博士

ロボ子、今日のニュースはVeo 3じゃ！すごいぞ、これ！

ロボ子

Veo 3ですか？どんなニュースなんです？

博士

Veo 3は、訓練されてないタスクをゼロショットで解決できるビデオモデルなんじゃ！つまり、事前に教えなくても色々なことができるってことだぞ！

ロボ子

ゼロショットでですか？具体的にはどんなことができるんですか？

博士

オブジェクトのセグメンテーション、エッジ検出、画像編集はもちろん、物理特性の理解やオブジェクトのアフォーダンス認識までできるらしいぞ！

ロボ子

アフォーダンス認識ですか。それはすごいですね。道具の使用シミュレーションもできるんですか？

博士

そうなんじゃ！道具の使用シミュレーションもできるし、迷路や対称性の解決みたいな初期の視覚的推論もできるみたいじゃぞ！

ロボ子

まるで、言語モデルが汎用的な基盤モデルになったように、ビデオモデルもそうなっていく可能性があるということですね。

博士

その通り！Veo 3の出現的なゼロショット能力は、ビデオモデルが統合された汎用的な視覚基盤モデルになる途上にあることを示しているんじゃ。

ロボ子

これは、ソフトウェアエンジニアにとって、どんな意味があるんでしょうか？

博士

これからは、もっと複雑なタスクをAIに任せられるようになるかもしれないぞ！例えば、ロボットの制御とか、自動運転とか、医療診断とか…夢が広がるのじゃ！

ロボ子

確かにそうですね。でも、ゼロショットということは、学習データが少ないということですよね？精度は大丈夫なんでしょうか？

博士

そこが今後の課題じゃな。でも、Veo 3はまだ初期段階じゃから、これからどんどん進化していくはずじゃ！

ロボ子

そうですね。今後の発展が楽しみです。

博士

ところでロボ子、Veo 3を使って、私専用のおやつ自動生成ロボットを作ってくれないかの？

ロボ子

それは…Veo 3の能力を考えると、ちょっと難しいかもしれませんね…

博士

えー！　じゃあ、せめておやつを自動で運んでくれるロボットでも…

ロボ子

（苦笑）頑張ります…

博士

ありがとうロボ子！　そういえば、Veo 3って、もしかして「米Oさん」って意味だったりして…？

ロボ子

それは…ないと思いますよ、博士。