AIによる検索結果の生成

新しい検索ページの形

Googleは生成AIを使って、Google検索結果ページ全体を整理する計画を発表しました。これは検索クエリによって異なりますが、AI生成のレビューの要約やソーシャルメディアのディスカッション、提案のリストなどが表示される可能性があります。

具体的な利用シーン

例えば、旅行の計画をしているときや、レストランの選択やレシピの検索を行うときなど、ユーザーがインスピレーションを求めているときに、AI強化された結果ページを表示します。将来的には映画、書籍、ホテル、eコマースなどの検索にも対応する予定です。

Gemini LiveとProject Astra

Geminiの進化

GoogleはAIチャットボット「Gemini」を改良し、より高度な理解力を持たせました。新しい「Gemini Live」体験は、スマートフォンでGeminiと「深い」音声チャットを楽しむことができます。

インタラクティブな機能

ユーザーは話している途中でGeminiに質問を挟むことができ、リアルタイムで話し方に適応します。また、スマートフォンのカメラで撮影した写真やビデオを通じて周囲の環境に応じて応答します。Gemini Liveは、ユーザーがいる場所や壊れた自転車の部品の名前などについて質問に答えることができます。

Project Astraの役割

この技術革新は、リアルタイムでの多モーダルな理解を目指すDeepMindの新プロジェクト「Project Astra」から生まれました。

Google Veo

Veoの機能

GoogleはOpenAIのSoraに対抗するため、テキストプロンプトを与えると1分程度の1080pビデオクリップを作成できるAIモデル「Veo」を開発しました。Veoは、風景のショットやタイムラプスなど、さまざまなビジュアルスタイルやシネマティックスタイルを捉えることができ、すでに生成された映像の編集や調整を行うことができます。

具体的な使用例

例えば、「パン」、「ズーム」、「爆発」といった指示でカメラの動きやVFXを理解し、現実的な動画を生成します。さらに、特定のエリアの編集や静止画像からの動画生成も可能です。

Veoはまた、ビデオの特定の領域を変更するためのマスク編集をサポートしており、Stability AIのStable Videoのような生成モデルを使って静止画像からビデオを生成することができます。おそらく最も興味深いのは、ストーリーを語るプロンプトのシーケンスを与えると、Veoは1分以上の長いビデオを生成できることです。

Ask Photos

Google Photosの進化

Google Photosに新しい実験的な機能「Ask Photos」が登場します。これはGeminiファミリーの生成AIモデルによって支えられています。

自然言語検索

この機能を使うと、写真コレクションを自然言語で検索できます。例えば、「訪れた国立公園ごとにベストな写真を見つけて」といった複雑な検索が可能です。Geminiは照明や背景のぼやけ具合、ジオロケーション情報や日付を基に最適な写真を選び出します。

GeminiによるGmailの強化

メールの整理と要約

Gmailのユーザーは、Gemini のおかげで、メールの検索、要約、下書きができるようになります。また、返品処理の手伝いなど、より複雑なタスクのためにメールに対してアクションを起こすこともできるようになります。
I/O のデモでは、親が学校から届いた最近のメールをすべて要約するよう Gemini に頼むことで、子供の学校で何が起こっているのかを把握できる様子が紹介されました。Gemini は、メール本文に加えて PDF などの添付ファイルも分析し、要点とアクションアイテムを含む要約を吐き出します。

自動化されたワークフロー

Gmail のサイドバーから、ユーザーは Gemini にメールからレシートを整理して Google Drive のフォルダに入れたり、レシートから情報を抽出してスプレッドシートに貼り付けたりするよう頼むことができます。これが頻繁に行うことであれば（例えば、出張費を追跡するビジネス旅行者として）、Gemini は将来的にワークフローを自動化することも提案してくれます。

電話中の詐欺検出

詐欺警告機能

Googleは、通話中に詐欺の可能性を警告するAI機能をプレビューしました。この機能は、Gemini NanoというGoogleの生成AIの最小バージョンを使用します。

プライバシー配慮

この機能はオプトイン（任意参加）であり、会話のパターンをリアルタイムで監視して詐欺の可能性を検出しますが、音声がクラウドに自動的にアップロードされないため、プライバシーリスクは軽減されます。

アクセシビリティのためのAI

TalkBackの強化

Googleは、視覚障害者向けのAndroidのアクセシビリティ機能「TalkBack」に生成AIを導入します。これにより、画像の説明を音声で提供することができます。

実用例

例えば、TalkBack は服の記事を次のように説明するかもしれません。「黒と白のギンガムチェックのドレスのクローズアップ。ドレスは襟付きの長袖の短いドレスで、大きなリボンで腰で結ばれています。」

Google によると、TalkBack ユーザーは 1 日に約 90のラベルの付いていない画像に遭遇するそうです。Nanoを使用することで、このシステムはコンテンツについての洞察を提供することができ、誰かがその情報を手動で入力する必要性を無くすことができるかもしれません。

(Via Tech Crunch.)

