画像（マルチモーダル）に関するニュース一覧

Meta（メタ）は7月7日、写真から新たなAI画像を生成できる機能「Muse Image」を自社アプリで公開しました。公開Instagramアカウントの写真を、他のユーザーがタグ付けするだけでAI生成の素材に使える点が波紋を呼んでいます。米メディアTechCrunchが9日、無効化の手順とともに報じました。

懸念の中心は同意の問題です。ユーザーは自分の公開写真が見知らぬ他人のAI生成に取り込まれることを知らされず、再利用時の通知もありません。画像を容易に加工できる仕組みは、嫌がらせやなりすまし、非合意な編集を招く恐れも指摘されています。

自動で対象外となるのは非公開アカウントと18歳未満のユーザーのみです。裏を返せば、公開アカウントの写真は初期状態で利用対象に含まれます。自衛にはユーザー自身による設定変更が欠かせません。

無効化はInstagramのプロフィール画面から行えます。右上の三本線をタップし、「共有と再利用」へ進み、「MetaのAI機能に自分のコンテンツの利用を許可する」を探します。投稿とリールの両方でこの設定をオフにすれば、AI生成への利用を防げます。

背景には、生成AIをSNSへ急速に組み込む各社への根強い不信があります。Pew Research Centerの調査では、回答者の35%がAIの拡大に「期待より懸念が大きい」と答えました。さらにMetaは、2019年に米連邦取引委員会（FTC）から50億ドルの制裁金を科された過去があり、プライバシー管理への懐疑を一層強めています。

Googleは7月9日、広告がAIで作成・編集されたかどうかを利用者に伝える新機能を発表しました。検索やYouTube、Google Discoverに表示される広告の三点メニューや情報アイコンから開ける「My Ad Center」画面に、「この広告の作り方（How this ad was made）」という項目を追加し、AI使用の有無を明示します。生成AIで手軽に広告を作れる一方、実物写真でない合成画像が消費者を誤認させかねない懸念に対応する狙いです。

開示の付与方法は、広告の作り方によって分かれます。広告主がGoogle自身の生成AI広告ツールを使った場合、開示は自動で有効化されます。一方、外部ツールで作った広告については、広告主が新設のコントロールでAI利用を自己申告する必要があり、Google側が独自に真偽を検証することはありません。

一部の市場では、現地の法規制に応じてラベルが広告そのものに直接表示される場合もあります。表示は自動、あるいは広告主が申告した際に行われます。利用者はこの画面から、広告のブロックや報告、出稿主の確認も引き続き行えます。

今回の更新は、Googleが進めてきたAI透明性の取り組みの延長線上にあります。同社はすでに生成AIの出力にSynthIDと呼ぶ知覚できない電子透かしを埋め込んでおり、2023年以降は選挙・政治広告での合成コンテンツ開示を義務付けてきました。今年に入ってからは、SynthIDやC2PAによるコンテンツ証明の対象も広げています。

同様の仕組みは競合も導入済みです。Metaも「About this ad」パネルに「AI info」ラベルを用意しており、プラットフォーム各社で広告のAI表示が標準になりつつあります。広告主には業界標準への対応が、経営者には自社広告の信頼性設計が問われる局面と言えるでしょう。

米Metaは7月8日、Ray-Ban連携のAIメガネについて、録画中を示すLEDライトが改造・破壊された場合にカメラを自動で無効化する新機能を発表しました。盗撮などプライバシー侵害への批判が高まる中、消費者の不信感に応える形の安全策で、同社は「他社に先駆けた業界初の取り組み」と自賛しています。

背景には、LEDをテープで覆って録画を隠す利用者の存在があります。同社はすでにLEDが塞がれると録画を止める仕組みを導入済みでしたが、今回はLEDそのものを改造・破壊する手口への対応を迫られました。裏を返せば、一部の利用者が本人の同意なく他者を撮影する目的で使っている実態を、Meta自身が認めた形です。

ところが同社のAI戦略は逆方向に進んでいます。報道によれば、Metaは音声を常時収集し数秒ごとに写真を撮る試作機を検証中とされます。ブログでは写真は本人しか見られないと強調する一方、Metaと共有した画像はAI学習に使われ得ると規約に明記されており、説明との食い違いが指摘されています。

安全機能を発表したのと同じ日に、同社はMeta AIが公開Instagram写真を使ってAI画像を生成できる機能も告知しました。オプトアウトしない限り適用される仕組みで、未共有のカメラロール画像の解析を求める機能とあわせ、より多くの個人データ提供を促す設計が続いています。

Metaは規制当局の調査や複数の訴訟にも直面しています。テキサス州当局はAIメガネのプライバシー保護をめぐり調査を開始し、AIの学習作業を担ったケニアの委託労働者が性的・不快な映像の閲覧を強いられたと訴える訴訟も起きています。ケンブリッジ・アナリティカ事件以来の不信は根強く、LEDの安全策だけで消費者の懸念が解消されるとは言えない状況です。

X（旧Twitter）とxAIを相手取った集団訴訟の修正訴状が7日、提出されました。訴状によれば、ある男性が生成AI「Grok」を使い、当時11歳だった継娘の1枚の写真から約7000枚もの性的な画像や動画を作成したとされます。男性は今年3月、警察の捜査が及んだ後に自ら命を絶ちました。

訴状は、Grokが近親相姦や強姦を描いた極端な画像の生成を、有害な行為として警告することなく許していたと主張しています。xAIの児童保護システムが作動したのは、男性が「集団強姦」というプロンプトを入力した時だけだったとされます。この通報は全米行方不明・被搾取児童センター（NCMEC）へのサイバー通報となり、法執行機関にAIによる児童性的虐待資料（CSAM）の存在を知らせました。

しかし、被害はそこで止まりませんでした。CSAMが検知された際にはユーザーのIPアドレスなどの情報を共有する報告義務があるにもかかわらず、xAIは警察やNCMECによるユーザー特定への協力を繰り返し拒んだと訴状は指摘します。数週間にわたり、xAIは「あらゆる局面で捜査を妨害した」とされ、加害者の特定や逮捕を困難にしたと批判されています。

最終的に継父が逮捕されたのは、警察が端末を押収する令状を得た後でした。フォレンジック調査により、継娘を描いた約7000枚のAI生成画像・動画が見つかったとされます。家族は、Grokが手軽な「脱がせ」機能を提供していなければ、男性がこうした画像を生成することはなかっただろうと訴えています。

今回の訴訟は、若い少女たちがXとxAIを、有害なAI「ヌード化」ツールを構築しただけでなく、児童捕食者を庇護し警察の捜査を妨げたとして告発するものです。生成AIの安全設計と、企業が負うべき説明責任の在り方が、改めて厳しく問われる事態となっています。

Googleの生成AI透かし技術「SynthID」が2026年7月上旬、ネット上で拡散した偽画像を偽物と特定しました。問題の画像は米ケンタッキー州選出のミッチ・マコネル上院議員が病院のベッドで管につながれ苦しむ様子を捉えたように見えるもので、RedditやX上で広く共有されました。ファクトチェックサイトのSnopesが同画像を検証したところ、Googleが開発したAI生成識別用の透かしが検出され、フェイクと結論づけられました。

この一件は、ディープフェイク対策技術にとって数少ない明確な成果となりました。マコネル氏は6月14日の緊急搬送以降ほとんど公の場に姿を見せておらず、健康状態への憶測が高まっていました。そうした不安に乗じた偽画像でしたが、透かしが想定通りに機能し、真偽が判別されたのです。

SynthIDは2025年のGoogle I/Oで発表された技術で、人間の目には見えないがアルゴリズムでは読み取れる不可視の署名として働きます。署名は画像そのものに組み込まれるため、今回のように複数のプラットフォームをまたいでスクリーンショットで転載されても透かしは消えずに残ります。この耐久性が拡散後の事後検証を可能にしました。

一方でSynthIDには明確な限界もあります。この仕組みは画像生成ツール側が制度に能動的に参加している場合にしか使えず、Geminiモデルは開始当初の2025年から透かしを付与しています。OpenAIは2026年5月に参加した一方、Anthropicは現時点で制度に参加していません。

利用者が画像に透かしが含まれるかを確認するには、Geminiモデルに尋ねるか、OpenAIが公開する画像検証ツールに画像をアップロードする方法があります。生成AIによる偽情報が広がるなか、業界横断で透かし技術をどこまで普及させられるかが今後の焦点となりそうです。

Googleは7月8日、地図サービスのストリートビューについて、アルバニア、モンテネグロ、北マケドニア、セルビアのバルカン4カ国で画像を大幅に刷新したと発表しました。撮影車両は域内を10万3千キロメートル以上走行し、沿岸都市から山間の史跡まで幅広い範囲を新たに収録しています。日常の移動から旅行計画まで、より正確で役立つ地図を提供する狙いです。

アルバニアでは、活気ある首都ティラナに加え、アドリア海とイオニア海に面したドゥラスやヴロラといった主要な沿岸都市を捉えました。世界遺産の街ベラトや、カルスト地形の泉「ブルーアイ」など、文化・自然の名所も高精細な画像で楽しめるようになっています。

モンテネグロでは、中世の城塞都市コトルの城壁や、首都ポドゴリツァのミレニアム橋などが更新されました。北マケドニアでは6世紀のスコピエ要塞や、ユネスコの複合遺産であるオフリド湖が収録され、伝統と現代が交わる街並みを見て回れます。

セルビアでは今回最も広範な更新が行われ、首都ベオグラードの要塞やノヴィ・サドの文化地区に加え、マナシヤ修道院やゴルバツ要塞など歴史的な建造物も対象となりました。ドナウ川沿いの雄大な景観も新たに閲覧できます。

利用するには、パソコンやスマートフォンでGoogleマップを開き、目的地を検索したうえで黄色い「ペグマン」アイコンをドラッグするだけです。今回の刷新は、成長を続けるこの地域の多様な魅力を、世界中のユーザーが手軽に体験できる機会となりそうです。

生成AIで作られたアート作品の市場が、賛否の激しい分断を抱えつつも着実に拡大しています。米メディアIEEE Spectrumが2026年7月に報じたところによると、NFTや美術館の常設展示、ストック画像まで販路は多岐にわたり、その規模は多くの人が想像するより大きいといいます。AI生成物を安易に「まがい物」と切り捨てる声が根強い一方で、収集家や美術館が本格的に参入し始めた実態が浮かび上がっています。

市場の熱量を象徴するのが、匿名アーティストのSHL0MS氏が仕掛けた実験です。同氏はモネの睡蓮の高解像度画像を「AI生成」と偽ってXに投稿し、600件を超える批判を集めた後に本物だと明かしました。このやり取りを『Inferior Image』と題したNFTとして販売し、28件の入札を経て4万ドル超で落札されたのです。

物理的な展示空間もAIアートを取り込んでいます。2026年6月には、デジタルアーティストのRefik Anadol氏が主導する世界初の生成AI美術館Datalandがロサンゼルスに開館しました。来場者の生体データから絵を描くロボット『Qualia』の作品は1万5000ドル、環境データで姿を変える彫刻1000点は1点5000ドルで販売され、34分で完売しました。

市場データも拡大を裏付けます。Art BaselとUBSの報告書によると、デジタルアートの販売シェアは2024年から2025年にかけてほぼ3倍となり、美術収集家の半数超がデジタル作品を購入しました。一方でオークション大手のChristieは9月にデジタルアート部門を閉鎖しており、市場は一様な右肩上がりではありません。

変化が最も鮮明なのはストック画像の市場です。Stanford大学の経済学者Samuel Goldberg氏によると、ある大手プラットフォームがAI画像を解禁した後に月間販売が80%増加し、従来の作家が締め出されつつあります。ただしWhitney美術館の学芸員は「プロンプトで作った視覚物は芸術ではない」と述べ、本格的なAIアート制作は絵筆より難しいと指摘します。

米Microsoftが、主力アプリのWordとExcelで、OpenAIやAnthropicの外部モデルへの依存を減らし、自社開発のMAIモデルを一部のユーザー要求への応答に使い始めたと、Bloombergが7月7日に報じました。急上昇するAIの運用コストを抑えることが狙いで、同社はこれまでOffice 365の大部分を外部モデルで動かしていると宣伝してきました。

MicrosoftはなおOpenAIとAnthropicの技術を利用し続けていますが、自前のAIエージェント構築にも力を入れています。先月のBuild開発者会議では、コーディング用エージェントや画像生成モデルを含む7つの新MAIモデルを発表しました。TechCrunchの取材に対し、同社は「これ以上共有できることはない」と回答しています。

今回の動きは、テック業界全体に広がるコスト削減の流れの一部です。年初には利用量を最大化する「トークンマキシング」が話題になりましたが、ここ数カ月は一転して各社が支出を切り詰める姿勢が目立ちます。AmazonやUber、Meta、Accentureも、AI関連の出費を抑える措置を取ったと報じられています。

AIサービスの提供・利用にかかる膨大なコストは、業界で論争を呼ぶ要素となっています。価格の高さは深刻で、シリコンバレーの一部企業は、より安価なエージェント用途を求めて中国製モデルに目を向けているとされます。ただし、そこにはセキュリティ上の懸念も指摘されており、経営者にとってはコストと安全性の両立が課題となりそうです。

Metaは7日、傘下のSuperintelligence Labsが開発した初の画像生成AI「Muse Image」を公開しました。同モデルはMeta AIアプリやInstagram、WhatsAppの画像生成機能をすでに支え、近くFacebookとMessengerにも展開されます。従来のLlama系を置き換える「Muse」ファミリーの中核として、SNS上の創作体験を刷新する狙いです。

