※本記事は、Google DeepMindでデベロッパーリレーションズチームのリードを務めるPaige Bailey氏、AI Studioのプロダクトとデザインを統括するAmmaar Reshi氏、およびJosh Gordon氏による、Google I/O 2026のセッション「What's New in Google AI」の内容を基に作成されています。本セッションでは、マルチモーダル、メディア生成、ロボティクスにわたる最新モデルの機能や、Googleのインフラを活用したそれらの実践方法など、GoogleのエンドツーエンドなAIスタック全体が紹介されています。インテリジェントエージェントの構築、新しいvibeコーディングツールの活用、オープンソースモデルのチューニングや提供など、次世代AIアプリを構築するために必要なツール群についても解説されています。動画の詳細は https://www.youtube.com/watch?v=SSe1VmVrtw0 でご覧いただけます。本記事では、セッションの内容を要約しております。なお、本記事の内容は登壇者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの動画をご視聴いただくことをお勧めいたします。また、Google I/O 2026のAI関連セッション一覧(https://goo.gle/AI-at-IO26)や、Google for Developers(https://goo.gle/developers)もあわせてご参照ください。
1. オープニングとGeminiモデルラインナップの拡大
1.1 登壇者紹介とセッションの位置づけ
Paige： 皆さん、Google I/Oへようこそ、そして「What's New in Google AI」へようこそです。今日はキーノートの後、最初のセッションとなりますが、皆さんとても興奮されているようで嬉しく思います。私はPaigeと申しまして、Google DeepMindでデベロッパーリレーションズチームのリードを務めております。今日は同僚のAmmaarと一緒にお届けします。
Ammaar： 私はAI Studioのプロダクトとデザインを統括しているAmmaarです。今日から45分間で、Googleがこの1年間AIの領域で取り組んできたことの全体像を、なんとか凝縮してお伝えしようと思っています。正直、かなり大変な挑戦です。
Paige： ただ、幸いなことに今日の残りの時間、そして明日以降も、今日は軽く触れるだけの内容についてじっくり深掘りするセッションが数多く用意されています。私たちが恐ろしいペースで機能をリリースし続けていることは、もう隠しようのない事実だと思います。
Ammaar： 本当に、狂気じみたペースですよね。2024年を振り返ってみると、当時はGemini 1.5シリーズのモデルで、ようやくマルチモーダル対応にこぎつけたという段階でした。それが今ではどうでしょうか。
1.2 Gemini 3.5シリーズの発表と採用事例
Paige： まさにその通りです。実は本日、Gemini 3.5 Flashをリリースしました。これについては後ほど詳しくお話しします。フロンティアモデルからオープンモデルまで、ラインナップは実に多岐にわたっています。Gemini 3系のモデルラインナップは、今日発表した内容も含めて、ここ数か月でかなり拡充されました。複雑な問題に取り組むための、依然として最高性能を誇るGemini 3.5 Proがあります。
Ammaar： そしてパフォーマンスと速度、コストのバランスに優れた3.5 Flashですね。これはAI Studio BuildのデフォルトモデルでもあるとPaigeが今おっしゃっていましたが、実際その通りで、私たちは3.5 Flashをアプリ構築のデフォルトモデルとして採用しています。信じられないほど高性能なんです。実は、数週間後にリリース予定のAI Studioモバイルアプリも、その多くが3.5 Flashで構築されました。AndroidとiOSの両方でこれが実現できたのは、本当に素晴らしいことだと感じています。
Paige： それから低遅延が求められる用途に最適な3.1 Flash-Liteもあります。コストを大きく抑えられる点も魅力ですね。これは私たちだけが使っているわけではなく、業界を見渡せば、Databricks、GitHub、Harvey、Warpをはじめとする数多くのお客様が、すでに本番環境でGemini 3を稼働させてくださっています。Geminiが業界の中で際立っているのは、テキスト、画像、音声、動画、コードといった実に多様なモダリティを理解できるだけでなく、複数のモダリティを出力もできるという点だと思います。
