Gemini3リリース後、チームが語る：3つの主要な革新性 規模の法則はまだ真実である

著者：Wuji, Tencent Technology特別編集 

北京時間11月19日、グーグルがGemini 3シリーズをリリースしたことを受け、ニューヨーク・タイムズのテクノロジーポッドキャスト「Hard Fork」は、ホストのケヴィン・ルースとケイシー・ニュートンがデミス・ハサビスCEOとグーグルGeminiチームの責任者ジョシュ・ウッドワードにインタビューした特別エピソードを公開した。は、ホストのKevin RooseとCasey Newtonが、Google DeepMindのCEOであるDemis Hassabisと、GoogleのGeminiチームの責任者であるJosh Woodwardにインタビューした特別エピソードを公開した。

このインタビューは、グーグルのフラッグシップAIモデルであるGemini 3（実際はGemini 3.0シリーズのProバージョン）の最新リリースに焦点を当てています。これは、Bardの大失敗とGemini 1.xおよび2.xのキャッチアップ段階を経て、技術および製品のリーダーシップを取り戻すものとして、業界で広く評価されているGoogleの最初のマイルストーンリリースである。

2人のプリンシパルは、マルチステップ推論、コード生成（特にフロントエンドと「アンビエントコーディング」）、および動的に生成されるインタラクションにおけるGemini 3のブレークスルーを詳述し、Googleが最強のモデルを検索に早送りしたことを強調した、Gmail、Workspace、その他数十億のユーザーを持つ製品に、Googleが最強のモデルを迅速に導入し、競争障壁を再構築していることを強調しています。

インタビューからの主な洞察: 

• ジェミニ3は、汎用AIの観点からユーザーの観点まで、期待される発展の軌跡と完全に一致している。strong>汎用AI(AGI)までまだ5～10年、1～2つの大きな研究のブレークスルーがある;

• 効率、コスト、流通におけるグーグルのフルスタックの強みは、どのような市場環境においても勝者となる

。li>

AIバブルは部分的に存在するが、グーグルは短期的なキャッシュと長期的な1兆ドル規模の新規トラックのダブル保証の両方を持っている。

インタビューの要約はこちら

ローデス：キャシー、今日はジェミニ3号の発売をテーマに、この番組に即席の特別版を追加します。はジェミニ3の発表です。

Newton: はい、ケビン。このモデルはシリコンバレーのAI業界では長い間待ち望まれていたもので、ようやく本当の完成品を手にすることができます。

ローデス：私たちが金曜日の定例リリースをやめて、このエピソードを独占的に収録した理由は主に2つあります。まず1つ目は、グーグルの中核的なAI責任者2人（ディープマインドCEOのハサビスとジェミニチーム副社長のウッドワード）に独占インタビューする機会を与えられたことです。

第二に、ジェミニ3のリリースは業界の強い関心を呼び起こしました。このモデルはいくつかの重要な領域で画期的であり、競合他社に大きな脅威を与える可能性があると、複数のラボ関係者から聞いている。この2年間、グーグルはキャッチアップしていると見られていたが、今問われているのは、彼らがトップに返り咲いたかどうかということだ。

ニュートン：正式にインタビューに入る前に、わかっていることを簡単に説明しましょう。Googleはリリースに先立ち非公開のブリーフィングを行い、Gemini 3の最も注目すべき新機能として、コーディングと「アンビエントコーディング」機能の大幅な改善、そして新しいインタラクティブなインターフェース生成機能を挙げました。

単にテキストを出力するのではなく、Gemini 3はユーザー向けにカスタマイズされたインタラクションを直接生成します。例えば、ユーザーがゴッホの生涯について質問すると、モデルは画像、タイムライン、インタラクティブな要素を含む完全な学習ページを即座に生成します。これらの機能は、「質問への回答」から「体験の構築」への飛躍を意味する。

ローデス：Gemini 3は、すべての公開ベンチマーク、たとえば、いわゆる「ヒューマニティテスト」（「究極の人間テスト」）において、Gemini 2.5 Proを大きく上回っています。例えば、"Humanity's Last Exam "として知られる分野横断的な博士号レベルの問題集では、前者がわずか21.6パーセントのスコアだったのに対し、後者は37.5パーセントを記録した。Googleの全体的なスタンスは、ChatGPTやClaude、その他の古いGeminiバージョンでできることは、Gemini 3でももっとうまくできるということだ。

Newton:ジェミニ・エージェントの初期デモも披露されました。このモデルは、ユーザーの受信トレイに深くアクセスし、メールの全内容を理解し、自動的に分類し、返信を作成し、ユーザーが受信トレイを完全に空にするのを助けることさえできます。

