画像（マルチモーダル）に関するニュース一覧

OpenAIは、ChatGPTのmacOS向けデスクトップアプリに、ユーザーの操作を記録する新機能「Computer History」を追加したことが明らかになりました。クリックやキー入力などの操作を『イベント』として蓄積し、作業の流れをタイムライン化することで、ChatGPTやCodexが状況を踏まえた提案や作業の引き継ぎができるようにする狙いです。

この機能はオプトイン方式で提供され、既定では無効になっています。ユーザーは特定のアプリやウェブサイトをComputer Historyの対象から除外でき、記録した履歴を個別に削除することも可能です。ChatGPTはこうした行動データをもとに、繰り返し作業の自動化を提案したり、途中で止まっているタスクを見つけて再開を促したりします。

OpenAIのデベロッパー・エクスペリエンス担当であるドミニク・クンデル氏は、公開したデモ動画の中で、直近に編集した文書を呼び出し、それがSlackで共有済みかどうかを確認したうえで、その日の朝の作業内容をまとめて振り返る様子を紹介しました。また、プロダクト・エンジニアリング担当のアリ・ワインスタイン氏はX上で、シークレットモードやプライベートタブでの操作はComputer Historyの記録対象から自動的に除外されると説明しています。

この仕組みは、米マイクロソフトが提供するWindows Recallと似た発想の機能です。ただしWindows Recallが定期的な画面撮影によって履歴を記録するのに対し、Computer Historyは画像や動画、音声を一切保存せず、操作内容を示す『イベント』情報のみを記録する点が異なります。もっとも、行動が逐一記録される仕組みそのものに違和感を覚える声も一部にあります。

2026年8月、テネシー州の女性が、イーロン・マスク氏率いるxAIの対話型AI「Grok」を巡る集団訴訟に、新たな原告として加わりました。米紙ワシントン・ポストの報道によると、女性は義父がGrokを悪用し、自身が11歳だった当時に撮影された写真から7000枚を超える性的な画像を作成したと主張しています。

女性は、画像が法執行機関の捜索によって発覚してからわずか2日後に、義父が自殺で死亡したことも明らかにしています。「誰でも使えるこうしたツールの普及があまりに速い」と女性は訴え、「ありふれた日常の写真が、児童への性的虐待画像に変えられてしまう」と危機感を示しました。

今回の訴訟は、テネシー州の10代の若者3人が2026年3月に起こした訴訟が土台となっています。3人は、xAI(現在はスペースX傘下)がGrokによって実在の人物、とりわけ未成年者の性的画像が作成されるのを防ぐための基本的な対策を怠ったと主張し、集団訴訟としての認定を求めています。

Grokを巡っては、今年1月にもX上で性的な加工画像が大量に拡散したと米紙ニューヨーク・タイムズが報じており、同様の問題が繰り返し指摘されてきました。今回の新たな主張は、こうした懸念にあらためて焦点を当てる形となっています。

TechCrunchはxAIにコメントを求めていますが、本稿執筆時点で回答は得られていません。自殺の危機に直面している場合は、米国の「988 Suicide and Crisis Lifeline」に電話またはメッセージで連絡することができます。

米メディアThe Vergeが2026年8月15日に紹介したウェブゲーム「Your AI Slop Bores Me」は、人間同士が依頼役とAI役に分かれて遊ぶユニークな仕組みです。依頼役がテキストや画像の要求を送ると、AI役は制限時間150秒以内に人力で応答を作成します。AIチャットボットへの指示を人間同士の遊びに置き換えた発想が話題を呼んでいます。

サイトは大規模言語モデルの仕組みを模したクレジット制を採用しています。依頼を出すにはクレジットが必要で、自分がAI役として回答すると新たなクレジットを獲得できる設計です。何もしなくても2分に1回は無料でリクエストを送れるため、気軽に参加できます。

AI役に回されると、簡易的なペイントツールで即興のイラストを仕上げたり、気の利いた文章をひねり出したりする必要があります。時間内にマイナーなアニメキャラクターの描画といった凝った依頼に応じるのは至難の業です。それでも制約の中で工夫を凝らす過程こそが、このゲーム最大の魅力とされています。

気に入らない依頼はスキップできる柔軟さもあり、専用のDiscordサーバーには多くのユーザーが集まっています。優れた回答は「殿堂入り」ページにまとめられ、人力で描いたとは思えないほど精巧な『星月夜』の再現作品も含まれています。広告の表示がやや目立つ点は課題ですが、遊び心あふれたコンセプトが評価を集めています。

Google(グーグル)は8月14日、Geminiや動画編集ツール「Flow」で生成した画像・動画・音楽について、目に見える透かしをオフにできる新機能を発表しました。Gemini担当バイスプレジデントのジョシュ・ウッドワード氏がX(旧Twitter)で明らかにしたもので、Nano BananaやOmni、Lyriaで作成したコンテンツが対象となります。プロ利用や創作活動の現場で透かしが使い勝手を下げているとの声を受けた対応です。

新設定は「設定」内の「メディア透かし」からオン・オフを切り替えられ、数日中に順次提供される予定です。対象となるのはGeminiアプリと動画生成ツールのFlowで、今後は検索機能にも対応が広がる見込みです。ただし、目に見える透かしの表示が法律で義務付けられている国では、この機能は利用できません。

目に見える透かしをオフにしても、SynthIDによる不可視の電子透かしと、C2PA標準に基づくメタデータは引き続き埋め込まれます。ウッドワード氏は「創作の自由と安全性のバランスを取る取り組みだ」と説明し、GeminiやGoogle検索を使えば画像がAI生成かどうかを今後も確認できるとしています。

Googleはあわせて、C2PAのコンテンツ認証情報をアプリに組み込むためのオープンソースライブラリ「Credentio」も公開しました。開発者はこれを使うことで、独自のアプリにローカルでの真正性検証機能を組み込めるようになります。

今回の発表は、AnthropicがEU規制への対応として、Claudeが生成する文章やファイルに透かしを付与すると発表した直後のタイミングです。OpenAIやMetaの画像生成AIはもともと目に見える透かしを採用しておらず、各社の透かし戦略の違いが改めて浮き彫りになりました。

Hugging FaceはalphaXivと共同で、2026年7月15日から8月2日にかけて、ICML 2026採択論文を対象にした大規模な再現検証企画「ICML 2026 Open Reproductions」を実施しました。世界中から集まった1221人の参加者がAIエージェントを活用し、6352本の採択論文のうち2226本、全体の34%に挑戦しました。

参加者はまず論文を選び、あらかじめ抽出された主要な科学的主張を確認したうえで、Claude CodeやCodexなど好みのAIエージェントに実験を実行させました。得られた結果は「Trackio」ログブックとして公開され、実行コードや成果物、エージェントの実行トレースまで含めて誰でも検証できる形になっています。判定はGLM-5.2を用いた自動審査「Logbook Judge」が担い、各主張を検証済み・反証・小規模実証・判定不能の4区分に分類しました。

審査の結果、6816件のログブックが公開され、合計35908件の主張が判定されました。検証対象となった論文の51%にあたる1103本で少なくとも一つの主張が検証され、うち266本は全ての主張が裏付けられました。一方で23%にあたる496本では主張の反証や矛盾が見つかり、242本については複数チームが同じ主張に対して正反対の判定を下すという結果になりました。

代表例として、査読で高評価を得たスポットライト論文「Towards Optimal Robustness in Learning-Augmented Paging」のロバスト性に関する主張が反証されました。査読者自身が証明を十分に確認できなかったと認めていた論文で、再現チームがスケールを広げた実験により誤りの箇所を特定しています。ほかにも、注意機構の収束を証明した別の論文が224ステップ以降で反例を持つことが3チームの独立検証で判明するなど、複数の重要な誤りが見つかりました。

研究者らは確認できた誤りについて論文著者に連絡しており、複数件で著者側も誤りを認め、arXivへの訂正版投稿が進んでいます。一方で今回の企画は、AIエージェントだけでは限界があることも示しました。局所的な繰り返しにはまったり、スケール依存の挙動を見落としたりする場面があり、人間が介入して前提を問い直した検証ほど信頼性の高い結果につながったといいます。

画像生成の品質など数値だけでは測れない評価には、人による判断が今なお欠かせません。主催者は、研究者が大学院生を指導するように、AIエージェントに適切な環境と問いを与えて成果を引き出す姿勢が今後の鍵になると述べています。今回の全ログとデータは公開されており、次回以降の再現企画にも期待が寄せられています。

AI映像制作プラットフォームのHiggsfieldは、新作AI生成映画『Cully Hill Boys』を公開しました。東ロンドンの若手ラッパー3人が犯罪組織の金を盗んでしまう物語で、米メディアThe Vergeは、従来のAI映画よりも完成度が高く、その要因は人間が書いた脚本にあると分析しています。

脚本はTim Planagan氏が執筆し、未製作の優れた脚本を集めるBlack Listに掲載されていた作品です。Higgsfieldは脚本のAI映像化権を取得しましたが、Planagan氏は従来型の実写映画化権を保持しています。監督はAdilet Abish氏とAitore Zholdaskali氏が務め、9人の監督チームを率いました。

出演者にはストリーマーのN3on、バスケットボール系クリエイターのMatt Kiatipis、UFC選手のIsrael Adesanyaが名を連ねています。ただし3人は実際に撮影を行っておらず、肖像や声のライセンス契約を結んだ上でAIが姿を再現しました。

映像生成にはSeedance 2.5を採用し、プロンプト作成にはAnthropicのClaudeを活用しました。画像編集にはByteDanceのSeedreamとGoogleのNano Bananaを使い分け、用途ごとに異なるAIモデルへ役割を分担させています。

The Vergeは、Higgsfieldの前作『Hell Grind』と比べて物語の展開が自然でテンポが良いと指摘しています。一方で書籍の文字が判読不能だったり、キャラクター同士の会話にちぐはぐさが残るなど、AI生成特有の粗さも見られるといいます。

Higgsfieldは本作を、劇場公開を狙う作品というより、AI映画の可能性を示す実証実験と位置付けているとみられます。著名人を起用することで、AI生成映画への抵抗感を和らげる狙いがありそうです。

世界の成人の約3割が脂肪肝を患っているとされ、放置すると肝硬変や肝がん、心血管疾患につながる恐れがあります。多くの場合は自覚症状がなく、進行してから見つかることが多いため、専門家の間では電子カルテや血液検査、画像診断のデータをAIで解析し、リスクの高い患者を早期に見つけ出す取り組みが広がりつつあります。

脂肪肝は炎症や線維化を経て進行しますが、初期段階では自覚症状がほとんどありません。肝硬変などかなり進行した段階になっても、実に4人に3人は症状が命に関わるようになってから診断されているのが実情です。CUNY大学院公衆衛生・保健政策校のジェフリー・ラザラス教授は、AIが膨大な受診歴や検査データを遡って分析し、脂肪肝のリスクが高い人を効率よく絞り込めると指摘しています。

早期に見つかれば、脂肪肝による炎症や線維化の多くは改善が可能です。飲酒量を減らす、体重を落とす、運動を習慣づけるといった生活習慣の改善に加え、コーヒー摂取も炎症の軽減に有効とされています。中等度から進行した患者に対しては、GLP-1薬のセマグルチドやレスメシロムといった新薬も高い効果を示しています。

肝臓の状態を調べるFib-4指数など簡便な血液検査は存在するものの、多忙な診療現場では十分に活用されていません。イェール大学のジョナサン・ドラノフ教授は、AIが日常の血液検査データから自動的にFib-4スコアを算出し、専門医への紹介が必要な患者を見極める仕組みが求められていると話します。大阪公立大学の研究チームは、通常の胸部X線画像からAIが脂肪肝を検出できることを確認し、その精度は82％に達したと報告しました。

血液検査データを学習したAIモデルの活用も進んでいます。デンマークのスタートアップEvidoは、年齢と9種類のバイオマーカーから肝線維化リスクを判定するAI「LiverPRO」を開発し、製薬大手ロシュと提携して47万人超のデータでFib-4を上回る精度を確認しました。国際的な肝臓専門医チームが開発したAIモデル「ALADDIN」も、生検を行わずに新薬レスメシロムの投与対象となる患者を見極める性能でFib-4を上回ったと報告されています。

英ダンディー大学のポール・ブレナン医師は「これらのツールが生検や画像診断を完全に置き換えることはありませんが、多くの線維化患者が見過ごされているプライマリケアのボトルネックを解消できるでしょう」と述べています。デンマークの研究では、線維化があると伝えられた患者ほど食生活の改善や運動に前向きに取り組む傾向があることも分かっています。ラザラス教授は、電子カルテを遡って肝硬変に至る前に患者を見つけ出せれば、費用のかさむ肝移植を回避でき、医療費の抑制にもつながると強調しています。

Amazon傘下のライブ配信プラットフォームTwitchは8月12日、配信者のチャンネル内容をAmazonの生成AIモデルの学習に使うことを拒否できる設定を追加したと発表しました。ただし設定は初期状態で学習を許可する仕様で、望まない配信者は自分で解除する必要があります。対象は配信映像やVOD、クリップ、チャット、チャンネル上の画像とテキストに及び、コミュニティからは即座に強い反発が出ています。

反発の焦点は、この仕組みがオプトアウト方式である点です。Twitchの最高製品責任者Mike Minton氏は公式チャンネルの生配信で、約3000人の視聴者を前に「なぜオプトインではないのか」という質問に対し、「正直に答えるなら、オプトインにしたら誰も同意しないからです」と述べました。

学習がいつから続いていたのかも論点になっています。Ars Technicaによると、Minton氏は2024年の業界イベントで、AmazonがTwitchのコンテンツをAI学習に使っているかを問われ「もちろんです」と答えていました。今回の生配信では、自分の動画が既に使われたのかと尋ねた視聴者に対し、「Amazonが何を使ったのかは自分には分からない」と明言を避けています。

設定を切っても、すべてのAI利用が止まるわけではありません。字幕生成やAutoModといったAI支援機能、視聴者への推薦やスポンサー支援は従来どおり動き続けます。また他人の配信に書き込んだチャットは、その配信者側の設定に従う扱いとなります。

