ディープマインド / DeepMind

Google DeepMindが、映像などの視覚情報も理解できるマルチモーダルなAIを搭載したロボットを披露した。その能力は、大規模言語モデル（LLM）が物理的な世界においても威力を発揮し、有用な仕事をこなせるようになる未来を先取りしている。

グーグルが次世代AIアシスタント「Project Astra」を開発者会議「Google I/O」で発表した。人間と自然に対話し、テキストや音声、画像、動画にも対応するマルチモーダルなAIは、OpenAIの「GPT-4o」を用いたChatGPTに対するグーグルの“回答”でもある。

タンパク質の立体構造を予測するAIの最新版「AlphaFold 3」をGoogle DeepMindが発表した。画像生成AIの手法を応用するなどして分子の相互作用の高精度な予測を実現しており、こうした進歩が創薬を加速させる可能性が期待されている。

コードを書くだけでなく、問題解決の計画からコードの検証、実装までできるAIエージェントが登場した。スタートアップや大手企業の開発の焦点は、「質問に答えるだけのチャットボット」から「実際にタスクをこなせるAIエージェント」へと移っている。

サッカーのリヴァプールFCの試合をAIで分析し、コーナーキックによる得点や守備の確率を高められるよう支援する技術をGoogle DeepMindが開発した。コーチの指導や指示に応用することで、チームの勝利に貢献できる可能性が期待されている。

Google DeepMindが、ヤギを操作して遊ぶゲーム「Goat Simulator 3」などのプレイ方法を自ら学習できるAIプログラムを公開した。初めてプレイするゲームでも、他のゲームのプレイで学習した成果を応用してタスクを確実に実行できる点が特徴だ。

グーグルが「Gemini」を公開したのは23年12月。それからわずか2カ月で、そのアップグレード版である「Gemini Pro 1.5」が公開された。今後のAIの進化に不可欠な要素とは？ Google DeepMindのCEO、デミス・ハサビスに話を訊いた。

グーグルがAIモデル「Gemini」を公開してから2カ月で、新しいバージョン「Gemini Pro 1.5」を公開した。膨大な量のテキストや動画、音声入力を一度に処理できるよう進化したAIモデルの素早い投入は、熾烈なAI競争の証でもある。

ニューラルネットワークの重要なアーキテクチャーである「Transformer」の進化により、2024年にはAIがより人間らしい方法で計画を立て、推論し、学習し、情報を解釈する能力を獲得することになる。

グーグルのチャットボット「Bard」内で使えるようになった新たなAIモデル「Gemini」。Google DeepMindのCEOであるデミス・ハサビスは今後、真にマルチモーダルなAIを生み出すため、ロボット工学との組み合わせを模索していると話す。

Google DeepMindが音楽に特化した生成AIモデル「Lyria」と2つのAIツールを発表した。「Dream Track」では、アーティストを選択すれば、その声や楽曲スタイルを模倣した30秒の動画をすぐに生成できる。これは音楽の未来にとって何を意味するのだろうか。

天気予報においてAIが気象予測機関を上回る優れた成果を上げたことを、Google DeepMindの研究者チームが発表した。39年分の観測データを学習させた結果で、ノートPCで実行できるうえ予測の出力には1分もかからないという実力をもつ。