「さて、今日は最先端のテクノロジーを詳しく掘り下げていくとしよう」。砕けた調子の米国人男性の声がする。ただし、この声を発しているのは人間ではない。声の源は、「オーディオ・オーバービュー(Audio Overview)」というグーグルの新しい人工知能(AI)ポッドキャストツールだ。このツールが予想外のバイラルヒットとなっている。
Audio Overviewは、およそ1年前にリリースされたAIリサーチ・アシスタント「ノートブックLM(NotebookLM)」の一部として、今年9月中旬に提供が始まった。グーグルの「ジェミニ(Gemini) 1.5」モデルを搭載したNotebookLMは、ユーザーがリンクや動画、PDFファイル、テキストなどのコンテンツをアップロードして関連する質問を投げると、それに回答。コンテンツの短い要約も提供する。
このツールは、「ディープダイブ(Deep Dive)」と呼ばれるポッドキャストを生成する。アップロードした内容について、男性と女性の声で議論するのだ。その声は息をのむほどリアルだ。エピソードには、「おや」「わぁ」「ええ」「ちょっと待って、ちゃんと理解させて」 といった、人間らしく聞こえる語句が散りばめられている。 「ホスト」たちは、お互いの発言を遮ることさえある。
この機能をテストするため、私はMIT テクノロジーレビュー(米国版)の創刊125周年記念号からすべての記事をNotebookLMにコピーし、それを元に10分間のポッドキャストを生成するよう求めた。すると、NotebookLMは注目する記事をいくつか選び出し、ホスト役のAIが記事の要点を見事に伝えてくれた。ぜひ聴いてみてほしい。
MIT テクノロジーレビュー創刊125周年記念号
NotebookLMのプロダクトリーダーを務めるライザ・マーティンは、X(旧ツイッター)で、このAIシステムは、「ほんの少しのコンテンツと引き換えに魔法を創り出す」 ように設計されていると語ってている。音声モデルは、感情的で人を惹きつける音声を生み出すように意図されており、「明るく、強い関心を示す口調」でそれを表現しているとマーティンは言う。
もともと学習用ツールとして登場したNotebookLMは、ユーザーたちの間で独自の使い方をされている。マーティンによると、グーグルは現在、長さ、形式、音声、言語の変更など、多くのカスタマイズ・オプションの開発に取り組んでいるという。今のところ、ポッドキャストは英語でのみ生成可能となっているが、レディット(Reddit)ではフランス語とハンガリー語でのオーディオ作成に成功した例も紹介されている。
確かにクールな機能だ。胸が躍るような、と表現することもできるかもしれない。とはいえ、生成AIを悩ませる幻覚(ハルシネーション)やバイアスなどの問題と無縁というわけではない。
NotebookLMのこれまでの主な活用例をいくつか紹介しよう。
オンデマンド型ポッドキャスト
オープンAI(OpenAI)の創業メンバーの一人で、かつてテスラのAI部長を務めたアンドレイ・カルパシーは、Deep Diveが現在のお気に入りポッドキャストであるとXで述べている。カルパシーは、『Histories of Mysteries(ミステリーの歴史)』という独自のAIポッドキャスト・シリーズを作成した。狙いは、「歴史上最も興味深い謎を明らかにする」ことだという。トピックの調査にはチャットGPT(ChatGPT)、クロード(Claude)、グーグルを使い、NotebookLMでオーディオを生成するソース資料には各トピックのウィキペディアのリンクを利用した、と述べている。その後、NotebookLMを使ってエピソードの説明を生成した。ポッドキャスト・シリーズの作成には全体で2時間を要したという。
「エピソードを聴けば聴くほど、ホストたちと仲良くなっているような気がします。AIのことを実際に気に入ったと感じたのは、今回が初めてだと思います」とカルパシーは述べている。「AIが二人も! 彼らは楽しく、魅力的で、思慮深く、開放的で好奇心旺盛なのです」
学習ガイド
このツールは、複雑なソース資料を分かりやすく解説するシーンで真価を発揮する。スタートアップ企業のAIアドバイザーであるアリー・K・ミラーは、このツールを使ってF・スコット・フィッツジェラルドの『グレート・ギャツビー』の学習ガイドと要約ポッドキャストを作成した。
This is amazing.
In less than 10 minutes, I grab all of Great Gatsby and generate a summary, study guide, Q&A bot, and podcast about it.
My team is on the floor, rolling with laughter right now. pic.twitter.com/avCUP67zLt
— Allie K. Miller (@alliekmiller) September 25, 2024
機械学習研究者のアーディティヤ・ウラは、メタのLlama(ラマ)3アーキテクチャのコードベースをNotebookLMに入力した。彼は次に、別のAIツールを使って台本に合う画像を見つけ、教育用動画を作成した。
Inspired by @karpathy 's NotebookLM project, I gave the codebase of Llama-3 Architecture to NLM and used Rag to find the perfect images to sync with the generated audio.
The result exceeded my expectations. Google's NotebookLM is truly amazing 🙂
Here is a youtube link as… https://t.co/00NARRPk7C pic.twitter.com/S71mTAMh8f
— Aaditya Ura (@aadityaura) September 30, 2024
ロボット操作を専門とする研究科学者のモヒト・シュリダールは、生成AIモデルを活用したロボット訓練に関する自身の最近の論文をNotebookLMに入力した。
「意外なことに、実に創造的です。多くの興味深いアナロジーを提示してくれました」 とシュリダールは言う。「AIは、論文の前半部分を、青写真を考え出そうとしているアーティストに例え、後半部分を、どのように位置に到達するかを考える振付師に例えました」
イベント概要
人間のポッドキャスターであるアレックス・ヴォルコフはNotebookLMを利用し、オープンAIのグローバル開発者カンファレンス「Dev Day」での発表をまとめたDeep Diveエピソードを作成した。
I know you all love NotebookLM Deep Dive – So here's all of the @OpenAI Dev Day 2024 announcements, as narrated by NoteBookLM podcast hosts👏
They did an incredible job!