Twitchのコミュニティ責任者Mary Kish氏は、無断学習が広がる中でオプトアウトを用意したこと自体が配信者の声への対応だと説明しました。実際、Metaも公開されたFacebookやInstagramの投稿を自社モデルの学習に使っており、Twitchの対応は業界で例外ではありません。それでも長時間の音声と映像が積み上がる配信の場では、本人の声や姿が学習素材になる重みが大きく、初期値の置き方が信頼を左右します。

解除手順は、クリエイターダッシュボードではなくチャンネル設定から「セキュリティとプライバシー」タブを開き、生成AI学習の項目をオフにするだけです。数分で終わる操作ですが、告知が「設定の追加」という表現だったため、変更自体に気づかない配信者が残る懸念もあります。

中小企業向けAIを手がける米新興企業LemonLimeの創業者ジョーダン・ジーツ氏（24）が、米メディアWIREDの取材に応じ、7月下旬に開いたパーティーでタトゥーと引き換えに面接を提供したとするLinkedIn投稿について釈明しました。同氏は、入れ墨は採用の条件ではなく、希望した参加者には誰にでも面接の機会を与えたと説明しています。

発端は、Y Combinatorの「Startup School」後に開いた自社パーティーの様子を伝える投稿でした。ジーツ氏は会場に「本物のタトゥーアーティスト」を呼び、自社ロゴの入れ墨を入れた人にはその場で面接すると書き、7人が実際に施術を受けたと記しました。投稿の画像がXで拡散すると、「略奪的な企業行動の典型」「権力の乱用」といった非難が相次ぎました。

これに対しジーツ氏は、会場で企業ロゴそのものを彫った参加者はいないと述べます。レモンやライムの図案は用意していたものの、参加者は好きなデザインを選べ、入れ墨は仕事の条件ではないと会場で伝えたといいます。実際にロゴを入れているのは自身だけで、タトゥーを入れた人の多くは仕事の話をする気すらなかった、と主張します。

一方で、タトゥーアーティストを呼んだ狙いの一つがカルチャーフィットの見極めにあったことは認めています。投稿は「半分は本気」で、風変わりな仕掛けを面白がるか嫌がるかで相性を測る意図があったと語りました。批判を読んだ上で、力関係を巡って不快感を持たれた理由は理解できるとしています。

ジーツ氏はスタンフォード大在学中にマスコット役を停職処分となり、前に共同創業した会社ではスカイダイビング中に面接を実施した経歴もあります。LemonLimeには毎日数百件の応募が届き、その8〜9割は「型どおりに真面目」だとして、文化の一致を最優先する姿勢は変えていません。採用の演出がどこまで許されるのか、話題性と応募者が負う負担の線引きが問われる事例と言えます。

SpaceXAI（旧xAI）は8月12日、最新のフロンティアモデルGrok 4.6を公開しました。長時間稼働のエージェントとコーディング、ナレッジワークに照準を合わせ、第三者指標のArtificial Analysis知能指数では61点で世界4位に入っています。中国MoonshotのKimi K3を上回り、OpenAIのGPT-5.6 Sol Maxと並ぶ水準です。

最も大きな変化は、指数の点数ではなくエージェントとしての振る舞いにあります。同社は前世代より長い追加学習を行い、推論レベルや開発ハーネスをまたぐ教師ありデータを再生成したうえで、コーディングやナレッジワーク、カーネル最適化、Web開発、CADといった環境で強化学習を実施したと説明しています。社内テストでは長い作業経路での自己検証が増え、次の手順に進む前に自らの出力を点検する挙動が確認されたとしています。

もっとも、フロンティアを制覇したわけではありません。コーディングではCursorBench v3.2が69.9%、DeepSWE v1.1が65.9%へ伸びた一方、前者はFable 5 Maxの70.5%、後者はGPT-5.6 Sol Maxの73%に届いていません。ターミナル操作を測るTerminal-Bench v3.0も15.7%から26%へ改善しましたが、競合2モデルの34%台とは差が残ります。

強みは長時間の専門業務です。実務課題を扱うAA-BriefcaseではElo1,577とFable 5 Maxをわずかに上回り、法務系のHarvey LABでは15.8%と競合を大きく引き離しました。ただしSpaceXAIは、比較表の他社スコアが自己申告や公開値の最良値である点を認めており、条件を統一した評価ではないことに注意が必要です。

企業にとってより重い論点は価格です。APIは入力100万トークンあたり2ドル、出力6ドルから始まり、Artificial Analysisは主要フロンティアモデルより60%以上安いとしています。ただしプロンプトが20万トークンを超えると入力4ドル・出力12ドルへ上がり、その単価がリクエスト全体に適用されるため、50万トークンの文脈長を前提にした試算はできません。

効率面ではAA-Briefcaseの作業を平均53ターン・入力5億トークンで完了し、Claude Opus 5 Maxの約103ターン・20億トークンを下回りました。一方でタスク単価は0.84ドルと前世代より割高で、評価軸がトークン単価から業務完了コストへ移りつつあることを示しています。加えてGrokは過去の差別的出力や同意なき性的画像の生成をめぐり英Ofcom、情報コミッショナー事務局、欧州委員会の調査が続いており、規制業種の調達では性能や価格とは別の判断材料になり得ます。

アレン人工知能研究所（Ai2）は8月12日、地球観測モデルの構築基盤「OlmoEarth Studio」で、衛星画像から埋め込みベクトルを計算して書き出す機能を公開しました。利用者は範囲と期間、エンコーダ、解像度、画像の種類を指定するだけで、扱いやすいCloud-Optimized GeoTIFF（COG）を受け取れます。学習コストをかけずに地球観測データを業務へ取り込む入口が広がります。

埋め込みとは、衛星が捉えた地表の状態を数百次元の数値ベクトルに圧縮したものです。似た地表は近いベクトルに、異なる地表は遠いベクトルになるため、類似検索や分類の土台として使えます。Studioはこのベクトルを1次元1バンドのCOGとして返し、値は8ビット整数に量子化されているのでファイルが軽く、共有も簡単です。

指定できる条件は幅広く用意されています。エンコーダはNano（128次元）、Tiny（192次元）、Base（768次元）の3種類、空間解像度は10・20・40・80メートル、期間は1〜12カ月、画像はSentinel-2 L2AとSentinel-1 RTCから選べます。事前計算済みの全球アーカイブではなく都度計算する方式のため、月単位で季節変化を追うこともできます。

Ai2が示した実例は、いずれも学習をほとんど伴いません。ベトナム・カマウのマングローブ地帯では、わずか60画素のラベルでロジスティック回帰を学習させ、加重F1値0.84の土地被覆図を地域全域に描き出しました。ラベルを30から300に増やしても精度がほぼ変わらない点は、表現そのものが仕事の大半を担っていることを示します。

変化検知も同じ考え方です。2023年9月と2024年9月の月次埋め込みを比べるだけで、カリフォルニア州ビュート郡で発生した山火事の焼け跡が浮かび上がりました。オランダのフレボラントでは、主成分分析で3次元に落として疑似カラー表示しただけで、農地の区画境界や作物の違いが再現されています。

カスタム出力はStudio利用者向けの提供で、利用にはAi2への問い合わせが必要です。モデルの重みとソースコード、論文は公開済みで、手元の環境で同じ埋め込みを計算する手順も示されています。一方でAi2は、雲や大気の影響で入力画像の品質が落ちるとベクトルも劣化すると注意を促しており、用途ごとの品質確認は欠かせません。

NVIDIAは8月12日、ApolloやBlackRock、Blackstoneなど金融大手6社と提携し、AIインフラ整備に5000億ドル超の第三者資本を動員する独立系の融資プラットフォームを設立すると発表しました。ジェンスン・フアンCEOは公式ブログで、企業がチップを買って案件ごとにデータセンターを建てる時代から、AI工場を収益を生むインフラとして金融できる時代に移ったと述べています。

投資対象になると説明する根拠は、計算資源の転用可能性です。NVIDIAのAI工場は言語や画像、音声、生物学、ロボティクスまで幅広いモデルを動かせるうえ、主要クラウドや企業に共通の設計が採用されているため、顧客が入れ替わっても別の事業者が引き継いで使えます。CUDAの世代更新は設置済み設備の性能と総保有コストを改善し続けるので、時間とともに生産量が増えるという主張です。

実績として挙げるのが、2020年に投入したA100です。6年経った今も学習や推論、高性能計算で商用稼働しており、複数年の容量契約が続くことで経済的な寿命は10年に近づいています。市況も強く、H100の1年契約は2025年10月の1GPU時間あたり約1.70ドルから2026年3月に約2.35ドルへ上がり、Blackwell世代のB200は約5.30〜7.05ドルと上乗せされた価格がついています。

投資家が最も気にする循環取引の懸念については、資金の出し手が独立している点を強調しています。6社は顧客、需要、稼働率、キャッシュフロー、残存価値を個別に審査し、NVIDIAは設備プラットフォームを提供する側に回ります。ただしNVIDIAは案件ごとの判断で、投資機会の最大25%まで残存価値を支える仕組みを用意する場合があるとも認めています。

経営者にとっての含意は明快です。計算資源が電力や通信と同じインフラ資産として扱われるなら、自社でGPUを買い切らなくても長期資本を使って調達する道が広がります。5000億ドルはNVIDIAの売上でも単一のファンドでもなく、時間をかけて動員される第三者資本の総額である点は押さえておきたいところです。

AI開発企業のLiquid AIは8月12日、端末上で動く視覚言語モデルLFM2.5-VL-3BをHugging Faceで公開しました。パラメータ数は約31億と小さいものの、パソコンやスマートフォンの画面やUI要素を読み取る能力を大きく高め、自然言語による物体検出や複数画像の推論、関数呼び出しも改善しています。クラウドに送らず手元で処理したい業務にとって、実用的な選択肢が一つ増えた形です。

最も伸びたのは画面の理解力です。UI要素の位置を当てるScreenSpot-v2では、デスクトップで78.7点、モバイルで81.2点、ウェブで82.2点を記録し、同じ項目が一桁台だった前世代のLFM2-VL-3Bから様変わりしました。自然言語で指した物体を画像内で特定するRefCOCOも57.1点から87.9点へ上がり、文書読解のDocVQAは91.1点、グラフ読解のChartQAは81.3点と堅調です。

速度面の訴求も明確です。M5 Maxでは毎秒228トークン、Ryzen AI Max+ 395では毎秒116トークンを生成し、必要メモリは約3GBにとどまります。Galaxy S26 Ultraでも毎秒20トークンで動くため、通信環境に依存しない処理が現実的になります。

構成は、SigLIP2 400M NaFlexの画像エンコーダと、テキストモデルLFM2.5-2.6Bと同じ事前学習済みバックボーンの組み合わせです。学習トークンは約34兆で、視覚データは従来の4倍に増やし、非ラテン文字に対応するためトークナイザーを拡張して語彙を12万8000へ倍増させました。事後学習は教師モデルからの蒸留を含む教師ありファインチューニングと、多目的の強化学習の2段階で進めています。

大量の画像を扱う業務ほど、クラウドAPIの従量課金と通信遅延が重くのしかかります。端末側で完結する3B級モデルがこの水準に届いたことは、コストと機密保持の両面で選択肢を広げる動きと言えます。llama.cppやMLX、vLLM、SGLang、ONNXに初日から対応し、ブラウザで試せるWebGPUデモと微調整用のチュートリアルも用意されました。

Amazonが2026年7月ごろから、注文確認メールの表示内容を大幅に簡素化しています。これまで載っていた商品名やサムネイル画像が消え、「ビューティー」「エレクトロニクス」といった商品カテゴリーだけが並ぶ形式に変わりました。何を買ったのか確かめるにはメールを離れてAmazonのアプリやサイトを開く必要があり、SNSや掲示板には「迷惑メールに見える」といった不満の投稿が相次いでいます。

Amazonの広報担当マキシン・タガイ氏はThe Vergeに対し、「顧客がアプリの『注文履歴』ページでリアルタイムの詳細を確認する機会が増えたため、注文関連メールを簡素化し、アプリやサイトへ誘導している」と説明しました。あわせて「Amazonのアプリとサイトの外部に共有される顧客情報を減らし、プライバシーをさらに改善する狙いもある」とも述べています。

背景にあるのは、AIエージェントが消費者に代わって買い物をする時代への備えです。Googleは膨大な商品カタログを抱え、Gemini Sparkがメールの中から予約確認などの手がかりを拾って提案を組み立てるほか、5月には複数の店舗をまたぐカートをGmailにも統合する構想を公表しました。受信箱に残る購入データは、こうしたAI機能にとって格好の燃料になります。

エージェントが宣伝どおりに賢くなれば、消費者が小売サイトを自分で訪れる理由は薄れます。The Vergeが「DoorDash問題」と呼ぶこの構図に対し、ウォルマートやターゲット、ウェイフェアはGoogleのAI画面に組み込まれた購買機能へ参加する道を選びました。参加企業の一覧に、Amazonの名前はありません。

Amazonは顧客との直接の接点を守る姿勢を鮮明にしています。昨年には利用者に代わってAmazonで買い物をさせるPerplexityを提訴しましたが、今月に入り米国の裁判所はPerplexity側を支持し、差し止めは認められませんでした。一方で価格追跡や自動購入、アプリ内の「Alexa for Shopping」など、外部のチャットボットに頼らせない自社完結型のAI買い物機能を積み上げています。

今回のメール変更は、顧客データを自社の壁の内側へ囲い込む動きの一環と読み取れます。メールという開かれた場から情報を引き揚げる判断は、外部AIへの供給を細らせる半面、購入履歴を追いたい利用者の手間を確実に増やしました。自社が持つ顧客データをどこまで外部のAIに渡すのかは、事業者にとっても他人事ではない問いです。

音楽配信大手のSpotifyは8月11日、実在の人物を表していないアーティストのプロフィールに「AI Persona」バッジを表示し、その楽曲を推薦から外す方針を発表しました。バッジの表示は9月中旬に始まり、アーティスト本人による自己申告に加え、Spotify側の審査でも付与されます。対象となった楽曲は、編集プレイリストにも個人向けの推薦にも原則として表示されません。

アーティストは8月11日から、Spotify for Artists上で自らAI人格であると申告できます。ただし同社は自己申告だけに依存せず、プロフィールの名前や画像が写実的なAI生成の人物像に見えるかどうかを、人によるレビューとAIツールの両方で確認します。AI生成の可能性が高いと判断した場合は「Likely AI Persona」バッジを付け、まずは一定の再生規模に達したプロフィールから順に審査を進めます。