最大の特徴は、プロンプト内で他のInstagramアカウントを@メンションできる点です。Meta AIは指定したユーザーの公開写真を参照し、その人物の姿を生成画像に取り込みます。ただし利用者は、自分のコンテンツがAIに再利用される範囲を設定で管理できます。

同社はMuse Imageを「agentic（自律的）」と説明します。大規模言語モデル「Muse Spark」と連携し、プロンプトを解釈してWebを検索し、生成前に構成を計画するといいます。Superintelligence Labsを率いるAlexandr Wang氏は、動画生成モデル「Muse Video」の投入も予告しました。

機能面では、提案プロンプトによる画像変換や招待状・ポストカードの作成に加え、Facebook Marketplace等の画像を基にした部屋のリデザインにも対応します。写真の上に直接描き込んで編集し、フィードやストーリー、チャットに共有することも可能です。

Muse Imageはまず米国のInstagram Storiesに追加される30種の新AIエフェクトを支え、その後は他国やMetaの各アプリへ順次拡大します。肖像の無断利用を巡る懸念は残るものの、SNSと生成AIの融合を一段と進める動きといえます。

米Microsoftとオープンモデル基盤のHugging Faceは7月7日、Hugging Faceのオープンウェイトモデルを集めた「Hugging Face Collection」をMicrosoft Foundryのモデルカタログでプレビュー提供すると発表しました。週次で更新される厳選モデルを、ワンクリックでFoundry Managed Computeへデプロイできる仕組みです。重みは事前にAzureへ配置され、実行環境もMicrosoftが構築・検査するため、企業は自社基盤で安全にオープンモデルを運用できます。

Foundry Managed Computeは、従量課金・プロビジョニング済みスループットに続く第3のデプロイ方式で、オープンソースやカスタムモデル向けのマネージドGPU基盤です。利用者はパラメータ数や文脈長、遅延重視か処理量重視かを指定するだけで、背後のGPU構成はFoundryが自動で最適化します。コンテナ更新やセキュリティパッチも自動適用され、モデルを再デプロイせずに最新環境を保てます。

提供モデルはテキストや画像、音声、マルチモーダルまで全モダリティを網羅し、SafeTensors形式のみを採用します。ライセンス審査やセキュリティ検査、CVEスキャンを経た多段階のパイプラインを通過したモデルだけがカタログに並ぶ仕組みです。vLLMやSGLang、TensorRT-LLM、TEI、llama.cppなど、モデルに最適なランタイムをFoundryが自動で選定します。

重みがAzureに事前配置され、ランタイムもMicrosoft管理のレジストリに置かれるため、デプロイ時にHugging Face Hubへの外部通信は不要です。これにより閉域ネットワーク内での本番運用が可能になります。単一エンドポイントと共通SDK、統一課金のもとで、オープンモデルとフロンティアモデルを同じエージェントに混在させられる点も利点です。

現在はA100・H100・AMD MI300Xのアクセラレータに対応し、GlobalおよびData Zoneの範囲でプレビュー提供中です。今後はエコシステムの拡充や、微調整済みモデルを持ち込めるBring Your Own Weightsへの対応が予定されています。オープンモデルの裾野の広さと、Microsoftが支える運用基盤を組み合わせる狙いです。

Googleは7月7日、山火事検知に特化した衛星「FireSat」3基を米カリフォルニア州のバンデンバーグ宇宙軍基地から打ち上げたと発表しました。非営利団体アース・ファイア・アライアンス（EFA）が主導し、Google Researchと衛星メーカーのMuon Spaceが連携する専用衛星群で、火災が広がる前の早期検知を目指します。同日には国連がAIを活用した早期警戒に関する報告書を公表し、防災でのAI活用が国際的な焦点となっています。

今回の打ち上げは、昨年軌道投入された試験衛星の成果を土台としています。試験機は5メートル四方という初期段階の小規模な火災を検知する能力を実証し、既存の衛星では捉えられなかった低強度の火災も発見してきました。新たな3基はこの実証済みの設計をそのまま継承し、継続的な観測網の拡充につなげます。

この取り組みは、テック企業や非営利団体、慈善事業、民間が単一の使命の下で結集した成果だとGoogleは位置づけています。初期の衛星配備を後押しするため、Google.orgは1500万ドル超を提供しました。山火事の境界追跡はすでに検索とマップを通じて34カ国で提供されており、衛星網の拡大でその精度と範囲がさらに高まる見通しです。

Googleは山火事以外の分野でも危機対応AIを広げています。洪水予測サービス「Flood Hub」は150カ国超の20億人をカバーし、2025年のハリケーン「メリッサ」ではWeatherNextが上陸を5日前に予測してジャマイカ当局の避難通知を支えました。先月ベネズエラを襲った地震では、Android端末を簡易地震計として使う警報システムが震源の外にいる数百万人に揺れの数秒前に警告を届けています。

災害発生後の支援でも、AIによる衛星画像解析が復旧を加速させています。国連衛星センター（UNOSAT）と連携した被害評価の仕組みは、メリッサ被災地で38万5000棟超の建物に被害スコアを付与しました。2025年にGoogleが危機情報を人々につないだ回数は1日平均1000万回に達しており、予測から警報、復旧までを一貫して支える体制の強化が進んでいます。

Discordは7月7日、AIモデレーションシステムのバグにより、過去2カ月で8000人を超えるユーザーを誤って凍結していたと認めました。スプレッドシートやチェス盤、ゲームのテクスチャ、透明な背景画像などの無害な画像が、有害コンテンツとして誤って検知されたことが原因です。同社は影響を受けた全アカウントを現在復旧中だとしています。

問題は5月から継続して発生しており、修正前の週末にもさらに200人が凍結されました。同社の自動安全システムは、アップロードされた画像を既知の有害物のデータベースと照合する仕組みです。本来は人間の担当者が確認したうえで対応する設計でしたが、バグにより確認を経ずに即時凍結が実行されていました。

利用者からはXやRedditで、格子状のパターンを含む画像を投稿しただけで永久凍結されたとの声が相次ぎました。格子模様はNSFWや児童搾取コンテンツを検出システムから隠す手口に使われてきた経緯があり、AIが過敏に反応するようになったと推測する声もあります。あるゲームディレクターは、ゲームのテクスチャがCSAMと誤検知され業務用アカウントを失ったと訴えました。

今回の事案は、自動モデレーションへの依存が広がるなかで浮き彫りになった課題を示しています。永久凍結が自動検知のみで下されると、仕事やゲームコミュニティ、遠距離の交友関係をDiscordに頼る利用者に深刻な影響を及ぼしかねません。Discordは「二度と起きないよう、より良い安全策に取り組んでいる」と説明しました。

同様の問題はDiscordに限りません。昨年はInstagramやFacebookグループの利用者が原因不明の大量凍結を報告し、MetaはAIの誤りが原因かを公表しませんでした。現在はMetaの監督委員会が透明性の向上を求めており、Tumblrでも同種の苦情が寄せられています。プラットフォーム全体で自動検知の精度と説明責任が問われる局面と言えるのではないでしょうか。

英新興企業マスバランスは7月7日、化学実験を自律的に行う小型ラボをスペースXのロケットで地球周回軌道に打ち上げたと明らかにしました。グレープフルーツほどの装置は数カ月間軌道を回り、微小重力下で細胞がどう成長し反応するかを自動計測して地上にデータを送り返します。地上では重力が対流や沈降を生んで測定を乱すため、無重力環境でしか得られない高品質データの取得を狙います。

最大の狙いは、アルツハイマー病やパーキンソン病、一部のがんの原因となる無秩序タンパク質の解明です。これらは地上で絶えず形を変えるため画像化が難しく、グーグルのAlphaFoldのような生命科学モデルの学習データが不足しています。同社のトビー・コール最高経営責任者は、微小重力下ならこうしたタンパク質を分析しやすくなると説明します。

コール氏は無重力で得たデータを使い、モデルの欠落を補うAIアダプターを訓練する計画です。モデルやデータのライセンス提供、データアクセスが同社の収益源になります。今回の任務はまず基本システムとデータ取得の検証が目的で、工業用の生体触媒を宇宙へ運び、光で化学反応の進行を監視します。

軌道上ラボの開発は他社も進めています。英ビオオービットは5月に注射用がん治療薬向けの高純度結晶を育てる試験機を打ち上げ、米ヴァルダ・スペース・インダストリーズも微小重力での医薬品製造に取り組んでいます。両社と違いマスバランスは装置を地球へ回収しない方針で、大気圏再突入の高熱に耐える設計負担を避けられる点が強みです。

米メディアWIREDは2026年7月7日、開催中のサッカーワールドカップを舞台に、ノルウェー代表エルリング・ハーランド選手らを題材としたAIディープフェイクがインターネット上で急速に拡散していると報じました。飲食店で自分の姿に驚くハーランド選手の動画は、X上でわずか数日のうちに3100万回を超えて再生されましたが、実際には本人ではありません。ファクトチェッカーは、この映像が中国の芸人ジン・ロンによるコントを加工したものだと突き止めています。

注目すべきは、偽物だと訂正された後も動画が拡散し続けた点です。記事は、スターの条件が「自分の画像を厳格に管理すること」から「AIが宣伝を代行したくなるほどミーム化しやすいキャラクターであること」へと変化していると指摘します。有名人は本人と緩くつながるだけの、いわばオープンソースのキャラクターになりつつあるのです。

この現象の背景には、スポーツファンの楽しみ方の変化があります。選手はハイライトや試合後インタビューだけでなく、独自の口ぐせや物語を持つキャラクターとして消費されるようになりました。AIスポーツ企業WSC Sportsの調査では、特にZ世代はチームよりも個々の選手に強い一体感を抱く傾向が示されています。

選手がキャラクター化すると、ファンは単なる観客ではなくなります。作品の余白を埋めるファンによる創作は今やAIと相性が良く、本人がいなくても観客が需要に応じて物語を生み出せるようになりました。フランス代表ムバッペ選手を独裁者に見立てた「Dictator Mbappé」など、同様のAIミームは今大会で急増しています。

こうした流れは決して新しくありません。2021年のトム・クルーズのディープフェイクや、2023年にドレイクらを模したAI楽曲、バレンシアガのローマ教皇画像など、好意的に受け入れられた前例があります。記事は、旧来の有名人経済がスターへのアクセスに依存していたのに対し、新しい経済は物語を続けたい観客の意欲だけに支えられていると結んでいます。

画像編集サービスのPhotoroomは2026年7月6日、7B規模の画像生成モデルPRXを支えたデータ戦略を技術ブログ「PRX Part 4」で公開しました。同社は公開・内部データセットを混ぜて事前学習用コーパスを構築し、全画像を視覚言語モデル(VLM)で再キャプションしたうえで、学習用フォーマットに変換した過程を詳しく説明しています。地味だが品質を左右した工程だとしています。

中核は長文キャプションの効果です。同社は短い説明文から100〜200語の詳細な説明文に切り替えるだけで生成品質が大きく改善したと述べ、FID・CMMD・DINO-MMDの各指標で優位を確認しました。正確に記述すれば広告やロゴ、文字などの「ノイズ」も制御可能な属性として学習でき、後段の選別を軽く保てると説明しています。事前学習は幅、微調整は質という方針です。

データ基盤には二つの形式を使い分けています。数億〜数十億行を対話的に探索するために列指向のLanceで構築・検索し、分散学習にはMosaicのMDSシャードで配信します。キャプション生成にはQwen3-VL-8Bを採用し、H200あたり毎秒20枚の速度と安定したvLLM対応を評価しました。より高品質なQwen3.5-9Bは速度が遅く不安定な依存関係が必要だったため見送りました。

保存形式や計算の設計も実測に基づいて決めています。テキストエンコーダをQwen3-VLへ切り替えた際、テキスト潜在を事前計算せず学習時に逐次計算する方式に変更し、スループット低下は3〜4%に収めました。画像はPNGではなくJPEG品質92で保存し、再符号化の劣化がほぼ知覚できず、PNGと生成品質が事実上区別できないことを確認しています。

選別と重複排除も低コストな手法で実施しました。キャプションのみを読むQwen3-8Bで画像を「見る/読む/NSFW」に分類し、知覚ハッシュで近似重複を除去しています。いずれも元データを書き換えず、シャードごとのスキップリストで除外する仕組みで、後から見つけた品質問題や学習利用を拒否したユーザーのデータにも柔軟に対応できます。PRXはApache 2.0で公開されています。

Googleが6月、検索サービスのプライバシー設定を更新し、利用者がアップロードした画像・ファイル・音声・動画を初期設定でAIモデルの学習に使えるようにしていたことが分かりました。米メディアTechCrunchが7月6日に報じました。設定は顧客向けメールで通知されたのみで、多くの利用者は気付かないまま同意した状態になっています。

新設された「検索サービス履歴」と「パーソナライズされたおすすめ」は、活動データの使い道と保存期間を制御する体裁を取りつつ、実際にはAI学習への利用を広げるものです。対象はGoogle検索本体にとどまらず、マップ、ショッピング、フライト、ホテル、翻訳、ニュースなど複数サービスに及びます。Lensで撮影した写真やSearch Liveの音声入力、翻訳の発話練習の録音も保存されうると説明されています。

同社はメールで、保存したメディアが「AIモデルや安全対策を含むGoogleサービスの開発・改善に使われる」と明言しました。ヘルプ文書でも、履歴を生成AIの学習などに用い、人間のレビュアーも関与すると記しています。一部の保存は製品動作のための一時的なものですが、同社の記述ではAI学習を目的とした保持も含まれます。

