2025年5月25日、グーグルは医療、手話、イルカの言語領域をカバーする3種類のGemmaモデルをリリースした。マイクロソフトはQlib定量投資プラットフォームをオープンソース化し、完全なAI取引研究プロセスを提供する。GitHubで開始されたAgenticSeekオープンソースプロジェクトは、ローカライズされたインテリジェントエージェントシステムを提供する。さらに、LangflowはノーコードAI開発をサポートし、SeleniumBaseはウェブテストを簡素化し、ChatGPT機能はBoxとDropboxに拡張し、メモ帳と描画ツールは新しいAI機能を追加する。
- この要約は、情報提供のみを目的として、AIが記事の内容を分析して作成したものである。
Langflowは、コードを書くことなくAIベースのエージェントやワークフローを構築・展開するための強力な可視化ツールです。
このツールは、すべての主要な大規模言語モデル（LLM）とベクトルデータベースをサポートしており、開発者に大きな柔軟性を提供します。直感的なドラッグ＆ドロップ・インターフェースにより、顧客サービスから自動意思決定まで幅広い領域をカバーする複雑なAIアプリケーション・シナリオを簡単に作成できます。
ラングフローの強みは以下の通り：
- 完全なオープンソースで、62,000以上の星を獲得している。
- 複数の主流技術スタックをサポートし、既存システムとのシームレスな統合を実現。
- 豊富な定義済みコンポーネントを提供し、開発プロセスを加速します。
ラングフローは、AIソリューションを迅速に導入したい企業や個人にとって、検討すべき選択肢であることは間違いない。
プロジェクトへのリンク：https://t.co/v3Gv4smWbv
---
無限に道具を使えるというのは、考えさせられるアイデアだ。
openaiのo3は、「ツールをフル活用」し、8つの内部ツールだけを使うことで、すでに毎日の仕事を効率化している。このビジョンが将来実現すれば、その可能性は無限大に広がる。
コア・プロポジションすべての具体的な状態（例えば、記憶、草案、中間生成物、目標など）は、専用のツールに外部化されるべきである。このようにして、モデルは即時的な推論を担当し、ツールは永続的で構造化されたタスク状態を担当し、両者の役割分担と相互補完を達成する。
**なぜ「無限の道具化」なのか？**
- 外部化されたインテリジェンス：複雑なオペレーションを効率的でドメインに特化したプロセスに委ねることで、コンテキストウィンドウのプレッシャーが大幅に軽減され、結果の質が向上する。
- 明示的な忘却とバックトラック：編集ツールを使えば、一度に長いテキストを積極的に生成することなく、いつでもレイヤー単位でモデルの削除や改良を行うことができるため、エラーの蓄積を抑えることができる。
**シナリオ例**は以下の通り：
- テキストライティング/編集：人間の文章は、しばしば「ジャンプ-リバイス-バック」である。フル機能のテキストエディタがあれば、LLMは人間のように複数の粒度レベルを交互に切り替えることができ、「フォワードワンス」ライティングの制限を避けることができる。
- 3D生成：CADライブラリ＋ビューイング／回転ツール＋ノートファイルにより、モデルは、固定されたボクセルコンテキストに制約されることなく、任意のスケールで3Dオブジェクトに繰り返し成形することができます。
- 長時間のビデオ理解：このモデルは、限られたウィンドウの中で、クリップを繰り返し「視聴」し、メモを記録／編集し、数時間あるいは数日分のビデオを分析することができる。
さらに、無限のインスツルメンテーションには、セキュリティと解釈可能性の利点がある。完全なバージョン管理と編集の軌跡が人間とモデルの両方から見えるため、なりすましの可能性が「推論バジェット」の点でより高くなり、出力の信頼性と監査可能性が高まる。
**トレーニングのアイデア**は、ツール空間での計画と修正を学習するモデルをトレーニングするために、強化学習に大きく依存しています。モデルのコンテキストは限定されているため、さまざまな出発点から復元・編集できる限り、「無限」のコンテキストに汎化することが可能である。
**アーキテクチャのコンセプト**は、スライディングウィンドウアテンション、SSM、RWKV、マンバなど、一定または上限がある推論バジェット/トークンを持つ構造を支持し、役割とツールの分離を促進するために「忘却」を奨励する。著者らは「逆ハイブリッド」コンセプトを提案する。すなわち、局所的な高精度スライディングウィンドウアテンション層と、それに続く長距離SSM層により、マクロ＋ミクロの二重の視点を実現する。
ツールの使用は現在o3やAgentic RAGなどで利用可能であるが、まだ短いコンテキストや部分的なプロセスに限られている。著者らは、外界とのすべてのインタラクションがツールを通じて行われ、安価なストレージ＋限られた推論コストのモデルを用いて、真の「無限のツール化」に向かうことを求めている。
---
最近、グーグルはジェンマ・モデルをベースにした3種類のモデルを発表した：メドジェンマそしてサインジェンマ歌で応えるドルフィンジェンマ.これらのモデルは、それぞれ異なるアプリケーションシナリオに最適化されている。
