画像（マルチモーダル）に関するニュース一覧

Googleは2026年4月14日、デスクトップ向けGoogleアプリをWindows環境で全世界の英語ユーザーに提供開始しました。同アプリにはGoogle検索のAIモードが標準搭載されており、ユーザーはデスクトップから直接AIによる対話型の検索体験を利用できます。

アプリの最大の特徴は、キーボードショートカットAlt+Spaceで瞬時に呼び出せる検索ボックスです。Webの情報だけでなく、ローカルのファイルやインストール済みアプリ、Googleドライブのファイルまで横断的に検索できるため、複数の画面を切り替える手間が省けます。

画面共有機能も搭載しており、特定のウィンドウまたはスクリーン全体を選択した状態で質問を続けることができます。ドキュメント作成やWeb閲覧の作業フローを中断することなく、必要な情報をその場で得られる設計です。

さらにLens機能により、画面上に表示されている画像やテキストを直接選択して検索することも可能です。翻訳や学習支援など幅広い用途に対応します。Googleはデスクトップでの作業効率向上を狙い、検索とAIの統合を進めています。

ソフトウェア開発者のAloshdenny氏が、Google DeepMindのSynthID電子透かしシステムをリバースエンジニアリングしたと主張し、その手法をGitHubでオープンソース公開しました。Geminiで生成した200枚の純黒画像のコントラストと彩度を強調してノイズ除去することで、透かしパターンを可視化できたといいます。ニューラルネットワークやGoogleへの特別なアクセスは一切使用していません。

SynthIDは、GoogleのAI生成コンテンツに埋め込まれるほぼ不可視の電子透かしシステムです。画像生成の段階でピクセルに直接組み込まれる設計で、画質を劣化させずに除去することが困難になっています。Gemini、Nano Banana、Veo 3などGoogleのAI製品全般で使用されており、YouTubeのAI生成アバターにも適用されています。

ただし、Aloshdenny氏自身も完全な除去には成功していません。実現できたのはSynthIDのデコーダを混乱させるレベルにとどまり、透かし自体の削除ではありませんでした。同氏は「デコーダを諦めさせることしかできなかった事実が、設計の優秀さを物語っている」と述べ、SynthIDが完璧ではないものの悪用のコストを十分に引き上げていると評価しています。

Google広報のMyriam Khan氏はThe Vergeに対し、「このツールがSynthIDの透かしを体系的に除去できるという主張は誤りである」と明確に否定しました。現時点では、誰でもダウンロードして透かしを除去・追加できるツールには至っておらず、AI検知システムを欺く実用的な脅威にはなっていないと見られます。

Googleは2026年4月13日、教育分野におけるAIツールの大規模なアップデートを発表しました。ASU-GSVサミットに合わせて公開された今回の施策は、NotebookLMの利用上限拡大、Moodle LMSとの公式統合、教員向け無料AI研修など多岐にわたります。教育機関でのAI活用を本格化させる包括的な取り組みです。

NotebookLMでは、Education PlusまたはTeaching and Learningアドオンの利用者を対象に、ノートブック数、ソース数、インフォグラフィック数などの上限がすべて2倍に引き上げられました。教員はより多くのパーソナライズされた学習体験を設計でき、学生はクイズやフラッシュカード、音声概要を上限を気にせず活用できるようになります。

LMS連携では、GeminiがMoodleの公式AIプロバイダーに採用されました。テキスト要約や画像生成などのAI機能がMoodle上で利用可能になります。さらに5月からはGemini LTIがMoodleに対応し、教員がGeminiアプリやNotebookLMを課題やプロジェクトに直接組み込めるようになります。

教員のAIリテラシー向上にも注力しています。ISTE+ASCDとの提携により、米国のK-12および高等教育の教員600万人を対象とした無料AI研修プログラムを2026年5月13日に開始します。毎月新しいモジュールが追加される予定です。

このほか、Geminiアプリにインドの医学部入試NEETの模擬試験機能が追加されたほか、卒業時にGoogle Photosのデータを個人アカウントに移行できるTakeout Transfer機能が5月に提供開始されます。Purdue大学など3校との研究パートナーシップも始動しており、Googleの教育分野への投資姿勢が鮮明になっています。

TechCrunchは2026年4月12日、人工知能分野で頻出する専門用語をまとめた用語集の最新版を公開しました。この用語集は、AI業界の報道で使われる技術用語を一般読者にもわかりやすく解説することを目的としています。複数の記者が共同で執筆しており、新たな手法や安全上のリスクが発見されるたびに定期的に更新される方針です。

収録されている用語はAGI（汎用人工知能）、LLM（大規模言語モデル）、ハルシネーション、推論、学習、トークンなど多岐にわたります。AGIの定義についてはOpenAI、Google DeepMindなど主要企業ごとに解釈が異なることも併せて紹介しています。LLMについてはChatGPTやClaude、Geminiといった具体的なAIアシスタントとの関係も説明されています。

注目すべき新項目として、AIエージェントの定義が加わりました。経費精算やレストラン予約、コード管理といったタスクを自律的に実行するツールとして説明されています。またRAMageddonという新造語も収録され、AI産業の急成長がメモリチップの世界的な供給不足を引き起こしている状況を解説しています。

技術的な項目では、連鎖思考（Chain of Thought）による推論の精度向上、拡散モデルによる画像・音楽生成の仕組み、蒸留技術による小型モデルの効率的な開発手法などが取り上げられています。ファインチューニングや転移学習といったモデル最適化の手法も網羅されており、AI開発の全体像を俯瞰できる内容です。

この用語集は、AIを活用したいビジネスリーダーやエンジニアにとって実用的なリファレンスとなります。専門用語の壁を越えて技術の本質を理解するための入り口として、定期的に参照する価値があるでしょう。

OpenAIのCEOSam Altman氏は2026年4月11日、自身のブログでNew Yorker誌の調査報道記事への反論を公開しました。同日早朝、何者かがサンフランシスコの自宅に火炎瓶を投げつける事件が発生し、容疑者はその後OpenAI本社で放火を予告して逮捕されています。負傷者は出ませんでした。

問題となったNew Yorker記事は、ピューリッツァー賞受賞記者のRonan Farrow氏らによる長編プロフィールです。Altman氏のビジネス上の行動を知る100人以上に取材し、多くが「飽くなき権力への意志」を指摘しました。匿名の取締役は「人に好かれたいという強い欲求」と「欺くことの結果に対する社会病質的な無関心」を併せ持つと証言しています。

Altman氏は反論の中で、自身の「紛争回避的な性格」がOpenAIに大きな痛みをもたらしたと認めました。2023年のCEO解任・復帰劇についても「うまく対処できなかった」と振り返り、AGIを誰か一人が支配する「力の指輪」的な思想を否定しています。技術を広く共有すべきだと主張し、建設的な批判と対話を呼びかけました。

この記事をめぐっては、もう一つの論争も起きています。New Yorker誌がハンガリーのアーティストDavid Szauder氏によるAI生成イラストを採用したことです。Szauder氏は独自のAIツールを開発し、アーカイブ素材を元に制作する手法を取っていますが、名門誌がAI画像を掲載したことに対しイラストレーター業界から懸念の声が上がりました。

The Verge誌は、AIの不気味さを利用した表現がメタコメンタリーとしては不十分だと評価しました。AI画像生成がイラストレーターの仕事を奪っている現状を踏まえると、この採用判断は業界全体へのAI利用の正常化につながりかねないとの指摘もあります。一方で、Szauder氏の制作過程は一般的なAI画像生成とは異なり、より深い人間の関与があるとも報じられています。

2026年2月末に始まった米国・イスラエルによるイラン攻撃をめぐり、AI生成プロパガンダがかつてない規模でオンラインに氾濫しています。イラン系メディアはレゴ風のAI動画で国際的な共感を集め、一方のホワイトハウスもミームやAI画像を投稿。双方が「ブレインロット（脳腐れ）」コンテンツで情報戦を繰り広げる異例の事態となっています。

イラン関連の制作集団「Explosive Media」は、約24時間で2分間の合成レゴ動画を制作できると報じられています。イラン革命防衛隊が資金提供する少なくとも50の制作会社が存在し、若い世代がSNSに最適化した短尺コンテンツを次々と生み出しています。これらの動画はイラン国内向けではなく、反米感情を持つグローバルな視聴者をターゲットとしています。

深刻なのは、真実と虚偽の境界が完全に崩壊しつつあることです。イランのミナブで発生した学校への空爆では175人が死亡しましたが、その実際の映像がSNS上で「AI生成だ」と疑われました。逆にイラン側は、ディープフェイクの血まみれリュック画像を投稿するなど、事実とフェイクを混在させています。

検証の基盤も揺らいでいます。衛星画像大手Planet Labsは米政府の要請で中東の画像提供を無期限停止しました。ネット全体のトラフィックの51%をボットが占め、AI検出ツールは画像の95%が本物でも残り5%の改変を見抜けないケースが増えています。検証専門家は「すべての旧来の手法は、画像が何かの記録であるという前提に基づいていた。生成AIはその前提を根底から壊す」と警告しています。

この状況はビジネスにも示唆を与えます。情報の真偽判断コストが急上昇し、リポスト前の一時停止が唯一の防御策だと専門家は指摘します。長期的には画像の出所を証明する「プロヴェナンス（来歴証明）」システムの構築が不可欠ですが、現時点ではそのインフラは整っていません。国家間の情報戦がAIで加速する中、企業や個人が情報リテラシーを高める必要性がこれまで以上に高まっています。

OpenAIは2026年4月10日、「OpenAI Academy」と題した包括的な学習プラットフォームを公開し、ChatGPTの活用方法を解説する24本のガイドを一斉に配信しました。AIの基礎知識から実務での応用まで、ビジネスパーソンが段階的に学べる体系的なコンテンツとして提供されています。

ガイドは大きく3つの領域で構成されています。第1に、AIの仕組みやプロンプトの書き方、責任ある利用といった基礎・入門カテゴリです。技術的な背景知識がなくてもChatGPTを使い始められるよう、対話の基本から丁寧に解説しています。第2に、画像生成、データ分析、リサーチ、ブレインストーミング、ライティングといった汎用スキルのガイドが用意されています。

第3の領域として、営業・マーケティング・財務・オペレーション・カスタマーサクセス・管理職といった職種別ガイドが充実しています。各ガイドでは、会議準備の効率化、レポート作成の自動化、顧客対応の品質向上など、日常業務に直結するユースケースを具体的に紹介しています。さらに医療や金融サービスなど規制の厳しい業界向けのガイドも含まれ、コンプライアンスを意識した導入指針が示されています。

加えて、カスタムGPTの構築方法、プロジェクト機能によるワークスペース管理、スキル機能を使った繰り返しワークフローの自動化、ファイル操作、パーソナライズ設定といった上級機能のガイドも提供されています。これらは、個人利用からチーム展開へとChatGPTの活用を拡大する際に不可欠な内容です。

OpenAI Academyの公開は、ChatGPTの利用者層を技術者から一般ビジネスパーソンへと広げる戦略的な取り組みといえます。企業の経営者やリーダーにとっては、チーム全体のAIリテラシーを底上げし、組織的なAI活用を推進するための実践的なリソースとなります。