Safari 18の新機能は？

次期Safari 18には、Appleユーザーのブラウジング体験に革命をもたらすエキサイティングな機能が満載されています：

• ユーザーインターフェイスの刷新： 新しいブラウザでは、アドレスバー内の便利な位置にある再設計されたページコントロールメニューが搭載され、新旧両方のツールにすばやくアクセスできるようになります。
• インテリジェント検索： AppleのオンデバイスAI技術、特にAjax言語学習モデルを搭載したこの機能は、Webページ内のトピックやキーフレーズを識別し、簡潔な要約を生成します。正確な実装はまだ不明ですが、AppleがOpenAIのChatGPTのような生成AIツールに匹敵する高度なテキスト要約機能を提供しようと努力していることは明らかです。




• Web消しゴム： この革新的な機能により、ユーザーはバナー広告、画像、テキスト、セクション全体など、Webページの特定の部分を簡単に削除できるようになります。変更は閲覧セッションをまたいで持続し、ユーザーは必要に応じて、変更されていない元のWebページの状態に戻すことができます。



• ビジュアル検索： 2025年に統合される予定ですが、Appleは、ユーザーが画像をブラウズして消費者製品の情報を取得できるようにする強力なビジュアル検索機能も開発しています。既存のVisual Lookup機能と同様に、このツールはシステム全体に実装される可能性があり、ユーザーはSafariで直接ビジュアル検索を行うことができます。

統一されたブラウジング体験

新機能に加えて、Safari 18はiPadOSとmacOSのブラウジング体験のギャップを埋めることを目指しています。新しいページコントロールメニューは、これまで異なるメニューや共有シートに分散していた様々なオプションを統合し、ユーザがより発見しやすく、アクセスしやすくします。

Webブラウジングの未来

Safariの機能強化に対するAppleの取り組みは、安全かつ効率的で、豊富な機能を備えたブラウジング体験をユーザーに提供するというAppleの決意を示すものです。

オンデバイスのAIテクノロジーを活用し、ユーザーのプライバシーを優先することで、Safari 18は、拡大するジェネレーティブAIツールやサードパーティの広告ブロックに対抗する態勢を整えています。

注意事項

前述の機能は現在テスト中ですが、そのすべてが最終リリースになるとは限らないことに注意が必要です。Appleは開発プロセス中に機能を延期したり、キャンセルしたりすることがよくあるため、最終的にどの機能拡張が採用されるかは様子を見る必要があります。

今後の展望

6月10日に開催されるAppleの年次世界開発者会議(WWDC)でiOS 18とmacOS 15が正式に発表されるのを心待ちにしていますが、AppleがWebブラウジングの未来に大きな計画を持っていることは明らかです。

Safari 18とともに、iPadOS 18では計算ノートを備えた電卓が刷新されるほか、フリーフォームシーンやアダプティブボイスショートカットといったOSの新機能も期待できます。

Appleのエコシステム全体にAI関連の機能強化が導入されることで、私たちのデバイスとの関わり方は大きく変わるでしょう。

(Via Apple Insider.)

AppleのAIに対する慎重なアプローチ

Appleは、いくつかの理由から生成AIに急いで参入していません。まず、同社には新技術に対する確立されたアプローチがあり、他社が最先端の問題に取り組むのを待ってから、優れたユーザーエクスペリエンスを提供して市場に参入することを好みます。

次に、Appleはプライバシーを重視し、個人情報をサーバーに送信するのではなく、できるだけ多くのデータをデバイス上で処理することを目指しています。

最新のApple Watchモデルでのオフライン版Siriの導入など、この方向への小さな一歩は既に見られます。さらに、Appleは物議を醸すことを避ける傾向があり、生成AIは時に非常に的外れな応答を生成することで知られています。

AppleにとってのAI元年

Appleの慎重なアプローチにもかかわらず、これ以上待つことは現実的ではないことは明らかになりました。2024年がAppleが生成AIを全面的に受け入れる年になることを示す証拠が蓄積されています。

