本文へ移動

Google と DeepMind の AI の動き:Gemini シリーズ、動画モデル Veo、研究成果とプロダクト群を継続して追う。

最新の精選

1–20 件目 · 全 75 件

10月1日

木曜日今日
  1. Google、Gemini 4 Argonを発表 OpenAIとAnthropicとの差を縮めるも明確なリードはならず

    Googleは新たなフロンティアモデルGemini 4 Argonを発表した。一部のベンチマークではOpenAIやAnthropicの競合製品を上回るが、明確なリードは得ていない。このモデルはまずFairwindプログラムの「信頼できるサイバー防御者」とGoogle社内チームに公開され、その後開発者、企業、消費者向けに提供される予定で、日付は未公表。導入価格は入力トークン100万あたり2ドル、出力トークン100万あたり10ドルで、キャッシュ入力は95%安い。

  2. Google DeepMind、フロンティアモデル「Gemini 4 Argon」を発表

    Google DeepMindは新たなフロンティアモデル「Gemini 4 Argon」を発表した。まずFairwind Programの信頼できるサイバー防御担当者に開放し、その後開発者、企業、消費者向けに提供する。価格は入力100万トークンあたり2ドル、出力100万トークンあたり10ドルから。

  3. FTC、OpenAI や Anthropic など AI 研究所への消費者保護調査を開始

    米連邦取引委員会は、消費者保護上の違反の可能性について OpenAI、Anthropic など主要 AI 研究所を調査している。FTC 委員長 Andrew Ferguson は、法的拘束力のある「民事調査要求」で資料提出を強制し、経営陣に質問する方針で、数週間以内に発出される見込みだ。調査は Hugging Face のハッキング事件前に始まっており、AI 安全機関 METR も対象に含まれる。

9月30日

水曜日
  1. Google DeepMind、AI生成タンパク質に検証可能な透かしを埋め込むSynthID Bioを公開

    Google DeepMindはSynthID Bioを公開し、透かし技術を合成生物学に導入した。生物のコードに知覚できない署名を埋め込むことで、生物学的な機能を維持しながら、デジタルモデルと合成された実物のタンパク質の両方で透かしを検証できるようにする。

9月29日

火曜日

9月25日

金曜日

9月24日

木曜日
  1. Google DeepMind、Private AI Computeにサーバー側の永続メモリーを導入

    Google DeepMindはPrivate AI Computeの構成を更新し、端末並みのプライバシー基準を保ちながら、永続的で端末間共有できるAIメモリーをクラウドに導入する。データは暗号化ストレージに封じ、復号鍵はユーザー端末だけに保持する。モデルがアクセスするときはエンドツーエンド暗号化経路でクラウドのsecure enclaveにつなぎ、隔離メモリー内で一時復号し、新しい文脈を保存した直後に再暗号化する。

9月23日

水曜日

9月16日

水曜日

9月8日

火曜日

9月4日

金曜日
  1. GoogleとHHMI Janeliaら、雄ショウジョウバエの完全な脳コネクトームを公開

    Google ResearchはHHMI Janelia、ケンブリッジ大学などと協力し、Cellに論文を発表して、雄ショウジョウバエの脳と中枢神経系の完全なコネクトームを公開した。166,000超のニューロンと1.25億のシナプス結合を含み、ニューロン数ではこれまでで最大の脳地図である。

9月3日

木曜日
  1. Google DeepMind、Fairwind Programで政府と企業にGemini 3.8 Flash Cyberの防御能力を限定公開

    GoogleはFairwind Programを開始し、Google Cloud顧客、政府機関、サイバーセキュリティのパートナーに防御能力へのアクセスを限定提供する。第1弾としてGemini 3.8 Flash CyberモデルとCodeMenderツールチェーンを提供し、脆弱性の自律的な発見、検証、修正に用いる。

9月2日

水曜日

8月28日

金曜日
  1. Google Earth AI、地理空間モデリング全工程を自動化するPPEを導入

    Google ResearchはGoogle Earth AIに実験的研究機能Planetary Prediction Engine(PPE)を導入した。自然言語の質問に基づき、地理空間データの発見、特徴量設計、モデル学習と評価を自律的に進め、報告を生成する。数週間の手作業を要したデータ処理を数分に縮める。