日本でもGoogleの生成AIがBardからGeminiに変わりました。WEBブラウザで「https://bard.google.com/」にアクセスすると「https://gemini.google.com/app/」にリダイレクトされます。
GoogleがChatGPTを上回る性能を持った生成AIとして公開されたGeminiですが、果たしてどのような性能なのでしょうか。話題になっている画像認識で性能をチェックしてみました。
Googleの生成AIがGeminiになりました
Geminiとは
Geminiは、Google AIによって開発された、最先端のマルチモーダル対話型AIです。テキストだけでなく、音声、画像、動画、コードなどのさまざまな情報を取り込み、理解することができます。
2024年2月9日から日本でも使えるようになりました。これまでGoogleのAIといえばBardでしたが、BardのWEBサイトにアクセスするとGeminiのWEBサイトにリダイレクトされるようになりました。
以下の解説はGemini自身によるGeminiの説明です。
従来のAIと比較して、Geminiは以下の点で革新的な技術を備えています。
1. マルチモーダル対応: テキストだけでなく、音声、画像、動画、コードなどの様々な情報処理が可能。
2. リアルタイムな応答: 膨大なデータセットに基づき、質問に対してリアルタイムで正確な回答を導き出す。
3. 創造的な表現: 詩、小説、脚本、音楽作品など、様々な形式の創造的なコンテンツを生成できる。
4. 言語間の翻訳: 100以上の言語間で高精度な翻訳を実現。
5. 知識の継続的な学習: ユーザーとの対話を通して知識を蓄積し、常に進化し続ける。
これらの革新的な技術により、Geminiは以下のような様々なタスクをこなすことができます。
- 自然な会話： ユーザーと対話し、質問に答えたり、情報提供を行ったりする。
- 情報検索： インターネット上の膨大な情報から、ユーザーのニーズに合致した情報を検索する。
- コンテンツ作成： 詩、小説、脚本、音楽作品など、様々な形式の創造的なコンテンツを生成する。
- 言語翻訳： 100以上の言語間で高精度な翻訳を実現する。
- コード生成： 自然言語による指示に基づいて、Pythonなどのプログラミング言語のコードを生成する。
Geminiは現在も開発段階ですが、将来的には以下のような様々な分野での活用が期待されています。
- 教育： 個別指導や教材作成など、教育現場での活用。
- 医療： 診断支援や患者とのコミュニケーションなど、医療現場での活用。
- ビジネス： 顧客対応や資料作成など、ビジネスシーンでの活用。
- エンターテイメント： 映画やゲームの脚本作成など、エンターテイメント業界での活用。
Geminiは、私たちの生活をより豊かに、便利にする可能性を秘めた革新的なAIです。今後の更なる進化に期待が高まっています。
Geminiは画像認識がすばらしい
Geminiは「グーグルマップ」や「グーグルレンズ」とも連動しているようで画像認識の機能が秀逸です。すでにX（旧Twitter）でも話題になっています。
ためしに、いくつかの画像をGeminiにアップロードして「ここはどこ？」ということを聞いてみました。かなりの精度で正解の回答をしてくれました。これには驚きましたので紹介しておきます。
なお、Geminiにはグレードがあり、無料で使えるプランから有料で使える最上位のUltraまであります。AIモデルサイズの順に「Gemini Nano-1」「Gemini Nano-2」「Gemini Pro」「Gemini Ultra」の4つです。今回は無料プランで実施しています。
ブルーノート東京
これは瞬時に一発で正しい回答が表示されました。写真の中に「Blue Note Toyko」という文字が入っているので読み取っているのかもしれません。なおこのときアップロードした写真にはExif（位置情報など）を削除してサイズを小さくしたものをアップロードしているので画像のメタデータは利用していないはずです。
サイゼリヤ金沢駅西口店
サイゼリヤであることは画像内に「SAIZERIYA」というワインのマグナムボトルの文字があるので読み取っていれば正確性が増すはずです。しかし、サイゼリヤは日本国内だけで1500店舗ありますから場所の特定が難しいはず。
ちなみにこの画像は生の撮影画像を使いました。つまりExif（位置情報など）が残っているのでそのメタデータから場所を特定したのかもしれません。
ちなみに、このあとExif（位置情報など）を削除してサイズを小さくした画像をアップロードして質問しましたが、正確に回答しました。先にExif付きの画像をアップしたためその画像から学習していたのかもしれません。
加賀温泉駅
今度は、石川県加賀市にある加賀温泉駅のコンコースの写真を使いましたが正確に回答しました。Exifなし画像でしたが、画像内の文字を読み取って判断の材料にしているようですね。すごい。
加賀温泉駅は2024年3月16日の北陸新幹線福井延伸で新幹線が停まる駅になるため、構内では工事が続いています。この写真は1月20日に撮影したものです。
東京・上野駅の中
今回アップした写真には「人物が写っている」という理由で判定してくれませんでした。
人物の画像についてはまだ対応していません、というエラー表示でした。
逆にかんぐるとたったこれだけの人物画像で特定できるかもしれないということかもしれません。これは犯罪捜査などに利用できそうですね。
