チャットボット「DeeperDive」を開発し、対抗戦略を始めています。

このメディア対AIプラットフォームの構図は、政治的な規制議論も加速させています。リチャード・ブルーメンソール上院議員（民主党）は、AIによる著作権侵害などの「防護柵」を社会的な被害が拡大する前に確立すべきだと提言。AIを巡る法整備の必要性が高まっています。

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。

米大手新聞社Gannett（USA Today Network）は、GoogleのAI概要（AI Overview）機能によるウェブトラフィック激減に対抗するため、独自AIチャットボット「DeeperDive」を導入しました。同社CEOのマイク・リード氏は、WIRED AI Power Summitにて発表し、AIがコンテンツを要約することで、出版社へのトラフィックフローが劇的に減少している現状を強く批判しました。この動きは、AIによるメディア業界の収益モデル破壊に対する具体的な反撃策として注目されています。

DeeperDiveは、USA Today Networkの220紙以上の出版物から得たジャーナリズム記事のみに基づいて読者の質問に答える、「AI回答エンジン」です。従来の検索ボックスを置き換え、ユーザーに直接的な回答と関連性の高い記事を提供します。これは、読者が外部のAI企業に行かずとも、信頼できる情報源内で完結させることを目的としています。

DeeperDiveの最大の特徴は、回答の事実正確性を重視している点です。同CEOは、意見記事は参照せず、「実際のジャーナリズム」のみを参照源とすることを強調しました。このツールは広告技術企業Taboolaと共同開発され、複数のオープンソースモデルをファインチューニングして構築されています。

リードCEOは、GoogleのAI Overviewが「10の青いリンク（従来の検索結果）」を経由するトラフィックを著しく妨害しているとの認識を示しました。この問題は業界全体に及び、SEO最適化に依存する従来のコンテンツ配信モデルに、将来的なリスクをもたらすと警鐘を鳴らしています。

メディア業界のリーダーたちは、AIがコンテンツを学習データとして使用することに対する数十億ドル規模の補償が必要だと主張しています。Condé Nastのロジャー・リンチCEOは、音楽業界がストリーミングサービスとライセンス契約を結んだ状況になぞらえ、AIモデルにとってコンテンツは最も重要なインプットであると訴えています。

GannettはDeeperDiveを通じて読者の関心や意図をより深く理解し、収益化に繋げることを期待しています。次のステップとして、読者の購買決定を支援するエージェント機能を探求する意向を示しています。同社の読者は元々購買意欲が高い層であり、新たな収益源としての可能性を見込んでいるとのことです。

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。

『ローリングストーン』を発行する米ペンスキー・メディア・コーポレーション（PMC）は、検索結果にAIが生成する要約を表示するなど、自社のコンテンツを無断利用したとして、Googleとその親会社Alphabetを提訴しました。AI企業と出版業界の間で、著作権をめぐる新たな対立が火ぶたを切った形です。

訴状によると、Googleは検索上位にAI要約を表示することで、ユーザーが元の記事サイトへ訪れる理由を奪っていると主張しています。その結果、PMCはGoogleからのクリック数が「大幅に減少」し、広告収入だけでなく、購読やアフィリエイト収益も深刻な打撃を受けています。

PMCのジェイ・ペンスキーCEOは声明で、「優れたジャーナリストと賞を受賞したジャーナリズムを保護する責任がある」と述べ、Googleの行動が「デジタルメディアの将来とその誠実性を脅かしている」と非難しました。この提訴は、大手メディアによるGoogleのAI要約機能を直接狙った初の訴訟となります。

訴訟の核心は、Googleがその独占的な検索市場の地位を利用し、PMCがAI要約へのコンテンツ利用を許可するよう「強制した」という点にあります。PMCは、コンテンツ提供と引き換えにトラフィックを得るという「Webの基本的な契約」を、Googleが一方的に破ったと主張しています。

PMCはGoogleからの検索参照を完全に断つ選択肢もないと訴えています。検索結果から除外されることは事業にとって「壊滅的」だからです。そのため、自社のビジネスを脅かす「火に燃料を追加する」ような状況を強いられているとしています。

これに対し、Googleのホセ・カスタネダ広報担当は、AI要約は検索を「より有用にし」、コンテンツが発見される「新たな機会を創出している」と反論。主張には「根拠がない」とし、訴訟を徹底的に争う姿勢を示しています。

この訴訟は、AI開発とコンテンツ制作者の間で続く、より大きな闘争の一部です。『ニューヨーク・タイムズ』がOpenAIやマイクロソフトを提訴したように、高品質なAIを開発するためのデータ利用のあり方が、改めて問われています。

今回の提訴は、AI時代における知的財産権の価値や、コンテンツ制作を維持するための新たな商業モデルが求められていることを浮き彫りにしました。裁判の行方は、テクノロジー企業とメディア業界の力関係を大きく変える可能性があります。

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。