Ammaar： ええ、私が特に気に入っているのはその点です。多くのモダリティを理解できるからこそ、アプリを構築する際、例えばアニメーションの動画をアップロードすると、そのフレームを理解した上でコードとして再現してくれるんです。動画理解は、それ自体でまったく新しい活用の可能性を切り開いてくれます。
Paige： はい、他のモダリティについても同じことが言えますね。Buildの機能において、フロントエンドのデザインを検討する際にスクリーンショットを活用できるのも、非常に強力なツールだと感じています。私たちの生成メディア分野のモデル群は、まさにこうした特性の証明といえます。動画も出力できますし、音声も出力できる。この先の展開については、次のセクションで詳しくお話ししていきます。
2. 生成メディアモデル群の進化
2.1 Nano Bananaシリーズの紹介
Paige： 生成メディア分野のモデル群は、まさに私たちが動画も音声も出力できるということの証明だと思っています。実際、非常に優れたテキスト読み上げモデルや、Gemini Liveのモデルも用意していますし、Live APIを使えばGemini自体とリアルタイムでやり取りすることができます。これについては、後ほどデモでお見せしますね。そして今日、たくさんお話ししてきたのがNano Banana、つまりGemini 3.1 Flash Imageです。これは非常に精細度の高いビジュアルアセットを生成できるモデルです。
Ammaar： Nano Banana 2もありますよね。AI Studioで実際に試すこともできます。
Paige： そうなんです。そして本日、Nano Banana for Video、つまりGemini Omni Flashもリリースしました。これは動画を起点として、あらゆる入力からあらゆるものを生成できるモデルです。
Ammaar： 動画を起点に、というのがポイントですよね。編集作業というのは本当に骨が折れる作業で、特に細かいディテールを正確に仕上げるのは大変です。だからこそ、動画に対してもNano Banana流の編集ができるようになったというのは、非常にエキサイティングなことだと思っています。しかもこれは近いうちにAPIでも使えるようになる予定です。開発に組み込んでいくのが本当に楽しみです。
2.2 Omnimercialデモと関連セッション案内
Paige： 100%同感です。もしまだ試したことがない方がいらっしゃれば、この会場の裏手に、とても素敵なAIデモガーデンがありますので、現地にいらっしゃる方はぜひ足を運んでみてください。そこではOmniを使って、自分自身が主役のコマーシャルを作ることができるんです。「Omnimercial」という名前のコーナーです。行列ができているかもしれませんが、気長にお待ちいただく価値はありますし、とても楽しい体験ですよ。それから、生成メディアにご関心のある方は、今週後半に開催される「Build creative apps with the GenMedia suite」というセッションにもぜひ参加してみてください。私たちのチームのメンバーが登壇して、皆さんのご質問にすべてお答えしますので。
3. AI Studio Playgroundによるライブデモ
3.1 恐竜動画を使った解析実演
Ammaar： これらのモデルはすべて、Antigravityというツールの中でIDEとして組み合わされ、体験として結実しています。私たちGoogle社内でも、Antigravityを日常的にかなりヘビーに使っています。
Paige： 本当に毎日ですね。コードのチェックインにも、コードレビューの支援にも、こうした新しい体験のデザインにも使っています。そしてAI Studioについては、プロダクトのアイデア出しからアプリ構築、素早いプロトタイピングまで、あらゆる場面で活用しています。プロンプトからアプリまで最速でたどり着ける手段ですから。ただ、私はスライドが大の苦手でして。
Ammaar： 私も同じです、スライドは苦手ですね。
Paige： ということで、お互いスライド嫌いということで意見が一致しましたので、実際にデモをお見せしながらこれらのツールをご紹介していきたいと思います。Wi-Fiがどこまで持ちこたえてくれるか、少し不安ではありますが。