MedGemmaは医療用に設計されたモデルで、2つのバージョンがある：
- 4B マルチモーダルモデル：このモデルは画像とテキストを組み合わせたタスクを処理でき、特に医療データに適している。胸部X線、皮膚科の画像、眼科の画像、病理学的スライドに対して事前にトレーニングされている。
- 27B テキスト推論モデル: このバージョンはより強力なプレーンテキスト処理能力を持ち、深い推論タスクに適している。また、医療用テキストや画像データに対しても事前に学習されており、放射線画像、病理スライド、眼科画像、皮膚科画像など、幅広い医療データをカバーする。
一方、SignGemmaは、多言語をサポートし、手話をテキストや音声に変換できる手話通訳モデルで、聴覚障害者コミュニティのコミュニケーション効率を大幅に向上させる。
DolphinGemmaは、イルカの鳴き声の生成に特化したユニークな音響合成モデルです。このモデルは海洋生物の研究や保全に応用できる可能性があります。
これら3機種の発売は、人工知能分野におけるグーグルの技術力を示すだけでなく、関連分野の革新と発展をさらに促進する。
---
GitHubではエージェントシークこのオープンソースプロジェクトは多くの注目を集めている。このプロジェクトは、Manus AIを置き換えるために設計された100%ローカライズド・インテリジェント・エージェント・システムを提供する。
ローカル推論モデルとインテリジェント・エージェント技術に基づき、AgenticSeekは自律的にウェブをブラウズし、コードを書き、タスクを計画し、音声対話機能をサポートすることができる。
- 完全にローカライズされたオペレーション：すべてのデータはデバイス上に保持され、クラウドに依存することはない。
- スマート・ウェブ・ブラウジング：自動的に情報を検索し、フォームに記入します。
- 自律型プログラミング・アシスタント：Python、C、Go、Java、その他多くの言語をサポート。
- 知的エージェント選択システム最適なタスク処理を自動的にマッチング
- 音声対話機能：音声入力と音声合成出力をサポート。
- 複雑なミッション計画の実行：大きな仕事をステップに分解して完了させる能力。
AgenticSeekは、詳細なインストールと設定のチュートリアルを提供し、少なくともDeepSeekパラメータが14B以上のモデルを使用することを推奨しており、ある程度のコンピュータ性能を必要とします。開発者や研究者にとって、AgenticSeekは作業効率を大幅に改善し、データのプライバシーを保護することができる貴重なツールです。
---
Selenium を使って自動化スクリプトを書くとき、開発者はしばしば要素の読み込みタイミングの問題に遭遇し、テストが失敗する原因になります。さらに、さまざまなブラウザドライバを手動で処理するのは、面倒でエラーが発生しやすい作業です。
こうした課題に対処するためだ。セレンベースが誕生した。これは強力なPythonベースのフレームワークで、Web自動テストのプロセスを簡素化するように設計されています。Seleniumをいくつかの組み込みユーティリティで深くカプセル化することで、複雑なブラウザ操作をシンプルで信頼性の高いものにします。
SeleniumBaseの主な機能は以下の通りです：
- ページの読み込みが不安定になる問題を自動的に解決するインテリジェントな待機メカニズム；
- BaseCaseクラスの継承やSBコンテキスト・マネージャーなど、さまざまな記述方法をサポートし、さまざまな開発ニーズに対応；
- UCモードのステルスモードにより、Cloudflareなどのクロール防止検知を回避し、テストの成功率を高めます；
- 詳細なテストレポートとリアルタイムのダッシュボードを自動的に生成し、テスト結果を視覚化して、チームコラボレーションと問題追跡に活用できます；
- ブラウザドライバを手動で操作することなく自動的に管理し、メンテナンスコストを削減します。
Web アプリケーションの開発やテストに携わるプロフェッショナルにとって、SeleniumBase は生産性を大幅に向上させ、不適切な環境設定によるエラーを減らすことができます。
GitHubプロジェクトのアドレス：https://github.com/seleniumbase/SeleniumBase
---
マイクロソフトのオープンソースがGitHubにQlibプロジェクトQlibは、おそらく現在業界で最も完全なAI定量投資プラットフォームであり、現時点で2万人以上のスターを獲得しています。Qlibは、強力なデータ処理エンジンと豊富なモデル・ライブラリに基づき、教師あり学習、強化学習、その他のパラダイムをカバーし、開発者がアイデアから生産までの完全なクオンツ・リサーチ・プロセスを迅速に構築できるよう支援します。
Qlibの主な特徴は以下の通り：
- 従来のデータベースの数十倍の速さで処理する効率的なデータサーバー；
- Transformer、LSTM、LightGBMなど、30以上の最先端の定量化モデルを統合；