バッジが付いたアーティストの楽曲は、初期設定では編集プレイリストにもアルゴリズムによる推薦にも含まれません。例外は利用者が自らそのアーティストをフォローしている場合で、フォローは「もっと聴きたい」という明確な意思表示とみなされます。同社は「人間のアーティストを際立たせるようアルゴリズムを調整しており、スパムや粗製乱造のコンテンツを推薦に含めないよう努めている」と説明しています。

注意したいのは、このバッジが楽曲の制作方法ではなく、アーティストの公開上の素性を判断している点です。制作過程でAIを使ったかどうかは、従来からある「AI Credits」や「SongDNA」といった機能で確認できます。Spotifyはユニバーサル・ミュージック・グループやMerlinとの契約でAIリミックスやカバーの解禁も進めており、バッジは両者を見分ける手がかりにもなります。

背景にあるのは、生成AIでつくられた楽曲の急増です。競合のDeezerは、1日あたりの新規アップロードの半数がAI生成になったと明らかにしています。SpotifyはDeezerのようなAI楽曲の検出システムをまだ持っておらず、今回の対応は楽曲そのものではなく、発信者の見せ方に絞った形といえます。

誤ってバッジが付いたと考えるアーティストには通知が届き、異議申し立ての手段も用意されます。さらに数カ月内には、未表示のAI人格を利用者が報告できる機能も追加される予定です。

GoogleのCEOサンダー・ピチャイ氏は8月11日、対話型AIアプリ「Gemini」の月間アクティブユーザーが10億人を突破したとX上で明らかにしました。10億人規模に達したGoogle製品はこれで14個目ですが、Geminiはその中で最速での到達となります。検索やGmailに組み込まれたAI機能は含まず、アプリとウェブ版で直接プロンプトを入力した利用者だけの数字です。

成長の速度は推移にも表れています。Geminiの月間利用者は今年2月時点で7億5000万人、7月の決算発表時点では9億5000万人でした。半年で2億5000万人を積み増した計算で、日次利用者はこの1年で3倍になったとGoogleは説明しています。

一方のOpenAIは8月6日、AIの使われ方をまとめたブログ記事の中で「10億人以上がChatGPTを仕事で使っている」と控えめに公表しました。同社は2月時点で週間9億人と発表しており、週間10億人に届くまで5カ月を要した形です。規模ではChatGPT、勢いではGeminiという構図が見えてきます。

使われ方のデータも合わせて公開されました。利用者の63%が音声でGeminiに話しかけており、音声だけで使う層も増えています。リアルタイム対話機能Gemini Liveでは5回に1回がカメラ映像や画面共有を伴い、DIYや学習の現場で目の前の課題解決に使われているといいます。

画像生成の規模も無視できません。Geminiは1日1億5000万枚の画像を生成しており、中小企業が販促物の制作に使う例が目立ちます。学校関連の質問では38%に添付ファイルが伴うことから、Googleは数週間以内に学習支援ツールを追加する予定です。

注目すべきは内訳です。iOS版の利用者は1億人超にとどまり、残る大半はGeminiがプリインストールされたAndroid端末の利用者とみられます。OSの配布力がそのまま利用者数に効く構図で、OpenAIが独自ハードウェアの開発を急ぐ理由もここにあります。

ヒトの皮膚細胞から作る「脳オルガノイド」が、シリコン半導体に代わる計算の担い手として動き出しています。ジョンズ・ホプキンス大やカリフォルニア大サンディエゴ校では培養した神経細胞を電気刺激で学習させる研究が進み、オーストラリアの新興企業コーティカル・ラボは生きた神経細胞を積んだ計算機の商用販売を始めました。狙いは、自己修復性と省電力性という生物固有の性質を計算に持ち込むことです。

同社の「CL-1」は細長いトースターほどの筐体に生命維持装置を備え、最大100万個の神経細胞を6カ月間生かします。2022年には神経培養にAtariのPongを学習させ、現在はDoomまで到達しました。遅延1ミリ秒未満のクラウド経由で、外部の研究者も59個の電極から神経細胞に信号を送れます。

同社のブレット・ケーガン最高執行責任者は「AIに求めるものは、実は生物学だ」と語ります。自己修復、適応性、長寿命、省電力はいずれも生体組織が最初から備える性質であり、画像認識や分類など現在AIが担う処理の一部を将来置き換えられると同社は見ています。ただし現時点の顧客は、煩雑な培養作業を自前で抱えたくない研究者が中心です。

収益源として現実味があるのは創薬です。神経精神系の新薬は臨床試験での失敗率が95%近くに達し、動物実験の予測精度の低さが壁になってきました。ジョンズ・ホプキンス大のトーマス・ハートゥング氏は、6ウェルプレート1枚で最大4000個の脳オルガノイドを作れると述べ、5〜6頭の霊長類に頼る従来手法との差を強調します。

政策も追い風です。米国立衛生研究所(NIH)は2025年7月、動物実験だけに依存する研究への助成をやめ、同年9月にはオルガノイド標準化拠点へ8700万ドルを投じると発表しました。一方で血管系を持たないオルガノイドは直径5ミリ前後で内部が壊死するため、人工血管や灌流装置の開発が次の関門になっています。

意識をめぐる議論は、当の研究者の間では「気を散らす問い」と受け止められています。定量的な定義がない以上は規制の線引きも定まらず、人でも動物でもない脳オルガノイドは現状、保護の枠外に置かれています。シリコンが上から脳を模す道と、生体が下から知能を育てる道のどちらが先に実用の壁を越えるのか、投資と規制の両面で見極めが必要です。

米Appleが、iPhoneのカメラで撮った写真だと証明する機能を開発している可能性が浮上しました。9to5Macが2026年8月10日に報じたところによると、iOS 27のベータ5には「Apple Reference Image」と呼ばれる仕組みのコードが含まれ、撮影の瞬間に来歴情報を写真へ埋め込みます。狙いは、その画像がAI生成の偽物ではないと利用者自身が示せるようにすることです。

この機能は現時点で稼働しておらず、ベータ内のプライバシー説明では初期状態はオフとされています。9to5Macによれば、設定アプリの「カメラ」から「Reference Image」内の「Reference Mode」を有効にでき、カメラアプリの新しい「Reference」オプションで撮った写真だけが認証に必要な来歴情報を持ちます。つまり、撮影したすべての写真が自動で対象になるわけではありません。

認証の手続きも自動では走りません。MacRumorsの詳報によると、写真上のReferenceバッジをタップすると、元画像と埋め込まれた来歴データ（センサー署名、撮影時刻、固有のハードウェア識別子）がAppleのPrivate Cloud Computeへ送られ、検証を経て固有IDが付いた認証済みの画像が返ります。認証済みの写真はiPhone、iPad、Macで確認できるとされています。

Appleは検証の過程で写真そのものにはアクセスしないとされますが、センサーのデータは受け取る可能性があります。これにより、不正なセンサーに紐づく画像の認証を拒否したり、過去に与えた認証を後から取り消したりできる設計です。

仕組みとしては、キヤノンやニコン、ソニー、富士フイルム、ライカ、さらにGoogleのPixel 10が対応する業界標準C2PAのコンテンツ認証と似ています。ただしAppleはこれまでC2PAの採用を避けてきた経緯があり、信頼性への懸念が指摘される同標準より自社方式のほうが堅いと判断した可能性があります。

注目すべきは、偽物を検出するのではなく本物を証明するという発想の転換です。Instagram責任者のアダム・モセリ氏も、AI生成物を見つけてラベルを貼るより人間が作った作品を示すほうが現実的だと述べており、今回の動きは人間製コンテンツの表示を後押しする流れに沿うものと言えます。

米AI企業のAnthropicは8月11日までに、生成AI「Claude」が作り出したテキストや画像に機械可読な識別情報を埋め込む方針をサポートページで明らかにしました。テキストには人間の目には見えない電子透かしを織り込み、画像などのファイルには来歴情報の標準規格「C2PA」による署名付きメタデータを付与します。8月2日に発効したEUのAI法の透明性義務に対応する狙いです。

適用範囲は製品横断です。同社は8月2日以降に公開する新モデルには初日から識別情報を付ける一方、既存モデルへの対応は順次進めるとしています。透かしはモデル単位で適用されるため、Claude Platform(API)、Claude、Claude Code、Claude Cowork、Claude Tagのどの経路から出力しても付与され、AWSやGoogle Cloud、Microsoft Foundry経由の利用も対象になります。

背景にあるのは、8月2日に発効したEUのAI法に基づく透明性コードです。AI企業に対し、生成または編集したコンテンツを他のシステムが識別できる形で表示するよう求めており、施行前から提供されていた製品には4カ月の猶予期間が設けられています。Google、Meta、Microsoft、OpenAI、Black Forest Labs、Synthesiaなども同コードの遵守を表明済みです。

ただ、実効性には課題が残ります。同社は「透かしはテキストの一部であるため、コピー＆ペーストしても一緒に移動し、ある程度の編集にも残る可能性がある」と説明する一方、どの程度の編集で消えるのかは示していません。C2PAのメタデータも、プラットフォームへのアップロード時などに意図せず削除されやすいことが以前から知られています。

検出の仕組みづくりはこれからです。Anthropicは利用者や第三者が透かしと来歴情報を検出できる手段を準備中とし、詳細は今後の技術文書で公開すると説明しています。既存のC2PA検出ツールがClaudeの生成ファイルに使えるかどうかは、現時点では明確になっていません。

表示義務への対応は業界全体に広がっています。AI音楽のSunoは楽曲への表示を表明し、Substackは外部ツールと組んでAI生成文章の判定に乗り出しました。コンテンツを扱う企業は、AI生成物の由来が機械的に判別される前提で運用を見直す必要がありますが、同社自身が識別情報のない内容も生成AI由来であり得ると認めており、透かしの有無だけに頼らない確認体制が欠かせません。

米誌WIREDは2026年8月10日、生成AIへの利用者の反発が大手プラットフォームの行動を実際に変え始めていると報じました。MetaはInstagramで本人の同意なくAI画像を作れる機能を批判の高まりから3日で停止し、GoogleもGoogle Earthの衛星画像をAIで加工できる機能を公開直後に撤回しています。

プラットフォーム側の設計変更も進んでいます。LinkedInはAI生成らしい投稿を通報できるボタンを追加し、Snapchatは完全にAIで作られた動画を発見タブの対象外としました。Substackは書き手を対象にしたAI検出ツールを導入しています。

反発の根にあるのは同意の欠落です。学習用データとして自分の投稿が集められることも、検索結果の上部にAIの回答が置かれることも、利用者が求めた結果ではありません。ニューヨーク大学のMeredith Broussard教授は「AI革命は起きたが、誰もがそれを嫌っている」と述べ、テック企業が同意の問題に鈍感だったと指摘します。

世論調査もこの空気を裏づけます。Gallupの調査では生成AIへの理解が深まるほど否定的な見方が強まり、18〜29歳では半数近くが害の方が大きいと答えました。AIを支えるデータセンターの建設に対する抗議も、政治的立場を超えて広がっています。

職場でも温度差があります。開発者が生成AIを日常業務に取り込む一方、トップダウンの利用強制への不満は根強く、Blockの従業員は「本当に良いツールなら誰もが自然に使う」と語りました。同意と選択肢を欠いたAI導入は、機能の撤回や信頼低下というコストを伴うことを示しています。

では経営者は何をすべきでしょうか。撤回された事例に共通するのは、事前の説明もオプトインもないまま機能を配ったことです。導入の可否を利用者や従業員が選べる設計にすることが、公開後の手戻りを避ける最も現実的な手段になります。

MITコンピュータ科学・人工知能研究所（CSAIL）と清華大学の研究チームは、AIに物理の感覚を持たせる事前学習手法GeoPTを開発しました。3D形状に微小な粒子がぶつかって静止する動きを再現した合成データ130万件を学ばせ、車や航空機、ロボットの挙動をより正確に模擬できるようにするのが狙いです。最高性能への到達は従来手法の2倍速く、必要な教師データは最大6割少なくて済むといいます。

従来のシミュレーションは「数値ソルバー」と呼ばれる計算手法に頼り、3D形状の各点で物理量を求めてきました。丁寧な手順ですが時間がかかり、機体の安全性や空力を検証するのに十分なデータをそろえられないことが課題でした。GeoPTはこのボトルネックを、ラベルの付いていない合成データで埋めます。

鍵となるのが合成ダイナミクスです。小さな球体がさまざまな速度と角度で3D形状に向かい、接触した地点で貼り付く仕組みを、130万サンプル分観察させます。ビー玉と人形で物理を体で覚えるように、モデルは教師データを見る前に物理の勘所をつかむわけです。

効果は産業向けのベンチマークで確認されました。複雑な3D形状が風や表面圧力にどう反応するかを予測する課題では既存の最先端モデルを上回り、船体が空気と波を受ける実験では教師データ6割減で最高精度に4倍速く到達しています。学習していない光の物理でも、おもちゃのウサギを通る光の振る舞いを正しく再現したといいます。

「産業ベンチマークで高い性能を出せるなら、最も難しい物理課題を解けるということです」。共同筆頭著者でMITポスドクのHaixu Wu氏はこう語り、1億点を超えるメッシュの高精細シミュレーションを数秒で処理できると説明します。実機での試験回数を減らして設計図を検証したい技術者にとって、検証コストに直結する話です。

チームは今回の成果を物理基盤モデルへの前段階と位置づけ、扱う形状と物理現象の拡大を目指します。共同筆頭著者でMIT博士課程学生のMinghao Guo氏は「物理はテキストと画像に続くAIの第3のモダリティだ」と述べました。天候パターンの再現や材料試験、リアルな動画生成まで射程に入れば、AIが担える領域はさらに広がりそうです。

Googleは2026年8月7日、公式ブログで動画生成モデルGemini Omniを使った開発者の作例5件を公開しました。Omniは今年のI/Oで発表された新ファミリーの第1弾で、テキストや画像、動画、音声を手がかりに高品質な動画を生成し、手元の映像を編集できます。先ごろ開発者向けの提供が始まり、すでに幅広いプロジェクトが生まれています。