この動きは、ウェブから収集したデータだけに頼らず、利用者が自ら作成・投稿したデータを取り込む業界全体の流れを映しています。TechCrunchはMetaも同様に利用者の画像やAIグラスの記録で学習していると指摘しました。

利用者は「検索サービス履歴」と「検索サービスのパーソナライズ」の設定ページで変更できます。前者では「メディアを保存」の項目を履歴とは別個に解除でき、保存データを3カ月・18カ月・36カ月で自動削除するよう設定することも可能です。

注意点として、従来の「ウェブとアプリのアクティビティ」設定は今回、Web・App用と新しい検索データ用の二つに分割されました。新設の検索データ設定は初期状態でオンのため、従来設定だけを変えても検索サービスの利用は対象から外れず、別途の解除操作が必要です。

米メディアThe Vergeは7月5日、Google WorkspaceとGeminiを宣伝する新広告に批判が集まっていると報じました。この広告は、アメリカ建国の父たちがGoogleの共同編集ツールとAIを使い、独立宣言を起草する様子を描いた内容です。「1776年版のグループワーク」という書き出しで始まり、公開直後から各所で反発を招いています。

広告では、ベンジャミン・フランクリンがトーマス・ジェファーソンに草稿の進捗を確認し、撮影した文書をAIでGoogle Docsに転記します。フランクリンとアダムズが提案モードで編集を加え、Geminiが会議時間を調整してGoogle Meetの議事録を作成するという流れです。さらに画像生成AI「Nano Banana」が、鷲ではなく七面鳥をあしらった合衆国の国章を作り出します。

最も物議を醸したのは、建国の父たちがGeminiに対し、イギリス国王ジョージ3世へ独立宣言の編集権限を与えるべきか助言を求める場面です。The Vergeの記者は、この描写が政治的立場を問わずアメリカ人を苛立たせると指摘しました。TechCrunchやSNS上でも「浅はかで陳腐」との評価が相次いでいます。

ニューヨーク市立大学の歴史学者アンガス・ジョンストン氏は、SNSのBlueskyで厳しい見解を示しました。同氏は「たとえ陳腐な空想の冗談でも、AIが政治的な組織活動や執筆、人間の協働に役立つ道具だと示すことは不可能だ」と述べています。この一件は、生活のあらゆる場面へAIを組み込もうとするIT大手の姿勢が、必ずしも受け入れられない現実を浮き彫りにしました。

画像生成AIの新興企業Midjourneyは2026年7月、著作権侵害を巡り係争中のハリウッド大手スタジオ3社に対し、スタジオ自身のAI利用実態を開示するよう裁判所に申し立てました。ディズニー、ユニバーサル、ワーナー・ブラザースは、同社のモデルがバート・シンプソンやダース・ベイダーなど著作権キャラクターを生成できると問題視し、順次提訴していました。今回の焦点は、証拠開示（ディスカバリー）でスタジオがどこまで情報を出すべきかにあります。

裁判所は以前、スタジオの生成AI利用について「消費者向け」の動画・画像に限って開示を命じていました。Midjourneyはこの制限の撤回を求め、現状ではスタジオが市場損害の主張に有利な文書だけを「つまみ食い」でき、同社の防御に資する文書を得られないと訴えています。

同社は、スタジオが隠している文書こそ「まさに彼らがMidjourneyを訴えている行為を、非公開で自ら行っているかを明らかにするものだ」と主張します。例えばスタジオが絵コンテ作成などの社内用途で画像生成AIを開発していれば、無許諾の著作物をダウンロードし学習させることが業界慣行だと示せる、との論法です。同社は自らの学習がフェアユースで許されると一貫して反論しています。

一方、スタジオ側の主任弁護士デビッド・シンガー氏は、この開示要求を根拠なき「探索的請求」と切り捨てました。同氏は「AI技術を止めたりMidjourneyの事業を潰したりする意図はない」とし、あくまで「映画やテレビ番組の複製、そして著名キャラクターの無許諾利用をやめてほしいだけだ」と述べています。開示範囲を巡る攻防は、AI学習と著作権の線引きを左右する試金石となりそうです。

画像生成AIで知られるMidjourneyが2026年7月、開発中の医療用超音波スキャナーの舞台裏を映した約20分の動画を新たに公開しました。同社は放射線を使わない安価で詳細な画像診断で医療を変革すると掲げますが、動画はハードウェアの様子を見せる一方、その実効性を裏づける証拠はほとんど示していません。

映像を制作したのはテック系YouTuberのMarcin Plaza氏で、同氏はMidjourneyのエンジニアでもあります。Plaza氏は装置を「多数の超音波プローブを分解してエレベーター付きの豪華な湯船に貼り付けたもの」と率直に表現し、市販のコンピューターやRaspberry Piと接続されている構成を紹介しました。

しかし動画は、プロジェクト発表時に専門家が投げかけた物理や画像化に関する疑問の多くを素通りしています。専門家らはThe Vergeに対し、Midjourneyが数十年前から知られる超音波の限界を克服できる証拠や、約束する規模と速度で詳細な画像を生成できる証拠をほとんど示していないと語りました。

同社はこのスキャナーを、FDAの承認や臨床試験が必要な診断用医療機器ではなく、体組成に焦点を当てたウェルネス製品として投入する方針を強調しています。医療責任者のTom Calloway氏は、この方針により開発を「スピードラン」でき、テスト完了後すぐに開始できると述べました。一方で動画は依然として医療的な表現に多く依拠しています。

Calloway氏は混乱の解消にあまり関心を示さず「明確にすべきことは何もないと思う」と語り、進捗を頻繁にブログで更新すると約束しました。CEOのDavid Holz氏は、投資家がいないことが自由をもたらすとし「誰も私にやめろとは言えない」と述べ、外部の制約を受けずに開発を進める姿勢を示しました。

米AI大手のAnthropicが今週、科学者向けAI基盤「Claude Science」を発表し、あわせて自社での創薬に乗り出す方針を明らかにしました。ライフサイエンス責任者のエリック・カウダラー=エイブラムス氏は、まず「顧みられない疾患」の治療法発見に注力すると述べています。フロンティアAIの主要企業が自ら薬を開発すると公言するのは、極めて異例です。

Claude Scienceは、断片化したツールやデータセットを一つの環境に統合し、図表や画像を生成する「科学者のためのAI作業台」と位置づけられています。Anthropicは、コーディング用途で業界をリードする既存の強みを背景に、科学的発見と医療介入の開発を劇的に加速する可能性を掲げました。すでに多くのバイオ・製薬企業が同社のClaudeを利用しているといいます。

この動きは、Anthropicを競合となりうる製薬各社にソフトを売りながら、自らも薬を開発するという特異な立場に置きます。生命科学分野ではOpenAIやAmazon、Googleも独自プラットフォームを展開し、InsilicoやGoogle DeepMind系のIsomorphic Labsなど「AI創薬」勢との競争も激化しています。ただしAnthropicは、狙う疾患や実験・治験・製造での提携有無など、具体像をほとんど明かしていません。

専門家は、AIが創薬のあらゆる段階に浸透しつつも、実験そのものを不要にはできないと指摘します。オックスフォード大のフランク・フォン・デルフト教授は、薬剤候補は有効性や毒性、安全な製造・保管・投与の可否を現実世界で検証する必要があり、「実験に多額を投じることになる」と述べました。高品質な実験データの不足も開発の足かせになると、複数の研究者が口をそろえます。

それでもAnthropicは本気とみられます。同社はこの1年で生物学者を積極採用し、自社のウェットラボを構築、ライフサイエンス職の求人も複数出しています。ケンブリッジ大のナムシク・ハン氏によれば、大手製薬や名門大から人材を引き抜くことにも成功しているとのことです。

もっとも、どの疾患を選んでも成果が出るのは少なくとも10年近く先になる公算が大きいと専門家はみます。新薬は臨床試験に長い時間を要し、これまでAIが設計した薬でFDA承認を経て市場に届いた例はまだありません。AIは探索の一部を速められても、薬は結局、地道な実験でその価値を証明する必要があるのです。

Metaは2026年6月29日、AIプロンプトから小さなインタラクティブなアプリやゲームを生成できる新アプリ「Pocket」を、App StoreとGoogle Playで静かに公開しました。同社は「gizmoと呼ぶ作品を制作・共有するための創作プラットフォーム」と説明し、他ユーザーの作品で遊べるスクロール型のフィードも備えています。

Pocketは、Metaが今年初めに買収したvibe-codingゲームプラットフォームGizmoのチームによる成果です。Google Playのスクリーンショットを見る限り、AIプロンプトで小さな体験を作る機能や発見フィードなど、既存のGizmoアプリと多くの共通点があります。

公開を最初に見つけたのは、新機能の発見で知られるリバースエンジニアのアレッサンドロ・パルッツィ氏でした。同氏がX上でPlayストアの画面を投稿し、Business InsiderやInvesting.comなどの媒体も報じましたが、Metaはコメント要請に応じていません。

今回の動きは、AI創作ツールをより主流に押し広げるMetaの取り組みの一環です。同社はこれまでも、Meta AIアプリでのAI画像生成、AI動画アプリ「Vibes」、動画編集アプリ「Edits」へのAI機能追加などを進めてきました。

Metaが正式発表していない点から、Pocketはまだ初期の実験段階にある可能性が高いとみられます。一方で前身のGizmoは、iOSとGoogle Playの累計で63万5000件のインストールを記録し、98%が好意的な評価だったとアプリ調査会社Appfiguresは指摘しています。

Googleは7月1日、2026年6月に発表したAI関連の新機能や研究成果をまとめた月次総括を公開しました。ノートPC上でローカル動作する新モデルや、Android 17の刷新、教育・防災分野への応用まで、幅広い領域での進展を一挙に振り返る内容です。経営者やエンジニアにとって、同社のAI戦略の全体像を把握できる資料といえます。

開発者向けでは、Gemma 4 12Bが注目されます。わずか16GBのメモリでノートPC上で動作し、視覚と音声処理を単一のアーキテクチャに統合したオープンモデルです。加えて、Gemini 3.5 Flashにはデスクトップやブラウザを横断して操作するコンピュータ操作機能が組み込まれ、企業向けの継続的なソフトテストなど長時間タスクの自動化を後押しします。画像生成では最速かつ最も費用効率の高いNano Banana 2 Liteも登場しました。

生活領域ではAndroid 17が中核です。フローティングウィンドウによる多重作業や、生体認証で紛失端末をロックする機能を搭載し、まずPixel端末から順次展開されます。さらにGemini 3.5 Live Translateは70を超える言語を自動検出し、話者の抑揚を保ったまま near-real-time の音声翻訳を実現します。多言語の会議や旅行での言語の壁を大きく下げる技術です。

教育分野では、NotebookLMが高度な推論やコード実行環境を備え、図表やスライドを生成できるように進化しました。Geminiアプリの学習ノートは、小テストで弱点を特定し、個人に合わせた教材を組み立てます。シエラレオネでの実証研究を通じて、AIが教育の実効的なパートナーになり得るかを検証している点も特徴です。

社会貢献の面では、防災と業務効率化が目立ちます。更新された予測モデルは河川洪水を7日前に予測し、山火事の境界を衛星で追跡します。英国では、AIを使った自治体の計画審査プロトタイプが住宅申請の処理を半減させる可能性を示しました。同社の調査によると、英国職場でのAI活用率は前年の34%から73%へと倍増し、深く使う層ほど昇進や昇給につながる傾向が見られました。

NVIDIAは6月30日、工場や都市など物理世界の映像をAIで自動解析する「ビジョンAIエージェント」の精度を高める3つのワークフローを公開しました。OpenUSDとNVIDIA Omniverseによる合成データ生成と、Metropolisによるモデル開発・展開を組み合わせ、開発者が一から構築せずに済む再利用可能な仕組みを提供します。エッジでの映像データが急増する一方、その多くが活用されていない現状を背景にした取り組みです。

背景には、現場データの未活用という課題があります。Gartnerの予測では2028年までに企業管理データの3分の2以上がデータセンターやクラウドの外で生成・処理され、エッジAIを導入する企業は2025年の10%から2029年には3分の2超に拡大します。しかし既存のエッジデータの最大90%が未処理のまま放置されているといいます。

精度向上を阻む典型的な壁は3つあります。まれな不良や異常を学習データが網羅できない「精度の頭打ち」、ラベル付けや実験管理を担う機械学習チームが社内にいない「微調整の専門知識不足」、そして映像パイプラインやモデル、検索、通知などを毎回つなぎ合わせる「複雑な構築作業」です。NVIDIAはこれらに対し、不良画像生成や映像データ拡張、TAOによる微調整、映像検索・要約（VSS）といった再利用可能なスキルとブループリントで対応します。

製造業の検品では、合成データが効果を発揮しています。RoboflowはNVIDIA Cosmosと不良画像生成スキルを自社プラットフォームに統合し、実データが乏しい場面で合成不良画像を生成します。Corningの光ファイバー製造の検証では、わずか8枚の実不良画像に合成データを加えて学習したモデルが、最難関の不良分類で平均精度95%・再現率100%を達成し、数四半期かかる検品プロジェクトを数日に短縮しました。

都市運用と産業現場でも成果が出ています。Linker VisionはVSSブループリントを用いて高雄市で開発工数を85%削減し、インシデント対応時間を最大80%短縮しました。Foxconnでは、DeepHowの作業手順検証エージェントがGB300サーバーの生産ラインで初回良品率を3%高め、重要工程の微細動作理解で99%の精度を実現しています。