Ammaar： それでは、Playgroundに戻りましょう。見慣れない方のために説明しますと、これがAI StudioのPlaygroundでありホームページでもあります。ここでは、DeepMindの最新モデルすべてを試すことができ、あらゆるパラメータを調整して、その性能を確かめることができます。すべての機能の感覚をつかむのに最適な方法です。ここで得られたコードスニペットをそのまま持ち出して、アプリ構築に進むこともできます。Paige、口火を切ってデモしていただけますか。
Paige： もちろんです。少し画面を拡大して、AI Studioでどのように異なるメディアタイプを選択できるかをお見せしますね。まだご覧になったことがない方向けです。Driveからファイルを追加したり、ファイルをアップロードしたり、音声を録音したり、カメラを使ったり、YouTube動画を追加したりできますし、サンプルメディアを選ぶこともできます。この動画を選んでプロンプトに追加してみます。ここではコストを最も抑えたモデルであるGemini 3.1 Flash-Liteを使ってみましょう。
Ammaar： かなり速いはずです。
Paige： 「この動画に登場するすべての恐竜について、タイムスタンプ付きの表を作成してください。それぞれの恐竜について面白い豆知識も添えてください」と入力して、実行してみます。この5分程度の動画から読み込まれたトークン数が確認できますが、およそ31,000トークンです。
Ammaar： 速いですね。
Paige： 本当に速いです。恐竜の名前、タイムスタンプ、豆知識が入った表ができあがりました。このトークン消費量にカーソルを合わせてみると、この一連の処理にかかった費用がおよそ1.5セントだったことが分かります。これはかなり驚異的な数字だと思います。
Ammaar： すごいですね。
Paige： そして、先ほどAmmaarが言っていたように「コードを取得」をクリックすれば、今実行したことをそのまま再現するために必要なコードがすべて確認できます。ツール呼び出しをワンライナーで行う検索機能や、このthinking configの設定、そして一番上にあるモデル選択も含めてです。これがPlaygroundの概要です。Geminiファミリーのモデルだけでなく、Nano Bananaや動画生成モデルなど、他のいくつかのモデルも試すことができます。
3.2 Gemini Liveのリアルタイム対話デモ
Ammaar： Gemini Liveについても少し触れましたね。私、これは大好きなんです。
Paige： そうですね。Gemini Liveでは、モデルとリアルタイムで会話できるだけでなく、マルチモーダルなコンテンツを共有することもできます。もう以前からある機能ですが、自分のアプリに組み込むことを考えると、本当に面白い機能だと思います。「画面を共有」をクリックすると、Chromeのタブを選ぶよう求められます。
先ほど作成した恐竜の表を選んでみますね。どのアプリやタブでも選べますが。それではAI Studioに戻って、「やあGemini、画面に何が見えるか教えてくれる?」と話しかけてみます。
Geminiは「Google AI Studioの画面を見ています。画面のメイン部分には、恐竜の表とタイムスタンプ、それぞれの豆知識が表示されています。例えばオルニトミムスは俊敏な恐竜だったと書かれていますね。何か特に注目したい点はありますか?」と答えてくれました。
会場の皆さんの中で、英語以外の言語を話される方はいらっしゃいますか。アラビア語ですか、素晴らしいですね。ブラジルポルトガル語かポルトガルのポルトガル語も聞こえた気がします。それから中国語も。それでは、モデルに先ほど言ったことを繰り返してもらいつつ、今度は中国語で話してもらうようお願いしてみます。ただし、正しいかどうかは皆さんにファクトチェックしていただく必要がありますが。「やあGemini、さっき言ったことを繰り返してほしいんだけど、今度は中国語で言ってもらえる?」
Geminiが中国語で応答しました。うまくできていましたか。素晴らしいです。
これは会話の途中で動的に言語を切り替えるようお願いした例ですが、システムインストラクションの中で「ユーザーにはブラジルポルトガル語のみで応答すること」と指定することもできます。ブラジルポルトガル語をファクトチェックしてくださる方がいれば、ということで試してみますね。
それでは、Google検索によるグラウンディング機能もオンにしてみます。Geminiに質問を投げかけてみましょう。「やあGemini、画面に何が見えるか教えてくれる?」
正しく答えられていましたか。合っていた、ということですね。素晴らしいです。それから、グラウンディング機能が有効になっているので、「やあGemini、今日のカリフォルニア州マウンテンビューの天気を教えてくれる?」と聞くこともできます。これも正しかったですか。はい、正解でした。素晴らしいですね。出力の根拠として参照されたソースも確認できます。
