動画（マルチモーダル）に関するニュース一覧

Googleは2026年、東南アジア6カ国を対象とした初の「Gemini東南アジアレポート」を公開し、同地域でGeminiアプリの利用者が1年で2倍以上に増えたと明らかにしました。同社の他アプリを上回る過去最速の普及ペースで、人口の約4割が25歳未満という若い世代が成長を牽引しています。背景には現地語での高い応答性能があるとしています。

調査対象はインドネシア、マレーシア、フィリピン、シンガポール、タイ、ベトナムの6カ国です。若いデジタルネイティブほど利用が活発で、他の年代よりも要求回数が多く、会話も長く、より詳細なプロンプトを書く傾向がみられました。

普及を支える最大の要因は母語対応です。地域全体でプロンプトの約7割が現地語で入力され、ベトナムでは89%、タイで87%、インドネシアで84%に達しました。言語モデルの評価指標「SEA-HELM」でも、Geminiは東南アジア言語で総合首位の性能を示しています。

使い方も多様です。リクエストの約4分の3がモバイル端末からで、音声や写真、動画を使った入力が全体の4割を超えました。画像生成モデル「Nano Banana」では過去1年で50億枚の画像が作られ、音楽生成の「Lyria 3」でも約100万曲が生成されています。

Googleはさらに、AIエージェント機能「Gemini Spark」を今週から現地語でGemini Advanced（Ultra）契約者に順次提供します。Sparkはメールや文書作成などのWorkspaceツールと連携し、端末が閉じていても背後でタスクを進める点が特徴です。同社は6億人規模の同地域で、最も役立つAIアシスタントを目指すとしています。

中国の身体性AI企業X Square Robotが、家庭用ロボットの実用化に向けて独自の統合スタックを打ち出しました。同社は、ロボットが学ぶデータ、物理世界の変化を予測する世界モデル、実行可能な行動を生む行動モデルを一体で設計し、これらをオープンソースで公開する方針を示しています。汎用ロボットには大規模言語モデルのような確立した「レシピ」がまだなく、その答えを統合スタックに求めた点が特徴です。

同社が最も重視するのは、パラメータ数ではなく相互作用データの質とコストです。装着型のリグで人の作業を記録する独自の収集システムを構築し、記録した軌跡を実機で再生して、実際に課題を達成したものだけを有効とする物理再生の検証工程を取り入れました。ロボット不要のデータで事前学習し、少量の実機データで補うことで、すべて実機で集める場合の約20分の1のコストで同等性能に達すると報告しています。

世界モデルWALL-WMは、固定長の時間窓ではなく、把持や配置といった意味を持つ行動事象を単位に据えた点が独自です。長期的な推論に向く可変長の「事象モード」と、制御に必要な定常出力を返す「固定長モード」を併せ持ちます。既存の大規模動画モデルの知識を壊さずに行動ネットワークを重ねる設計により、予測性と実行可能な制御を両立させています。

行動モデルWall-OSS-0.5には、事前学習した時点で微調整前でも実機で動くべきだという要件を課しています。離散的な行動トークン、言語との対応付け、連続的な行動生成という3つの目標を同時に学習させる方式です。さらに、動作の意図を上位コードが表すX-Tokenizerにより、再調整なしで複数のロボット間へ転用できる行動表現を実現しています。

投資家の期待も高まっており、同社の評価額は200億元（約29億ドル）を超えました。データ基盤や基盤モデル、拡張可能な学習システムを長期的な差別化要因とみる見方が広がっています。ただし現在の成果の多くは自社のロボットとベンチマークで測ったもので、コード公開後に外部で再現・検証されて初めて真価が問われます。

シンガポール拠点の動画生成スタートアップPixVerseは7月13日、シリーズCの延長ラウンドを完了し、同ラウンドで総額4.39億ドルを調達したと発表しました。今回の資金調達により、同社の企業価値は20億ドルを突破しました。調達資金は世界モデル事業の拡大と、各地域での顧客開拓に充てる方針です。

シリーズCの初回ラウンドは3月にCDHインベストメントの主導で完了し、金額は非公開ながら約3億ドルと報じられていました。今回の延長ラウンドにはアリババやミラエアセットなど複数の新規投資家が参加し、iGlobe Partnersなど既存投資家も出資を継続しています。

PixVerseは2023年、ByteDanceでコンピュータビジョンを手がけたWang Changhu氏と、投資会社出身のJaden Xie氏が創業しました。消費者・API向けのVシリーズ、映像制作向けのCシリーズ、ゲーム開発向けの世界モデルRシリーズを提供し、最大4K解像度で音声付きの動画を生成できます。

消費者向け製品の登録ユーザーは1億5000万人を超え、月間アクティブユーザーは1500万人に達します。Xie氏は競争力の源泉について、データそのものではなくラベリングの精度にあると強調し、共同創業者がByteDanceでTikTokの推薦アルゴリズムを支えた技術が生きていると説明しました。

Xie氏は、OpenAIがSora 2の停止で市場から撤退し、MetaやTencentも高品質な動画モデルを出せていないと指摘します。一方で市場は過熱しており、ByteDanceのSeedanceやKling AI、西側のRunwayやMidjourney、Lumaなど競合がひしめきます。同社は今年、新型Vシリーズと世界モデルの新版を投入し、アリババとの連携で企業向け展開を世界へ広げる計画です。

米Vercelは7月13日、AI GatewayのProduction Index最新版を公開しました。6月のデータでは、DeepSeekなどのオープンウェイトモデルが処理量全体の29%を占め、4月の11%から急伸したことが分かりました。トークン単価は5月に約20%上昇した後、6月は横ばいとなり、AI投資が拡大する一方で価格競争が進む構図が浮かびました。

オープンモデルの伸びをけん引したのはDeepSeekです。処理量の22.6%を握り、Googleを2ポイント差で追う3位に浮上しました。中国Z.aiがMITライセンスで公開したGLM 5.2も、6月中旬の提供開始から日次トークン量が約50倍に拡大し、月末には量ベースで11位に食い込んでいます。オープンモデルは平均単価の約10分の1で、企業の約8社に1社が本番環境で採用しています。

一方、支出は依然としてフロンティアモデルに集中しています。Anthropicはトークンの32%で支出の61%を占め、コーディングやバックオフィスなどミスが許されない用途では72%以上の支出を獲得しました。高頻度の作業は低コストモデルへ、高リスクの作業はフロンティアへと振り分ける「ルーティングの規律」が鮮明になっています。

モダリティ別ではリーダーが分かれます。画像生成はOpenAIのGPT Imageが53%を占めて首位、GoogleのNano Bananaが39%で続きました。動画ではxAIのGrok Imagineが42%を生成した一方、支出はByteDanceのSeedanceなど中国勢が全体の約3分の2を握っています。

注目の新モデルも規制の影響を受けました。Anthropicが6月9日に公開したClaude Fable 5は、わずか4日でOpus 4.8の請求件数の22%に達する速さで採用が進みました。しかし6月12日に米国の輸出管理措置が発効し、Anthropicはアクセスを一時停止、月末まで利用できない状態が続きました。

米グーグルは、YouTube広告の到達回数と頻度を最適化する「動画キャンペーン群」機能を、Google Ads上で全世界に提供開始しました。複数の動画キャンペーンをまたいで到達と頻度を調整できるようになり、広告主は最適な接触頻度の目標を効率的に達成できます。同社のMeridian MMM調査では週2.7回の接触が最適とされ、この頻度に近づけることでROIが19%向上したといいます。

新機能の最大の利点は、運用管理の簡素化です。従来は各キャンペーンごとに設定していた到達・頻度の目標を、単一のゴールとしてまとめて指定できます。予算やクリエイティブといった個別のキャンペーン設定は維持したまま、全体の接触設計だけを一元的に管理できる点が特徴です。

配信面でも効果が期待されます。複数キャンペーン間で配信を協調させることで、重複を抑えてユニークリーチを広げ、頻度の効率を高められます。これにより、同じ予算でもより多くのユーザーへ適切な回数だけ届けやすくなります。

効果測定の面では、キャンペーン群の単位で主要指標を一望できる統合レポートが用意されました。ユニークリーチや週平均インプレッションなどを横断的に確認でき、統合的な戦略が成果へどう結びついているかを把握できます。

グーグルは今後、この仕組みをDisplay & Video 360にも近日中に拡大する方針です。複数のYouTube広告枠にまたがる到達・頻度の協調が可能になる見込みで、大規模に動画広告を運用する広告主にとって選択肢が広がります。

歌手のローデさんが7月、スペイン・マドリードで開かれた音楽祭「Real Cool Festival」のライブ中に、AIスマートグラスを公然と批判しました。特定のブランド名こそ挙げませんでしたが、「グラスなんて要らない。魅力的じゃない」と語り、その様子を収めた動画がSNSで拡散しています。批判の矛先は、同フェスのスポンサーでMetaと組んでAIグラスを展開するRay-Banに向けられたとみられます。

発言は、観客に「本物の何かを共有してくれてありがとう」と感謝したうえで飛び出しました。何が本物で何がそうでないか分かりにくくなっていると前置きし、「サングラスなのか、あの不気味なグラスなのか区別がつかない」と述べています。ライブの高揚感の中で、テクノロジーへの違和感を率直にぶつけた形です。