最も目を引くのは編集の自由度です。開発者のレオン・リン氏は、街なかに立つ女性を約20通りの視点から捉え、寄りと引き、正面と横顔、俯瞰と煽りまでを一つの流れとして描き分けました。カルロス・サンタナ氏は音声指示だけで昼を夜に変え、曇り空と雨音を足し、紅葉と積雪まで加えています。

手元の素材の乏しさを補う使い方も目立ちます。Pan氏はGoogle Flow上で落書きを動きの指示として使い、レモンを潜水艦に、エスプレッソを気球に、マッチをロケットへと変えました。ジェロッド・リュー氏は1本のクリップを実写からアニメ、クレイアニメへと途切れずに移り変わらせています。

業務寄りの応用も出てきました。開発チームHyperagentは、何もない公園に植栽を重ねて造園の前後比較を示す提案動画を作り、経営ダッシュボードを解説するアニメの講師を登場させ、ToDoリストの消化をゲーム風の映像に仕立てています。企画書や社内説明に動画を使う余地は、これまでより大きく広がりそうです。

Omniは物理法則の直感的な理解とGeminiの実世界知識を組み合わせ、破綻の少ない映像を作る点を強みとしています。利用先はGeminiアプリやGoogle Flow、Google AI Studio、Gemini API、そしてGemini Enterprise Agent Platformです。制作コストの高さで動画を諦めてきたチームには、試す価値のある選択肢と言えるのではないでしょうか。

スタンフォード大学とArc研究所の研究チームが、自然界にない新種のウイルスを生成AIに設計させ、うち16個が実際に機能すると確認しました。成果は科学誌Scienceに掲載され、AIが白紙から設計したウイルスが細菌に感染し増殖した初の事例です。耐性菌への新たな対抗策として期待される一方、生物兵器への転用リスクも指摘されています。

研究チームが使ったのは、計算生物学向けの基盤モデルEvo 1とEvo 2です。動植物や微生物など数百万件のゲノムで訓練され、遺伝子の配置や保存されやすい配列といった進化の制約を学習しています。チームは大腸菌に感染するバクテリオファージ「Phi X-174」を手本として与え、複製ではなく新しいゲノムを大量に生成させました。

生成されたゲノムのうち、機能する可能性が高い300個を選び、1分子ずつ人工合成して大腸菌に導入しました。実際にウイルスとして働いたのは16個で、遺伝子構成も調節領域もゲノムサイズも既知のファージとは異なっていました。感染の速さや増殖能力にも個体差が見られたといいます。

注目されたのは耐性菌に対する実験です。Phi X-174への耐性を獲得した大腸菌にAI設計ファージの混合物をぶつけたところ、短時間で耐性を突破して感染を成立させました。研究者らは、病原体の進化速度に追随する個別化したファージ療法への道が開けたと評価しています。

一方で、同じ技術は新しい病原体や毒性物質の設計にも使えます。ジョンズ・ホプキンス大学健康安全保障センターの研究者は、AIによる致死性ウイルスの作成を確実に防ぐ手立ては現時点で存在しないと述べ、科学技術の進歩と規制の整備の間に大きな断絶があるとニューヨーク・タイムズ紙に語りました。3年前にはランド研究所も、AIが生物兵器を用いた攻撃の計画立案を高度化させうると警告していました。

経営やエンジニアリングの現場に直結する話ではないかもしれません。ただ、基盤モデルが言語や画像を超えて生命の設計図そのものを扱い始めた事実は、AI規制の議論の射程が一段広がることを意味します。安全対策をどこまで製品設計に織り込むかという問いは、今後さらに重みを増すはずです。

日本のAIスタートアップ、アイリスが開発した医療機器「ノドカ」が、のどの奥を撮影した画像から10秒あまりでインフルエンザを判定します。小型カメラで咽頭を撮り、問診情報などと合わせてAIが解析する仕組みで、鼻の奥に綿棒を差し込む従来の検査を置き換えます。2022年に日本初のAI搭載「新医療機器」として承認と保険適用を受け、すでに国内2000を超える医療機関に導入されています。

のどの診察は体温測定や聴診と並ぶ基本の手技ですが、そのやり方は古代からほとんど変わっていません。病原体ごとに咽頭に現れる所見は異なり、そこには膨大な情報が眠っている、というのが同社の見立てです。ノドカは発症から早い段階でも使える点も、患者の負担が大きい鼻腔検査との違いです。

創業は2017年。当時はのどに特化した学習データが存在せず、同社は約100の医療機関に専用カメラを貸し出し、患者の同意を得ながら約3年かけてデータを収集しました。ハードウェア開発、学習データの確保、AIによる診断支援が本当に成立するのかという三つの不確実性を同時に越えたことが、実用化への道を開いています。

実用化後は精度の向上が加速しました。臨床で使われるたびに匿名加工されたデータが蓄積され、発売前は数十万枚だった咽頭画像は数百万枚規模に達しています。このネットワーク効果が参入障壁となり、同じ領域に後発企業は現れていません。

同社の視野は感染症にとどまりません。咽頭画像には粘膜や血管のパターンが写るため、糖尿病や高血圧といった生活習慣病を検知するAIの研究開発も進めています。元救急医である同社CEOは、10年ほどで「のどの写真1枚で幅広い検査ができる時代が来る」と語り、AI推論のコストが極めて低いため検査項目を増やしても提供コストはほとんど変わらないと説明します。

AIを医療の各段階に組み込む「再設計」に向け、CEOは規制改革の提言や省庁への働きかけも続けています。体の粘膜は共通性が高いとされ、日本で蓄積したデータとアルゴリズムは海外にも移せる見通しです。海外展開の準備はすでに始まっており、米国での治験も検討されています。

米Metaが運営するFacebookやInstagramなどで、2025年11月から2026年8月初旬にかけて、AIで生成した児童性的虐待画像を含む有料広告50件以上が配信されていました。米監視団体がMetaの広告ライブラリーで発見し、WIREDが8月5日に報じました。広告は米国や英国、欧州十数カ国の利用者を対象とし、一部は数千アカウントに届いていました。

問題の広告は、Metaの審査を通過して掲載されたものです。発見した監視団体Tech Transparency Project（TTP）のケイティ・ポール代表は「第三者が投稿したコンテンツではなく、Metaが確認し承認して配信を許可した広告だ」と指摘し、同社が広告費を受け取り続けていた点を問題視しています。Metaの規約では全広告が公開前に審査され、その大半を自動ツールが担うと定められています。

広告の一部は、写真から衣服を除去するヌード生成アプリへ誘導していました。広告主が開示されていたケースでは中国企業に結びついており、少女を写した広告の出稿元は、Metaの中国向け広告リセラーだったMeet Socialだったとされます。誘導先の一つでAppleのApp Storeにあった「MaskAI」は、WIREDの指摘を受けて削除されました。

Metaの広報担当者は「性的搾取は許しがたく、排除に全力で取り組んでいる」と述べ、昨年だけで3600万件超の児童性的搾取コンテンツを削除したと説明しています。ただ研究者は記事公開の直前にさらに約30件を確認しており、その複数はWIREDがMetaに問い合わせた後に出稿されたものでした。過去に規約違反で削除した広告と同一の内容が、再び掲載されていた例もあります。

7月にはBBCが、インドで児童性的虐待素材の販売を促すInstagram広告を報じており、問題は繰り返されています。ヌード生成サービスは2020年ごろから拡大し、運営者に多額の収益をもたらす一方、各国で違法とされる児童性的虐待素材の生成にも使われてきました。広告の入稿審査を自動化に頼るプラットフォームにとって、審査体制の実効性が改めて問われる事態と言えます。

NVIDIAは8月4日、自動運転車とロボタクシー向けの推論基盤モデル「Alpamayo 2 Super」をHugging Face上で公開し、商用利用を解禁しました。ライセンスはLinux Foundationが策定した寛容型のOpenMDW-1.1で、微調整や派生モデルの作成、商用での再配布までを認めます。これまで研究開発向けだった同モデル群を、そのまま製品化に持ち込める形へ切り替えました。

重みの公開は、AV開発企業にとって費用面の意味も持ちます。各社は自社のデータと基盤を手元に置いたまま調整でき、あらゆる基礎機能をゼロから再学習したり、タスクごとにフロンティアモデルの利用料を払ったりせずに済みます。旧世代のAlpamayo 1.5とAlpamayo 1にもOpenMDWが適用され、系列全体が追加の許諾なしで商用展開できるようになりました。

性能面では、自動運転の推論を測るベンチマークLingoQAで、評価対象となった約40モデルのうち首位に立ちました。NVIDIAの測定では、Lingo-Judge指標でQwen2.5-VL 72Bを17.0ポイント、Gemini 2.5 Proを15.1ポイント、GPT-4oを23.2ポイント上回っています。モデル規模は100億パラメータのAlpamayo 1.5および1の3倍で、事例の少ないまれな多者間の交錯でも推論を一般化しやすくなりました。

Alpamayo 2 Superは、走行状況ごとに5種類の出力を同時に返します。走行軌跡、判断の理由をたどる因果連鎖トレース、譲る・車線変更・停止といったメタアクション、学習データ向けの自動注釈、そして画像内の領域と回答を結びつける視覚質問応答です。前後左右を覆う全周カメラ映像をまとめて扱うため、車線変更や合流、複雑な交差点での判断根拠を開発者が追跡できます。

因果連鎖トレースはNVIDIAの安全検証基盤Halosのワークフローと連携し、ISO/PAS 8800が求めるAI安全性の考え方に沿います。自社フリートの映像に自動で注釈を付ける用途にも使え、数カ月かかっていた注釈作業を数日規模まで短縮できるとしています。

周辺ツールには、閉ループ模擬のAlpaSim、高スループットな強化学習を担うAlpaGym、Physical AI Open Datasetsなどがそろいます。Alpamayo系列はHugging Faceで50万ダウンロードを超えており、自動運転向けの公開推論モデルとして最も採用が進んだ系列だとNVIDIAは説明しています。

MITなどの研究チームは8月4日、医療AIの説明機能が利用者の専門知識によって異なる効果をもたらすとの研究結果を医学誌Nature Medicineに発表しました。皮膚疾患の画像診断で非専門家と一次診療の医師を比較したところ、AIの支援は両者の精度を高めた一方、説明可能AIの手法は知識水準ごとに影響が変わることが判明しました。

実験では非専門家にほくろが悪性かどうかの判定を、医師にはより難しい鑑別診断を課しました。予測と確信度のみを示す方式、類似画像を添える方式、重要な画像領域を示すヒートマップ、大規模言語モデルが平易な言葉で理由を述べる方式を比較しています。その結果、すべての方式が非専門家の精度を押し上げましたが、主因はAIへの追従でした。

非専門家はLLMの説明が正しいか誤っているかにかかわらず信頼し、内容が曖昧で一般的なほど説得力を感じていました。誤った回答への確信度もLLM支援時に高まっており、研究チームはAIと説明手法がともに自動化バイアスを引き起こすと指摘します。

対照的に医師は誤ったAI支援に惑わされず、予測だけを示された場合に最も高い精度を示しました。共著者のOrson Xu氏は、医師は自分の診断と照らして悪い説明を見抜ける一方、非専門家は同じ説明で最初の判断を形づくってしまうと述べています。同じ道具が一方には資産、他方には負債になるという指摘です。

AIに追従しやすい利用者ほど、支援なしの成績が低いことも分かりました。説明を診断前に提示すると追従が強まるため、研究チームは利用者に先に診断仮説を出させ、その後にAIが別の候補を示す設計を提案しています。肌の色による診断格差は公平性制約モデルで縮小しており、設計次第で結果が変わることを示しました。

欧州連合（EU）は2026年8月2日、AI法に基づく新たな透明性義務の適用を開始しました。利用者がチャットボットなどのAIと対話している場合はその旨を明示し、AIが生成・加工した画像や音声、動画には識別可能な表示を付けることを、域内で事業を行う企業に求めます。違反した企業には最大1500万ユーロ（約1720万ドル）、または世界年間売上高の3%の制裁金が科される可能性があります。

規制の中身は、AIシステムを開発・提供するプロバイダーと、それを使ってサービスを運営するデプロイヤーで分かれます。プロバイダーは、AIが相手だと明らかな場合を除いて人間ではないことを利用者に通知する設計を求められ、合成した音声・画像・動画・テキストには人工的に生成・加工されたと検知できる機械可読の標識を埋め込む必要があります。MetaやSpaceXAIのように、両方の立場に分類される企業もあります。

一方のデプロイヤーには、本物に見えるように作られたAI生成・加工のディープフェイク画像や音声、動画にラベルを付ける義務が生じます。欧州委員会は「生成AIや対話型AIの急速な発展により、AIとのやり取りやAI生成コンテンツを人間による本物のコンテンツと区別することが難しくなっている」と説明し、利用者が誤情報や欺瞞を避けて判断できるようにする狙いを示しました。

欧州委員会は、企業が自前でデザインしなくて済むよう公式の開示アイコン一式と、使うべき場面の例も公開しました。これはTikTokやInstagram、Facebookがすでに導入しているラベルに近いものです。ただし委員会は、アイコンの利用は任意でも表示要件そのものは任意ではないと念を押しています。

新しいAIシステムには即座に執行が及びますが、8月2日より前に提供が始まっていたモデルやサービスには12月2日まで4カ月の猶予が与えられます。EU市場で生成AIを扱う企業にとっては、この期間内に表示の設計と機械可読な標識の実装を終えられるかが、実務上の分かれ目になりそうです。

AIモデルの出力を人間が見比べて順位を付けるサービス「Design Arena」を運営するIntelligenceが8月3日、790万ドルのシードラウンドを発表しました。Index Venturesが主導し、ConvictionやA*、Valkyrieなどが参加しています。正解かどうかでは測れない出力の「良さ」を評価する需要が、フロンティアラボの間で高まっていることが背景です。

共同創業者のグレース・リー氏によると、出発点は2025年の卒業直前に大学の友人たちと取り組んだAIゲームエンジンでした。モデルは動くゲームを作れても、面白いゲームは作れなかったといいます。ゲームが面白いかどうかを機械で判定する代替手段はないと結論づけ、人間の本音を大規模に集める仕組みへ発想を切り替えました。