そして先ほどと同じように、「コードを取得」をクリックすれば、今の実験を再現するために必要なものがすべて確認できます。Python、TypeScript、.NETなど、お好きな言語で、プログラム的な形でもそうでない形でも対応しています。AI Studioは、こうしたことすべてに手軽に着手できる、まさに魔法のような場所だと思います。
4. AI Studio Buildモードによるアプリ生成デモ
4.1 折り畳みピアノアプリの生成と実機インストール
Paige： ただ、AI StudioはPlaygroundだけではありません。
Ammaar： そうなんです、Playgroundだけではなく、まだまだたくさんの機能があります。
Paige： 「コードを取得」をクリックしてIDEで自分でビルドするのではなく、私たちがこれまで作り込んできたものをぜひ見ていただきたいのですが、Buildの機能についてご紹介いただけますか。
Ammaar： もちろんです。コードを取得して自分でIDEでビルドしたくない場合は、完全にバッテリー同梱型のビルド体験をご用意しています。それがこのBuild Modeです。クリックしてみますね。Build Modeを使えば、どんなアイデアでもプロンプトを通じてそのまま実現することができます。テキスト読み上げ、音楽生成、データベースなど、私たちが提供するあらゆる機能から選ぶことができます。そして新しく追加してとても気に入っているのが、AI Studioから直接Androidアプリを構築できる機能です。
Paige： おお、それはすごいですね。
Ammaar： 私が特に気に入っているのは、Androidアプリのセットアップやシミュレータの用意といった作業を一切気にする必要がないという点です。プロンプトを打つだけで、アプリをこの世に存在させることができるんです。私が思いついたアイデアは、このピアノアプリを、ここにある折り畳みスマートフォン向けに作るというものでした。
Paige： とても格好いい端末ですね。どこで手に入るんですか。
Ammaar： ただ経費で購入すればいいだけです。やることは、「折り畳みスマートフォン向けの折り畳みピアノアプリを作りたい、画面の上半分はチュートリアル、下半分は演奏できるピアノの鍵盤にしてほしい」と伝えるだけです。
Paige： 素晴らしいですね。
Ammaar： それから少しの間放置しておくと、プロンプトにタブで追加できる提案まで出してくれるんです。次に何を書けばいいか分からないときや、モデルがどこまで発想を広げてくれるのか興味があるときに、とても役立ちます。本当に楽しい機能です。
Paige： つまり、タブを押していくだけでスタートアップのアイデアを完成させられる、ということですね。
Ammaar： その通りです。ただ、今出てきたアイデアは私の好みではなかったので、いったん脇に置いておきますね。それでは「Build」を押して、このアイデアの構築を始めてもらいます。もう一つお見せしたいのが、AI Studioが「テーマを生成中です」と表示している部分です。左側でアプリがビルドされている間、AI Studioは同時にアプリ用のデザインテーマもいくつか設計してくれているんです。モデルからインスピレーションが出てくる様子を見るのは、本当に楽しいですね。インターフェースのアイデアをいくつか提案してくれています。おや、これはきれいですね。動画チュートリアル形式のアイデアや、こちらのエレガントなダークテーマなど、いくつかの中から選ぶことができます。個人的にはこのダークテーマがとても気に入っています。
Paige： それは本当にきれいですね。パステルカラーも好みです。
Ammaar： ええ、とても素敵です。ちょっとした光彩の加え方も気に入っています。「このデザインを選択」を押せば、そのプロンプトがそのまま追加されますし、スキップしてまずアプリの最初のバージョンを構築させることもできます。ただ、実はこのデモの前に別のものをすでに用意しておきました。それを更新して、そちらも一緒にビルドしてみましょう。
Paige： このアプリはKotlinでネイティブに生成されているんですよね。
Ammaar： ネイティブのKotlinです。先ほどと同じようなプロンプトです。最初のプロンプト、「折り畳み対応のピアノアプリを作って」というものが確認できますね。「コードを取得」を押せば、Kotlinのコードがすべて見られます。それから先ほどお見せしたように、Antigravityへのエクスポートもこのアプリの中でできます。「エクスポート」をクリックすれば、そのままAntigravityに持っていくことができます。
