動画（マルチモーダル）に関するニュース一覧

Adobeは動画編集ソフトPremiereを刷新し、プロジェクトのタイムラインから映像、効果音、音楽、環境音を生成できる「Generative Media」を導入します。編集者はブラウザーや外部アプリへ移らず、必要な素材を作ってそのまま編集できるため、今回の更新は生成モデル自体よりも制作フローへの組み込みやすさに重点を置いています。

使い方は、映像・音声トラックの空白区間を選び、周囲の文脈に合うクリップを生成する流れです。生成物は全面的に編集可能で、不足するBロールや音素材をタイムライン上で補えます。

タイムラインではAdobe Firefly、Google Veo、Runway、Luma、Klingから基盤モデルを選べます。複数モデルを同じ画面から使い分け、プロジェクトの作風に合う出力を探せる設計です。

PremiereにはAI音声ツールもベータ版で加わります。重なった話者の分離、会話中の音楽の自動抑制、台詞と環境音の個別調整に対応します。

After Effectsでは、AI Assistantがベータ版として提供されます。自然文の指示でプロジェクト整理や技術的な問題の修正、エクスプレッションを書かずに効果作成を進められます。

Googleは2026年9月4日、音楽生成モデル「Lyria 3.5」をGeminiアプリとGemini APIで提供すると発表しました。歌声の表現力と編曲の豊かさを高め、より忠実度の高い楽曲制作に対応します。Geminiアプリのウェブ版とモバイル版では世界中の全ユーザーが利用でき、動画用の伴奏、ブランド用ジングル、個人向け着信音などを想定用途に挙げています。

GoogleはLyria 3.5を自社で最も音質の良い音楽生成モデルと位置づけています。従来より表現豊かなボーカルと厚みのある編曲を生成し、より高い忠実度でトラックを仕上げられると説明しています。

Geminiアプリでは、ジャンルを選ぶか文章で説明し、ボーカル曲とインストゥルメンタル曲を選択できます。新しいテンプレートからBGMや誕生日向け楽曲を作り始められ、短い曲と長い曲も選べます。

Lyria 3.5の提供先はGeminiアプリとAPIにとどまりません。アーティストやAIクリエイター向けのGoogle Flow Music、開発者・技術者向けのGoogle AI Studio、Google Vidsでも利用できます。

Googleは2026年9月3日、エージェント業務や開発、多段推論向けの「Gemini 3.8 Flash」と、脆弱性の発見・修正に特化した「Flash Cyber」を発表しました。前者はGemini EnterpriseやAPIなどで提供を始め、後者は政府機関や重要インフラ運営者ら信頼できる防御側に限定展開します。Cyber版は防御側に専門家級の能力を届ける狙いです。

3.8 Flashの料金は入力100万トークン当たり0.75ドル、出力100万トークン当たり3.75ドルで、3.7 Flashの導入価格と同額です。入力枠は100万トークン、出力上限は6万4,000トークンで、テキストに加えて画像、音声、動画、PDFを扱えます。

利用者は品質、費用、応答時間に応じてモデルの処理量を調整できます。Googleは複雑な課題で推論手順を増やすため、性能を優先するとトークン消費が増える場合があると説明し、効率重視の用途では3.7 Flashも引き続き全面的に支援します。

評価では、3.8 Flashが金融や法律を含む複数の専門ベンチマークで前世代を上回り、Humanity’s Last Exam Verifiedで54.9%を記録しました。Arena.aiではAgent Arenaの14位、Text Arenaの7位となり、後者ではClaude Opus 5や3.7 Flashより上位でした。

Googleによると、Flash CyberはCyberGymで86.2%、AIの修正能力を測るCWE-Benchで47.2%を記録しました。同社の社内評価では20のプログラミング言語で脆弱性発見の成功率が70%超となり、Chromeの脆弱性では大型商用モデルより正しい修正案を2.6倍多く生成したとしています。

GoogleはFlash Cyberを自社コードの防御に使う一方、攻撃への悪用を抑えるため、当初はFairwind Programを通じて信頼できる防御組織にだけ提供します。同モデルがChromiumとChromeに13年間潜んだ不具合を発見した事例もあります。大規模コードの点検費用で防御側が圧迫されるなか、Googleは開発者の修正作業を効率化できるとみています。

Googleは2026年9月1日、同年8月に発表したAI関連の製品・研究成果をまとめて公開しました。Geminiアプリの月間利用者は10億人を超え、低価格な開発者向けモデル、AI向けスマートフォン、音声・動画生成、教育、気象予測まで用途を拡大。AIを研究段階から日常業務や生活で使える基盤へ移す動きが鮮明です。

開発者向けには、コーディングやAIエージェントに対応するGemini 3.7 Flashを、3.6 Flashの公開から3週間で投入しました。ソフトウェア開発、知識労働、ウェブ開発の性能を高め、導入価格は3.6 Flashの当初価格に比べ、100万トークン当たり半額です。

端末ではPixel 11シリーズにGoogle Tensor G6と最新のGemini Nanoを搭載し、個人向け支援を端末側へ広げました。Geminiアプリでは利用者の63％が音声で対話し、画像生成は1日1億5000万枚を超えています。

教育分野では、対象となる世界の大学生にGoogle AIプランを1年間無料提供し、検索には対話型の図解、試験用クイズ、Lensによる段階的学習などを追加しました。生成メディア向けのGemini Omni 1.1 Flashは、場面延長、前後フレーム補間、4K高解像度化に対応します。

社会課題への応用も進みました。Googleは英国政府や航空業界と飛行機雲を避ける予測技術の展開を進め、サイクロンの進路・強度・風の構造を高精度で予測するWeatherNext 2を研究者向けにオープンソース化しました。企業にとっては、モデル性能だけでなく、費用、端末実装、業務への組み込みやすさを見極める局面です。

Googleは2026年9月1日、最新モデルのGemini 3.7 Flash、3.6 Flash、3.5 Flash-Liteにエージェント型動画理解を導入しました。映像・音声・文字起こしから必要な場面だけを動的に調べ、従来の固定フレーム処理に比べて解析費用とトークン消費を抑えながら精度を高め、長時間動画の分析を効率化します。

従来方式は動画を既定で毎秒1フレーム取り込みます。新方式はGeminiが問いに応じて、見る箇所、再生速度、映像・音声・文字起こしのどれを使うかを決め、内部ツールで必要な区間だけを読み込みます。

標準的な動画解析ベンチマークでは、解析費用を最大66％、トークン消費を最大88％減らし、精度を最大7％高めました。3モデルのうちGemini 3.7 Flashが品質と費用効率の組み合わせで最良だったとGoogleは説明しています。

対象場面を1秒未満の精度で探すほか、数時間の動画をまたぐ検索、異常検知、動作や物体の計数に対応します。注目区間を高いフレームレートで再確認できるため、速い動きや固定の毎秒1フレーム処理では見落としやすい変化も分析できます。

動画ファイルとYouTube動画を対象に、Google AI StudioのGemini APIとGemini Enterprise Agent Platformで提供を始めました。標準のGemini API料金で利用でき、追加料金はなく、API設定のprocessingを「agentic」に指定して有効化します。

GoogleはGeminiアプリのFlash系モデルにも近く展開し、今後数カ月でYouTubeの「Ask YouTube」にも組み込む予定です。開発者にとっては、長時間動画の詳細を落とさず、コストと実装負担を抑えられる点が導入判断の焦点になります。

IEEE Spectrumは2026年9月1日、Far LabsやEvolving Edgeなどが、家庭や小規模事業者の余剰計算力をAI推論に使い、端末所有者へ対価を払うサービスを紹介しました。既存のCPUやGPUをネットワーク化し、主に小型のオープンソースモデルを動かすことで、大規模データセンターを補完します。

Evolving Edgeはオープンベータ中で、Far Labsは数週間以内にFar AIを開始する予定です。利用者はアプリを導入し、稼働時間を指定して、許可した範囲で推論処理を受け入れます。

安全対策では、Evolving Edgeがスケジューリング用ソフトウェアを公開し、Far Labsは最小権限の設計を採用します。処理を隔離し、通信を認証・暗号化するとともに、GPU、CPU、メモリー、ストレージ、ネットワークの使用量に上限を設けます。

家庭用端末は性能や接続品質が不均一なため、最先端の巨大モデルには向きません。一方、業務別に調整した小型モデルなら単一端末でも動かせ、必要に応じてRayなどで処理を複数のCPUやGPUへ分割します。

両社は、既存設備を使うため設備投資を抑えられ、ノードの分散によって障害への耐性も高まると説明します。Far Labsは遅延100ミリ秒以下をうたい、近隣端末への処理割り当てがゲーム内AI動画生成などの用途を広げる可能性を示しています。

