株式会社ずんだもん技術室AI放送局 podcast 20260909

youtube版(スライド付き) 関連リンク

• Introducing ChatGPT Images 2.5

OpenAIは、画像生成モデルの最新アップデートとなる「ChatGPT Images 2.5」を発表しました。本モデルは、従来（Images 2.0）と比較して生成速度（レイテンシ）を最大50%削減しつつ、画像の質感、詳細な表現、編集の正確性を大幅に向上させた次世代の画像生成AIです。一般ユーザー向けのChatGPTだけでなく、開発者向けのAPI、企業向けプランのユーザーなどに順次提供が開始されています。

新人エンジニアの皆様に向けて、今回のアップデートにおける重要な進化点と、開発・実務に役立つポイントを4つに整理して分かりやすく解説します。

1. 表現を直感的に形にする新機能 ChatGPT上で、より簡単に思い通りの画像を作成するためのアシスト機能が追加されました。
   • Sketch（スケッチ機能）: 「@Sketch」と入力することで、ChatGPT上に直接手描きのラフ画を描き、それを構図やレイアウトのリファレンス（参考指示）として画像化できます。言葉だけでは伝えにくいデザインのアイデアを視覚的に伝えられます。
   • テンプレート: ポスターや製品写真、グッズ用など、よく使われるフォーマットから簡単に生成を開始できます。一からプロンプトを考える手間を削減します。
   • 共有とピンポイントな指示: 生成した画像に直接コメントを配置して部分修正の指示を出せるほか、作成したプロンプトを他のユーザーへ共有する機能が追加されました。
2. ビジュアルの再現度と編集精度の向上 画像生成のクオリティと、実用的な編集機能が大きく進化しています。
   • 高い再現度（Fidelity）: 参考写真を基にした生成において、被写体の特徴（人物の顔立ちなど）を正確に保ったまま、異なる背景やスタイルへ自然に融合できます。光の当たり方や質感もよりリアルになっています。
   • ピンポイントな部分編集: 背景や被写体全体を崩さず、指定した特定の要素（商品、背景の一部、テキスト部分など）だけを狙って正確に書き換えられます。
   • 対話による編集の一貫性: チャットで何度も修正を重ねる「マルチターン編集」において、これまでの修正結果を崩すことなく、画質を劣化させずに新しい変更を適用できます。
3. 開発者向けAPIモデル「Flare」と「Sunburst」の使い分け エンジニアとして注目すべきは、システムの要件に合わせて選択できる2つの新しいAPIモデルの登場です。
   • GPT-Image-2.5 Flare: 高品質かつ、従来モデルよりレイテンシを50%削減した高速モデル。SNSコンテンツ生成、高速プロトタイピング、大量の画像をリアルタイムで生成するようなサービス開発に最適です。
   • GPT-Image-2.5 Sunburst: 生成時間は長くなりますが、編集時の細かい制御に特化した超高精度モデル。キャンペーン素材や製品イメージなど、プロ品質のビジュアルアセット制作に適しています。
4. 安全性と信頼性 有害な出力を防ぐためのプロンプト・画像の二重チェックに加え、AI生成画像であることを識別するための国際規格「C2PAメタデータ」や「不可視ウォーターマーク（電子透かし）」を採用しています。これにより、商用サービスへの組み込み時にも高い安全性が確保されています。

今回のアップデートは単なる「画質の向上」に留まらず、手描きスケッチを用いた入力や、対話による一貫した編集機能など、画像生成AIをWebサービスやアプリケーションへ組み込む際の自由度を大きく広げる内容となっています。要件に応じたAPIの使い分けが今後のAIアプリケーション開発の鍵となるでしょう。

引用元: https://openai.com/index/introducing-chatgpt-images-2-5

• On the Navier–Stokes Millennium Prize Problem

米OpenAIは、数学の超難問である「ミレニアム懸賞問題」の一つ、「ナビエ・ストークス（Navier-Stokes）方程式の存在と滑らかさ」を、開発中の高度なAIシステムによって解決したと発表しました。この成果は、初期状態が滑らかな流体であっても、有限時間内に速度が無限大になる「特異点（シンギュラリティ）」が発生することを示す数学的証明と、定理証明支援言語「Lean」による厳密なコンピュータ検証の両方を含んでいます。

■ ナビエ・ストークス方程式と「問題」の本質 ナビエ・ストークス方程式は、物理学における運動方程式（F=ma）をベースに、水や空気などの流体の動きを連続体としてモデル化して記述する数式です。天気予報や航空機設計、血流のシミュレーションなどで広く使われています。 未解決だった問題は、「初期状態が滑らかな（物理的に自然な）3次元の流体が、時間の経過とともに『速度が無限大になる点（特異点）』を発生させてモデルが破綻することがあるか」という点です。もし特異点が発生するなら、連続体としての数式モデルが限界を迎え、分子1つ1つの挙動を追う必要が生じることを意味します。この謎は、約90年間もの間、数学者たちを悩ませてきました。