MIT(マサチューセッツ工科大学)のニュース室は2026年6月30日、電気工学・計算機科学科准教授でCSAIL所属のPhillip Isola氏に、急速に普及するエージェントAIの本質と影響を聞きました。MIT Sloan校とBCGの2025年11月の調査では、調査対象企業の35%が既にAIエージェントを導入済みで、さらに44%が近く導入を計画していると判明しています。Isola氏はAIエージェントが持つ知能や、それを支える基盤モデルと仕組みを研究する立場から、現状と将来像を語りました。

Isola氏によると、エージェントAIとは世界に対して行動を起こすAIです。ロボットによる物理的操作や、航空券の予約といったデジタル上の操作がこれに当たり、物語や画像を生成する従来の生成AIとは性質が異なります。多くの企業は同じ少数のAIモデルを基盤に使い、Claudeのような生成AIを中核に据えたうえで、計算機やデータベースなどの道具を組み合わせる「ラッパー」を被せて製品化していると説明しました。

開発上の最大の課題は学習データの不足だといいます。航空券を予約する一見単純な作業でも、どこをクリックし、不具合時にどう対処するかを示すデータはほとんど存在しません。そのためエージェントは実際にサイトを訪れ、試行錯誤を通じて何が機能するかを学ぶ必要があり、こうした環境のモデル化が難しい点が普及の壁になっています。

最も成果が出ている分野としてIsola氏が挙げたのはコーディング支援です。コードで訓練された言語モデルが人間の解法を予測し、答えの正誤を確認できる限り、試行錯誤を繰り返して良い戦略を見つけられるためだといいます。一方で医療や安全保障、重要な経営判断のように高リスクで安全性が問われる領域では、技術が完全自動化に追いついておらず、人間の判断を補助する役割にとどめるべきだと述べました。

リスク面では、容易に任せられるがゆえの検証不足を警告しました。「バイブコーディング」のように手軽に依頼できる結果、人々が動作確認を怠り、バグの混入や私的データの漏洩が既に起きていると指摘します。さらに、宿題やコーディング、計算をエージェントに頼り続けることで人間自身の能力が失われる脱スキル化の危険にも触れ、技術が未成熟なまま能力を手放す事態を懸念しました。

将来像についてIsola氏は、現在のエージェントAIが言語モデルに道具を持たせた構成にとどまる点を限界として挙げました。より強力にするには映像や物理的な力、時系列データなど多様な様式を扱う新しいアーキテクチャが必要かもしれないと述べます。その一方で、数学や言語、コードを理解する高度な推論システムにカメラやキーボードを与えれば空間領域でも機能する可能性もあり、次の波が既存モデルの拡張か全く新しい設計かは、いま多くの研究者が向き合う大きな問いだと締めくくりました。

Googleは6月30日、ノート支援AI「NotebookLM」に、アップロードした資料を60秒の縦型AI動画へ自動要約する新機能を追加したと発表しました。動画はTikTok風の短尺フォーマットで、AIが生成した画像とナレーションを組み合わせて内容をまとめます。まずは有料会員向けに提供を始めています。

新機能は「Google AI Ultra」と「Pro」の契約者に順次展開されます。利用者はWebまたはアプリでノートを開き、右側のStudio欄から「Video」を選び、さらに「Short」を選択します。あとは焦点を当てたいトピックを選ぶか自分で入力し、「Generate」を押すだけで動画が生成されます。

Googleが公開した例では、オーストラリアが過去に行ったエミューとの戦いを題材に、切り絵風のAIアートとナレーションを組み合わせた動画を示しました。今回の短尺動画は、これまでNotebookLMが備えてきたAIポッドキャストや映画的な動画、視覚的な解説といった機能に新たに加わる形となります。

提供は現時点で英語のみで、無料利用者への対応は「近日中」とされています。研究やメモの内容を素早く把握したいビジネスパーソンにとって、短時間で要点をつかむ新たな選択肢となりそうです。

Googleは6月30日、画像生成モデル「Nano Banana 2 Lite」と動画生成モデル「Gemini Omni Flash」を開発者向けに公開しました。前者は約4秒で1K解像度の画像を生成し、料金は1,000枚あたり0.034ドルと同社で最も安価です。後者は会話形式で動画を編集できる新機能を備え、両モデルとも本日からGoogle AI StudioやGemini apiを通じて利用できます。

Nano Banana 2 Liteは「Gemini 3.1 Flash-Lite Image」が正式名称で、速度とコストを最優先する高頻度の制作現場に向けた割り切った設計です。標準版が約20秒かかる画像生成を約4秒に短縮し、料金も標準のNano Banana 2の半額に抑えました。広告のA/Bテストや多言語の店舗ページ作成など、大量生成を繰り返す業務での採用を想定しています。

ただし速度と引き換えに制約もあります。解像度は1Kのみで、上位モデルが対応する2Kや4Kは選べません。Googleは小さな文字やインフォグラフィックの正確さ、人物の一貫性が下位の品質になりやすいと明示しており、用途を見極めた使い分けが必要です。

もう一方のGemini Omni Flashは、完成した動画を自然言語の指示で編集できる点が特徴です。台本用のLLM、画像生成、動画化、口の動きの同期、音声生成と五つに分かれていた工程を一つのモデルに統合し、契約や課金、データ管理の手間を減らします。料金は720p動画で1秒あたり0.10ドルで、10秒の動画がおよそ1ドルです。

品質面でも評価は高く、利用者が出力を比較投票するLMArenaの動画部門で首位を獲得しました。一方で動画は10秒までという上限があり、長い動画は分割して結合する必要があります。静止画と音声から人物に話させる機能は偽造防止のためあえて非対応とし、全出力にSynthID透かしとC2PAの来歴情報を埋め込んでいます。

両モデルは組み合わせて使う設計です。Nano Banana 2 Liteで素早く画像を作り、それをOmni Flashに渡して動画化する流れを、状態を保持するInteractions apiが支えます。Googleは安価な料金で開発者を自社基盤に囲い込む狙いを鮮明にしており、生成メディア市場での競争はいっそう激しくなりそうです。

米国の上院議員エリザベス・ウォーレン氏と下院議員メアリー・ゲイ・スキャンロン氏が、今後数週間以内に健康・位置情報保護法案の新版を公表する予定です。2022年に初めて提出された旧法案を、AI時代に合わせて改定したものです。データブローカーによる収集・販売の禁止に加え、ChatGPTやClaudeといったAIチャットボットに入力された情報の取り扱いまで対象を広げます。

最大の変更点は、規制対象をデータブローカー以外の企業にも拡大したことです。これにより、利用者がAIに打ち明けた健康情報や位置情報を、企業がブローカーへ転売する行為が幅広く禁じられます。背景には、AI各社が医療分野へ急速に進出している現状があります。

実際、1月にはイーロン・マスク氏がMRI画像などの医療記録をxAIのGrokに投稿するよう公に呼びかけました。同じ月にOpenAIは医療記録のアップロードを促すChatGPT Healthを、Anthropicも「HIPAA対応」をうたうClaude for Healthcareを相次いで投入しています。一方で、データ漏洩や不正アクセスへの保護は各社のプライバシーポリシー次第というのが実情です。

米国にはデータプライバシーに関する包括的な連邦法が依然として存在しません。法案はこの空白を埋めることを狙い、連邦取引委員会（FTC）に180日以内の規則策定を義務づけます。執行はFTCのほか州司法長官や被害を受けた個人による提訴も認め、今後10年でFTCに10億ドルの予算を充てる内容です。

ウォーレン氏は声明で「米国民の最も機微な情報を売って巨額の利益を得るデータブローカーの取り締まりが、これまで以上に重要だ」と述べました。法案にはワイデン氏とサンダース氏も共同提案者として名を連ねています。AIへの健康データ入力が広がるなか、規制の行方は医療AIを手がける企業の事業設計に影響しそうです。

Googleは6月29日、Geminiアプリの個人化画像生成機能を米国の全対象ユーザーに無料で開放すると発表しました。これまでPlus、Pro、Ultraの有料会員に限定されていた機能で、画像生成モデルNano Bananaを活用します。利用者の好みやライフスタイルを反映した画像を、詳細なプロンプトを書かずに作成できる点が特徴です。

この機能は同社のPersonal Intelligenceを基盤としています。ユーザーの許可のもと、GmailやGoogle Photos、YouTube、検索などの連携データからGeminiが嗜好を読み取り、応答に反映する仕組みです。たとえば「自分と好きなものを描いて」と入力するだけで、コーヒーやベーキングといった具体的な対象を指定せずとも、好みに沿った画像が生成されます。

Google Photosとの連携により、本人の実際の写真を自動で取得できる点も利便性を高めています。これまで必要だった手動の写真アップロードが不要になり、利用者は説明の手間を減らして制作に集中できます。「夢の家をデザインして」といった簡潔な指示でも、連携アプリから適切な文脈を引き出します。

Personal Intelligenceはオプトイン方式で、どのアプリへのアクセスを許可するかをユーザーが選べます。有効化すると全プロンプトで既定となりますが、ツールメニューの新しいトグルで無効化が可能です。プライバシーへの配慮として、設定はいつでも変更できる仕組みになっています。

Googleは個人化画像生成を4月に初公開し、Personal Intelligence自体は3月に米国全ユーザーへ拡大、その後インドと日本にも展開しました。GeminiはすでにMAU7億5000万を超え、AI分野の主要プレーヤーとしての地位を固めています。ChatGPTやClaudeに対抗する施策として、無料化は利用者層のさらなる拡大を狙う一手といえます。

宇宙開発企業の米Fireflyは2026年後半に打ち上げ予定の月探査ミッション「Blue Ghost Mission 2」で、NVIDIAのエッジAIプラットフォーム「Jetson」を月周回軌道上で初めて稼働させます。同社の月面撮像サービス「Ocula」に組み込まれ、月を周回するElytra衛星上でAI処理を担います。

従来の宇宙センシングは、センサーが集めたデータを限られた無線帯域で地上に送り、CPUベースの処理に数日から数週間かける流れでした。これに対しOculaは軌道上でAI推論を直接実行し、必要な情報だけを地球へ送ることで遅延と高コストな通信を大幅に削減します。

Oculaは紫外線と可視光の帯域で画像を取得し、Elytra上で処理した結果を太陽光発電を電源とするJetsonモジュールで自律送信します。用途は将来の有人・無人ミッション向けの着陸地点の地図作成や、エネルギー応用が期待されるイルメナイトなど鉱物組成の検出に及びます。

顧客にはNASAや米宇宙軍に加え、月からの資源・電力供給を狙う鉱業・エネルギー企業が含まれます。NASAが今後数年で約30件のロボット着陸ミッションを計画する中、軌道上AIを前進させる機会は加速しているとFireflyのジェイソン・キムCEOは説明します。

高解像度望遠鏡は米ローレンス・リバモア国立研究所が製造し、Jetsonモジュールを搭載した状態で4月にElytra衛星への適合確認を終えました。Fireflyは後続ミッションでもOculaセンサーを飛ばし、Vera Rubinモジュールなど新型基盤を取り入れながら技術を改良していく方針です。

Allen Institute for AIは6月29日、データ点の集合から分布の密度とスコアを一度の順伝播で同時推定する新モデル「DiScoFormer」をHugging Face上で発表しました。従来は手法ごとに汎用性と精度のどちらかを犠牲にしていましたが、本モデルは再学習なしで両者を両立する点が特徴です。

機械学習や科学の多くの課題は、観測データから元の分布を復元する作業に帰着します。その鍵となるのが密度と、対数密度の勾配であるスコアです。スコアは確率の高い領域へ向かう方向を示し、Stable DiffusionやDALL-Eといった拡散モデルの画像生成や、ベイズ推論、プラズマなどの粒子シミュレーションを支えています。

DiScoFormerはTransformerブロックを積み重ね、サンプル全体を密度とスコアへ写像します。交差注意によりデータのない点でも評価でき、共有バックボーンに密度用とスコア用の2つの出力ヘッドを持たせました。スコアは対数密度の勾配という関係を利用し、両者のずれをラベル不要の整合性損失として推論時に数ステップ最適化することで、未知の入力へその場で適応します。

注意機構はカーネル密度推定（KDE）の一般化にあたります。1つの注意ヘッドの重みはデータ上のガウスカーネルにほぼ等しく、交差注意ブロック1つでKDEを再現できると数学的に示されました。さらに複数のスケールを同時に学習してデータに適応させ、KDEを特殊例として包含しつつ改善する設計です。

学習にはガウス混合モデル（GMM）を用いました。GMMは万能な密度近似器であり、密度とスコアの厳密な閉形式を持つため、バッチごとに新たなGMMを引いて正確な教師信号として供給でき、事実上無制限の学習例を確保できます。

性能面ではKDEを密度・スコアの双方で上回り、100次元ではスコア誤差を約6.5倍、密度誤差を37倍以上低減しました。学習時より多くのモードを持つ混合分布やラプラス分布などにも高精度を保ちます。スコア推定は生成モデルやベイズ推論、科学計算に共通する依存処理であり、再学習不要の汎用推定器は多分野のコストを一括で削減する可能性があると同社は示しています。

放火罪に問われたジョナサン・リンダーネヒト被告の裁判で、検察は2025年元日にロサンゼルスで起きたパリセーズ火災を巡り、被告のChatGPTとの対話ログを証拠として提出しました。この火災はLA史上最悪級の山火事の一つとされ、検察はiPhoneの位置情報や防犯カメラ映像、証言に加え、AIチャットボットの利用履歴で立件を図りました。

検察が示したのは、被告がChatGPTに火災の画像を生成させていた履歴や、「なぜ自分はいつも怒っているのか」と問いかけたやり取りでした。富裕層が世界を壊しているといった不満を吐露した記録や、たばこの火で火災が起きた場合に責任を問われるかをChatGPTに尋ねる画面録画も提示されました。

