グーグル：ジェミニ2.0搭載AIエージェントでエージェント新時代を切り開く

スティーブン・カッテ（CoinTe）著；タオ・ズー（Golden Finance）編集

グーグルの人工知能研究所ディープマインド（DeepMind）は、そのAIモデルの最新リリースであるジェミニ2.0が、より高度なAIエージェントを構築するための基盤となると述べている。

Google DeepMindのCEOであるDemis Hassabis氏とCTOのKoray Kavukcuoglu氏は、12月11日のブログ投稿で、12 月11日にリリースされたGemini 2.0を搭載したAIエージェントは、複雑なコマンドを理解し、計画を立て、推論し、ウェブサイト全体で行動を起こし、さらにはビデオゲームの戦略を支援することができます。

Hassabis氏とKavukcuoglu氏は、「AIエージェントの実用化は、エキサイティングな可能性に満ちた研究分野です。

"私たちは、人々がタスクを完了し、物事を成し遂げるのを助けることができる一連のプロトタイプで、この新しい分野を探求しています。"

Hassabis氏とKavukcuoglu氏によると、現在Geminiによって推進されている実験的なAIアシスタントプロジェクトがいくつかあり、それぞれ異なる機能を備えている。

「ディープリサーチ（Deep Research）」と呼ばれるプロジェクトの1つは、ウェブを検索して複数ステップの調査計画を作成し、その結果について長いレポートを作成することで、ユーザーが複雑なトピックを探求するのを支援する。

Project Astraは、洗濯の仕方やランドマークに関する詳細情報など、ユーザーが入力したプロンプトに基づいて提案やアドバイスを提供するなど、日常的なタスクに向けた汎用AIアシスタントである。

プロジェクトMarinerは、Chromeブラウザを制御し、カーソルを動かし、ボタンをクリックし、フォームに記入し、ウェブサイトを閲覧できるAIエージェントを作成することに重点を置いています。

Hassabis氏とKavukcuoglu氏によると、これらのプロジェクトは「まだ開発の初期段階」だが、テストとさらなる開発を経て、「将来の製品で広く利用できる」ようにしたいという。".

"まだ初期段階ですが、Marinerプロジェクトは、ブラウザでのナビゲーションが技術的に可能であることを示しています。" "現時点では、必ずしも正確にゆっくりと仕事ができるわけではありませんが、これは時間とともに急速に改善されるでしょう。"

一方、Julesプロジェクトは、GitHubのワークフローに直接統合し、コーディングや計画のような作業を支援する開発者のアシスタントとして開発されている。

Hassabis氏とKavukcuoglu氏はまた、Gemini 2.0を使ってビデオゲーム用のエージェントを構築しており、リアルタイムの会話でプレイヤーに次の行動をアドバイスしたり、オンラインで「豊富なゲームプレイ知識」を検索したりできると述べている。

「私たちはSupercellのような一流のゲーム開発者と協力して、これらのエージェントがどのように機能するかを探求し、戦略ゲームから農業シミュレーターまで、さまざまなゲームのルールや課題を説明する能力をテストしています。

11月には、米クラウドソフトウェア企業セールスフォースのマーク・ベニオフ最高経営責任者（CEO）が、AIの未来は、大規模な言語モデル（LLM）ではなく、自律型エージェントにある、と述べています。.

11月23日、ウォール・ストリート・ジャーナル紙のポッドキャスト「The Future of Everything」で、彼は「私は今、私たちはLLMの上限にいると考えています」と語りました。

Nvidiaはまた、トレンドの最前線に身を置くことにも注力しています。

「AIネイティブ企業の数は増え続けています。NvidiaのCEOであるJen-Hsun Huang氏は、11月に行われた第3四半期の決算説明会で、「確かに、エージェントAIの企業導入は本当に最新のトレンドであることがわかり始めています。

さらに、Hassabis氏とKavukcuoglu氏は、チームがロボット工学を通じて「物理的な世界で役立つエージェントを実験している」と述べた。現在、グーグルのAIエージェントはテスターと開発者にのみ公開されている。