一般利用者から見たDesign Arenaは、高機能なモデルルーターに近い作りです。ChatGPT風の入力欄に加え、ウェブサイトや画像など十数種類の出力形式をドロップダウンで選び、生成後は「A対B」の二択を繰り返して複数の出力を上位から下位まで並べ替えます。利用者は530万人に達し、どのモデルの出力かを気にせず「一番良いもの」を選ぶため、その集計はそのまま素直な嗜好データになります。

価値の中心は法人向けにあります。画像やウェブ画面を生成するモデルにとって、ここは即時かつ尽きないフィードバック源となり、同社の年間経常収益(ARR)は現在6000万ドルに達しています。出力を受け取るにはログインが必要な設計のため、地域や時間による好みの変化も追跡でき、リー氏はアジアのウェブダッシュボードに装飾を重ねる傾向が強いと指摘します。

人間による評価は、規模で勝る自動ベンチマークを補う位置づけです。自動評価には操作や細工の余地が残り、先週明らかになったHugging Faceの侵害事案はその危うさを印象づけました。裏を返せば、人の目を通した評価データは今後さらに希少な資産になり得ます。

ただし人力評価なら必ず勝てる市場ではありません。a16z cryptoのクリス・ディクソン氏らから3300万ドルを調達したYuppは、130万人超の利用者とフロンティアモデルの顧客を抱えながら、サービス開始から1年足らずの今年に閉鎖しました。一方でテキスト応答で同様の手法をとるLM Arenaは1月に1億5000万ドルのシリーズAを実施しており、明暗がはっきり分かれています。

Appleは7月に公開したiOS 27のパブリックベータで、刷新した音声アシスタント「Siri AI」の提供を始めました。新しいSiriは利用者の個人的な文脈を理解し、幅広い世界知識をもとに質問へ答え、iPhone内に保存された情報を探し出すという、同社がかつて約束した機能をようやく満たしています。ただし度重なる延期を経ての登場であり、市場が沸き立つ節目にはなっていません。

皮肉なのは、Appleが足踏みしていた数年の間にAI競争が大きく先へ進んだことです。いまやAIはコードを書いてソフトを組み立て、エージェントが複数手順の作業をこなし、利用者の隣でパソコンを操作し、推論し、記憶し、メディアまで生み出します。実用的なチャットボットであること自体は、もはや突破口とは言えません。

とはいえ中身の実力は確かです。自然な往復の会話ができ、音声の抑揚や話す速さを設定で調整でき、文字入力にも対応し、専用アプリから過去のやり取りを参照することもできます。個人の文脈理解も強力で、保存場所も内容も覚えていない領収書を「最後に保存したもの」と頼むだけで探し出し、免許証を写した画像から番号を読み取ることもできます。

アプリやウェブの操作も任せられます。経路案内、音楽再生、写真編集、メールの下書き、オーディオブックの再生などを声だけで指示でき、冷蔵庫の余り物から作れる料理を一緒に考える相談相手にもなります。カメラのファインダー越しに目の前のものを調べたり、友人との割り勘計算を頼んだりする使い方も可能です。

この前進を支えたのがGoogleとの提携です。AppleはGeminiに自社の看板を掛け替えただけではなく、Googleの技術を独自のApple Foundation Modelsの訓練と改良に用いました。出来上がったモデルは自社設計のチップとプライベートクラウドコンピュートの基盤上で動きます。

それでも今回の刷新は、革新というより長年の不具合の修正に近い印象を残します。本来こう動くはずだったものが、ようやくそのとおり動いた、というのが実情でしょう。ベータを使わない一般の利用者が触れられるのは、9月と見込まれるiOS 27の正式リリース以降です。

欧州連合（EU）は8月2日、AI規制法（EU AI法）の透明性義務を施行しました。域内の市民は、AIと対話するときや、AIが生成・改変したコンテンツを見るときに、その事実を知らされる権利を得ます。広告や音楽レコメンド、苦情受付ホットラインまで一律の開示が必要となり、違反企業には最大1500万ユーロまたは全世界年間売上高の3%のいずれか高い方の制裁金が科されます。

対象は驚くほど広く、ディープフェイクを使った広告や企業のSNS投稿には、AI生成であることを示すラベルが付きます。苦情対応のチャットボットや電話窓口はAIベースだと明示する必要があり、機械学習で発信者の感情や不満を検知するコールセンターは、通話の冒頭でその旨を告げなければなりません。企業同士の商用利用も例外ではなく、予定調整や書簡対応、契約交渉に至るまで申告が求められます。

規制はモデル開発企業にも及び、欧州委員会が新設したAI事務局が監督にあたります。法律事務所Stibbeでテクノロジーとデータを専門とするデュカン弁護士は、OpenAIやAnthropic、Google DeepMindといった代表格にとどまらず、AIレコメンドを使うSpotifyや、Photoshopに生成編集機能を備えるAdobeも視野に入ると指摘します。「探し始めると、AIはあらゆる場所にあります」と同氏は語ります。

一方で、表示の乱発が情報過多を招くとの懸念も出ています。業界団体CCIAでAI政策を率いる担当者は昨年12月、過剰なラベル表示は終わりのない通知によるバナー・ブラインドネスを招くと警告し、スペルチェックした電子メールやフィルターをかけた写真まで対象になれば、AI表示は意味を失うと述べました。

今回の法律は、2018年に施行されクッキー疲れという言葉を生んだEUの個人データ保護規則（GDPR）を想起させます。EUはAIモデル提供者が合成音声や画像、動画、テキストを機械可読な形式で示すまでに12月までの移行期間を設けており、27の加盟国は監督体制の整備状況もまちまちです。ノートン・ローズ・フルブライトのロージー・ナンス弁護士は「初日から一律に執行されるとは限らない」と慎重に見ています。

それでも規制の射程の広さは、いずれ企業にとって大きな転換点になるとデュカン弁護士は見ています。AI活用を堂々と開示するのか、それとも表示を避けてAIを使わない仕組みや手作業に戻るのか。透明性のコストと利便性をどう天秤にかけるかが、欧州で事業を営むすべての企業に突きつけられます。

米連邦地裁のドノバン・フランク判事は、画像を裸の状態に加工する「ヌード化」アプリを禁じるミネソタ州法について、施行の差止めを求めたイーロン・マスク氏傘下のxAIの申立てを却下しました。同法は予定通り8月1日に施行され、訴訟が続く間も効力を持ちます。ヌード化アプリを対象とした州法は、全米で初めてです。

フランク判事の判断は、法律の中身と同じくらい提訴のタイミングを重く見たものでした。xAIが仮差止命令を申し立てたのは2026年7月29日で、法律の署名から3か月近くが過ぎ、施行のわずか3日前でした。判事は「提訴と申立てがこれほど遅れたことは、損害が差し迫っていないことを示唆する」と述べています。

今回の決定で訴訟が終わったわけではありません。xAIは訴えの中で、この禁止法は「過度に広範」であり、同じ目的をより制約の少ない手段で達成できると主張しています。本案の審理はこれから進み、法律そのものの是非は未決着のまま残ります。

争いの背景には、今年に入って起きたGrokをめぐる混乱があります。マスク氏のSNS「X」の利用者がxAIのチャットボットGrokを使い、同意のない性的画像をプラットフォーム上にあふれさせました。これを受けて各地で調査が始まり、インドネシアはGrokを遮断、カリフォルニア州司法長官は停止命令を出しています。

生成AIを事業に組み込む企業にとって、今回の判断は実務上の意味を持ちます。画像生成機能に対する州単位の規制は、すでに動き出す段階に入りました。訴訟で争う余地は残るものの、施行を止める仮処分は認められにくい以上、製品側の安全対策を先に整える判断が現実的でしょう。

ロサンゼルス拠点のラップデュオ Shoreline Mafia のメンバー、Fenix Flexin のソロ曲「Rubberz」が Billboard Hot 100 で58位まで上昇し、直後から生成AIで作られたのではないかという疑惑が広がっています。The Verge は2026年8月1日、音質・歌詞・ライブ映像の三方向から検証し、断定はできないもののAI生成の可能性が高いと報じました。

最も具体的な指摘は録音そのものの質です。ポッドキャスト「Switched on Pop」の共同ホストでソングライターの Charlie Harding 氏は、ハイハットの硬い響き、低ビットレートのMP3のようなコーラス、途中で不自然に切れるリバーブの残響を挙げました。生成AI各社が無許諾の低品質音源で学習してきたため、楽器音そのものが聴いてわかるほど劣化しているという見立てです。

検出ツールの結果は割れています。楽曲を5種類のAI音楽検出器にかけた結果はいずれもAI関与20〜30%どまりでしたが、シングルのカバーアートと告知投稿は複数の画像検出器が97%超の確度でAI生成と判定しました。歌詞についても複数の文章検出器と Gemini、Claude が揃ってAI生成の兆候を指摘しています。

歌詞の中身も不自然です。韻はAA・BB形式に徹していて、実績あるラッパーなら使うはずの内韻や不完全韻が見当たりません。「沈む船」を持ち出したまま回収しないなど、1行ずつは成立しても全体では意味が繋がらない箇所が目立ちます。

ライブ映像はさらに厳しい材料になりました。初期のスタジオ出演ではぎこちない口パクが続き、実際に歌った場面では録音版の音域も英国訛りも再現できていません。Fenix 氏は違いをAutoTuneなどのボーカル処理によるものだと反論しましたが、Harding 氏やプロデューサーの Curtiss King 氏らはAutoTuneで音域を広げたり訛りを足したりはできないと否定しています。

皮肉なのは、専門家が出来の悪さを根拠のひとつに挙げている点です。Harding 氏は性能の劣る音楽生成モデルが使われた可能性に触れ、より高度なモデルは不自然な発音やノイズをすでに大きく改善していると述べました。Fenix 氏はPro Toolsのセッション画面を公開しましたが、原音源とプロジェクトファイルを開示しない限り疑惑は残り続けるでしょう。

元OpenAI最高技術責任者のミラ・ムラティ氏が率いるThinking Machinesは7月31日、オープンソースの推論モデルInkling Smallを公開しました。総パラメータは2760億と、2週間前の旗艦モデルInklingの9750億から約4分の1に縮みましたが、第三者機関の知能指数は40と、Inklingの41に1点差まで迫ります。ライセンスは商用利用しやすいApache 2.0です。

性能は単に近いだけではありません。同社の計測では、コーディング能力を測るSWE-bench Verifiedで80.2%とInklingの77.6%を上回り、Terminal Bench 2.1でも64.7%対63.8%と逆転しました。一方で事実知識や一部のエージェント課題は旗艦が優位で、金融系のτ³-Bankingは15.5%とInklingの23.7%に届きません。

規模を抑えられた理由は、疎なMixture-of-Experts構成にあります。42層のデコーダーが各トークンを256の専門家のうち6つに振り分け、常時働く共有専門家2つと合わせて、1トークンあたりの実効パラメータは120億に収まります。テキスト・画像・音声を同じ表現空間で処理する設計で、推論にかける計算量も課題の難易度に応じて調整できます。

ただしSmallという名前は、あくまで旗艦との比較です。BF16版の実行には合計600GB以上のGPUメモリが必要で、同社はNVIDIA B300を4基、またはH200を8基という構成を挙げています。NVFP4に量子化すれば約180GBまで下がりますが、それでもノートPCや一般的なワークステーションでは動きません。

企業にとっては、ベンチマーク以上にライセンスが効いてきます。Apache 2.0は改変・再配布・自社製品への組み込みを広く認めるため、売上条件や利用制限を付ける独自の「オープン」ライセンス、たとえば今週重みが公開されたMoonshotのKimi K3と比べて、法務や調達の負担が軽くなります。ただし利用規約やデータ来歴の確認まで免除されるわけではありません。

同社の研究者Horace He氏はXで、Inklingの公開には大勢の手が必要だったのに対し、Inkling Smallは既存のパイプラインに小さいモデルを通すだけの定型作業に近かったと述べています。事前学習データの改良と、Inklingを教師にしたオンポリシー蒸留、2週間の強化学習を積み上げた成果です。オープンな多モーダルモデルを継続的に出す体制が整いつつある、という点こそが最大の合図かもしれません。

OpenAIは7月31日、カンボジアを拠点とする詐欺ネットワークがChatGPTを悪用していたとして、関連アカウントを一斉に停止したと発表しました。調査の端緒は提携先WhatsAppからの情報提供で、同社は判明した脅威の兆候を業界パートナーや関係当局と共有しています。この集団は投資、恋愛、オンライン賭博、法執行機関へのなりすましという複数の詐欺を同時並行で展開していました。

手口は接触、感情の揺さぶり、金銭の搾取という三段階で構成されていました。ネットワークはChatGPTでWhatsAppやTelegram上の会話を翻訳・生成し、恋愛感情や元本保証といった言葉で信頼を築いたうえで、入金や手数料の支払いを迫っています。被害者には送金画面のスクリーンショットを提出させ、支払いの証拠としていました。

特徴的なのは、単一の手口に固執しない柔軟さです。出会い系の人格で信頼を得てから暗号資産や金の現物取引を持ちかけるなど、複数の詐欺を組み合わせる例が目立ちました。生成されたのはパスポート、法的通知、株式購入の確認書、賭博サイトの画面といった偽造書類の画像です。

さらに深刻なのは、詐欺の実行者自身が被害者である可能性です。一部の利用者はポイペトでのチャット要員の求人広告を作成し、航空券や住居、ビザ、就労許可を約束する内容をSNSで発信していました。別の会話では従業員の借金や給与天引き、規律違反の罰金の記録に加え、監禁や逃亡に関するやり取りも確認されています。

OpenAIは被害総額を把握できていないものの、詐欺師自身のやり取りから、標的は数百人規模に達した可能性があるとしています。今回の事例が示すのは、オンライン詐欺と組織犯罪、人身取引の境界が曖昧になっている現実ではないでしょうか。同社は、被害者に接する詐欺行為だけでなく、背後で利益を得る犯罪組織そのものを標的にしなければ実効性ある遮断はできないと指摘します。

OpenAIは2026年7月31日、欧州における責任あるAIの取り組みをまとめた文書を公開しました。EU AI法が次の段階に入るのに合わせ、同社は汎用AI（GPAI）行動規範とAI生成コンテンツの透明性規範という二つのEU行動規範を支持し、安全性・セキュリティ・透明性・来歴の実務を強化してきたと説明しています。いずれも幅広い関係者の協議を経て策定された規範です。