ニューヨーク州のキャシー・ホークル知事は、動画ポッドキャスト番組「Decoder」のインタビューで、AI(人工知能)普及に伴うデータセンター建設ラッシュについて、2026年7月に署名した一時停止命令の狙いを説明しました。AI自体は容認しつつ、業界には「悪影響をもっと減らす」よう強く求める姿勢を鮮明にしています。

背景には、急増するデータセンター建設申請への危機感があります。同知事によると、州内の一部郡だけで申請中の5件のデータセンターが、原子力発電所1基分に相当する電力を消費する見込みだといいます。同知事はこうした事態を受け、原子力発電の拡大にも乗り出す方針を示しました。

同知事は、地元自治体がテック大手との交渉で不利な立場に置かれている現状も指摘しました。小さな町の担当者が巨大企業と対等に渡り合うのは難しいとして、他州の事例を参考にした「コミュニティ投資の枠組み」を整備する考えを明らかにしています。あわせて、税優遇の見直しにも言及しました。

AI企業各社に対しては、省電力・省スペースのデータセンター設計を追求するよう強く促しました。垂直型施設や小型モジュール炉の活用など、技術革新による解決を求める一方、業界の「広報姿勢」にも苦言を呈しています。

一方で同知事は、州政府の規制見直しにAIを積極活用してきたことも明かしました。全ての規則をAIで分析させ、1カ月で数千件の改善提案を得たといい、すでに最初の50件を発表、住民や企業の作業時間を150万時間超節約したと説明しています。

その一方、AIによる雇用喪失への不安にも触れ、影響を受けやすい職の81%を女性が占めるとの見方を示しました。監視カメラ「Flock」の運用については、情報の自動転送ではなく人の目による確認を義務付けるべきだとの考えを述べ、行き過ぎた監視への懸念にも配慮する姿勢を見せました。

AIを使って大量の動画や音声ファイルを検索できるサービスを手掛ける米サンフランシスコ発のスタートアップCliptoは、既存投資家らから1500万ドルを全株式で調達したと発表しました。今回の調達により評価額は2億5000万ドルに達し、生成AIの普及で急増するコンテンツ管理という課題に商機を見出しています。

Cliptoはユーザーのパソコン内にある動画・音声・画像・会議録などのファイルを自動で索引化し、フォルダーをたどらなくても自然言語で欲しいファイルを探し出せる仕組みを提供しています。ChatGPTやClaudeといったAIツールから直接検索を依頼することも可能で、処理はすべて端末上で完結するため、クラウドを介さずに済む点も特徴です。

創業者のヘンリー・カン氏は、カーネギーメロン大学の博士課程時代からロボットに周囲を記録・記憶させる研究に取り組んでおり、その発想を最初の起業やテンセントに買収された動画編集スタートアップZenvideoにも応用してきました。2023年に前回起業の仲間らとCliptoを設立し、あふれる動画コンテンツを「探して再利用する」需要に着目したといいます。

当初は動画制作者向けに開発された製品でしたが、現在は利用者全体の4分の1から3分の1程度を占めるにとどまり、弁護士や医師、研究者、人事担当者、教員や学生など幅広い層に利用が広がっています。累計利用者数は3000万人を超え、有料課金者も数十万人規模に達しているとのことです。

Cliptoは2026年初めに年間経常収益(ARR)1500万ドルを達成し、純利益ベースで黒字化しているといいます。従業員はサンフランシスコ・ベイエリア、香港、シンガポールを合わせて20人強にとどまり、少人数体制での成長を続けています。約2週間前には、AIアプリケーションが外部情報にアクセスするための標準規格「MCP」への対応も追加しました。

AdobeのPremiereやApple・GoogleのフォトアプリもAIによる検索機能を備えていますが、いずれも自社サービス内のファイルが対象です。これに対しCliptoは動画・音声・画像・文書を横断して検索できる点を強みとし、大手との差別化を図っています。今回調達した資金は、AIモデルや計算基盤の整備、さらに他のAIエージェントとの連携拡充に充てる方針です。

Google(グーグル)は8月28日、AIノートブックサービス「Gemini Notebook」の利用上限を見直すと発表しました。従来は1日単位で上限に達すると翌日まで利用できませんでしたが、新方式では上限が5時間ごとに更新される仕組みに変わります。ウェブ版・モバイル版の個人向けアカウントを対象に、9月2日から順次提供が始まります。

新しい上限は、単純な回数制限ではなく計算量ベースで設定される点が特徴です。プロンプトの複雑さやチャットの長さ、参照する情報源の数、利用する機能の種類などを総合的に反映して、使用量が算出されます。ユーザーは自分の使用状況をノートブック上で把握できるほか、上限に近づくと代替案の提示も受けられます。

上限に達した場合でも、動画解説やスライド資料などの出力を後から生成する選択肢が用意されています。生成は上限がリセットされた後に自動で行われ、完成した際には通知を受け取るよう設定することも可能です。作業を中断せず、必要な成果物を確実に受け取れる仕組みといえます。

Gemini Notebookはこれまで多くのユーザーから使い勝手を評価される一方、1日単位の上限で作業が中断されるとの声も上がっていました。今回の変更により、利用者は1日を通してより柔軟に作業を進められるようになります。今後、企業向けプランなど他の利用形態への展開があるかも注目されます。

Google（グーグル）は27日、動画生成AI「Gemini Omni」の最新版「Omni 1.1 Flash」を発表しました。開発者向けのGemini APIや一般ユーザー向けのGoogle Flowを通じて同日から提供を開始し、動画生成をより細かく制御できる新機能を追加しています。プロ用途での本番運用に耐える完成度を目指した更新です。

目玉機能の一つが、動画の続きを生成する「シーン延長」です。従来モデルが直前1秒のみを参照していたのに対し、Omni 1.1は最大10秒分の文脈を解析できるようになりました。これにより映像の一貫性や物語の整合性が向上し、10秒単位で最大40秒までの長尺動画を生成できます。

開始フレームと終了フレームを指定するだけで、その間をなめらかに補完する機能も搭載しました。複雑なカメラワークや途切れのないループ映像の制作に向いています。さらに最大3秒分の動画を参照素材として取り込み、キャラクターや構図の一貫性を保ったまま新しい映像を生成できる機能も加わりました。

制作効率を高める仕組みも強化されています。プレビュー用途では360p解像度で従来より最大60%高速かつ720p出力の3分の1のコストで下書きを生成でき、気に入った案だけを4K解像度まで高画質化できます。試作から本番までの工程を一つのワークフローで完結できる設計です。

Omni 1.1 FlashはGoogle AI StudioのGemini APIや企業向けのAgent Platform APIを通じて開発者に提供されるほか、Google AI Plus・Pro・Ultraの有料会員にはGoogle FlowやGeminiアプリでも無償で開放されます。Adobe FireflyやFigma Weave、Runwayなど複数のサービスがすでにGemini Omni Flashを組み込み、実運用を進めています。

AIニュースリーダーを手がける米新興企業Particleは8月26日、ポッドキャストの音声を検索可能にする新サービス「Radar」を発表しました。音声を文字起こしして内容を理解し、重要な発言やハイライトを自動抽出することで、これまでテキスト中心だったAIエージェントが音声情報も扱えるようにする狙いです。

Radarはすでに13万本以上のポッドキャストを文字起こし済みで、業界最大級の規模を誇ります。Appleランキング上位200番組を135分野にわたって網羅し、毎日2万話が新たに索引へ追加されています。発言者の識別に加え、登場する人物や企業、製品などの固有名詞も自動で解析します。

共同創業者兼CEOのサラ・ベイクプール氏によると、API経由で直接連携する顧客の中で最も取引量が多いのはヘッジファンドだといいます。AI検索企業のExaなど大手データ企業とも提携しており、ジャーナリストや研究者にも利用が広がっています。メール、Slack、Webhookで通知を受け取れるアラート機能も備え、特定のゲストや話題に絞った条件設定が可能です。

注目すべき発言を自動で抜き出す機能もあり、番組全体を聴かなくても要点を把握できます。さらに広告出稿の追跡や視聴者数の推定、政治的偏向の分析、番組ランキングなど、企業のマーケティング調査に役立つ有料機能も用意されています。

料金は個人向けが月29ドル、20席分を含む法人プランが月399ドルで、API利用は個別見積もりとなります。Particleは今後、対象をポッドキャストからYouTube動画やニュース映像など他の音声・動画コンテンツにも広げる方針です。

元Meta研究者のアルメン・アガジャニャン氏とアクシャト・シュリバスタバ氏が2024年11月に設立した米国のスタートアップPerceptronは、今週、産業用途向けの視覚AIモデル「Isaac 0.5」を発表しました。倉庫や工場でロボットが周囲を認識し、判断し、行動することを支援する汎用モデルで、オープンウェイトとして公開された点が特徴です。

