2025年3月20日、OpenAIが、新たな音声モデル3種類を発表した。 画期的なのは、「何を話すか」だけでなく「どのように話すか」までコントロール可能なテキスト読み上げ（Text-to-Speech）モデルの登場だ。感情表現や抑揚など、人間のようなリアルな発話をしてくれるので、カスタマーサポートな...

Model Context Protocol（MCP）は、ClaudeやGPT-4o、Geminiなどの大規模言語モデル（LLM）と、外部のデータソースやツールを接続するための標準規格だ。 例えば、GoogleドライブとLLMを接続するMCPを使うと、ClaudeやGPT-4oとのチャットの中で、自...

表やグラフを含むPDFファイルから、情報をうまくコピペで抽出できず、ストレスを感じたことがある人は多いのではないだろうか。 PDFで共有されたパワポスライドから、テキストや表をコピーしてWordに転記しようとして失敗し、結局自分で手打ちする羽目になる、という事態は、全ての学生・社会人が経験したことが...

OpenAIは2025年2月27日、同社史上最大の言語モデル「GPT-4.5」を正式にリリースした。 同社CEOのSam AltmanのXポストによれば、OpenAIの内部で「Orion」というコードネームで呼ばれていたモデルで、OpenAIが今後リリースするモデルのロードマップ内で「Chain-o...

2025年2月24日、大規模言語モデルClaudeを開発するAnthropicが、新たなモデル「Claude 3.7 Sonnet」をリリースした。 旧バージョンのClaude 3.5 Sonnetと比べ、各ベンチマークの評価が大きく向上しているだけでなく、ついに待望の「推論モード（extended...

2025年2月17日、イーロンマスクが率いるxAIが最新のLLM「Grok 3」をリリースした。 イーロン氏は、Grok 3についてXのポストで「地球上で最も賢いAI」と称していたが、実際、リリース後に主要なベンチマークでGrok 3が世界1位に君臨している。 Grok 3は、ChatGPTやGem...

「NotebookLM」は、Googleが提供する革新的なAIノートアプリだ。 本、論文、スライド、ニュース、議事録などのあらゆるドキュメントを、AIの「知識源（ソース）」としてアップロードすることができ、それらのソースに基づくAIとの対話が可能だ。 例えば、AIが読書中の本に関するQ&Aに...

ChatGPTの「Deep Research」機能は、2025年1月末にリリースされたばかりの新機能だが、生成されるレポートの質が極めて高く、大いに話題になっている。 しかし実は、ひと足先に、全く同じ名前の「Deep Research」という機能が、GoogleのチャットAI「Gemini」にも昨年...

スマートフォンからチャット感覚でアプリ開発ができる時代が、ついに到来した。 2025年2月4日、AIエージェントによるアプリ開発・Web開発ツールの「Replit」が、待望のiOS/Androidアプリをリリースしたのだ。 注目すべきは、スマホアプリでも「Replit Agent」という強力なAI機...

ChatGPTをはじめとする大規模言語モデル（LLM）を使いこなすには、適切な「プロンプト」を与えることが重要だ。 プロンプトとは、ChatGPTなどのAIモデルへの指示や質問のこと。プロンプトが具体的で詳細であればあるほど、LLMはより的確で質の高い回答を生成してくれる。 特に、複雑な作業を依頼す...