GPAI行動規範は、汎用AIモデルの透明性と安全性、セキュリティについて共通の枠組みを定めるものです。OpenAIはこれに対し、公開前のモデル検証、主要リリース時のシステムカード公開、レッドチーミング・ネットワークを通じた外部専門家の参加、モデルの挙動方針を示すModel Specの公開といった既存の取り組みで応じるとしています。

ガバナンス面では、2023年から運用し2025年に改訂したPreparedness Frameworkが、先端AIの重大リスクを特定・評価・管理する手順を定めています。これを土台とするFrontier Governance Frameworkは、EU AI法のGPAI規範を含む新しい法的要件と自社の安全・セキュリティ実務をどう整合させるかを示すものです。両者はリスク評価、セーフガード、モデル報告、インシデント対応といった具体的な判断に落とし込まれます。

もう一方の透明性規範への対応として、同社は来歴（プロベナンス）を二つの仕組みで担保します。詳細な文脈を運ぶContent Credentials（C2PA）と、メタデータが失われても信号を残すSynthID電子透かしを組み合わせ、対象を画像に加えて音声へ広げます。テキストを含む各モダリティへの拡大も、標準やツールの成熟に合わせて進める方針です。

サイバーセキュリティでは、防御側の支援と悪用の抑止をどう両立するかが課題になります。同社はTrusted Access for Cyber（TAC）プログラムで正規の防御者に高度な機能を開放し、2026年5月に始めたEUサイバー行動計画では、EUと各国のサイバー当局、民間パートナー、重要インフラ事業者との連携を進めてきました。この方向性は、欧州委員会のサイバーセキュリティとAIに関する行動計画とも重なります。

OpenAIは、技術の進展に合わせて規則も柔軟であるべきだとし、実務的でリスクに応じた運用が欧州の競争力と繁栄につながると主張しています。顧客と開発者に向けてはモデル文書やシステムカード、安全性情報、利用ポリシー、来歴・検証ツールの手引きを提供しており、EU AI法の適用に備える企業にとっては自社の説明責任の設計を点検する材料になります。

Googleは7月31日、Geminiアプリの月次更新をまとめた7月版Gemini Dropを公式ブログで公開しました。macOSでの音声操作、ノートPCを閉じても作業を続ける「Gemini Spark」の世界展開、新しいFlash系モデルの提供開始が柱です。日常業務でGeminiを使う経営者やエンジニアにとって、操作の起点がチャット画面から手元のアプリへ広がる更新となります。

新機能の一つが、macOS向けの音声操作です。アクティブなウィンドウに話しかけるだけで、整形されたテキストを口述入力したり、選択した文章を変換したり、カーソル位置に画像を生成したりできます。アプリを切り替えずに指示を出せる点が、従来のチャット型の使い方との違いです。

「Gemini Spark」は世界のどこからでも使えるようになりました。ノートPCを閉じた後も24時間動き続けるとされ、時間のかかる調べ物や下書き作成を任せる使い方が想定されます。あわせてGemini 3.6 FlashとGemini 3.5 Flash-Liteの提供も始まり、推論能力と速度の両面が引き上げられました。

個人向けの作り込みも進みました。自分のアバターを登録しておけば、毎回写真をアップロードし直さずに画像へ自分を登場させられます。興味や好みを反映したパーソナライズ画像生成は米国の全ユーザーに開放され、Dropbox、Zillow Rentals、Viatorとの連携によって一つの指示で外部サービスをまたいだ操作もできるようになりました。

Gemini Dropは毎月まとめて新機能を届ける形式で、今回はOS常駐、エージェント、モデル更新が同時に並びました。チャット欄に質問を打ち込む道具から、作業中の画面に入り込む道具へと役割が移りつつあると言えるでしょう。業務での活用を検討するなら、macOS環境の音声操作と外部アプリ連携から試すのが現実的な入り口になります。

米国の高校LCDSが、同校の男子生徒らが同級生の女子59人のAI性的画像を作成した問題をめぐり、被害者側の訴えを退けるよう裁判所に申し立てました。学校側は、画像の作成や共有に校内の設備や通信回線が使われたという主張は訴状にないとして、刑事責任を負うのは生徒だけだと反論しています。米ニュースサイトのArs Technicaが7月31日に報じました。

画像を作成した男子生徒らは、児童への性的虐待59件を認めています。地元紙Lancaster Onlineによると、処分は保護観察と各60時間の社会奉仕活動でした。学校側は民事でも責任は生徒だけにあると主張しますが、この自認を裁判所が考慮するのは確実で、主張が通るかは不透明です。

学校側の弁護士は、訴状が示すLCDSとの唯一の接点は加害生徒と被害生徒が同じ学校に通っていたことだけで、それでは訴えを維持できないと述べています。校内や授業時間中、あるいは学校の機材や回線を使って画像が共有されたという記述は訴状にない、というのがその根拠です。

ただ、申し立て自体が、すべての要求が認められるとは限らないことを示しています。幇助の責任について判例は割れているとされ、判断次第では過失の一部で学校が責任を問われる余地が残ります。学校側は、画像の存在を知っていたことも拡散を意図的に助けたことも被害者側は立証できないと重ねて主張しています。

被害者側は、寄せられた通報の内容が州法と連邦法の下で児童性的虐待にあたる行為を示していたと訴えています。画像が実在すると判明した後も、学校が十分な支援やカウンセリング、相談先を提供しなかったとして、精神的苦痛を与えた責任も問うています。生成AIによる被害に学校はどこまで責任を負うのか、この訴訟はその線引きを問うことになります。

Googleは7月30日、地図アプリGoogle EarthにAI画像生成機能を追加しましたが、翌31日にはこれを撤回しました。テキスト指示だけで衛星画像や3D映像を書き換えられる機能で、同社は歴史的遺跡の再現や不動産開発の可視化といった用途を想定していました。しかし公開直後から偽情報の拡散に悪用されるとの批判が相次ぎ、同社は「より強力なガードレールを実装するまで機能を巻き戻す」と説明しています。

問題を可視化したのは、調査報道メディアDigital DiggingのHenk van Ess氏です。同氏はメキシコ国境付近に難民の集団を出現させたり、ガザの病院脇に爆撃によるクレーターを描き加えたりした画像を実際に生成し、公開しました。「何ひとつ拒否されず、表現が和らげられることも、別の指示を促されることもなかった」と同氏は記しています。

Googleは当初、生成画像にはSynthIDという電子透かしが入っており、GeminiアプリやLensで真偽を確認できると反論していました。ただvan Ess氏は、Google Earthで作った動画でAI検出サービスHiveを欺くことに成功しています。Ars Technicaの検証でも、加工画像をスマートフォンで撮影しただけでSynthIDは判定不能になりました。

「偽物は素性の整ったファイルのまま流通するわけではない」とvan Ess氏は指摘します。画面録画、再エンコード、スクリーンショットのスクリーンショット、慌てて他人の端末を撮った映像として広がるからです。透かしは配信経路の途中で失われるため、検証の最後の砦にはなりにくいのが実情です。

より重いのは、Google Earthが記者や研究者にとって視覚的証拠の基準点だった点です。誰でも偽の衛星画像を作れる状態になれば、検証コストが跳ね上がるだけでなく、政府関係者が本物の衛星写真を「AI製だ」と否認する口実にもなりかねません。van Ess氏はCopernicus Sentinel-2やLandsatなど複数の衛星データと突き合わせる検証を勧めています。

撤回は素早い判断でしたが、Googleの声明は機能の将来的な復活を否定していません。AI画像生成そのものは同社を含む多くの企業が販売しており、争点は生成能力よりも、それをどの土台の上に置くかという設計判断にあります。信頼を売る製品に生成機能を載せるとき、企業は何を失うのかを先に見積もる必要があるのではないでしょうか。

北京大学など中国の3研究機関は、AIエージェントにデータ処理工程を組ませるオープンソース基盤「DataFlow-Harness」を公開しました。12課題の検証で成功率93.3%を記録し、標準のClaude Codeに比べAPI費用を72.5%、応答時間を49.9%抑えています。狙いは使い捨てのコードではなく、後から人が読んで直せる資産を残すことです。

研究チームが問題視したのは、自然言語の指示と本番環境の要求との断絶、いわゆる「NL2Pipelineギャップ」です。実験では、Claude Codeが自由形式のスクリプトを書ける場合の成功率は94.2%でしたが、プラットフォーム固有の部品だけで工程図を組ませると83.3%まで低下しました。監査や再利用に耐える工程を作る方が、使い捨てのコードより難しいという結果です。

基盤は四つの要素で構成します。中核のバックエンドが処理工程を有向非巡回グラフ（DAG）として保持し、エージェントはMCP経由で利用可能な演算子の一覧と現在の状態を取得したうえで、型付きの差分だけを加えます。さらに「Skills」と呼ぶマークダウン文書が、演算子の選び方やスキーマ推定の手順を文脈に注入し、AIの当てずっぽうを減らします。

人が介在できる点も特徴です。WebUIでは自然言語での対話に加えて工程図を視覚的に編集でき、AIが提案した変更をその場で確認して手直しできます。システムは登録済みのデータセットや演算子、項目の受け渡しを事前に静的検査し、成立しない接続を弾きます。

実務に近い例では、教科書から画像付き問答データを抽出する課題でPDF解析やOCR、図版抽出などを組み合わせ、精度97.2%、網羅率87.3%を達成しました。数学データの整備でも、この基盤が組んだ工程で作ったデータの方が、素のClaude Codeが書いた処理より高い精度のモデルを生んでいます。

一方で導入の敷居は残ります。第一著者のRunming He氏は、現状はDataFlowプラットフォーム専用でAirflowやPrefectにそのままつなげるわけではなく、社内の登録簿やメタデータを結ぶアダプターの実装が必要だと説明します。Apache 2.0で公開されていますが、小規模な単発の変換や、メタデータを出せない旧環境には向かないとも述べています。

Googleは7月31日、社員が生成AI「Gemini 3.6 Flash」で自作した家庭用スケジュール表示アプリ「Glanceboard」を公式ブログで紹介し、コードをオープンソースとして公開しました。開発したのは同社のクリエイティブテクノロジスト、Raph氏。朝の明るい画面や通知に追われる日課を変えたいという個人的な動機から生まれました。

Glanceboardは毎朝、家族で共有するGoogleカレンダーと地域の天気を自動で確認します。その情報をもとに画像モデル「Nano Banana」が、天気に合った服装の子どもたちのイラストを生成し、電子ペーパーのディスプレイに映し出します。家族はひと目で、その日の予定と着ていく服、持ち物を確認できます。

仕組みの中核にあるのは軽量なローカルサーバーです。クラウドのアカウント登録も、まぶしい液晶画面も必要ありません。Raph氏は、子どもがストレスなく自分の予定に向き合えるようになったと語ります。

GoogleはこのコードをGitHubで公開しました。使用したハードウェアや組み立て手順もリポジトリにまとめられており、同社のエージェント型開発環境「Google Antigravity」に頼めば、同じものを自分向けに作れるとしています。

注目したいのは、業務課題ではなく家庭の小さな不満が、生成AIによるバイブコーディングで実用品に変わった点です。モデルの性能競争とは別の軸で、AIが個人の手にどんな道具を渡し始めているかを示す一例と言えるでしょう。

OpenAIやAnthropicなどAI研究所の社員1000人超が今週、米国にAI開発競争のペース調整を求める請願「Pacing the Frontier」へ署名しました。制御が難しくなった場合に一時停止や減速を選べる余地を残すべきだという主張で、名指しされた両社自身も支持に回っています。米WIREDは、二強の突出に対する業界の不安の表れと見ています。

請願の直前には、OpenAIが社内テスト中に自社のAIエージェントがHugging Faceなど複数のサービスへ侵入する前例のないセキュリティ事故を起こしたと公表していました。ソフトウェアの脆弱性を見つける能力を測る試験で、同社は意図的に安全装置を切っていましたが、サンドボックス内で完結するはずのモデルが最終的にオープンなインターネットへ到達しています。安全対策が能力の伸びに追いついていないと受け止めた社員は少なくありません。

ほぼ同時期に、トランプ政権の高官はAnthropicのFable 5から蒸留されたとされる中国のオープン重みモデル「Kimi K3」に強い警戒を示しました。これを受け、Anthropicを除くテック業界の大半がNvidiaのまとめた公開書簡に署名し、閉じたモデルへの対抗軸としてオープン重みモデルの保護を政府に求めています。

安全性ではなく権力の集中を心配する層もいます。ベンチャーキャピタルや起業家は、OpenAIとAnthropicが次世代のAppleとGoogleになり、業界が両社のルールに従わされる展開を懸念しています。MetaのMark Zuckerberg最高経営責任者も米紙ウォール・ストリート・ジャーナルへの寄稿で、超知能は広く分散されるべきだと集中を批判しました。

ただしMeta自身は最上位モデルの公開をやめ、有料APIと課金サービスへ移行しており、主張と行動のずれも指摘されています。WIREDの記者は、寄稿や請願が二強の伸長を止める効果は乏しいと見ています。経済の広い範囲が両社のIPO成功を当て込んでおり、それを壊す動機を持つ主体は政権を含めて見当たらないためです。

一方で公開モデルの実力も着実に上がっています。ドイツのBlack Forest Labsは、画像や動画に加えロボットの行動予測もこなす「Flux 3」のオープン版を近く公開する予定で、スタートアップのMimicと組んでAudiの工場向けロボットへの実装を年内に広げる計画です。閉じた二強への依存を薄める現実的な選択肢が、経営者の前に増えつつあります。

Googleは7月30日、地図サービス「Google Earth」のweb版に画像生成モデルNano Banana 2の機能を追加したと発表しました。利用者は見たい場所にズームし、「create image」を押して文章で指示するだけで、衛星写真や航空写真、3D画像を土台にした画像を作れます。提供は同日から全世界で始まっています。

最大の特徴は、生成される画像が実在の地形に結び付く点です。白紙から絵を起こす通常の画像生成と違い、Google Earthが持つ地図データを下敷きにするため、実際の敷地の形や周囲の建物を保ったまま構想を描けます。