- 強化学習取引戦略は、継続的な投資意思決定プロセスをモデル化する能力でサポートされている；
- ファクター・マイニング、リスク・モデリング、ポートフォリオ最適化、注文執行など、投資チェーン全体をカバー；
- 自動リサーチツールqrunを提供し、ワンクリックでモデリングからバックテストまでの全プロセスを完了；
- モデルの安定性を向上させるため、市場の動的適応とコンセプト・ドリフト処理をサポート。
Qlibは、導入とインストールに関する詳細なチュートリアルを提供するだけでなく、研究や学習のために金融AIの分野で働きたいと考えている開発者に特に適しています。
Qlibは、フィンテック企業や個人投資家にとって、AI技術をよりよく理解し、金融市場の実際のシナリオに適用するための貴重なツールです。
---
UQLMは、大規模言語モデル（LLM）の錯誤を検出するためのライブラリであり、複数のスコアリング手法によって不確実性を定量化する。この技術は、AIアプリケーションの信頼性と精度を向上させるために非常に重要です。
UQLMはLangChainプラットフォームとシームレスに統合されており、開発者はより信頼性の高いAIアプリケーションを容易に構築・展開することができます。このライブラリは、確率ベースの手法、キャリブレーションベースの手法、信頼度ベースの手法など、様々なスコアリング手法をサポートしていますが、これらに限定されるものではありません。
アプリケーションシナリオ::
- 自然言語処理（NLP）タスクにおけるエラー検出
- チャットボットとバーチャルアシスタントの信頼性向上
- 自動テキスト生成の品質管理
UQLMの登場は、実用化されたAIモデルにおける不確実性や錯覚の問題を解決する強力なツールを提供し、AI技術のさらなる発展を促進する一助となる。
詳細：UQLM公式ウェブサイト
---
グーグルがVeo 3を発表してからまだ4日しか経っていないが、この新製品はすでに世界中で大きな話題を呼んでいる。
ユーザーはすでに、Veo 3 を使用して素晴らしいコンテンツを作成しています。その中から13の素晴らしい例をご紹介します：
- 自己認識AIキャラクター：これらのキャラクターは自己学習と進化が可能で、これまでにないインタラクション能力を発揮する。
Veo 3の画期的な技術は、視覚効果に革命をもたらすだけでなく、人工知能や機械学習の分野でも新たな可能性を明らかにします。このツールが利用可能になることで、ゲーム開発、バーチャルリアリティ、映画制作など、クリエイターはこれまでにない方法で創造性を表現できるようになります。
アプリケーションシナリオこれらに限定されない：
- ゲーム開発における高知能NPC（ノンプレイヤーキャラクター
- 仮想現実体験における没入型インタラクション
- 映画効果のためのリアルなキャラクター生成
より多くのユーザーがVeo 3の機能を探求し始めるにつれて、この製品が今後何年にもわたって技術革新をリードし続けると信じる理由がある。
---
マイクロソフトの定番アプリ「メモ帳」と「ペイント」に最近、人工知能（AI）を搭載した新機能が追加された。
メモ帳には、テキストコンテンツを生成し最適化するAIアシスタント「Write」が統合された。この機能は、ユーザーが素早く文書を書くのを助けるだけでなく、自然言語処理によって文章の質と効率を向上させる。
ペイント新機能「AIステッカー」は、簡単な入力やスケッチによって、パーソナライズされたステッカーを自動生成することができる。この機能では、画像認識とモデル生成を使用することで、ユーザーのアイデアを素早く実現し、ニーズに合わせてカスタマイズすることができる。
Snipping Toolは、スクリーンショットの品質を自動的に最適化する "Perfect Screenshot "機能や、スクリーンショットで色を簡単に選択・使用できる便利な内蔵カラーピッカーも搭載しています。
これらの新機能は、ユーザーエクスペリエンスを向上させるだけでなく、AI技術が日常的な用途に広く利用される可能性を示している。
---
ビジネスユーザーや個人ユーザーにとってエキサイティングなニュースですが、BoxとDropboxアカウントをChatGPTのディープリサーチ機能に接続することが可能になりました。この新機能により、ユーザーはChatGPTを利用しながら、BoxやDropboxに保存されたファイルやデータに直接アクセスすることができます。
この統合により、ユーザーはより簡単にChatGPTの強力な自然言語処理機能を活用し、クラウドに保存されたデータを分析、要約、抽出することができます。これは、広範なテキスト分析や調査を行う必要がある専門家にとって特に便利です。
アプリケーションのシナリオは以下の通り：
- 市場調査
- 学術文献の分析
- 社内文書管理
このシームレスな統合は、生産性を向上させるだけでなく、ユーザーにデータ分析の新たな視点を提供する。
この機能により、ビジネス・ユーザーも個人ユーザーも、データ・リソースをより適切に管理・活用できるようになります。詳細はこちらをご覧ください：https://t.co/owNtgrPSV8
评论功能已关闭。