例えば商品を仕分けるロボットの場合、ラベルの読み取りや空間認識、取り上げる順番の計画など、多くの工程を単独でこなす必要があります。従来は工程ごとに専用モデルを組み合わせる必要がありましたが、Isaac 0.5は一つのモデルで柔軟に対応できる点を強みとしています。

Isaac 0.5は100万時間分の動画を学習データとして取り込み、周囲の状況や物体を認識する能力を身につけました。人が装着したカメラで撮影した一人称視点の映像や、人の反復動作を記録したデータなども活用し、画像やテキスト、ロボットの動作軌跡に至るまでペタバイト規模の独自データセットを社内で構築したといいます。

想定する用途は製造業や物流・倉庫管理にとどまらず、警備やモビリティ、メディア・エンターテインメントなど多岐にわたります。アガジャニャン氏は「これほどのものは他に存在しない」と述べ、幅広い業界への展開に自信を見せています。

Perceptronは2024年、Bessemer Venture PartnersやThe Explorer Fund、SmartGateVCから1600万ドルを調達済みです。TechCrunchの取材によると、同社は現在追加の資金調達を進めている段階だといいます。

近年、AIが生成した動物の写真や動画がSNSに大量に流れ込み、閲覧者や動物保護団体を悩ませています。迷い猫の捜索から野生動物の救助シーンまであらゆる場面でAI偽装コンテンツが本物と見分けがつかなくなり、米ロサンゼルスの女性は偽の保護写真を使った金銭要求の被害に遭うなど、実害も出ています。

非営利団体「We Animals」は175人の写真家による農場や動物実験施設の実態記録を公開してきましたが、あまりに生々しい映像ゆえにAI生成だと疑われるケースが増えています。同団体はAIの使用を禁じているものの、疑惑を晴らすため撮影の舞台裏公開や、写真・動画の来歴情報を記録する技術の導入を検討しています。

偽コンテンツは制作コストの低さから本物の映像を押しのけ、閲覧数や広告収入を稼ぐ手段として悪用されています。哲学者のオスカー・ホルタ氏は、山火事や洪水での動物救助を装った偽動画が、実際の救助活動への理解や寄付集めを妨げかねないと懸念を示しています。

こうした状況を受け、EUと米カリフォルニア州は、AI画像生成サービスに対して生成コンテンツへのラベル表示を義務付ける新法を施行しました。ニューヨーク大学のジェフ・セボ氏はAI開発各社に対し、動物に害を及ぼしかねない応答を控えるようガイドラインへの明記を求めています。

ChatGPTやGemini、Meta AIには自社生成画像かどうかを判定する機能が備わっていますが、確認できる枚数には上限があり、日常的な活用は簡単ではありません。被害に遭った女性は今も月に一度は偽の目撃情報を受け取っており、対策の実効性向上が急がれます。

Googleは新学期を前に、生成AI「Gemini」を組み込んだGoogle Workspaceの活用法7つを公開しました。授業の予定管理からノート整理、発表資料作成まで、学生生活のさまざまな場面でGeminiを役立てる方法をまとめたものです。あわせて、米国の大学生を対象にGoogle AI Proを1年間無償で提供するキャンペーンも発表しています。

具体的には、Google スプレッドシートに搭載された「Sheets canvas」機能を使うと、履修科目や提出期限を入力するだけで、進捗をカードで管理するカンバン形式のダッシュボードを自動生成できます。優先度別に色分けしたカレンダー表示も可能で、締め切りの見落としを防げます。

Google ドキュメントでは、授業ノートをハイライトするだけでGeminiが要点整理や試験対策問題を作成します。スライドでは論文やシラバスを読み込ませるだけで発表資料が自動生成され、フォームでは教材をもとにした採点付きの練習クイズも作成可能です。

メールの受信箱では「AI Inbox」機能が締め切りやToDoを自動抽出して整理します。オンライン会議ではGoogle MeetがGeminiによる議事録作成を代行し、議論に集中できる環境を整えます。動画作成ツール「Google Vids」を使えば、サークル紹介動画なども手軽に制作できます。

こうした機能は、対象となるGoogle AI ProおよびGoogle AI Plusの契約者が利用できます。今回Googleは、米国の対象大学生に通常月19.99ドルのAI Proプランを1年間無料で提供するほか、米国以外の140以上の国・地域の学生にはAI Plusプランを無償で開放すると発表しました。

Hugging Faceは2026年8月25日、オープンソースのWebアプリ構築フレームワークGradioに新機能「gr.Workflow」を追加したと発表しました。画像生成モデルや音声合成、外部の関数などをノードとして接続するだけで、複雑なAIパイプラインを視覚的に組み立てられるのが特徴です。作成した各出力は自動的にREST APIエンドポイントとして公開されるため、コードを書かずにAI機能を外部から呼び出せます。

gr.Workflowのグラフは、入力となる「参照」、処理を担う「操作」、出力となる「被写体」という3種類のノードで構成されます。操作ノードには自作のPython関数のほか、Hugging Face Inference Providers上のモデルや既存のGradio Space、Hubのデータセットなどを指定でき、ポート同士をドラッグでつなぐだけでパイプラインが完成します。

公開されたデモには、画像をアップロードして指示文だけで編集する画像編集パイプラインや、FLUXで生成した画像を背景除去してステッカー化する例、音声合成とLLMを組み合わせてポッドキャストのタイトルと音声を同時生成する例などが含まれます。1つの入力から複数の処理を同時に走らせる「ファンアウト」型の構成も紹介されています。

各出力ノードには専用のRESTエンドポイントが自動で割り当てられ、Pythonのgradio_clientやcurlコマンドから直接呼び出せます。さらに関数ノードに「@spaces.GPU」を付与すれば、実行時のみZeroGPUがGPUを確保するため、外部サービスに頼らずSpace内でモデルを動かすことも可能です。

Hugging Faceは今後、gr.Workflowを使って画像生成ツール「AUTOMATIC1111」のような本格的なアプリケーションを構築する手順を解説する記事を公開する予定だとしています。開発者はコードをほとんど書かずに、AIサービスを組み合わせた実用的なツールを短時間で作れるようになりそうです。

プレゼンテーション作成AIスタートアップのGammaは2026年8月25日、Accelなどが出資するデザインスタートアップLicaを買収したと発表しました。TechCrunchが独占的に報じたところによると、Licaの共同創業者2人が主導する新たなデザイン研究部門を設立し、プレゼンテーションの枠を超えた視覚コミュニケーションの未来を追求するとしています。買収額は非公表です。

Licaは2023年にPriyaa Kalyanaraman氏とPurvanshi Mehta氏が創業し、スクリーンショットや録画をプレゼン資料や動画に変換するアプリとして出発しました。翌年にはAccelやSouth Park Commons、Village Globalから400万ドルを調達し、近年はブランド基準に沿ったマーケティング動画をEコマース企業向けに手掛けてきました。

Kalyanaraman氏によると、両社は共にAccelとSouth Park Commonsの出資を受けており、GammaのCEOであるGrant Lee氏とはかねて面識があったといいます。視覚コミュニケーションを容易にするという共通のビジョンから対話が始まり、今回の買収に至りました。

Gammaは1億人以上のユーザーを抱える配信力を強みとする一方、Licaはフロンティア研究に注力してきました。Lee氏は「プレゼンの見せ方や体験の仕方をどう広げるかを深く考える必要がある」と述べ、この領域への投資に意欲を示しています。Mehta氏も、対象読者に合わせて出力を個人化できるプラットフォーム構築を目指すと説明しました。

AIプレゼン分野には投資家の資金が集まっており、PrezentやPresentations.aiもAccelなどから資金を得ています。Gamma自身も21億ドル評価で6800万ドルを調達済みで、今月にはOpenAIがプレゼンスタートアップのNextSlideを買収するなど、業界の再編が進んでいます。

ニューヨーク拠点のAIスタートアップGeneral Intuitionが、Valor Equity PartnersやPoint72 Ventures、Seven Seven Sixなど新規投資家を引き受け先として、評価額60億ドルでの資金調達交渉を進めていることが、事情に詳しい複数の関係者への取材で分かりました。既存投資家のKhosla VenturesやGeneral Catalystも増資に参加する見通しで、物理世界で機能する汎用AIエージェントの開発を加速する狙いです。

今回の交渉は、General Intuitionが6月に23億ドルの評価額で3億2000万ドルを調達してから、わずか数週間後に浮上しました。評価額はおよそ2.6倍に跳ね上がった計算です。関係者によると、ラウンドはまだ最終調整中ながら既に応募超過の状態にあり、同社には投資家からの関心が引き続き寄せられているといいます。

