ログインメモする

HOME

Web担当者が、日々の業務の中で役立ったことをメモしています。

Googleの最新画像編集モデル、nano banana

U3

2025/8/27

2025/8/27

編集にはカテゴリー認証が必要です ▼受付終了にする

遂にリリース！Googleの最新画像編集モデル、nano bananaを試してみる！

参考URL	https://note.com/terraise_ai/n/na8f8e9b3c85b

コメント

コメントはまだありません。

関連する投稿

ベクトルストア（ベクトルデータベース）とは？

ベクトルストア（Vector Store）／ベクトルデータベースとは、テキストや画像などのデータを数値のリスト（ベクトル埋め込み）として保存し、意味的に類似した情報を高速に検索・取得するための特別なデータベースです。生成AIのRAG（Retrieval-Augmented Generation）システムなどで使われ、単なるキーワード検索ではなく、内容の類似性に基づいて関連する文書やデータを探し出す役割を担います。ベクトルストアの主な機能と役割ベクトル埋め込みの保存:テキスト、画像、音声などのデータを、機械学習モデル（埋め込みモデル）を使って高次元の数値ベクトル（数値の配列）に変換し、保存します。類似性検索:保存されたベクトル群の中から、クエリ（質問）のベクトルと最も「近い」ベクトル（意味的に類似するデータ）を効率的に見つけ出します（例：K近傍法、ANNアルゴリズム）。RAGのバックエンド:生成AIがユーザーの質問に対して、社内文書や外部データから関連情報を検索して回答を生成する（RAG）際の、情報検索部分を担います。データの前処理:Vector Storeは、ドキュメントの分割（チャンク化）やベクトル化、インデックス作成といったプロセスを自動で行うこともあります。なぜ必要か？意味検索の実現:従来のデータベースでは困難な、意味に基づいた複雑な検索を可能にします。生成AIの強化:AIが持つ知識だけでなく、最新の情報や特定の業務データに基づいて回答できるようにし、回答の精度と信頼性を高めます。

0
0
0

U3

推論型AIは、制約や指示が多いとかえって回答の質が下がる？

推論型AIにおいて制約や指示が多すぎると、かえって回答の質が下がることがあります。これは「制約のパラドックス」や「過剰制約の問題」と呼ばれる現象です。例えて言えば、自分よりもはるかに知識も技能も優れた部下が彼自身のやり方で仕事を進めようとしているのに、彼より劣っている上司が細かいやり方まで指示してしまうことでかえって動きづらくなり、パフォーマンスが下がるようなものです。具体的には以下のような問題が起こりえます。競合する制約: 複数の制約が互いに矛盾し、AIが最適解を見つけにくくなる複雑性の増大: 制約と変数が多すぎると問題が非常に複雑になり、解を見つけるのに時間がかかりすぎる創造性の制限: 過度な制約により、AIの柔軟な思考や創造的な解決策が阻害される焦点の分散: 多くの指示に同時に対応しようとして、本来の目標から逸れる効果的なプロンプト設計明確で一貫性のある少数の重要な制約を設定する方が、曖昧で矛盾する多数の制約よりもはるかに効果的です。AIは人間と同様に、シンプルで明確な指示の方が理解しやすく、より良い結果を生み出すことができます。つまり、「制約や指示が多いと質が下がる」というのは、適切に設計されていない場合に限って正しいと言えるでしょう。---参考動画：【指示はもう古い】AIの能力を限界まで引き出すフレーズhttps://youtu.be/9miIQ1t-v_o?si=rEDnvLFNcMS7lYFeによると、ガチガチに構造化されたプロンプトは、却ってAIの可能性を狭めるとのことです。

0
40
0

U3

「Upscaler」人工知能を使って、画質を劣化なしで拡大できるツール

AIの威力！低解像度の画像を劣化なしで高精細に拡大https://gitlab.com/TheEvilSkeleton/Upscaler

0
34
0

U3

【ブロードリスニング】東京都でAIを使って市民の声を聞くプロジェクトの動画

【生成AI】安野貴博の自由研究チャンネル【SF作家】より【ブロードリスニング】東京都でAIを使って市民の声を聞くプロジェクトが完了。結果は・・・？【日本初事例】

0
33
0

U3

米OpenAI、企業ユーザー向けの新機能「connectors」と「recorder」を発表（2025年6月4日）

企業向けChatGPT、「connectors」で社内データ連携、「recorder」で会議をAIナレッジ化https://www.itmedia.co.jp/aiplus/articles/2506/05/news058.html