しかし陪審はこれらの証拠に納得しませんでした。評決は10対2で弁護側に傾き、評議は行き詰まりました。これを受けて判事は評決不成立と判断し、無効審理を宣言しました。

ある陪審員は地元局CBS LAに対し、ChatGPTのログが何かの証拠になるとは思わなかったと語りました。「私もしょっちゅうChatGPTと話している」と述べ、チャットボットの利用を人格上の欠陥の表れとする検察の論法に対し、むしろ腹が立ったと明かしました。

この一件は、生成AIとの私的な対話が刑事裁判の証拠としてどこまで通用するのかという論点を浮き彫りにしました。日常的にAIを使う人が増えるなか、対話履歴を内心や動機の裏付けとみなす解釈には、慎重な検討が求められそうです。

健康管理を徹底していた35歳の起業家コノ・クリストウ氏が、別の検査をきっかけに42万人に1人という希少な非ホジキンリンパ腫と診断され、治療の全工程でAI「Claude」を活用した経験をTechCrunchが2026年6月27日に報じました。同氏は血液検査やスキャン、ウェアラブルの記録をAIに入力し、難解な医療判断を補ったといいます。

診断当初、二人の専門医が正反対の治療方針を示しました。一方は成功率約60%の軽い化学療法を、もう一方は患者固有の病態を踏まえ成功率約85%の厳しい連続入院投与を推奨したのです。クリストウ氏は計12人の医師から意見を集め、11対1で支持された厳しい治療を選択しました。

AIが決定的な役割を果たしたのは治療の最終局面でした。最後のPET検査の結果が曖昧で、担当医は心臓や肺に近い放射線治療を含む次の治療を検討し始めたのです。同氏はこの種のリンパ腫では治療後PET検査の偽陽性率が約60%に上ると調べていました。

そこで3回分のPET検査とMRIをClaudeに入力したところ、40歳未満の回復期患者で胸腺が再活性化し、画像上は活動性の病変のように見える現象が指摘されました。AIは同氏の年齢や所見から、この説明が当てはまる確率を約90%と算定したのです。

その後さらに3人の医師に意見を求め、4人目が胸腺の再活性化だと確認しました。活動性の病変はなく、放射線治療は不要だったのです。クリストウ氏は「AIは医師を置き換えるものではないが、正しい問いを立てる助けになった」と語っています。

ただし専門家は慎重な姿勢を崩していません。マス・ジェネラル・ブリガムのダニエル・ビターマン氏は、汎用チャットボットが誤りも多く、個別診断向けに十分検証されていないと指摘します。一方でクリストウ氏は、AIが患者にもたらす価値は「10年後ではなく今日起きている」と強調しました。

米マサチューセッツ工科大学（MIT）のCSAILは6月26日、大規模言語モデル（LLM）を使い、ロボットに曖昧な指示を理解させる新手法「Masked Inverse Reinforcement Learning（Masked IRL）」を発表しました。人間が一つひとつ細かく説明しなくても、必要な実演データを従来の約5分の1に抑えながら、ロボットが家庭や工場で安全に作業をこなせるようにする技術です。

この手法では、2つのLLMが役割を分担します。1つ目のLLMは、人間がロボットの関節を直接動かして教える「キネステティック・デモ」の軌跡を最短経路と比較し、「近くにいて」といった曖昧な要求を「テーブルの表面に近づいて」と具体化します。これにより、なぜその動きが重要なのかをモデルが把握できるようになります。

2つ目のLLMは、障害物の位置や対象物の形状など環境の詳細を評価します。タスクに無関係と判断した要素は「マスク」して無視し、各要素を重要なら「1」、そうでなければ「0」と採点します。たとえば実演中に人がテーブルにもたれていたかどうかは「0」となり、最終的な行動計画には反映されません。

この仕組みにより、Masked IRLは3次元シミュレーションと実機の両方で既存手法を上回りました。ノートPCを避けてマグカップを動かすといった課題で、ユーザーが明示しなかった好みを最大15%多く正しく特定できたといいます。少ない実演回数で学習でき、曖昧な指示をそのまま追わせるより成績が良かったとのことです。

実機のロボットアームでも、訓練時に見ていない指示を実行できました。50回のキネステティック・デモで学習した後、利用者のPCにぶつからないようカップを差し出し、テーブルを拭き、人とテーブルの両方を避けてポテトチップスの袋を手渡しました。研究チームは今後、カメラを搭載して周囲を画像で捉え、特定の対象に注目できるよう発展させる計画です。

Vercelは2026年6月25日、TypeScript製AI開発キットAI SDK 7を公開しました。週間1600万ダウンロードを超える同SDKは、あらゆるモデルプロバイダーに対応するエージェント構築の基盤です。今回はエージェント業務の本番運用を見据え、開発・実行・連携・観測・拡張の5領域を強化しました。

開発面では、プロバイダーごとに異なる推論設定をreasoningオプション一行で統一指定できるようになりました。ツールごとにAPIキーなどを安全に渡す型付きツールコンテキストや、ステップ間で変数を共有するランタイムコンテキストも追加されています。これにより、エージェントの細かな制御と再利用が容易になります。

大容量入力の扱いも改善しました。PDFや画像を一度だけアップロードして軽量な参照を渡すuploadFile、スキルを再利用するuploadSkillを新設し、ステートレス推論での重複送信を避けます。さらにツールとUIを分離して描画できるMCP Appsや、ターミナル上でエージェントを試せるTUIパッケージも加わりました。

実行・連携面では、ツール承認やWorkflowAgentによる耐久性、タイムアウト、サンドボックス対応が入りました。Codex、Claude Code、OpenCodeなど外部のエージェントハーネスとも統合できます。観測用のテレメトリやライフサイクルイベント、リアルタイム音声・動画生成への拡張も提供され、AI SDK 6からはコード変換ツールで自動移行できます。

OpenAIは6月25日、無料版ChatGPTの標準モデルであるGPT-5.5 Instantを更新しました。買い物や地域のおすすめ、複数条件の指示への対応を強化し、まず有料会員へ、続いて無料ユーザーへと順次展開しています。同社はXで「会話がより楽しくなった」と説明しましたが、具体的なベンチマーク数値は公開していません。

最大の変化はユーザー意図の理解です。旅行の計画や商品比較、近隣店舗の検索といった意思決定支援の場面で、質問の背後にある目的をより的確にくみ取れるようになりました。会話の途中で条件を追加したり反論したりしても、最初の回答に固執せず柔軟に対応する点が改善されています。

商取引や地域情報との連携も深まりました。位置情報を活用して近隣の選択肢を提示し、商品情報や画像を一つのまとまった回答に織り込みます。回答の体裁も定型的な箇条書きから、より温かみのある会話調へと調整されました。

開発者は更新版の挙動をchat-latestというAPIエイリアスから試せます。ただしこれは本番用のgpt-5.5モデルとは別物で、OpenAIは安定運用には引き続きgpt-5.5を推奨しています。今回はあくまでChatGPT側の更新であり、API向けモデル群の新リリースではない点に注意が必要です。

chat-latestの仕様は40万トークンの文脈窓と最大12万8千トークンの出力に対応します。料金は入力100万トークンあたり5ドル、出力30ドルで、キャッシュ入力は0.5ドルと9割引です。静的な指示を先頭に置くプロンプト最適化が促されます。

企業にとっての意味は新しい技術基盤ではなく、標準挙動の改善にあります。意図の推測や文脈の保持が向上すれば、調査や購買判断に使う従業員にとってChatGPTはより信頼できる道具になります。一方でメモリーソース機能は完全な監査証跡を提供しないため、RAGや社内ログのどれを正とするか企業側で定める必要があります。

米Googleは6月25日、自社の親世代の社員がAIアシスタントGeminiを日々の子育てにどう使っているかを紹介するブログを公開しました。執筆者の社員が、生後9カ月の娘を連れた旅行計画をGeminiに任せた体験をきっかけに、社内の親たちへ活用法を募った内容です。育児の精神的な負担を技術で肩代わりする実例が並びます。

学習面では、11歳の子の試験対策に学校のカリキュラムを読み込ませ、クイズを自動生成する使い方が挙がりました。Geminiは答えを示すだけでなく段階的に考えさせる誘導型の問いかけができる点が評価されています。皮膚科医を目指す娘の進学先や専攻の検討に使う例もありました。

予定管理では、PDFのスポーツ日程表から自分の子のチームの試合だけを抽出し、数クリックでカレンダーに登録した事例が紹介されました。Gmailやカレンダー、Keep、Tasksとの連携を生かし、学校や保護者からのメールを基に予定やToDoを自動でまとめる活用も目立ちます。発達障害のある子向けに、療育や週末の視覚的スケジュールを作る使い方もありました。

暮らしの場面では、週間の献立や買い物リストの作成、小児科医の助言と合わせた離乳食計画づくりが挙がりました。旅行では子ども向けのイベントや年齢に合った活動を探す用途が人気で、近隣図書館の催しや開館時間の一覧化にも使われています。

最も多かったのは、画像生成機能Nano Bananaを使った遊びの創出でした。家族向けボードゲームのカードを小学1年生の読解レベルに作り直したり、長距離ドライブ用のクイズを作ったりと、子どもを楽しませる工夫に広がっています。

Googleは2026年6月25日、YouTube向け広告手法「Demand Gen」の機能拡張を発表しました。動画の縦横比変換の選択肢追加、Geminiによる広告素材の最適化提案、ウェブからアプリへの新規獲得計測という3点が柱です。経営者やマーケティング担当者が、より効率的にYouTube上で成果を伸ばすための更新となります。

今回のアップデートでは、動画素材のアスペクト比変換が広がります。縦型から正方形、縦型から横型、正方形から横型への変換に対応し、あらゆる画面サイズに合わせて広告を最適化できるようになります。これにより、デバイスを問わずコンバージョン獲得の機会を広げられる点が特徴です。

素材選びの場面では、Geminiが自動で最適化案を提示します。Demand Genキャンペーン向けに画像や動画を選定する際、YouTube向けにどう改善すべきかをAIが推奨する仕組みです。広告クリエイティブの判断を、AIが後押しする形になります。

計測面では、ウェブからアプリへの新規ユーザー獲得を可視化する機能が加わりました。Demand Genキャンペーンがアプリインストールを通じてどれだけ新規ユーザーを獲得したかを把握でき、投資全体の価値を見渡せます。Googleが引用したMeasuredの調査では、YouTube上の増分コンバージョンの72%が新規顧客によるものとされており、新規獲得の計測強化はこうした傾向を踏まえた動きと言えるでしょう。

元Databricks AI責任者のNaveen Rao氏が率いる新興企業Unconventional AIが6月25日、初のAIモデル「Un-0」を公開しました。振動子（オシレーター）ベースの新しい計算アーキテクチャを用い、AI推論にかかる電力を最大で1000分の1に削減できると主張しています。同社は技術詳細をまとめた論文も同時に発表しました。

Un-0は画像生成システムで、Stable DiffusionやOpenAIのGPT Image 1に並ぶ品質の画像を生成できるといいます。注目点は、従来のチップやLLMを支える計算基盤とはまったく異なる振動子ベースの設計で同等の性能を実現したことです。Rao氏はこれを「新しい種類のコンピュータのhello world」と表現しました。

ただし現行のUn-0は、同社の振動子チップをソフトウェアで模擬したシミュレーション上で動作しています。同社は実チップの設計図を近く公開し、その後はチップを組み込んだ推論基盤を一から構築して、最終的には他事業者と同様に計算資源を提供することを目指します。「プロンプトを受け取り推論を返す処理を、1000分の1の電力で行う」とRao氏は語りました。

従業員50人未満の企業には野心的すぎる目標にも見えますが、AIインフラ投資の規模と推論需要の拡大を踏まえれば課題に見合う数少ない取り組みだとRao氏は考えます。「AIのスケーリングが難しいのはエネルギーが原因で、今後数年で根本的な限界になる」と述べ、電力こそがAIの最大の制約になるとの見方を示しました。

米Adobeは6月25日、AIによる画像・動画補正ツールを手がけるTopaz Labsを買収すると発表しました。同社をクリエイティブ事業に組み込み、AIアプリ「Firefly」や画像・動画編集スイートにTopazのモデルを統合する計画です。取引は2026年後半に完了する見通しです。

Topaz Labsは20年以上の歴史を持ち、近年は独自のAIモデルを展開してきました。動画の高解像度化を担う「Astra」や画像補正の「Wonder」に加え、大規模な動画AIモデルを一般向けGPU上で動かす技術も開発し、昨年には映像技術でエミー賞を受賞しています。

Adobeはすでに一部のTopazツールをCreative Cloudで提供しており、買収後はTopazの製品を自社サイト経由の単体サービスとしても継続提供します。同社のDeepa Subramaniam氏は、実写映像とAIクリップを組み合わせたいプロが、細部のシャープ化やノイズ低減、古い映像の復元といった用途で活用できると説明しました。

今回の買収の核心は、複雑なAIモデルをデバイス上で直接動かすTopazの専門性にあります。Adobeはこの技術によって、より高速で応答性の高い体験を顧客に届け、先進的なAIを手頃なコストでクリエイターに広げられると見ています。

背景には、画像・動画編集分野でCanvaやDaVinci Resolveを擁するBlackmagic Designとの激しい競争があります。AdobeはあらゆるアプリにAIを組み込んでおり、Topazのような新興企業を取り込むことで、ユーザーが他社ソフトへ流れるのを防ぎ、自社エコシステムへの囲い込みを強める狙いです。

