はてなブックマーク

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 この1週間の気になる生成AI技術・研究をいくつかピックアップして解説する今回の「生成AIウィークリー」（第125回）は、中国AIユニコーン「StepFun」が開発したGUI自動操作AI「Step-GUI」や、画像から高品質な3Dモデルを生成するMicrosoft開発のAI「TRELLIS.2」を取り上げます。 また、3人称視点映像を1人称視点映像に変換する「EgoX」や、テキスト、画像、動画の同時入力から高品質な動画を生成できる「Kling-Omni」をご紹介します。 そして、生成AIウィークリーの中でも特に興味深いAI技術や研究にスポットライトを当てる「生成AIクローズアップ」では、絵師の仕事は歴史研究と長年の訓練に裏打ちされた創造行為であり、A

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、Webコミック「Phantomarine」のBlueskyアカウントで投稿された一連のポストを取り上げます。 「コンセプトアーティストはAIを使えば仕事が楽になる」という意見に対して、真っ向から反論しています。 例として挙げたのは、コンセプトアーティストClaire Hummelさん。彼女の卓越したスキルは、歴史的な資料を地道に研究することで培われたものであり、AIに頼っていては決してそのような実力は身につかないと主張しています。 ▲PhantomarineのBlu

[名称] ミニフロッピーディスク、130mmフレキシブルディスクカートリッジ （参考製品名 「MD2-256HD」他） [種類] 磁気ディスク [記録方法] 磁気記録 [メディアサイズ] 約133.5×133.5×1.7mm（実測） [記録部サイズ] 直径約130mm [容量] 109.4KB～1.6MB（アンフォーマット時） [登場年] 1976年頃～ ひとつ、またひとつと消えていき、記憶からも薄れつつあるリムーバブルメディア。この連載では、ゆるっと集めているメディアやドライブをふわっと紹介します（※本記事は2022～2025年に掲載した連載「ロストメモリーズ／著：宮里圭介」を再掲出したものです）。 ロストメモリーズの記事一覧 「ミニフロッピーディスク」は、5.25インチサイズのフロッピーディスク（以下、FD）。8インチのFDをベースに小型化されたもので、Shugart Associat

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 この1週間の気になる生成AI技術・研究をいくつかピックアップして解説する今回の「生成AIウィークリー」（第124回）は、API経由でクローズド大規模言語モデル（LLM）にDoS攻撃できる手法「ThinkTrap」や、論文からコードを生成するAI「DeepCode」を取り上げます。 また、動かしたい軌跡を指定するだけで画像から動画を生成するAI「Wan-Move」と、ブラウザ上でリアルタイムに3DGSを表示できるプラットフォーム「Visionary」をご紹介します。 そして、生成AIウィークリーの中でも特に興味深いAI技術や研究にスポットライトを当てる「生成AIクローズアップ」では、AIエージェントと人間のサイバーセキュリティ専門家が実際のネットワー

11月27日にAlibabaからリリースされたZ-Image-Turbo、BASEやEditはまだであるが、結構いろいろ出てきたのでご紹介したい。 その前にBASEとEditは、どうやら1本にまとまるらしく、公式から情報が出ている。これに関しては、Qwen-ImageとQwen-Image-Edit (2509)、どちらも同レベルの生成ができるのに何故2つに分けているのか不思議だった筆者にとっては「だよね」的な内容となる。 Turboはsteps 9、CFG 1で高速生成が特徴の一つだが、非蒸留モデルになると、一般的にstepsは20～30、CFGは1より大きくなるため、結果、Turboより最低でも4倍の時間がかかる事が予想される（CFGが1より大きくなるとNegative Promptも使えるためサンプリングに倍かかる）。 そうなった場合、RTX 5090で1024x1536px 約5秒

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、AIエージェントとサイバーセキュリティの専門家を実際のネットワーク環境で比較した評価実験を行った論文「Comparing AI Agents to Cybersecurity Professionals in Real-World Penetration Testing」を取り上げます。スタンフォード大学やカーネギーメロン大学などに所属する研究チームによる報告です。 ▲人間ハッカーとAIハッカーが対決するイラスト（絵：おね） この研究では、約8000台のホストと12

