Web制作会社で働いているのだが、 最近、本当に悩ましいことが増えた。 クライアントとの打ち合わせで、毎回のように飛び出してくる。 「AIで作れば安くできるんですよね？」 というフレーズだ。 今年に入ってから、この種の問い合わせが明らかに増えた。ChatGPTが話題になったあたりから、みんなAIさえ使えばなんでも簡単にできると勘違いしているように見える。 つい先週も新規のお客さんから「ホームページをAIで作ってほしい」と言われた。予算を尋ねると「AIなら10万円でいけるでしょ？」と返される。普通なら100万円はくだらないボリュームの案件なのにだ。 そこで説明する。「AIは便利な道具ではあるけれど、デザインの方向性を決めたり、業界や商品ごとの細かなニュアンスを理解したり、調整したりするのは結局人間の仕事なんです」と。 だけど相手は納得しない。「YouTubeで、AIが全部やってくれるって見ま
アリババの動画生成モデル「Wan2.2 14B」i2vを使い、明日来子さん（この連載によく登場する作例キャラクター）に銃を構えさせた動画の一部（筆者作成） 7月28日に公開された中国・アリババの動画生成AIモデル「Wan2.2」がすさまじい性能を発揮しています。ローカルPC環境で利用できるオープンモデルとして公開されましたが、ヘタな商用AIクラウドサービスを超えていると感じさせるほど、高品質なAI動画が生成可能です。2月リリースの「Wan2.1」でも高い評価を得ていましたが、それを遥かに超えており、業界を席巻しそうな雰囲気を感じました。 ※記事配信先の設定によっては図版や動画等が正しく表示されないことがあります。その場合はASCII.jpをご覧ください 実写もアニメも高性能 Wan2.2の性能の高さは触れば触るほどわかってきます。カップ麺、箸、麺など、複数のオブジェクトが関わるため、画像や
使いこなしている人も、これから試そうとしている人も、こうした“苦手分野”を理解しておく必要がある。レシピや旅行計画、コードの下書きには向いているが、万能ではない。特に、医療や税金、法律、金融など重要な判断が関わる場面では要注意だ。 1. 痛みや病気の自己診断 好奇心から症状を入力したことがあるが、その回答は最悪のケースばかりだ。脱水症状やインフルエンザ、がんまでさまざまな可能性を示してくる。私も胸のしこりについて尋ねたところ、予想通り「がんの可能性」と言われた。実際は医師の診察を受けると、1000人に1人程度が発症する脂肪腫（良性）だった。 もちろん、ChatGPTが医療面で全く役立たないわけではない。診察時に質問を整理したり、難しい医学用語を分かりやすく説明したり、症状の経過をまとめたりするのには役立つだろう。ただし、AIは検査や診察を行えないし、医療過誤の責任を負うこともない。その限界
Googleは6月25日、生成AI「Gemini」をコマンドライン（あの黒い画面のこと）から操作するための公式ツール「Gemini CLI」を公開。コマンドラインから直接、最新のAIモデルを呼び出せるようになった。 注目すべきは、最新モデル「Gemini 2.5 Pro」を毎分60回、1日1000回まで無料で利用できる点だ。しかも単なるチャットツールではない。ファイルの読み込み、シェルコマンド（ファイル一覧表示やGit操作など）の実行、さらにはWeb検索まで可能で、ローカル環境と連携した本格的なAIアシスタントとして機能する。 「黒い画面でのコマンド操作」と聞くと多くの人は身構えてしまうかもしれないが、実際の使い方は拍子抜けするほど簡単だ。Node.js（JavaScript実行環境）さえあればコマンド1つで起動できる。あとは普通の日本語で指示を出すだけ。ブラウザー版よりも軽量・高速で、自
ChatGPTは、どんな質問にも答えを持っているように見え、あらゆる問題解決の頼れる相棒となりつつあります。 ChatGPTに相談しないほうがいいこと6つと、その理由（悩み、金融、法律…） しかし、その洗練された能力にもかかわらず、まだ限界があるのも事実。特に使うべきではない重要な領域がいくつか存在するのです。 1. コーディング：「書ける」けど「信じるな」ChatGPTをコーディングに活用する。これはもはや、突飛なアイデアではありません。 AIチャットボットの黎明期から、多くの人々がプログラミングに利用してきましたし、サイバー犯罪者が悪意のあるコードを書かせるために使った例も報告されています。 最近では「vibe coding（雰囲気コーディング）」という言葉も生まれ、経験豊富な開発者を雇う代わりにAIで済ませてしまう動きもあるほどです。 念のために言っておくと、ChatGPTはコードを