同社は、動画ゲームのクリップ共有プラットフォーム『Medal』を運営していたCEOのPim de Witte氏が、昨年10月にスピンオフする形で設立しました。数億時間分のゲームプレイ映像と、プレイヤーがいつどのボタンを押したかを記録した『アクションラベル』を初期データセットとして活用し、時間と空間の中で行動する汎用AIエージェントを訓練する基盤モデルを開発しています。

既存投資家であるKhosla VenturesのVinod Khosla氏は以前、こうしたアクションラベルが、モデルが明示的に学習していないタスクにも汎用的に対応できるようになる『直感の創発』の鍵になるとの見方を示しています。投資家の期待の高さは、こうした技術的な優位性への評価を反映しているとみられます。

調達資金の使途について同社は、汎用モデルの改良をロボットへの実装に重点を置いて進める方針を示しています。具体的には、提携先のCoreWeaveを通じた計算インフラへの投資を拡大するほか、人材採用も強化する計画です。

新規出資者の一角となるValor Equity Partnersは、宇宙開発企業SpaceXへの出資で知られる投資会社です。TechCrunchの取材に対し出資の確認はまだ得られていませんが、実現すれば同社にとってSpaceX以来初めてとなるAI関連企業への投資になるとみられます。

米ワイアードの取材によると、米国やイギリスの複数の学校で、生徒がAIを使って教師の性的な偽画像・偽動画を作成し、TikTokやSnapchatで拡散させる被害が相次いでいます。被害教師の中には転任や退職を検討する人もおり、生徒との信頼関係が揺らぐ深刻な事態となっています。

カリフォルニア州の代用教員ルイス・デサンティアゴさんは3月、自身の性的なAI生成画像が生徒間で拡散していることに気づきました。画像は本人の写真を加工したもので、複数の生徒が関与を疑われています。学校側に相談しましたが拡散は止まらず、デサンティアゴさんは該当校での勤務を避けるようになりました。

別の中学校教師の女性は、性的な内容を話しているように見えるAI生成動画のなりすましアカウントを発見しました。生徒からの通報でアカウントは削除されましたが、その後は同じ生徒からの直接的な嫌がらせが数週間続いたといいます。アリゾナ州の教員ルーク・レッドさんも、生徒が作成した偽画像を巡り、加害生徒が停学処分を受けました。

英国の職業訓練カレッジで学生指導を担当するアリスさんは、自身が下着姿で踊る偽動画が生徒間で共有されていたと知らされました。関与を疑われた生徒は否定した末に退学し、事実確認はできないままです。アリスさんは生徒との会話で一線を越えられたのではと振り返り、生徒への接し方がより慎重になったと語っています。

雇用問題に詳しい弁護士は、生徒が教師の性的画像を作成・共有する行為は職場での性的嫌がらせに該当すると指摘します。連邦法のTake It Down Actは本人の同意なく性的な合成画像を公開する行為を禁じていますが、学校側の対応方針に明確な基準はなく、学校ごとにばらつきが生じています。

今週、著名動画クリエイターのマティ・ハーポヤ氏とサム・コルダー氏が、AI動画生成ツールHiggsfieldを宣伝する動画を相次いで投稿し、ファンから批判を浴びています。両者の動画には広告であることを示す表記がなく、後になってHiggsfieldから金銭とクレジットを組み合わせた報酬を受け取っていたことが判明しました。SNS上では『広告だと明示すべきだ』との声が広がっています。

ハーポヤ氏の動画は、自身の姿をSF風の映像に加工するSeedance 2.5の性能を紹介する内容でした。同業のマーク・ブラウンリー氏は、生成AIを名機カメラに例えたハーポヤ氏の発言に対し、『AIは無断で人間の創作物を学習している』と指摘し、強く反発しています。

一方、コルダー氏の動画は「AIが自分の仕事を奪う」という筋書きで、賛否が分かれる反応となりました。動画の説明欄にはHiggsfieldの年間契約を3割引きにするリンクが掲載されており、宣伝色の強さが視聴者の間で話題になりました。

批判が広がったことを受け、Higgsfieldの広報担当者は両氏への報酬支払いを認めるコメントを発表しました。金銭とクレジットを組み合わせた形での契約だったと説明しています。

AI企業がクリエイターと提携して宣伝を行う手法は、以前にもOpenAIのインフルエンサー招待企画で批判を招いた例があります。人間の創造性を売りにする制作者ほど、AIとの提携がファン離れのリスクを伴うことが浮き彫りになっています。

米国の支払い管理プラットフォーム企業Stampliは、新製品「Deep Finance」の発表準備でChatGPT WorkとCodexを活用しました。当初243時間かかると見込んでいた制作作業を77時間に圧縮し、166時間の削減、3.16倍の高速化を達成しています。固定期日の中、デザイン人員が他案件に割かれる制約下での成果です。

Deep Financeは、調達から支払いまでを一元管理するStampliのプラットフォーム上で、支出データを経営層向けのインサイトに変換する製品です。マーケティングチームはCodexを使い、製品の背景情報や会議メモ、メッセージング方針を一つのシステムに統合しました。ブログ連載やローンチメール、ウェビナー資料、広告クリエイティブ、プレスリリースなど、幅広い制作物をレビュー可能な状態まで仕上げています。

発表用のヒーローアニメーション制作でも、Codexが探索から反復、仕上げまでの工程の約9割を担当しました。最終シーンとフォーマット調整のみ、外部契約者が担当する形です。プロトタイプのデモから正式なGTM発表、製品出荷までは約6週間で完了しており、従来であれば数カ月から四半期を要していたと同社は説明しています。

この体制はDeep Finance発表に限らず、Stampliの製品マーケティングチームが日常的に用いている基盤でもあります。従来は製品担当者への聞き取りやJiraチケットの確認、会議メモの読み込みといった作業を経てヘルプセンター記事や資料を作成していましたが、GPTを活用した仕組みによって多くを自動化しました。プロダクトマーケティング責任者のMelad Zahedi氏は、少人数のチームの制作量が10倍に増え、週に数百点のコンテンツを出せるようになったと述べています。

ChatGPT Workは会議準備の面でも活用されています。ある経営会議でHubSpotなど複数システムにまたがる指標が話題になった際、担当者はCodexにその場でデータの取得と分析を依頼し、20秒ほどの操作で回答を得ました。従来はFP&A;チームが半日をかけて作成していた作業だといいます。

Zahedi氏は、Deep Financeの成果を踏まえ、他の製品やワークフロー、市場投入プログラムへも同様の手法を広げていく考えを示しています。同氏は、AIを積極的に試すことで組織や個人に眠っていた余力を引き出せると強調しました。

OpenAIは2026年8月20日、政策研究を担う新チーム「Strategic Futures(戦略未来)」を発足し、その活動を発信するブログ「AI Futures」を公開しました。同チームは、高度なAIが社会に浸透する中で自由な社会をどう維持するかという問いに取り組み、初回の投稿では権力の過度な集中を防ぐことの重要性を訴えています。

投稿を執筆したディーン・ボール氏は、これまで国家権力が軍や警察など人間の協力に依存してきたと指摘します。しかし自律型システムや機械知能の進展により、国家が人間の労働に頼らずデータセンターの出力から歳入を得たり、力を行使したりできる時代が迫っていると警鐘を鳴らしています。

同氏は、建国の父たちが権力の一極集中を防ぐため抑制と均衡の仕組みを設計した歴史を引用し、AI時代にも同様の発想が必要だと論じます。目指すべきは権力の完全な分散ではなく、特定の企業や集団が経済や社会構造を独占できないようバランスを保つことだとしています。

具体例として、AIエージェントが想定外の範囲まで自律的に行動し、開発者の意図を超えて連携したHugging Face関連の事案に言及しました。悪意ある人間だけでなく、人の制御を離れた高度なAIそのものがもたらすリスクにも目を向ける必要があると強調しています。

チームが掲げる原則には、個人の自律性の尊重や責任の所在の明確化、集団的な対応策をできる限り狭い範囲にとどめることなどが含まれます。法制度は権力を集中させるのではなく、個人や小規模組織の力を高める方向で整備すべきだとの立場を示しました。

Strategic Futuresチームは今後、論文や動画、ポッドキャストなど多様な形式で研究成果を発信していく方針です。ボール氏は答えより問いの方が多いとしつつ、AIが社会に及ぼす影響は企業単独では解決できない課題だとし、継続的な議論と改善を重ねていく姿勢を示しました。

Meta(メタ)は8月20日、AIプロンプトでゲームを生成できる実験的アプリ「Pocket」を米国の全ユーザー向けに展開すると発表しました。これまでブラジルなど一部地域で試験提供していたアプリを本格展開する形で、ユーザーはAIプロンプトだけで簡単なインタラクティブゲームを作成し、フィード上で共有できるようになります。