テクノエッジ編集長。Wikiの「スマートフォン」ページに略称“スマホ”考案者として記述あり。週一以上ライブへ通う音楽好き。ヨボヨボのハタチ クリップ型オープンイヤーの最高峰と個人的に思っているHUAWEI FreeClipの次期モデル、HUAWEI FreeClip 2が本日（12/12）GREEN FUNDINGでクラファン開始となりました。 ▲市場想定価格は2万7280円、クラファンでは最大22％オフの早割を実施 前モデルは世界で350万台以上売れたそうですが、おそらく私がそうであるように、ほとんどの方はサブというか、カジュアルリスニング用途でFreeClipを使っていて、別途AirPods（など）も持っていると思います。左右スワップして長時間使えるので、オンライン会議イヤホンとしてとくに活躍してくれました。 第2世代となるFreeClip 2は装着感、音質、通話性能のすべてを底上げし

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 Googleは9月に予告していたiOS版ChromeブラウザーアプリへのGemini機能統合の展開を開始しました。 Chromeのバージョン143（143.0.7499.108）へのアップデート後、Gemini機能統合が適用されると、Chromeのアドレスバーの左側にあるGoogleレンズのアイコンが、Gemini風のアイコンに置き換えられ、それをタップすればレンズを使った検索と、「Geminiに相談」する機能を選択できるようになります。 Geminiに相談する機能を選択すると、数秒間4色に光るオーバーレイが開き、現在のページのURLが表示されます。ページのコンテキストを表示したくない場合は、閉じるボタンをタ

CD Projekt Red と VITUREが、ゲーム『Cyberpunk 2077』5周年コラボのサングラス型ディスプレイ『VITURE Luma Cyber XR Glasses』を発表しました。 『VITURE Luma サイバーXRグラス』は、かけると「4m先に152インチ」相当(視野角52度)の画面が浮かんで見える、いわゆるARグラス / XRグラス製品。 ゲーム『サイバーパンク2077』本編と同じデザイナー陣が手掛けたネオンイエローとブラックのデザインに、VITUREの上位モデルVITURE Luma ProとUltraを基にした限定仕様が特徴です。0000から9999までのシリアルナンバー入り限定生産モデル。 製品としては、スマホやPC / Mac、Steam DeckなどにUSB-Cケーブル一本で接続して、ハンズフリー・デスクフリーな大画面ディスプレイになる製品。 出力が

Z-Image-Turbo / 生成Z-Image-TurboはQwen-Imageでお馴染み、Alibabaから11月27日リリースされた。Qwen-Imageがあるのに何故！？と思ってしまうが、それはさておき、特徴として以下があげられる。 Turbo、BASE、Editの3種類 27日は蒸留版のTurboのみ https://huggingface.co/Tongyi-MAI/Z-Image-Turbo パラメータ数6B FLUX.1 [dev] 12B、Qwen-Image 20B、同時期にリリースされたFLUX.2 [dev]は32B テキストエンコーダーにQwen3 4Bを使用しマルチリンガル ライセンス Apache 2.0 今回は蒸留版のTurboのみだったが、フルのBASEと編集可能なEditがリリース予定となっている。ライセンスはApache 2.0（BASEとEditは

11月28日夜に放送された、日本テレビのバラエティ番組「沸騰ワード10」の制作に、生成AIのクリエーターとして関わりました。筆者がどんなことをやっていたのかを解説したいと思います。 番組としては1時間弱の尺がありますが、その中の10分少々のコーナー「AIの真骨頂！写真1枚で昭和へタイムスリップ！AI映像で蘇る!?」を生成AIで制作するという企画です。一部に本物の人間によるナレーションとスタジオでのリアクションが入っていますが、基本的にAI生成でできたコーナーということになります。 同番組では、10月に二度もAI特集を組んでいますが、そのときの主役、宮城明弘さんは全編をAIで制作したテレビドラマ「サヨナラ港区」のAI部分を全面的に担当したAIトップクリエイター「AIの魔術師」。その隣に自分が「最強AIコンビ」として並んでおります。肩書きは「AI音声のプロ」。 2024年にはSuno AIの書