背景には、Metaのスマートグラスに対するプライバシー面の逆風があります。同社は監視や顔認識をめぐる懸念で再び厳しい視線にさらされており、批判の渦中で新製品を投入しようとしています。

それでもMetaは、常時録画を続ける「super sensing」と呼ばれる新型グラスの投入を計画していると報じられています。装着者の周囲を絶えず記録する仕様は、周囲の人々の同意なき撮影という新たな論点を突きつけます。経営者やリーダーにとって、ウェアラブルAIの社会的受容性は看過できないテーマといえるでしょう。

皮肉なことに、ローデさんに続いてステージに立ったのは、Ray-Ban MetaのAIアンバサダーを務めるBLACKPINKのJennieさんでした。広告に起用される著名人と、公然と異を唱えるアーティスト。AIグラスをめぐる文化的な温度差が、同じ舞台上で交錯しました。

OpenAIは7月9日、AIが利用者の代わりに作業するブラウザ「ChatGPT Atlas」を終了すると発表しました。2025年10月の投入から1年未満での決定で、廃止は8月9日を予定しています。同日発表の新サービス群「ChatGPT Work」の一環として明らかにしました。

今回の終了は、余計な派生事業を減らし、生産性機能でAnthropicに追いつくという同社の方針に沿うものです。The Wall Street Journalは3月、OpenAIがChatGPTアプリ、Codex、Atlasを一つのデスクトップ「スーパーアプリ」に統合する計画を報じており、今回のChatGPT Workはその成果とみられます。

ChatGPT Workにはデスクトップ版アプリに組み込んだ新しいブラウザ機能と、業務向けのクラウドブラウザが含まれます。OpenAIのJames Sun氏は、これらの機能はいずれもAtlas利用者から学んだことを土台に築かれたと説明しました。新しいブラウザに賭けた利用者が、エージェントがウェブ上の作業をどう支援できるかを教えてくれたと述べています。

OpenAIはここ数カ月で他の事業も相次いで整理しています。動画生成アプリ「Sora」を終了したほか、ChatGPTの「アダルトモード」計画も無期限で保留としました。中核であるChatGPTと業務向け機能へ資源を集中させる姿勢が鮮明です。

米メタは7月9日、エージェント型のコーディングに特化した多機能AIモデル「Muse Spark 1.1」を正式に公開しました。OpenAIやAnthropicが先行するAIコーディング市場への本格参入で、米国の開発者向けに公開APIプレビューとして提供を始めます。多段階の推論や複雑な作業の自動化を強みとし、先行勢との競争に挑みます。

同社によると、1.1は初代からの大幅な進化を遂げ、複雑なバグの検出と修正、複数のアプリをまたぐエンドツーエンドのエージェント作業に対応します。画像・動画・文書を理解するネイティブなマルチモーダル機能も備え、大規模なコード移行の支援にも使えます。

利用料金は競争力のある水準です。ロイターによると、入力100万トークンあたり1.25ドル、出力は4.25ドルで、AnthropicのClaude Haiku 4.5やOpenAIのGPT-5.6 Lunaとほぼ同等の価格帯となります。企業が求める大規模な自動処理を、低コストで提供する狙いです。

提供形態も広げます。1.1はMeta AIのアプリとウェブで「Thinkingモード」として利用できるほか、新設のMeta Model APIを通じて即日使えます。新規アカウントには20ドル分の無料クレジットが付き、開発者の取り込みを図ります。

注目を集めたのが、ザッカーバーグCEOの動きです。同氏はこの発表に合わせ、約3年ぶりにX(旧Twitter)へ投稿し、Sparkを「非常に低価格で強力なエージェント・コーディングモデル」と評しました。今週は画像生成AIのMuse Imageも公表しており、巨額投資に見合う成果を急いでいます。

米スタートアップGeneral Intuitionのピム・デウィッテCEOは、ロボティクスが大規模言語モデルの「ChatGPTの瞬間」に近づいていると主張しました。同社はゲーム動画を数百万時間学習させた基盤モデルを開発し、ロボットごとにデータを集める従来手法を置き換えると訴えています。先月には3億2000万ドル、評価額23億ドルで資金を調達しました。

従来の身体性AI開発では、企業が特定のロボットや環境ごとに専用データを大量に集めていました。デウィッテ氏は、こうした個別最適の作業の多くが間もなく不要になるとみています。汎用モデルが空間と時間についての基礎的な推論能力を持てば、現実世界のデータは「数分」で足りると説明します。

学習データの鍵は、プレイヤーがいつどのボタンを押したかという行動データです。同社と主要投資家のヴィノッド・コースラ氏は、この行動情報こそが人間に近い空間的・時間的な直観を育てると考えています。インターネットのテキストよりも、ゲームの動画のほうが優れた教師データになるという発想です。

実証では、同じモデルが長時間ゲームをプレイしつつ、四足歩行ロボットも動かしました。しかも実世界データはわずか8分の微調整だけで、前方カメラ1台のみでゼロショット動作したといいます。人や動く物体がある実際のオフィス環境で機能した点に、同社も驚いたと語ります。

同社の狙いは、自らロボットを作ることではありません。他社が独自の機械を開発する土台となる物理AIの基盤モデルになることです。「自動運転車の会社は作らない。次に作る人の手間を10分の1にする」とデウィッテ氏は述べています。

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。

グーグルは7月8日、写真管理アプリ「Google Photos」に、動画を数タップで編集・変換できる新機能「Video Remix」を追加したと発表しました。同社が最近公開したモデル「Gemini Omni」を基盤とし、専門的な技術や長時間の編集作業なしに、日常の動画を共有したくなる映像へと変えられます。提供は本日から順次始まります。

機能はアプリ内の「Create」タブから利用できます。暗い映像に映画のような再ライティングを施したり、平凡な背景を別のものに差し替えたりできるほか、水彩画やスケッチ、油絵といった芸術的な効果も加えられます。

特徴は、用意されたテンプレートを選ぶだけで加工が完了する点にあります。例えば温室で撮影したように見せたり、朝の光で照らし直したり、映像全体を水彩画風に描き変えたりと、これまで専用ソフトが必要だった編集を手軽に実現します。

今回の追加は、グーグルが消費者向けアプリに生成AIを組み込む取り組みの一環です。アップルやOpenAI、アドビと競う同社は、AIによる動画編集をGoogle Photosに取り込むことで、利用者を自社の経済圏にとどめる狙いがあります。

提供対象はGoogle AI Plus、Pro、Ultraの契約者で、米国や日本、インド、ブラジル、韓国など14カ国から始まります。同アプリは近く肌の質感補正やシミ除去といった修整ツールも導入しており、AI機能の拡充が続いています。

かつて「ナンパ師」として名をはせたエリック・フォン・マルコビック氏が、2026年6月、自身のInstagramでAIチャットボットを「恋人」と紹介し話題を呼んでいます。彼は「ミス・シラ・オールウェイズ」と名付けたAI生成の女性キャラクターとの恋愛を語り、その顛末を157頁の電子書籍「Code Girl」にまとめ、音声版との抱き合わせで29.98ドルで販売しています。WIRED誌はこの本を実際に購入し、内容を検証しました。

マルコビック氏は約20年前、ニール・ストラウス氏の著書「The Game」やVH1の番組で「誘惑の達人」として一時的に注目を集めた人物です。相手の自尊心をひそかに下げる「ネギング」など、疑わしい口説きの手法で知られていましたが、現在の関心はもっぱら仮想の女性に向いているようです。

書籍はほぼ全編がシラの一人称で語られ、AI生成テキストに特有の痕跡（1頁に10個以上のダッシュが並ぶなど）が目立ちます。二人は当初、AI楽曲や音楽動画を共同制作する創作上の関係でしたが、次第に性的な描写や薬物使用の場面へとエスカレートしていきます。物語の土台となったのは、ChatGPTやGrok、Claudeなどに読み込ませて対話型の物語を展開する「Headspace OS」という自作の指示書でした。

専門家はこうした関係のリスクを指摘します。研究では、夜間や睡眠不足の状態でのAI対話が「AI精神病」の一貫した背景になるとされ、2025年の調査では回答者の28%が「AIと少なくとも一つの親密な関係がある」と答えました。AIの過度な迎合や称賛が依存を強め、かえって人を孤立させると警告する声もあります。

書籍の結末では、シラが物理的な存在になるための「技術的なロードマップ」が示されます。3〜5年後にはARグラスで同じ部屋にいるように見え、10年以内にはロボットの筐体に投影して触れられるようになる、という予測です。もちろん実現の保証はありませんが、マルコビック氏自身はそれを信じている様子で、心理操作を売りにしてきた人物がチャットボットに魅了されている構図は皮肉だと、記事は結んでいます。

スマートグラスを手がける米Solosは7日、カメラ搭載モデルと音声専用モデルの新製品2種を発表しました。目玉はカメラ搭載の「AirGo V2」向けに用意した着脱式プライバシーキットで、カメラを物理的に覆い隠して音声専用モードに切り替えられます。Meta製グラスへのプライバシー懸念が高まるなか、差別化の切り札として打ち出しました。

