DeepMind / Google: ロボティクス、GeminiエージェントおよびAGIに関するコメント

DeepMind/Googleは、Gemini Deep Research Agentと開発者向けの統一インタラクションAPIを発表しました。
Key insights
Gemini Deep Research Agentが厳密な開発者研究のためにリリース
DeepMindは、Gemini 3 Proに基づいて構築され、多段階強化学習でトレーニングされたGemini Deep Research Agentを発表しました。このエージェントは、自律的に研究を計画し、反復的に検索し、プライベートドキュメントと公的ウェブデータを統合し、検証可能な引用を出力します。DeepMindは、エージェントの複雑な因果連鎖研究タスクにおけるパフォーマンスを示すために、新しい内部ベンチマーク(DeepSearchQA 66.1%、Humanity's Last Exam 46.4%、BrowseComp 59.2%)を発表しました。このエージェントは、開発者統合と構造化出力のためにインタラクションAPIを介して利用可能です。
インタラクションAPIが開発者向けにモデルとエージェントの呼び出しを統一
Googleは、モデルとエージェントと対話するための統一エンドポイントであるインタラクションAPIをリリースしました。このAPIは、高い制御、構造化出力(JSON)、および開発者定義のプロンプト制約をサポートします。APIはGemini Deep Research Agentの統合面であり、Google AI StudioおよびGemini APIキーを介して利用可能で、金融デューデリジェンスやバイオテクノロジー文献の集約などのアプリケーションを可能にします。
GoogleがGoogle AI PlusおよびNano Bananaのアクセスを世界的に拡大
Googleは、Google AI Plusを36の追加国に拡大し、合計77カ国での利用可能性を高めることを発表しました。このプランでは、Nano Bananaの画像生成のための制限を引き上げ、Veo 3 Fast、FlowbyGoogle、Whisk、NotebookLMの拡張、Gmail/Docs/SheetsへのGemini統合、ストレージの強化を提供します。プロモーション価格には、新規加入者向けに6ヶ月間50%オフが含まれています。
DeepMindとGoogleのロボティクス研究がシミュレーション、モーション転送、世界モデルを強調
DeepMindのロボティクスリーダーは、LLMと強化学習の統合を強調しました:視覚-言語-行動(VLA)および世界モデル、モーション転送によるクロスボディデータの再利用、巧妙な操作のための触覚センサーの必要性です。研究者は、シミュレーションおよび合成データがスケーラブルなソースであることを強調し、シミュレーションと実世界のロボティクスパフォーマンスの間に残るギャップを指摘しました。ロボットの移動と歩行は大部分が解決されていると主張されましたが、手のレベルの器用さは幼児レベルに留まっています。
DeepMind関連の科学者がAGIのタイムラインと能力の注意点を提供
DeepMindの関係者は、AGIの推定と能力のギャップを明らかにしました。シェーン・レッグは、典型的な人間の認知タスクを完了することを要求する定義の下で、2028年までに最小限のAGIを達成する可能性が50%であると推定しました。コメントでは、多くの言語において言語スキルが超人的である一方で、持続的な学習、視覚的推論の微妙さ、長期的な継続的学習がボトルネックとして残っていることが指摘されました。