画像(マルチモーダル)に関するニュース一覧

Geminiが新AI画像モデルでApp Store首位獲得

ランキング勢力図の変化

米国iOSでChatGPTを抜き首位 (9/12)
世界108カ国でiPhone総合Top 5入り
Google Playでは26位から2位に急伸

DLと収益の爆発的成長

9月のDL数が前月比45%増を記録
Nano Banana導入後、新規ユーザー2300万人
iOS収益が1月比1,291%増を達成

GoogleのAIチャットアプリ「Gemini」が、新画像編集AIモデル「Nano Banana」の導入により、モバイルアプリ市場で記録的な成長を見せています。特に米国iOSのApp Storeでは、長らく首位を維持していたOpenAIのChatGPTを抜き、トップの座を獲得しました。

Geminiは9月12日に米国App Storeで総合ランキング1位を達成し、現在もその座を維持しています。また、AndroidプラットフォームのGoogle Playでも、9月8日の26位から一気に2位まで躍進。AIアプリ市場の勢力図が大きく変化しています。

アプリインテリジェンス企業Appfiguresのデータによると、9月のダウンロード数は前月比45%増となり、わずか半月で1,260万ダウンロードを記録しました。さらに世界108カ国でiPhone総合アプリのTop 5に入るなど、グローバルな浸透が加速しています。

この成長の最大の要因は、ユーザーが複雑な画像編集やリアルな画像生成を容易に行えるようになった「Nano Banana」モデルへの高い評価です。同モデル導入後、新規ユーザーは2,300万人を超え、共有された画像は5億枚以上に達しています。

利用者の増加は収益にも直結しています。iOSにおけるGeminiの年間収益は630万ドルに達しており、特に「Nano Banana」がリリースされた8月の収益は160万ドルでした。これは1月と比較して1,291%もの大幅な伸びです。

GPT-5-Codexが開発生産性を劇的に向上させる理由

エージェント能力の進化

複雑なタスクで最長7時間以上の独立稼働
タスクに応じた思考時間の動的な調整
迅速な対話と長期的な独立実行の両立
実世界のコーディング作業に特化しRL学習を適用

ワークフローへの密着

CLI、IDE拡張機能、GitHubへシームレスに連携
ローカル環境とクラウド間のコンテキスト維持
画像やスクリーンショットを入力可能

品質と安全性の向上

コードレビューの精度が大幅に向上
重大なバグを早期に発見しレビュー負荷を軽減
サンドボックス環境による強固なセキュリティ

OpenAIは、エージェント型コーディングに特化した新モデル「GPT-5-Codex」を発表し、開発環境Codexを大幅にアップグレードしました。これはGPT-5を実世界のソフトウェアエンジニアリング作業に最適化させたバージョンです。開発者はCLI、IDE、GitHub、ChatGPTアプリを通じて、より速く、信頼性の高いAIアシスタントを活用できるようになります。

最大の進化は、タスクの複雑性に応じて思考時間を動的に調整する能力です。GPT-5-Codexは、大規模なリファクタリングやデバッグなどの複雑なタスクにおいて、最長7時間以上にわたり独立して作業を継続できることが確認されています。これにより、長期的なプロジェクトの構築と迅速なインタラクティブセッションの両方に対応します。

モデルは、既存のコードベース全体を理解し、依存関係を考慮しながら動作検証やテスト実行が可能です。特にコードレビュー機能が強化されており、コミットに対するレビューコメントの正確性と重要性が向上。重大な欠陥を早期に特定し、人間のレビュー工数を大幅に削減します。

開発ワークフローへの統合も一層強化されました。刷新されたCodex CLIとIDE拡張機能(VS Codeなどに対応)により、ローカル環境とクラウド環境間でシームレスに作業を移行できます。コンテキストが途切れないため、作業効率が劇的に向上します。

さらに、Codexは画像やスクリーンショットを入力として受け付けるようになりました。これにより、フロントエンドのデザイン仕様やUIバグなどを視覚的にAIへ共有し、フロントエンドタスクの解決を効率化します。また、GitHub連携によりPRの自動レビューや編集指示も可能です。

安全性確保のため、Codexはデフォルトでサンドボックス環境で実行され、ネットワークアクセスは無効です。プロンプトインジェクションのリスクを軽減するとともに、開発者はセキュリティ設定をカスタマイズし、リスク許容度に応じて運用することが可能です。