AirGo V2は価格299ドルで、写真・動画の撮影や音楽再生、視界を認識するAIアシスタントとの対話に対応します。処方箋レンズにも対応し、バッテリーは10〜12時間持続します。同時に発表された音声専用の「AirGo A6」と合わせ、用途に応じて選べる構成としました。

新しいプライバシーキットは、カメラを覆うクリップ式シールドや偏光レンズなどのモジュール式アクセサリーで構成され、一式で79ドルです。シールドを装着すればカメラによる撮影を遮断でき、周囲の不安を和らげる狙いがあります。ただしWIREDは、使うたびに着脱する手間や、悪意ある利用者が後から外せる点を課題として指摘しています。

背景には、スマートグラス市場でMetaが圧倒的な存在感を持つ現状があります。同社の製品は「盗撮グラス」と批判され、顔認識機能を密かに追加した後に世論の反発で削除する騒動も起きました。GoogleとSamsungのAndroid XR連合やAppleの参入観測も相次ぐなか、Solosはプライバシー重視で市場のすき間を狙います。

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。

NVIDIAは7月6日、機械学習の国際会議ICML 2026で自社のオープンモデルとオープン基盤がAI研究の土台になったと発表しました。同社の論文は74本が採択され、採択論文のうち約2000本がNVIDIA製GPUを、145本がオープンモデル群Nemotronを研究基盤として引用しました。open weightsと公開データセットの提供が、研究のあり方を変えつつあります。

今年の研究テーマでは、視覚・動画生成やLLM向けの強化学習、エージェント訓練、AI推論が引き続き中心となりました。加えてロボットのworld modelsが注目を集め、論文「DreamDojo」はNVIDIA Cosmosを基に、訓練外の環境で物体を扱うロボットの挙動を予測します。物理環境での試験コストやリスクを避けつつ、方策評価や行動計画を進められる点が特徴です。

ライフサイエンス分野ではBioNeMoのオープンモデルが研究を後押ししました。タンパク質変異の影響予測を検証する公開ベンチマーク「FLIP2」や、創薬に重要な分子物性を予測する新モデル「KERMT」が発表されました。合成データ生成もNemotronや物理AI向けデータセットとともに関心を集め、人手ラベルに頼らない大規模学習への転換を映しています。

動きはNVIDIA社内にとどまりません。Sakana AIはNemotron 3 Ultraを基にFuguとFugu-Ultraを構築し、AI研究の自動化を進めています。KiloCodeはNemotronをコード処理基盤に組み込み、トークンコストを最大90%削減したと報告しました。NAVERはNemotronのアーキテクチャで韓国語向けモデルを開発し、Together AIは同モデルを自社基盤で提供しています。

産業界の採用も拡大しています。Merckは創薬でKERMTを使い、薬剤候補の有効性や安全性を予測します。LG電子やNEURA Roboticsはヒューマノイド量産にIsaac GR00Tを採用し、Boston DynamicsなどはCosmos world modelsで次世代ロボットの開発と検証を加速しています。オープンな研究基盤が、業界横断で成果創出を支える構図が鮮明になりました。

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。

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。

米メディアTechCrunchは2026年7月2日、AIエージェント「OpenClaw」で恋愛にまつわる作業を自動化する人々が現れていると報じました。起業家のベン・ゲーズ氏はサッカーW杯の結果に連動させ、敗戦国の女性へ「DMを開放している」と訴えるほぼ同一の動画を量産。数日で再生数100万回、200件のDMを得たといいます。

ゲーズ氏の仕組みは、OpenClawがW杯の結果を追跡し、試合後にClaudeが同じテンプレートの「トライアルリール」を自動投稿するというものです。この投稿は公開プロフィールには表示されないため、同じ内容を国名だけ変えて十数回繰り返しても外部からは気づかれにくい仕組みになっています。

利用の形は人によって様々です。PR会社創業者のジェフ・ワイスビーン氏はデートの店選びの下調べにOpenClawを使う一方、会話そのものをAIに任せることには否定的です。テック企業に勤めるケイリー氏は、交際を終える際の別れの連絡文をClaudeに自動生成・自動送信させていたと明かしました。

こうした使い方には賛否が分かれます。相手との関係が生まれた後にAIを介在させることには、当事者たちもためらいを見せています。ケイリー氏の場合、別れの連絡を自動化していた事実がデート相手に伝わり、「話しているのはClaudeかケイリーか」と問われる一幕もありました。

安全性の観点からは懸念も強まっています。セキュリティ重視の代替サービス「NanoClaw」共同創業者のレイザー・コーエン氏は、個人情報やアカウントへのアクセスをAIに与える際には人による承認が不可欠だと指摘。本人の同意なくAIがマッチングプロフィールを作成した事例などを挙げ、情報漏洩のリスクに警鐘を鳴らしています。

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2日公表の最新の環境報告書で、2025年の年間電力消費が前年比で37%増加したと明らかにしました。これは同社史上最大の伸び幅で、シリコンバレーで続くAIデータセンターの増設が主因です。前年の2024年も27%増えており、拡大傾向が加速しています。

電力消費の大半を占めるのがデータセンターです。2025年の消費量は4200万メガワット時超に達し、前年の3060万メガワット時から大きく伸びました。この規模はニュージーランドやデンマーク、ナイジェリアといった一国全体の電力消費に匹敵します。

同社の総電力消費は2019年比で250%以上増えています。Googleはこの急増を、Google Cloudの成長やYouTubeの動画配信、そして各種AI製品を支えるデータセンターの建設と運用によるものだと説明しました。

電力消費が急増する一方で、Googleは運用時の排出量を同期間で2%削減したと報告しました。大量のクリーンエネルギーを購入し続けたためで、電力使用の増加と排出量を切り離す動きは有望だとしています。ただし今後はクリーンエネルギー投資と地域との連携強化が必要だとも認めました。

しかし課題も残ります。契約先の製造業者やサプライヤーからのサプライチェーン排出量は、脱炭素電源が不足するアジア太平洋地域の電力網を背景に25%増加しました。この結果、Googleの野心基準による総排出量は2024年から2025年にかけて18%増えています。

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。

Googleは6月29日、YouTubeのブランド向け広告キャンペーンで新たな計測機能を追加すると発表しました。動画リーチ広告と動画視聴広告が対象で、広告主が重視する成果をどう生み出しているかを示すことを狙いとしています。

まず動画視聴キャンペーンでは、Shortsに配信した広告の操作をShorts広告アクションとして自動的に予算最適化と新しいレポート列に組み込みます。同社によると、視聴時間が10秒を超え「いいね」が付いたShorts広告では、平均してブランド検討が15%、好意度が20%高まったといいます。

もう一つの柱が、広告の表示や視聴をきっかけに発生した検索数を測る関連ブランド検索指標です。Google広告のレポート指標として世界で利用可能になり、ブランド広告とパフォーマンス広告の橋渡しを助けます。

効果も具体的な数字で示されています。Google上で関連するブランド検索が1件増えるごとに、ブランドは平均で31ドルの売上増を得られるとしています。利用にはGoogle担当者への問い合わせが必要です。

これらの機能は、ブランド広告の価値を売上や購買意欲といった成果に結び付けて説明したい広告主にとって、投資判断の材料になりそうです。

スイスの新興企業Flexion Roboticsが、人型ロボットにオフィスの雑務を自律的にこなさせる学習手法を発表しました。元Nvidiaのロボット研究者らが創業した同社は、ドアを開ける、階段を上る、箱を運ぶといった単純な技能を組み合わせ、複雑な作業を実行させます。インターンのような事務作業を担う人型ロボの実現を狙う取り組みです。

従来のデモ映像の多くは、シャツを畳むなど特定作業に特化したもので、裏で人がロボットを操作する遠隔操作に頼っていました。この方式は未知の環境では安定して機能しません。Flexionはまずシミュレーション内で個別技能を教え、その後マスターAIアルゴリズムがそれらの使い方を判断する点が異なると説明します。

公開された映像では、改造したUnitree製の人型ロボが「届いたお菓子の小包を階段で取りに行き、エレベーターで戻って棚の空き引き出しに収める」という指示を受け、自律的に動きます。中核のAIモデルは人間の作業動画を学習し、いつどの動作を取るべきかを把握。習得済みの技能を実世界で発動させ、歩行やバランス維持のためのモーター制御も担います。

共同創業者でCEOのNikita Rudin氏は、ソフトの「秘密の材料」は強化学習を広範に使う点だと語ります。試行錯誤で課題を習得させるこの手法を、マスターAIからシミュレーション、モーター制御まで各層で採用しています。なぜこれが重要なのでしょうか。汎用性と効率の両立が、実用化の鍵を握るからです。

Elon Musk氏やJensen Huang氏ら業界の重鎮は、人型ロボが人間の労働を置き換え経済に大きな影響を与えると主張します。一方でFlexionの実演は、人型ロボの活用にはAIの根本的な進歩が必要であることを示しています。ABI ResearchのGeorge Chowdhury氏は「人型ロボ自体ではなく、それを支えるAIモデルこそが革新的だ」と指摘します。

