XNews

DeepMind / Google Geminiの進展(ハサビスインタビューと教育ツール)

DeepMind / Google Geminiの進展(ハサビスインタビューと教育ツール)

Google DeepMindがGeminiを進展させ、教育ツールを発表しました。

Key insights

DeepMindはGemini 3のリリースがGoogleの勢いを回復させたと述べる

デミス・ハサビスは、Gemini 3 Pro(2025年11月18日リリース)とGemini 3 Flash(2025年12月17日リリース)がGoogleを再びリーディングポジションに戻したと述べ、迅速なリリースのペースとGoogle DeepMind内のスタートアップのようなエネルギーを強調しました。また、ハードウェア(TPU)、データセンター、クラウド、製品、数十年にわたる研究のブレークスルー(トランスフォーマー、AlphaGo、深層強化学習)における会社の強みを挙げました。彼は、ここ数年を個人的にもチームにとっても非常に激しい時期であったと表現し、進展を研究と迅速な製品化の組み合わせとして位置付けました。

ハサビス:AGIの目標は依然として有用;2030年までに50%の確率でより高い基準

ハサビスは、2030年までにAGI(人間の認知能力の全範囲を示すシステム)の50%の確率を再確認し、彼の定義に基づくタイムラインは、科学的創造性と継続的なオンライン学習を含むため、他の同業者よりも厳格であると述べました。彼は、堅牢な継続的学習、完全な一貫性、高度な科学的仮説生成などの欠けている能力を強調し、追加のブレークスルーが必要であっても、トランスフォーマー/LLMは依然として重要な要素であると述べました。

Geminiロボティクス統合:物理的なブレークスルーは18〜24ヶ月以内に期待

ハサビスは、Geminiのマルチモーダル設計が物理的世界の理解とロボティクスをターゲットにしていると述べ、CESで発表されたボストン・ダイナミクス、DeepMind、現代自動車のコラボレーション(ヒュンダイ工場向けのAtlas + Geminiロボティクス)を挙げ、信頼性のある実用的な現実世界のロボティクス能力に到達するまでに約18〜24ヶ月かかると予測しました。彼は、アルゴリズムの堅牢性、サンプル効率、特に機械的/ハードウェアの課題を強調し、人間の手の器用さが依然として大きな障害であると指摘しました。

ハサビスは国際的な安全協力を促すが、一方的な休止は非現実的だと述べる

ハサビスは、AGIの安全性にアプローチするために技術的、哲学的、社会的な専門知識を組み合わせた理想的な科学的コラボレーション(「AI CERN」)を描写し、完璧な世界では調整された休止を支持すると述べました。また、そのような休止が効果的であるためには広範な国際的合意が必要であるとし、Anthropicなどの仲間との既存の協力的な安全作業を指摘しました。彼は、主要な参加者間での安全性とセキュリティプロトコルの必要性を強調しました。

Google教育ツール:Learn Your WayとGemini SAT練習がアクセス可能性を拡大

Google Researchは、LearnLMを使用してPDFを5つの個別化された学習形式に変換する「Learn Your Way」を発表しました。試験では、従来の方法を使用した場合の67%に対し、平均78%の記憶テストスコアが示されました。Geminiは、The Princeton Reviewの問題セットを使用して制作された無料の統合SATフルレングス練習フローを追加し、セクションごとのスコアリング、エラー分析、弱点特定、即時の個別化されたレビューと学習計画を提供します。

ユーザーはGemini 3 Proがマルチモーダル教育タスクで優れていると報告

複数のユーザーポストは、Gemini 3 Proが数学コンテストの準備や幾何学など、マルチモーダル推論と視覚的理解が必要な複雑な教育ユースケースにおいて、他の主要モデル(GPT-5.2、Claude Opus 4.5)を上回ると報告しています。ユーザーは比較テストを行い、より良い問題分析とターゲットを絞った練習のためにGemini 3 Proを選択し、GPT/Claudeを試験準備のワークフローから除外しました。

教育の採用:NGOとグローバルな教師トレーニングがAIツールを使用

ポール・ジャンクラとTeach For Allのコラボレーションは、63か国の教育者にAIツールとトレーニングを提供することが強調され、教師の育成と教室支援におけるAIの国際的な普及を示しています。投稿では、AIのビジネスモデルが学生の成果とインセンティブを一致させ、AIがプライベートチュータリングのコストを削減し、既存のシステムが自己指導学習を制限する場所で自己学習能力を拡大できることが指摘されています。

Source posts