Paige： そして、AI Studio上でのやり取りの履歴や文脈もすべて記憶した状態で、Antigravityに引き継がれるんですよね。
Ammaar： その通りです。会話全体がそのまま流れ込んでいくので、とても便利です。それでは、この「インストール」ボタンについてですが、これで実機を接続してUSB経由でインストールできます。ただ、USB接続は壇上だと不安定になることがあるので、少し試してみましょう。USB接続を一旦切って、スマートフォンのロックを解除してみますね。うまくいくか見てみましょう。
Paige： 素晴らしいですね。
Ammaar： 最新版がインストールされるか見てみましょう。「許可」と。インストールが進んでいるようです。もうすぐAI Studio側でもビルド完了の表示が出るはずです。
Paige： インストール先が……あ、来ましたね。
Ammaar： デバイスにインストールされました。折り畳みスマートフォンに、このピアノアプリが入っている状態です。
Paige： 素晴らしいです。
Ammaar： ええ、本当に楽しいですね。これから、自分のスマートフォンやウェブ向けにアプリを作りたいと思っていた多くの新しい開発者たちが、AI Studioでアイデアを説明するだけでそれを実現できるようになっていくのだと思うと、わくわくします。
Paige： 少し演奏してみませんか。
Ammaar： 弾いてみましょうか。どうなるか見てみますね。皆さんに聞こえているか分かりませんが、画面上にも表示されているようですね。
Paige： Androidエミュレータでも試してみましょうか。
Ammaar： エミュレータの音声対応はもうすぐです。私自身、あまり演奏が上手ではないのですが、だからこそこのアプリが必要なんです。それから近いうちに、Playストアへの配信にも対応する予定です。ここからアプリをそのままPlayストアに提出できるようになりますので、世界に向けて公開できるようになります。
4.2 Workspace統合とエージェント機能
Paige： 素晴らしいですね。
Ammaar： Androidアプリの開発に加えて、近々、実はもう本日からロールアウトが始まっているのですが、Workspaceアプリの構築も可能になります。
Paige： つまり、GmailやカレンダーをはじめとするWorkspaceの各種プロダクトを、プロンプトだけでAI Studioに接続できるということですね。
Ammaar： その通り、プロンプトだけでできます。何かアイデアはありますか。
Paige： 実は、私たちの間で会議の招待やカレンダーがちょっと過密になっているという話をしていましたよね。「カレンダールーレット」というアイデアがあったと思うのですが。
Ammaar： ありましたね。実はもう作ってあります。お見せしましょうか。ちょっと際どいアプリではあるのですが、モデルに「自分のカレンダーを見て、会議を一つ見つけて、それを削除して」とお願いしたものです。ただし、必ず削除する前に自分に確認するようにお願いしました。私自身がチェックする必要があるので。
Paige： Loganとの会議じゃないことも確認してくださいね。
Ammaar： Loganとの会議じゃないことも、ですね。それではサインインしてみます。ちょっとリスキーですが。いくつか会議を拾ってきていますね。それでは回してみます。どの会議を削除するか、これから決めてくれます。
Paige： I/OやKeynote、LaunchCalなど、すべてが入っているのがいいですね。
Ammaar： ええ。そしてFirebaseとの連携によって、自動的にOAuthでGoogleアカウントにログインしてくれています。
Paige： それも自動でOAuth連携されているんですね。
Ammaar： その通りです。今日この後にあと15件の予定が入っていることまで把握しているんです。この中からいくつか外したいので、まさにこのアプリを使うつもりです。
Paige： 素晴らしいですね、それは良さそうです。これでPlaygroundとBuildの概要、そしてそれぞれの最新機能についてお伝えできたと思います。
Ammaar： ええ。
Paige： AI Studioとこれらのツール群を使って、皆さんが何を作ってくださるのか、本当に楽しみにしています。アクセスするには、ai.devにアクセスしていただくだけです。