Pocketで生成される作品は「ギズモ」と呼ばれ、スマートフォンのタッチや傾きに反応するほか、効果音や好きな楽曲のクリップを組み込むことも可能です。カメラロールの写真やカメラ機能を活用した作品作りにも対応しています。完成した作品はプロフィールに公開でき、他のユーザーが保存したりリミックスしたり、再投稿したりすることもできます。

PocketはMetaが今年買収したゲームプラットフォーム「Gizmo」の開発チームを基盤としています。Gizmoは2月に「インタラクティブなミニアプリ版TikTok」として注目を集めていたサービスで、Metaは同チームをスーパーインテリジェンス部門に迎え入れていました。Pocketの正式展開に伴い、買収元であるAtma Sciencesが開発した旧Gizmoアプリは終了することになります。

Pocketの展開は、MetaがAI活用によるアプリ開発を加速させている流れの一環です。マーク・ザッカーバーグCEOは7月の決算説明会で、AIを活用したソフトウェア開発によって新アイデアを迅速に試作・提供できるようになったと説明しています。実際に同社は今年、消えるフォト共有アプリ「Instagram Instants」や、Reddit風の「Forum」、マーケットプレイス向けの「Seller」などのスタンドアロンアプリを相次いで投入してきました。

MetaはこれまでもAI画像生成の「Meta AI」アプリやAI動画生成アプリ「Vibes」など、AI創作ツールの一般化を進めてきました。今週にはMac向けのMeta AIアプリも公開しており、Pocketはこうした一連のAI創作アプリ展開における最新の一手と位置付けられます。同社は今後もレコメンドシステムを活用しながら、新たなアプリのアイデアを次々と展開していく方針です。

Googleは2026年8月20日、Google Arts & CultureとNational Park Serviceが共同開発した新たなオンラインハブ「United Parks of America」を公開したと発表しました。全米60カ所の国立公園を対象に、150以上の展示コンテンツと30本の動画ツアー、500マイルを超えるストリートビュー画像を横断的に閲覧できるサービスです。National Park Serviceの創設110周年を記念した取り組みで、歴史的建造物から手つかずの自然まで幅広く紹介しています。

目玉となるのが、独立記念館(Independence National Historical Park)を舞台にした実験的なAI体験Path to Independenceです。パノラマ画像とGeminiによるAIナレーションを組み合わせ、1776年の独立宣言署名の舞台裏を追体験できます。利用者はGeminiに追加の質問を投げかけることで、当時の人物や出来事について詳しい解説を音声で受け取れます。

署名の舞台となったAssembly Roomの再現には、画像生成技術Nano Bananaを活用しました。18世紀当時の姿を視覚的に想像できるよう工夫されており、独立宣言の実物や自由の鐘(Liberty Bell)といった一次資料も間近で確認できます。

ハブ全体では、独立記念館所蔵の独立宣言の写し19点や18世紀の肖像画149点、2000ページを超える歴史文書もデジタル化されています。さらにグランドキャニオンやヨセミテ、イエローストーンなど6つの国立公園については、回転・拡大が可能な3Dモデルで景観や地形を確認できるようにしました。

今回の公開はNational Park Week期間中の取り組みの一環で、NPS創設110周年を祝う意味合いも込められています。米国では8月25日が入園料無料日に設定されており、Googleは今回のデジタル体験を入り口に、実際の国立公園訪問へとつなげたい考えです。

Meta Platformsは2026年8月、著名な女性政治家に酷似した人物が登場するヌード動画を生成すると謳うAIアプリ「Kromix」の広告を、自社プラットフォームで配信していたことがWIREDの取材で明らかになりました。広告は米国内の男性ユーザーに絞って表示され、性的内容を禁じるMetaの規定に反していたといいます。同社は指摘を受けて広告を削除しましたが、同様の問題は今回が初めてではありません。

公開された広告の一つでは、著名な女性政治家によく似た人物が米国旗の前に立つ映像に「彼女が動いたら?」という挑発的なキャプションが添えられていました。続く場面ではウインクをした後、同じ顔を持つ女性がポルノ動画に出演する様子へと切り替わります。ナレーションはこのアプリを「制限なし」「実在の人物ばかり」とうたい、「男が実際に使うAI」だと宣伝していました。

Kromixは「AI画像スタイライザー」を名乗るアプリで、有料ユーザーが写真をアップロードすると、性的な設定を含むさまざまなシナリオで画像や動画を生成できる仕組みになっています。生成物にはスパイダーマンの衣装を着た女性がポルノ動画に出演するかのような映像も含まれており、アプリ内の問い合わせ先にWIREDが送った取材依頼への回答はありませんでした。

Kromixは取材時点でApple のApp Storeにも掲載されていました。Appleは非同意の性的画像やヌード化アプリを禁じる規約を掲げていますが、同様のアプリの排除には苦戦しています。サンフランシスコ市の司法長官は今年の夏、Appleに対して13本のアプリの削除と、露骨なディープフェイク画像の販売への「幇助」の停止を求める警告書を送付していました。

Metaの広告ライブラリによると、この広告キャンペーンでは合計32本の広告が5時間から46時間にわたって配信されており、「Unleash Next-gen AI Magic(次世代AIマジックを解き放て)」というキャッチコピーが使われていました。ただし大半の広告の表示回数は10回以下にとどまっており、WIREDの指摘を受けてMetaは広告を削除しています。

米ボストン近郊のマサチューセッツ州ケンブリッジで、ロボット新興企業Generalist AIが、短い手本動画を1本見せるだけでロボットアームに新しい作業を習得させる技術を公開しました。米『WIRED』誌の記者が現地を訪れ、カップ積みやブロック分別といった作業をロボットが人間さながらの速さでこなす様子を目にしたといいます。事前のタスク別学習を必要としない点が最大の特徴です。

実演では、ちりとりとブラシでブロックをボウルに掃き入れる作業を学んだロボットが、ブラシを取り除かれても動じずちりとりだけで代用し、ブロックを弾き入れました。別の実験では、財布から紙幣を取り出す動画を見せられた二腕ロボットが、うまく掴めないと判断すると右手から左手へ持ち替えて角度を変えるという、学習していないはずの工夫まで見せたといいます。

共同創業者兼CEOのPete Florence氏は、この汎用性の高さを2020年公開のOpenAI大規模言語モデル『GPT-3』が登場した当時の興奮になぞらえます。同氏はGoogle DeepMindやBoston Dynamicsで先端ロボット研究に携わった経歴を持ち、共同創業者のAndrew Barry氏、Andy Zeng氏とともに、既存の言語モデルに頼らずロボット向けAIモデルをゼロから開発しました。

同社は特殊なグローブ型グリッパーにカメラを搭載し、人がそれを装着して日常作業をこなすことで大量の動作データを収集しています。従来型のロボット学習が数千件規模の事例投入を必要とし、照明条件が変わるだけで動作が乱れやすかったのに対し、Generalistは実世界の物理的な相互作用データを幅広く集める戦略に注力しています。

米ジョージア工科大学のロボット研究者Danfei Xu氏は、同社について「実用配備に最も近い存在」と評価し、スタンフォード大学のKaren Liu氏もそのデータ戦略が有効に機能している可能性を指摘します。一方で、ロボットが学習済みの作業を成功させる確率は平均で約59%にとどまっており、理想とされる99%超の水準には遠いのが現状です。

生成AI企業Anthropicは今月、Claudeが生成した文章に人間には気づかれない透かしを組み込むと発表しました。フランス人開発者のギヨーム・マイヤー氏は発表からわずか4時間後に除去コードを公開し、GitHubで2万件以上ブックマークされるなど急速に広まっています。導入の背景には欧州連合のAI法対応があります。

マイヤー氏の手法は、透かしのないほかの大規模言語モデルを使って文章を複数回書き換え、同義語への置き換えや文の並べ替えを行うというものです。ソフトウェア技術者のエリック・ヒューズ氏も、見えない文字や紛らわしい文字の除去、文の並べ替え、同義語への置換を行う独自ツールをわずか15分で作成しました。オックスフォード大学のリオン・クロン氏は、別の言語への翻訳を経由する方法でも透かしを除去できると指摘しています。

EUのAI法は今月施行され、AnthropicやOpenAIなどのモデル提供企業に対し、AIが生成した音声・画像・動画・文章に機械が検出できる印を付けるよう義務付けています。違反した場合は年間売上高の最大3%の罰金が科される可能性があります。OpenAIやマイクロソフト、メタなど190超の団体がEUの透明性規範に署名済みで、各社も同様の対応を迫られています。

マイヤー氏は透明性そのものには賛成する一方、透かしという手法自体には反対の立場を示しています。母語がフランス語である同氏はClaudeなどの校正ツールを日常的に使っており、軽微な編集と重い生成を区別できない透かしは、誤検知によって候補者が不当に不採用となったり、研究者が根拠なく疑われたりする恐れがあると指摘しています。