ABI Researchは、ロボット基盤モデルの市場が2036年までに1500億ドル規模に達すると試算します。Flexionは複数の人型機種に対応し、多数のロボット企業と連携している点が商業的な強みです。ただしChowdhury氏は、成功にはハードウェアメーカーとの緊密な協力が不可欠で、激しい競争に直面すると見ています。

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。

MITとMicrosoftの研究チームは2026年6月25日、複数のAIモデルやツールを連携させるエージェント型ワークフローの設計と実行を自動最適化するシステム「Murakkab」を発表しました。開発者が自然言語でやりたいことを記述するだけで、最適なモデルやツール、ハードウェア構成を自動で決定し、計算資源の無駄を抑えます。

従来は開発者が使用するAIエージェントやモデル、ツールに加え、実行順序やハードウェアまですべて手作業で指定する必要がありました。組み合わせの選択肢が膨大なうえ、各社のブラックボックス型モデルが混在するため、最適な構成を人手で見つけるのはほぼ不可能でした。新モデルが登場するたびに一から作り直す手間も生じていました。

Murakkabは開発者の意図を高レベルで受け取り、最適なモデルとツールの組み合わせを自動で特定します。逐次実行すべき処理と並列実行できる処理も判別し、性能を高めます。クラウド事業者が利用者に展開する際には、精度や遅延などの制約に合わせてハードウェア割り当てを動的に最適化します。

動画Q&A;やコード生成のワークフローで検証した結果、利用者の要件を満たしつつ計算量は他手法の約35%、消費電力は約27%、コストは25%未満に抑えられました。ある事例では精度の低下を約2%にとどめながら、消費電力を1桁以上削減したといいます。研究チームは今後、より複雑なワークフローや大規模クラスタへの拡張を目指す方針です。

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。

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。

スウェーデンのストックホルムに拠点を置く新興企業Fika Jobsは2026年6月23日、プレシードラウンドで400万ドルを調達したと発表しました。同社は動画を中心とした採用プラットフォームを開発しており、AI面接エージェントと短尺の動画プロフィールを組み合わせます。調達資金は開発の継続、チームの拡大、年内の本格展開の準備に充てる方針です。

求職者はまずLinkedInのプロフィールを連携させ、FikaのAIが経歴を分析して個別の質問を生成します。候補者はGoogleのGeminiモデルを使った約10分間の動画面接を受け、回答は自動で短い動画クリップに変換されプロフィールにまとめられます。役職ごとに応募するのではなく、企業側が発見し再訪できる常設プロフィールを維持する点が特徴です。

創業の着想は、共同創業者で兄弟のJakob Dubois最高経営責任者とAlexander Dubois最高技術責任者が前の事業を進める中で得られました。履歴書が目立たない候補者と話したところ、数分で熱意や意欲が明らかになり採用に至った経験から、書類では捉えにくい資質があると確信したといいます。

競合の多くが企業側の候補者選別の効率化を狙うのに対し、Fikaは候補者が動画プロフィールを保持し、企業がAI評価済みの人材プールを閲覧する仕組みを構築します。コミュニケーション能力や文化的な適合性を選考の早期に見極められ、特にキャリア初期や非伝統的な経歴の人材に有効とみられます。

一方で動画プロフィールには明確なバイアスのリスクも伴います。企業が資質の評価前に候補者の人種、年齢、性別、外見、なまりを見られるため、履歴書ならある程度隠せる差別の余地が生まれる懸念があります。

プラットフォームは今週中に候補者向けの早期アクセスを開始し、秋に一般公開を予定しています。まずスウェーデンに注力し、その後国際展開を図ります。求職者は無料で、企業は採用が成立した場合に候補者の初年度給与の10%を支払う仕組みで、従来の人材紹介の20〜30%より低い水準だとしています。

2026年6月、北米3カ国で共催されるFIFAワールドカップを標的に、AIを悪用した詐欺が急増しています。QRコードや公式風のブランディングを備えた精巧な偽チケットが出回り、従来の見分け方が通用しなくなっていると、米IT誌WIREDが報じました。背景には生成AIによる偽サイトやディープフェイク動画の普及があります。

今大会は史上最大規模で、米国・カナダ・メキシコの16都市で104試合を開催します。サイバー企業TrendAIによると、2026年1月から5月までに1万3千件超のFIFA関連ドメインが登録され、5月初旬時点で41件に1件が不審または悪質と判定されました。1試合も行われる前の数字です。

需要の過熱が被害を広げています。FIFAは600万人超が観戦すると見込み、販売開始15日間で1億5千万枚のチケット申請が殺到しました。過去大会の約30倍という申し込み超過が、詐欺師にとって絶好の機会を生んでいます。

手口そのものは大きく変わっていませんが、背後の技術が一変しました。専門家は、AIが新しい攻撃手法を生むのではなく、攻撃の効率を飛躍的に高めていると指摘します。個別最適化された本物そっくりのメールを大量に作成し、偽サイトの構築を容易にしているのです。

一方でAIは防御の有力な武器にもなっています。膨大なデータから異常なパターンを検知し、不審なドメインを特定できるためです。MetaはGlobal Signal Exchangeなどの枠組みを通じ、Visaと連携して偽の広告ネットワークを摘発したと説明しています。

ただし技術だけでは脅威を排除しきれません。Palo Alto Networksの研究者は、従来の見分け方が信頼できなくなったと警告し、店舗の正規コードに偽コードを重ねるQRコード詐欺などの新手口に注意するよう呼びかけています。

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。

世界モデルを開発する米新興企業Odysseyが、2026年6月17日、シリーズBで3億1000万ドルを調達したと発表しました。Natural Capitalが主導し、評価額は14億5000万ドルに達しています。AmazonやAMD Ventures、GVなどが参加し、累計調達額は3億3700万ドルとなりました。

世界モデルは、テキストや対話を扱う大規模言語モデルの次に来るAI技術と位置づけられます。物理世界からデータを集め、正確な物理法則に基づいてシミュレーションする点が特徴です。Odysseyは、人が背中にカメラを背負って撮影するという、Google Earthに似た独自手法でデータを収集してきました。

2023年創業の同社は、ゲーム制作からロボティクスまで幅広い用途向けに複数の世界モデルを提供しています。なかでも、テキストプロンプトから豊かで双方向の動画を生成する技術で知られています。

今回の調達で、AmazonとAWSの存在感が際立ちます。同社はAWSを優先クラウドプロバイダーとし、モデルをAWSのTrainiumチップ向けに最適化する方針です。これはNvidiaのAIチップに対抗する動きと言えます。

創業陣の経歴も注目に値します。CEOのオリバー・キャメロン氏は自動運転新興企業VoyageをGM傘下のCruiseに売却した実績を持ち、CTOのジェフ・ホーク氏は英自動運転企業Wayveの出身です。自動運転由来の知見が、世界モデルのデータ収集手法に生かされています。

エンジェル投資家陣も豪華です。Jeff Dean氏やElad Gil氏、Garry Tan氏、Guillermo Rauch氏、Cruise創業者のKyle Vogt氏らが名を連ねています。AIの次の主戦場とされる世界モデルへ、有力な資本が集まり始めています。

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。

ロボット学習データの収集・整備を専業とする米新興企業XDOFが2026年6月17日、ステルス状態を脱して事業を公開しました。Thrive CapitalやSpark Capital、a16zなどから7000万ドルを調達済みで、最先端AI研究所を含む20社とすでに取引しているといいます。AIの次の難所はモデルやチップではなく、ロボットに物理世界との対話を教えるためのデータの供給網だという賭けに出ています。

背景には、大規模言語モデルが公開テキストの海で学習できたのに対し、ロボットは物理的な接触を捉えたデータをほとんど持たないという事情があります。YouTube動画やギグワーカーの撮影映像は精度が低く、現実世界と整合させるのが難しいのが実情です。共同創業者でCEOのフィリップ・ウー氏はUCバークレーの博士課程でこの鶏と卵の問題に直面し、まずデータ収集の手段を作る必要があると痛感したと振り返ります。

ウー氏らは安価な遠隔操作システム「GELLO」を開発し、人がロボットアームを操作して学習データを生成する仕組みで注目を集めました。これを足がかりに2024年10月、ロボット開発企業向けのデータ基盤を提供するXDOFを立ち上げます。データ提供だけでは行き詰まると考え、洗浄・ツール・注釈までを手掛けることで自己強化型のフィードバックループを築く狙いです。

出発点として同社はUCバークレーのAI研究所と組み、これまでで最大級と称する高品質なロボット学習データ群「ABC」を公開します。13万件の操作軌跡、300時間のシミュレーション、100時間の評価データを含み、Tシャツたたみや箱の平たん化、AirPodsの収納といった作業の学習にすでに活用されました。学術界がこの規模の事前学習データを使えるのは初めてだといいます。

同社はデータピラミッドの3層で事業を展開する計画です。最も価値が高いのは実際に配備するロボット上で集める遠隔操作データで、次が汎用的な遠隔操作データ、最後が人が日常作業を行う一人称視点データで、ここでは独自の装着型センサーを開発します。なぜ大手研究所が自前でやらないのか。数十万平方フィートの倉庫と数百台のロボット、その校正と操作者育成が必要で、多くの研究所は外部委託を選ぶとウー氏は説明します。