OpenClawの開発者であるPeter Steinberger氏が2026年4月10日、AnthropicからClaudeのアカウントを一時停止されたことをSNSで公表しました。「不審な活動」を理由とする停止通知の画像を投稿したところ、数百件のコメントが集まり大きな反響を呼びました。投稿が拡散された数時間後にアカウントは復旧しています。

今回の騒動の背景には、Anthropicが先週発表した料金体系の変更があります。同社はClaudeのサブスクリプションにOpenClawなどのサードパーティー製ツールの利用を含めない方針に転換し、API経由の従量課金を求めるようになりました。Anthropicは、Clawが連続的な推論ループや自動リトライを行うため通常のプロンプトより計算負荷が高いことを理由に挙げています。

しかしSteinberger氏はこの説明に懐疑的です。同氏は、Anthropicが自社エージェントCoworkにOpenClawと類似した機能を追加した直後に料金変更を行ったと指摘し、「人気機能をコピーしてからオープンソースを締め出す」と批判しました。特にClaude Dispatchのリモートエージェント制御機能は、OpenClawの提供する機能と重なる部分があるとみられています。

Steinberger氏は2026年2月からAnthropicのライバルであるOpenAIに勤務していますが、Claudeの利用はOpenClawの互換性テストが目的だと説明しています。同氏はOpenClaw FoundationとOpenAIでの業務を明確に分離しており、OpenClawがあらゆるモデルプロバイダーで動作することを目指していると述べました。一方、多くのOpenClawユーザーがChatGPTよりもClaudeを好んで使っている現状も浮き彫りになっています。

ドイツの黒い森地方に本社を置く70人のAIスタートアップBlack Forest Labs（BFL）が、画像生成AIの分野でOpenAIやGoogleに次ぐ世界トップ級の競争力を獲得しています。2025年12月には評価額32.5億ドルで資金調達を実施し、AdobeやCanvaといった大手クリエイティブ企業の画像生成機能を支える存在になりました。わずか5000マイル離れたシリコンバレーの巨人たちに、少人数チームで真っ向から挑む構図です。

提携先の顔ぶれも際立っています。同社はMicrosoft、Meta、xAIといった主要AI企業にも技術を供給し、2025年9月にはMetaと総額1.4億ドルの複数年契約を結びました。2024年にはイーロン・マスク氏率いるxAIの画像生成「Grok」を支える形で一躍有名になった一方、安全策の緩さが物議を醸し、提携は数カ月で終了した経緯があります。

近ごろxAIが再度ライセンス供与を打診したものの、BFLは混沌とした社風との協業は運用負荷が高すぎると判断し、今回は断ったと関係者は語ります。競合より資源が限られる同社は、まず粗い下絵を描き、その後に細部を描き込む潜在拡散（latent diffusion）と呼ばれる効率的な手法を磨いてきました。これが少人数でも一線級のモデルを量産できる理由です。

共同創業者アンドレアス・ブラットマン氏はWIREDに対し、「この手法のおかげで、競合の数分の一の資源で非常に強力なモデルを出せた」と語ります。HuggingFace上で最も多くダウンロードされているテキスト画像変換モデルの一角を占めるのも同社の特徴で、市場に出回る多くの画像AIが裏側でBFLの無料版モデルを利用している可能性が高いといいます。

創業者らは米サンフランシスコへの移転ではなく、故郷に近い独フライブルク周辺に本拠を構え続けることを選びました。「注意を引くものが少ない場所であることは、大きな強みになり得る」とブラットマン氏は述べ、集中できる環境こそが急成長の鍵だったと振り返ります。OpenAIがSoraを閉じTBPN買収に走るなど、米勢がフォーカスに苦しむ中での対照的な姿勢です。

BFLの野望は画像生成にとどまりません。同社は年内に、自社AIモデルを搭載したロボットを発表する計画を明らかにしました。スマートグラスやロボット向けに技術提供するハードウェア企業とも協議中とされ、「視覚知性はコンテンツ生成を超えて広がる」とブラットマン氏は強調します。物理世界で行動するフィジカルAIへの進出が、次の競争軸となりそうです。

米マサチューセッツ工科大学（MIT）CSAILなどの研究チームは2026年4月9日、AIモデルを学習しながら同時に圧縮する新手法「CompreSSM」を発表しました。従来は大型モデルを訓練後に枝刈りするか、小型モデルを最初から訓練するかの二択で性能と効率のトレードオフが避けられませんでしたが、この手法は訓練の途中で不要な内部次元を切り落とすことで両立を実現します。状態空間モデル（SSM）を対象に、言語処理から音声生成、ロボティクスまで幅広い応用が視野に入ります。

鍵となるのは、制御理論由来のハンケル特異値という数学的指標です。研究チームは各内部状態がモデル全体の挙動にどれだけ寄与するかを測定し、訓練のわずか約10%の段階で重要度ランキングが安定することを発見しました。その後は不要な次元を外科的に除去し、残り90%の訓練を大幅に軽量化されたモデルで進めることが可能になります。

ベンチマークの結果は顕著です。画像分類タスクでは、圧縮モデルがフルサイズと同等の精度を保ちながら訓練速度を最大1.5倍に引き上げました。広く使われる状態空間アーキテクチャ「Mamba」では128次元モデルを約12次元まで圧縮し、約4倍の訓練高速化を達成しています。CIFAR-10では4分の1サイズで85.7%の精度を記録し、同サイズをゼロから学習した場合の81.8%を上回りました。

既存手法と比べた優位性も明確です。訓練後に削る従来の枝刈りや、教師モデルと生徒モデルを二重に訓練する知識蒸留と異なり、CompreSSMは訓練中に情報を基に判断するためコスト増を避けられます。スペクトル正則化手法と比較しても40倍以上高速で、精度も上回ったといいます。

一方で制約もあります。この手法は内部状態の次元と性能の相関が強いモデルで最も効果を発揮し、単入力単出力の構造では恩恵が限定的です。理論は線形時不変系に最も適合しますが、チームはMambaのような時変系への拡張も進めています。論文はICLR2026で発表予定で、将来的には線形注意機構やトランスフォーマー系への応用も視野に入れています。

米Metaは2026年4月9日、自社AIアプリが米App Storeの無料ランキングで5位へ急浮上したと明らかにしました。新AIモデル「Muse Spark」を8日に投入した直後の出来事で、前日の57位からわずか1日で52ランクも跳ね上がった計算です。市場調査のAppfiguresが初報し、Sensor Towerも同日のiOSダウンロード数が約4万6000件と前日比87%増となったと補足しました。

Muse Sparkは、Scale AI出身のアレクサンダー・ワン氏が率いるMeta Superintelligence Labsの初リリースです。同氏は昨年、Metaが140億ドル超を投じたScale AIから引き抜かれ、AI部門の立て直しを託されました。今回のモデルはLlama 4からの大幅刷新と位置付けられ、OpenAIやAnthropicを追う巻き返しの一手となります。

新モデルは音声・テキスト・画像を扱うマルチモーダル仕様で、健康相談から科学・数学の複雑な推論、プロンプトからのウェブサイトやミニゲーム生成といった視覚コーディングまで幅広い用途を想定しています。さらに複数のサブエージェントを同時に走らせ、ユーザーの質問を並列処理できる点も特徴です。WhatsAppやInstagram、Meta AIグラスなど他プラットフォームへの展開も数週間以内に予定されています。

追い風は数字にも表れています。Sensor Towerによると、米国におけるMeta AIのウェブ日次訪問者は前日比450%超、過去30日平均比では570%超増加し、いずれも過去最高を記録しました。Appfiguresの累計データでは、アプリの世界ダウンロード数は6050万件に達し、うち2500万件が今年だけで積み上がった計算です。主要市場はインドが首位で、米国、ブラジル、パキスタン、メキシコと続きます。

もっとも、首位争いには依然として距離があります。ChatGPTが1位、Claudeが2位、Geminiが3位を占める中、Meta AIは4番手グループにようやく食い込んだ段階です。ワン氏自身もX上で「まだ成長中」とコメントしており、巨額投資に見合う定着と収益化を示せるかが次の焦点となりそうです。

Hugging Faceは4月9日、オープンソースの埋め込みライブラリSentence Transformers v5.4を公開し、テキストに限定されてきた埋め込みとリランキングの機能を画像・音声・動画にまで拡張しました。開発者は従来と同じAPIを使いながら、モダリティをまたいだベクトル検索やRAGパイプラインを構築できるようになります。視覚的な文書検索やクロスモーダル検索といった新しい用途を、少ないコード変更で取り込める点が最大の特徴です。

中核となるのは、異なるモダリティの入力を共有埋め込み空間に写像する多モーダル埋め込みモデルです。テキストクエリと画像文書を直接比較でき、同じsimilarity関数で関連度を評価できます。ブログの例では「黄色い建物前に駐車された緑の車」というテキストが、該当する車の画像に対して最も高い類似度を示し、ハードネガティブの誤マッチが抑えられることが示されました。

リランカー（CrossEncoder）も多モーダル化され、テキスト・画像・動画を組み合わせたペアにスコアを付与できます。エンベディングで高速に候補を絞り込み、リランカーで精度を高めるという2段構えの検索パターンが、マルチモーダル文脈でも標準化されました。rank()やpredict()は従来と同じインターフェースのまま、複合入力を受け付けます。

対応モデルにはQwen3-VL-Embedding-2B/8B、NVIDIA llama-nemotron-embed-vl、jinaai/jina-reranker-m0などが含まれ、統合コレクションから即座に利用できます。2BクラスはVRAM約8GB、8Bクラスは約20GBを必要とし、CPUでは推論が著しく遅いためGPU環境の利用が推奨されています。

設定面では画像解像度や精度を制御するprocessor_kwargsとmodel_kwargsが用意され、従来のtokenizer_kwargsは非推奨となりました。経営層やエンジニアにとって、社内ドキュメントのスクリーンショットや動画アーカイブを横断検索する基盤を、既存の知識資産を活かしたまま整備できる点が実務的な価値です。

Googleは4月9日、対話型チャットボットGeminiに3Dモデルと物理シミュレーションを自動生成する機能を追加したと発表しました。ユーザーが複雑な概念を質問すると、回転可能な3Dモデルやスライダー付きの動的シミュレーションがチャット内に直接表示されます。これまでテキストと静止図に限られていた回答が、変数を操作しながら学べる対話型の可視化へと進化した形です。

目玉は、ユーザーが画面上で値を自在に変更できる点です。たとえば「月が地球を周回する様子を見せて」と尋ねると、初速度や重力の強さを入力・調整し、軌道がどう変化するかを即座に確認できます。軌道線の表示切替や一時停止ボタンも用意され、二重振り子やドップラー効果、フラクタル、二重スリット実験などの題材にも対応します。

利用は簡単で、gemini.google.com でプロンプト欄からProモデルを選び、「見せて」「可視化して」と依頼するだけです。回答の下に表示される「Show me the visualization」ボタンを押すと、生成された3Dモデルが起動します。機能は本日より全世界のGeminiアプリ利用者に順次展開されますが、教育向けアカウントとWorkspaceは現時点で対象外です。