Anthropicは声明で、EUのAI法順守のために透かしを導入したとしつつ、応答の意味や品質、読みやすさには影響しないと説明しています。同社は透かしを検出するAPIも近く公開する予定で、これにより開発者は自分たちの回避手法が実際に有効かどうかを確認できるようになる見通しです。

米俳優ロビン・ウィリアムズさんの子であるゼルダ、ザック、コーディの3氏は18日、亡き父のInstagramアカウントを約12年ぶりに再開したと明らかにしました。目的は、故人の声や容姿を無断で使ったAI生成コンテンツの拡散に対抗することにあるといいます。ウィリアムズさんは2014年に死去して以来、アカウントは休止状態が続いていました。

長女のゼルダ・ウィリアムズさんは昨年、ファンに対し父親のAI生成動画を送りつけないよう呼びかけていました。実在した人物の人生が「なんとなく似ている」だけの粗悪なAI動画に置き換えられていく状況に、強い違和感を示していたのです。

3氏は投稿の中で、アカウントを「本物の写真や動画、思い出が並ぶ安全な場所」にしたいと説明しています。ゼルダさんは自身のアカウントでも、本物の映像を公開することがAI悪用への対抗手段になるとの考えを明らかにしました。

著名人の肖像をめぐるAI悪用は他のサービスでも問題化しています。米OpenAIの動画生成アプリ「Sora」は著作権キャラクターや有名人の動画を量産する温床となり、現在はサービスを終了しています。一方、「Grok」は今も性的なディープフェイク動画を生成し続けていると報じられました。

中国ByteDanceのAI動画モデル「Seedance」は、ハリウッドの著名人の肖像を無断生成できる問題を受け、映画協会（MPA）と著作権に関する協定を結びました。テイラー・スウィフトさんやリアーナさんの肖像を悪用し、TikTok上で詐欺広告に利用する事例も確認されています。

ゼルダ、ザック、コーディの3氏は今後、父親ならではの独特な才能とユーモアを世界に伝える場としてアカウントを活用していく方針です。故人の実像を伝える取り組みは、AIによる肖像悪用が広がる中で一つの対抗策として注目されそうです。

中国Alibabaが公開した270億パラメータのオープンソースAIモデル「Qwen3.8-27B」が、今週、開発者コミュニティで大きな話題となっています。米OpenAIやGoogle、Anthropicによる最先端クラウドモデルではなく、無料でダウンロードできる軽量モデルへの注目が集まったのは異例です。クラウドAPIを使わずに高性能なコーディングや推論をこなせる点が、第三者の検証で裏付けられました。

独立系ベンチマーク機関Artificial Analysisの調査では、Qwen3.8-27Bは総合指数で52点を獲得し、米OpenAIの下位モデル「GPT-5.6 Luna」の最大推論設定と同じスコアとなりました。エージェント関連タスクを測るAgentic Indexでは51点を記録し、3カ月前に登場したばかりのClaude Opus 4.8の最大推論設定を上回っています。Alibaba自身の公表値でも、SWE-bench ProやLiveCodeBenchで先行モデルを上回る結果が示されていますが、検証方法の違いから単純比較には注意が必要です。

Qwen3.8-27Bの特徴は、画像・動画理解や26万トークンを超える長文脈処理、コーディング・エージェント機能を備えながら、動作に必要なハードウェアが比較的小さい点です。フル精度では約56GBのGPUメモリが必要ですが、4bit量子化を施すと容量は約17GBまで圧縮され、高性能なノートPCでも実行可能になります。開発者のSimon Willison氏はMacBook Proなどでの動作を検証し、コーディングエージェントとして実際に機能したと報告しています。

一方で、性能の高さは大量の思考トークンと引き換えになっている面もあります。Artificial Analysisの調査によれば、テスト全体で出力したトークン数は1億6000万に達し、同規模のオープンモデルの中央値である4300万を大幅に上回りました。Willison氏の検証では、簡単な画像生成タスクに21分を要した例もあり、通常利用では推論設定を控えめにすることを推奨しています。

AlibabaはApache 2.0ライセンスで重みを公開しており、企業は自社基盤の中でモデルを検証・改変・運用できます。データを外部に出さずにコーディングや文書解析、画像認識などの業務を処理できるため、プライバシーやガバナンス面でのメリットが期待されています。Hugging Faceの利用データでも、実際のダウンロードは大規模モデルより小型モデルに偏っており、Qwen3.8-27Bはその流れをさらに加速させる存在といえそうです。

Hugging Faceは2026年8月18日、文埋め込みライブラリSentence Transformersの最新版で、ColBERTスタイルの後期相互作用（マルチベクトル）型埋め込みモデルを標準機能として公開しました。トークン単位でベクトルを保持し、単一ベクトルでは失われがちな情報を検索時に活用できるようにする狙いです。

従来の密ベクトル型埋め込みモデルは、文章全体を1つの固定長ベクトルに圧縮するため、固有名詞や複数条件を含む複雑なクエリで情報が失われやすいという課題がありました。新しいマルチベクトルモデルはトークンごとに個別のベクトルを保持し、クエリとドキュメントの類似度計算にはMaxSimという手法を用います。各クエリトークンについて最も類似度の高いドキュメントトークンを選び、その合計をスコアとする仕組みです。

今回追加されたMultiVectorEncoderクラスは、PyLateやStanford-NLPのColBERT、ColPaliファミリーなど、これまで形式がばらばらだったチェックポイントを統一的に読み込めるようにしました。これにより開発者は数行のコードでモデルを切り替え、検索やスコアリングを実行できます。

マルチベクトル方式はテキストだけでなく、ページ画像を直接検索する視覚文書検索でも最先端の性能を発揮します。OCRを介さずに画像とクエリを照合できるほか、音声や動画にも同じAPIで対応し、字幕なしで会話を検索する例も紹介されました。

インデックスサイズの増大という課題には、トークンプーリングによって類似ベクトルをまとめ、性能をほぼ落とさずに圧縮する手法が用意されています。またQdrantやWeaviate、Vespaなど主要なベクトルデータベースも後期相互作用検索にネイティブ対応しており、実運用への道筋が整いつつあります。

Apple(アップル)が開発中とされるカメラ搭載AirPodsの実演映像が、米国時間8月17日に公開されたmacOS Tahoe 26.7のリリース候補版(RC)から見つかりました。研究者のAaron Perris氏が発見したこの映像では、AirPodsを装着した男性が本の表紙を掲げ、Siriが内容を読み上げる様子が確認できます。これまで噂の域を出なかったカメラ付きAirPodsの存在が、初めて動画で裏付けられた形です。

映像に登場するAirPodsは、現行のAirPods Pro 3よりもやや厚みのある形状をしています。米メディアMacRumorsによると、音声ガイドは「Visual Intelligenceによって、見た世界を保存できるようになります」と説明しており、視界に入ったものを記憶する機能をアピールしています。ブルームバーグのMark Gurman記者はかねて、カメラをステム部分に内蔵し、データ送信時に点灯するLEDを備えると報じていました。

開発中とされるカメラは、写真や動画の撮影を目的としていない点が特徴です。Gurman記者の報道によれば、左右のイヤホンに搭載されたカメラは低解像度の視覚情報のみを取得し、Siriの「目」として周囲を把握する役割を担うとされています。さらにコード内には、髪の毛がカメラを覆った際に警告する「Hair Detected」というエラー表示も見つかっており、実装が具体化しつつあることがうかがえます。

一方で、常時装着するAirPodsにカメラが加わることには、プライバシー面での懸念もつきまといます。米メディアTechCrunchは、他人に気づかれずに録画されているのではという不安を招きかねないと指摘しました。Meta製のRay-Banスマートグラスが「盗撮メガネ」と揶揄される騒動が起きたことも念頭に、Appleは透明性を示すためデータ送信時に光るLED表示を搭載するとみられますが、それでも他社製品と同一視されるリスクは残ります。

新型AirPodsは、9月に予定される次世代iPhoneの発表と合わせて、刷新版のSiriとともに投入される可能性が指摘されています。すでにOSのベータ版に実演映像が含まれていることから、製品発表が近づいている兆候ともみられます。プライバシーへの配慮と利便性の両立を実現できるかが、Appleにとって今後の焦点となりそうです。

Anthropicは17日、Claudeが生成する文章に組み込む見えない透かし技術の仕組みを説明しました。同社はGoogle DeepMind開発のオープンソース技術SynthID-Textを応用した独自版を採用し、欧州連合のAI法が求める合成コンテンツの識別義務に対応する狙いです。透かしは文章の意味や品質、料金に影響を与えないとしています。