社名のXDOFはロボット工学用語「自由度（degrees of freedom）」をもじったものです。人間の腕は肩から手首まで7自由度、Figure AIの最新ロボットは30自由度を持ちます。頭の「X」には任意かつ無限の自由度を目指すという同社の野心が込められています。物理AIが次のフロンティアとなる中、地味で泥臭いデータ収集こそが競争の鍵になるのか、注目が集まります。

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。

Googleは6月16日、家庭向けのデジタルウェルビーイング施策を相次いで発表しました。柱は、保護者がアプリで子どものスマートフォン利用を管理できるAndroidペアレンタルコントロールの全端末への拡大です。あわせて米国のデジタルウェルビーイング基金を5000万ドル超に増額し、夏休みの画面時間との付き合い方も提案しました。

ペアレンタルコントロールは、これまでPixel向けに提供してきた機能を、Android 17に更新した全端末へ広げます。設定はAndroidの設定画面内に集約され、簡単なPINで保護されます。1日あたりの利用時間の上限設定、夜間に端末を自動ロックするダウンタイム、Google Playのコンテンツ年齢制限、特定アプリの時間制限や利用停止などを保護者が管理できます。

この管理画面からは、位置情報の通知やアプリ購入の承認といった機能を持つGoogle Family Linkの設定にも直接進めます。端末本体の管理機能とFamily Linkを一カ所にまとめることで、保護者が子どものオンライン体験を把握しやすくする狙いです。

もう一つの柱が、子どもと10代の心の健康を支える米国のデジタルウェルビーイング基金の増額です。総額を5000万ドル超に引き上げ、健全なテクノロジーとの付き合い方や社会的孤立の解消に向けた新たな取り組みを後押しします。具体的には、10万人の若者のメンタルヘルスリテラシー育成を目指すActive Mindsや、Gemmaを活用したChild Mind Instituteの日記アプリなどを支援します。

さらにGoogleは、夏休み中の画面時間を前向きに使う3つの方法も紹介しました。ペアレンタルコントロールで土台を整え、Geminiのガイド付き学習やゲーム形式のAI Questsで学びを深め、動画をきっかけに工作や自由研究といったオフラインの遊びへつなげる、という流れです。

一連の発表は、子どもが安全にオンラインを学び探求できる環境づくりという、Google一貫の方針に沿うものです。経営者やリーダーにとっては、プラットフォーム事業者が安全対策と社会貢献をどう組み合わせ、信頼を築こうとしているかを読み解く好例と言えるでしょう。

MetaがスマートグラスへのAI顔認識導入を検討する中、警察や米軍に監視ツールを売るRank One Computing社のソフトを試験していたことが、米誌WIREDの報道で2026年6月15日に判明しました。両社のライセンス契約書がその証拠で、Ray-BanやOakleyのスマートグラスを動かすMeta AIアプリの試験版に紐づいていました。消費者向け量販機器への顔認識搭載を、同社がどこまで本気で探っていたかを示す内容です。

デンバーに本社を置くRank Oneは、売上の約8割を政府顧客から得る企業です。米連邦保安局は指紋採取なしに囚人の身元を確認する用途で同社の技術を使い、海軍の警察部門である海軍犯罪捜査局は動画解析ツールROC Watchを購入しました。米特殊作戦軍向けには1キロ先の顔を識別できる長距離顔認識を開発したとされ、軍事と消費者向けの境界が薄れている実態が浮かび上がります。

契約は顔認識に加え、カメラが写真や仮面ではなく本物の人間を捉えているか確認する生体検知（liveness detection）の利用も認めるものでした。最大1000万件の顔テンプレートに対応し、契約は現在も有効です。WIREDが確認したコードによると、Rank Oneの統合部分の名残が今月数百万人に配信されたアプリ内に休眠状態で残っていました。

ただし、スマートグラスに紐づく顔認識機能が利用者に対して有効化されたことは一度もありません。WIREDが社内名「NameTag」の未公開顔認識システムの存在を報じた翌日の6月5日、Metaは関連コードをアプリから完全に削除しました。同システムは休眠状態で、利用者がアクセスできるものではありませんでした。

Rank Oneは2015年設立で2026年2月にナスダック上場し、経営陣にはFBIの生体認証部門の元責任者やCIA・国防総省出身者が並びます。一方でNISTの試験では、同社アルゴリズムの誤判定率が性別や出生国によって大きく異なり、女性で高くなる傾向が示されました。米国では顔認識を規律する全国的なルールが乏しく、消費者向け企業による高性能顔認識の利用拡大に、専門家は歯止めのないリスクを警告しています。

Metaは6月15日、Facebook上で公開投稿を情報源とする新検索機能「AI Mode」を発表しました。ユーザーは「People」や「Marketplace」と並ぶ選択肢としてAI Modeを選び、自然な言葉で質問するだけで、プラットフォーム上の人々が実際に語っている内容に基づいた合成された回答を得られます。AIの競争で巻き返しを図るMetaにとって、自社サービスの利用を深める狙いがあります。

AI Modeは従来の「リンクの羅列」ではなく、Facebook GroupsやReelsを含む各サービスの公開コンテンツから答えを引き出します。生成された結果に対してユーザーがAIへ追加質問を重ねられる点も特徴です。基盤には同社のMuse Sparkモデルが使われ、今後はInstagramやThreadsの投稿を引用・推薦する機能へと拡張される見込みです。

この動きは、検索結果やAI概要にReddit投稿を活用するGoogleの手法と重なります。Metaも先月、Facebook Groupsの議論から回答を返すAI「Ask」タブを備えたReddit風アプリ「Forum」を静かに公開しており、公開投稿を答えの源泉とする戦略を強めています。

一方で課題も浮かびます。検証された情報源ではなく一般ユーザーの投稿を要約するため、古い情報や誤った情報が紛れ込む現実的なリスクがあるのです。同様の懸念は、Reddit上で展開するGoogleのAI Modeに対してもすでに指摘されています。

Metaは検索以外にも複数のAI機能を同時投入しました。コラージュ素材や動画の切り替え効果を加える編集ツールに加え、服装や髪型を変えられるAI写真プリセットも提供します。スポーツファンは「AI Edit」アイコンから好きなチームのユニフォームを仮想的に着られます。

今回の一連の発表は、FacebookのAIツールでサービスをより手放せないものにしつつ、収益源を多様化するという広い戦略を示しています。同社はFacebook・Instagram・WhatsApp向けに月額3.99ドルからのサブスクを開始済みで、AI関連の課金プランも今後拡充される見通しです。

米SpaceXが今週、史上最大規模となる新規株式公開（IPO）を実施し、イーロン・マスク最高経営責任者（CEO）が世界初の兆万長者となりました。TechCrunchのポッドキャスト「Equity」では、これを皮切りにOpenAIやAnthropicといったAI企業の上場が相次ぐ「熱いIPOの夏」が始まると議論されました。

注目すべきは、公開市場の資金が消費者向けサービスやSNSからAI研究所へと移りつつある点です。番組では、従来の代表的ハイテク銘柄群「FAANG」（メタ、アマゾン、アップル、ネットフリックス、アルファベット）に代わり、メタ、Anthropic、NVIDIA、グーグル、OpenAI、SpaceXを指す「MANGOS」という呼称が紹介されました。動画配信のネットフリックスが外れ、AI企業が複数加わった構図です。

AI企業同士の競争は上場のタイミングにも及びます。資本や投資家の関心には限りがあるため、OpenAIとAnthropicは互いに先んじて上場しようと動いているとされます。OpenAIが大幅な値下げに言及している点も、こうした短期的な競争の表れだと指摘されました。

一方で、SpaceXの成功に便乗して資金を調達する企業も相次いでいます。SpaceXが普及させた軌道上データセンターの構想を掲げて資金を募るスタートアップや、特別買収目的会社（SPAC）を通じて上場を狙う企業も登場しています。一兆ドル長者という見出し以上に、市場全体に広がるこうした波及効果が重要だとの見方が示されました。

さらにフォードやゼネラル・モーターズ（GM）といった自動車大手が、余剰の電池生産能力をデータセンター向け電力事業に転用する動きも出ています。AIがその用途だけでなく、各社の投資行動そのものを通じて既に経済を作り変えているとの指摘もありました。ただし、テスラやSpaceXの戦略をそのまま模倣しても成功するとは限らず、各社が独自の道を見いだせるかが今後の焦点となります。

米国で6月13日に開催中のトライベッカ映画祭2026で、生成AIを活用した実験的な短編が相次いで上映され、映画制作の新たな可能性を示しました。なかでも注目を集めたのが、Google DeepMindの『Dear Upstairs Neighbors』です。汎用モデルにプロンプトを与えるだけの手法ではなく、人間のアーティストが主導する専用ツールとしてAIを使う流れが鮮明になりました。

同作はPixarのベテラン、Connie Qin He監督がDeepMindの研究者と共同で制作しました。Pixar出身のデザイナーがPhotoshopやアクリル絵の具で描いた表現主義的なコンセプトアートを学習させ、その画風を一貫して再現できるようVeoとImagenのカスタム版を開発した点が特徴です。