MetaがAIペンダントのLimitlessを買収しました。

Meta、画像や動画内の人や物をセグメンテーションするAIモデル「SAM 3」発表Meta AIからプロンプトに基づいて画像や動画内のオブジェクトを検出・セグメンテーション・追跡するモデル「SAM 3」が発表されました。 SAM 3は前作SAM 2の後継モデルで、最大の進化は「コンセプトプロンプト」への対応です。従来のSAMシリーズでは点やボックスをクリックして1つの物体を指定する方式でしたが、SAM 3では「黄色いスクールバス」のような短いフレーズや、参照画像を使って、画像や動画内の該当する全てのインスタンスを一度に検出・セグメンテーションできるようになりました。 この新機能を実現するため、研究チームは400万種類の概念ラベルを含む大規模データセットを構築しました。人間のアノテーターとAIアノテーターを組み合わせたデータエンジンを開発し、AIによる検証作業を導入することで、人間だけの場合

NTTソノリティは12月3日、新しい“聞こえ”を提供する新ブランド「cocoe（ココエ）」を発表しました。その第1弾製品として、「世界初」をうたうオープンイヤー型の集音器「cocoe Ear（ココエ イヤー）」を開発。

スマホとSIMを求めて世界を取材中。メディアへ執筆多数。海外・中国通信関連の記事や講演承ります。noteや動画配信もやってます。 みなさんこんにちは、香港在住の携帯電話研究家、山根康宏です。2025年12月2日、韓国・ソウルでサムスン初となる3つ折り型のスマートフォン「Galaxy Z TriFold」が発表されました。さっそく実機を触ってきたので、取り急ぎフォトレビューをお届けします。 Galaxy Z TriFoldは閉じると6.5インチディスプレイが使えます。ディスプレイサイズは「Galaxy Z Fold7」と同等ですね。フロントカメラも1000万画素と同等。 閉じたときのサイズは159.2×75.0×12.9mmで、Galaxy Z Fold7より若干長く、横幅も広めです。厚みが12.9mmありますが、思い起こしてみると初代の「Galaxy Fold」は15.5mm、また2024

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、AI分野のトップカンファレンス（国際会議）において、査読者や論文著者などの個人情報が漏洩した事件を取り上げます。 2025年11月27日（米国東部時間）、学術論文の査読プラットフォーム「OpenReview」でセキュリティ上の脆弱性が発見され、本来は匿名であるはずの査読者、論文著者、エリアチェアの名前が漏洩していたことが明らかになりました。 本件におけるOpenReviewの声明文の一部（OpenReviewのサイトから引用） OpenReviewは、主に人工知能、

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 この1週間の気になる生成AI技術・研究をいくつかピックアップして解説する今回の「生成AIウィークリー」（第122回）は、AIが外部ツールと対話する回数と深さを大幅に増やしたAIエージェント「MiroThinker」や、SoraやVeoに引けを取らないロシア発オープンソース画像・動画生成AI「Kandinsky 5.0」を取り上げます。 また、大規模言語モデル（LLM）に間違えを指摘しても、「謝罪して新たな幻覚」を何度も繰り返す問題や、画像生成AIの「ノイズ予測」を覆す新手法を取り上げます。 そして、生成AIウィークリーの中でも特に興味深いAI技術や研究にスポットライトを当てる「生成AIクローズアップ」では、Googleが発表した画像生成および編集モ

生成AIグラビアをグラビアカメラマンが作るとどうなる？ 連載記事一覧 前回、2025年夏の陣も終わり今は一段落している……と書いたばかりなのに、その直後、Nano Banana Pro、FLUX.2、Z-Imageが一気にリリース。秋の陣が始まった（笑）。今回はこの中からローカルで生成可能な、FLUX.2 [dev]をご紹介したい。 FLUX.2 [dev] / 生成FLUX.1 [dev]といえば、少なくとも2024年夏から今年にかけてローカルで生成可能なモデルとしては絶大の人気を誇っていた。今年2025年の夏にQwen-Imageがリリースされ、その人気は二分されてしまったものの、それでも十分人気のモデルだ。 そんなBFL（Black Forest Labs）から、11月28日、FLUX.2がリリースされた。内訳は以下の通り。 FLUX.2 [pro] (サービス/API) FLUX.