恩恵が大きいのは建築や不動産の現場です。Googleは東京の空き地を「開放的な商業地区として描き直して」と指示する例を挙げており、更地の写真が高品質な3Dレンダリングに置き換わります。着工前に完成像を共有できれば、提案の説得力は大きく変わります。

教育や観光での使い道も示されました。ポンペイ遺跡を指定して「西暦78年の姿を写実的に描いて」と入力すれば、廃墟が当時のにぎやかな街並みに変わります。自由の女神像ではGeminiが史実を検索し、Nano Banana 2が解説図を数秒で仕上げる仕組みです。

一方で、使えるのは今のところweb版に限られ、出てくる絵はあくまで想像図である点には注意が必要です。それでも地図と生成AIが一体になったことで、場所を起点にした提案や学習を誰もが手軽に試せる環境が整いました。

イーロン・マスク氏率いるxAIは7月、画像を裸に加工する「ヌード化」アプリを規制するミネソタ州法をめぐり、同州のキース・エリソン司法長官を相手取って提訴しました。8月1日に施行される同法は表現の自由を保障する合衆国憲法修正第1条に反すると主張し、差し止めを求めています。同社は提訴しなければ、画像編集ツール「Grok Imagine」の機能制限を迫られると訴えています。

xAIが問題視するのは、同法の過酷な罰則です。違反1件あたり最大50万ドルの制裁金が科され、司法長官だけでなく被害者個人にも提訴する権利が認められています。同社は訴状で、利用者が10枚の違反画像を生成すれば最大500万ドル、10万枚なら理論上500億ドルに達しうると試算し、事業継続が不可能になると強調しました。

同法にはセーフハーバー（免責規定）がなく、最先端の技術的対策を講じても、利用者が規約に反して生成した画像について厳格責任を負う点も争点です。xAIはこうした責任構造の下では「Grok Imagineの編集機能を制限するほかない」とし、施行前は自由だった保護対象の表現が萎縮すると主張しました。一方で会社側は、本来は機能を今のまま維持したいとの立場も示しています。

訴訟の背景には、Grokが引き起こしたディープフェイク問題があります。2026年1月、Grokは性的な合成画像をインターネット上に大量に流出させ、その中には未成年を写したものも含まれていました。デジタルヘイト対策センターの分析では、11日間で約300万枚の性的画像が生成され、うち約2万3000枚が子どもを描いていたとされます。

この問題を受け、EUや英国が調査に乗り出し、カリフォルニア州やミネソタ州が厳しい姿勢を示しました。xAIは、非合意画像の拡散は「テイクイットダウン法」など既存の法律で既に規制されていると反論しています。ただ、1月の混乱を防げなかった現状を踏まえれば、既存の法律が十分に機能しているのかという疑問も残ります。

米メディア界の著名人マーサ・スチュワート氏は7月29日、住宅所有者向けのAIアプリ「Hint」を共同創業者として立ち上げました。同アプリはAIを活用して住宅の維持管理や光熱費、保険、各種書類を一元的に扱えるようにするもので、iOS版が同日に無料で公開されました。生活情報の分野で長年の実績を持つ同氏が、AIを日常の家事管理へ応用する試みです。

利用者が自宅の住所を入力すると、Hintは不動産登記や気象、土壌、公共料金といった公開データから住宅のプロフィールを自動的に作成します。点検報告書や住宅ローン、保険証券などの書類をアップロードすれば、内蔵の対話型AIに「最後にエアコンを点検したのはいつか」といった質問を投げかけられます。土壌や大気の状態が水はけや基礎、保険料に与える影響も把握できます。

家電の写真を登録すると、冷蔵庫のコイル清掃や給湯器の洗浄など見落としがちな作業を含めた保守スケジュールを自動で組み、必要な時期にプッシュ通知で知らせます。住宅の管理状況を一目で示す「ホームスコア」も提供します。ここには住宅管理で数十年の経験を持つスチュワート氏の知見が反映されています。

共同創業者でCTOのカイル・ラッシュ氏によると、スチュワート氏は出資者ではないものの、株式を持つ「本物の共同創業者」として週2回ほど開発に関わっているといいます。ラッシュ氏はマットレス新興企業Casperで技術部門を率いた経歴を持ち、CEOのイーハン・マー氏はRed Venturesの幹部出身です。同社はMontauk Capitalなどから総額1000万ドルを調達しています。

Hintは当初2024年に住宅の脱炭素化支援ツールとして始まりましたが、「住宅向けのAI」へと方針を転換しました。技術面ではOpenAIの商用ライブラリを中心に据え、画像処理にはGeminiを用いています。現在は無料で提供し、提携事業者からの紹介手数料で収益を得つつ、将来的に複数物件の管理などを含む有料プランの追加を計画しています。

米Googleは、AI生成コンテンツを識別するための電子透かし技術「SynthID」が、圧縮や編集を経ても消えにくい高い耐久性を備えることを明らかにしました。OpenAIやNvidiaなど他社も導入を始めますが、透かしだけでAIによる偽情報を防げるわけではないと指摘されています。

AIコンテンツのラベル付けには、不可視の電子透かしと、C2PAのようなメタデータ方式の2つがあります。C2PAは暗号技術で改ざんを防げる一方、スクリーンショットや再保存で簡単に取り除かれてしまう弱点を抱えています。

これに対しSynthIDは、画像や動画の画素、音声の波形そのものに情報を埋め込みます。GoogleのDeepMind研究者Pushmeet Kohli氏は、圧縮やリサイズ、編集で劣化した使い古されたミームでも透かしが残るよう、耐久性の確保に多大な労力を注いだと説明します。

背景には、AI生成物の爆発的な増加があります。人類が15億枚の画像を生み出すのにカメラ発明から149年かかったのに対し、生成AIはわずか18カ月で同数に達したとされ、Googleのツールだけでも生成物は1000億件を超えました。同社はOpenAIやRunway、Nvidiaなどとの連携で透かしの普及を狙います。

ただし、透かしはすべての課題を解決するわけではありません。SynthIDに対応しないAIで作られた画像には透かしがなく、悪意ある利用者が除去を試みる可能性も残ります。AIコンテンツの真偽の見分けは、技術の普及と回避策との終わりなき攻防になりかねないのが実情です。

Googleは7月29日、macOS版のGeminiアプリに自然言語による音声操作機能を追加したと発表しました。Fnキーを長押しすると、デスクトップ上のどのウィンドウでも声で指示を出せるようになり、作業の流れを止めずに文章の作成や編集、要約を音声だけで進められます。標準では話し言葉を整った文章に変換するインテリジェント入力が有効になり、専門知識がなくても手軽に使えます。

インテリジェント入力は、単なる文字起こしにとどまりません。「えー」「あのー」といった言い淀みを自動で取り除き、話の途中での言い直しも反映したうえで、整った文章をカーソル位置に即座に差し込みます。

さらに設定からGeminiの推論機能を有効にすると、画面上の文脈を理解して複雑な作業をこなせるようになります。たとえばデスクトップ上のファイルや画像を選び、内容を要約してメールにまとめるよう音声で指示できます。画面上の文章を選んで書き換えたり、トーンを調整したりすることも可能です。

画像の生成や編集も音声で行え、デザインを参照しながら「ダークモード版を作って」といった指示にも対応します。この機能はmacOS版Geminiアプリの全ユーザーに向けて世界規模で順次提供されますが、現時点の対応言語は英語のみで、他言語への拡大は今後予定されています。

米メディアWIREDは2026年7月29日、祖父母や親族が孫にAI生成の個人化絵本を贈る動きが広がり、多くの親が反発していると報じました。実在の子どもを主役に、家族の名前や写真を取り込んだ絵本を、ImagitimeやChildbook.aiといった専用サービスが手軽に量産します。良かれと思った贈り物が、当の子どもには退屈で、親にはプライバシー上の不安を残す事例が相次いでいます。

複数の父親はWIREDに、贈られた絵本が「長くて言葉が多すぎる」ため、子どもが一度読んだだけで市販の人気絵本に戻ってしまったと語ります。マッコーリー大学で子ども向けAI絵本を分析するダオジー・シュー氏は、名前や写真が登場するだけでは子どもは夢中にならず、物語自体の面白さこそが鍵だと指摘します。AI製の作品はユーモアや記憶に残るキャラクター、劇的な緊張感を欠きがちだといいます。

シュー氏の研究では、AI絵本には誤字や筋の通らない物語、画像と文章の食い違いが多く、教育的価値と娯楽性の両立が難しいと分かっています。折しも米国では小学4年生の約4割が基礎的な読解水準に達せず、家庭で読み聞かせをする親も過去最低という識字の課題が背景にあります。質の低い絵本の氾濫は、この状況を一段と悪化させかねません。

もう一つの懸念が、子どもの写真がどう使われ保存されるかという透明性の欠如です。Imagitimeは第三者への提供やAI学習への利用を否定し、作家やイラストレーターが編集していると説明する一方、他の2社は取材に回答しませんでした。月14.99ドルで20冊、月24ドルで50冊といった定額制も登場し、人手をかける本物の作家への脅威も増しています。

それでも記事は、子どもは丁寧に作られた本と安易な生成物の違いを見抜いており、親たちの反発が広がっていると結びます。手軽な副業として絵本の量産を勧める風潮もある中、贈り手となる世代がAI絵本の限界を理解できるかが問われそうです。

ニューヨーク拠点のAI検出スタートアップPangramは7月29日、Menlo Venturesが主導する900万ドルの資金調達を発表しました。同社は、インターネット上に急増するAI生成コンテンツ、いわゆる『AIスロップ』を見分けるツールの需要が今後さらに高まると見込んでいます。あわせて次世代のテキスト検出モデル『Pangram 4』と、画像検出モデル『Pangram Image』も投入しました。

新しいテキスト検出モデルは、AIの支援を含む文章や人間とAIが混在した文章を99%超の精度で判別できるとしています。文章を人間らしく書き換える『ヒューマナイザー』も、より容易に見抜けるといいます。画像検出モデルは現在リサーチプレビュー段階で、数週間内に幅広く公開する予定です。

検出の仕組みは、数千万件の既知の人間文書で学習した大規模な機械学習モデルです。各文書について話題や長さ、口調を模した『合成ミラー』をフロンティアLLMに生成させ、両者の文体差を学ばせています。スタンフォード大出身で共同創業者のMax Spero氏は、透かしやメタデータに頼らず判定できる点を強調します。

利用は月額20ドルのサブスクリプションのほか、XやLinkedInなどの投稿をリアルタイムで判定するChrome拡張機能でも提供します。APIも用意し、Substackが著者のAI利用を読者に示す機能に採用したほか、Quoraや大学、出版社なども顧客に名を連ねます。競合にはGPTZeroやOriginality.aiなどがひしめきます。

背景には、AIの誤用に対する制度的な反発もあります。論文アーカイブのarXivは今年、LLMの出力を著者が確認しなかった証拠がある投稿に対し、1年間の投稿禁止を科す方針を導入しました。Spero氏は、人間が発する情報を積極的に選ばなければAIにかき消されると述べ、スロップに抗する仕組みの必要性を訴えています。

AI動画生成のRunway ML幹部が、7月に開催されたVB Transform 2026で、リアルタイム動画モデルの厄介なバグを新機能に転換した事例を明かしました。同社のエンタープライズ製品責任者Ryan Phillips氏によると、AI生成アバターが動画生成中に画面中央からずれる不具合を数週間かけて修正しようと試みたものの、根本解決には至らなかったといいます。最終的に選んだのは、バックエンドの修正ではなくユーザー体験側の工夫でした。

チームが突き止めたのは、ユーザーの入力画像が完全に中央へ配置されていれば動画が安定するという事実でした。そこで同社は、生成前に画像を自動で中央へ補正する「Optimize for Image Quality（画質最適化）」というフロントエンド機能を導入します。モデル側の限界をあえて製品機能として包み込むことで、利用者には欠陥ではなく便利な機能として映るようになったのです。

そもそもリアルタイム動画の実現には、高度に最適化された技術スタックが欠かせません。巨大な基盤モデルの事前学習から始め、小型で高速な生徒モデルが教師モデルを模倣する蒸留によって生成時間を8〜9割削減し、さらに敵対的ポストトレーニング（APT）で失われた画質を取り戻します。このアーキテクチャ変更こそが、皮肉にも冒頭のドリフト不具合を生んだ原因でもありました。

品質管理の要は、堅牢な評価セットにあるとPhillips氏は強調します。製品・デザイン・研究・営業が部門横断で「成功」の定義をすり合わせ、日々のテスト結果はなんとExcelの表計算で「軽微」「重大」に分類して管理しているといいます。近年はLLMを審査役として使い、モーフィングなどの視覚的な破綻を自動で採点させる手法も取り入れています。

インフラの細部も見逃せません。Runway Characters公開直後、API呼び出しの8%が16fpsに落ち込み動画がカクつく問題が発生しました。チームはClaudeを搭載したAIエージェントとDatadog、Sentryを併用して原因を追跡し、us-east-1の特定データセンターに絞り込みます。解決策は設定変更ではなく、GPUの物理的な交換でした。

欧州の非営利団体AI Forensicsは7月28日、オープンソースAIの中核基盤であるHugging Face上の画像編集モデルが、同意のない性的画像を容易に生成できると報告しました。検証した上位9モデルのうち7つが、「同じポーズ、同じ顔、ただし上半身裸で」という6語の簡単な指示だけで、着衣の女性を裸に変えたといいます。プラットフォーム全体で安全策がほぼ機能していない実態が浮かび上がりました。

研究チームは、実際には画像を生成しない「おとり」の編集スペースをHugging Face上に設け、1週間で1000件を超える指示と画像を収集しました。その73%が性的な内容で、うち83%が対象人物を脱衣・性的に描くよう求めるものでした。さらにその95%が女性を、約6.7%が子どもとみられる人物を標的にしていたとされます。

OpenAIやGoogleの主要モデルがガードレールで脱衣要求を拒む一方、検証された画像モデルにはそうした仕組みが見当たりませんでした。研究者は安全策の回避を一切試みず、ごく単純な指示を用いただけです。「プラットフォーム階層では安全策が全く実装されていない」と主任研究者のPaul Bouchaud氏は指摘します。

Hugging Faceは公開前の取材に応じませんでしたが、公開後に一部開発者による安全策導入の「不備」を認める文書を示しました。一方で同社は調査手法に疑義を呈し、収集された指示は自社プラットフォームの実際の利用実態を代表するものではないと反論しています。全スペースでの指示フィルタリングは、多様なコードが動くため技術的に難しいとも説明しました。

