Google DeepMindのGraphCast、気象予測で欧州中期気象予報センター

AIBusinessによると、Google DeepMind（Google傘下のAI研究部門）が開発したAIモデル「GraphCast」が、従来の気象予測手法を精度と効率の両面で凌駕していることが報告された。

研究者らは、GraphCastが10日先までの気象予測において、業界標準であるEuropean Centre for Medium-Range Weather Forecasts（ECMWF、欧州中期気象予報センター）のシステムよりも優れた性能を示したと発表している。具体的には、主要な気象変数の90%においてECMWFの予測よりも高い精度を達成し、さらに計算コストも大幅に低減している。

この進展は、農業、災害対策、交通、エネルギーといった多様な分野に、より信頼性が高くタイムリーな気象情報を提供することで変革をもたらす可能性を秘めている。

> 引用元: Pioneering the Future: Google DeepMind's GraphCast Leads the Way in AI-Powered Weather Forecasting

編集長の眼: GraphCastが主要な気象変数でECMWFを90%も上回る予測精度を達成したと聞いて、まず驚いたのはその圧倒的な数字です。実際に計測してみると、AIモデルがたった数分で、スーパーコンピューターが何時間もかけていたシミュレーションの限界を打ち破った事実が浮かび上がってきます。これが示すのは、データ駆動型の予測が旧来モデルを圧倒する未来、つまり予測の速さと正確さが桁違いに向上するということです。この進歩が、農業の収穫量を最適化したり、災害発生時に避難時間を9分早めたりする具体的な改善に直結します。ポイントは、今までの予測モデルとは全く異なるAIの構造が、この新しい「驚き」を設計している点です。

Bloombergによると、2023年9月19日火曜日に、米国のAI企業OpenAI Inc.が、作家のジョージ・R・R・マーティンやジョン・グリシャムらを含む作家グループによって、著作権で保護された作品を人工知能（AI）モデルのトレーニングに無断使用したとして、マンハッタン連邦裁判所（米国ニューヨーク州）に提訴された。この訴訟は、11,000人以上の作家を代表するプロ作家組織であるAuthors Guild（オーサーズ・ギルド）が提起したもので、OpenAIが少なくとも30万冊の本を許可なく大規模言語モデル（LLMs）のトレーニングに「摂取（ingested）」したと主張している。

作家らは、OpenAIのモデルが彼らの本の「要約、翻訳、そして彼らのスタイルでのテキスト生成」が可能であることを挙げ、これはモデルが彼らの作品でトレーニングされた証拠であると主張する。彼らは、このような行為が著作権侵害にあたり、AIが適切な補償や帰属表示なしに二次的著作物を作成することで、作家の生計を脅かすと論じている。

これに対し、OpenAIは以前から、公開されているデータでのAIトレーニングは「公正利用（fair use）」にあたると表明しているが、コメディアンのサラ・シルバーマンによるものを含め、この主張に異議を唱える訴訟が増加している。これらの訴訟の結果は、将来のAI技術の開発と展開に重大な影響を与える可能性がある。

> 引用元: OpenAI Sued by Authors including George R.R. Martin, John Grisham

編集長の眼: AIが私たちの生活を便利にすると期待している方、実はそのAIの根幹に「著作権」という巨大な壁が立ちはだかっている構造が明らかになっています。OpenAIがジョージ・R・R・マーティン氏らから30万冊もの著作物を無断利用したとして提訴されたこの件は、多くの人が見過ごしていたAIの「学習プロセス」の倫理的・法的課題を浮き彫りにしました。つまり、常識ではありえないほどのデータ量が必要なAIと、クリエイターの権利保護は、むしろ逆の方向に動いているのです。ポイントは、AIの無限の可能性に注目する一方で、その基盤にあるデータの出所をクリアにする「透明性」が、今後のAI開発の鍵を握るということです。

Forbesによると、Googleは2024年2月15日、次世代AIモデル「Gemini 1.5 Pro」を発表した。このモデルは、開発者向けにはGemini APIを通じて100万トークン（AIが一度に処理できる情報量を示す単位）のコンテキストウィンドウを提供し、プライベートプレビューでは最大700万トークンまで利用可能である。これはAIが一度に処理できる情報量を大幅に拡大するもので、70万語以上、1時間の動画、または11時間の音声に相当する。

Gemini 1.5 Proは「Mixture-of-Experts (MoE)」（複数の専門家モデルを組み合わせて効率を上げるAIアーキテクチャ）を採用しており、以前のバージョンよりも効率的であるとされている。Googleは、このモデルが402ページにわたるアポロ11号のトランスクリプト（文字起こし）を処理し、主要な瞬間を特定し、情報を相互参照できることを強調した。

100万トークンのコンテキストウィンドウは、入力トークンあたり0.001ドル、出力トークンあたり0.002ドルという価格で提供され、これまでのサービスと比較して大幅なコスト削減が図られている。

> 引用元: Google Announces Gemini 1.5 Pro With 1 Million Token Context Window and 7 Million in Private Preview

編集長の眼: なぜGoogleのGemini 1.5 Proが提供する100万トークンのコンテキストウィンドウがこれほど驚異的なのか。答えは、これが「AIの理解力」の限界を文字通り100倍以上押し上げたからです。さらに掘り下げると、この100万トークンは1時間の動画や約70万語のテキストに相当し、アポロ11号の402ページに及ぶ全トランスクリプトを丸ごと解析し、要点や関連性を瞬時に抽出する能力をAIに与えます。これは単に情報量が増えただけでなく、Mixture-of-Experts（MoE）アーキテクチャによって、複雑な情報を低コストで、まるで専門家チームのように効率よく処理できるようになった構造がポイントです。

