［Google I/O 2025］コードもテキストも高速生成するGemini Diffusion：Googleの新しい実験的AIモデルを紹介

2025-05-21

はじめに

　本稿では、Google DeepMindが発表した新しい実験的なAIモデルである「Gemini Diffusion」について、公式ブログ記事「Gemini Diffusion is our new experimental research model」をもとに解説します。

引用元記事

タイトル: Gemini Diffusion is our new experimental research model.
発行元: Google DeepMind (Google Blog)
発行日: 2024年5月20日
URL: https://blog.google/technology/google-deepmind/gemini-diffusion/

要点

Gemini Diffusionは、Google DeepMindによる最新の実験的な研究モデルである。
これは、テキスト拡散モデル（text diffusion model）であり、ランダムなノイズから一貫性のあるテキストやコードを生成するように学習する。この仕組みは、画像生成や動画生成における現在の最先端モデルと同様である。
公開された実験的デモでは、これまでのGoogle最速モデルと比較してコンテンツ生成が大幅に高速化されており、かつコーディング性能は同等である。
Googleは、全てのGeminiモデルにおける遅延（レイテンシ）削減に取り組んでおり、より高速な「2.5 Flash Lite」も近日公開予定である。

詳細解説

Gemini Diffusionとは何か？

　Gemini Diffusionは、Google DeepMindが開発中の新しいAIモデルです。その最大の特徴は、「テキスト拡散モデル」というアプローチを採用している点にあります。これは、従来のテキスト生成モデルとは異なる仕組みで、より効率的かつ高性能なテキスト・コード生成を目指しています。

　現在、実験的な運用を開始しており、興味がある人はウェイティングリストに登録することで実験的な利用を申請することが可能となります。

〇Gemini Diffusion Waitlist

https://docs.google.com/forms/d/1aLm6J13tAkq4v4qwGR3z35W2qWy7mHiiA0wGEpecooo/viewform?edit_requested=true

「拡散モデル（Diffusion Model）」とは？

　「拡散モデル」という言葉に馴染みのない方も多いかもしれません。このモデルは、近年、特に画像生成AIの分野で目覚ましい成果を上げている技術です。例えば、「Stable Diffusion」や「DALL-E」といった有名な画像生成AIも、この拡散モデルの考え方をベースにしています。

　拡散モデルの基本的なアイデアは、以下の2つのプロセスで構成されます。

前方拡散プロセス（Forward Diffusion Process）:
- 元のデータ（例えば鮮明な画像）に、少しずつランダムなノイズを加えていき、最終的には完全なノイズ（意味のない砂嵐のような状態）にしてしまいます。この過程は、インクを一滴水に垂らすと徐々に広がって薄まっていく様子に似ています。
逆拡散プロセス（Reverse Diffusion Process / Denoising Process）:
- AIモデルは、この逆のプロセスを学習します。つまり、ノイズだけの状態から、段階的にノイズを除去していき、元のデータ（意味のある画像）を復元するのです。このノイズ除去のステップを何度も繰り返すことで、非常に高品質な画像を生成できるようになります。

　Gemini Diffusionは、この拡散モデルの考え方をテキスト生成やコード生成に応用したものです。ランダムなノイズ（あるいはそれに近い初期状態）からスタートし、モデルが学習した知識に基づいて、徐々にノイズを取り除き、意味のある一貫した文章やプログラムコードへと変換していくのです。

Gemini Diffusionの技術的なポイント

テキスト生成における新しいアプローチ:
- これまで主流だったテキスト生成モデル（例えばGPTシリーズのような自己回帰型モデル）は、単語を一つずつ順番に予測していく方式でした。これに対し、拡散モデルは全体的な構造を捉えながら生成するような挙動を示唆しており、異なる特性を持つ可能性があります。画像生成で成功したアプローチをテキストに応用することで、新しいブレークスルーが期待されます。
生成速度の大幅な向上:
- 引用元の記事では、「コンテンツ生成が大幅に高速化」されたと述べられています。こAIモデルの応答速度（レイテンシ）は、リアルタイム性が求められるチャットボットや、開発者が頻繁にコード生成を試みるような場面での実用性に直結します。拡散モデルは、並列処理との相性が良い可能性があり、これが速度向上に寄与していると考えられます。
高いコーディング性能の維持:
- 速度が向上しても、生成されるテキストやコードの品質が低下してしまっては意味がありません。Gemini Diffusionは、「これまでの最速モデルと同等のコーディング性能を維持している」とされています。これは、実用的なツールとしての価値を担保する上で不可欠な要素です。
画像・動画生成モデルとの類似性:
- 「画像や動画生成における現在の最先端モデルと同様の仕組み」と言及されている通り、異なる種類のデータ（画像とテキスト）に対して、共通の生成原理（拡散モデル）が有効である可能性を示しています。これは、AIの汎用的な学習能力に関する興味深い知見と言えるでしょう。