公開日: 2025 年 5 月 22 日
AI は、ウェブ デベロッパーがウェブサイトやウェブ アプリケーションを構築する方法を変革しています。Google I/O 2025 では、過去 1 年間の取り組みを紹介し 、パートナー様がウェブで AI を活用している様子をデモで示しました 。また、新しい組み込み AI API を発表しました。
イベントを見逃した方も、オンデマンドでトークセッションを視聴できます。
Chrome の Gemini Nano を使用した実用的な組み込み AI
Google のコア ミッションは、すべてのデベロッパーとすべてのユーザーにとって Chrome とウェブをよりスマートにすることです。このトークセッションでは、Thomas Steiner が組み込み AI の最新情報、実用的なユースケース、今後の展望について説明します。
組み込み AI はブラウザでクライアントサイド モデルを実行します。これには次のような利点があります。
- プライベート: 機密性の高いユーザーデータはデバイスに残り、ブラウザから離れることはありません。
- オフライン: インターネットに接続していなくても、アプリケーションは AI 機能にアクセスできます。
- 高性能: ハードウェア アクセラレーションにより、これらの API は優れたパフォーマンスを発揮します。
各組み込み AI APIのコードサンプル、ステータスの最新情報、このテクノロジーを実装している企業をご覧ください。
マルチモーダル API
Google は、まったく新しいマルチモーダル API を開発しています。つまり、モデルにビジュアル コンテンツで「見える」ものや、音声コンテンツで「聞こえる」ものについて質問できます。たとえば、ブログ プラットフォームにアップロードされた画像の代替テキストの候補を取得し、ユーザーがそれを絞り込んで調整できます。また、Gemini Nano にポッドキャストの説明や文字起こしを作成してもらうこともできます。
ハイブリッド AI
クライアントサイド AI でデベロッパーが直面する課題の 1 つは、デバイス上でモデルを実行するためのハードウェア要件を満たしていないプラットフォームやブラウザがあることです。Gemini と Firebase は連携して Firebase Web SDK を構築しました。これにより、クライアントサイドの実装が利用できない場合は、サーバー上の Gemini Nano にフォールバックできます。
デベロッパーとの連携
組み込み AI API で多くのデベロッパーと連携できたことを嬉しく思っています。皆様のご協力なしには、この取り組みは実現できませんでした。
- 早期プレビュー プログラム: 16,000 人以上のデベロッパーが EPP に参加し、新しい API のテスト、新しいユースケースの発見、ウェブ向けのより優れた AI を構築するためのフィードバックの提供を行っています。
- ハッカソン: Google は 2 回のハッカソンを開催し、デベロッパーは素晴らしいウェブサイトと拡張機能を構築しました。
デベロッパーの作業は終わりません。引き続きフィードバックを共有し、新しい組み込み API をテストしてください。Google は反復して改善を続けていきます。W3C の Web Machine Learning Community Group に参加して、これらの API の標準化にご協力いただくこともできます。
ブラウザで Gemini を使用した Chrome 拡張機能の未来
AI を活用した拡張機能の数は、過去 2 年間で 2 倍になりました。実際、Chrome ウェブストアからインストールされたすべての拡張機能の 10% が AI を使用しています。このトークセッションでは、Sebastian Benz が Chrome 拡張機能と Gemini の組み合わせが強力な理由について、具体的な例を挙げて説明します。
たとえば、Chrome の新しくリリースされたプロンプト API を使用して、クライアントでウェブサイトからデータを抽出して処理することで、ブラウザをより便利にすることができます。
Chrome 拡張機能で Chrome のプロンプト API の新しいマルチモーダル機能の可能性を示し、音声や画像をユーザーがより利用しやすくします。
Google DeepMind の Project Mariner が Chrome 拡張機能と最新の Gemini Cloud API を使用して本格的なブラウザ エージェントを構築する方法を説明することで、ブラウジングの未来を垣間見ることができます。
Chrome 拡張機能でクラウドまたはブラウザで Gemini を使用して、新しいブラウジング エクスペリエンスを構築し、ブラウザをより便利にする可能性を探ります。
現実世界でのウェブ AI のユースケースと戦略