「情報の整理や把握が爆速になる」と話題のAIメモツール「NotebookLM」。DeNAの南場智子会長が利用しているとして話題になった他、昨今ではワークマンなど企業での導入も進みつつある。4月末には、AIに参照させた情報を日本語音声によるポッドキャスト形式で出力する機能も追加され、さらに利便性を増した。 ただヘビーに使うほど面倒だと感じてくるのが、情報を読み込ませる作業だ。不便を感じる人は他にもいるようで、Chrome Webストアには情報源の導入を便利にするブラウザ拡張がいくつか存在する。 最近話題 NotebookLMって何？ NotebookLMは「ノートブック」という画面上で、任意のテキストやテキストファイル、PDF、音声ファイル、Googleドキュメント、Googleスライド、Web記事やWebサイトのURL、YouTube動画など、ユーザーが読み込ませた情報を「ソース」として指
Google は 2024 年から、NotebookLM を200 以上の国と地域で提供しています。そして本日より、音声概要を日本語を含む 50 以上の言語でご利用いただけます。 音声概要 機能は、アップロードしたソース（資料）を魅力的なポッドキャストのような会話形式に変えてくれる機能で、英語版の提供開始直後から多くのユーザーに使っていただいています。そして今回、Gemini 2.5 Pro のネイティブ音声処理能力と最先端のマルチモーダル AI 技術により、日本語を含む多言語に対応し、さらに多くの方にご利用いただけます。 このアップデートにより、音声概要はユーザーの Google アカウントの言語設定に応じて生成されるようになります。NotebookLM の設定に新しく「出力言語」が追加されたので、音声やチャットの応答言語をいつでも自由に変更できます。これにより、必要に応じて多言語のコン
Import web pages and YouTube videos to NotebookLM with one click Save time and boost your productivity with the NotebookLM Web Importer. NEW: 1. Bulk import links to NotebookLM!! 2. Sync audio overviews to Podcast feed!! How It Works: * Install the NotebookLM Web Importer extension from the Chrome Web Store. * Browse the web or watch YouTube videos as usual. * Click the NotebookLM Web Importer ico
トランプ米大統領は、ソフトバンクグループとオープンＡＩ、オラクルが主導する人工知能（ＡＩ）インフラへの新たな大型投資を発表した。「スターゲート」合弁出資事業を通じて共同で投資する。 ソフトバンクＧの孫正義会長兼社長、米オープンＡＩのサム・アルトマン最高経営責任者（ＣＥＯ）、オラクルのラリー・エリソン氏と共に1000億ドル（約15兆5700億円）の初期投資を21日午後に公表した。スターゲートの会長には孫氏が就き、ソフトバンクＧが資金調達、オープンＡＩが運営管理を担当する。 孫氏によれば、３社の共同出資事業が1000億ドルを直ちに投じ、データセンターやキャンパスを含むＡＩプロジェクト投資額を今後４年で少なくとも5000億ドル（約78兆円）に増やすことを目指す。 アラブ首長国連邦（ＵＡＥ）アブダビ首長国の投資会社ＭＧＸも出資し、米テキサス州などでインフラを構築する。ＡＩ向け半導体で圧倒的シェアを
生成AIを活用する企業は増える一方だが、それとともに、AIの間違いによって損害を被る企業も増えている。 エア・カナダはチャットボットの誤回答で賠償金を支払うはめに。別の企業は生成AIが作成した解雇合意書に重要な項目が欠落していたため、高額な和解金を支払わなければならなくなった。 企業に求められるのは、生成AIは間違いを犯すという前提に基づいた準備や行動。AIが間違えているかどうか分からない領域では活用すべきではない。 （小林 啓倫：経営コンサルタント） チャットボットで損害を被ったエア・カナダ 企業内でのAI活用が加速している。社員や顧客と自然な言葉でやり取りできる生成AIが登場したことで、AIを応用できる業務が増え、具体的な成果も見えやすくなったためだ。 たとえば、カナダで1855年に設立され、現在では同国で最大の規模を誇るTD銀行（Toronto-Dominion Bank）は、コンタ