Ammaar： はい、ai.devにアクセスするだけです。誰かから、あのルーレットを今この場で回してみてはと言われているのですが、ライブでどうなるか見るのはちょっと怖いので、それはまた二人の間で後ほど、ということにしておきます。
Paige： それでは、AI Studioチームで取り組んできた内容の一端を、簡単にお見せしてきました。AI Studioにご関心のある方には朗報ですが、次のセクションはまさにAI StudioとAntigravity、そしてそれらをご自身のプロジェクトのワークフローにどう組み込んでいけるかについての内容になっています。またAI Studioの中には、Interactions APIという機能もリリースしました。APIキーを作成すれば、Gemini APIを使ったエージェントの構築や新しいエージェント型の実験にすぐ着手できます。マネージド・エージェント・プラットフォームにご関心のある方は、今朝のキーノートでも少し触れましたが、先ほどご覧いただいたのと同じようなvibeコーディングのスタイルで、自然言語で何かを説明するだけで、モデルがサービスと接続しクラウドVM上で稼働するマネージドエージェントを生成してくれる機能です。
Ammaar： ええ、これもAntigravityのエージェントがすべてを支えているんです。つまり、たった一回のAPI呼び出しだけで、まったく同じパワーと機能を備えた環境が手に入るということです。
Paige： 素晴らしいですね。ご関心のある方は、今週後半に開催されるPhilippとThorによる「Build agents with Gemini API」のセッションにぜひ足を運んでみてください。Gemini Live APIやテキスト読み上げモデルについても、少し触れてもらえる予定です。
5. オープンモデルGemmaファミリーとインフラ基盤
5.1 Gemma 4の特徴とオンデバイス活用
Paige： 私たちはフロンティアモデルだけを出し続けてきたわけではありません。
Ammaar： その通りですね。
Paige： そして私が個人的にとても大切に思っているのが、オープンモデルです。
Ammaar： オープンモデル、オープンソースのモデルですね。Gemma 4がここまで進化してきたこと、そして特にオンデバイスでの動作や、今週見てきたいくつかの驚くべきデモを振り返ると、本当にすごいことだと感じています。
Paige： 本当にその通りです。Gemma 4はAI StudioのPlaygroundでも試すことができますので、これから始めたいという方にはぴったりです。あまり知られていない事実だと思うのですが、Gemma向けのAPI呼び出しは、Geminiアプリ用のAPIとあわせて一定数まで無料で利用できます。動画や音声、画像、テキスト、コードなど、あらゆる形式の理解に優れているので、自分のアプリに組み込みたい場合には、Geminiモデルや他に組み込んでいるモデルと比較検討することもできます。
私たちには非常に大きなGemma 4コミュニティがあり、世界中で多くのダウンロード数を記録しています。Gemmaは140以上の言語に対応しており、Hugging Faceで本日から入手可能です。コンテキストウィンドウは256,000トークンあります。オープンモデルファミリーであるGemmaについてもっと知りたい方は、今週後半にOlivier、Gus、Ianによるセッションもありますので、そちらもぜひご覧ください。
私たちはUnsloth、Ollama、そしてKaggleをはじめとする多くのコミュニティと強力なパートナーシップを築いており、こうした形でGemmaモデルを世界に届けることができています。そしてGemma 4で実現できることは、まだ始まったばかりです。オープンモデルを今まで試したことがない方、あるいはプロジェクトで使っていない方はいらっしゃいますか。少し手が挙がりましたね。もし試したことがなければ、ぜひGoogle AI Edge Galleryを試してみてください。モバイル端末やノートパソコンで使えるモデルがどんどん高性能になってきている中、プロジェクトのコストを大きく下げる素晴らしい方法です。
Ammaar： ええ、私はオフラインで使えるという点が特に気に入っています。以前、8時間ほどのフライトに乗った際、Gemma 4、いや5でコーディングをしてみたのですが、実際にとてもうまく動作したんです。
Paige： 素晴らしいですね。
Ammaar： それがすべてローカルで完結する様子を見られたのは、本当にすごいことだと思いました。