0
19
0

U3

人工知能のファインチューニングとは？プロンプト調整やRAGとの違い

AIの勉強を始めて、「ファインチューニング」という言葉をよく耳にするようになった皆さん。今回は、この「ファインチューニング」とは具体的にどんなことをするのか、また「プロンプト調整」や「RAG（資料読み込み）」といった作業との違いについて詳しく説明します。AIにおける「ファインチューニング」とは？まず、「ファインチューニング」とは何かを理解するために、「機械学習」と「ディープラーニング」という言葉から整理しましょう。AI（人工知能）の多くは「ディープラーニング」という方法を使って学習しています。これは大量のデータを使って人間の脳を真似した「ニューラルネットワーク」という仕組みを訓練することで、人間のように判断や予測ができるようにする技術です。ファインチューニングとは、すでに十分な学習を行ったAIモデル（例えばGPTモデルのようなもの）を、さらに特定の目的や業務に特化して再訓練する作業のことを指します。つまり、ゼロからAIを作るのではなく、既存のAIの能力をベースにして特定分野のタスクにより正確に対応できるよう「微調整」するイメージです。ファインチューニングの具体的な流れ具体的には、以下のような流れでファインチューニングが行われます。1.ベースとなるモデルの選定：まずは、すでに一般的なタスクで訓練済みのAIモデルを選びます。広く普及している言語モデルや画像認識モデルなどが使われます。2.特定分野のデータ収集：次に、自分が対応させたい特定のタスクに関するデータを収集します。例えば、医療関係の質問応答をさせたい場合には医療用語や診療情報などのデータを集めます。3.再訓練（ファインチューニング）の実施：集めたデータを使い、ベースとなるモデルを再訓練します。元々持っていた一般的な知識を残しつつ、新たな分野の情報を追加的に学習させます。具体的には、教師あり学習（supervised learning）の形式で、入力（例えば質問）とそれに対する望ましい出力（例えば正しい回答）をペアにしたデータセットをAIモデルに与え、モデルの重み（パラメータ）を微調整していきます。このプロセスにより、AIは特定の用語や文脈、言い回しに対してより適切な応答ができるようになり、従来の一般的なモデルよりもターゲットとなるタスクでの精度が高まります。ファインチューニングは通常、比較的小さな学習率（learning rate）を使ってモデルの既存の知識を壊さずに追加学習するよう設計されています。4.評価と微調整：再訓練したモデルの性能を評価し、必要なら更なる調整を行います。このプロセスで精度を高めていきます。プロンプト調整・RAG（資料読み込み）との違いでは、ファインチューニングとよく混同される「プロンプト調整」や「RAG（Retrieval-Augmented Generation）」とは具体的にどう違うのでしょうか？プロンプト調整とは？プロンプト調整とは、AIに指示を出す文章（プロンプト）を最適化することです。ファインチューニングがAIモデルそのものの内部パラメータを調整するのに対して、プロンプト調整はAIモデル自体には変更を加えず、AIに対する「質問の仕方」や「指示の仕方」を工夫することで回答の質を向上させます。例えば、同じAIモデルを使っていても、質問の表現を変えるだけで答えが大きく変わることがあります。これはプロンプトを工夫することでAIの出力をより正確にコントロールする技術です。RAG（資料読み込み）とは？RAGとは、AIが特定のデータを一時的に参照して質問に答えられるようにする仕組みです。例えば、社内資料をAIに読み込ませ、その資料の中身に基づいた回答を出させる方法などがあります。これは、AIのモデル自体を再訓練するわけではなく、あくまでも一時的な知識としてAIに与えるだけです。つまり、元々のAIの能力はそのままで、特定の資料を参考に回答を生成しているに過ぎません。それぞれの特徴まとめファインチューニング：モデルそのものを再訓練して特定分野の知識を恒久的に学習させる方法。プロンプト調整： AIモデルを変えずに質問や指示の仕方を変えることで、回答精度を向上させる方法。RAG（資料読み込み）： AIに特定の資料を一時的に与え、その範囲内で回答させる方法。ファインチューニングが特に有効な場面ファインチューニングは特に以下のような場合に有効です。特定業界（医療、法律、技術分野など）の専門的な知識や用語をAIに理解させたい。長期的に同じ分野のタスクをAIに任せたい。高い精度が必要で、回答に安定性を求めたい。ファインチューニングの注意点しかし、ファインチューニングにはコストや時間がかかることがあります。適切なデータを大量に準備する必要があること、また再訓練には専門的な知識が必要なことがデメリットになります。そのため、気軽にAIの性能を改善したいなら「プロンプト調整」や「RAG（資料読み込み）」を選ぶほうが簡単で速いでしょう。まとめファインチューニングとは、既存AIモデルを特定のタスクに特化して再訓練することです。プロンプト調整やRAG（資料読み込み）とはAIの使い方を工夫する方法であり、モデル自体を再訓練するわけではありません。今後AIをさらに深く学んでいく際は、これらの手法を使い分けて最適な方法を選択できるようになりましょう。