MIT、AIで胎児の動きを精密再現 3Dモデル「Fetal SMPL」を開発

診断精度を革新

従来の3D MRIは医師の解釈が困難
胎児のランダムな動きのモデル化が課題
より詳細な胎児の健康診断を支援

技術的コアと精度

MIT CSAILなどが成人モデルから適合
2万件のMRIボリュームで機械学習
23関節を持つ骨格構造を3Dで再現
平均誤差はわずか約3.1ミリメートル

応用と将来性

頭部や腹部サイズの正確な測定が可能
内臓構造の容積モデル化を今後目指す

マサチューセッツ工科大学(MIT)のコンピューター科学・人工知能研究所(CSAIL)などは、胎児の健康診断を革新する機械学習ツール「Fetal SMPL」を開発しました。これはMRIスキャンデータから、胎児の動きや体形を高精度に再現した詳細な3Dモデルを生成します。従来の3Dスキャン画像は医師にとって解釈が難しく、診断のボトルネックとなっていましたが、本ツールはその課題を解決します。

Fetal SMPLは、成人向けの人体モデリング技術「SMPL」を胎児用に適合させたものです。約2万件のMRIボリュームで訓練され、彫刻のような3D表現を生み出します。モデル内部には23の関節を持つ「キネマティックツリー」と呼ばれる骨格構造があり、これを利用して胎児のリアルなポーズと動きを再現できる点が大きな特長です。

このモデルは実証実験において、非常に高い精度を示しました。これまでに学習していないMRIフレームに対しても、胎児の位置とサイズを正確に予測し、平均誤差はわずか約3.1ミリメートルに留まっています。これにより、医師は胎児の頭部や腹部のサイズなどを正確に測定し、同年齢の健康な胎児のデータと比較した精密な診断が可能になります。

研究チームは現在、Fetal SMPLが表面的な分析に留まっている点を改善するため、内臓などの内部解剖学的な構造をモデル化する「容積(volumetric)」対応を目指しています。この進化により、肝臓や肺などの発達状況もモニタリングできるようになります。本技術は、ヒトの成長と運動が様々な条件でどのように影響を受けるかを長期的に研究する上でも画期的な一歩です。

M365 Copilot Chatが無料化、主要Officeアプリで生産性を底上げ

無料化の対象と範囲

全てのM365ビジネスユーザーが対象
Word、Excelなど主要5アプリに搭載
Copilot Chatサイドバーを実装
追加ライセンス費用は不要

提供される主要機能

ドキュメントの迅速な下書き・要約
スプレッドシートのデータ分析を支援
開いたファイル内容を理解し回答
Webベースの安全なAIチャット利用

Microsoftは、全てのMicrosoft 365ビジネスユーザーを対象に、WordやExcelなどの主要Officeアプリケーション内でAI機能「Copilot Chat」の無料提供を開始しました。これにより、ドキュメントの下書きやデータ分析といった生成AIの基本機能が、追加費用なしで利用可能になります。これは、企業やチームの生産性向上を強力に後押しする戦略的な動きです。

今回搭載されたのは、アプリ内で利用できるCopilot Chatサイドバーです。ユーザーが開いているファイルの内容を瞬時に理解し、関連性の高い回答を返す「コンテンツアウェア」なチャット機能が特徴です。例えば、Wordでの文書の書き換えや、PowerPointでのスライド作成補助などを、すぐに開始できます。

ただし、月額30ドル/ユーザーの有償ライセンス「Microsoft 365 Copilot」は引き続き提供されます。有償版は、単一ファイルに限定されず、企業全体の作業データに基づいて推論できる点で無料版と一線を画します。真の全社的なAI活用を目指す企業には、引き続き有償版の検討が必要です。

さらに、有償ライセンスユーザーは、最新技術であるGPT-5への優先アクセス権や、ファイルアップロード、画像生成といった高度な機能を利用できます。また、応答速度の向上や、ピーク利用時でも安定した可用性といった技術的な優位性も享受できます。

今回の無料化は、既存のビジネスプランの価格調整を伴わず実施されました。企業は、AI活用のハードルが大幅に下がることで、従業員のAIリテラシー向上と生産性改善を同時に進めることが可能になります。日常業務へのAI浸透を加速させる、重要な施策と言えるでしょう。

GeminiがChatGPTを抜き首位獲得 Nano Bananaで3Dフィギュアブーム

利用急増のインパクト

Geminiアプリの利用者数、2週間で2300万増加
同期間の画像変換回数、5億回を突破
主要国のアプリストアでChatGPTを抜き1位
極端な需要により一時的な利用制限を検討

バイラル化した要因

火付け役は超リアルな3Dフィギュア生成
Geminiアプリ内で簡単かつ高速に編集可能
元画像の顔の特徴を維持したまま生成
詳細なプロンプトがオンラインで拡散

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。

DeepMind、年間1.4兆エンベディングで地球をデータ化するAI公開

地球動態把握AIの核心

衛星データなどから地球を統一デジタル表現化
10m四方のセルごとに64次元のエンベディング生成
年間1.4兆超の緻密なデータ要約

技術的優位性と応用範囲

従来のストレージ要件を16分の1に大幅削減
競合比でエラー率23.9%減を達成
ラベルデータが少ない状況でも高精度な分類を実現
都市計画や山火事リスク管理など広範に適用

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。