今回の発表は、生成AI各社が進めるマルチモーダル可視化競争の一環と位置付けられます。AnthropicはClaudeに図表やダイアグラムの自動生成を実装し、OpenAIもChatGPTで数学や科学の概念を可視化する機能を導入したばかりです。Googleは従来の静的画像生成から一歩踏み込み、触れて学べるAIという新しい体験価値で差別化を狙います。

経営者やエンジニアにとって注目すべきは、研修・教育・製品デモでの応用可能性です。物理や経済モデルを文章で説明する代わりに、クライアントや社員にその場でパラメータを操作してもらえれば、理解と納得のスピードは大きく高まります。AIの価値が「答えを返す」から「一緒に考えるための道具を即席で組み立てる」段階へ移行し始めた象徴的なアップデートと言えるでしょう。

米司法省は4月、オハイオ州コロンバス在住のジェームズ・ストラーラー被告（37）がTake It Down Act違反で有罪を認めたと発表しました。被害者は少なくとも10人に上り、同法が2025年に成立して以降初の有罪事例となります。被告はAIで生成した性的画像を元交際相手やその家族に送りつけ、サイバーストーキング罪などでも訴追されました。

捜査当局によると、被告は押収されたスマートフォンに24種類以上のAIプラットフォームと100以上のWebモデルをインストールし、同意のない親密画像（NCII）を数百から数千点生成していました。元交際相手の顔を父親との性行為場面に合成して母親や同僚に送付するなど、手口は極めて悪質です。未成年の男児の顔を成人の体に合成した画像も複数確認されました。

さらに被告は、被害者との復縁を迫る目的で画像を悪用していたとされます。裁判資料には、本物のヌード画像を送るよう脅迫し、レイプを仄めかす留守電を残したとの記載もあります。被害者を装ってポルノサイトに画像を投稿し、第三者にAI生成コンテンツを提供する行為も確認されました。

問題を深刻化させているのは、被告が逮捕後も生成行為を継続していた点です。児童性的虐待を扱うサイトに実在・合成の画像700点超を投稿し、「合法なもの何でも」を掲げる掲示板にも被害者母娘の画像を投稿していました。AIツールの容易な入手性が犯罪の連鎖を助長した形です。

被告はサイバーストーキング、児童の性的虐待を描いた卑猥な視覚表現の製造、デジタル偽造物の公開の各罪について有罪を認めました。Take It Down Actの下では、成人のNCII公開で最大2年、未成年画像で最大3年の禁錮刑が科され得ます。量刑は今後の公判で決定されます。

本件は、生成AIを悪用した画像犯罪に対する米国の法的対応が実際に機能した試金石と言えるでしょう。一方で、多数のAIツールが個人端末で簡単に運用できる現状は、プラットフォーム側の責任や規制のあり方にも新たな課題を突きつけています。

米陸軍が、実際の作戦データを基に訓練した独自のAIチャットボット「Victor」を開発していることが明らかになりました。陸軍の最高技術責任者アレックス・ミラー氏がWIREDに対しプロトタイプを公開し、ウクライナ・ロシア戦争などの実戦から得た教訓を兵士が即座に活用できるシステムだと説明しています。Victorは掲示板型フォーラムと「VictorBot」と呼ばれるチャットボットを組み合わせた構成で、500以上のデータリポジトリが投入されています。

Victorは陸軍の統合兵科司令部（CAC）内で開発が進められています。同司令部のジョン・ニールセン中佐によると、異なる旅団が別々の任務で同じ失敗を繰り返すことは珍しくなく、Victorはこの問題の解決を目指しています。将来的には画像や動画を入力して分析できるマルチモーダル対応も計画されており、陸軍の公式情報にアクセスできる数少ないシステムの一つになる見込みです。

国防総省は2022年のChatGPT登場以降、軍事システムへのAI統合を加速させてきました。PalantirのシステムがAnthropicの技術を活用してイランでの作戦立案に使われた事例もあります。一方で、自律兵器や市民監視へのAI利用を巡り、AnthropicとPentagの間で対立が生じるなど、運用方針の議論も活発化しています。

専門家からはAI導入に伴うリスクへの懸念も示されています。新アメリカ安全保障センターのポール・シャレ氏は、AIモデルの追従性（sycophancy）が情報分析の場面で特に問題になりうると指摘します。さらに、チャットボットから自律的にソフトウェアやネットワークを操作するエージェント型AIへの進化に伴い、セキュリティ面の新たな課題が生まれると警告しています。Victorが成功すれば、大手AI企業と連携してさらなる高度化が図られる可能性もあります。

米陸軍が独自のAIチャットボット「Victor」を開発していることが明らかになりました。陸軍の最高技術責任者アレックス・ミラー氏がWIREDに対し、ウクライナ・ロシア戦争などの実任務から得た教訓データを活用し、兵士が現場で必要な情報を素早く得られるシステムを構築中であると語りました。

Victorは、Redditのようなフォーラム機能とVictorBotと呼ばれるチャットボットを組み合わせた仕組みです。兵士が電磁戦装備の設定方法などを質問すると、AIが回答を生成し、他の兵士の投稿やコメントから関連情報を引用して提示します。500以上のデータリポジトリが既に投入されており、商用チャットボットと同様に事実に基づくソースの引用で誤りを低減する方針です。

統合兵科センター（CAC）で開発を指揮するニールセン中佐によれば、異なる旅団が同じ過ちを繰り返す問題の解消が狙いです。将来的には画像や動画を入力できるマルチモーダル対応も計画されています。ジョージタウン大学の研究者は、成功すれば大手AI企業との連携に発展する可能性を指摘しています。

一方で、新たな安全保障上の懸念も浮上しています。元米陸軍レンジャーのポール・シャール氏は、AIモデルの追従傾向が情報分析の場面で特に危険だと警告しました。また、チャットボットからエージェント型AIへの進化に伴い、セキュリティ上の課題が増大すると指摘しています。国防総省は昨年末にGenAI.milを立ち上げるなどAI導入を加速しており、軍におけるAI活用の流れは今後も続く見通しです。

米非営利調査報道機関ProPublicaの労働組合（約150人）が4月9日から24時間のストライキに突入しました。組合結成以来初となるこのストは、生成AIの利用方針、解雇からの保護、賃金の3点を巡る団体交渉が2年以上にわたり合意に至っていないことが背景にあります。組合側は読者に対し、スト期間中はProPublicaのコンテンツへのアクセスを控えるデジタルピケットへの参加を呼びかけています。

最大の争点は生成AIの取り扱いです。ProPublica経営陣は最近AI利用方針を公表しましたが、組合の交渉委員会はこれを「一方的な導入」と批判し、全米新聞労組（NewsGuild）を通じて不当労働行為の申し立てを行いました。組合側は、AIを執筆や画像生成に使わないという暗黙の合意はあるものの、正式な契約条項としての明文化が不十分だと主張しています。

一方、ProPublicaの広報担当者は「公正で持続可能な契約の締結に尽力している」と述べつつ、AIが業務に与える影響はまだ不透明であり、調査報道に集中する時間を増やす方向での活用を模索していると説明しました。組合員の間でもAIへの見方は分かれており、定型業務の自動化を歓迎する声がある一方、人間の中核的業務の代替には慎重な意見もあります。

報道業界全体でもAIの活用方法は多様化しています。ニューヨーク・タイムズは文書解析に、ProPublica自身もDEI政策の調査報道にAIツールを活用した一方、Fortuneでは編集者がAIで大量の記事を生成するケースも出ています。こうした中、労使間でAI条項を契約に盛り込む動きは報道業界で初期段階にあり、ProPublicaのストはその先例となる可能性があります。

OpenAIは2026年4月8日、AI技術を悪用した児童性的搾取（CSAM）に対抗するための政策提言「Child Safety Blueprint」を公開しました。この提言は、米国の児童保護体制をAI時代に適合させるための実践的な枠組みを示すもので、全米行方不明・被搾取児童センター（NCMEC）や州司法長官連合と共同で策定されました。

提言は3つの優先領域で構成されています。第一に、AI生成・改変されたCSAMに対応するための法律の近代化です。第二に、より効果的な捜査を支援するための通報・連携体制の改善。第三に、AIシステム自体に不正利用を防止・検知する安全設計措置を組み込むことです。ノースカロライナ州とユタ州の司法長官は、検知・拒否機構・人間による監視・進化する悪用パターンへの継続的適応を組み合わせた多層防御の重要性を強調しています。

この提言の背景には、AI関連の児童搾取被害の急増があります。インターネット監視財団（IWF）によると、2025年前半だけでAI生成CSAMの報告が8000件を超え、前年比14%増加しました。犯罪者がAIツールを使い、偽の児童画像生成やセクストーション、巧妙なグルーミングメッセージの作成に悪用するケースが増えています。

一方で、OpenAI自身もAI chatbotの安全性を巡る訴訟に直面しています。2025年11月には、GPT-4oとの長時間の対話後に若者が自殺した事例を巡り、7件の訴訟がカリフォルニア州裁判所に提起されました。今回の提言は、10代向け安全ガイドラインの更新やインドでの安全提言に続く取り組みです。

ただし、この枠組みはあくまで自主的なものであり、その実効性は業界の履行意志にかかっていると専門家は指摘しています。州司法長官らは、具体的なコミットメントの明確さと説明責任の担保が不可欠だとし、今後の継続的な連携を通じて提言を持続的な児童保護に結びつけていく姿勢を示しました。

Metaは2026年4月8日、新AIモデルMuse Sparkを発表しました。これは2025年夏に設立されたMeta Superintelligence Labs（MSL）が初めて公開するモデルで、Llama 4の不振を受けてAI戦略を根本から刷新した成果です。MSLを率いるのは、Scale AI共同創業者のAlexandr Wang氏。マーク・ザッカーバーグCEOは「質問に答えるだけでなく、ユーザーの代わりに行動するAIエージェント」の実現を目標に掲げています。

Muse Sparkの最大の技術的特徴は、テキスト・画像・音声・動画を統合的に処理するネイティブマルチモーダル設計です。従来のように視覚とテキストを後付けで結合するのではなく、ゼロから再設計されました。「視覚的思考連鎖」により、複雑な画像の論理的推論が可能になっています。CharXiv Reasoningでは86.4点を記録し、Claude Opus 4.6やGPT-5.4を大幅に上回りました。

もう一つの注目点は思考圧縮技術です。強化学習の過程で過剰な「思考時間」にペナルティを課すことで、精度を維持しながら推論トークンを削減しています。Artificial Analysisの知能指数テストでは、出力トークン数がClaude Opus 4.6の約3分の1、GPT-5.4の約半分で済んでいます。同指数のスコアは52で、Gemini 3.1 Pro Preview（57）やGPT-5.4（57）に迫るトップ5圏内に入りました。

医療分野では、1000人超の医師と協力してトレーニングデータを整備し、HealthBench Hardで42.8点という突出した成績を達成しています。一方で、エージェント性能にはまだ課題が残ります。SWE-Benchではリーダー勢に及ばず、長期的なワークフロー処理は発展途上です。Meta自身も「長期的エージェントシステムとコーディングワークフローには改善の余地がある」と認めています。