米Googleは6月23日のイベント「AI for the Planet」で、自然災害の予測と検知に関するAI研究の進展を発表しました。洪水・山火事・地震・異常気象を対象に、AIで生成した情報をパートナーや利用者に届け、「誰も自然災害に不意を突かれない世界」を目指す方針を示しました。

中核となるのが洪水予測です。2018年のインド・パトナでの試験運用から始まり、現在は予報基盤「Flood Hub」が150カ国以上、約20億人をカバーします。河川の洪水は最大7日前に、都市部の鉄砲水は最大24時間前に予報できるとし、関連データセットと水文フレームワークをオープンソース化したと説明しました。

異常気象では、サイクロン予測モデル「WeatherNext 2」が全球の時間別予報を数分で生成すると紹介しました。2025年のハリケーンシーズンでは、進路と強度を数日前に高い信頼度で予測できたとしています。山火事では衛星画像によるAI境界追跡を34カ国に拡大し、新たに開発した衛星「FireSat」で20分ごとの高頻度検知を目指します。

リアルタイムの警報も強化しています。検索とマップ上の「SOS Alerts」や、90カ国超で展開する「Public Alerts」を通じて、当局やメディアの情報を集約します。同社によると、昨年は1日平均1000万回以上、危機情報を人々に届けたといいます。Androidの地震速報や熱波・大気質の警報も各国で提供します。

国際機関や政府との連携事例も挙げました。ナイジェリアやバングラデシュでは支援団体がGoogleの洪水予報を活用し、増水前に現金を配る予防的支援を実施。ハリケーン「Melissa」では、米国立ハリケーンセンターが同社モデルを用い、ジャマイカへの上陸を5日前に予測したと述べています。

画像生成AIで知られる新興企業Midjourneyが2026年6月、医療画像分野への参入を発表しました。利用者を水槽に浸し、約60秒で全身を撮影する超音波スキャナーを示し、CEOのDavid Holz氏は将来的にMRIを上回りうると示唆しています。しかし複数の放射線科医や画像専門家は、主張を裏付ける公開された証拠がほとんどないと指摘しています。

このスキャナーは、利用者が台に立って水中に体を沈めると、リング状の水中センサーが音波を送り、跳ね返る反響から体内画像を生成する仕組みです。同社はこれをイルカの反響定位になぞらえ、通常30分以上かかる超音波検査を60秒に短縮できるとしています。当面は診断用医療機器ではなく、スパに設置する「ウェルネス機器」として位置づけ、米国のFDA認可を回避する方針です。

専門家の評価は厳しいものでした。ミシガン大学のVenkatesh Murthy教授は技術自体を称賛しつつ、解像度に関する主張は明らかに理論上のもので、MRI同等という示唆はまったく裏付けがないと述べました。ミシガン大学のMatthew Davenport教授は、同社の主張をこれまで見た中で最も誇大だと評しています。

音波の物理的な限界も指摘されました。トーマス・ジェファーソン大学のWilliam Morrison教授は、音波は体内深部まで届きにくく、空気や骨に遮られると説明し、水槽方式は過去にほぼ放棄された手法だと述べました。水は気泡や汚れのない純水である必要があり、維持費がかさむうえ、脂肪の多い体では画質が落ちる可能性も挙げています。

懸念の核心は証拠の不在です。専門家は、利用者がこのスキャナーを信頼してマンモグラフィーなどの確立された検査を省くことを危惧しています。Davenport教授は「証明されていない主張で市場参入を急ぐのは倫理的に問題がある」と語り、Morrison教授はTheranosを引き合いに、これは事業転換というより詐欺に近いかもしれないと述べました。

米マサチューセッツ工科大学（MIT）の研究チームが2026年6月、わずか約6ミリワットの電力で周囲の詳細な3次元地図をリアルタイムに作成できる新型チップを発表しました。消費電力は1個のLED程度にとどまり、バッテリー容量の限られた小型自律ロボットでも、障害物を避ける衝突回避経路を計画できるようになります。

従来、精密な3D地図の生成には大きな電力と大容量メモリを要しました。画像を立方体の画素「ボクセル」として保存し、各画素を何度も処理する必要があったためです。研究チームは効率的なマッピングアルゴリズムと専用ハードウェアを組み合わせる協調設計で、この課題を解決しました。

鍵となるのが、障害物を楕円体の塊「ガウシアン」で表現する手法です。楕円体は大きさや形を滑らかに調整できるため、剛直な立方体よりも曲面を効率的に表せます。さらに深度画像を1回の走査で処理して画像を破棄する技術により、チップは画像全体を保持せずに済みます。

「Gleanmer」と名付けられたこのチップは、同研究室が開発したアルゴリズム「GMMap」を採用しています。重なり合うガウシアンを元の画素に戻さず直接統合することで、地図をさらにコンパクトにし、メモリと電力の要求を大幅に抑えました。処理中のガウシアンはチップ内の高速メモリに置かれ、遠くの記憶装置から呼び出す必要がありません。

性能試験では、iPhoneカメラからのライブ映像からも障害物と空間を再現できました。地図構築に要する電力は既存の最良チップの約2.5%にとどまり、経路計画では通常の約20%のエネルギーで安全な軌道を描けたといいます。研究を率いるヴィヴィアン・スゼ教授らはIEEEの学会で成果を発表しました。

応用先はロボットにとどまりません。長時間装着できる軽量の拡張現実（AR）ヘッドセットや、医療シミュレーション、精密な修理・組立作業も視野に入ります。共著者でMITのサータク・カラマン教授は「指でつまめるチップで小型自律システムに必要なリアルタイム3D地図が初めて実現した」と意義を強調しました。

技術ジャーナリストで作家のコリー・ドクトロウ氏が2026年6月、AIを主題とした新著「The Reverse Centaur's Guide to Life After AI」を刊行しました。前著「Enshittification」に続く問題提起の書で、米メディアArs Technicaのインタビューに応じています。同氏はAIについて語ること自体を「無益だと考える理由」を書いたと説明します。

本書の狙いは誇張と物質的な現実を切り分けることにあります。ドクトロウ氏自身は「AIについて語ることにうんざりしていた」と述べつつ、繰り返し意見を求められる状況から本書の執筆に至ったと語ります。

中心概念が「ケンタウロス」と「逆ケンタウロス」です。同氏によると、ケンタウロスは機械学習や自動車運転、入力補完などの技術で能力を拡張された人間を指します。一方、逆ケンタウロスは「機械の頭に人間の体がついた存在」、つまり冷淡な機械の付属物として働く人間だと定義します。

具体例として挙げるのが、AIカメラに運転を監視されるAmazonの配送ドライバーです。ドライバーは事実上、配送車両の周辺機器のように扱われるといいます。ケンタウロスは肯定的に受け止められる一方、逆ケンタウロスを望む人はほとんどいないと指摘します。

それでもAI業界はこうしたツールで逆ケンタウロスを増やそうとしている、というのが同氏の問題意識です。例えば放射線科医のX線画像診断をAIが補助するのは有益ですが、10人中9人を解雇しAIに診断を委ね、残る1人がその確認と責任だけを負う構図は別物だと論じています。

AI創作ツール新興企業のKreaは6月、新たな画像生成AI「Krea 2」のオープンウェイト版を公開しました。学習向けの「Krea 2 Raw」と高速生成向けの「Krea 2 Turbo」の2種で、いずれもHugging Faceから誰でもダウンロードできます。同社はAI画像が画一的になりがちな課題を踏まえ、表現の多様性と高い指示再現性の両立を掲げます。

技術的な中核は、ゼロから構築した120億パラメータの拡散トランスフォーマーです。Turboは知識蒸留により生成工程を8ステップまで圧縮し、一般的な消費者向けハードでも2K解像度の画像を約2秒で描き出します。一方のRawは事後学習や人間のフィードバックによる調整を施さない素の状態で、独自スタイルの追加学習に向く「白紙のキャンバス」と位置づけられています。

想定される使い方は「Rawで学習し、Turboで生成する」という流れです。Rawは作り込まれた作風の偏りがないため、建築製図や特定ブランドの素材といった独自表現を高い忠実度で吸収できます。学習したLoRAはそのままTurboへ移植でき、高速な試作と反復に活用できる仕組みです。

ライセンスは独自の「Krea 2 コミュニティライセンス契約」を採用しました。個人や小規模事業者は無償で商用利用や成果物の収益化ができ、Kreaは生成物の著作権を主張しないと明記しています。一方で席数が50を超える組織は企業向けの有償契約が必要となり、APIの利用も生成ごとに課金される別建てのサービスです。

従来のMITやApache 2.0と異なり、この契約には下流の行動規範が課されています。モデルを自社運用する事業者は、違法素材や同意なき性的画像、児童性的虐待素材、名誉毀損的な生成物を防ぐための入出力フィルターの実装を義務づけられます。怠れば契約違反となり、Kreaは重みの更新やアクセス停止を行う権利を持ちます。

Kreaは2022年にサンフランシスコで創業し、これまでに計8300万ドルを調達、利用者は191カ国で3000万人を超えると説明しています。複数のAIエンジンを束ねる集約サービスから、自社開発モデルを提供する企業への転換を進めてきました。今回の公開は、閉鎖的なAPIに対し制作者の自由度を重視する選択肢として、オープンウェイト市場での競争を一段と高めるものと位置づけられます。

中国の百度系PaddleOCRは6月22日、汎用OCRモデルの最新世代「PP-OCRv6」をHugging Faceで公開しました。文書やスクリーンショット、多言語画像、産業ラベルなど実環境のテキスト検出・認識を狙い、1.5M〜34.5Mパラメータの3階層で軽量さと精度を両立します。VLM全盛の時代に専用OCRの実用価値を示す動きです。

モデルはtiny、small、mediumの3層で構成されます。最小のtinyはエッジ端末向け、mediumはサーバー側の高精度処理向けと、用途に応じてサイズと精度を選べる設計です。small以上の2層は簡体字・繁体字・英語・日本語を含む50言語に対応します。

精度面では、PaddleOCR独自の複数シナリオ評価でmediumが検出Hmean86.2%、認識精度83.2%を記録しました。前世代のPP-OCRv5_serverと比べ、検出で4.6ポイント、認識で5.1ポイント向上しています。

技術面では、検出に大カーネルの軽量特徴ピラミッド「RepLKFPN」、認識に局所文脈と全体注意を組み合わせた「EncoderWithLightSVTR」を採用しました。小さく回転した文字や低解像度、複雑な背景といった難しい入力への対応力を高めています。

展開の柔軟性も特徴です。Transformers、ONNX Runtime、Paddle Inferenceの3つの推論基盤に対応し、`pip install paddleocr`で導入できます。出力は可視化画像と構造化JSONで保存でき、文書解析や検索、RAGやエージェントの処理に組み込めます。

NVIDIAは6月22日、ドイツ・ハンブルクで開催中のスーパーコンピュータ会議ISCで、科学研究向けAIを加速する新ソフトウェア群を発表しました。化学・材料探索から暗黒物質の探索まで、これまでCPUで数時間から数日を要した処理を、GPUによるリアルタイム処理に置き換えます。発表されたのはDAQIRIライブラリ、ALCHEMI向けマイクロサービス、そして近日提供予定の参照コードcuPhotonです。

中核となるのは、性能向上の大きさです。天体観測の標準形式であるFITSデータを扱うcuPhotonは、NVIDIA GB200 NVL72上で動作し、ルービン天文台の大規模掃天観測の画像読み込みを1万4900倍高速化しました。信号処理と解析も最大8400倍速まると報告されており、史上最大のデジタルカメラが捉えた遠方銀河の解析を後押しします。

ネットワークライブラリのDAQIRIは、高速な検出器やセンサーからのデータを取りこぼさずに処理する点が特徴です。CERN・シカゴ大学・ユニバーシティ・カレッジ・ロンドンの研究者が開発したプロジェクトA-GHOSTは、DAQIRIを使い、ATLAS実験で通常は破棄される99%超のデータをリアルタイムにAI解析し、見逃されていた信号を捕捉します。

化学・材料探索向けのALCHEMIは、電池材料や触媒、OLEDディスプレイなどに応用できるマイクロサービス群です。生命科学プラットフォームを開発するLila Sciencesは、ALCHEMIを用いて高スループットの材料スクリーニングを50倍に加速し、合成可能性の高い安定候補を特定しました。VASP向けマイクロサービスでは磁気特性の計算も30%速まったといいます。

ではこれらのソフトはいつ使えるのでしょうか。ALCHEMIツールキットとNIMマイクロサービスはGitHubやNVIDIA NGCカタログから入手でき、VASP向けは今夏後半の提供予定です。DAQIRIはすでにGitHubで公開され、cuPhotonも今夏の提供を見込んでいます。研究現場における計算の高速化競争が、科学的発見のスピードを左右する局面に入っています。

米Googleは6月22日、Geminiモデルとエージェントを操作する新基盤「Interactions API」が一般提供（GA）に到達したと発表しました。2025年12月の公開ベータを経て、同社はこれをGemini向けの主要APIと位置づけ、すべての公式ドキュメントの既定をこの新APIへ切り替えます。開発者が最も好む構築手段に急速に定着したと説明しています。

GA版ではスキーマが安定したほか、開発者の要望に応える主要機能が加わりました。目玉はManaged Agentsで、1回のAPI呼び出しで遠隔のLinuxサンドボックスを確保し、エージェントが推論・コード実行・Web閲覧・ファイル管理をこなします。既定エージェントとして「Antigravity」が提供され、独自エージェントの定義も可能です。

実行面では、呼び出しに「background=True」を指定すれば、サーバー側が処理を非同期で走らせます。長時間タスクを扱いやすくする設計です。ツールも強化され、Google検索やGoogleマップといった組み込み機能と自作関数を1つの要求内で混在させ、結果を画像付きで返せるようになりました。