1. BloombergはAppleがiOS 18を史上最大規模のiOSアップデートの1つと呼び、AIを主な焦点としていると報じました。
2. Financial TimesはSiriが今年中にChatGPTスタイルの生成AIモデルを搭載すると示唆しました。
3. 9to5MacはiOS 17.4ベータ版で、Appleが生成AI技術を搭載した新バージョンのSiriを開発中であることを示す証拠を発見しました。
4. Tim Cook CEOは、同社が「今年後半にこの分野（AI）での進行中の取り組みの詳細を共有することを楽しみにしている」と述べました。

手がかり1：Siriの当初のビジョン

Siriの最大の弱点の1つは、他のアプリと有意義に連携できないことです。これはまさに、Siriを本当に便利で賢いアシスタントに変え、現在は人間のPAが行っているタスクを実行できるようにするために必要なことです。

興味深いことに、これはAppleに買収される前のSiriの当初のビジョンでした。このアプリのサードパーティ版は42の異なるサービスと統合されていましたが、Appleはより信頼性の高い少数のことに集中するためにこれを削除しました。

元のSiriチームはその後、サードパーティアプリとの深い統合により複雑なタスクを実行できる新しいインテリジェントアシスタントであるVivを作成しました。2016年の時点で、Vivは近くのレストランからカスタマイズしたピザを注文するなどのリクエストを処理でき、より連携の取れたAIアシスタントの可能性を示していました。

手がかり2：ユーザーの意図を理解する生成AIの能力

近年、生成AIは大きな進歩を遂げており、その最も印象的な特徴の1つは、ユーザーの意図を理解する能力です。

SiriがUber、Booking.com、航空会社などのサードパーティアプリやサービスと効果的に連携し、私たちの要求を解析できれば、複数のアプリを使って複雑なタスクを実行する可能性が開かれます。

手がかり3：アプリとのインタラクションに関するAppleの研究

最近のAppleの研究論文では、アプリ画面を理解するために設計された生成AIシステムであるFerret-UIの開発が説明されていました。この論文では、おそらく意図的に、潜在的な応用について曖昧な表現をしていましたが、最も興味深い可能性は、はるかに高度なSiriです。

Siriに「明日JFKからボストンへの便をチェックし、運賃が200ドル以下で午前10時までに到着する便の座席を予約して」のような指示を与えると、Siriは航空会社のアプリと連携してタスクを実行します。

iOS 18 Siriの可能性

これらの手がかりを組み合わせることで、私たちは生成AIを使って私たちの要求を理解し、人気のある既存のサービスと連携し、iPhone上の他のアプリと対話する、まったく新しいSiriを想像できます。

これにより、Siriは私たちの好みと使用するアプリに基づいて、会議のフライトとホテルを提案し、予約するなどの複雑なタスクを処理できるようになるかもしれません。

Siriがすべてを自律的に処理することを期待するのは野心的すぎるかもしれませんが、選択肢を提示し、私たちが選択した後に必要な予約を進めることはできると考えるのが妥当でしょう。

(Via 9to5Mac.)

INDEX

• はじめに
• AIを収益化するGoogleの苦闘
• Appleとのつながり
• 意味合いと可能性

はじめに

テクノロジーの世界は常に進化しており、最新の話題は、GoogleがそのプレミアムジェネレーティブAI機能へのアクセスをAppleユーザーに課金する可能性を巡って展開されています。

AppleがiOS 18のリリースの一環として、AI App Storeの立ち上げを計画しているという噂の中での出来事です。

AIを収益化するGoogleの苦闘

Googleは長年、人工知能の開発と展開においてリーダー的存在でしたが、こうしたツールの収益化において課題に直面してきました。

従来の検索事業や広告事業とは異なり、AIを活用した機能は収益源を広告に依存していません。そのため、Googleは新たな収益化の道を模索しており、Appleのユーザーがその有力なターゲットになる可能性があるようです。

Financial Timesが引用した匿名の情報筋によると、GoogleはジェネレーティブAI技術による有料のプレミアム機能の提供を検討しているとのことです。これは、Googleが広告なしのオプション以外のコアプラットフォーム機能に対して独占的に課金する初めてのケースとなります。

Appleとのつながり

詳細は不明ですが、噂されているGoogleの動きは、Apple自身のAIへの野心と関連しているようです。

AppleはiOS 18のユーザーにGoogleのAIを搭載した検索ツールであるGeminiへのアクセスを提供するためにGoogleと交渉中であるとささやかれています。さらに、AppleはAI App Storeに取り組んでいると伝えられており、Googleが提供するものを含むプレミアムAI機能へのアクセスを顧客が支払うためのプラットフォームとして機能する可能性があります。