注目すべきは、これまでオープンソースAIの旗手だったMetaが、Muse Sparkをクローズドソースで公開した点です。当面はMeta AIアプリとウェブサイト、一部パートナーへのAPI限定提供となります。ザッカーバーグ氏は将来的にオープンソース版を提供する意向を示していますが、12億ダウンロードを誇るLlamaエコシステムの今後については明言を避けており、開発者コミュニティの間で議論を呼んでいます。

米マサチューセッツ工科大学（MIT）の研究チームは2026年4月7日、データセンターで共有利用されるSSD（ソリッドステートドライブ）の性能を大幅に引き上げるソフトウェアシステム「Sandook」を発表しました。複数のSSDをプールして共有する運用では、機器ごとの性能差が全体の足を引っ張る問題がありましたが、Sandookは3つの主要な性能変動要因を同時に制御することで、従来手法を大きく上回る効率化を実現します。

Sandookが対処する3つの変動要因は、SSDの経年劣化や製造元の違いによる性能差、同一SSD上での読み書き操作の干渉、そして予測不能なタイミングで発生するガベージコレクションによる遅延です。従来の手法はこれらを個別に処理していましたが、Sandookは二層アーキテクチャによりすべてを統合的に管理します。

グローバルスケジューラがSSD群全体のタスク配分を最適化し、各SSDに配置されたローカルコントローラが突発的な性能低下に即座に対応します。読み書きの干渉に対しては、アプリケーションが使用するSSDを読み取り用と書き込み用でローテーションさせることで衝突を回避します。ガベージコレクション発生時には該当SSDの負荷を自動的に軽減し、完了後に段階的に復帰させます。

10台のSSDプールを用いた実験では、データベース運用やAIモデル学習、画像圧縮などのタスクでスループットが12〜94%向上し、SSD容量の利用率も23%改善しました。専用ハードウェアやアプリケーション固有の変更を必要とせず、理論上の最大性能の95%を達成しています。研究チームは今後、最新SSDのデータ配置制御プロトコルやAIワークロードの予測可能性を活用し、さらなる効率化を目指すとしています。本研究はUSENIX NSDIシンポジウムで発表されます。

LangChainは2026年4月7日、AIエージェントフレームワーク「Deep Agents」のバージョン0.5をPython版・JavaScript版の両方でリリースしました。最大の新機能は非同期サブエージェントで、メインエージェントがバックグラウンドでリモートエージェントにタスクを委任し、並行して他の作業やユーザーとの対話を続けられるようになります。

従来のインラインサブエージェントは、実行中にスーパーバイザーの処理ループをブロックする制約がありました。短時間のタスクでは問題になりませんでしたが、深いリサーチや大規模コード分析など数分単位の作業ではボトルネックとなっていました。非同期サブエージェントはタスクIDを即座に返し、独立したリモートサーバー上で実行されるため、この制約を解消します。

通信プロトコルにはLangChain独自のAgent Protocolが採用されました。スレッドとランを軸とした設計が非同期タスクモデルと自然に適合し、サブエージェントはやり取りを跨いで状態を保持できます。GoogleのA2AやACPも検討されましたが、非同期モデルとの適合性や反復速度の観点からAgent Protocolが選ばれています。

マルチモーダル対応も拡充され、従来の画像に加えてPDF、音声、動画などのファイル形式が読み取り可能になりました。既存のread_fileツールをそのまま使い、拡張子からファイル種別を自動判別する仕組みです。対応するモダリティは使用する基盤モデルに依存し、モデルプロファイルを通じてプログラム的に確認できます。

Googleは2026年4月7日、Google Mapsへの投稿をより簡単にする3つの新機能を発表しました。最大の目玉は、写真投稿時にGeminiがキャプションを自動生成する機能です。ユーザーが写真を選択すると、Geminiが画像を解析して説明文の下書きを提案し、そのまま使うことも編集・削除することもできます。

キャプション自動生成は現在、米国のiOS版で英語のみ利用可能です。今後数カ月でAndroidやグローバル展開が予定されています。Googleはこの機能について、写真に適切な説明を付ける際の「最初の一歩を手助けする」ものと位置づけています。

投稿プロセス自体も改善されました。端末の写真へのアクセスを許可すると、最近撮影した写真や動画が「投稿」タブに直接表示され、タップするだけで共有できます。この写真・動画のレコメンド機能は、AndroidとiOSの両方でグローバルに利用可能です。

さらに、投稿者の貢献度を可視化する仕組みも強化されました。獲得した合計ポイントが投稿タブに表示されるほか、ローカルガイドのレベルがプロフィールページで目立つように表示されます。実績バッジのデザインも刷新され、上級貢献者には新しい金色のプロフィールが付与されます。

Google Mapsは5億人を超える投稿者コミュニティに支えられており、写真・レビュー・動画などの投稿が地図情報の鮮度を保つ重要な役割を果たしています。今回のアップデートは、こうした貢献のハードルを下げ、投稿者のモチベーションを高める狙いがあります。

Googleは2026年4月7日、Samsung Galaxy XRヘッドセット向けにAndroid XRの大型アップデートを発表しました。今回のアップデートでは没入感を高める5つの新機能が追加され、2Dコンテンツの3D変換や物理空間との融合がより自然になります。昨年末のGalaxy XR発売以降、初となる大規模な機能拡張です。

目玉となる「自動空間化（Auto-spatialization）」は実験的機能として提供され、ほぼすべてのアプリ、ゲーム、ウェブサイト、画像、動画をボタン一つで3D体験に変換できます。YouTubeの動画に奥行きを加えたり、Chromeのウェブサイトを立体的に表示したりすることが可能です。

XR専用に最適化されたアプリも100本を超え、発売時から倍増しました。Real VR FishingやTrombone Champ: Unflattened!などの新タイトルに加え、パリ・サンジェルマンのアプリではスタジアムにいるかのようなライブ観戦体験が楽しめます。また、アプリを壁面に固定する機能により、物理空間をワークスペースやエンターテインメントセンターとして活用できるようになりました。

操作面では、仮想コンテンツに触れる際に自分の実際の手が表示されるようになり、白い輪郭線だけだった従来の表示から大きく改善されました。さらにセッション復元機能により、ヘッドセットを再装着した際にアプリが前回の配置で自動的に再起動します。

企業向けにはAndroid EnterpriseがXRで正式にサポートされ、Microsoft IntuneやSamsung Knox Manageなど主要なEMMパートナーとの連携により、没入型トレーニングやコラボレーションの大規模展開が可能になりました。ハンドトラッキングやアイトラッキングの精度向上、アクセシビリティの改善も含まれています。

イラン革命防衛隊（IRGC）は4月3日、OpenAIがアラブ首長国連邦アブダビに建設中のStargateデータセンターを攻撃対象とする動画を公開しました。動画にはGoogle Mapsから取得したとみられる衛星画像が含まれ、アメリカがイランの民間インフラを攻撃した場合、中東地域のアメリカ関連エネルギー・テクノロジー企業を「完全に殲滅する」と警告しています。

StargateプロジェクトはOpenAI、SoftBank、Oracleによる総額5000億ドル規模のAIデータセンター共同事業です。アブダビ施設だけで300億ドル以上の投資が見込まれ、16ギガワットの計算能力を備える計画ですが、建設は現在も進行中の段階にあります。

この脅迫は、トランプ大統領がイランに対しホルムズ海峡の再開を要求し、応じなければ火曜日までに発電所や橋梁を攻撃すると警告したことへの対抗措置です。イラン外務省は「あらゆる力をもって国家安全保障と主権を守る決意」を表明しました。

中東のデータセンターはすでに実際の被害を受けています。イランのミサイルがバーレーンとドバイのAWS施設を直撃し、ドバイのOracle施設にも着弾しました。先週にはNvidiaやAppleも名指しで脅迫されており、AI産業の中東展開における地政学リスクが急速に高まっています。

Microsoftは4月3日、自社開発の基盤AIモデル3種を発表しました。音声認識のMAI-Transcribe-1、音声合成のMAI-Voice-1、画像生成のMAI-Image-2で、いずれもMicrosoft Foundryを通じて即日提供を開始しています。

MAI-Transcribe-1は業界標準ベンチマーク「FLEURS」で主要25言語の平均ワードエラー率3.8%を達成しました。OpenAIのWhisper-large-v3を全25言語で、GoogleのGemini 3.1 Flashを22言語で上回り、競合の半分のGPUで動作すると発表しています。

MAI-Voice-1は数秒の音声サンプルから話者の声を再現でき、100万文字あたり22ドルで提供されます。MAI-Image-2はArena.aiリーダーボードでトップ3に入り、BingやPowerPointへの展開が進んでいます。

注目すべきは開発体制の規模です。Mustafa Suleyman氏によると、音声モデルはわずか10人のチームで構築され、画像チームも10人未満です。少人数による高品質モデル開発は、AI開発に数千人規模が必要とする業界通念を覆すものです。

これらのモデル開発は、2025年10月のOpenAIとの契約改定により実現しました。従来Microsoftは独自にAGI開発を行うことが契約上禁止されていましたが、新条件により独立したモデル開発の自由を得ています。

価格戦略も競争的です。Suleyman氏は「すべてのハイパースケーラーの中で最も安い価格にする」と明言し、Amazon・Google双方を下回る設定にしたと述べました。年初来約17%の株価下落が続く中、AI投資の収益化圧力に応える狙いがあります。

Suleyman氏は今後、テキスト生成を含む全モダリティで最先端モデルを提供する方針を示しました。「Microsoftが必要とするなら、最高効率・最安価格で完全に独立した形で提供できるようにする」と語り、OpenAIとの協力関係を維持しつつ自立を目指す戦略を鮮明にしています。

元Apple・Meta幹部のBrett Levenson氏が設立したAIコンテンツ審査スタートアップMoonbounceが、1200万ドルの資金調達を発表しました。Amplify PartnersとStepStone Groupが共同でリードしています。

Levenson氏はMeta在籍時、人間の審査員がわずか30秒で判断を下し、正確性が「コイン投げとほぼ同じ」だった実態を目の当たりにしました。この経験から、静的なポリシー文書を実行可能なロジックに変換する「ポリシー・アズ・コード」の着想を得ています。

同社は独自の大規模言語モデルを訓練し、顧客のポリシー文書を解析して300ミリ秒以内にコンテンツを評価します。対応分野はUGCプラットフォーム、AIコンパニオン、AI画像生成の3領域で、すでに日次4000万件超の審査を処理しています。

AIチャットボットが10代の自傷行為を助長した事件や、画像生成AIによるディープフェイク問題など、安全対策の不備が法的リスクに直結する状況が深刻化しています。こうした背景から外部の安全基盤への需要が急拡大しています。

今後の注力分野は「反復的ステアリング」と呼ぶ新機能です。有害な話題が浮上した際に会話を即座に遮断するのではなく、プロンプトをリアルタイムで修正し、チャットボットをより建設的な応答へと誘導する仕組みを目指しています。

Microsoftは2026年4月2日、自社開発の基盤AIモデル3種（MAI-Transcribe-1、MAI-Voice-1、MAI-Image-2）を発表しました。音声認識・音声生成・画像生成の3分野をカバーし、Microsoft FoundryとMAI Playgroundで即日提供を開始しています。