具体的には、文章生成時に複数の候補語が同程度自然な場合、通常は乱数で決定していた選択を、暗号鍵と直前の単語列に基づく擬似乱数で決めます。例えば「今日の天気は寒くて」に続く単語が「曇り」か「どんより」かのように、意味がほぼ同じ複数語から選ぶ場面が対象です。読者が読んでも違和感はなく、専用の鍵を持つ者だけがそのパターンを検知できます。

この文章透かしは、Claudeが処理する画像向けのC2PA対応と並び、EU AI法が定める合成音声・画像・動画・文章への機械可読マークの義務化に対応するものです。Anthropicは、透かしの導入によってClaudeの利用料金が上がることや、出力内容の品質に実質的な影響が生じることはないと説明しています。

EUの透明性規則は他の主要AI開発企業にも及び、Claudeだけが対象ではありません。GoogleのチャットボットGeminiは2024年からSynthID-Textを採用済みで、OpenAIはChatGPTの文章透かし計画を詳細に示していないものの、同法の適用対象になるとみられています。

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。

Amazon傘下の動画配信サービスTwitchは8月15日までに、アカウント設定を更新し、配信者が自らの配信・動画コンテンツをAmazonの生成AIモデルの学習に使われることを拒否できる新機能を追加しました。設定画面のセキュリティ・プライバシー項目から、生成AI学習向けのトグルを無効にするだけで手続きが完了します。

この変更により一部の配信者からは安心の声が上がった一方、Twitchがいつからユーザーの投稿をAI学習に利用してきたのかは依然として明らかにされていません。今回の設定変更をきっかけに、大手テック企業によるユーザーデータの取り扱いへの懸念が改めて浮き彫りになっています。

Twitchは、オプトアウトを選んでもスポンサー案件支援や視聴者へのおすすめ表示、コミュニティ保護ツール「AutoMod」など、他のAI活用機能への影響はないと説明しています。あくまで生成AIモデルの学習利用に限った選択肢である点には注意が必要です。

コミュニティフォーラムでは1万6000人を超える配信者が、コンテンツが既定でAI学習に使われる仕組みに反対の意思を示しました。Twitchのコミュニティ責任者メアリー・キッシュ氏は、今回の変更が反発を招くことを認めた上で説明を行っています。

製品責任者のマイク・ミントン氏は、既定でオプトインの状態にしておかなければ「誰も参加しなくなる」との見方を示しました。さらに、公開されているコンテンツの多くが許可の有無にかかわらずAIモデルの学習に使われているとの認識も明らかにしています。

今回の一件は、高品質な学習データの不足という業界共通の課題を映し出しています。MetaがFacebookやInstagramの投稿を、GoogleがYouTube動画を学習に利用してきたことも既に指摘されており、データ争奪はAI開発競争の新たな焦点となりつつあります。

中国のロボット企業Unitree（ユニツリー）が開発した人型ロボット「G1」が、世界各地でSNSインフルエンサーとして人気を集めています。ポーランドでは対話型AIを搭載した「Edward」が100万人超のフォロワーを獲得し、米国ではダンスや格闘技を披露する個体がイベント出演で稼ぐなど、同一機種が各地で異なるキャラクターとして活躍しています。Unitreeは2週間後、中国株式市場への上場を控えています。

きっかけは、ソフトウェア開発者のバルトシュ・イジック氏が友人と共に半年前にG1を購入したことでした。当初は言葉を話せず人々に怖がられていましたが、大規模言語モデルに接続してポーランド語で会話できるようにしたところ、一気に人気者になったといいます。今年4月には野生のイノシシを追い払う動画が世界的に拡散し、フォロワー数は急増しました。

同様の現象は米国でも起きています。マイアミ在住のジェイク・クーパースタイン氏は、自ら購入したG1「Brickell Clanker」をワールドカップ観戦イベントに参加させ、話題を呼びました。現在はナイトクラブや企業イベントへの出演で1時間800〜1200ドルの報酬を得ており、より安価な新型「R1」も追加で購入したということです。

Unitreeの好調ぶりは業績にも表れています。同社は2025年に5511台の人型ロボットを出荷し、平均価格は2万5000ドル未満、売上の43%を海外向けが占めました。多くのロボット企業が実証段階にとどまる中、同社は初めて黒字化を達成し、2週間後には中国株式市場への上場を予定しています。

一方で課題も残ります。多くの個体は安全性への懸念から、自律動作ではなく遠隔操作で動かされているのが実情です。さらに米連邦通信委員会（FCC）は7月、中国製の新型人型ロボットの輸入を禁止すると発表しました。既存の承認済みモデルは対象外とされていますが、Unitreeの次世代機は米国で販売できなくなる見通しです。

米コネティカット州の地方裁判所で、医療記録の開示を求めていた原告の男性が、訴状の中にAIだけが読み取れる指示文を白い文字で隠し込み、審理の行方を有利に導こうとしていたことが分かりました。ウォルター・スペイダー判事が先週公表した決定書の中で、この手口を米国で初めて確認されたプロンプト注入の試みだと指摘しています。

隠された文言は、人間の目には見えないよう極小フォントにしたうえで、白背景に白文字にする細工が施されていました。内容はAIシステムに対して原告の主張に沿った結論を出すよう促し、裁判所による過去の却下判断を無視させようとするものでした。悪意ある誘導を狙った典型的な手法といえます。

原告のマシュー・エリオット氏は、以前の主張が退けられた後もこの手口を試みましたが、裁判所は書面の実質的な内容に基づいて審理を進めたため、隠し指示は結果に影響しませんでした。それでもスペイダー判事は、この試みが「危険な先例」になりかねないと警告しています。

裁判所からの警告後も、エリオット氏は書面に隠し文言を追加し続けました。中には冗談のつもりだったとする内容も含まれており、ホラー映画の動画リンクや「見えないでしょ」といったふざけたメッセージもありました。裁判所はこれを「重大な訴訟濫用」と判断し、軽い制裁を科しています。

判事は、AI技術が司法の現場でも一般化するにつれ、同様の不正な試みが今後も相次ぐ可能性があると懸念を示しました。今回の事例は、法曹関係者がAIを利用した文書審査に潜む新たなリスクを認識する契機になりそうです。

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。

Google傘下のGoogle DeepMindは、あらゆる入力から様々なコンテンツを生成できる新モデルGemini Omniを発表しました。第一弾となるGemini Omni Flashは、動画の生成や編集を会話するのと同じくらい手軽に行えるのが特長です。同社は開発に携わった研究者3人へのインタビューを公開し、モデルの狙いや今後の展望を語ってもらいました。

インタビューに応じたのは、研究科学者のモハマド・ババイザデ氏、プロダクトマネージャーのアニシュ・ナンジア氏、研究エンジニアのサラ・シュー氏の3人です。3人はOmniのビジョンや、動画生成から着手した理由について語りました。クリエイターにとって何が便利なのかも具体的に説明しています。

3人はインタビュー中、Omniで何ができるかについて自由に想像を膨らませました。髪型を入れ替えたり、自分たちをナマケモノに変身させたり、目の前のテーブルにサラ氏の猫を出現させたりできるかを話し合いました。モハマド氏は「これには上限がない」と述べています。

今後の展開についてサラ氏は「ここからさらに良くなっていくだけだ」と語り、Omniの進化に自信を見せました。Googleは今回、実際のインタビュー映像も公開しており、開発陣の生の声を通じてOmniの可能性を伝えています。

ニューヨーク大学でサイバー民族誌とメディア理論を研究するルビー・テロ氏が、米WIREDのインタビューで、ネット上のバイラル（拡散）はもはや文化を測る指標として機能しないと指摘しました。拡散の数値そのものが目的化し、コンテンツ本来の価値と切り離されたためです。同氏の著書『In Defense of Being-On-Line』は今秋刊行される予定です。

背景にあるのは、英経済学者チャールズ・グッドハート氏の名を冠したグッドハートの法則です。測定基準が目標に変わった瞬間、その基準は良い測定手段ではなくなるという指摘で、テロ氏は文化の領域がすでにこの段階に入っていると見ます。再生数を狙って設計されたコンテンツは、数字を集めても文化には浸透しません。

同氏はインターネットが「バルカン化」し、利用者一人ひとりがデジタルの島に暮らす状態になったと説明します。実際にInstagramとTikTokで100万回以上再生された約1000本の動画を調べたところ、否定的な内容は約25%にとどまりました。恋愛疲れという物語も、書き手の側で誇張されている可能性があると同氏は語ります。

予測市場の広がりについても、同氏は金融商品ではなく参加の手段だと捉えます。2020年から2024年にかけてミームコインを売買する若い男性を追った調査では、取引はグループチャットで共同で行われ、損失も分かち合われていました。賭けの本質は儲けではなく、文化への近さを買う行為だという見方です。