0
22
0

U3

コサイン類似度（Cosine Similarity）って何ですか

コサイン類似度（Cosine Similarity）とは、一言で言うと「2つのデータが、どれくらい似ているか（類似しているか）」を測るための物差しのことです。AI、特に自然言語処理（テキストを扱うAI）の分野では、言葉や文章の意味の近さを計算するために頻繁に使われます。専門的な数式は一旦置いておき、イメージしやすいようにポイントを絞って解説します。1. 直感的なイメージ：矢印の向きAIは、言葉や文章を「数字の列（ベクトル）」として扱います。これを空間上の「矢印」だと想像してください。似ているデータ： 2本の矢印が同じ方向を向いている（角度が小さい）。似ていないデータ： 2本の矢印が違う方向を向いている（角度が大きい、例えば直角や反対方向）。コサイン類似度は、この「矢印の角度」を見て、似ているかどうかを判断します。1に近いほど：「激似」（方向が同じ）0に近いほど：「無関係」（方向が直角）-1に近いほど：「正反対」（方向が逆）2. 具体的な例例えば、以下の3つの文があったとします。文A: 「今日のランチは美味しいカレーだった。」文B: 「昼食に食べたスパイスの効いた料理は最高だった。」文C: 「明日の株価の変動を予測する。」人間が見れば、文Aと文Bは使っている単語は違いますが、「食事の話」をしていて意味が近いことがわかります。一方で文Cは全く関係ありません。AIがコサイン類似度を計算すると、以下のようになります（数値はイメージです）。文A と文B： 0.85 （とても似ている）文A と文C： 0.02 （ほとんど関係ない）3. AIに関する文脈でのコサイン類似度AI関連の話題でこの言葉が出る場合、主に以下の用途で使われている可能性が高いです。意味検索（セマンティック検索）：単なるキーワードの一致ではなく、「意味が近い資料」を探す機能。「PCの調子が悪い」と検索して、「パソコンのトラブルシューティング」の資料をヒットさせる際などに使われます。レコメンデーション（おすすめ機能）：「この商品を買った人は、傾向（ベクトルの向き）が似ているこの商品も買っています」という提案に使われます。RAG（検索拡張生成）：ChatGPTのようなAIに社内データを参照させる際、質問文と「最も意味が近い（コサイン類似度が高い）社内ドキュメント」を見つけ出し、それをAIに読ませるために使います。4. 「距離」ではなく「角度」を見る理由なぜ定規で測るような「距離」ではなく「角度（コサイン）」を使うのでしょうか？それは、文章の長さや頻度に左右されにくいからです。例えば、「猫が好き」という短い文と、「猫についての長編小説」があったとします。データの長さ（矢印の長さ）は全然違いますが、テーマ（矢印の向き）は同じ「猫」です。コサイン類似度は長さ（文の長短）を無視して、向き（テーマの一致度）だけを純粋に評価できるため、AIと相性が良いのです。まとめコサイン類似度、という言葉が出たら、「データの中身や意味が、どれくらい似ているかを判定する計算方法のことだな」と理解しておけば間違いありません。これに関連して、AIが言葉を数値化する「ベクトル化（埋め込み表現/Embeddings）」という技術についての解説はこちら