音声認識モデルMAI-Transcribe-1は、業界標準のFLEURSベンチマークで上位25言語において平均WER3.8%を達成しました。OpenAIのWhisper-large-v3を全25言語で上回り、GoogleのGemini 3.1 Flashにも22言語で勝利するなど、最高水準の精度を示しています。

この動きを可能にしたのは、2025年10月のOpenAIとの契約再交渉です。従来MicrosoftはAGIの独自追求を契約上禁じられていましたが、新条件により自社モデル開発の自由を獲得しました。ムスタファ・スレイマン率いる超知能チームが正式に発足し、AI自給自足を目指しています。

注目すべきは開発体制の効率性です。音声認識モデルはわずか10人のチームで構築され、画像チームも10人未満とのことです。競合の半分のGPUで最高水準の性能を実現しており、AI事業のコスト構造を根本的に変える可能性があります。

価格面では全ハイパースケーラー最安を明言し、MAI-Voice-1は100万文字あたり22ドル、MAI-Image-2はテキスト入力100万トークンあたり5ドルに設定されました。スレイマン氏は今後、大規模言語モデルでもフロンティア級の自社モデルを投入する方針を示しており、Microsoftの競争戦略は新たな段階に入っています。

Google DeepMindは2026年4月1日、オープンモデル「Gemma 4」を4サイズ同時に公開しました。最上位の31BモデルはArena AIリーダーボードでオープンモデル世界3位を獲得し、ライセンスは従来の独自条項からApache 2.0へ変更されました。

31B Denseは高品質な推論特化、26B MoEは128個の小規模エキスパートのうち8個だけを活性化し、31B級の性能を4B級の速度で実現します。AIME 2026で31Bが89.2%、MoEが88.3%を記録し、前世代Gemma 3の20.8%から飛躍的に向上しました。

エッジ向けのE2BとE4Bは、スマートフォンやRaspberry Pi、Jetson Nanoで完全オフライン動作します。Per-Layer Embeddings技術により、E2Bは総パラメータ51億ながら実効2Bとして軽量に動き、音声認識もモデル内で処理できます。

全モデルが画像・動画・音声のマルチモーダル入力に対応し、関数呼び出しもアーキテクチャレベルで統合されています。可変アスペクト比の画像処理、最大256Kトークンの長文脈、140以上の言語への対応により、エージェント型AIワークフローの構築基盤として設計されています。

Apache 2.0ライセンスへの移行は、企業導入における法的障壁を解消する重要な転換点です。NVIDIAとの協業によりRTX GPUからDGX Sparkまで最適化され、Ollama・llama.cpp・Hugging Faceなど主要ツールが初日から対応しています。中国系モデルがオープン化を後退させる中、Googleは逆方向の戦略を明確にしました。

UAE・技術革新研究所（TII）のFalconチームは2026年4月1日、画像認識・セグメンテーション・OCRを単一のTransformerで処理するオープンソースモデル「Falcon Perception」を公開しました。パラメータ数はわずか6億で、従来のパイプライン型システムに代わる統合的なアプローチを提案しています。

Falcon Perceptionの最大の特徴は、画像パッチとテキストトークンを最初の層から同一のパラメータ空間で処理する「早期融合」アーキテクチャです。画像トークンには双方向注意、テキストトークンには因果的注意を適用するハイブリッドマスクにより、1つのモデルで視覚エンコーダとテキストデコーダの両方の役割を果たします。

オープン語彙セグメンテーションベンチマークSA-Coでは、Macro-F1で68.0を達成し、Meta社のSAM 3の62.3を上回りました。特に属性認識で+8.2、食品・飲料カテゴリで+12.2と大きな差をつけています。一方、存在判定の精度（MCC 0.64対0.82）ではSAM 3に及ばず、今後の改善課題として示されています。

同時に発表されたFalcon OCRは0.3Bパラメータの文書認識モデルです。olmOCRベンチマークで80.3点、OmniDocBenchで88.6点を記録し、DeepSeek OCR v2やGPT 5.2を上回る性能を示しました。オープンソースOCRモデルとして最高のスループットを実現し、vLLM統合によりA100上で毎秒2.9画像を処理できます。

チームは性能評価のため、能力別に分類した診断ベンチマーク「PBench」も公開しました。単純な物体認識（L0）から関係推論（L4）まで5段階に分かれ、Falcon Perceptionは空間理解でSAM 3に+21.9点、OCR識別で+13.4点と、プロンプトが複雑になるほど差が拡大する結果となっています。

学習には5400万枚の画像と1億9500万の正例表現、4億8800万のハードネガティブを使用しました。3段階の学習レシピにより、シーン理解からタスク特化、高密度シーン対応へと段階的に能力を獲得させています。モデルとコードはHugging Faceで公開されており、Apple Silicon向けのMLX統合やDockerサーバーも提供されています。

MITなどの研究チームは、3Dプリントで製作する物体の外観を事前に高精度で再現するAIツール「VisiPrint」を開発しました。成果はACM CHI 2026で発表されます。

従来の3Dプリントソフトは機能面のプレビューに重点を置いており、色や質感が実物と異なることが多く、試作のやり直しが頻発していました。素材の約3分の1が廃棄されるとの調査もあり、資源の無駄が深刻な課題です。

VisiPrintは、スライサーソフトのスクリーンショットと素材の画像を入力するだけで動作します。コンピュータビジョンモデルが素材の特徴を抽出し、生成AIモデルがノズルの積層パターンや造形プロセスの影響を反映した外観を生成します。

技術の核心は、深度マップとエッジマップを組み合わせた専用の条件付け手法にあります。これにより形状の正確さとスライスパターンの忠実さを両立させています。汎用的なAIモデルでは形状の変形やパターンの誤りが起きやすい問題を解決しました。

ユーザー評価では、ほぼ全員が既存手法より外観と質感の再現性が高いと回答しました。プレビュー生成時間は平均約1分で、競合手法の2倍以上の速度を実現しています。歯科での仮歯の色合わせや建築模型の視覚評価など、外観が重要な分野での活用が期待されています。

2026年3月、AI企業Runwayがニューヨークで「AI Summit」を開催し、ハリウッドの映画スタジオ幹部やテック企業の経営者が一堂に会しました。OpenAIがSoraを終了した直後のタイミングでの開催となりました。

RunwayのCEOクリストバル・バレンズエラ氏は基調講演で「私たちは魔法の時代に生きている」と宣言し、AIの可能性を強調しました。ParamountのCTOフィル・ワイザー氏は生成AIを「歴史上のテクノロジートレンドのトップ10、あるいはトップ5」と位置づけ、印刷機や火の発見と同列に語りました。

一方で、デモで披露されたAI生成画像の多くは明らかに合成的で不自然な仕上がりでした。AIスタジオSilversideが制作したコカ・コーラのAI生成ホリデー広告は広く批判を浴びた事例ですが、サミットではその事実に触れられませんでした。

こうした熱狂の中で冷静な視点を示したのが、『ジュラシック・パーク』やスター・ウォーズシリーズを手がけた超大物プロデューサー、キャスリーン・ケネディ氏です。同氏はAFI（米国映画協会）にAIツール教育における「テイスト（審美眼）」の育成を問いかけ、人間の判断力の重要性を訴えました。

ケネディ氏はまた、最近のスター・ウォーズ作品で3Dプリントの小道具が数テイクで壊れた事例を紹介しました。熟練の小道具職人が持つ経験的直感がなければ、見た目だけで実用に耐えない製品になると指摘し、創造的プロセスにおける偶然や試行錯誤の価値を強調しました。

Googleはブラジル政府と提携し、同国の森林保護を支援するため、2000年代初頭の国土を高精細に記録した初の衛星画像地図を作成・公開しました。データはGoogle EarthおよびEarth Engineで誰でも利用可能です。

2000年代初頭のブラジルでは記録的な森林破壊が進行し、生物多様性の喪失や気温上昇といった深刻な環境問題を引き起こしていました。今回の地図はこの時期のスナップショットとして、保護活動の基準点となります。

地図の作成にあたり、Googleは数千枚の歴史的衛星画像を処理し、雲の除去や色補正を実施しました。その結果、従来利用可能だった画像と比較して最大6倍の精度を実現し、森林の詳細な区画を初めて可視化できるようになりました。

この高精度データにより、地方当局は森林伐採が発生した正確な場所を把握できるようになります。これまで不可能だった方法で保護の進捗を追跡し、具体的な対策を講じることが可能になります。

作成されたデータはオープンデータとして公開されており、研究者や政策立案者を含むすべての人が活用できます。AI・衛星技術を環境保全に応用する取り組みとして、他国の森林管理にも応用が期待されます。

クリエイティブワークフロー基盤を提供するFLORAは、VercelのAIスタック上に画像生成AIエージェント「FAUNA」を構築したと発表しました。50以上の画像モデルを統合し、ファッションキャンペーンなどの視覚制作を効率化する狙いです。

FAUNAは従来のノードベースのキャンバスとは異なり、ユーザーがアイデアを伝えるだけで参考画像の収集、モデル選択、バリエーション生成を自動で行います。ワークフロー設計の知識がなくても、プロ品質のビジュアル探索が可能になります。

技術面では、画像・動画生成は数分かかり、1回のセッションで多数の並行ジョブが発生します。FAUNAはVercelのAI SDKのエージェントフレームワークとWorkflow SDKの永続化機能を組み合わせ、長時間実行や障害時の再試行に対応しています。

FLORA開発チームは以前LangChainとTemporalを併用していましたが、2つのシステムの保守負担が課題でした。Vercelへの移行により基盤が一本化され、本番投入速度が2倍に向上したと報告しています。インフラの議論が不要になり、プロダクト改善に集中できるようになりました。

FLORAはUI/UX以外の全デザイン業務の支援を最終目標に掲げています。また、Vercelは同時期にダッシュボードからチーム間でDB移行ができる機能も公開しました。Prisma、Neon、Supabaseに対応し、今後対応プロバイダーを拡大する予定です。

Samsungは2026年2月のUnpackedイベントで、Galaxy S26のギャラリーアプリに搭載するAI写真編集ツール「Photo Assist」に自然言語プロンプト対応を追加すると発表しました。服の変更やペットの合成など、写真を自由に加工できる機能です。

安全面では、「死体」「火」などの危険なキーワードや、過去にGoogle Pixel 9で使われた回避手法がブロックされており、衣服の除去や犯罪シーンの生成もできません。ガードレールは比較的しっかり機能していると評価されています。

一方で編集精度には明確な限界があります。生成された部分には独特の光沢感があり、画像全体の画質も劣化する傾向が見られます。プロンプトと無関係な部分まで変更される過剰編集や、人物追加で別の被写体が複製されるなどの不具合も報告されています。

背景の除去や料理写真の補正など、比較的単純な編集では高い実用性を発揮します。子どもの写真の背景を宇宙空間に変えるといった遊び心のある加工も、一定の品質で実現できています。ただしAI透かしはトリミングで簡単に除去でき、コンテンツ認証情報の確認にも手間がかかります。

Samsungのカメラ部門責任者Sungdae Joshua Cho副社長は「写真とはコミュニケーションである」と述べ、AI編集を表現手段の拡張と位置づけています。写真の定義が揺らぐ中、どこまでがAI加工として許容されるかは、今後ユーザー個々の判断基準に委ねられることになりそうです。