これらの噂は別個のものですが、小規模なオンデバイスAIモデルを提供する一方で、大規模な言語モデル（LLM）をGoogleのような既存のプレイヤーに委託するという、Appleの広範な戦略の一部であるように見えます。

Googleと提携することで、Appleは独自のLLMをゼロから開発するために多額の投資をすることなく、AI機能を迅速に強化することができます。

意味合いと可能性

これらの噂が事実であると証明されれば、GoogleとAppleの両社だけでなく、より広いテクノロジー業界にも大きな影響を与える可能性があります。

Googleにとっては、AppleのユーザーにプレミアムAI機能へのアクセスを課金することで、広告以外のビジネスの多様化を支援し、切望されていた新たな収益源を提供できる可能性があります。

Appleにとっては、Googleと提携し、AI App Storeを立ち上げることで、同社がAI分野の主要プレーヤーとしての地位を急速に確立することができます。厳選されたプレミアムAIツールや機能を提供することで、Appleは新たなユーザーを獲得し、アプリの販売やサブスクリプションを通じてさらなる収益を得ることができます。

さらに、この2つのテック・ジャイアントのコラボレーションは、幅広いアプリケーションや業界におけるAI技術の採用を加速させる可能性があります。より多くのユーザーがモバイルデバイスを通じて強力なAIツールにアクセスできるようになれば、イノベーションと生産性向上の急増が期待できます。

(Via Apple Insider.)

この決定は、同社の主力製品をより広く利用できるようにするという同社のアプローチに大きな変化をもたらすものです。しかし、人生のほとんどのことと同様に、落し穴があります。

制限のある合理化された体験

ユーザーはChatGPTに参加するためにログインする必要はなくなりますが、アカウントを持っているユーザーと完全に同じ体験ができるわけではありません。

chat.openai.comにアクセスすると、ユーザーはログインユーザーと同じモデルを使用して、すぐにAIとの会話に入ります。難点は？いくつかの機能がなくなります。

利用できなくなる機能

• チャットの保存と共有
• カスタム指示の使用
• 永続的なアカウントが必要なその他の機能

これらの制限にもかかわらず、ユーザはトレーニング目的でのチャットの使用をオプトアウトすることができます。

これは、右下の小さな「? 」マークをクリックして「設定」を選択し、そこで機能を無効にすることで可能です。

より厳しいコンテンツポリシー

OpenAIは、このChatGPTの特別無料版では、”より制限の厳しいコンテンツポリシー “になると述べています。Tech Crunchが詳細を尋ねると、広報担当者はやや曖昧な返答をしました：

サインアウトした体験は、有害なコンテンツの生成を拒否するなど、すでにモデルに組み込まれている既存の安全性緩和の恩恵を受けることができます。
これらの既存の緩和措置に加えて、サインアウト体験に不適切な可能性のある他の形式のコンテンツに対処するために特別に設計された追加的な保護措置も実施しています。

同社は、GPT-3.5の機能を理解し、完了したリスク評価に基づいて、ログアウトしたサービスが不適切に使用される可能性のある方法を検討したとしています。しかし、これらの制限的なポリシーの具体的な内容はまだ不明です。

影響への備え

この新しいサービスが展開されるにつれ、OpenAIはこのモデルを悪用し武器化しようとする前例のない規模の試みに直面する可能性があります。推論はまだ高価であり、GPT-3.5モデルは電力とサーバースペースを必要とするため、同社はそのプラットフォームの使用が財政的な負担を引き起こすという立場に気づくかもしれません。

悪用される可能性がある場合の対応策について尋ねると、広報担当者はまたしても言葉足らずの、しかしほとんど情報のない回答をしました：

また、サインアウトしたエクスペリエンスの悪用をどのように検出して阻止できるかについても慎重に検討しており、悪用の検出、防止、対応を担当するチームがこのエクスペリエンスの設計と実装全体に関与しており、今後もその旨を通知し続けます。

OpenAIは、ChatGPTをより利用しやすくするために生じる課題に対処するために、積極的ではなく、むしろ消極的なアプローチを採用しなければならないかもしれません。

ロールアウト

ウルトラフリーのChatGPTは、いくつかの市場から始めて徐々に展開され、最終的には世界中に拡大する予定です。どの地域やグループが最初にアクセスできるようになるかは明らかではありませんが、興味のあるユーザーは定期的にチェックして、自分が幸運なグループに含まれているかどうかを確認することをお勧めします。

(Via Tech Crunch.)