GoogleがGeminiをChromeに統合したことは、テクノロジー大手にとって、よりエージェント的な時代に向けた予備的なステップのように思われます。この新機能により、AIアシスタントがブラウザに直接組み込まれ、オンラインアクティビティを「見て」、画面上のコンテンツに関連する要約や回答を提供できるようになります。
ChromeのGeminiとのある朝
ChromeのGeminiにおけるこの斬新な統合を試すのに、私の午前中を費やしました。チャットボット専用のWebアプリケーションに移動する代わりに、Chromeの右上隅にある新しいGeminiアイコンを簡単にクリックするだけで、会話が開始されます。この統合の決定的な特徴は、Webをナビゲートする際にブラウザが画面に表示されるコンテンツを「見る」能力にあります。
この統合は、Googleがよりエージェント的なAIを作成するという壮大なビジョンにおける最初の段階だと感じました。私は、その現在の機能を超える機能をしばしば切望していることに気づきました。現在、ChromeのGeminiの早期アクセス版へのアクセスは、AI ProまたはAI Ultraのサブスクライバーに限定されており、ChromeのBeta、Dev、またはCanaryバージョンのいずれかを使用しています。
私の最初の探求では、Geminiを利用してThe Vergeの記事を要約しました。また、ホームページでゲーム関連のニュースを発掘することにも拡張され、AIは任天堂が新しいGame BoyゲームをSwitch Onlineサービスに追加したこと、今後のElden Ring映画化、Valveの重要なSteam Deckアップデートを適切に強調しました。
Geminiの視野は、各Webページに直接表示されるものに限定されています。The Vergeのコメントセクションのように、ページ上の特定のコンポーネントを要約する場合は、チャットボットが応答を提供する前に展開する必要があります。また、Geminiはいくつかのタブを追跡できますが、一度に1つのタブからのみ情報を収集します。
タイピングに気が進まない人のために、ChromeのGeminiは、ダイアログボックスの右下隅にあるボタンからアクセスできる「ライブ」機能を提供します。これを有効にすると、口頭で質問をすることができ、Geminiが音声で応答します。
私はこれがYouTubeビデオを見るときに特に役立つことに気づきました。たとえば、バスルームのリモデリングビデオを見ているときに、「彼はどんなツールを使っていますか？」と尋ねたところ、Geminiは「彼はいくつかの木材を固定するためにネイルガンを使っているようです」と答えました。別のビデオでは、Geminiはマザーボード上のコンデンサを正確に識別し、YouTuberがそれを取り外すために使用したピンセットと熱風ツールも識別しました。また、ビデオの概要やスキップした部分に関する情報を提供する機能もありますが、ビデオにラベル付きのチャプターがない場合、これが常に正しいとは限りません。
この統合の最も有用なユースケースの1つは、GeminiがYouTubeビデオからレシピを抽出することです。つまり、レシピを自分で書き留めたり、説明でリンクを探したりする必要はありませんでした。また、Amazonの検索ページで防水バッグを指摘するように依頼したときにも役立ちました。
不整合と制限事項
ただし、Geminiのパフォーマンスは、その不整合がないわけではありませんでした。MrBeastがチチェン・イッツァを含む古代マヤの都市を探索するビデオの中で、MrBeastの場所について尋ねられたとき、AIは「私はリアルタイムの情報にアクセスできないため、MrBeastの正確な現在の場所を特定できません」と答えました。質問を言い換えると、ビデオの説明に記載されている場所であるメキシコを正確に引用しました。別の機会に、ビデオに登場する特定のプライヤーを購入するためのリンクを求めたとき、Geminiは製品リストや店舗の在庫を含むリアルタイムの情報へのアクセスがないことを繰り返しました。この制限にもかかわらず、リクエストに応じて代替製品へのリンクをすぐに提供しました。
Geminiの応答の長さが、Chromeのポップアップウィンドウによって提供される限られたスペースに不均衡なように見えることがありました。ウィンドウは拡大できますが、私の13インチMacBook Airの限られた画面領域を大幅に侵害します。AIの主な魅力は、簡潔で適切な回答を提供することでタスクを迅速化する能力にありますが、明示的に促されない限り、Geminiは常にその約束を果たしているわけではありません。さらに、特定のトピックに関する追加情報を希望するかどうか尋ねる、AIの反復的なフォローアップ質問は、やや面倒になりました。
エージェントAIへの道
これらの欠点にもかかわらず、GoogleがGeminiの使用を単純な質問と回答を超えて拡張することを想像するのは簡単です。GoogleはAIを「エージェント的」にしたいと考えています。つまり、あなたに代わってタスクを実行できるようになることを意味し、ChromeのGeminiはいつかこれらの種類の機能を採用する準備ができているようです。たとえば、Geminiにレストランのメニューを要約するように依頼した後、私はそれに見積もりを依頼することを考えさえしました - それはまだできないエージェントタスクです。将来的には、旅行調査に関連するページをブックマークしたり、さまざまなレシピのYouTubeビデオを見つけて「後で見る」プレイリストに保存したりすることで役立つと思います。
Googleは、Geminiアプリ向けに予定されているProject Marinerの「エージェントモード」でこのビジョンを実現に向けて前進しているようです。この機能により、AIは最大10個のタスクを同時に処理し、独立してWebを検索できるようになり、将来的にはこれらの機能をChromeのGeminiに組み込む道が開かれる可能性があります。これにより、GeminiはWeb検索にもっと関与し、タスクやクエリを整理するのが簡単になります。