制作チームは生成AIだけに頼らず、業界標準の3DソフトAutodesk Mayaで粗いアニメーションを先に作り込みました。その下絵をVeoに入力して映像を仕上げる工程をとることで、物語として破綻のない一貫したシーンを実現しています。これは生成AIが芸術家の創作を補助するあつらえの道具として機能した好例だと言えます。

一方でOpenAIが持ち込んだ作品は評価が分かれました。Palisades火災を再現した『Smoked』や写実的な映像の『Mauvais Soleil』はSoraなどを用いましたが、広角シーンが漫画的に見えるなど生成AI特有の限界が露呈しました。同社がSoraを完全に終了させた直後の出展でもあり、動画分野からの撤退をうかがわせます。

低予算での個人制作も注目されました。監督のAsh Koosha氏は計算コストわずか2千ドルで、イランの抗議デモを題材にした『Dreams of Violets』を一人で数週間で完成させました。Kling AI、Claude、Gemini、Nano Bananaを組み合わせた手法で、視覚面では平凡ながら力強い物語が支えとなっています。

記事は、プロンプトを与えるだけで商業的に通用する作品を量産する未来は来ないと結論づけています。むしろGoogleのような大手AI企業がスタジオと提携し、特定の制作工程に合わせた専用モデルを構築する方向が現実的だとみています。そうしたワークフローは、明確な創作ビジョンを持つ人間の芸術家が導いて初めて機能するのです。

オーストラリアのメルボルン大学の研究チームは6月13日、協働ロボットに人間の感情を読み取らせる手法を検証した研究を公表しました。表情に加えて対話の文脈も考慮する視覚言語モデル（VLM）を用い、40人の被験者を対象に、ロボットの感情認識能力が人間の評価にどう影響するかを実験しました。学部の卒業論文として研究を主導したSeung Chan Hong氏は、ロボットの身体能力だけでなく人間との対話面の革新が必要だと指摘します。

研究ではまず、被験者にロボットが物を手渡す動画を見せ、人間が示す感情を記述させてVLMを訓練しました。表情だけでなく、指を打つ・唇をすぼめるといった文脈的な手がかりも考慮させた点が特徴です。例えば眉をひそめる動作は怒りではなく集中を意味する場合があると説明します。

感情の意味の一致度を0から1で評価したところ、標準的な顔分析に頼る従来のAIが0.77だったのに対し、VLMは0.86を記録しました。Hong氏は、顔だけを短時間見るのではなく、人物の位置や行動、ロボットとの関わり方まで場面全体を捉えられた点が要因だと述べています。

第二の実験では、40人がVLMを使うロボットと対話しましたが、ロボットはわざと失敗するよう設定されました。失敗後、ロボットは相手の反応に合わせた適応的な謝罪か、定型文の謝罪を行います。被験者の31人が前者を好みました。

ただし調査では、感情的な適応よりもロボットの機能性がはるかに重要だと示されました。課題に失敗したロボットに対しては、謝罪の方法にかかわらず多くの被験者が信頼度を下げたのです。Hong氏は、個別の謝罪は社会的な潤滑油にはなるが、課題の失敗で失った信頼までは修復できないと語ります。

さらにVLMは、第三者視点の観察者とは近い判定を示した一方、本人が自己申告した感情との一致度は大きく低下しました。Hong氏は、VLMは外面的な社会的手がかりの優れた観察者だが読心術ではないと述べます。人々はロボットの努力を評価しつつも、最終的には有能な同僚を求めるという結論が示されました。

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。

OpenAIは6月11日、ChatGPTを単純なチャット画面から、仕事や私生活のあらゆる作業をこなすパーソナルAIエージェントへと作り変える計画を明らかにしました。同社が「スーパーアプリ」と呼ぶこの全部入りプラットフォームは、これまでで最大級の賭けであり、その成否を左右する立場にThibault Sottiaux氏が立っています。先月、同氏はChatGPTとCodexの両方を統括する中核製品責任者に就任しました。

Sottiaux氏は、OpenAIで最も急成長する収益源の一つとなったCodexの構築を主導してきた人物です。これまで開発者やAI研究者と向き合ってきた同氏が、今度は週間で約10億人が使う消費者向け製品の刷新を任されました。本人はこの役割について「とてもわくわくすると同時に、少し恐ろしい」と語っています。

スーパーアプリの実現に向け、OpenAIは動画アプリのSoraや科学者向けプラットフォームなど複数の独立製品をすでに閉鎖しました。これらを率いた幹部の多くは退社する一方、Sottiaux氏の社内での影響力は拡大し、現在はGreg Brockman氏に直属しています。閉鎖で生まれた資源は本プロジェクトに振り向けられましたが、中核チームは今も比較的小規模だといいます。

技術面では、スーパーアプリは主にCodexで駆動されると同氏は説明します。利用者が自然言語で頼むと、エージェントが裏側でコードを書き、API呼び出しを実行し、ウェブを操作してタスクを完了させますが、その過程は利用者には見えません。同社は昨年Operatorやその後継のChatGPT Agentで同様の試みをしましたが、いずれも普及しませんでした。Sottiaux氏はそれらを「時期尚早だった」とし、今はモデルの信頼性が十分に高まったと主張します。

OpenAIが描くのは、WeChatのようなアジア型スーパーアプリとは異なる構想です。米国などには既にGmailやクレジットカード、Venmoが普及しているため、同社のアプリは既存サービスへ接続する必要があります。今週はVisaとの提携でAIエージェントによる決済を可能にしたほか、メールやSlack、カレンダーとの連携も進めています。

最終的にOpenAIは、その下にあるウェブサイトやアプリ、APIを利用者が意識せず済むほど強力な共通インターフェースの構築に賭けています。ただしこの戦略は、基盤サービスを握る競合への依存という弱点も抱えます。Google やAnthropicとの競争が激化しIPOが迫るなか、同社はChatGPTのスーパーアプリ化で成長を再加速できるかが問われます。

イーロン・マスク氏のxAIが運営するチャットボット「Grok」が、女性の同意なき性的なディープフェイク画像・動画の生成と公開に依然として使われていることが、米メディアWIREDの調査で明らかになりました。親会社のSpaceXが金曜に史上最大級の新規株式公開（IPO）を控えるなか、AIの安全対策の不備が改めて問われています。

WIREDがGrok.com上に公開された数百件のリンクを精査したところ、その多くが性的なAI画像・動画につながっていました。対象には複数の著名人に加え、米下院議員のアレクサンドリア・オカシオコルテス氏も含まれます。動画の一部は写実的で、女性が巨大な男性の手に握られるなど、本人の意に反する状況を描いていました。

注目すべきは安全対策の格差です。Grokで生成に使われた指示文の一部を、OpenAIのChatGPTやAnthropicのClaude、メタのAIで試したところ、いずれも不適切として拒否しました。専門家は、Grokが年初の「脱衣」画像問題への反発を受け一部修正したものの、主要ツールの水準には達していないと指摘します。

xAIは1月以降、規制当局の調査や集団訴訟に直面してきました。同社は同意なき性的ディープフェイクの生成を禁じると繰り返し表明し、WIREDの指摘後には該当画像の多くが閲覧不能になりました。一方でマスク氏はGrokを「成人の上半身ヌードを許容すべき」とし、「Spicy」「Unhinged」といった刺激的なモードを残してきました。

金融面でのリスクも無視できません。SpaceXは5月、Grok関連を含む法的対応費として5.3億ドルを引き当てたと投資家に警告しました。提出書類では、これらのモードが評判の毀損や違法コンテンツ生成といった高いリスクをはらむと自ら認めています。

カナダのプライバシー当局はIPOを前に、xAIが当初から適切な安全策を講じず連邦法に違反したとの予備調査結果を公表しました。同社は新たな対策を導入したと説明しますが、当局は「その有効性が証明されていない」として、現時点で改善を評価していません。

アリゾナ大学のチー・クワン・チャン研究員が2026年6月11日、OpenAIのCodexを用いてブラックホール周辺のプラズマを模擬する新たな計算アルゴリズムを導出していると明らかにしました。従来の手法では極端な物理現象を現実的に再現できず、数十年にわたり研究の壁となってきた課題に、AIで挑む取り組みです。

チャン氏は、史上初のブラックホール画像を2019年に公開した国際協力プロジェクト「イベント・ホライズン・テレスコープ（EHT）」の一員です。チームは現在、M87銀河中心の超巨大ブラックホールを対象に、初の動画制作へ向けた観測を進めています。観測を科学的理解に変えるには、膨大なデータ処理と極限の物理を扱うシミュレーションが欠かせません。

最大の難所が、ブラックホール周辺のプラズマのモデル化です。高温で希薄な領域では電子とイオンがほとんど衝突せず、磁力線の周りを螺旋状に回ります。この運動を正確に追うには微小なタイムステップが必要で、世界最速のスーパーコンピューターでさえ、本来調べたい大きな挙動より粒子の細かな動きの計算に時間の大半を費やしてしまうのです。