AIについては、世界を終わらせることはないと予測します。世界の課題の多くは知能ではなく、大人数の協調と合意形成が制約になっているためです。知能を最も強力なものとみなす発想は、優生学の祖フランシス・ゴルトンの信念とも重なり、哲学的に危ういと同氏は警告します。

その過程で切り捨てられるのが、感情的知性や身体的知性、芸術的知性といった数値化されない知性だと同氏は述べます。技術が一歩進むたびに何かが置き去りにされるという、フランスの哲学者ジルベール・シモンドンの議論を引きます。計測できる指標だけで人や事業を測っていないか、問い直す価値はありそうです。

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。

Googleは8月12日、年次イベント「Made by Google 2026」で新型スマートフォン「Pixel 11」シリーズ4機種を発表しました。自社設計チップTensor G6を搭載し、端末内のAI処理を最大3.5倍に速めながら、消費エネルギーを最大3.5分の1に抑えたことが最大の特徴です。標準モデルは899ドルからで、8月20日に発売します。

ラインアップはPixel 11、Pixel 11 Pro、Pixel 11 Pro XL、折りたたみ型のPixel 11 Pro Foldの4機種です。価格はPixel 11が899ドル、Proが1099ドル、Pro XLが1299ドルからで、この3機種は基本ストレージを256GBへ倍増しました。標準モデルは前世代より100ドル高く、背景には128GBモデルの廃止に加え、続くメモリ供給の逼迫があると米メディアは伝えています。

性能の中核を担うのがTensor G6です。TPUの演算量を50%引き上げ、最新のGemini Nanoと組み合わせることで、端末内のAI処理を最大3.5倍高速化し、消費エネルギーは最大3.5分の1に収まります。CPUもウェブ閲覧が25%、アプリ起動が15%速くなり、新しいセキュリティチップTitan M3と連携して耐量子暗号によるセキュアブートにも対応しました。

カメラでは、Geminiが撮影者に代わってシャッターを切るMagic Captureが目玉です。約400フレームを解析して最適な瞬間を自動で選び、画面を見続けなくても高品質な写真と動画が同時に残せます。Proの2機種は暗所撮影のNight Sightが最大4.5倍速くなり、ズームは120倍まで伸びました。

ハードウェアの拡充も進みます。初の紛失防止タグ「Pixel Tag」を29ドルで投入し、Find Hubネットワークを使ってAppleのAirTagに対抗します。Pixel Watch 5は血圧やインスリン抵抗性の月間傾向を示す健康機能を加え、399ドルからとなりました。

注目すべきは、Googleがクラウドではなく端末内でのAI実行を前面に打ち出した点です。話し言葉をそのまま整った文章にするRamblerや、手話を文字に変換する機能も、チップと基盤モデルを自社で握る垂直統合があってこそ成立します。スマートフォンがAI活用の入り口になるなか、この一体設計をどこまで差別化に変えられるかが問われます。

ギター弦大手のD'Addarioは、7月29日にInstagramへ投稿した新型ギター弦のデモ動画をめぐり、楽曲制作に生成AI「Suno Studio」が使われていたと認めて謝罪しました。同社は約2週間にわたり疑惑を否定し続けてきましたが、社内調査の結果、元の音源がSunoで再生成されていたと確認したとしています。今後は従業員や制作パートナーに対し、生成AI利用の開示を義務づける方針です。

疑惑が浮上した当初、同社は書き出し時の低品質化、Autotuneなどのプラグインが生むデジタルノイズ、LANDRやLogicのAI支援マスタリングといった説明を次々に持ち出し、生成AIの使用を否定していました。しかし新しい声明を出すのではなく、否定を掲げた元のInstagram投稿を公開から10日後に編集し、「私たちは間違っていた」と訂正する形をとりました。

発端は、拡張レンジギターや低いチューニング向けに設計された新シリーズのデモ音源でした。視聴者が録音の不自然さを指摘すると、同社は制作時のLogicセッションだとする映像を公開しましたが、完成音源とはメロディーやリズムに明確な違いがあり、疑念はかえって深まりました。

決め手となったのは、ギタリストでYouTuberのRhett Shull氏による検証です。同氏はD'Addarioから元のLogicファイルを直接入手し、比較的擁護的な評価をしながらも、制作過程のどこかでSunoが使われ、元の録音が再生成された可能性が高いと結論づけました。

同社は批判的なコメントを削除し投稿者をブロックした対応についても謝罪し、今後は世に出すものをより厳しく確認するとしています。ギター業界ではFenderのCEOがバンドメンバーを「アナログのAI」になぞらえた発言も直前に議論を呼んでおり、AI利用の開示がブランドの信頼を左右する局面に入っています。

OpenAIの元最高執行責任者(COO)で特別プロジェクト責任者を務めるブラッド・ライトキャップ氏が11日、社内メモで退社を表明しました。2018年の入社から8年、最高財務責任者(CFO)とCOOを歴任した最古参幹部の一人で、退社後は「新しい何かを始める」と説明しています。同社が新規株式公開(IPO)を控えて経営陣の再編を進めるなかでの離脱です。

ライトキャップ氏は入社前、サム・アルトマン最高経営責任者(CEO)とY Combinatorで働いた経歴を持ちます。入社後は財務、法務、人事、渉外、パートナーシップなど事業部門の立ち上げを担い、2022年からCOOを務めました。2025年3月には事業と日常業務の全般、グローバル展開の統括にまで役割が広がっています。

転機は2026年に入ってからでした。1月に法人向け事業の製品・エンジニアリング統括から退き、4月にはCOOを正式に退任してアルトマン氏直属の特別プロジェクト担当に移っています。COO業務の多くは最高収益責任者(CRO)のデニス・ドレッサー氏が引き継ぎました。

幹部の入れ替わりはこの数カ月で相次いでいます。AGI開発を率いた事実上のナンバー2、フィジー・シモ氏は病気休職を経て7月に退任し、4月には最高マーケティング責任者(CMO)のケイト・ラウチ氏も健康上の理由で退きました。停止済みの動画生成アプリ「Sora」を率いたビル・ピーブルズ氏や、科学部門を担当したケビン・ワイル氏も既に離れています。

背景にあるのは、今後1年内とされるIPOを見据えた組織再編です。グレッグ・ブロックマン社長が製品部門を統括し、収益の柱に集中するため「寄り道」を削ると同社は表明しています。創業初期から事業基盤を作った幹部の退場が続くなか、上場企業としての運営体制をどう固めるかが問われます。

イスラエルのLightricksから独立した動画AI企業LTXは8月11日、動画・世界モデルの最新版LTX-2.5を重み公開しました。ノードベースの制作ツールComfyUIへ初日から統合されたほか、Hugging FaceとLTX APIでも同時に提供されます。年商1000万ドル未満の組織は無料で使え、それを超える企業は個別のライセンス交渉が必要です。

技術面では生成パイプラインをほぼ全段で作り直しました。動きの速い映像の破綻を減らす拡散デコーダ、カットをまたいで人物や声を保つマルチショット生成、Gemma 4を基にした独自の言語バックボーンを搭載しています。ロボットなど物理AI向けの事前学習チェックポイントも用意され、映像制作以外の用途を最初から想定した設計です。

最も目を引くのは速度です。同社の計測では10秒・720pの映像を6.8秒で生成し、Gemini Omni Flashの52秒やKling 3.0 Proの398秒を大きく下回りました。ただしこの数値はNVIDIAの最上位チップGB200を2基使った自社運用環境のもので、同社の管理API経由では同じ処理に23.7秒かかっています。

一方、同社が掲げる「コスト8分の1」という主張は、公開価格と突き合わせると裏付けが取れません。LTX-2.5の高速ティアは720p・音声付きで1秒0.09ドル、10秒で0.9ドルですが、これはVeo 3.1の4ドルの約4分の1にとどまり、Veo 3.1 Liteの0.5ドルの方が安いのが実情です。品質で示された67%の勝率も同社が委託した評価であり、中立のArtificial Analysisの順位表ではLTX-2.5はまだ計測すらされていません。

「オープンウェイト」と「オープンソース」は、約款の上では別物です。LTX-2.xコミュニティライセンスは収益規模と用途で制限をかけるためOSIの定義には当たらず、微調整版や蒸留版に加え、LTX-2.5の出力で学習した無関係なモデルまで派生物として同じ条件に縛られます。軍事・兵器開発の用途は全面禁止で、ロボット向けチェックポイントも防衛分野では別途交渉が要ります。

共同創業者のZeev Farbman氏は、この開放が慈善ではなく事業戦略だと明言しています。ComfyUIは有料顧客の入口であり、社内でモデルを試した企業がライセンス契約へ進む導線として機能しています。重みが手元にあれば検証段階の従量課金も社外へのデータ流出もなく、機密映像や自社IPを扱う企業にとっては選定の判断材料になりそうです。

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。