0
41
0

U3

Webデザイナー＋コーダー＝Readdy

ReaddyとはAIを使ったWebデザインも、少し前までは、まだ微妙なものが多かった気がする。2025年現在、Readdyを使えばTailwindなどを使って割とセンス良く、もうそのまま使えそうな感じのサイトを作ってくれる。Readdy：https://readdy.ai/例えば現ホームページのURLと、こんな感じにしたいというページのURLを示して、「現在のホームページの内容はこれです。これをこのサイトのようなイメージでリニューアルして」と入力すると、デザインを作ってくれる。コードも出力してくれる。有料版ならFigmaのデザインモックも出力してくれる。しかも商用利用OKとのことです。コードが出力されるので、Cursorで読み込んで、CursorのAIを使って編集することも可能。Node.jsで出力されるので、サーバーにアップするにはbuildが必要だが、その辺よくわからない場合は、最初に設定すればHTMLで出力する形で作成するもできる。コードの修正ができるWebディレクターが１人いれば、デザイナーさんとコーダーさんの役目をReaddyが果たしてくれるという感じ。AIへの指示はデザイナー、コーダーさんに出すメール等と同じ感じで書けば十分対応してくれる。むしろ挨拶文とか不要だし、タメ語でも気を悪くしないし、文章を整えなくて良いからAIのほうが指示するの楽かもしれない。費用（2025年8月現在）月額19ドル（単月契約の場合）：1ドル160円換算で3000円ちょっと。価格：https://readdy.ai/pricing無料プランは毎月250クレジットが付与。AIにデザインを新規生成するたびに25クレジット、既存デザインをAIで編集するたびに10クレジットが消費されます。（一部の機能を除いて無料で試せるので、調子に載ってしょうもない文字の変更とかをバンバンお願いしていたらクレジットを使い果たして翌月まで使えなくなってしまった。下層ページを作ってもらったり動きをつけてもらったりに使えばよかった）250クレジットあれば下層ページ含めて1サイトのデザインを作ることは十分可能。AIに出力してもらったReaddyの説明ReaddyはAIを活用したウェブサイトビルダーです。概要Readdyは自然言語で要件を伝えるだけで、プロ仕様のウェブサイトを短時間でデザイン・構築できるプラットフォームです。チャット形式でビジネスのビジョンやセクション構成を伝えると、AIが瞬時に美しいレイアウトを生成します readdy.ai。主な特徴AIチャットによるデザイン生成テキストで「こんな感じのランディングページを作りたい」と伝えるだけで、AIが即座にUIを構築。ビジュアル編集機能色の変更や新しいセクションの追加も、同じくチャット操作で簡単に実行可能。ワンクリック公開＆コード／Figma出力満足できたらそのまま公開できるほか、クリーンなHTML/CSS/JSコードやFigmaファイルとしてエクスポートも可能 Product Hunt。ローンチ情報と評価2025年に正式ローンチProduct Hunt上で4.8／5.0（レビュー数52件）と高評価を獲得 Product Hunt小規模スタートアップからデザインリソースが限られた企業、エージェンシーまで幅広く活用されています。提供元企業：Readdyはシンガポール法人の INTERACTIVE LINK PTE. LTD.（UEN: 202244806R）によって開発・運営されています。主たる事業はゲームやサイバーセキュリティを除くソフトウェアおよびアプリケーションの開発・出版で、2022年12月16日に設立されました。所在地は10 Anson Road, #26-08A International Plaza, Singapore 079903です readdy.aiSingapore Business Directory創業者・背景：創業者のFrank Zhu氏は開発者から起業家へ転身し、10年以上にわたるプロダクト開発経験を有します。社内ツールでのAIデザイン機能の実験を経て、「非デザイナーでも直感的に使える対話型のUI生成ツール」を目指してReaddyを立ち上げました readdy.aiAI技術の中核：Readdyは大規模言語モデル（LLM）と生成AIを駆使し、ユーザーの自然言語による指示をもとにプロフェッショナルなUIデザインを生成し、HTML/CSSやReactなどの「生産現場で使えるコード」まで自動で出力します。具体的なモデル名やAPI提供元は公開されていませんが、2022年以降に登場した高性能LLMの進化を活用していると明言されています gongke.netreaddy.aiツールの特徴：自然言語対話でデザインを生成・修正Figmaファイルやフロントエンドコードへの一括エクスポートマルチラウンド会話による細かな調整が可能非デザイナーでも使いやすいシンプルなUIフロー

0
176
0

U3

Reddit Answersとは？〜掲示板サイトの内容をAIが要約し、説明してくれる〜

Reddit Answersは、Reddit上の膨大な投稿やコメントを生成AIで要約し、質問に対して分かりやすい回答を返す新機能です。ユーザーが自然な言葉で質問すると、関連するコミュニティや投稿から抽出された意見・情報を整理して提示してくれます。主な特徴AIによる要約：Reddit内の投稿やコメントをまとめ、簡潔な答えを提示。リンク付き回答：元の投稿や関連コミュニティへのリンクが表示され、詳細を確認可能。多言語対応：英語・スペイン語・ポルトガル語・イタリア語・フランス語・ドイツ語で利用可能。利用地域：米国やカナダ、欧州諸国、アジアの一部などで提供。目的：情報探索の効率化、コミュニティ活性化、時間の節約。つまり、掲示板を一から読み込む必要なく、AIが要点を整理して答えを返す「Reddit版のQ&A検索」と考えると分かりやすいです。reddit answers の日本語ページhttps://www.reddit.com/answers/

