非課金ユーザーもこの新機能を試すことができるようになったが、Googleは「Gemini Advancedユーザーは拡張されたアクセス権と大幅に大きな文脈ウィンドウを持つ」と説明している。Gemini 2.5 Proは、GoogleのGemini 2.5「思考」モデルの一つであり、より正確な結果を提供するための推論能力が強化されているとされる。Googleのブログ投稿によれば、これは「情報を分析し、論理的な結論を導き出し、文脈やニュアンスを考慮して、情報に基づいた意思決定を行う能力」を指しているという。

この新モデルが示す意味は、AIの進化を一層加速させる可能性が高いということだ。特に、非課金ユーザーに対する開放は、ユーザーの反応やフィードバックを通じてさらなる改善に繋がると期待されている。Googleは、今後もAI技術の進化に拍車をかけ、ユーザーが異なるシナリオでAIを活用できるようにしていく考えだ。AIモデルのアップデートは、エンターテインメント、ビジネス、教育、さらには日常生活のあらゆる側面において、新しい価値を提供することが期待されている。

あるRedditユーザーは、自身のXiaomiスマートフォンでこの機能が使えることを報告しており、9to5Googleによっても確認されている。また、同じユーザーは、自身がGeminiの新しいスクリーンリーディング能力をデモする短い動画も公開した。この機能は、3月初めにGoogleが発表したGemini Advanced Subscribers向けの特典の一部としてロールアウトすることが告知されていた2つの機能の一つである。

もう一つの機能として、リアルタイム動画解釈機能も追加されており、スマートフォンのカメラ映像を解釈し、その映像に関する質問に対しても回答ができる。Googleが今月公開したデモ動画には、陶器を新しく美しく仕上げるために使うペンキの色についてGeminiにアドバイスを求める様子が映されている。

こうした機能の展開は、GoogleがAIアシスタント競争でリードを続けている重要な例となる。アマゾンはAlexa Plusの限定早期アクセスを準備しており、AppleはSiriのアップグレードを遅延させている。これらの機能は、現在Geminiが利用可能にしている機能に類似している。一方で、SamsungはBixbyを提供しているが、Geminiは同社のスマートフォンでもデフォルトのアシスタントとして機能する。Googleの新たなAI機能は、今後のAI市場において大きな影響を与える可能性を秘めている。これからも、各社のAIアシスタントの進化が注目される。

最近、数多くのアプリが写真からオブジェクトを削除したり、空白を埋めたりすることができるようになってきた。新しい生成AIモデルはこれらの機能をさらに向上させており、Adobeをはじめとする企業が写真編集ツールに新しいオブジェクト削除機能を追加している。AppleもiOSとmacOS向けに「クリーンアップ」と呼ばれるツールを提供し、対応デバイスでの機能を可能にしている。

Twitter上での投稿によると、Gemini Flash 2.0は画像からオブジェクトを取り除くのが非常に優れていることが確認された。このモデルは通常、GoogleやOpenAIからの主要な閉じられたモデルに見られる制限があり、それにより法的な問題を避けるための措置が取られている。たとえば、OpenAIのDALL-Eは著作権で保護されたキャラクターを生成することはできない。また、Microsoftは最近、自社の画像モデルを騙してポルノを生成した個人グループに対して訴訟を起こした。

Googleのモデルにおける透かし削除機能の問題は、これに対する反発がある中、Googleが法律上の責任を回避しつつも悪用防止の取り組みを示すことが重要であるという点だ。オープンモデルでもライセンス契約があることがあり、法律や裁判所が悪用を防ぐことが可能である。

興味深いことに、透かし削除機能に関しては、GoogleのモデルはAIが修正または生成した画像に自身の透かしを追加することがある。この機能は、視聴者に対してそれが本物ではないことを明らかにするために設計されている。AI技術の本質的な特徴とも言えるこの事象は、「他人の所有物から証拠を取り除き、自分自身の識別マークを追加する」という形象に例えることができる。

このGemini 2.0 Flashは、ソーシャルメディアで特に注目を浴びており、多くのユーザーがGetty Imagesなどの著名なストックメディアの透かしを消去する事例を報告しています。Gemini 2.0 Flashは、削除された透かしの部分を埋める機能も備えており、他のAIツールと同様の機能を持っているものの、その精度は非常に高いと評されています。

ただし、注意が必要です。Gemini 2.0 Flashは「実験的」なもので、現段階では商用利用には適しておらず、特定の半透明の透かしや大きな部分を カバーする透かしの削除には課題を抱えています。それでも、多くの著作権者はこの機能を懸念材料として捉え、著作権侵害のリスクが高まる可能性があります。