Paige： そうですね。Gemma 4はノートパソコン上でも動作しますし、Gemma 2に至ってはモバイル端末上でも動作します。Pixel 10にも搭載していますので、AndroidやPixel端末向けのオンデバイスなエージェント的なユースケースを後押しすることができます。オンデバイスの機械学習にご関心のある方は、こちらも今週後半にSachinとErinが詳しくお話ししてくれる予定です。
5.2 TPUスタックと安全性への取り組み
Googleが少し特別なのは、REST API経由で使えるモデルや、ダウンロードしてファインチューニングして自分のプロジェクトで使えるモデルを提供しているだけの会社ではないという点です。私たちはオープンソースのTPUソフトウェアスタックも持っています。
Ammaar： そうですね。
Paige： ですから、推論からポストトレーニング、プレトレーニング、モデル構築に至るまで、あらゆる工程をカバーしています。JAXとPyTorchの両方向けにTPU推論を担うvLLMのような定番ツールから、強化学習やエージェント型ワークフローのポストトレーニングを担うTunix、そしてMaxText、さらにTPUを非常に高速かつ高性能に動かすためのJAXとTorchTPUまで揃っています。私たちが構築するあらゆるモデルにおいて、JAXがどれほど限界を押し広げてきてくれたかを見るのは、本当に感動的です。DeepMindチームは、すべてのモデルとインフラの構築において、JAXのみを使用しています。
この点にご関心のある方は、今週後半にJoshによるセッションもありますので、TPUソフトウェアスタックを使ってAIをどうスケールさせていくかという話をぜひ聞いてみてください。このフルスタックでのアプローチは非常に独自性が高く、AIインフラからデータ、モデル、Cloud上のAIプラットフォーム、そしてGemini SparkやAI Studioを通じたエージェントやアプリまで、すべてが一貫してつながっています。
そして、これらすべてが非常にセキュアな形で行われているということも重要です。先ほどのSynthIDに関する発表は、私自身とても興奮しました。
Ammaar： ええ、他のパートナー企業と一緒にですね。
Paige： そうなんです。業界内の他のモデルサービスプロバイダーとも連携しながら、安全性と責任ある取り組みを何よりも優先する形で、こうした取り組みを進めようとしています。
Ammaar： 皆さんに、今日のこの後のセッションすべてに参加できるよう、スケジュールを空けてもらうためのカレンダールーレットアプリを配布する必要がありそうですね。
6. ロボティクスとワールドモデルの最新動向
6.1 Gemini RoboticsとPupperのデモ
Paige： それでは、次は何が来るのか、という話になりますね。
Ammaar： いつもその質問ですね。
Paige： 今日発表されたこれだけのものがすでに存在している中で、Googleとして、そしてDeepMindチームとして、この世界にどんどんAIを送り出し続けているわけですが、この先何が一番楽しみですか。
Ammaar： そうですね、私はロボティクス関連のものが大好きです。いつも本当にワクワクさせられます。Paigeもロボットが好きですよね。
Paige： ロボティクス関連は本当に大好きです。特に、Gemini APIを使えば、ほぼどんな場所にでもロボットを配置できるという点が魅力です。
Ammaar： どんな場所にでも、ですね。
Paige： REST APIを呼び出せるデバイスであれば、どんなものでも私たちのロボティクス技術を使うことができます。
Ammaar： そうですね。Hugging FaceのReachy Miniによる素晴らしいデモもありましたが、あれはGemini Roboticsを使っていました。しかもあのプロジェクト自体もオープンソースなんです。実は最近、Gemini Robotics 1.6を発表しました。それが実際に世の中で稼働している様子を見られるのは、本当にすごいことだと思います。
Paige： ええ、そしてそれが強力だと感じるのは、先ほどReachy Miniの話が出ましたが、Stanfordが手がけた「Pupper」という美しいオープンソースのプロジェクトもあるという点です。これはStanfordのCSカリキュラムで使われているもので、裏側にはRaspberry Piが積まれています。パーツはすべて3Dプリントされたものです。ただ、こうしたコモディティなハードウェアを使っているだけなので、Gemini Live APIを呼び出すことができ、Gemini Robotics ERを使ってこの小さなロボット犬を操作することができるんです。「ついてきて」とお願いすれば、ステージ上を追いかけてついてきてくれますし。