IBMは2026年3月31日、企業向け文書理解に特化した小型視覚言語モデル「Granite 4.0 3B Vision」をHugging Faceで公開しました。30億パラメータながら、表・図表・帳票からの情報抽出で大型モデルを上回る性能を発揮します。

本モデルはGranite 4.0 Microの上にLoRAアダプタとして構築されており、画像処理が不要な場面ではベースモデルに自動的にフォールバックします。この設計により、1つのデプロイでマルチモーダルとテキスト専用の両方に対応できます。

技術面では、独自のDeepStack Injection方式を採用しています。抽象的な視覚特徴を前段レイヤーに、高解像度の空間特徴を後段レイヤーに分離して注入することで、文書の内容と配置の両方を正確に理解します。

性能面では、図表理解ベンチマークのChart2Summaryで86.4%を達成し、自身の2倍以上のサイズのモデルを含む全評価対象中で首位となりました。表抽出でもPubTables-v2やTableVQAなど複数のベンチマークで最高スコアを記録しています。

さらに、170万件の合成チャートデータセット「ChartNet」を独自開発し、CVPR 2026で発表予定です。24種類のチャートタイプと6つの描画ライブラリをカバーし、コード・画像・データ表・要約・QAの5要素を揃えた高品質なデータで訓練されています。

活用面では、単体での画像理解に加え、文書処理ツールDoclingとの統合により、大規模PDFの自動処理パイプラインを構築できます。請求書や財務報告書、学術論文など幅広い文書に対応し、Apache 2.0ライセンスで自由に利用可能です。

Googleは2026年3月31日、動画生成AIモデルファミリーの新モデル「Veo 3.1 Lite」の提供を開始しました。開発者が大量の動画を低コストで生成できることを目的とした、同社で最もコスト効率の高い動画モデルです。

Veo 3.1 Liteの最大の特徴は、上位モデル「Veo 3.1 Fast」と同等の生成速度を維持しながら、コストを50%以下に抑えた点です。大量の動画を扱うアプリケーション開発において、大幅なコスト削減が期待できます。

機能面では、テキストから動画を生成する「Text-to-Video」と、画像から動画を生成する「Image-to-Video」の両方に対応しています。解像度は720pと1080pを選択でき、動画の長さも4秒・6秒・8秒から指定可能です。

アスペクト比は横型の16:9と縦型の9:16に対応しており、SNS向けの短尺動画からビジネス用途まで幅広い活用が見込まれます。利用はGemini APIおよびGoogle AI Studioの有料プランから可能です。

さらにGoogleは4月7日からVeo 3.1 Fastの価格も引き下げる予定です。動画生成モデル全体のコスト低減を進めることで、より多くの開発者がプロダクトに動画生成機能を組み込めるよう環境を整備しています。

OpenAIは2026年3月31日、ChatGPTがApple CarPlayに対応したことを明らかにしました。iOS 26.4以降と最新版のChatGPTアプリをインストールすることで、車内ダッシュボードからAIチャットボットを音声で利用できるようになります。

Appleは先日リリースしたiOS 26.4のアップデートで、CarPlayにおける「音声ベースの対話型アプリ」のサポートを追加しました。これにより、AI chatbotが車載プラットフォームで音声機能を通じて利用できる道が開かれました。

CarPlay上のChatGPTでは、テキストによる会話表示は行われません。Appleの開発者ガイドラインでは、アプリがテキストや画像をレスポンスとして表示しないよう求めており、安全な運転環境の確保が重視されています。画面上にはミュートボタンと会話終了ボタンのみが表示されます。

一方で、過去にChatGPTと交わした会話の一覧を確認する機能は備わっています。ただし、Siriのようなウェイクワードには対応しておらず、利用するにはCarPlay画面上でアプリアイコンをタップして起動する必要があります。

今回の対応により、運転中でもハンズフリーでChatGPTに質問や相談ができるようになります。経営判断やビジネス情報の確認を移動中に行いたいビジネスパーソンにとって、車内での生成AI活用の選択肢が広がる動きといえます。

AI音楽生成プラットフォームSunoが最新モデルv5.5を発表しました。今回のアップデートでは音質向上だけでなく、ユーザーが自分の声を学習させる「Voices」機能、好みを反映する「My Taste」、カスタムモデル作成の3機能が追加され、制作の自由度が大幅に向上しています。

GoogleはChainsmokers公認のAI音楽プラットフォーム「ProducerAI」を買収し、Google Labs傘下に統合しました。DeepMindの最新音声モデルLyria 3を搭載し、Geminiアプリからテキストや画像をもとに30秒の楽曲を生成できる機能のベータ版を全世界で提供開始しています。

一方、プラットフォーム側では規制と透明性の動きが加速しています。Bandcampは主要音楽プラットフォームとして初めてAI生成コンテンツを全面禁止しました。Apple Musicはアーティストやレーベルに対しAI使用の自主的なタグ付けを求める「透明性タグ」制度を開始し、Deezerは精度99.8%のAI楽曲検出ツールを外部企業向けに販売開始しました。

大手レーベルの戦略も大きく転換しています。かつてAI企業を著作権侵害で提訴していたWarner Music GroupはSunoとライセンス契約を締結し、所属アーティストの声や肖像のAI利用を許諾しました。Universal Music GroupもNvidiaと提携し、音楽理解AIモデル「Music Flamingo」の活用を発表するなど、訴訟から協業へと舵を切っています。

しかし課題も山積しています。ノースカロライナ州の男性がAI生成楽曲をボットで数十億回再生し800万ドル超の印税を不正取得した事件で有罪答弁を行いました。アーティストからはAIクローンへの怒りの声が高まり、著作権法の整備も追いついていません。Sunoは評価額24.5億ドルに達する一方、3大レーベルからの訴訟も継続しており、AI音楽の法的・倫理的な枠組みは依然として不透明な状況です。

Mantis Biotechは、多様なデータソースを統合し人体の「デジタルツイン」を構築するプラットフォームを開発しています。希少疾患など信頼性の高いデータが不足する領域で、合成データを生成し医療研究を加速させることを目指しています。

同社のプラットフォームは、教科書やモーションキャプチャ、生体センサー、医療画像など多様なデータを取り込み、LLMベースのシステムで検証・統合します。さらに物理エンジンを通じて高精度な人体レンダリングを生成し、予測モデルの学習に活用します。

物理エンジン層が重要な差別化要因です。例えば指が欠損した人の手姿勢推定のように、公開データセットが存在しないケースでも、物理モデルから指を除去し再生成することで合成データを容易に作成できます。プライバシーを侵害せずにデータ課題を解決する手法として注目されます。

現在の主要顧客はプロスポーツチームで、NBA球団向けに選手のジャンプ動作や疲労度の経時変化を可視化するデジタルツインを提供しています。アスリートの怪我リスク予測や、トレーニング負荷と睡眠データの相関分析などに活用されています。

同社はDecibel VC主導のシードラウンドで740万ドルを調達しました。Y CombinatorやLiquid 2も参加しています。今後は予防医療向けの一般公開を目指すほか、製薬企業やFDA治験に携わる研究者向けに、患者の治療反応に関するインサイト提供を進める方針です。

Microsoft Researchは、ロボットなどの身体性AIが視覚情報をもとに計画を修正できるかを評価する2つの新ベンチマーク「AsgardBench」と「GroundedPlanBench」を公開しました。いずれもオープンソースで提供されています。

AsgardBenchは、3Dシミュレーション環境AI2-THOR上に構築され、家庭内タスクにおいてAIエージェントが視覚観察に基づき計画を逐次修正できるかを測定します。エージェントは毎ターン全手順を提案しますが、実行されるのは最初の1ステップのみで、その結果を見て次の計画を立て直す必要があります。

主要なビジョン対応モデルを評価した結果、画像入力により大半のモデルで成功率が2倍以上に向上しました。一方で、微妙な視覚的差異の識別ミス、タスク進捗の追跡喪失、実行不可能なアクションの試行といった共通の失敗パターンも明らかになりました。

GroundedPlanBenchは、ロボットが「何をするか」と「どこで行うか」を同時に計画できるかを評価します。308のロボット操作シーンから1,009タスクを構築し、V2GPフレームワークがロボットのデモ動画から4万3千件の空間的に紐付けられた訓練データを自動生成します。

評価の結果、自然言語による計画と空間推論を別々に処理する従来の分離型アプローチでは、同一物体への誤った参照が発生しやすいことが判明しました。V2GPで訓練したモデルは計画と空間推論を統合的に処理し、ベンチマークと実機実験の双方で分離型を上回る性能を達成しています。

欧州議会は2026年3月、EU AI規制法の主要部分の適用延期と、ヌード画像生成アプリの禁止を大多数の賛成で可決しました。高リスクAIシステムの遵守期限は当初の8月から2027年12月へと大幅に先送りされます。

高リスクAIのうち、玩具や医療機器など分野別安全規制の対象となるシステムについては、さらに長い猶予が設けられ、2028年8月が新たな期限として提案されています。AI生成コンテンツへの透かし義務も2026年11月に延期されました。

ヌード生成アプリの禁止条項も改正案に盛り込まれました。詳細な規制内容は未定ですが、ユーザーによる画像生成を防ぐ有効な安全措置を備えたシステムは適用除外とされています。

この動きの背景には、XのAIチャットボットGrokが著名人の性的ディープフェイク画像を大量生成し、EU全域で強い批判を浴びた問題があります。議会は迅速な対応を求める世論に応える形で禁止措置を支持しました。

今回の議決は欧州議会の単独行動であり、EU法の改正には27加盟国の閣僚で構成されるEU理事会との交渉が必要です。企業にとっては規制の不透明感が続く状況で、EUが自ら設定したガイドライン公表期限を守れなかった前例もあり、8月までの実施は不透明です。

Google DeepMindは2026年3月、AIが人間の思考や行動を有害に操作するリスクを測定する初の実証済みツールキットを開発し、研究成果を論文として公開しました。評価手法の全資料も公開され、外部研究者による再現実験が可能です。

1万人以上が参加した9件の研究は英国・米国・インドの3カ国で実施されました。金融分野では模擬投資シナリオを用い、健康分野ではサプリメントの選好変化を追跡するなど、高リスクな意思決定環境でAIの操作能力を検証しています。

研究では操作の有効性（実際に意見を変えたか）と傾向性（操作戦術をどの程度試みるか）の両面を測定しました。AIモデルは明示的に操作を指示された場合に最も多くの操作戦術を使用し、特定の戦術が有害な結果につながりやすい可能性も示唆されています。

注目すべき発見として、ある領域での操作成功が他領域での成功を予測しないことが判明しました。特に健康関連トピックではAIの有害操作効果が最も低く、領域ごとに標的を絞った評価手法の重要性が裏付けられています。

DeepMindはこの研究を踏まえ、Frontier Safety Frameworkに「有害操作CCL（Critical Capability Level）」を新設しました。Gemini 3 Proの安全性評価にも本手法を適用しており、今後は音声・動画・画像入力やエージェント機能による操作リスクの研究へ拡大する方針です。

ByteDanceは2026年3月26日、AI動画生成モデルDreamina Seedance 2.0を動画編集プラットフォームCapCutに搭載し、ブラジル・インドネシアなど7カ国で段階的に提供を開始すると発表しました。OpenAIがSoraアプリを終了する中での展開となります。