[名称] PD、Phase-change Dual/Phase-change Disc （参考製品名 「LM-R650J」） [種類] 光ディスク（書換型） [記録方法] 相変化記録、レーザー光（780nm） [メディアサイズ] 124×135×7.8mm [記録部サイズ] 直径約120mm [容量] 650MB [登場年] 1995年頃～ ひとつ、またひとつと消えていき、記憶からも薄れつつあるリムーバブルメディア。この連載では、ゆるっと集めているメディアやドライブをふわっと紹介します（※本記事は2022～2025年に掲載した連載「ロストメモリーズ／著：宮里圭介」を再掲出したものです）。 ロストメモリーズの記事一覧 | テクノエッジ TechnoEdge 「PD」は、松下電器産業が開発した記録型の光ディスク。データ記録に相変化記録技術を採用し、何度も記録・再生できる書換型となっているのが特

では、SunoとWMG、UdioとUMGの提携はどこが共通して、どこが違うのでしょうか。 どちらも以前の著作権侵害訴訟を和解させる画期的な動きであるという共通点がありますが、プラットフォームの移行期間や既存ユーザーへの対応とエコシステムの拡大戦略において違いがあります。 ユーザーにとって大きいのは、現行サービスが維持されるかどうかですが、この点においてはUdioは新サービスへの移行期間中はダウンロードができなくなっているという、既存利用者にとって致命的な状況ですが、Sunoは、有償プラン限定ではありますが、そのまま使えます。 Sunoの無料プランでは再生と共有のみが可能。有料プランはダウンロードは可能ですが、毎月のダウンロード数には上限が課せられます。上限については後ほど発表される予定。Sunoユーザーも無傷ではいられなかったようです。 ▲Sunoの無料アカウントでは生成した楽曲がダウンロ

生成AIグラビアをグラビアカメラマンが作るとどうなる？ 連載記事一覧 本連載では新しいCheckpointやLoRA、ComfyUIのカスタムノードなど、ローカル生成をメインで扱っているのだが、2025年夏の陣も終わり今は一段落している。そこで今回はサービス系で筆者が最近使っているものをご紹介したい。 Google Mixboard11月11日、GoogleからいきなりリリースされたのがMixboard。txt2img、img2imgに対応し、裏では多分Nano Bananaが動いている。つまり画像生成ができて編集も可能。 Mixboardトップ画面これだけなら既にローカルでもQwen-Image-Edit-2509があるのでたいして驚かないのだが、注目はそのUI！ まずtxt2imgでPromptに適当なキーワードや日本語英語に関わらず文章を入れると（ここでは”秋、紅葉、秋服を着た可愛い

2014年から先端テクノロジーの研究を論文単位で記事にして紹介しているWebメディアのSeamless（シームレス）を運営し、執筆しています。 1週間の気になる生成AI技術・研究をいくつかピックアップして解説する連載「生成AIウィークリー」から、特に興味深いAI技術や研究にスポットライトを当てる生成AIクローズアップ。 今回は、Googleが発表した画像生成および編集モデル「Nano Banana Pro」（Gemini 3.0 Pro Image）を取り上げます。 度肝を抜くような生成結果が出力されるAIモデルが登場すると、界隈の人たちがこぞって試し、Xで成果物を共有する現象が起きます。以前にも、OpenAI「o3-mini-high」が登場した時には、軽量で低料金、コード生成が強いという理由で、プロンプトから一発出しでゲームを生成する共有祭りが始まりました。 関連記事：OpenAI「o

