Google DeepMind のペイジ・ベイリー氏は、入力・出力ともに動画や画像などマルチモーダルに対応した最新モデル「Gemini 3.1」シリーズと、音楽生成の「Llama 3」、世界生成の「Genie 3」などの新技術を発表しました。特に注目すべきは、AI Studio を介してユーザーが自然言語で指示するだけで、データベース連携や認証機能を含む完全なアプリをワンクリックで構築・デプロイできる実演です。さらに、物理エンジンを使わずフレームごとに生成される動的な世界「Genie」や、ロボット制御への応用など、AI が創造と実行の両面で開発者の役割を大きく変える未来像を示しました。
単なる機能紹介に留まらず、実際に動くアプリを数分で構築するデモは、AI エンジニアリングの未来像を視覚的に理解させる絶好の資料です。開発者向けツールやクラウドインフラの動向を知る上で必見の内容です。
- 01
Gemini のマルチモーダル進化
テキスト・コードだけでなく、動画や音声も入力・出力として扱え、検索や地図との連携で最新情報を取得可能。
- 02
AI Studio による自動アプリ構築
自然言語の指示だけでデータベース設計から認証機能まで含めた完全な Web アプリを生成し、Cloud Run にデプロイするデモを実施。
- 03
Genie 3 と動的世界生成
Unity や Unreal Engine を使わず、ユーザーの指示に基づいて物理法則を学習した上で動的にフレームを生成し、インタラクティブなゲーム世界を作成可能。
この発表は、開発者がインフラやコードの詳細を記述する従来の手法から、自然言語による意図の伝達と AI による実装自動化へとシフトする決定的な転換点を示しています。特に、マルチモーダル理解と世界生成能力の向上により、コンテンツ制作やゲーム開発、ロボティクスなどの分野で、これまで不可能だった迅速なプロトタイピングと新しい体験の実現が可能になります。