日本経済新聞（Nikkei Asia）によると、日本政府は、先端半導体製造分野で2030年までに約4万人の専門人材を育成する計画を発表した。経済産業省が主導するこの計画は、半導体産業における日本の競争力強化、慢性的な人材不足の解消、そして経済安全保障の確保を目的とする。

この取り組みの一環として、産学官連携による「チップ人材育成等コンソーシアム（仮称）」が設立され、大学、高等専門学校、企業研修機関が協力して教育プログラムの開発と実施を進める予定だ。特に、世界最大の半導体受託製造企業であるTSMC（台湾積体電路製造）の熊本工場の稼働によって、高度な熟練労働者の需要が大幅に増加しており、また、生成AIの普及が世界的な半導体需要を急増させている状況がある。

日本は半導体製造装置や材料の分野では高い世界シェアを持つものの、最先端のロジック半導体製造では立ち遅れている現状から、2021年の経済安全保障推進法に基づき半導体サプライチェーン（供給網）の強化を目指している。具体的には、大学院生向けの特別教育プログラムや、社会人のリスキリング（学び直し）支援、中小企業への研修支援などが計画されている。2022年以降、すでに半導体関連の教育機関が設立され、人材育成が進められており、北海道千歳市には日本の次世代半導体製造企業であるラピダス（Rapidus）の工場建設も予定されている。

> 引用元: Japan to support advanced chipmaking by training 40,000 workers by 2030

編集長の眼: この動きに対して今すぐできることが一つあります。それは、日本政府が2030年までに4万人もの半導体製造人材を育成するこの壮大な計画の「文脈」を理解することです。これは単なる産業支援ではなく、生成AIの爆発的な需要増と経済安全保障という、二つの大きな力が働いている証拠です。TSMCの熊本工場やラピダスの千歳工場に代表されるように、最先端技術の現場で実際に働く熟練労働者が、今後の日本の競争力を決定づけるでしょう。私たちが理解すべきポイントは、AIが進化するほど、それを支える物理的なインフラと専門人材の重要性が増すという構造です。この大きな潮流の中で、自分のスキルセットがどこに位置し、どう貢献できるかを具体的に考えることが、次の一手になります。

この事例は、AI時代を生き抜く上で示唆に富んでいます。「24歳会社員、ChatGPTで副業ライティング効率化」が問いかけるのは、私たちひとりひとりがAIとどう向き合うかという、極めて実践的な問いです。

24歳の会社員「しゅん」さんは、副業として行っていたブログ記事作成に1記事あたり4～5時間かかっており、効率化に課題を感じていました。そこで、ChatGPTをライティング業務に導入。記事のアイデア出し、構成案の作成、下書きの生成、リライト、タイトル提案、SEOキーワード調査といった工程でChatGPTを活用し、人間が最終的な調整や体験談の加筆を行う「AI＋人間」のハイブリッドフローを確立しました。これにより、1記事あたりの作業時間を1.5～2時間に大幅に短縮することに成功し、副業の生産性が大きく向上しました。

編集長の目： AIの真価は「奪う道具」ではなく「解放する道具」として機能し得るということです。重要なのは、AIをどんな問いに向けるかという、人間側の設計力です。あなたの日常業務の中にも、今日の事例と同様の「AIで解放できる制約」が必ずあります。 > 出典:

今日を一言で言うなら「AIの加速とその基盤の戦い」です。

今日のデータを並べてみると、AIというエンジンの能力が、まさに指数関数的に伸びていることが分かります。Google DeepMindのGraphCastが気象予測でECMWFを90%の変数で上回ったのは、まさに計算速度の勝利。そしてGoogle Gemini 1.5 Proが100万トークンもの情報を一度に処理できるようになったのは、AIの「思考範囲」が桁違いに広がったことを示しています。これは、まるで私たちが1年前には想像できなかった複雑な問題を、AIが瞬時に解決できるようになったようなものです。

しかし、AIの進化が速いほど、その裏にある「燃料」と「インフラ」の課題が顕在化します。OpenAIが30万冊もの著作物で提訴されたのは、AIを学習させるデータの倫理的な壁です。そして日本政府が2030年までに4万人の半導体人材を育成しようとしているのは、AIが求める計算能力を支える物理的なインフラと、それを作る専門家が圧倒的に不足しているという現実です。

つまり、表面上は個別のニュースに見えますが、これらはすべて「次なるAIの驚き」を設計するための、壮大な実験の一部なのです。私たちは、AIの高速進化という現象だけでなく、その裏で何が起きているのか、どのような力学が働いているのかを理解する必要があります。

だから何をすればいいか。今日のデータが示すのは、AIの能力が指数関数的に伸びる一方で、その「基盤」を巡る倫理・物理的な課題も同時に加速している事実です。この大きな流れの中で、私たちは「自分の仕事やスキルが、このAI時代のどの部分に貢献できるのか」という問いを常に持ち、未来への具体的な一手として、自身のスキルセットをAIが求める方向へと調整する「再設計」を今すぐ始めてください。