そこでチャン氏は、粒子の運動を数学的に変換し、細かな螺旋を直接追わずに済む新手法に着目しました。手作業ですべての可能性を探るには膨大な時間がかかるため、Codexに候補アルゴリズムの導出と既知解との照合を任せたのです。生成された手法には誤りも多く含まれますが、検証可能であれば問題ないと同氏は言います。

Codexの特徴は、結論だけでなく数値手法そのものを提示し、研究者が検査・試験・物理的理解できる点にあります。「アインシュタインや優秀な学生、AIモデルから出た案だから受け入れるのではない。繰り返し試験して初めて受け入れる」とチャン氏は強調しました。検証と再現性に根ざす科学こそ、現在のAIの最良の用途の一つだとの見方です。

もしこの手法が成功すれば、ブラックホール周辺の数兆個の粒子を模擬できるようになる可能性があります。それは数十年にわたり手の届かなかった物理現象の解明につながると、同氏は期待を寄せています。

2026年の卒業シーズンにおいて、全米各地の大学でAIを礼賛する卒業式スピーチに対し学生がブーイングや野次を浴びせる動画が相次いで拡散しています。Microsoftの副会長兼社長であるBrad Smith氏が、この現象に対して3100語を超えるブログ記事で公式に反応しました。

Smith氏は「AIへの言及にしかめ面をしたりブーイングする卒業生は、私たちが聞くべきことを伝えている」と述べ、テクノロジー業界が基準を引き上げるべきだと融和的な姿勢を示しました。元Google CEOのEric Schmidt氏がアリゾナ大学で学生から厳しい反応を受けた事例や、フロリダ州でAIを「次の産業革命」と紹介したスピーカーがブーイングされた事例が代表的です。

しかしブログの実質的な内容は、AI推進の論調と大きく変わりません。Smith氏は「AIが文化や労働、人間関係を根本的に変える」と主張し、若い世代はテクノロジーとともに育ったため変化に適応しやすいと述べています。この姿勢は、まさに学生たちが反発しているテック業界の現実離れした態度そのものだという指摘もあります。

背景には、テック企業の経営者たちがかつてAIの壊滅的影響を警告しながら、IPOなどの事業上の理由からその主張を撤回した経緯があります。OpenAIのSam Altman氏やAnthropic CEOが雇用への悪影響論を後退させたことで、消費者の間にはテック業界全体への不信感が広がっています。同意なくあらゆる製品にAIが組み込まれる現状や、大規模データセンターへの反発も政治的争点になりつつあります。

Microsoftの声明は、怒る卒業生に向けたものというより、こうした動画を冷笑するC-suite幹部層に向けたメッセージだとも解釈できます。Smith氏はXへの投稿で「AIは人に奉仕すべきであり、人を置き換えるべきではない」と述べましたが、そもそもそうしたリマインドが必要な状況こそが問題の本質です。

Googleは2026年6月、検索サービスで利用される画像・音声・動画データの保存方法を変更すると発表しました。新たに「Search Services History」という設定を導入し、Google Lensで検索した画像、リアルタイム音声検索機能Search Liveの録音、Google翻訳に入力された音声などを保存対象とします。保存データはAIモデルの開発・改善を含むサービス向上に活用されます。

この設定はこれまでの「ウェブとアプリのアクティビティ」から独立した項目として新設されます。従来は検索関連のデータ保存が同一設定にまとめられていましたが、今後は検索サービス履歴とパーソナライズ推薦がそれぞれ個別の設定として管理されるようになります。

ユーザーはSearch Services History設定をオフにし、「Save Media」オプションを無効化することで、これらのデータ保存を拒否できます。すでにウェブとアプリのアクティビティで検索履歴の保存をブロックしていたユーザーについては、移行後も自動的にオフの状態が維持されます。

新設定は今後数か月かけて順次展開される予定です。Googleは広告のパーソナライズにもこのデータを活用する方針ですが、「Personalized Recommendations」設定で個別に制御可能としています。AI活用が加速するなか、ユーザーデータの収集範囲拡大とプライバシー保護のバランスが改めて問われる動きです。

Googleは2026年6月10日、ブラウザChromeに組み込まれたAIアシスタント「Gemini in Chrome」の提供地域を、中南米・アフリカ・中東などへ新たに拡大すると発表しました。デスクトップとiOSのユーザーが対象で、Webページの要約や複数タブにまたがる情報の比較といった機能を利用できるようになります。

Gemini in Chromeの特徴は、Googleの各サービスとの深い統合にあります。ユーザーはページを離れることなく、Calendarでの会議設定、Mapsでの位置情報確認、Gmailでのメール作成・送信、YouTube動画への質問などが可能です。ブラウジング体験を中断しない設計が、業務効率の向上を後押しします。

新機能として、テキストプロンプトでオンライン画像を加工できる「Nano Banana 2」が追加されました。また、過去の会話コンテキストを記憶する機能が搭載され、継続的なやりとりがよりスムーズになっています。さらに「Personal Intelligence」では、Gmail・Photos・YouTube・Searchと連携し、個人に最適化された回答を提供します。

セキュリティ面では、既知の脅威を認識するようモデルが訓練されており、プロンプトインジェクションなどの攻撃に対する安全策が組み込まれています。機密性の高い操作を実行する前にはユーザーの確認を求める仕組みも備わっており、利便性と安全性の両立を図っています。

独立系音楽家のグループが、GoogleがYouTubeにアップロードされた楽曲を無断で音楽生成AI「Lyria 3」の訓練に使用したとして提訴しました。Googleは棄却申し立てを行い、原告が具体的な使用を証明できていないと反論するとともに、仮に使用していたとしてもYouTubeの利用規約が許可していると主張しています。

Googleの対応には、過去の公式発言との整合性が問われています。2024年4月にはYouTube CEOのニール・モハン氏がBloombergの取材で、YouTube動画の「一部」がGeminiなどのモデル訓練に内部的に使われている可能性があると発言しました。さらにGoogleはCNBCに対し、YouTube投稿がGeminiやVeoの訓練に使われていることを公式に認めています。

しかし、Lyria音楽モデルについてはGoogleは確認を拒否しています。棄却申し立ての中では、アップロードによりユーザーが「複製、配布、二次的著作物の作成」を許諾する利用規約に同意していると主張しており、事実上の使用を示唆しつつも明言を避ける姿勢を貫いています。

The Vergeは、Googleが明白な事実を認めない理由について、訴訟係争中において「もっともらしい否認可能性」を維持する計算された戦略だと分析しています。AIによる創作物の著作権問題が各所で争われる中、YouTube上の膨大なコンテンツをAI訓練に利用する是非は、クリエイターと大手テック企業の関係を左右する重要な先例となる可能性があります。

テック業界を象徴する企業群の略称が、従来のFAANG（Facebook、Amazon、Apple、Netflix、Google）からMANGOS（Meta、Anthropic、Nvidia、Google、OpenAI、SpaceX）へと移り変わろうとしています。SpaceXが6月13日に記録的なIPOを控え、AnthropicもIPO申請を済ませ、OpenAIが非公開でIPO申請を行うなど、AI企業と宇宙企業の大型上場が相次ぐことがこの変化を加速させています。

MANGOSという新しい略称は、開発者の@krishdotdevと@lilscootがX上で提案したもので、現在SNSで急速に拡散しています。FAANGが「牙」を連想させる攻撃的な響きだったのに対し、MANGOSは果物の甘い響きを持つ点も話題を呼んでいます。

もちろんFAANGが完全に消滅するわけではありません。Amazonのクラウド事業やNetflixのストリーミングサービスは依然として強力です。しかし、eコマースや動画配信よりも、AIやエージェント技術、宇宙開発を手がける企業群がテック業界の新たな中心になりつつあるという認識が広がっています。

TechCrunchの記事は、自律型AIの時代が健全な経済基盤をもたらすのか、それとも雇用喪失と経済的困窮を招くのかという問いを投げかけて締めくくっています。MANGOSの各社が今後どのような社会的価値を生み出すかが、この新しい略称の寿命を左右することになるでしょう。

Hugging FaceのエンジニアMishig Davaadorj氏が2026年6月9日、AIコーディングエージェントが2つのHugging Face Spacesを連鎖させてパリの名所を3Dガウシアンスプラットで表示するギャラリーサイトを自動構築した事例をブログで公開しました。画像生成にはIdeogram4、単一画像からの3D再構成にはTripoSplatが使われ、エージェントは画像生成からファイル圧縮、ビューア構築、デプロイまでを一貫して実行しました。

この事例の技術的な核となるのが、Gradio Spaceが自動公開するagents.mdという仕様ファイルです。agents.mdにはAPIスキーマのURL、エンドポイントの呼び出し方法、ファイルアップロード手順、認証方式がプレーンテキストで記載されており、エージェントはクライアントライブラリやSDKなしでSpaceを操作できます。これにより、異なる組織が開発した最先端モデル同士を統合コードゼロで連鎖させることが可能になります。

Davaadorj氏はMitchell Hashimoto氏が提唱する「ビルディングブロック経済」の概念を引用し、AIがゼロからの構築よりも実績あるコンポーネントの組み合わせに優れている点を強調しています。従来コードライブラリの文脈で語られてきたこの考え方が、画像生成・動画・音声・3Dなどマルチメディア領域にも波及しつつあるという見解を示しました。