Ammaar： それは本当にすごいですね。
Paige： 「あのボールを取ってきて」というお願いにも応えてくれます。
Ammaar： それってどれくらいのトレーニングが必要なんですか。
Paige： それがほとんど必要ないんです。追加のトレーニングは一切不要で、いわば「訓練しなくてもいい初めての犬」と言えるくらいです。Pupperとただ会話をするだけで、幅広いユースケースにわたってダイナミックなやり取りができるようになっています。
Ammaar： それはすごいですね。
6.2 世界モデルGenie 3のデモ
Paige： はい。それに加えて、今日のキーノートでも少し触れられていた、私たちのワールドモデルファミリーであるGenie 3もあります。
Ammaar： ええ、Omniモデルの一部としての位置づけですね。これによって、世界の物理法則や、物事が実際にどう動作するかについての理解が得られます。
Paige： だからこそ、映像の一貫性がこれほど高いのだと思います。実際に物事が現実の世界でどう動くべきかを、モデル自身が理解しているからなんです。
Ammaar： そうですね、まさにそうです。
Paige： 好きな世界を自由に描写して、それを矢印キーで動き回りながら、短い動画として作り出すこともできます。例えば、こんなプロンプトがあります。「水の物理演算がダイナミックに再現された、静かな滝のある崖のエリア」、そしてそこに登場するキャラクターは「高速で飛ぶ紙飛行機」です。ご覧いただくと分かるように、先ほどAmmaarが話していたのと同じように、紙飛行機が水しぶきと絡み合いながら動く様子の物理演算、川の流れの物理法則、そのカーブしながら進んでいく様子などが再現されています。
Ammaar： 水面に反射する光の表現まで再現されていますよね。
Paige： 本当に美しいですね。もう一度再生していただけますか。ありがとうございます、素晴らしいですね。滝から飛び込んだ後の水しぶきが水面に落ちていく様子まで見えます。ですので、皆さんにはぜひGenie 3をいろいろ試していただきたいと強くお勧めします。Google AI Ultraのサブスクリプションをお持ちの方であれば、今日から利用可能ですし、今朝のキーノートで紹介された他の多くのプロダクトも合わせて使っていただけます。
7. クロージング
7.1 AIネイティブ時代の開発アドバイス
Paige： そして最も重要なポイントとして挙げたいのは、私たちが今作っているのは、AIネイティブな人たちのための最初の世代のツールだということです。何かを作り出すのに、もう誰かの許可を求める必要がない人たちのためのツールです。
Ammaar： 私はいつも皆さんにこう伝えています。やることはただ一つ、あのプロンプトボックスに行って、自分のアイデアを説明するだけでいいんです、と。よく「何かコツはありますか」と聞かれるのですが、私はいつも、自分の持っているアイデアはうまくいくはずだという前提で臨むようにしています。そうすると、自分がどこまでモデルを押し進めてアイデアを本当に形にできるか、実感できると思います。もし今のモデルのバージョンでうまくいかなかったとしても、次のモデルのイテレーションで必ずそのアイデアを実現できるようになると、私は確信しています。
Paige： そうですね。AI Studioにはデータベースや認証機能、さらにはこうしたWorkspaceとの連携機能まで追加してきていますので、ブラウザから一歩も出ることなく、IDEに移ることさえせずに、本当に遠くまで進めるように感じています。
Ammaar： ええ、しかも近いうちにはスマートフォンからも使えるようになります。もうすぐ登場するAI Studioモバイルアプリですね。
7.2 今後の展望と閉会の挨拶
Paige： 素晴らしいですね。私自身、街を歩きながら思いついたアイデアを説明するだけで、家に着く頃にはもう自分の受信箱にそれが届いている、という世界が来るのを本当に楽しみにしています。
Ammaar： それはもう数週間先の話ですよ。
Paige： とても楽しみです。素晴らしいですね。もっと試してみたい、いろいろ試してみたいという方は、ぜひai.studio/buildにアクセスしてみてください。それから、今年もI/Oにお越しいただき、本当にありがとうございました。
Ammaar： 本当にありがとうございました。
Paige： 皆さんのエネルギーと熱意に、心から感謝しています。
Ammaar： ええ、本当に。
Paige： 皆さんに心から感謝しますとともに、皆さんが何を作り出してくれるのか、楽しみにしています。
Ammaar： ええ、楽しみにしています。