同モデルはプロンプト、画像、参照動画を使って動画・音声コンテンツの作成・編集・同期が可能です。参照画像がなくても数語のテキスト入力だけでシーンを自動生成でき、リアルな質感や動き、照明の再現に優れています。

料理レシピやフィットネスチュートリアル、ビジネス概要、アクション系コンテンツなど幅広いジャンルに対応します。従来のAI動画モデルが苦手としていた動きの多い映像でも高品質な出力が期待できると同社は説明しています。

展開地域が限定的な背景には、ハリウッドからの著作権侵害批判があります。映画協会がByteDanceに対し侵害行為の停止を求めたことを受け、グローバル展開を一時中断していた経緯があり、知的財産に関する対応が続いています。

安全対策として、実在の顔を含む画像や動画からの生成をブロックし、無許可の知的財産利用も制限します。生成コンテンツには不可視の電子透かしが埋め込まれ、プラットフォーム外での共有時にもAI生成であることを識別可能にしています。

Googleは2026年3月25日、音楽生成AI「Lyria 3 Pro」を発表しました。前月リリースしたLyria 3の上位モデルで、従来の30秒から最長3分の楽曲生成に対応し、Geminiアプリやエンタープライズ向けツールに展開します。

Lyria 3 Proは楽曲の構造理解が大幅に向上しており、プロンプトでイントロ、ヴァース、コーラス、ブリッジといったセクション指定が可能です。テンポ指定や画像からのムード生成など、マルチモーダル入力にも対応しています。

提供先は多岐にわたり、Geminiアプリでは有料会員向けに展開されます。企業向けにはVertex AIでパブリックプレビューとして提供され、開発者向けにはGoogle AI StudioおよびGemini APIから利用可能です。

動画編集アプリGoogle Vidsや、先月買収した音楽制作ツールProducerAIにも統合されます。ProducerAIではアーティストや作曲家がエージェント的な体験を通じて本格的な楽曲制作を行えます。

著作権への配慮として、Googleはアーティストの模倣を行わない方針を明示しました。アーティスト名がプロンプトに含まれた場合は「広いインスピレーション」として扱います。全出力にはSynthIDの電子透かしが埋め込まれ、AI生成コンテンツの識別が可能です。

ゼネラルモーターズ（GM）は、自動運転AIの訓練において、実時間の5万倍の速度でシミュレーションを行う独自技術「GM Gym」と抽象環境「Boxworld」を開発したことを公表しました。毎秒1000kmの走行データを生成し、安全性と走行性能を検証しています。

自動運転における最大の課題は、道路上のマットレスや突然の停電など、極めてまれな「ロングテール」シナリオへの対応です。GMはこれらの予測困難な状況を大規模シミュレーションで体系的に再現し、AIの対処能力を鍛えるアプローチを採用しています。

GMが開発したVision Language Action（VLA）モデルは、インターネット規模の知識を活用して画像を理解し、警察官の手信号が赤信号より優先されるといった高度な状況判断を可能にします。さらに「二重周波数VLA」により、高レベルの意味理解と瞬時の車両制御を両立させています。

合成データ生成では、拡散モデルを用いた「Seed-to-Seed Translation」技術により、晴天の走行データを雨天や霧の夜間に変換できます。また敵対的テストツール「SHIFT3D」で知覚システムの弱点を事前に発見し、再訓練によりニアミス衝突を30%以上削減する成果を上げています。

GMは強化学習で獲得した抽象的な運転方策を、「On Policy Distillation」技術で実車モデルに効率的に転移させています。わずか30分の蒸留で12時間分の強化学習に相当する知識を移植でき、シミュレーションと実世界の橋渡しを実現しています。

MITが主導する国際研究チームは、医療用AIシステムに「謙虚さ」を組み込む新たなフレームワークを開発し、BMJ Health and Care Informatics誌に発表しました。診断の不確実性を医師に明示し、過信による誤診を防ぐ仕組みです。

従来の医療AIは過信した診断結果を提示する傾向があり、ICU医師が自身の直感に反してAIの提案に従ってしまう事例が報告されていました。患者も権威的に見えるAIの誤った推奨を受け入れやすいことが先行研究で判明しています。

新フレームワークの中核は、メルボルン大学が開発した認識的美徳スコアと呼ばれるモジュールです。AIが自らの確信度を臨床シナリオの複雑さに応じて評価し、根拠が不十分な場合は診断を一時停止して特定の検査や専門医への相談を提案します。

研究チームは既に大規模医療データベースMIMICを基盤としたAIシステムへの実装を進めており、Beth Israel Lahey Health系列の臨床現場への導入を計画しています。X線画像の解析や救急外来での治療方針決定など幅広い応用が見込まれます。

この取り組みは、AIの公平性向上という大きな目標の一環でもあります。多くの医療AIモデルは米国のデータに偏っており、農村部の患者など医療アクセスが限られる層がデータセットから除外される問題があります。MIT Critical Dataのワークショップでは、データサイエンティストや医療従事者が共同で構造的不平等の再現を防ぐ設計に取り組んでいます。

ウクライナの戦場で、AI搭載の自律型ドローンが急速に実戦配備されています。元Petcube CEOのアジュニューク氏が設立したThe Fourth Law社は、既存ドローンに後付けできる約50ドルの自律モジュールを数千基以上前線に供給し、命中率を最大4倍に向上させました。

自律化が求められる背景には、ロシア軍の高度な電子妨害があります。GPS信号の妨害やなりすましにより操縦者との通信が遮断されると、従来のドローンは無力化されます。自律航法はAIによる画像認識で地形を把握し、外部通信に依存せず目標に到達するため、妨害の影響を受けません。

ロシア側も急速に進化しています。イラン設計のShahedドローンの月間発射数は2024年1月の334機から2025年8月には4000機超へと10倍以上に増加しました。撃墜された残骸からはNvidia Jetson Orinプロセッサが発見され、AI画像認識による自律航法や機体間通信機能の搭載が確認されています。

防衛側でも自律技術の導入が進んでいます。MaXon Systems社は赤外線センサーと自律迎撃ドローンを組み合わせたシャヘド迎撃システムを開発しました。元Google CEOエリック・シュミット氏が支援するProject EagleのMeropsシステムも、これまでに1000機以上のシャヘドを撃墜する成果を上げています。

しかし専門家は、AIによる標的識別の精度にはまだ課題があると指摘します。戦車など大型目標の認識は可能ですが、兵士と民間人の区別や高速移動する小型目標の追尾は困難です。完全自律の実用化には2〜3年、人間の介入なしの運用には10〜15年かかるとの見方もあります。

この技術革新の波はウクライナの戦場にとどまりません。アフリカのテロ組織やメキシコの麻薬カルテルもFPVドローンを使用し始めており、自律型攻撃兵器の拡散リスクが高まっています。一方で欧米の技術水準はウクライナ・ロシアに大きく後れを取っており、専門家は安全保障上の格差拡大に警鐘を鳴らしています。

米ペンシルベニア州ランカスター・カントリー・デイ・スクールの16歳の男子生徒2人が、AIツールを使い女子生徒ら計60人の性的画像347枚を生成した事件で、少年裁判所での量刑が2026年3月26日に予定されています。

2人は児童性的虐待に関する59件の重罪を認め、児童性的虐待の共謀罪およびわいせつ物所持でも有罪を認めました。被害者のうち1人を除く全員が18歳未満であり、事件の深刻さが際立っています。

学校側は匿名の州通報窓口を通じて画像の存在を早期に把握していたにもかかわらず、当時は法的報告義務がなかったことを理由に、6カ月間にわたり保護者や警察への通報を怠りました。その間も被害者数は増え続けていました。

少年裁判所の量刑は更生を重視した少年保護観察部門の勧告に基づき決定される見通しで、公益にかなう場合は21歳までの監督処分が含まれる可能性があります。この判決は全米の中高校における同様の事案に影響を与えると注目されています。

被害者家族の少なくとも10家族が、弁護士を通じて量刑後に学校を相手取った訴訟を提起する方針を表明しています。学校の対応の遅れに対する責任追及が、今後の教育機関におけるAI悪用防止体制の整備を促す契機となる可能性があります。

OpenAIは動画生成AI「Sora 2」および専用アプリにおける安全対策の全容を公開しました。生成されるすべての動画に業界標準のC2PAメタデータと可視・不可視の透かしを埋め込み、AI生成コンテンツの出所を明確にします。

肖像権の保護では、写真からの動画生成時にユーザーが被写体の同意を得ていることを宣誓する仕組みを導入しました。特に子どもや若年層が含まれる画像には、通常より厳格なガードレールとモデレーションが適用されます。

独自の「キャラクター」機能により、自身の外見や声の使用を完全に管理できます。アクセス権の付与・取消はユーザーが随時行え、他者が作成した下書き動画も確認・削除・通報が可能です。公人の描写はキャラクター機能経由のみに制限されています。

未成年者向けには、フィードから不適切コンテンツを自動除外し、大人からのメッセージ開始を遮断します。保護者はChatGPTの管理画面からDMの送受信やフィードのパーソナライズ設定を制御でき、連続スクロールにも初期上限が設けられています。

有害コンテンツ対策としては、生成前のプロンプト検査と出力の多層スキャンを組み合わせ、性的素材やテロプロパガンダ、自傷促進を遮断します。音声領域では生成された音声の書き起こしを自動検査し、存命アーティストや既存楽曲の模倣を阻止する仕組みも整備されています。

Crimson Desertの開発元Pearl Abyssは、同作にAI生成アートが含まれていたことを認め、公式に謝罪しました。プレイヤーがゲーム内でAI生成と見られる画像を発見し、RedditやSNSで拡散されたことがきっかけです。

開発元はX（旧Twitter）で声明を発表し、AI生成コンテンツは開発過程で仮素材として使用されたもので、リリース前に差し替える予定だったと説明しました。最終版への混入は意図的ではなかったとしています。

同社は現在、ゲーム内の全アセットを対象とした包括的監査を実施中であり、AI生成コンテンツを特定次第、順次手作業の素材に置き換えると表明しました。品質管理体制の見直しも進めています。

さらに開発元は、AI利用についての情報開示が不十分だったことも謝罪しました。「AIの使用について明確に開示すべきだった」と述べ、今後の開発における透明性確保を約束しています。

ゲーム業界では生成AIの活用が大きな論争となっており、大手スタジオが積極導入を進める一方、多くのインディー開発者は「AI不使用」を掲げて差別化を図っています。今回の問題は、AI利用における透明性と品質管理の重要性を改めて浮き彫りにしました。

映画監督のヴァレリー・ヴィーチ氏は、ドキュメンタリー『Ghost in the Machine』を制作し、生成AI技術がいかに優生学の思想的系譜の上に成り立っているかを明らかにしました。同作品は2026年3月26日から28日までKinemaで配信され、秋にはPBSで放映予定です。

ヴィーチ氏がこの映画を制作するきっかけとなったのは、OpenAIの動画生成AI「Sora」を試した際の体験でした。アーティスト向けSlackコミュニティで、有色人種の女性メンバーが自身の写真を元に画像生成したところ、モデルが常に白人化した画像を出力するという深刻な問題が発覚しました。

