画像生成

主要ニュース

1. 1

   Apple研究チームが視覚エンコーダを画像生成に適応させるシングルレイヤーフレームワークFAEを提案

   Apple研究チームは、事前学習済み視覚表現を画像生成に適した低次元潜在変数に適応させるため、わずか1つの注意層で機能するフレームワークFAE（Feature Auto-Encoder）を発表した。FAEはDINOやSigLIPといった様々な自己教師あり学習エンコーダと互換性を持ち、拡散モデルと正規化フローの両方に適用できる。 高品質な事前学習済み視覚表現を生成に適応させることは、理解用に設計された特徴量（高次元潜在変数を優先）と生成に必要な特徴量（低次元潜在変数を要求）の間に不整合があるため、従来は困難だった。FAEは最小限の建築的複雑さで適応を簡潔に行いながら、画像再構成と理解の両方に必要な情報を保持し、開発者が生成モデルを構築するのを容易にする可能性がある。

   ImageNet 256×256上で、FAEはクラシファイア不要ガイダンスを用いて1.29（800エポック）および1.70（80エポック）のFIDを達成し、ガイダンスなしでは1.48（800エポック）および2.08（80エポック）に到達し、最先端またはそれに近いパフォーマンスとして説明されている。

2. 2

   ソロ創業者がAIで再構築、メンタルヘルス支援グループマーケットプレイス

   MentalHappyという支援グループマーケットプレイスが、単独の創業者によってAIを活用して再構築されました。 メンタルヘルス関連のサービスにおいて、AIを活用した効率的な再開発のアプローチが示されています。

   記事本体に具体的な機能、提供開始時期、対象ユーザー数、または利用可能な地域についての情報が記載されていません。

3. 3

   OpenAIが第三者向けアプリのChatGPTサインイン機能を公開

   OpenAIが新たなOAuth統合をリリースし、ユーザーがChatGPTアカウントの認証情報を使用して第三者向けアプリケーションにサインインできるようになった。このサインイン機能は無料版および有料版のChatGPT両方に対応しており、暗号化された認証情報はユーザーのブラウザに局所的に保存される。 OpenAIのプラットフォーム上で開発を進める開発者にとって摩擦が軽減される。ChatGPTを使用するアプリケーションでは、ユーザーは別の ログイン認証情報が不要になり、開発者はサインイン済みのアカウントを通じて直接リクエストを認証できる。局所的な暗号化により、認証情報は開発者のサーバーではなくユーザーのデバイス上に留まる。

   開発者はOpenAIのReactライブラリ、TypeScriptを使用したAI SDK、またはdev proxyの起動を通じてこの機能を統合できる。詳細なドキュメントはOpenAIのサイトで利用可能である。

4. 4

   Telnyx、リアルタイム価格見積もりのAI音声エージェントをローンチ

   Telnyxは、Telnyx Call ControlとLlama 3.3 70B AIを活用したオープンソースのPythonアプリケーション（102行）をリリースした。このアプリケーションは着信に応答し、適格性を確認する質問を行い、人間による介入なしにリアルタイムで構造化された価格見積もりを生成する。発信者はテキスト音声ガイダンスを聞きながら自然に会話でき、行項目と月額合計を含む見積もりを通話終了前に受け取ることができる。 従来の見積もりフローはウェブフォーム、メール遅延、営業への引き継ぎを必要としていた。このエージェントは電話上で会話形式のインタビューを実施し、製品、数量、単価、小計を含むクリーンなJSON見積もりを抽出することで摩擦を排除する。見積もりはAPIを通じてすぐにアクセス可能で、CRMシステムまたは請求プラットフォームにパイプ接続する準備ができている。企業はシステムプロンプトを編集することで、製品カタログと質問スタイルをカスタマイズできる。

   このアプリケーションはデフォルトではメモリに見積もりを保存する。本番環境での導入にはPostgreSQLまたはRedisなどのデータベース、gunicornによるマルチワーカーの並行処理、タイムアウト処理、Webhookシグネチャ検証、SalesforceやHubSpotなどのCRMシステムとの統合が必要になる。コードはクローンして、ngrokを使用して数分でローカルにデプロイできる。

5. 5

   Google検索、AIで画像を自動生成

   GoogleはSearchのAI Overviews機能にAI画像生成機能を追加する。ウェブ上に該当する画像がない場合、ユーザーは検索バーにテキストプロンプトを入力して画像を生成できる。この機能はGoogleの「Nano Banana 2 Lite」画像モデルを使用し、今後数週間で英語で画像生成に対応するすべてのリージョンにロールアウトされる。 AI生成結果は外部画像ソースへのクリック数を減らす。現在、画像検索は外部サイトへのトラフィックを生み出しているため、これはGoogleがユーザーを外部に送るのではなくGoogle内に留めるAI優先の検索体験への転換を進める別のステップである。

   Google Imagesもホームページをリデザインし、各ユーザーの関心に合わせたライブウェブコンテンツを引き出すダイナミックギャラリーをロールアウトする。今後数週間で米国のデスクトップで開始予定で、Googleアカウントが必須となる。

6. 6

   初期チャットボット「ELIZA」の歴史書が出版

   MIT Pressが「Inventing Eliza」という書籍を刊行しました。同書は初期のチャットボット「ELIZA」が人工知能の発展にどのような影響を与えたかについて扱っています。 ELIZAは1960年代に開発された対話型プログラムで、現在のチャットボットやAIアシスタントの概念形成に役割を果たしたとみられます。その歴史を学ぶことで、現代のAI技術の基礎を理解する手助けになります。

   本書はMIT Pressから刊行され、https://mitpress.mit.edu/9780262052481/inventing-eliza/ で入手できます。