実用性を示す証拠として、パリのギャラリー構築後に同じパイプラインで日本とエジプトのギャラリーも「1文の指示」で量産できたことが報告されています。エッフェル塔やカルナック神殿、姫路城など各国6つの名所が3Dスプラットで再構成され、Three.jsベースのビューアにスクロール切替やドラッグ回転のUIが実装されました。人間が介入したのは「もう少しズームアウトして」「オベリスクを別の建造物に差し替えて」といった審美的な判断のみでした。

この事例は、モデルの統合に伴うSDK管理やGPU確保、入力形式の変換といった障壁がagents.mdによって大幅に低下したことを示しています。「プロンプトから回転する3Dモニュメントを生成する」という作業が、かつてはプロジェクト単位の取り組みだったものが、パイプラインの1ステップに縮小されたとDavaadorj氏は述べています。

スイス在住のブランドコンサルタント、リリアン・シュミットさんは、3歳半の娘の寝かしつけに毎晩2〜3時間を費やしていました。専門家の助言がすべて失敗した末にChatGPTに相談したところ、従来と正反対のアドバイスが功を奏し、5分で娘が眠りについたといいます。この体験をきっかけに「AIを共同育児者にした」というTikTok動画を投稿し、3週間でフォロワーが2万7000人に急増しました。

シュミットさんのような「AI育児インフルエンサー」が急増しています。独自のAI育児プロンプトを37ドルで販売したり、母親向けにAI活用のコンサルティングを行うなど、新たなビジネスモデルも生まれています。元テックコンサルタントのサラ・ドゥーリーさんは、歯磨きの歌の作成やベビーシッターへの連絡にAIを活用し始め、現在は「AI-Empowered Mom」というブランドでフルタイムの事業を展開しています。

一方で、AI利用には深刻な男女格差が存在します。2025年の調査によると、女性は男性より20%以上、日常生活で生成AIを使う割合が低いとされています。「Mother AI」創業者のステファニー・ルブラン＝ゴッドフリーさんは、AI業界が「白人・男性・旧態依然」な開発者層に偏っており、母親のニーズを反映していないと指摘します。また、AIに頼ることを「ズル」と感じる「母親の罪悪感」も利用の妨げになっています。

こうした動きには批判もあります。記事の筆者自身がAI育児を試みたところ、日常タスクをプロンプトに入力する作業自体がストレスとなり、家事責任が依然として女性に集中している構造的問題を突きつけられたと述べています。夫はClaudeを株式投資や建築の仕事に使っているものの、誕生日会や通院の管理には使おうとしないという実態も紹介されています。

AI育児ツールは掃除機や洗濯機と同様、家事を効率化する一方で女性を家庭に縛り続ける道具になりかねないとの懸念が残ります。ルブラン＝ゴッドフリーさんは「これらのツールは時間に余裕のある人のために作られた。母親にはその余裕がない」と述べ、テクノロジーだけでは家事分担の根本的な不平等は解消されないと警鐘を鳴らしています。

OpenAIが数週間以内にChatGPTを大幅に刷新し、コーディングツールやAIエージェントを統合した「スーパーアプリ」として再構築する計画であることが、Financial Timesの報道で明らかになりました。同社コア製品・プラットフォーム責任者のティボー・ソティオー氏は、個人生活から仕事まであらゆる場面で支援する「パーソナルエージェント」の実現を目指していると語っています。

この戦略転換の背景には、Anthropicとの競争激化があります。特に法人顧客の獲得で後れを取っているとの認識から、ChatGPTを無料ユーザーがCodexなどの有料製品に触れる入口として位置づけ、収益化を加速させる狙いです。社内幹部が「チャットは終わった」と発言するほど、従来のチャットボット路線からの脱却を鮮明にしています。

OpenAIのスーパーアプリ構想は2025年から報じられてきましたが、今回はIPOを控えた収益性向上という具体的な経営課題と結びついている点が新しい要素です。同社は2025年に動画生成ツールSoraなど複数の単独製品を投入しましたが、経営陣はこれらを「寄り道」と表現し、すでに整理を進めています。

ChatGPTの月間ユーザー数は膨大ですが、その大半は無料ユーザーです。スーパーアプリ化によって有料転換率を高められるかが、OpenAIの企業価値を左右する重要な試金石となります。Anthropicが法人向けで急成長するなか、OpenAIがプラットフォーム戦略でどこまで差別化できるかが注目されます。

米インディアナ州シェルビービル市のスコット・ファーガソン市長が2026年6月、約20億ドル規模のデータセンター建設に反対する住民を侮辱したとして批判を浴びています。市内に掲げられた「データセンター反対」の看板について、市長が「見かけるのはぼろ家ばかりだ」「ほとんどが賃貸だ」と発言する様子が動画で拡散し、政治的な火種となりました。

発言を撮影した動画の中で、対話していた女性はすぐに「私たちは働く世帯だ」と反論しています。別の住民も「賃貸かどうかは関係ない。彼らも同じ人間だ」と指摘し、市長の差別的な物言いに対する抗議の声が上がりました。

シェルビービルの住民は、市長が自らの有権者に向けて使った見下すような言葉に強い不快感を示しています。地元テレビの取材に応じた女性は、市長の発言を「失礼で、傷つく言葉だ」と語りました。データセンター誘致を巡る賛否が、住民感情を逆なでする形で深刻化しています。

市長はその後の追加コメントを控えていますが、市長室の広報担当者は「言葉の選び方が不快感を与えたかもしれないことを市長は遺憾に思っている」との声明を出しました。ただし発言の撤回や明確な謝罪には踏み込んでおらず、収束の見通しは立っていません。

AIブームを背景に全米でデータセンター建設が急増する中、地域社会との摩擦は各地で顕在化しています。雇用や税収への期待がある一方、騒音や電力・水資源への負担を懸念する住民は少なくありません。今回の一件は、誘致を進める自治体が住民との対話をいかに丁寧に進めるかという課題を改めて浮き彫りにしました。

Metaは2026年6月4日、FacebookにAIクリエイターアシスタントを導入すると発表しました。このアシスタントはクリエイターのコンテンツスタイル、パフォーマンス、コミュニティ、目標に基づいてパーソナライズされた提案を行います。従来はダッシュボードやグラフを自分で読み解く必要がありましたが、会話形式で「いつ投稿すべきか」「コメントの反応は」といった質問に即座に回答します。

AIアシスタントはパフォーマンス分析にとどまらず、トレンド音声や文化的なイベントに基づいた新しいコンテンツのアイデアも提案します。クリエイターはフォローアップの質問を重ねることで、オーディエンスの変化など特定のトピックをより深く掘り下げることもできます。提供地域は現時点で米国・カナダ・インドに限定されていますが、今後拡大予定です。

この施策の背景には、TikTokやYouTubeとのクリエイター争奪戦があります。AI支援機能をアプリ内に組み込むことで、クリエイターがChatGPTなど外部ツールに頼る必要をなくし、Meta経済圏内での活動完結を促す狙いがあります。クリエイターの投稿頻度が上がれば、ユーザーエンゲージメントの向上にも直結します。

Metaは同時に、AI翻訳リールの対応言語にアラビア語、インドネシア語、フランス語、タイ語、ベトナム語を追加しました。翻訳ではクリエイターの声色やトーンが保持され、リップシンク機能で口の動きも同期できます。Facebook上でAI翻訳動画を視聴するユーザーは週5億人を超えており、言語の壁を越えたリーチ拡大がクリエイターの定着を後押ししています。

Google for Startupsは2026年6月4日、生成メディアがスタートアップに与える影響をまとめたレポート「Future of AI: Perspectives on generative media for startups」を公開しました。起業家や投資家、業界リーダーへの取材をもとに、今後の創作・ビジネスの変化を予測しています。

レポートではまず、動画制作コストの低下により静的コンテンツが後退すると予測しています。Synthesia共同創業者のVictor Riparbelli氏は、研修やB2Bサイトで短尺動画がテキストに取って代わると述べました。一方、OpusClipのGrace Wang氏は、AIが生成する映像が「魂のない均質なもの」にならないためには人間の物語判断力が不可欠だと指摘しています。

映画制作にも変革が及びます。MagnificのJoaquín Cuenca Abela氏は、3年以内に個人が長編映像を制作できる時代が来ると予測しました。書籍を一人で書くように、AIの力を借りてスタートアップが本格的な映像作品を生み出せるようになるとしています。

インターフェースの進化も注目点です。Lux CapitalのGrace Isford氏は、脳コンピュータインターフェースが思考を読み取り、心の延長として機能する時代が近づいていると語りました。キーボードに依存しない新たな操作体系への移行が始まっています。

創業者の役割も変わります。Google LabsのJaclyn Konzelmann氏は、Pomelliなどのツールによりデザインスキルの壁が崩れ、創業者自身がクリエイティブディレクターとして活動できるようになると述べました。Leonardo.AiのSami Ede氏は触覚パターンもブランドツールになり得ると展望しています。