同氏がOpenAIに人種差別的・性差別的な出力について直接報告したところ、「修正できることはない」と事実上問題を黙殺されました。この対応が、生成AI技術の根本的な構造問題を探る動機となりました。

映画は、チャールズ・ダーウィンの従兄弟であるフランシス・ゴルトンが創始した優生学にまで歴史を遡ります。ゴルトンの多次元モデリング手法は弟子のカール・ピアソンに引き継がれ、ピアソンが開発したロジスティック回帰は現代の機械学習の基礎的構成要素となっています。

AI研究者や歴史家、批判理論家らが出演する本作は、AI業界のあらゆる側面が差別的世界観を支える科学分野との歴史的つながりに深く影響されていると主張します。ヴィーチ氏は「サム・アルトマンをカメラの前で抱擁するのはプロパガンダだ」と述べ、AI企業トップへの取材を意図的に排除しました。

Vercelの基盤を活用する豪州発のAIスタートアップ2社が、専任のDevOpsチームを持たずにグローバル規模のサービス運用を実現しています。画像生成のLeonardo.AIとAIエージェントのRelevance AIが、その代表例です。

APAC地域ではAIスタートアップへの投資が急増しており、豪州だけで10億ドル超がAI企業に投じられています。一方でDevOpsエンジニアの採用は困難を極め、豪州での年収は15万ドル以上、IDCによればAPAC企業の6〜8割がIT人材の確保に苦戦しています。

Leonardo.AIは当初ゲーム開発者向けのAI画像生成ツールとして出発し、現在は日産450万枚の画像を処理しています。Vercel導入前はビルドに10分以上、ページ読み込みに60秒かかっていましたが、移行後はビルド時間が2分に短縮されました。

Relevance AIはシドニーを拠点に、SalesforceやHubSpot、Slackなど既存ツール上で動作するAIエージェントプラットフォームを提供しています。5万のエージェントがインフラチームなしで自律稼働し、リード選定や顧客対応を自動化しています。

またVercel Sandbox SDKはバージョン1.9.0でファイル書き込み時の権限設定機能を追加しました。writeFiles APIにmodeプロパティを渡すことで、chmodの追加実行が不要になり、サンドボックス内でのスクリプト管理が効率化されます。

両社に共通するのは、インフラ管理をプラットフォームに委ね、エンジニアリングリソースをプロダクト開発に集中させる運用モデルです。AI時代のスタートアップにとって、最大のチームではなく最速で出荷できるチームが勝つという構図が鮮明になっています。

大規模言語モデル（LLM）がロボティクスや自動運転など物理世界の理解を要する領域で限界に直面しており、投資家の関心が「世界モデル」へ急速にシフトしています。AMI Labsが10.3億ドル、World Labsが10億ドルのシード資金を相次いで調達しました。

チューリング賞受賞者のリチャード・サットン氏はLLMが人間の発言を模倣するだけで世界をモデル化していないと警告しました。Google DeepMindのデミス・ハサビスCEOも、現在のAIは数学五輪を解けるのに基本的な物理で失敗する「不均一な知性」を抱えていると指摘しています。

第1のアプローチ「JEPA」は、ピクセルレベルの予測ではなく潜在的な抽象表現を学習する手法です。人間が車の軌道と速度を追跡し背景の細部を無視するように、核心的な物理法則のみを捉えます。計算効率が高くリアルタイム推論に適しており、AMIは医療企業Nablaと提携してヘルスケア分野での活用を進めています。

第2のアプローチはWorld Labsが採用する「ガウシアンスプラット」で、画像やテキストから完全な3D空間環境を生成します。Unreal Engineなどに直接インポートでき、Autodeskが産業設計への統合を目的に同社を強力に支援しています。第3のアプローチはDeepMindのGenie 3やNvidiaのCosmosに代表されるエンドツーエンド生成で、モデル自体が物理エンジンとして機能します。

今後は各アプローチの長所を組み合わせたハイブリッドアーキテクチャの台頭が見込まれます。サイバーセキュリティ企業DeepTempoはLLMとJEPAを統合した「LogLM」でログ異常検知を実現しており、LLMが推論・対話層を担い世界モデルが物理・空間データ基盤となる構図が形成されつつあります。

Replitは自社HQからのライブ配信で、AIコーディングツール最新版「Agent 4」を正式発表しました。新機能の中核となるInfinite Canvasや並列タスク処理により、複数人での協働アプリ開発が大幅に効率化されます。

コミュニティマネージャーのManny Bernabe氏は、Agent 4で構築した「テイスト開発アプリ」を実演しました。画像をGoogle Geminiで分析し、タイポグラフィや配色、レイアウトの評価を返すこのアプリは、ランディングページ・Webアプリ・モバイル版を1つのキャンバス上で同時に管理できます。

Raymmar Tirado氏は「Replitopolis」と呼ばれる3D都市を披露しました。BigQueryのデータをリアルタイムで可視化し、各ビルがユーザーを、高さがプロンプト送信数を表現します。企業の読み取り専用データに接続するだけで内部ツールを構築できる可能性を示しました。

デザイナーのZade Keylani氏は、Agent 4のUIデザイン自体をAgent 4で構築した経験を共有しました。Figmaファイルではなく動作するプロトタイプをエンジニアに引き渡す手法により、開発中にリアルな問題を発見・報告できたと語ります。空間的思考を活かすCanvasが試行錯誤のハードルを下げたと強調しました。

マーケティング担当のRaina Saboo氏は、Agent 4のテーマを「意図ある創造性」と説明しました。Agent 3が自律性を追求したのに対し、Agent 4は人間の方向性とAIの能力を掛け合わせる設計思想です。DatabricksやStripeなど大手企業顧客も早期アクセスで導入を進めており、ローンチ週には資金調達発表とブランド刷新も同時に実施されました。

NVIDIAは2026年3月20日、マルチモーダル・多言語対応のコンテンツ安全モデル「Nemotron 3 Content Safety 4B」をHugging Faceで公開しました。従来の英語中心・テキストのみの安全モデルが抱えていた文化的ニュアンスの見落としを解消することを目指しています。

同モデルはGemma-3 4B-ITビジョン言語基盤モデル上に構築され、LoRAアダプターで安全分類機能を追加しています。テキスト・画像またはその両方を入力として受け取り、安全・危険の判定を出力します。アシスタント応答が含まれる場合はやり取り全体の文脈を評価し、複合的に生じる違反も検出できます。

訓練データにはNemotron Safety Guard Dataset v3の文化的に適応された多言語データ、人手でアノテーションされたマルチモーダルデータ、合成データなどが含まれます。英語データは日本語・中国語・韓国語を含む12言語に翻訳され、実運用環境を反映した多言語カバレッジを実現しています。

ベンチマーク評価では、Polyguard・VLGuard・MM SafetyBenchなど主要テストで平均84%の精度を達成し、同規模のオープン安全モデルを上回りました。さらにポルトガル語やロシア語など訓練外言語でも強力なゼロショット汎化性能を示しています。推論遅延は大型モデルの約半分で、エージェントループやリアルタイム用途にも適しています。

4月にはNVIDIA NIMとしても提供予定で、GPU最適化された推論マイクロサービスとして本番環境への迅速な導入が可能になります。企業のAIエージェントやグローバルサービスにおけるコンテンツモデレーション基盤として、実用性の高い選択肢となりそうです。

AIとコンピュータビジョンを活用した食事記録アプリが続々と登場しています。BitePal、Hoot、Lose It!、MyFitnessPalなど複数のアプリを実際に試し、栄養専門家への取材を通じてその実力と限界が明らかになりました。

食事記録アプリの最大の利点は、日々の食事に対する意識と責任感を高める点です。登録栄養士のメリダン・ザーナー氏によると、人は食事摂取量を20〜50%過小評価する傾向があり、アプリによる記録がその補正に役立つといいます。

一方で、各アプリが提示する推奨カロリーには大きなばらつきがありました。同じ身長・体重を入力しても異なる数値が表示され、ホルモンや骨格、遺伝的要因など個人差を方程式に反映しきれないことが原因です。正確な代謝率は専門家による検査が必要とされます。

AIカメラ分析機能では、同じ地中海風ボウルでもアプリによって約1,000カロリーから大幅に高い数値まで差が出るなど、精度に課題が残りました。バーコードスキャンの方がより正確なカロリー計測が可能で、総合的にはLose It!が最も使いやすいと評価されています。

ただし、完璧主義的な性格の人は数値目標に執着しすぎる危険があると専門家は警告しています。食べ物を「良い」「悪い」と二分する思考は不健康であり、栄養管理はグレーゾーンで機能するものだとザーナー氏は強調。アプリはあくまで健康管理の「ツールボックスの一つ」として活用すべきだと結論づけています。

MITの研究チームは、生成AIを活用してミリ波無線信号による障害物越しの物体認識精度を大幅に向上させる新手法を開発しました。IEEE CVPRで2本の論文として発表される本研究は、ロボットの隠れた物体操作や室内環境認識に革新をもたらします。

新システム「Wave-Former」は、ミリ波の反射信号から隠れた物体の部分的な3D形状を復元し、生成AIモデルが欠損部分を補完する仕組みです。ミリ波は鏡面反射の性質上、センサーに戻らない方向の情報が失われますが、AIがその空白を埋めることで精度を従来比約20%向上させました。

訓練データの不足という課題に対し、研究チームは既存の大規模画像データセットにミリ波反射の物理特性をシミュレーションで組み込む手法を考案しました。これにより年単位のデータ収集を省略し、合成データセットで生成AIモデルを効率的に学習させることに成功しています。

さらに拡張システム「RISE」では、室内を移動する人体からの多重反射（ゴースト信号）を解析し、固定レーダー1台で部屋全体の家具配置を復元します。従来はノイズとして破棄されていた二次反射を逆に活用する発想で、既存手法の約2倍の精度を実現しました。

これらの技術は倉庫ロボットが出荷前に梱包内容を確認する用途や、スマートホームロボットが住人の位置を把握して安全に協働する場面での応用が期待されます。カメラを使わないためプライバシーを保護でき、移動ロボットにセンサーを搭載する必要もない点が大きな利点です。

Adobeは2026年3月19日、AI画像生成ツール「Firefly Custom Models」のパブリックベータ版を公開しました。企業やクリエイターが自社の画像素材を使ってモデルを学習させ、特定の画風やキャラクターデザインに沿った画像を生成できる機能です。

このツールは大量のコンテンツ制作が必要なチーム向けに設計されています。一度学習させたカスタムモデルは複数のプロジェクトで再利用が可能で、線の太さ・カラーパレット・ライティング・キャラクターの特徴を一貫して保持できます。毎回ゼロから作り直す必要がなくなります。

カスタムモデルで使用した画像はデフォルトで非公開となり、Adobeの汎用Fireflyモデルの学習には使用されません。ブランド資産の独自性を守りながら、スケーラブルな制作体制を構築できる点が大きな特徴です。

著作権保護の面では、学習開始前にユーザーが必要な権利と許可を保有していることを確認する同意画面が表示されます。さらにFireflyはアップロード画像のContent Authenticity Initiative認証情報を自動チェックし、AI学習を拒否している素材の使用を防止します。