kmizu @kmizu A Software Engineer in Osaka (& Kyoto). Ph.D. in Engineering. Interests: Parsers, Formal Languages, etc. ツイートは所属先の見解と関係ありません．思いついたことをつぶやきます．人生を楽しく生きよう（New!） kmizu.github.io kmizu @kmizu GPT-4oの画像認識力と理解力をもってすればいけるやろと思ってやってみたら実際いけた。 ペーパープロトタイピングから最初のHTML書き起こすのにかなり使えるのでは。 つーか指示そのものを画像の中に書いたの読み取ってくれるの何か世界の壁を超えて対話してる感があって凄い #GPT4o pic.twitter.com/3XHMFg3yye 2024-05-14 12:49:41 リンク TECH INS
Upgrade for image upload, smarter AI, and more Pro Search.
この文章は何： 近年の生成AIブームにより、革命的なまでにプログラミングという仕事の形は変わることが予想され、実際、今までにない速度で世界が効率化され様々なサービスがローンチされていく中「使う側」としても「作る側」としても「IT業界(特にSaaS業界など)での生存」は難しくなっているように感じます。正解を知っていたらとっくに僕は大儲けをしているわけですが、当然わかるはずもなく生存戦略に苦しむだけの中での寝言です。 まとめと結論めいたもの：AI技術の発展により「プログラミング」と呼ばれる「人間の仕事を機械に引き継ぐ行為」のほとんどはゼロコストで行えるようになり、少なくとも今ほどの価値や競争優位の源泉とはならないだろう。今やるべきは、AIを自社の競争優位の源泉とするべく、まるで人材投資のようにAIへの引き継ぎ書を書くことと、AIの研修制度を作ることかもしれない。 プログラミングという仕事の終焉
米Googleは11月21日（現地時間）、生成AIチャット「Bard」が「YouTube動画を理解する能力の第一歩を踏み出した」と発表した。 同社は9月に、YouTubeからリアルタイム情報を取得できるようにしているが、今回のアップデートで、動画の概要や、長い動画のどの当たりで目的の情報が得られるかなどを答えられるようになったようだ。 Googleは例として、ケーキのレシピ動画を探している場合、そのレシピに必要な卵の数を尋ねられるようになるとしている。 「美味しいミルクティーの入れ方を紹介するYouTube動画から、手順を教えてください」と尋ねたところ、複数の画像入りの説明が表示された。最初の手順に「ティーポットに水と紅茶を入れ」とあるが、それがどのようなYouTubeからの情報かは不明だ。 画像をクリックするとYouTube動画ではなく、画像を掲載しているWebサイトに飛ぶ。 「ポトフの
10月1日頃、OpenAIの新しい画像生成AI「DALL·E 3（ダリ３）」が徐々に使えるようになり、その性能の高さから話題になっています。まずサプライズで使えるようになったのがマイクロソフトのBingチャット。日本語で「猫の画像を作ってください」などと入れるだけでかわいい猫の画像が出てくると。これが無料で使えるのは衝撃的です。マイクロソフトが巨大資本で他の会社をつぶしに来たなという感じですね。どう考えても、今のところはサーバーコストが果てしなくかかる赤字サービスなのは間違いないので……。 「ラーメンを食べる女の子」が描ける！ なにより衝撃的だったのは、「アニメ風の少女と猫が遊んでいる姿を作ってください」というリクエストに対し、一発で完璧な正解を出してきたことです。Stable Diffusionだと苦手とされていた指も適切に描写されています。もうひとつの着目点はオブジェクト間の関係性です
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く