0
14
1

U3

ベクトルストアとして使えるデータベース

ベクトルストアとして使えるデータベースは、専用の「ベクトルデータベース」（Milvus, Qdrant, Weaviate, Chromaなど）と、既存のデータベースにベクトル検索機能が追加されたもの（pgvector搭載PostgreSQL、Elasticsearch、Redis、MySQL 9.0+、OpenSearch、Amazon DocumentDBなど）の大きく2種類があり、用途や規模、既存システムとの連携によって選び分けられます。専用ベクトルデータベースMilvus: 大規模分散処理に強く、高度な機能を持つ。Qdrant: Rust製で軽量・高速、API経由で利用可能。Weaviate: GraphQL対応、スキーマベースで使いやすい。Chroma: 軽量で開発・検証用途に最適、Python中心。Pinecone: マネージドサービスでインフラ管理不要。既存DBの拡張pgvector (PostgreSQL拡張): PostgreSQLにベクトル検索機能を追加。Elasticsearch/OpenSearch: 検索エンジンがベクトルフィールドをサポート。Redis: インメモリで高速なベクトル検索。MySQL (9.0以降): ベクトルデータ型と距離関数をサポート。Amazon DocumentDB: MongoDB互換でベクトル検索に対応。特徴と選び方のポイント手軽さ/開発: Chroma, LanceDB, Redisなどが導入しやすい。大規模/本番環境: Milvus, Qdrant, Elasticsearch, Pineconeなど。既存DBとの連携: pgvector, MySQL, DocumentDBなどでデータ統合。マルチモーダル: 画像・動画検索ならLanceDB, Weaviateなども強力。これらのデータベースを比較検討し、プロジェクトの要件に合ったものを選びましょう。

0
6
0

U3

アクセスランキング

1

Excelで一つの値を一番下のセルまでコピーしたい時

8

2

rakuten handを初期化しても電話番号の情報が残っている

7

3

Google Playストアでアプリを一時的に非公開にする方法

6

4

ホームページで複数ページのヘッダーとフッターを共通にするサンプルコード

6

5

Androidのアプリが「繰り返し停止しています」と表示される場合の対処法

5

6

Webデザイナー＋コーダー＝Readdy

5

7

NEWマークを任意の日数だけ表示させる（JavaScript）

5

8

★リスト表示をjQueryで絞り込んで表示させる方法(フィルタ機能)

5

9

Google広告で領収書や支払明細を発行したいとき

5

10

顧客管理：BASEの例

5

11

Excel：都道府県をプルダウンで選択すると、その都道府県の市区町村だけが次のセルの選択肢として出てくる

5

12

モニター（ディスプレイ）が突然消えたりついたりを繰り返す

4

13

DreamＷeaver：コメントアウトのショートカット

4

14

[APIを叩く]ってどういう意味?

3

15

App Storeでアプリを一時的に配信停止にする方法

3

16

Criteoという広告が勝手に表示される

3

17

エンティティ文字とは

3

18

Googleアナリティクス：通貨を日本円にしたい

3

19

Firebaseとは〜Googleが提供するバックエンドプラットフォーム（mBaaS）

2

20

Excelで指定の行に飛びたいとき（例えば2300行目とか）にパッと移動できる方法は

2

コメントランキング

1

AIO (AI最適化) 重点要件

1

2

AIコピペハラスメントとは？〜AIが生成した文章をそのまま送るのはやめよう

1

3

Androidのアプリが「繰り返し停止しています」と表示される場合の対処法

1

いいねランキング

1

Androidのアプリが「繰り返し停止しています」と表示される場合の対処法

2

2

Looker Studio（Googleが無料で提供するBIツール）

1

3

AIコピペハラスメントとは？〜AIが生成した文章をそのまま送るのはやめよう

1

この投稿者に問い合わせ

お名前

メールアドレス

電話番号（任意）

本文

この投稿者に問い合わせ

当サイトでは、Cookieを使用しております。

すべての Cookie の使用に同意いただける場合は、下記の「同意します」をクリックしてください。

シェア
ログイン
利用登録する
ログアウト
マイアカウント
メモする

このサイトについて
問合せ

Copyright © Web担メモ

シェア

このエントリーをはてなブックマークに追加