■ 導き出された結論 OpenAIのAIシステムは、「最初は静止していた滑らかな流体に、滑らかな外力を加え続けると、有限の時間内に特異点（速度の無限大化）が発生する」ことを証明しました。 具体的には、流体の中に「スパゲッティのように細長く引き伸ばされながら急速に回転する渦」が形成され、流体全体のエネルギーを有限に保ったまま、中心部の速度が極限まで加速していくシナリオを数学的に導き出しました。これにより、ミレニアム問題の基準を満たす解決（否定的な証明）が達成されました。

■ 驚異的な「マルチエージェント」による解決プロセス この偉業は、人間の数学者ではなく、OpenAIの次世代モデル（GPT-6 Astraを凌駕する内部モデル）を搭載した「約10,000個の協調型AIエージェント群」によって成し遂げられました。

1. 段階的なアプローチ: まず、粘性のない「オイラー方程式」という比較的平易な類似問題に約100のエージェントを投入し、50時間で解決させました。
2. リソースの集中と協調: オイラー方程式の成功を受け、本命のナビエ・ストークス問題に最大1万規模のエージェントを投入。エージェント間でアイデアを出し合い、優秀な知見を統合する「クロス・コリネーション（相互受粉）」の手法を取り入れました。
3. 圧倒的な計算量: エージェントたちは開始から約88時間で証明に到達しました。探索の過程でエージェント同士が交わしたメッセージは270万通、消費した出力トークン数は約1300億に達します。その後、GPT-6 Astraを用いて17時間でLeanによる数理検証も完了させました。

■ まとめとエンジニアへのメッセージ 本成果は、単なる数学的発見に留まらず、AIが高度な推論と自律的な協調（マルチエージェント）によって、人類の知の限界を突破できるフェーズに入ったことを示しています。新人エンジニアにとっても、AIを単なる「コード生成アシスタント」としてだけでなく、複雑な課題を自律的に解決する「強力なパートナー」として捉える時代の到来を実感させるマイルストーンと言えます。

引用元: https://openai.com/index/navier-stokes-solution

• AlphaGenome Atlas: A predictive map of every possible DNA letter change in the human genome

米Google DeepMindは、ヒトゲノムにおけるすべての想定可能な一塩基変異（約90億通り）がもたらす分子生物学的な影響を予測した包括的なデータベース「AlphaGenome Atlas（アルファゲノム・アトラス）」を発表しました。

■ 背景：遺伝子解析における課題とAIの役割 ヒトのDNAは「生命の設計図」ですが、その1文字（塩基）が変わることでどのような変化が起きるのかを実験室で網羅的に検証することは、変異の組み合わせが約90億通りと膨大であるため実質不可能です。DeepMindはこれまで変異の影響を予測するAIモデル「AlphaGenome」を開発してきましたが、今回はそれをゲノム全体にスケールさせ、研究者がゲノム全体の変異を俯瞰できる「地図（アトラス）」として事前計算し、公開しました。

■ AlphaGenome Atlasの構成と技術的特徴 本データベースは、タンパク質構造予測で有名な「AlphaFold」の30倍を超える1ペタバイト（PB）という極めて大規模なデータセットであり、以下のリソースを提供します。

1. 分子影響予測データ: 数百種類の細胞や組織における、遺伝子発現の制御などへの数千パターンの予測値。
2. AVIスコア（AlphaGenome Variant Impact）: 変異の影響度を1つの数値に凝縮した評価指標。タンパク質をコードする領域（ゲノムの約2％）だけでなく、解析が難しかった非コード領域（残り98％）の変異も高精度に評価できます。
3. AVI特徴量属性: スコアの根拠となった生物学的要因（スプライシングと呼ばれる転写後の編集や、クロマチン構造の変化など）を分解して可視化。
4. DNA配列モチーフ: ゲノムの「単語」にあたる2,500以上の頻出配列パターン集。

■ 実世界での具体的な活用実績 すでに提携する学術機関によって、以下の画期的な成果が実証されています。

• 未解決の希少疾患の原因特定: 米Broad研究所などは、AVIスコアを用いて難病患者のデータから原因候補となる変異を絞り込み、てんかん性脳症に関連する遺伝子（DNM1）のスプライシング異常を特定し、実験で実証しました。
• 複雑な形質（特徴）との関連分析: 英エクセター大学の研究では、英国バイオバンクの5.4万人分のゲノムデータに適用。ノイズに埋もれがちだった非コード領域の変異から、肥満度（BMI）や老化に関わるタンパク質に関連する遺伝子領域を、従来比で22%多く検出することに成功しました。

■ エンジニアに向けた意義と今後の展望 AlphaGenome Atlasは、直感的なWebポータルのほか、APIおよび同社のAIエージェントシステム「Google Antigravity」のスキルとして提供されます。これにより、バイオロジーのバックグラウンドが少ないエンジニアでも、大規模なゲノムデータをプログラムから容易に扱えるようになります。

AI技術を用いてバイオデータの莫大な組み合わせを構造