さらに今週から、Gemini 3はGeminiアプリとGoogle検索のAIモードで利用できるようになる。また、米国の大学生には1年間の無料プレミアムアクセスが提供される。Googleの繰り返し使用されるキーワードは「Learn Anything（何でも学ぶ）」であり、Geminiを究極のパーソナライズされた教育ツールとして効果的に位置づけている。

Roz: デミス、ジョシュ、ハードフォークへようこそ。2年前、Sundar PichaiはBardを、サーキットで厳しい競争相手と戦う「改造ホンダ・シビック」に例えました。では、ジェミニ3とは何なのか？

Hassabis: ホンダ・シビックよりもずっと速ければいいのですが。車に例えるのはあまり気が進みませんが、プロのドラッグレーサー（Drag Racer）に近いかもしれません。日常的な運転やサーキットレース用に設計されたものではなく、純粋で巨大なパワーが特定の目的のために統合されている。私たちの最高の研究とスケールの大きな算術の完璧な組み合わせを表しており、この知性の最前線へのレースで比類のない瞬間的な爆発力を実証することを目標としています。

Rhodes: それは興味深いですね。ジェミニ3は、これまでのすべてのAIモデルと比較して、具体的なレベルでまったく新しいことができるのでしょうか？定量的な実例を教えてください。

ウッドワード：3つのことが目立ちます。まず第一に、多段階推論についてですが、より多くの段階を同時に考えることができ、まったく新しいレベルの信頼性を得ることができました。以前のモデルでは、複雑なロジックの5、6番目のステップで「わからなくなったり」幻覚を見たりすることがよくありましたが、ジェミニ3は、複雑な税金計画、国をまたぐ旅行の全体的な計画と予約、数百万行のコードを持つ巨大なシステムの完全なデバッグなど、10～15ステップの首尾一貫した推論を確実に実行します。

第二に、新しいインタラクティブなインターフェースが初めて大規模に生成されます。単純なテキスト回答の代わりに、ユーザーはカスタマイズされたソフトウェア・コンポーネントを持つことになる。例えば、「私のすべてのポートフォリオを追跡するダッシュボードの設計を手伝ってください」と頼むと、ダッシュボードの作り方を説明するテキストの束ではなく、インタラクティブで実行可能なダッシュボード・インターフェースがリアルタイムで生成される。

第三に、私たちはコーディング機能、特にフロントエンドと「アンビエントコーディング」に多大な投資をしてきました。これは、今後発表されるGoogle Antigravityのような新製品でフルに発揮されるでしょう。このモデルでは、コンテキストに基づいてユーザーインターフェースのレイアウトや機能を動的に変更することができます。

ニュートン: 多くの人は、「チャット」のユースケースは、一般的なユーザーにとってかなり解決されていると思っています。Gemini 3の回答が前作と質的に異なるような新しい質問を思いつくことすらできないのです。あなたはこの意見をどう思いますか？

Woodward: その見解は理解できます。表面的には、基本的なクイズはすでに高い精度を誇っています。しかし、本当の違いは、情報の信頼性、統合性、プレゼンテーションにあります。ジェミニ3の回答は、より簡潔で、より表現力があり、より理解しやすい形で情報を提示します。

より重要なのは、このモデルが、Googleエコシステム内の他の製品など、他のデータソースと深く統合し始めていることだ。受信トレイ全体の文脈を理解し、返信を作成する際に、質問に答えるだけでなく、あなたの過去のスタイルや受信者との関係に基づいてトーンやコンテンツを調整する。

Hassabis: 全く同感です。その信頼性、スタイル、個性は、より簡潔で要点を押さえたものになるよう、注意深く研ぎ澄まされてきました。アンビエント・コーディング」のようなシナリオにおける実用性の閾値を超えた。インテリジェントなアシスタント」から「インテリジェントな同僚」へのシフトだ。個人的には、クリスマス休暇中にゲーム・プログラミングに復帰するために使おうと思っているのだが、機能的なコードを書くだけでなく、設計プロセスの早い段階でアーキテクチャのアドバイスもしてくれるようになった。

ローデス：デミスは今年5月のインタビューで、AGIはまだ5～10年先で、おそらくいくつかの大きなブレークスルーが必要だろうと判断していましたね。

ハサビス：まったく違います。過去2年間に私たちが設定した軌道と完全に一致しています。実際、ジェミニ・シリーズの発売以来、私たちは業界最速のスピードで進歩してきました。ジェミニ3は素晴らしかったですが、まだ予想の範囲内です。

真の一般的なAIを実現するには、一貫性、推論の深さ、記憶メカニズム、物理世界のモデリング（我々が進めているSIMAやGenieプロジェクトなど）において、まだ1つか2つの重要なブレークスルーが必要です。私たちが現在行っていることは「システム1思考」（速く、直感的）ですが、AGIを達成するためには、「システム2思考」（遅く、計画的、分析的）を解き放たなければなりません。