ということで、人物の部分を切り取った画像をアップしてみました。
この人の部分をきりとった不完全な画像で判定できるかどうか、興味津々ですね。
なんと、この不完全な画像で正しい回答を得ることができました。これだけで上野駅だとわかってしまうのがすごいですね。
横山駅も正確に認識しているようです
今度は私が住んでいるかほく市で最寄りのJR駅「横山駅」です。無人駅だし、雪が少し積もっているときだし、Exif情報削除してあるし、正しい回答は難しいのではないかという天邪鬼な期待をしていましたが…
なんと、正しく回答しました。これはすごいですね。
蕎麦の写真から場所を特定できるかどうか
今度は蕎麦の写真で、その蕎麦屋さんを特定できるかどうかを調べてみました。
この回答は残念ながら間違っていました。
送信された画像のそばは、石川県かほく市にある「麦の屋 高松店」のものである可能性が高いです。
-
手打ちそば いしまる
-
そば処 大野屋
- 手打ちそば 庄司
-
そば切り 藤吉
-
手打ちそば 蔵
実はこの蕎麦は石川県河北郡津幡町にある「くらみつ」という蕎麦屋のものです。週末しかやっていない家族経営の小さな蕎麦屋さんなので情報が少ないのかもしれません。そこで店内写真を追加してみました。
上記の店舗はすべて違います。店内の写真もアップしますのでお店探しに協力おねがいします。なお、河北郡津幡町の蕎麦屋です。
ご理解いただきありがとうございます。
送っていただいた画像の店内写真から、河北郡津幡町にある「そば処くらみつ」である可能性が高いと推測されます。
そば処くらみつは、石臼挽き手打ちそばを提供する蕎麦店で、画像の店内写真と一致する特徴がいくつか見られます。
- 店内は明るく、木の温もりを感じられる空間です。
- テーブル席と座敷席があり、家族連れでもゆっくりと食事を楽しむことができます。
- 窓からは、田園風景を眺めることができます。
また、そば処くらみつは、2024年2月10日現在、ランチタイムは混雑しているため、時間に余裕を持って来店することをおすすめします。
そば処くらみつの住所、営業時間、電話番号は以下のとおりです。
住所：石川県河北郡津幡町倉見ツ1−１ 営業時間： [土・日・祝] 11:40〜15:00 [月・火・水・木・金] 11:40〜15:00（14:30ラストオーダー） 定休日：金曜日 電話番号：090-3764-9924
ここで正解がでました。なんとインスタグラムの画像情報から導き出しているようです。
そば処くらみつ、そうです、ここです。
ありがとうございます。
お役に立てて嬉しいです。
そば処くらみつは、石臼挽き手打ちそばが評判の老舗店です。
店内写真から、落ち着いた雰囲気でゆっくりと食事を楽しめそうな空間であることが伝わってきます。
私も一度、そば処くらみつのそばを味わってみたいと思います。
河北郡津幡町で美味しいそばをお探しの方には、ぜひそば処くらみつをおすすめします。
最後は「私も食べたい」というなんともおちゃめな回答でした。にくいですね。
Genimiは高性能な対話型AIですね
ということでGeminiの画像認識性能はかなりすごいということがわかりました。マルチモーダルな対話型AIなので何度も質問と回答を繰り返すことで期待する答に近づくことができますね。
さらにGeminiのバージョンが1.5に上がったようで、続々と解説記事が出てきました。
今後もGoogleのAIに関する動向には注目していきたいと思います。
スマホでGeminiが使えるようになりました
スマホのGoogleアプリの中でGeminiが使えるようになりました。
この記事を書いた遠田幹雄は中小企業診断士です
遠田幹雄は経営コンサルティング企業の株式会社ドモドモコーポレーション代表取締役。石川県かほく市に本社があり金沢市を中心とした北陸三県を主な活動エリアとする経営コンサルタントです。
小規模事業者や中小企業を対象として、経営戦略立案とその後の実行支援、商品開発、販路拡大、マーケティング、ブランド構築等に係る総合的なコンサルティング活動を展開しています。実際にはWEBマーケティングやIT系のご依頼が多いです。
民民での直接契約を中心としていますが、商工三団体などの支援機関が主催するセミナー講師を年間数十回担当したり、支援機関の専門家派遣や中小企業基盤整備機構の経営窓口相談に対応したりもしています。
保有資格：中小企業診断士、情報処理技術者など
会社概要およびプロフィールは株式会社ドモドモコーポレーションの会社案内にて紹介していますので興味ある方はご覧ください。
お問い合わせは電話ではなくお問い合わせフォームからメールにておねがいします。新規の電話番号からの電話は受信しないことにしていますのでご了承ください。
【反応していただけると喜びます（笑）】
記事内容が役にたったとか共感したとかで、なにか反応をしたいという場合はTwitterやフェイスブックなどのSNSで反応いただけるとうれしいです。
遠田幹雄が利用しているSNSは以下のとおりです。
facebook https://www.facebook.com/tohdamikio
ツイッター https://twitter.com/tohdamikio
LINE https://lin.ee/igN7saM
チャットワーク https://www.chatwork.com/tohda
また、投げ銭システムも用意しましたのでお気持ちがあればクレジット決済などでもお支払いいただけます。
※投げ銭はデジタルコンテンツ購入という通販のしくみにしました。
※投げ銭は100円からOKです。シャレですので笑ってください（笑）
