Google DeepMind、音声モデル Gemini 3.1 Flash TTS を公開
Google DeepMind は新しいテキスト音声変換モデル Gemini 3.1 Flash TTS を公開し、制御性、表現力、音質の向上を打ち出した。本日から開発者は Gemini API と Google AI Studio、企業は Vertex AI でプレビューでき、Workspace ユーザーは Google Vids で利用できる。
4月16日
4月14日
Google、生成 AI で将来の技能を評価する Vantage を公開
Google は、高校生・大学生の問題解決や協働を生成 AI の模擬対話で評価する研究実験 Vantage を公開した。Google Labs で英語の登録を受け付ける。Executive LLM が会話を動的に進め、AI Evaluator が評価表で採点する。NYU との米国18～25歳188人の研究では、AI と専門家の採点一致度は専門家同士に近かった。
4月13日
Google DeepMind、計器読み取りを加えたGemini Robotics-ER 1.6を公開
Google DeepMindはロボット向けの推論重視モデルGemini Robotics-ER 1.6を公開した。空間推論と複数視点の理解を強化し、円形圧力計、液面表示器、デジタル表示を読む計器読み取り能力を追加した。
4月9日
Google Research、利用者シミュレーターの現実との差を測るConvApparelを公開
Google Researchは衣料品購入の4000以上の人・機械の複数ターン会話、約15000ターンのConvApparelを公開した。LLM利用者シミュレーターと人の現実感の差を測る。
Google、学術エージェントPaperVizAgentとScholarPeerを公開
Googleは論文の図を作るPaperVizAgentと自動査読のScholarPeerを公開した。PaperVizAgentは検索、計画、スタイル、可視化、審査の5エージェントで協働する。100点評価で60.2を得てGPT-Image-1.5、Nano-Banana-Pro、Paper2Anyを上回り、人の基準50.0を超えた唯一の枠組みだった。
4月3日
Google Research、LLMの行動傾向と人の共通認識の一致を評価
Google ResearchはIRI、ERQなどの心理質問票を改変した状況判断テスト（SJT）で、実際のユーザー・助手の場面の行動傾向が人の共通認識に合うか評価する枠組みを提案した。
Google DeepMind、オープンソースモデル群Gemma 4を公開
Google DeepMindはGemma 4モデル群を公開した。E2B、E4B、26B MoE、31B Denseの4サイズを用意し、Apache 2.0ライセンスを採用する。
4月1日
Google Research、AI 評価の注釈者は何人必要か
Google Research は『Forest vs Tree: The (N, K) Trade-off in Reproducible ML Evaluation』で評価項目数と項目ごとの注釈者数を比較した。一般的な1人、3人、5人では足りないことが多く、人の意見の違いを反映するには10人超が必要な場合が多い。
3月31日
Google 白書、暗号資産の暗号を破る量子計算資源の見積もりが大幅減
Google Quantum AI は白書で、将来の量子コンピューターが暗号資産を守る楕円曲線暗号を破るために必要な量子ビットとゲートの数は、従来の見積もりより少ないとした。
3月29日
Google DeepMind、AI時代のマウスポインターを再設計、GeminiはChromeに導入済み
Google DeepMindはGeminiで動く実験的なAIポインターを公表した。指しているものだけでなく、ユーザーにとっての意味も理解する。作業を中断しないこと、周囲の視覚・意味的文脈を捉えること、「これ」「あれ」のような自然な略し方に対応すること、ピクセルを場所、日付、物体など操作可能な実体へ変えることの4原則を示した。
3月25日
Google、GeminiとXR Blocksで自然言語からAndroid XRアプリを作るVibe Coding XRを公開
GoogleはGeminiとWebXR、three.js、LiteRT.jsを使うXR Blocksを組み合わせたVibe Coding XRを公開した。自然言語の指示を物理的な状況を認識するAndroid XRアプリに変え、公式には60秒以内で完了する。
Google、ベクトル圧縮 TurboQuant を公開、KV キャッシュを3 bit に圧縮
Google Research は TurboQuant を公開した。訓練や微調整なしで、モデル精度を損なわず KV キャッシュを3 bitに量子化できる。QJL と PolarQuant の二手法も提案した。
Google Research、自己教師学習で都市を理解するS2Vecを公開
S2VecはS2 Geometryによる区画とラスタライズで建物・道路を多層画像へ変え、マスク付き自己符号化（MAE）で汎用埋め込みを学ぶ。米国人口密度や所得中央値など、未見地域のゼロショット社会経済予測でSATCLIP、GEOCLIPを上回るが、樹木被覆や標高では改善が必要だ。
3月18日
Google Research、The Check Up で医療 AI の進展、個別ケアから公衆衛生まで
Google Research は The Check Up で複数の医療 AI の進展を示した。Fitbit と研究した Personal Health Agent（PHA）を含み、単一用途アプリより長期的健康を支えやすいと分かった。
GoogleとNHSの研究、AI乳がん検診で人の読影量を46%削減
Google Researchと複数のNHS機関によるAIMS研究は、Nature Cancerに2件の姉妹研究を発表し、NHS乳がん検診の手順におけるAI検出システムの性能を評価した。
3月17日
Google、PNASで高温超伝導を使うLLM世界モデル評価を発表
GoogleとCornellはGPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM、独自RAGに高温超伝導の専門問題67問を解かせた。12人の国際専門家がバランス、網羅性、簡潔性、証拠、画像の関連性、定性的意見の6指標で盲検評価した。研究はPNASに掲載された。
3月12日
Google、Flood Hub で都市の鉄砲水 AI 予報、最大24時間前に警報
Google は Flood Hub で都市の鉄砲水予報を公開した。新しい AI 手法により、都市部で最大24時間先の鉄砲水リスクを予測できる。
Google、Geminiでニュースを洪水データに変えるGroundsourceを公開
Google ResearchはGeminiで世界のニュースから過去の災害の構造化データを抽出するGroundsourceを公開した。最初のオープンデータは都市の鉄砲水260万件を収め、150か国以上、2000年から現在までを対象とする。
GoogleとBIDMC、実際の診療で対話型診断AIの実現性を研究
Google ResearchとBeth Israel Deaconess Medical Centerは、単一施設で前向きの実現可能性研究を実施した。外来のプライマリケア受診前にAMIEが患者とテキストで問診し、医師が動画でリアルタイムに監督した。
3月7日
Google Research、27言語を対象とするアフリカ音声データセットWAXALを公開
Google Researchは大規模な公開音声データセットWAXALを公開した。初期版は1億人超が使うサハラ以南アフリカの27言語を対象とし、CC-BY-4.0で提供する。