さらに、モデルは長期的で選択的な記憶メカニズムを持つ必要があり、限られたコンテクストウィンドウに閉じ込められるのではなく、数週間前や数カ月前の特定の相互作用の内容を呼び出して適用することができます。それゆえ、5年から10年間は変わらない判断ができるのだ。

ニュートン：業界では、モデルの個性とユーザーの関係という意味で「AIメイト」が話題になっています。ユーザーにジェミニ3とどのような関係になってほしいですか？

Woodward: これは非常にデリケートですが、重要な質問です。私たちはこの製品を、感情的なコンパニオンではなく「スーパーツール」と位置づけています。私たちのコアバリューは、ユーザーが日々のタスクを効率的にこなし、生産性を向上させることです。社内では、「今日、何個のタスクを完了する手助けをしたか」という新しい指標に焦点を当てています。これは、本来のGoogle検索のコアバリューである効率性に近いものです。私たちは、このモデルを感情的なコンパニオンの立場に押しやることは、セキュリティ上のリスクであると同時に、情報とツールのプロバイダーとしてのGoogleの中核的な使命から逸脱していると考えています。

ローデス: 「エロチックコンパニオン」というバイラルな成長機会を見送ったのは、大きな戦略的ミスだったのでしょうか？

Woodward: ノーコメントです。私たちのセキュリティチームには、これに関する厳格な規範とガイドラインがあります。

Rhodes: 競合他社はここ数週間、明らかに神経質になっています。グーグルはAI競争で先行していると思いますか？

Hassabis: 現在の環境は過去最高の競争です。本当に重要なのは進歩の速度だけで、私たちはそれにとても満足しています。私たちは研究のリードを失ったことはなく、今は製品の上陸がようやく追いついてきただけです。競合他社はリサーチでは優れていますが、規模での流通や垂直統合に関しては、私たちの強みを真似することはできません。

私たちは、マップ、YouTube、アンドロイド、検索、ワークスペースなどの何十億ものユーザー製品にジェミニを注入しています。さらに、カスタムTPUチップにおける当社のフルスタックの優位性により、当社のトレーニングコストと効率は、外部のGPUリソースに依存する競合他社を大きく引き離しています。

ニュートン: 規模の法則対収穫逓増の議論についてどう思いますか？モデルの規模が大きくなればなるほど、パフォーマンス向上の限界利益は低くなるという議論があります。

ハサビス：これは現在進行中の議論です。2.5と比べたジェミニ3の改善には非常に満足していますし、期待通りです。投資回収は、初期の頃のような指数関数的な爆発的なものではありませんが、それがもたらすユーティリティと信頼性の向上の増分は、私たちの限界費用をはるかに上回っており、それでも全投資に値するものです。AGIに到達するために必要な1つか2つの研究のブレークスルーが到来するまでは、最大のベースモデルを通じてパフォーマンスを向上させ続けることが、現在も最も効果的な戦略であることに変わりはない。私たちは、規模の法則がまだ真実であると信じています。

Rhodes: 私たちはAIバブルの中にいるのでしょうか？

Hassabis: これはあまりにも二元論的な質問です。特定の分野（例えば、実際の製品を持たず、コンセプトだけを持つ企業に対する数十億ドルのシードラウンド）では、評価が実際の収益に比例しないバブルがあるのは事実です。しかし、グーグルには短期的な実現（検索、ワークスペース、クラウドTPU）と長期的な1兆ドル規模の新規事業（ロボット工学、ゲーム、創薬、材料科学など）の両方があります。

たとえば、AlphaFoldのような私たちの専門モデルは、消費者向けAIの評価とは無関係な1兆ドル規模の市場である創薬分野で、真の価値を生み出しています。私たちは、短期的なバブルに関係なく、好況時にはチャンスをつかみ、縮小時にはフルスタックの優位性と深いキャッシュフローで、より弾力的に勝利します。

ニュートン: もし感謝祭の集まりで、誰かが政治的な話題をそらしたいと思ったとしたら、Gemini 3でどのような機能を披露して、観衆を驚かせることを提案しますか？

Woodward: 感謝祭を救えるかどうかはわかりませんが、笑いをもたらすでしょう。携帯電話を取り出して自撮りし、Gemini 3に狂ったように写真を編集させてください。

ジェミニのイメージモデルは、やはり世界最強です。家族の集合写真を、どんなコミカルなシーン、スタイル、時代設定にも瞬時に変えることができます。大爆笑間違いなし。そして、きちんとした辞表を書いたり、カスタマイズされた休日のレシピ計算機を生成したりするのに役立つことを示せば、他の新機能を探求するようになるのは当然のことだ。