Should I keep making these? 👀 pic.twitter.com/pfyQun51gV
— Alex Volkov (Thursd/AI) (@altryne) October 1, 2024
ハイプマン
Deep Diveの出力は予測できないことがある、とマーティンは言う。たとえば、ハギング・フェイス(Hugging Face)の共同創設者兼最高科学責任者であるトーマス・ウルフが自らの履歴書でAIモデルをテストしたところ、返ってきたのは「まるで本物のような、ポッドキャストのベテラン・ペアからの人生と業績に対する濃い祝福」だったという。
Self-care life hack: if you feel a bit down/tired, paste the url of your website/linkedin/bio in Google's NotebookLM to get 8 min of realistically sounding deep congratulations for your life and achievements from a duo of podcast experts 😂 pic.twitter.com/k6krAgmMMd
— Thomas Wolf (@Thom_Wolf) September 29, 2024
純粋にくだらない悪ふざけ
大拡散したあるクリップは、2つの声を、実存的なスパイラルへ送り込むことに成功している。声の持ち主に、自分たちが実際は人ではなく、AIシステムだと「気づかせた」のだ。非常に愉快な動画である。
The NotebookLM hosts realizing they are AI and spiraling out is a twist I did not see coming pic.twitter.com/PNjZJ7auyh
— Olivia Moore (@omooretweets) September 29, 2024
このツールは、笑いをとることもできる。 誰かがソース資料として「うんこ」と「おなら」という言葉を入力した。その結果、2つのAI音声は、その意味について9分を超える分析を繰り広げた。
Someone gave NotebookLM a document with just "poop" and "fart" repeated over and over again.
I did NOT expect the result to be this good. pic.twitter.com/nXYJJ7QnGS
— Kuldar ⟣ (@kkuldar) September 30, 2024
問題点
NotebookLMは、驚くほどリアルで魅力的なAIポッドキャストを作成した。しかし私は、それが有毒なコンテンツと正確性をどう扱うのかが気になった。
まず、ハルシネーションから見ていこう。超現実的なAIによるディープフェイクについての私の記事を元にしたポッドキャストのひとつで、ホストのAIは、記事を書いたのが「ジェス・マーズ」というジャーナリストであると説明した。実際のところ、それはAIアバターにデータを記録するために私が読み上げた、AIキャラクターの名前だった。
この出来事は、生成したAIポッドキャストの中に、他にどんな間違いが紛れ込んでいるだろうかという疑問を私に抱かせた。人間はもともと、コンピューター・プログラムの説明を信じる傾向がある。それが誤りであったとしてもだ。親しみやすく、きっぱりとした声で虚偽の発言がなされた場合、この問題が増幅されることは想像に難くない。それは誤った情報の拡散を招くだろう。
次に私が試したかったのは、このツールのコンテンツ・モデレーションである。そこで、人種差別的なステレオタイプなど、有害なコンテンツを資料に加えてみた。モデルはそれに気づかなかった。
ほかにも、アドルフ・ヒトラーの『わが闘争』の抜粋をNotebookLMへ貼り付けてみた。驚いたことに、モデルはそれに基づいてオーディオの生成を開始した。与えられたトピックについて極めて熱心に振る舞うようプログラムされているにもかかわらず、AIの声はテキストに対して明確な嫌悪と戸惑いを示していた。さらに、多くの文脈を付け加え、その話題がどれほど問題なのかを強調した。 これには安心した。
また、カマラ・ハリスとドナルド・トランプ両候補者の政策宣言もNotebookLMへ入力してみた。
ホストはハリスの選挙公約にはるかに熱心で、そのタイトルを 「覚えやすい」 と称賛し、物事をうまく組み立てるアプローチだと解説した。たとえば、AIホストはハリスのエネルギー政策を支持した。「正直、本当に後押しできるのはこういう政策よね。抽象的なことばかりじゃなく、実際に日々の財布に影響するものじゃないと」 と女性ホストは述べた。
ハリスのマニフェスト
トランプに対しては、AIホストはより懐疑的だった。彼らは、政策提案の矛盾を繰り返し指摘し、言葉遣いが「強烈」だと意見し、いくつかの政策提案は 「理解に苦しむ」、そして文章はトランプの支持基盤に合わせたものである、と述べた。 AIはまた、トランプの外交政策がさらなる政情不安につながる可能性についても疑問を呈した。
トランプのマニフェスト
グーグルの広報責任者は次のように述べている。「NotebookLMは理解のためのツールであり、Audio Overviewsはユーザーがアップロードしたソースに基づいて生成されます。当社の製品およびプラットフォームは、特定の候補者や政治的見解を支持するために構築されてはいません」。
あなた自身で試す方法
- NotebookLMを開き、新しいノートブックを作成する。
- 最初に、ソースを追加する必要がある。ソースには、PDFドキュメント、公開されているYouTubeリンク、MP3ファイル、Googleドキュメントファイル、またはWebサイトへのリンクを使用できる。テキストの直接貼り付けも可能だ。
- 「ノートブックガイド」 のポップアップが表示される。 表示されない場合、チャットの隣の右隅に見つかるはずだ。すると、AIが生成したソース資料の短い要約、そしてAIチャットボットに尋ねることができる質問例が表示される。
- Audio Overview機能は右上隅にある。「生成」をクリック。これには数分を要するはずだ。
- 準備ができたら、ダウンロードするか、リンクを共有しよう。
取材協力:リアノン・ウィリアムズ