著作権法によれば、元の所有者の同意なしに透かしを削除することは違法と見なされるため、これに対してGoogleも迅速にコメントを出していません。特に、同業他社のAIモデルは透かしの削除を厳に禁じているため、業界内での倫理的な議論が急増することが予想されます。

この広告では、ウィスコンシンチーズマートのオーナーがグーグルのライティングアシスタントに「チーズ愛好者にアピールできるスモークゴーダの説明」を求めた。AIが生成した応答には、ゴーダが「世界で最も人気のあるチーズの一つで、世界のチーズ消費の50%から60%を占める」と記載されていたが、これは明らかな誇張である。この誤った統計は、2007年のチーズマーケットニュースのエディトリアルではゴーダが世界で3番目に人気のあるチーズとして紹介されているように、事実と乖離している。

不正確な情報は、YouTubeで今週初めに公開された広告バージョンでも確認され、その後、火曜日に変更が行われて不正確な統計が取り除かれた。新しいバージョンでは、グーグルのライティングアシスタントがゴーダの人気について具体的な数字を示さず、単に「世界で最も人気のあるチーズの一つ」とだけ述べている。特筆すべきは、新しいバージョンがもともと同じURLでアップロードされていたことだ。このような大規模な更新が通常のYouTubeユーザーには不可能であるため、グーグル自体の特権が利用された可能性が示唆されている。

さらに、不正確なチーズ情報はグーグルの最近の決算報告のプレロールからも削除されており、広告の計画や好意的な状況が示されていたことが分かる。グーグルのクラウドアプリケーション部門の社長であるジェリー・ディスラーは、AIが不正確な情報を生成する背景として、ウェブ上の情報源が影響を与えたとコメントしている。具体的な数字は、主要なSEO特化サイトであるcheese.comから来ていることが示唆されており、ここでは明確な出典がないにも関わらず情報が広まっている。

グーグルは、ユーザーに対して「結果や参照を常に確認することができる」と強調しているが、実際に広告に示されたAIライティングアシスタントは出典を提供しておらず、問題が浮き彫りになっている。ライティングアシスタントには小さい文字で「創造的なライティング支援であり、事実を意図したものではない」とされているが、広告にはその警告が含まれていない。そして、スーパーボウルの広告では、自社のAIライティングアシスタントがビジネスオーナーにとって救世主であるかのように強調されている。

このビッグテック企業の手法に対しては大いに疑問が持たれており、ユーザーはAIアシスタントを利用する際には注意が必要だ。冒頭の事例のように、顕著な誤りが簡単に見過ごされ、誤った情報が広がる可能性があるため、特に事実に基づく情報を必要とする状況では注意が必要である。これらの問題は、今後のAI技術の発展において重要な課題であり、今後も目を離してはならない。

現在、Copilot Voiceはアメリカなど一部地域で独占的に利用可能であったが、2024年11月には無料ユーザーでも利用できるようになった。当初はEnglishに特化していたが、2025年1月からはドイツ語など他言語での応答が可能になり、ユーザーからは好評を得ている。

Microsoftの公式声明によれば、「現在、Copilot Voiceは英語に最適化されているが、他の言語も制限付きでサポートしており、今後さらに対応を進めていく」という。これには、ドイツ語だけではなく、フランス語やスペイン語、ヒンディー語なども含まれている。ユーザーが設定から希望する言語を選択しても、会話の開始は英語になるため、特に他言語で話しかけなければならないという点がある。

しかし、MicrosoftはCopilot Voiceの機能を活用し、より多くの言語対応を試行中であり、すでにポルトガル語、スペイン語についても高評価のテスト結果が報告されている。これにより、Copilot Voiceは他のAIツール、特にChatGPTやGeminiとの競争において、非常に有利な立場に立つ可能性が出てきた。新しい言語サポートや複数の声モードの追加計画も進行中で、例えば、現状ではWave、Meadow、Grove、Canyonという4つの音声が設定可能である。これからの進展に期待が持たれる。

Microsoftがこの技術を進化させていく中、Copilot Voiceはユーザーにより直感的で自然な体験を提供し、競合他社に対抗する力をつけていくと考えられ、今後の動きが待ち遠しい。Copilotの利用希望者は、これから新たに追加される多言語環境に対して注目しておくべきだ。ユーザーのフィードバックを受けて、ますます洗練された進化が期待されている。