5月14日（アメリカ太平洋時間）に開催された「Google I/O」はAIにフォーカスした内容に（筆者撮影）

　生成AIを軸とした、ビッグテックによる「AI開発競争」が第2幕を迎えた。 　5月14日(アメリカ太平洋時間)にGoogleは、例年通り年次開発者会議「Google I/O 2024」を開催。今年は例年以上に「AI」にフォーカスした基調講演を行った。 【写真】Googleが発表した、自然な対話を実現する「Project Astra」。スマートフォンのカメラで見たものがなにかを識別し、声での質問に、自然な音声で答える 　一方でそれに先回りするように、5月13日にはOpenAIが同社の生成AI「GPT-4」の改良版にあたる「GPT-4o」を発表し、話題をさらった。 　両社の発表には明確な共通点がある。

　それは「画像・音声対応」と「即応性」だ。 　こうした要素を両社が重視するのは、AIの活用が一般化するために必須のことだからである。 　それはどういうことなのか、そして、この変化はスマートフォンなどにどのような変化をもたらすかを考えてみよう。 ■自然な対話を実現する「Project Astra」 　Google I/Oでの発表の中でも、来場者が特にざわめいたのは「Project Astra」だった。 　これがどのような技術であるかは、基調講演で公開されたデモのビデオを見るのが近道だ。

　スマートフォンのカメラで見たものがなにかを識別し、声での質問に、自然な音声で答える。ただ回答するだけではない。単に目の前の課題に答えるだけでなく、それまでに交わした会話の中で出てきたものを理解し、記憶し、その情報を使って質問に回答する。 　Google I/Oの会場には限定的なものながら、デモを体験できる機会も用意されていた。筆者も体験してみたが、非常に印象的なものだった。 　画面に線で絵を描き、「これはランドマークの1つ」とヒントを与えると、Astraは「ゴールデンゲートブリッジですね」と答える。

　最初に黄色いバスのおもちゃを見せて「これはジョージという名前」と伝え、その後にいくつか別のおもちゃを見せつつ名前をつけたあと、「ジョージの色は？」と聞くと「黄色ですね」と答えてくる。 　回答はスムーズで、人間との対話にかなり近い。知識を蓄えた生成AIや検索エンジンとも異なり、より人間のように多様な情報を使い、人間のような対話を実現するもの……という印象だ。 ■チャットボットから「マルチモーダル」へ 　現在の生成AIは、命令を文章として与えて回答が文章で返ってくる「チャットボット型」のサービスが主流だ。しかし、それだけが生成AIの使い方というわけではない。