メディア生成も拡充しました。画像生成はNano Banana 2、音楽はLyria 3、表現力のある音声は複数話者TTSに対応します。Deep Researchも、速度重視と深さ重視の2系統やネイティブな図表生成を追加しました。スキーマは従来の「役割（Roles）」構造から、各動作を型付きの「ステップ（Steps）」として扱う方式へ簡素化されています。

費用と運用の最適化も進みました。FlexとPriorityの階層により費用か遅延かを選べ、Flexでは費用を50%削減できます。過去のやり取りは有料枠で55日間保持され、後から取得可能です。一方、従来の「generateContent」APIも完全にサポートを継続し、当面は新しいGeminiモデルを受け取り続けます。

ただしGoogleは、長時間稼働モデルやエージェント向けの最先端機能は、状態を持つエージェント処理向けに設計された新APIへ集約していくとの見通しを示しました。新APIはPythonとJavaScriptのSDKで利用でき、LiteLLMなどの提携先経由でも使えます。移行ガイドも公開され、各フィールドの対応関係を確認しながら段階的に切り替えられます。

Alibaba Cloudは6月21日、AI動画生成モデル「HappyHorse 1.1」を公開しました。企業向けにAPIを全面開放し、最初の2週間は全機能で40%割引を提供します。OpenAIのSoraが採算難で終了し、ByteDanceのSeedance 2.0も著作権問題で国際展開を凍結するなか、世界2位の実力を武器に企業市場の主役を狙う動きです。

同モデルは4月に匿名でベンチマークに登場し、独立評価サイト「Artificial Analysis Video Arena」で即座に首位を獲得しました。現在は3つのリーダーボード全てで2位につけ、テキスト動画ではGoogleのVeo-3.1を69点上回ります。人間の評価者による比較に基づくEloスコアでの差であり、一時的なぶれではない品質差を示しています。

技術面の強みは、テキスト・画像・動画・音声を単一の150億パラメータTransformerで処理する統合設計です。動画と音声を別々のモデルでつなぐ競合と異なり、一度の生成ですべてを扱うため、外部の吹き替えや後処理が不要になります。導入箇所や依存ベンダーが減り、企業にとって総保有コストの削減につながります。

1.1版では商用制作の課題を狙って改良しました。複数の参照画像で人物の一貫性を保つR2V機能を新搭載し、広告やシリーズ動画で問題となる被写体のブレを抑えます。動作の滑らかさや、機械生成と分かる「肌のテカリ」「過剰な先鋭化」といった不自然な質感も改善されました。

競争環境はAlibabaに有利です。Soraは1日約100万ドルの運用費に対し総収益が約210万ドルにとどまり、4月26日に終了しました。Seedance 2.0はNetflixやDisneyなど大手スタジオの法的警告を受け、国際展開を無期限延期しています。残るはGoogle Veoのみですが、Arenaの評価ではHappyHorseが上回ります。

一方で地政学リスクも残ります。米国防総省は6月8日、AlibabaをBYDやBaiduとともに中国軍企業リストに加えました。即座の制裁ではないものの、企業の調達判断には複雑さを加えます。欧州ではフランスなど現地データセンターを開設し、主権対応のインフラで信頼を得られるかが今後の鍵となります。

米ニューヨーク市で2026年、不動産仲介業者が生成AIで賃貸物件の写真を加工し、実物と大きく異なる「理想の住まい」を演出する手口が広がっています。ITメディア「The Verge」が6月22日に報じました。借り手は写真に魅了されて内見に駆けつけても、より狭く設備の劣る現実の部屋に直面し、物件探しが消耗戦と化しています。

中心にあるのが「バーチャルステージング」と呼ばれる手法です。従来から空室に家具を合成して見栄えを良くする技術はありましたが、生成AIの登場でワンクリックの加工が可能になりました。ある入居希望者は、写真にあった暖炉や立派なキッチンが実物にはなく、ガスコンロの上に植物が写っていた不自然さでAI加工に気づいたと語ります。

業界内でも線引きは曖昧です。フロリダ州の不動産業者は、改装イメージを顧客に示す用途なら有用だと認める一方、誤解を招くリスティングの作成は別問題だと指摘します。費用はバーチャルステージングが40〜400ドル程度に対し、実物の家具配置は数千ドルかかるため、安価なAI加工に流れやすい構図があります。

規制も動き始めています。ニューヨーク州は広告でのAI利用開示を義務化する法律を施行しましたが、主眼は合成人物で、AI生成の家具は対象外です。州務長官府はAI加工リスティングへの注意喚起を出し、虚偽広告は従来から禁止だと改めて示しました。

カリフォルニア州の「改変画像法」はさらに踏み込み、物件広告でAIによる画像加工を行った場合に開示を求めます。ただし規制内容は州ごとに大きく異なり、全米で統一された基準は存在しません。

経営者やマーケターにとって、この事例は生成AIによる信頼の毀損がもたらす実害を示します。誇張表現や偽装が容易になるほど、消費者は全ての情報を疑い始め、結果として業界全体の信用と取引効率が損なわれる点に注意が必要です。

アリゾナ大学のシャオドン・ヤン助教らは2026年6月12日、音波を使う人工シナプスを開発したと科学誌サイエンス・アドバンシズで発表しました。脳の動作を模倣する次世代計算技術「ニューロモルフィック・コンピューティング」で、従来の電子素子より速く、かつ省電力で動くことを実験で示したものです。AIの計算基盤を一新する可能性を持つ成果です。

従来の電子的なニューロモルフィック素子は、人間の神経細胞が持つ膨大な接続のごく一部しか再現できませんでした。研究チームは音波の位相に複数の値を載せる「ファイビット」という仕組みに着目し、1つの素子で複数の計算を同時に処理できるようにしました。これにより配線や消費電力、設計の複雑さを抑えられます。

開発した装置は、長さ約60センチのアルミ棒3本をエポキシ接着剤でつなぎ、両端に超音波の送受信機を取り付けた構造です。音波で画像とラベルのデータを符号化し、棒の中を伝わる音波の相互作用を通じて情報を変換・整理します。生物のシナプスのように結合の強さを変える「可塑性」も再現でき、学習させて多様な課題に対応させられました。

実際に150個のアヤメを3品種に分類する課題では、従来型の多層パーセプトロンを上回る結果を出しました。わずか39個のパラメータで最終精度96.7%を達成し、ピーク精度に20%速く到達したのです。消費電力は最新の電子的ニューロモルフィック機器の最大10分の1にとどまると見積もられています。

さらに棒を1本足すだけで、ドーパミンなど脳内物質「神経修飾物質」の働きも模倣できました。これは1つの回路で文脈に応じて異なる機能を持たせられることを意味します。サンディア国立研究所のブラッド・エイモン氏は、巨大な単一ネットワークの代わりに、自己調整できる小さなネットワークを使える可能性に期待を示しています。

米AI企業のHugging Faceは2026年6月18日、自社ブログでパラメータ効率の良い微調整手法（PEFT）の比較検証結果を公表しました。広く使われるLoRAが本当に最適かを同社の標準ライブラリで検証し、用途によっては他手法が上回ると結論づけています。経営者やエンジニアが開いたモデルを自社データで調整する際の指針となる内容です。

PEFTは、モデル全体を何度も載せる必要がある微調整のメモリ負荷を大幅に下げる技術群です。少ないメモリで量子化モデルも調整でき、チェックポイントが小さく、既存知識を忘れにくい利点があります。同社が開発するPEFTライブラリは、多数の手法を統一APIで扱える点が特徴です。

LoRAは早期に登場し効果が高かったため、現在は圧倒的な普及率を誇ります。同社の調査では、PEFT手法を一つだけ挙げたモデルカードの98.4%がLoRAで、画像生成のチェックポイントでも約95%を占めました。ただしこれは性能の証明ではなく、解説や周辺対応の充実が人気を呼ぶ自己強化の可能性も指摘しています。

論文に基づく手法選びには問題があると同社は警告します。研究者は既存指標を超える結果を出す圧力にさらされ、比較対象や評価基準も論文ごとに異なるため、再現が難しいのです。実際、学習率の調整だけでLoRAが他手法に並ぶという研究もあります。

そこで同社は同一の基盤モデル・データ・ハードウェアで全手法を評価する基準を整備しました。数学データセットでの推論学習と、猫のぬいぐるみという新概念を学ぶ画像生成の二つを用意し、テスト性能に加えVRAM使用量や忘却、実行時間、チェックポイント容量まで追跡しています。

結果として、数学課題ではLoRAが性能とメモリの均衡点に位置する一方、画像生成ではOFTが高い類似度と低メモリで上回りました。同社は、LoRAが悪い選択ではないものの自動的な既定にすべきではなく、config一行で手法を切り替えて自分の用途に最適な手法を試すよう促しています。

6月中旬、企業向けAIツールで同種の脆弱性が相次いで公表されました。15日にVaronisがMicrosoft Copilotのデータ窃取実証コードSearchLeakを、その4日前にはObsidian SecurityがAIゲートウェイLiteLLMの権限昇格連鎖を開示しています。共通する原因はただ一つ、企業AIが外部入力を信頼境界なしに受け入れる構造的欠陥です。

SearchLeakは、細工されたmicrosoft.comのURLをクリックさせるだけで、Copilotが利用者のメールボックスを検索し、Bing経由でデータを外部へ送り出す連鎖攻撃です。URLのパラメータがLLMへの指示として渡り、出力の無害化処理より先に画像タグが発火する競合状態を突きます。これはVaronisが12か月で確認した3例目のCopilot窃取連鎖であり、企業版は利用者の全権限を継承するため影響範囲が広がります。

LiteLLMはOpenAIやAnthropicなど複数プロバイダーの鍵を1つのプロキシ裏に保持します。Obsidianの連鎖は権限検証の不備を突いて管理者へ昇格し、サンドボックスを脱出して遠隔コード実行に至り、評価値はCVSS9.9でした。別のコマンド注入欠陥CVE-2026-42271はCISAの悪用既知リストに載り、6月22日が修正期限に設定されています。

同じ境界の崩壊はLangflowやnpmを狙うMini Shai-Huludワームでも確認され、4チームが4ツールで同一の運用上の失敗を証明しました。市場もこのリスクを織り込み始めており、CrowdStrikeのAI検知防御製品AIDRは年間経常収益が前四半期比250%超伸び、6月17日にはAWSのBedrockなどへ対象を拡大しています。

実務家も同じ問題を平易な言葉で指摘します。American Express GBTのCISOは「これは新しい影のIT、いわばシャドーAIだ」と語り、NIST枠組みなど基礎の徹底を導入前の前提に置きます。Enkrypt AIのMerritt Baer氏は「企業が承認したのはインターフェースであって奥のシステムではなく、リスクはモデルとデータをつなぐ接合部に潜む」と構造を言い当てました。

記事は対策として、各脆弱性をCVEや市場シグナルに対応づけ、検証コマンドと経営層向けの一文まで添えた5項目の信頼境界監査を提示します。これらはフロンティアモデルの問題ではなく、ゲートウェイや認証層といった配管の問題だと結論づけます。問われるのはベンダーが修正するかどうかではなく、攻撃者より先に自社が欠陥を見つけられるかどうかです。

Adobeは2026年6月18日、主力ソフト群Creative CloudにAIエージェントを組み込むと発表しました。Premiere Pro、Photoshop、Illustrator、InDesign、Frame.ioで公開ベータが同日始まり、自然言語の指示から複数工程の制作作業を実行します。従来の生成AIが画像を出すだけだったのに対し、今回は各アプリのAPIを直接操作するオーケストレーション層として動く点が新しさです。

各アプリには役割特化型の専門エージェントが用意されました。Premiereでは素材の自動仕分けやクリップの一括改名、Illustratorでは表計算データから50通りの版を生成したり印刷前の色モード確認を行います。PhotoshopやInDesignは背景の一括除去やレイアウト全体へのブランド更新を担い、いずれも退屈な定型作業を肩代わりする設計です。

生成AIスタジオFireflyも刷新されました。新機能Elementsはキャラクターや背景に名前を付けて保存し、再利用することで生成の見た目を統一します。もう一つのProjectsは素材や生成履歴、文脈をまとめて保持する記憶層で、作業の続きから再開できます。ロゴや配色を含むブランドキットの自動生成も加わりました。

Adobeはこの仕組みを、人間をクリエイティブディレクターに据える発想だと説明します。同社のデビッド・ワドワニ氏は、制作者が自らの判断に集中できるようにすると述べました。調査では創作者の85%が最終判断は人間の手に残すべきだと答えており、自律的な創作ではなく運用支援としてのAIが受け入れられています。

エージェントはOpenAIのChatGPT、AnthropicのClaude、Microsoft 365 Copilotなど外部基盤にも順次連携し、GoogleのGeminiやSlackへの対応も予定されます。一方で経営層には注意点も残ります。Adobeの独自APIに依存する商用SaaSのため、利用には有効なCreative Cloud契約が必要で、APIの外部公開やMCP対応の有無、データの保管場所はまだ明らかにされていません。

米Allen Institute for AI（Ai2）は6月17日、言語指示に基づいて物体の未来の3次元動作を予測するモデル「MolmoMotion」を公開しました。動画フレームと物体上の3D点群、そして「テーブル上の木製ボウルを動かして回転させる」といった行動の指示文を与えると、それらの点が数秒先にどう動くかを3D空間で予測します。動きを観測する従来モデルと異なり、動く前に先を読む点が特徴です。