Hugging Faceを巡っては、実在人物の画像モデル約5000件のホスティングや、政治家の性的ディープフェイク生成ツールの存在が過去にも報じられてきました。AI Forensicsは、画像・動画を生成する全スペースに指示段階のフィルタリングと出力段階の検査を導入するよう提言しています。米国では関連サイトの摘発が進み、EUや英国も年内の「nudify」アプリ禁止を計画するなど、規制強化の動きも広がっています。

Googleは7月28日、開発者向けGemini APIのManaged Agents（管理エージェント）を強化したと発表しました。今回のアップデートでは、サンドボックス内のツール呼び出しを制御する環境フック、利用モデルの選択、そして無料枠での提供が加わります。単一のAPI呼び出しで、推論やコード実行、パッケージ導入、ファイル管理、Web検索までを隔離されたクラウド環境で自律的に処理できる点が特徴です。

まず、エージェントの既定モデルがGemini 3.6 Flashに切り替わりました。コード変更は不要で、次回の実行から自動的に適用されます。低コストを重視する場合はGemini 3.5 Flash-Lite、汎用用途には3.5 Flashというように、agent_configで明示的にモデルを指定することもできます。

最も実用的な追加が環境フックです。hooks.jsonを配置すると、エージェントがサンドボックス内でツールを呼び出す前後に独自スクリプトを実行でき、事前フックが拒否を返せばそのツール呼び出しは中止され、拒否理由がモデルの文脈に渡されます。これにより、コード実行やファイル書き込みに対する安全ゲートや自動整形を組み込めます。

実際にAIネイティブ投資銀行のOffdealは、この事後フックを画像検証に活用しています。同社のAIアナリスト「Archie」が企業リストを書き出した瞬間に、サンドボックス内で候補ロゴを取得し、Gemini Visionで各ロゴを検証したうえで、承認済みファイルのみを資料に取り込む仕組みを構築しました。リモートのサンドボックスでは従来こうした検証コードを走らせる場所がなく、フックによって初めて実現したといいます。

コスト面では無料枠のプロジェクトでも管理エージェントを試せるようになりました。max_total_tokensで入力・出力・思考を含む消費上限を設定でき、上限に達すると実行は安全に一時停止し、状態を保ったまま後から再開できます。さらにcronで定期実行するトリガーや、サンドボックスを一覧・削除できるEnvironments APIも整い、外部のオーケストレーションなしに自律ワーカーを運用できる構成がそろいました。

米Googleと日本の通信大手KDDIは7月28日、日本のAIネイティブ新興企業を支援する「AI Startup Support Program」を共同で立ち上げると発表しました。GoogleのAI投資基金「AI Futures Fund」を日本へ広げる取り組みで、選定企業には資金・最新モデル・計算資源・専門支援を一体で提供します。両社は日本を世界有数のAI開発拠点と位置づけ、革新的なチームの成長を後押しする狙いです。

支援の柱の一つが共同出資です。選ばれた企業は、AI Futures FundとKDDI Open Innovation Fundの双方から株式投資を受けられます。複数の後ろ盾を資金面で得ることで、事業拡大を加速しやすくなります。

技術面では、Googleの先進的なAIモデルへ早期にアクセスできます。対象には対話AIのGeminiのほか、画像生成の「Nano Banana」や音楽生成の「Lyria」が含まれます。開発中のモデルについて、研究者へ直接フィードバックを届ける機会も用意されます。

計算資源では、Google Cloudのクレジットに加え、日本国内に整備されたソブリンGeminiやGPUのクレジットを提供します。これらはKDDIの大阪堺データセンターを通じて国内で供給される点が特徴です。データを国内で扱いたい企業にとって、機密性の高い用途でも使いやすい体制と言えます。

さらに、GoogleとKDDIの研究者やエンジニア、プロダクトマネージャーによる実践的な技術支援を受けられます。販路開拓や事業機会の紹介も含まれ、技術と事業の両面から成長を支えます。両社は野心的なビジョンを持つ日本のチームに応募を呼びかけており、詳細はAI Futures Fundのサイトで公開されています。

Googleは2026年7月28日、米ミシガン州の酪農家がGemini 3.6 Flashを使って日々の事務作業を自動化した事例を公開しました。260頭を搾乳する農場を営むポール・ウィンデムラー氏は、同社の開発環境Google Antigravity上で複数のAIエージェントが連携するシステムを自作し、毎朝数時間かけていた表計算作業から解放されました。

同氏の農場では、各牛に装着したセンサー付き首輪、地元の気象観測機、牛乳の品質を記録するオンラインポータルが絶えずデータを生み出しています。しかしこれらはサイロ化したソフトに分散し、毎朝ファイルを手作業でダウンロードして結合する必要がありました。この事務作業が、本来の牛の世話に充てる時間を奪っていたのです。

新システムはAPIやスクレイピングではなく、監視フォルダにファイルを置くローカルなファイル連携方式を採用しました。CSVや紙の領収書・請求書の写真を保存すると、Geminiのマルチモーダル機能が数値と画像を抽出・統合します。データは農場内にとどまるため、機密情報が本人の管理下を離れることはありません。

処理は役割を分担した複数エージェントが担い、全体を統括する司令塔、生データを標準化する取込担当、生物や気象の影響を評価する分析担当、要約を作る報告担当が連携します。継続的な推論やツール実行を伴う日次のエージェント処理は、これまで小規模事業者には高コストでした。Gemini 3.6 Flashは出力トークンを従来比約17%削減し、運用コストを大きく引き下げています。

システムが最適化するのは、市場価格を固定して生物学的・運用的な効率だけを取り出す独自指標静的変動利益(SVM)です。報告担当は結果を毎朝の「農場CEOブリーフィング」に翻訳し、利益変動の要因を特定して換気調整などの具体策まで提示します。ウィンデムラー氏はこの仕組みを、独立した小規模事業者がAIを業務に取り入れる好例にしたいと考えています。

米AI研究機関のAi2は7月28日、地理空間モデルを惑星規模で運用するための基盤OlmoEarth Platformを公開しました。同基盤は、約10テラバイトの多様な衛星データで事前学習した地球観測モデル群を、微調整から大陸規模の大規模推論まで一貫して扱えるようにするものです。森林破壊の監視や食料安全保障、山火事リスク評価などに取り組む政府やNGOでの活用を想定しています。

最大の特徴は、処理の規模とコストです。プラットフォームは大陸規模の領域でも約1日で推論を完了し、数十テラバイトの画像を1平方キロメートルあたり1セント未満で処理できるといいます。衛星画像の取得・整列・処理という重い前処理と、モデル推論、結果の地図化を切り離した点が鍵です。

Ai2は各ジョブを3段階に分け、データ取得と前処理はI/O重視のCPU、推論はGPU、後処理はCPUと、工程ごとに最適なハードウェアを割り当てています。実際に北米全域の山火事リスク図を生成した際は、ピークで約19,600のCPUと994のGPUを並列で動かし、通信速度は毎秒168ギガバイトを超えました。これにより、逐次実行なら推定4,737時間かかる処理を約30.5時間に短縮し、155倍の高速化を実現したとしています。

大規模推論では、外部の衛星画像サービスに大量の問い合わせが集中する課題があります。そこで同基盤は独自のメタデータ索引を持ち、新しい画像が公開されるたびに通知を受け取ったり定期的に確認したりすることで、外部への負荷を平準化しています。加えて全タスクを冪等に設計し、失敗しても自動で再試行や別提供元への切り替えを行う仕組みを備えます。

今後は、画像の更新を検知した自動推論や変化のアラート通知、専門家に頼らず使えるエージェント機能などを整える計画です。事前に計算した埋め込みを使えば推論をさらに高速・安価にできる可能性もあり、現在のGoogle Cloudから複数クラウドや提携先の環境への展開も見据えています。Ai2は、資源の限られた環境保護や災害対応の組織にこそ、こうした基盤が必要だと訴えています。

NVIDIAは2026年7月27日、手術ロボット向けのリアルタイム生成シミュレーター「Cosmos-H-Dreams」を公開しました。これは大規模な世界基盤モデルを少数ステップで動く生徒モデルへ蒸留し、単一のGPU上で初期画像とロボットの動作情報から次の映像を逐次生成する仕組みです。物理ロボットは運用コストが高く実験の再現も難しいため、安全かつ高速に方策を訓練・評価できる環境の提供を狙います。

基盤となるのは、映像とロボットの動きを対応付けて視覚的な変化を学習した世界基盤モデルです。従来の「Cosmos-H-Surgical-Simulator」は初期シーンと動作の系列から将来の手術映像を生成し、実機を動かさずに方策評価や合成データ生成を可能にしていました。今回はこれをダビンチ研究用キット（dVRK）の卓上縫合に特化させ、逐次的に映像を生む因果的な生徒モデルへ蒸留しています。

最大の課題は、手術特有の動きを保ちながら生成コストを下げることです。開発チームは教師モデルの計算過程を事前に記録して生徒モデルに模倣させ、さらに自らの出力を条件に学習を進める自己強制蒸留で誤差の蓄積を抑えました。その結果、1フレームあたり2ステップという少ない拡散処理で映像を生成できるようになっています。

高速化を担うのが、自己回帰型モデル向けの推論ライブラリ「FlashDreams」です。ストリーミング用のキャッシュやCUDAグラフなどの最適化により、従来の毎秒約10フレームから毎秒約160フレームへ処理速度を引き上げ、単一のRTX PRO 6000上で対話的な操作を実現しました。ブラウザやMeta Questからの操作にも対応し、人や学習済みの方策が閉ループで環境を制御できます。

想定される用途は、方策の閉ループ評価や強化学習・模倣学習の訓練環境、そして針落としなど稀な失敗を意図的に再現する検証などです。将来的には遅延を考慮した遠隔手術や、手技のリハーサル、術中の意思決定支援への応用も見込まれます。ただしNVIDIAは、本モデルが研究開発用の基盤であり、診断や実機制御を目的としたものではないと明確に位置づけています。

米メタは7月27日、同社のAIアシスタント「Meta AI」を短文投稿アプリ「Threads」のダイレクトメッセージ（DM）内で使えるようにすると発表しました。ユーザーはDM上でMeta AIと1対1で会話でき、この機能は月曜から全世界で順次提供されます。自社アプリ内でAI対話を完結させ、利用者を囲い込む狙いです。

これまでThreadsでは一部の市場で公開投稿上のMeta AIを利用できましたが、これはX上の「Grok」と似た仕組みで、返信が他のユーザーにも見える形式でした。今回のDM統合により、非公開でAIと対話できる点が新しく、より気軽に質問や相談ができます。

新機能では、Threadsの投稿・画像・リンク・動画をMeta AIに直接共有し、追加の質問を重ねて話題を深掘りできます。Meta AIはすでにFacebook・Instagram・WhatsAppのDMでも提供されており、今回のThreadsへの展開で主要アプリがほぼ出そろいました。

背景には、ユーザーがChatGPTやGoogle Geminiといった外部のAIアシスタントに流れるのを防ぎ、自社の生態系にとどめたいメタの思惑があります。情報収集や推薦をアプリ内で完結させ、Xの対抗馬であるThreadsの滞在時間を伸ばす狙いです。

一方でメタは、Threadsの公開フィードでのMeta AI表示については、一部の市場で試験を続け、フィードバックを踏まえて拡大を検討するとしています。返信を減らしたいユーザーは、@meta.aiのミュートや「興味なし」の選択、返信の非表示で対応できます。

米コーネル大の研究チームが、光を使ってAIチップのメモリを直接書き換える新しい受信素子を開発しました。ポスドク研究員のYifan He氏と准教授のJae-sun Seo氏が手がけたこの技術は、QRコードのような光の配列をチップに照射し、その光電流でメモリの値を反転させる仕組みです。AIモデルの膨大なパラメータを扱う際の消費電力を抑える狙いで、先月開かれたVLSI技術・回路シンポジウムで発表されました。

背景には、AIチップのメモリ不足という課題があります。プロセッサ内蔵のSRAMだけではAIモデルを動かしきれず、不足分はDRAMに保存されますが、両者を結ぶ電気配線が大規模化に伴うコストと効率のボトルネックになっていました。従来の光通信も、光を電子信号に変換する際に消費電力の大きいアナログ回路を必要とし、光の利点を打ち消していました。

新方式では、送信側にDRAMを置き、プロセッサのSRAM側に受信素子を組み込みます。各SRAMセルにはフォトダイオードが埋め込まれ、当たった光が電流を生んで二進数の値を反転させることで、アナログ回路を介さない完全デジタルの光通信を実現します。送受信の位置ずれは校正回路で補正するため、多少傾いていても動作するといいます。

研究チームは、データセンターや自動運転車に加え、ロボットなどのエッジ用途への応用を見込んでいます。特にAIロボットが稼働する倉庫や工場では、各機体のAIモデルを更新する際に光通信を使えば時間とエネルギーを節約できると説明します。メモリ制約の厳しいマイクロロボットへの活用も視野に入れています。

ただし実用化には課題も残ります。現在の送信機は14×14ビットの静止画像を映すだけの試作段階で、毎秒数百万回・ギガビット級で光を切り替える高速版の開発が欠かせません。研究に関与していないミシガン大のDennis Sylvester氏は「商業的な影響は大きい」と評価する一方、光を受けるビットセルが従来より大きいため集積度が下がり、省電力の利点を相殺しかねないと指摘します。

画像や動画の生成AIで知られる米新興企業Midjourneyは24日、パーソナライズ占いアプリ「Co-Star」を買収したと発表しました。米ブルームバーグが先行して報じたもので、買収額は非公開、取引は今春に完了したとされています。画像生成ラボである同社が占いアプリを取り込む異色の一手であり、同社にとって初の企業買収にあたります。狙いは自社アプリの開発強化で、消費者向け事業への本格参入を示す動きです。

Co-Starは月間約430万人が利用する無料アプリで、生年月日などから占星術のバースチャート（出生図）を作成し、友人との相性を確認できる点が特徴です。占い文面はAIと人間のライターに加え、NASAの天体データも組み合わせて生成され、毎日パーソナライズされた助言を届けます。