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 Anthropicは、最新のAIモデルとなるClaude Opus 4.5を発表しました。同社の説明によれば、コーディングやコンピューターの操作、複雑な業務タスクでのユーザー支援に長けた「世界最高峰のモデル」とのことです。 AnthropicのClaude AIモデルには、高速でコスト効率が高く簡易なタスクに向くHaiku、ビジネス用途にも対応する中級向けで重すぎないタスクに向いているSonnet、そして今回発表された、高度な推論能力を持ち、ソフトウェア開発者や、金融アナリスト、コンサルタント、会計士といった知識労働者をターゲットとするフラッグシップモデルであるOpusの3種類があります。 Opusの前バージ

AIが「原神」を56分でクリアする、ゲームAIエージェント「Lumine」をByteDanceが開発ByteDance Seedの研究チームは、3Dオープンワールドゲームで人間レベルのプレイを実現するAIエージェント「Lumine」を発表しました。これは、複雑な3D環境で数時間にわたるミッションをリアルタイムで完了できるAIシステムです。 Lumineは、Qwen2-VL-7Bベースモデルを基盤とし、ゲーム画面のピクセルデータから直接キーボードとマウスの操作を生成します。毎秒5回の頻度で画面を認識し、30Hzの精度でアクションを出力する仕組みです。必要に応じて内部で推論を行い、状況に適応的に対応する機能を備えています。 訓練には約2400時間の人間のゲームプレイデータを使用し、3段階の学習プロセスを経ています。まず1731時間のプレイデータで基本的な操作を学習し、次に200時間の指示追従デ

2022年11月にChatGPTが公開されて以来、生成AIの普及は一気に加速しました。すでに日常的に使っている人もいる一方、「仕事にどう生かせばいいかわからない」「業務に定着しない」といった声もまだ多く聞こえます。 そこでテクノエッジ編集部では、生成AIをビジネス現場でどう活用し、定着させていくのか——その具体的な手法を紹介するセミナー「Gen-Biz（ジェネビズ）」を開催しました。登壇したのは、テクノエッジ編集部の松尾氏、営業支援のセレブリックスの福田氏、AIボイスレコーダーPLAUDの鈴木氏の3名。 本記事では当日の3セッションをまとめて紹介します。 オープニング：生成AIは“特別なツール”から“日常的な作業環境”へ冒頭セッションでは、テクノエッジ編集部の松尾氏が自身のAI活用スタイルを紹介しました。 （左）テクノエッジ編集部 鷹木 創 氏、（右）松尾 公也氏現在はGoogleの「Ge

Googleは、画像生成・編集モデル「Nano Banana Pro（Gemini 3 Pro Image）」を発表しました。「Geminiの最先端の推論技術と実世界の知識を活用し、これまで以上に優れた情報視覚化を実現」するとGoogleは説明しています。 筆者は現在、テレビ番組向けにAI映像を作る仕事（近日公開予定）をなぜかやっており、そこでもNano Banana（そしてPro）は活躍してくれました。 さて、そんなNano Banana Proですが、日本語の描画が的確になったという評判で、漫画を描かせたりしている人も出ています。 なら、日本語手書き文字もいけるのでは？　そう思って試してみました。 この試みは、以前もやったことがありましたが、当時できたのはアルファベットだけ。これで自分の事務所の看板を妻の手描き文字風にしてみたのです。事務所の名前はアルファベットなので。 今回は、日本語

ガジェット全般、サイエンス、宇宙、音楽、モータースポーツetc... 電気・ネットワーク技術者。実績媒体Engadget日本版, Autoblog日本版, Forbes JAPAN他 Googleは、画像生成・編集モデル「Nano Banana Pro（Gemini 3 Pro Image）」を発表しました。「Geminiの最先端の推論技術と実世界の知識を活用し、これまで以上に優れた情報視覚化を実現」するとGoogleは説明しています。 Nano Banana Proは今週初めにリリースされたばかりの、推論機能が向上したGemini 3 Proをベースとしており、従来より美しい画像の生成は当然として、与えたコンテンツや「現実世界の事実」に基づく、文脈豊かなインフォグラフィックや図表など、見る者がそれによって何かをより深く理解できるような、「正確な」解説を作成できるとのことです。 また作成す