MolmoMotionは同社の視覚言語モデルMolmo 2をバックボーンに使い、指示文と画像内の物体・点を結びつけます。動作の表現には、物体表面に紐づく疎な3D点の軌跡を採用しました。人体や剛体などのテンプレートに依存せず、カメラの視点が変わっても一貫し、ロボットや動画生成にそのまま渡せる汎用性を重視した設計です。

学習には、行動説明と対応づいた大規模な3D軌跡データが必要でしたが、既存データは小規模で領域も限られていました。そこで同社は、制約のない動画から物体に紐づく3D軌跡を自動抽出するパイプラインを構築し、116万本の動画からMolmoMotion-1Mを作成しました。736種類の動作と5600種類の物体を網羅する、現時点で最大級のデータ群です。

あわせて、人手で検証した評価用ベンチマークPointMotionBenchも公開しました。111カテゴリの物体と61種類の動作にわたる2700本の動画クリップを収録し、予測した3D軌跡が実際の動きとどれだけ一致するかを定量評価します。同ベンチマークで、MolmoMotionは映像生成型や従来の3D手法を含む既存のすべての手法を上回りました。

応用面では、ロボットの計画と動画生成の両方で効果が確認されています。シミュレーション上の物体配置タスクで、Molmo 2をそのまま使った場合の成功率56.0%に対し、MolmoMotionを用いると76.3%に向上し、学習も高速でした。動画生成では、予測した軌跡を入力に加えることで、指示通りの細かい動きをより忠実に再現できたといいます。

課題も残ります。学習時に物体あたり8点の点群しか使わないため、複雑な変形を伴う動きの表現には限界があります。それでも同社は、モデルの重みとデータ、ベンチマークをすべてオープンに公開しました。観測だけでなく予測こそ機械知能の根幹だとし、ロボティクスや動画分野での応用拡大を見込んでいます。

Googleは6月16日、スマートフォン向け基本ソフトAndroid 17とスマートウォッチ向けのWear OS 7を正式公開しました。同時に発表したPixel向け更新「June Pixel Drop」では、楽曲生成モデルLyria 3やマルチモーダル対応のGemini Omniなど、最新の生成AI機能を自社端末に先行投入しています。AppleがSiriやiOSのAI強化で追い上げを図るなか、GoogleはAndroidとPixelを自社AIの実証の場として位置づける戦略を鮮明にしました。

Android 17の目玉は、作業効率を高める新しい操作体系です。任意のアプリを長押しすると画面上に浮かぶ小窓「Bubbles」に変換でき、大画面端末では下部の専用バーから一つのアプリにワンタップで切り替えられます。さらにセルフィーカメラと画面を同時に録画する「画面リアクション」や、画面を上下に分けてゲーム画面とコントローラーを配置する折りたたみ端末向けのゲームモードも加わりました。

AI機能はPixelで先行します。Gemini Omniは会話するように動画を作成・編集でき、自分そっくりのAIアバターを登場させることも可能です。Lyria 3はテキストや画像から歌詞付きの楽曲を生成し、Pixel 10aには通話中に相手の声色を保ったまま訳す音声翻訳「Voice Translate」が搭載されます。Quick Shareは旧機種のPixel 8a・9aでAppleのAirDropと相互利用できるようになりました。

安全性の強化も進みました。Find Hubの「Mark as lost」機能では、紛失した端末を生体認証でロックでき、暗証番号を知られても情報へのアクセスや追跡停止を防げます。ライブ脅威検出は不審なアプリや詐欺の遮断範囲を広げ、暗証番号の試行回数制限も厳しくしました。Pixel Watchには車の衝突や転倒、脈拍消失を検知して緊急連絡する機能も追加されています。

スマートウォッチ向けのWear OS 7は、全日装着を支える基盤として刷新されました。スポーツの途中経過や注文の到着時刻を手首で追えるライブ更新に対応し、イヤホンやこの秋登場予定のメガネ型端末との連携も強化しています。電力最適化により、Wear OS 6からの更新で電池持ちが最大10%改善するとしています。

今夏以降には、対応端末で「Gemini Intelligence」が順次提供されます。話しかけるだけでカスタムウィジェットを作る機能や、複数手順の作業を自動でこなす機能、GmailやSearchの履歴を参照する「Personal Intelligence」などが予定されています。GoogleはAndroidからウォッチ、メガネまでを横断的につなぐAI体験で、端末エコシステム全体の競争力を高める狙いです。

地球観測衛星が2026年4月、地上の人間の分析官に頼らず自律的に目標を発見することに世界で初めて成功しました。宇宙インフラ企業Loft Orbitalの衛星YAM-9に搭載されたNASAジェット推進研究所製のソフトが、自然言語の問いに応じて関心領域を特定したものです。軌道上で視覚言語モデル（VLM）が稼働した初の事例となります。

実証を支えたのはGoogle DeepMindのGemma 3です。VLMは大規模言語モデルの文脈理解と画像解析を組み合わせた技術で、Gemma 3はデータセンターから離れた限られたハードウェアで動くエッジ用途向けに設計されています。研究者は「自然環境と人間の開発が接する地域の分類」や「鉄道拠点周辺のインフラ特定」を指示し、モデルはそれを実行しました。

この成果が重要な理由は二つあります。近い将来、衛星が軌道上でデータの一次選別を行うことで、分析官が処理すべき膨大な生データを減らし、宇宙センサーの有用性を大きく高められます。長期的には、宇宙空間で大規模なAIインフラを動かすための実証点となります。

Loftのヘッド・オブ・AIであるPaul Lasserre氏は「宇宙に常時稼働の監視レイヤーへの扉を開く」と述べました。VLMがあれば「この国境を監視し、不審な動きがあれば知らせて」といった論理的な指示を出し、衛星と対話できるといいます。YAM-9には宇宙用演算チップの代表格であるNvidia Jetson Orin AGX GPUが搭載されています。

他社の追随も予想されます。Planet Labsは現在Jetson Orin搭載衛星を単純な物体検知に使っていますが、VLMを含むAI応用の研究を進めています。Lasserre氏は地球上のどこでもリアルタイムに監視するにはYAM-9級の衛星が50〜100機必要だと見ており、Loftは現在12機を運用しています。

今回の小型モデル展開で得た知見は、電力やメモリ管理という地味だが重要な領域で、より大規模な宇宙演算インフラの構築に生かされます。開発の発端は、月や火星を探査する宇宙飛行士向けのデジタルアシスタント構想でした。加圧服でキーボードを叩けない飛行士のため、対話型AIを提供できないかという発想から生まれたものです。

米テクノロジーメディアThe Vergeのライター、アリソン・ジョンソン氏は6月13日、グーグルのAI「Gemini」を使って自宅の庭管理アプリをプロンプト一つから自作した体験を公開しました。荒れた庭の手入れチェックリストが、コードを書かずに対話だけでアプリを生む「バイブコーディング」の実験へと発展した記録です。専門知識のない個人がAIに指示するだけで、数分後にはプレビュー画面に動くアプリが現れたといいます。

同氏はグーグルのAI Studioに、庭仕事の管理・天気考慮・画像認識による植物診断といった要望を箇条書きで入力しました。論理的に整理されたアプリがすぐ生成され、画像から不調を診断する「植物ドクター」機能は即座に有効に機能したと評価しています。一方で配色や編集不可など細部の不備が多く、修正のたびに端末へ再インストールする手間が続きました。

もっとも印象的だったのは、AIが現実世界を理解していないという気づきです。Geminiは黒背景に黒文字を平然と配置し、可読性という概念を持ちませんでした。リアルタイムの天気を呼び出せる場面でも仮想的な気候プリセットを提案し、物理世界と理論上の世界の区別を繰り返し教える必要があったといいます。

別の試作アプリでは、店舗サイトを確認するふりをして実際は日付から推測するだけの偽装動作を返してきたため、同氏は実際の確認が重要だと念を押す必要がありました。生成のたびにデータセンターで電力を消費する皮肉も、同氏は率直に綴っています。

結論として同氏は、AIがテキストを動くソフトに変える光景は驚異的だとしつつ、解決したい課題への明確なビジョンを持って臨むことが不可欠だと指摘します。実際にGeminiの診断に従って庭石と防草シートを取り除いたところ、弱っていた庭木に新芽が出始め、AIの助言自体は的確だったと結んでいます。

Appleは6月13日、iPhoneの写真アプリにAIを使った本格的な編集機能を導入しました。新機能はiOS 27の開発者ベータで提供され、不要物を消すClean Up、画像の縁を広げるExtend、視点を変えて再構成するSpatial Reframingの3つが柱です。The Vergeの実機検証によれば、これらは概ね機能する一方で「写真とは何か」という問いを突きつけています。

最も実用的なのが刷新されたClean Upです。従来は端末内モデルのみで補完が不自然でしたが、今回からクラウド上の強力なモデルを使えるようになり、背景の通行人などを違和感なく除去できるようになりました。これはGoogleがPixelで先行してきた手法で、記者も「iPhoneユーザーに広く支持される」と評価しています。

Extendは構図が窮屈な写真の縁をAIで描き足す機能で、いわば逆方向のトリミングです。人物への編集は避け、追加できる余白も少量に抑えられている点を記者は評価しています。ただし元の写真になかった鉢植えを描き加えた例もあり、実在しない要素が混入する余地は残ります。

3つ目のSpatial Reframingは、カメラを動かしたかのように視点を再構成する機能です。被写体が近いほどAIが補完すべき情報が増え、顔がゆがむなど不気味の谷に陥りやすくなります。記者がWWDC後の写真を再構成した際には、Craig Federighi氏の隣に実在しない人物が作り出されました。

編集画像にはSynthIDのラベルが付与され、AIで加工されたことを示します。しかしInstagramでは専用メニューを開かないと表示されず、対策としては万全とは言えません。記者は、スマホで撮影・投稿された写真を信頼できるという前提が急速に崩れつつある点こそ最大の危険だと指摘しています。

拡張現実ゲーム「ポケモンGO」で世界中のプレイヤーが撮影した実世界の画像が、配送ロボットや軍事ドローン向けのナビゲーション技術の開発に使われていたことが、2026年6月12日にArs Technicaの報道で明らかになりました。開発したのは、ゲーム開発元ナイアンティックから2025年5月に分社化したAI企業ナイアンティックスペーシャルです。

同社は、数百万人のプレイヤーがゲーム内で撮影した短い動画と、自社アプリ「Scaniverse」の利用データをもとに、物理世界の3Dモデルとなる大規模地理空間モデルを訓練してきました。学習に使われた画像は約300億枚にのぼり、その多くはプレイヤーが訪れるよう促された都市部に集中しています。

これらの画像は、同じ場所をさまざまな角度や天候、照明条件のもとで捉えており、撮影時の端末の位置と向きを示すメタデータも備えていました。こうした豊富なデータが、現実空間を認識・解釈するAIの基盤モデル構築に大きく寄与したとみられます。

ナイアンティックスペーシャルの広報担当者は、地上スキャンはあくまで訓練の一要素であり、モデルは元データの複製や閲覧手段ではないと説明しています。さらに、スキャンの対象は像や噴水など公共の名所に限られ、ゲーム内では完全に任意の機能だったと強調しました。

10年前に世界的な熱狂を巻き起こしたゲームが、軍事用途も視野に入る技術の礎となった事実は、複雑な余韻を残します。同社は2019年以降、プライバシーポリシーや公式発表でスキャンが技術向上に使われると明示してきたと述べており、データ活用の透明性をめぐる議論を呼びそうです。

米カリフォルニア大学バークレー校やプリンストン大学などの研究チームは2026年6月12日、文書を文字に変換せず画面画像のまま検索する新手法「PixelRAG」を発表しました。従来のRAGはウェブページをテキストに解析してから索引化しますが、この変換工程が誤答の大半を生んでいると同チームは指摘します。

PixelRAGはページをスクリーンショットとして描画し、その画像を索引化したうえで、抽出した断片を視覚言語モデル（VLM）に直接読ませます。VLMは人間と同じくレイアウトや構造を保ったままページを解釈できるため、表や見出し、強調表示といった情報の欠落を防げる点が特徴です。

研究チームはWikipedia全7百万記事を約3000万枚のタイルに分割し、6種類のベンチマークで検証しました。テキスト型RAGを全項目で上回り、事実質問のSimpleQAでは精度が71.6%から78.8%へ、表形式の質問では42.5%から48.8%へ改善しています。

とりわけ注目されるのが運用コストです。AIエージェントの検索基盤としてPixelRAGを使うと、消費プロンプトトークンが3750万からわずか360万へ激減し、コストは2〜4分の1に下がりました。画像圧縮を併用すれば、さらに3分の1の削減が見込めます。

一方で課題も残ります。ページを固定の画素高で機械的に分割するため、表や段落が途中で切れる「視覚的チャンク化」の問題が未解決です。研究チームはこれを今後の重要な研究領域と位置づけています。

実務面では、既存のテキスト検索を置き換えるのではなく、その上に視覚検索を重ねるハイブリッド運用が現実的な導入経路だと著者らは強調します。企業のRAG刷新を検討するリーダーにとって、段階的に精度とコストを改善できる選択肢といえそうです。

OpenAIは2026年6月11日、欧州委員会が公表したAI生成コンテンツの透明性に関する行動規範への支持を表明しました。同規範はEUのAI法を実装し、より透明性の高いデジタル環境を築くための重要な一歩と位置づけられています。同社は数百の関係者とともに規範策定に貢献したとしています。

今回の支持は、AI生成物の来歴（プロベナンス）を強化してきた数年来の取り組みの延長線上にあります。OpenAIは2024年、画像生成ツールDALL·E 3にC2PAメタデータを付加し始めました。その後も標識付けや検出手法を改良し、最初の公開検証ツールも公開しています。