今後の潜在的なアプリケーション
Chrome内のGeminiの今後のアプリケーションの可能性は広大で説得力があります。AIがオンラインショッピング体験とシームレスに統合され、最適な取引を積極的に特定し、異なる小売業者間の価格を比較し、事前に定義された好みと予算に準拠しながら、代わりに購入を完了するシナリオを想像してみてください。このレベルの統合は、オンラインショッピングを潜在的に面倒な作業から効率的で合理化されたプロセスに変えるでしょう。
さらに、Geminiがオンライン調査に革命を起こす可能性を考えてみましょう。数え切れないほどの記事やWebサイトを手動で精査する代わりに、特定のトピックに関する情報を収集し、希望する分析の深さ、優先ソース、情報を提示する形式を指定するだけで済みます。Geminiは、引用と要約を含む包括的なレポートをコンパイルし、数え切れないほどの面倒な調査時間を節約できます。
生産性の分野では、Geminiは究極のパーソナルアシスタントとなり、スケジュールを管理し、タスクの優先順位を付け、指示に基づいてメールやプレゼンテーションを作成することもできます。考えやアイデアをGeminiに口述すると、Geminiがそれらを、関連するビジュアルとデータを含む、洗練されたプロフェッショナルなプレゼンテーションに変換することを想像してみてください。これにより、プレゼンテーションを最初から作成するという時間のかかるタスクから解放され、仕事のより戦略的な側面に集中できます。
学生にとって、Geminiは貴重な学習リソースとして機能し、個別指導を提供し、質問に答え、調査課題を支援することもできます。複雑な概念を簡単な言葉で説明するようにGeminiに依頼したり、教材をよりよく理解するのに役立つ例やイラストを提供したりできることを想像してみてください。これにより、学習がより魅力的かつ効果的になり、学生は自分の教育を自分で管理できるようになります。
懸念と課題への対処
ただし、AIを私たちの日常生活に統合すると、正当な懸念も生じ、これに事前に取り組む必要があります。最も緊急な懸念の1つは、AIアルゴリズムのバイアスの可能性です。これらのアルゴリズムのトレーニングに使用されるデータが既存の社会的なバイアスを反映している場合、AIはこれらのバイアスを永続させ、さらに増幅する可能性があります。AIアルゴリズムが多様で代表的なデータセットでトレーニングされていること、そしてバイアスについて定期的に監査されていることを確認することが重要です。
もう1つの懸念は、AI自動化によって引き起こされる雇用の喪失の可能性です。AIが以前は人間が行っていたタスクを実行できるようになるにつれて、多くの仕事が排除されるリスクがあります。このリスクを軽減するためには、労働者がAI時代に成功するために必要なスキルを身につけることができる教育およびトレーニングプログラムに投資することが不可欠です。これには、批判的思考、問題解決、AIが複製するのが難しい創造性などのスキルを育成することが含まれます。
最後に、特にプライバシーやセキュリティなどの分野におけるAIの使用に関する倫理的な考慮事項があります。AIの開発と展開を管理する明確なガイドラインと規制を確立し、責任を持って倫理的な方法で使用されるようにすることが重要です。これには、個人のプライバシーの保護、悪意のある目的でのAIの悪用の防止、AIシステムが透明で責任あるものであることを保証することが含まれます。
AI統合の未来
GoogleのChromeのGeminiは、より統合されたインテリジェントなブラウジング体験に向けた有望な一歩です。現在の実装には制限がありますが、AIがWebとの対話方法を変革する可能性を垣間見ることができます。AIテクノロジーが進化し続けるにつれて、AIが私たちの日常生活にさらに高度でシームレスに統合されることが予想されます。重要なのは、AIに関連する倫理的および社会的な課題に事前に取り組み、AIが人類全体に利益をもたらすために使用されるようにすることです。
ChromeのようなブラウザにおけるAI統合の進化は、既存のWeb標準とセキュリティプロトコルを再評価する必要性も生み出しています。AIがWebコンテンツをより深く解釈し、対話できるようになるにつれて、悪意のある行為者が悪用する可能性のある新しい脆弱性が現れる可能性があります。したがって、ブラウザの開発者とセキュリティの専門家が協力して、これらの新たな脅威からユーザーを保護できる新しいセキュリティ対策を開発することが重要です。これには、フィッシング攻撃、マルウェア、その他の形態のオンライン詐欺に対する防御の強化が含まれます。
さらに、ブラウザにおけるAIへの依存度が高まるにつれて、新しい形態のデジタルデバイドが生まれる可能性もあります。高速インターネットや高度なコンピューティングデバイスにアクセスできない個人は、AIを搭載したブラウザの機能を十分に活用できないため、不利な立場に置かれる可能性があります。この問題に対処するために、インフラストラクチャの改善とデジタルリテラシープログラムに投資し、誰もがAIテクノロジーの進歩から利益を得る機会を得られるようにすることが不可欠です。
さらに、ブラウザへのAIの統合は、広告業界にも大きな影響を与える可能性があります。AIユーザーの好みや行動をよりよく理解できるようになるにつれて、よりターゲットを絞ったパーソナライズされた広告を配信するために使用される可能性があります。これは、より適切で魅力的な広告体験につながる可能性がありますが、プライバシーとデータのセキュリティに関する懸念も生じます。規制当局と業界関係者が協力して、広告におけるAIの使用を管理する明確なガイドラインと規制を確立し、ユーザーのプライバシーが保護され、データが責任を持って使用されるようにすることが重要です。