Yuriko Hirota と Swetha Gopalakrishnan は、ウェブで AI を使用してビジネスとユーザー エクスペリエンスを改善している企業の実際の例を紹介しました。ソリューションでクライアントサイド モデル、サーバーサイド、ハイブリッド ソリューションのいずれを使用しているかにかかわらず、重要なのは、ユーザーが今すぐ利用できるエキサイティングな新機能です。
BILIBILI は、 新しい機能「弾幕コメント」で動画ストリームをより魅力的なものにしました。動画にリアルタイムのユーザー コメントを表示し、スピーカーの背後にレンダリングします。これを行うために、画像セグメンテーション（よく理解されている機械学習のコンセプト）を使用しています。その結果、セッション時間が 30% 増加しました。 Tokopedia は、顔検出モデルを使用してアップロードされた写真の品質を評価することで、販売者の確認プロセスの摩擦を軽減しました。その結果、手動承認がほぼ 70% 削減されました。
脳性視覚障害（CVI）の子供向けのウェブ プラットフォームである Vision Nanny は、AI を活用した視覚刺激アクティビティを提供しています。複数の MediaPipe ライブラリを使用しています。これには、画像、動画、リアルタイムで手のキーポイントを特定する手のランドマーク検出モデルが含まれます。50 人の子供を対象としたパイロット版では、Vision Nanny は手動の視覚刺激アクティビティよりも 5 倍速くレスポンスを返しました。セラピストは、手動設定を削除することで、1 セッションあたり平均 3 時間の時間を節約できたと報告しています。
Google Meet には、照明の改善から、ぼやけやぼやけた動画の削減まで、AI によって有効になる機能がいくつかあります。最大の課題は、これらの機能がリアルタイムで動作する必要があることです。そこで WebAssembly（Wasm）が登場し、 コンピュータの CPU の能力を最大限に活用して、リアルタイムの動画 処理を可能にします。
これらは、ウェブで AI が活用されている実際の例のほんの一部です。他のいくつかの企業も組み込み AI API を試しており、その一部は 事例で成果を共有しています 。
クライアントサイドのウェブ AI エージェントで、よりスマートな未来のユーザー エクスペリエンスを構築する
Jason Mayes は、 インターネットの未来であるウェブ AI エージェントについて説明しました。ウェブにはエージェントの未来があり、大規模言語モデル（LLM）の能力を超えて、AI 機能をブラウザに直接提供し、ユーザーに代わって便利な作業を行います。
クライアントサイドのアプローチでは、プライバシーの強化、レイテンシの短縮、大幅なコスト削減の可能性があります。エージェントを使用すると、既存のウェブサイトをアップグレードして、ユーザーに代わってタスクを自律的に実行できます。公開されているツールを動的に選択して使用します。ループで実行することもできます。これにより、エージェントは複雑なタスクや複数ステップのタスクを完了できます。
エージェントは次のように対応できます。
- サブタスクを計画して分割する。 複数ステップの計画でタスクを論理的なステップに分解して完了することで、より複雑な問題を処理します。
- 最適なツールを選択する。関数、API の使用、データストア アクセスのいずれであっても、言語モデルの基本知識を拡張し、外部の世界でアクションを実行します。
- コンテキスト ベースのメモリを保持する。エージェントまたは 外部ツールからの以前の出力に基づきます。短期記憶は、モデルのコンテキスト ウィンドウ サイズまでのコンテキスト履歴の FIFO バッファとして機能します。一方、長期記憶では、ベクトル データベースを使用して情報を保存し、以前の会話セッションや他のデータソースから必要に応じて呼び出すことができます。
ウェブ AI エージェントは、JavaScript の既存のウェブ テクノロジーに統合できるように設計されています。最終的には、ブラウザでモデルを最適に実行するために、ハードウェアの高速化を継続することが重要です。将来的には、WebNN などのテクノロジーが CPU、GPU、NPU 全体でモデルの実行を最適化するうえで重要な役割を果たすでしょう。LLM の小型化と継続的な進歩により、この機能は今後さらに強力になるでしょう。
デバイス上の処理と戦略的なクラウド呼び出しを組み合わせたハイブリッド アプローチを使用すると、ブラウザでインテリジェントでレスポンシブなパーソナライズされたユーザー エクスペリエンスをすぐに作成できます。デバイスが LLM を実行できるようになるにつれて、 ウェブ AI アプローチへの投資から得られる収益はすぐに回収できるはずです。
Google I/O 2025 の最新情報
Google I/O 2025 のすべてのトークセッションをリリースしました。 ウェブ デベロッパー向けのプレイリストも用意しています。 詳しくは、io.google/2025 をご覧ください。