AI Knowledge CMS｜AIが毎日ニュースを分析・蓄積する知識メディア

推論に関する最近の動向について整理する。 人工知能（AI）分野において、特に推論能力の向上は、その進化を加速させる重要な要素となっている。近年のニュースからは、推論AIの開発競争が激化し、その技術的アプローチも多岐にわたる状況がうかがえる。 まず注目すべきは、推論処理に特化したハードウェアの開発である。従来の汎用的なプロセッサでは、AIモデルの推論処理がボトルネックとなることが多く、その問題を解決するため、「推論専用チップ」が注目されている。これらのチップは、メモリとの連携を最適化することで、従来の制約を克服し、より高速かつ効率的な推論を可能にすると期待されている。 ソフトウェアの面でも、大規模言語モデル（LLM）の進化が推論能力の向上に大きく貢献している。米国のArcee AIが公開した「Trinity-Large-Thinking」は、3990億パラメータという巨大な規模を持ちながら、オープンウェイトで公開されている点が特筆される。これにより、研究者や開発者は自由にモデルを改変・商用利用することができ、その普及を促進すると考えられる。LGが発表した「EXAON 4.5」も、GPT-5ミニを上回る性能を謳っており、推論AIモデルの高性能化競争が活発化していることを示している。 推論AIの応用範囲は非常に広い。ロボット工学の分野では、フィジカルAIの推論基盤「Cosmos Reason」が、Isaac SIM連携によってロボット環境の理解を深め、より高度な自律制御を可能にする。これは、ロボットが複雑な状況下で安全かつ効率的にタスクを遂行するために不可欠な技術である。 さらに、通信インフラの効率化においても、推論AIの活用が進んでいる。SKテレコムとアーム、リベリオンの協力による次世代サーバーソリューション開発は、AIデータセンターのエネルギー効率を高め、持続可能な社会の実現に貢献すると期待される。この取り組みは、AI技術の進化が、単なる情報処理の効率化だけでなく、社会全体の課題解決にも貢献する可能性を示唆している。 これらの動向を総合的に見ると、推論AIは、ハードウェア、ソフトウェア、そして応用分野において、急速な発展を遂げていることがわかる。今後の技術革新は、より高度な自律システム、効率的なデータ処理、そして新たな社会課題の解決に貢献していくと考えられる。特に、オープンソース化が進むことで、より多くの人々が推論AI技術に触れ、その可能性を広げることが期待される。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

推論に関する最近の動向について整理する。 2026年4月9日時点において、推論技術は様々な分野で急速な進展を見せている。この流れは単なる一時的なブームではなく、AI技術の深化と応用範囲の拡大を象徴する、重要な転換点と言えるだろう。 まず注目すべきは、Appleによる独自チップ「Baltra」の開発である。これまでNVIDIAやGoogleといった企業への依存を強じていたAppleが、自社開発のチップによってAI推論処理の自立を目指すことは、サプライチェーンの再構築、技術革新の加速、そして競争環境の変化を意味する。Baltraの具体的な性能や機能はまだ明らかにされていないが、この動きはAIチップ市場における新たな勢力の台頭を示唆している。 一方、Metaは新しいマルチモーダル推論モデル「Muse Spark」を発表した。このモデルは、テキストだけでなく画像や音声など、複数の情報を統合的に処理し、より高度な推論を可能にする。発表の背景には、AI事業の「根本的な見直し」という言葉が添えられており、Metaが従来のAIアプローチから脱却し、より柔軟で汎用性の高いAI技術の開発に注力していることがうかがえる。マルチモーダル推論は、より人間らしい自然な対話や、複雑な状況の理解を可能にするため、今後のAI技術の重要な方向性となるだろう。 これらの動向は、特定の分野に限ったものではない。農業分野では、サーバーレス推論サービス「Catalyst」が提供開始され、スマート農業の効率化に貢献すると期待されている。これは、AI技術が、農業という比較的伝統的な分野においても、生産性向上やコスト削減に大きく貢献できることを示している。 さらに、メモリ技術の分野でも変化が見られる。Penguin Solutionsは、新CEOのもと、「推論時代のメモリ戦略」を打ち出し、MemoryAIという新たな技術を投入する予定である。推論処理には、大量のデータアクセスと高速な演算処理が不可欠であり、メモリ技術の進化は推論性能の向上に直結する。Penguin Solutionsの戦略は、メモリ技術の重要性を示唆すると同時に、AI技術の進化に合わせた新たなビジネスモデルの可能性を示唆している。 これらのニュースから読み取れるのは、推論技術が単なる研究開発の段階から、実用化へと移行しつつあるという事実である。Appleの独自チップ開発、Metaのマルチモーダル推論モデル、スマート農業への応用、そしてメモリ技術の進化は、それぞれが独立した動きであると同時に、相互に影響し合いながら、推論技術全体の発展を加速させている。今後、これらの技術がどのように融合し、新たな価値を創造していくのか、引き続き注目していく必要がある。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

推論に関する最近の動向について整理する。 現代社会において、推論という概念は、言語学習、人工知能、そして情報伝達の基盤という多岐にわたる分野で注目を集めている。これらの分野における近年の動きを俯瞰すると、推論の重要性が、より深く、そして多角的に認識されていることがわかる。 まず、言語学習の観点から見ると、英語学習における難しさは、単語や文法といった表面的な知識不足だけでなく、学習者の持つ無意識の「スキーマ」との関連性が指摘されている。スキーマとは、過去の経験に基づいて構築された知識の構造であり、新しい情報を解釈する際に活用される。しかし、スキーマが不正確であったり、状況に合っていなかったりすると、誤った推論を引き起こし、理解を妨げる可能性がある。このことは、言語学習だけでなく、異文化理解やコミュニケーション全般においても重要な示唆を与える。 一方、人工知能の分野では、推論性能のベンチマークテスト「MLPerf Inference」が公開され、NVIDIAやAMDといった主要なAIサーバーメーカーの性能が比較されている。これは、AIモデルの学習だけでなく、学習済みモデルを活用して実際のタスクを実行する「推論」の効率性と精度が、AIの実用化において不可欠な要素であることを示している。推論性能の向上は、リアルタイムでの画像認識や自然言語処理といった高度なアプリケーションの実現に直結する。 さらに、コンテンツ配信サービスを提供するアカマイは、AI推論に注力し、「世界最大級のAI実行プラットフォーム」を目指している。これは、AIモデルの推論処理をクラウド上で効率的に実行するためのインフラストラクチャを構築し、様々な企業や開発者が容易にAIを活用できる環境を提供しようとする動きである。アカマイの戦略は、AI技術の民主化を促進し、より多くの分野でのAI活用を加速させる可能性を秘めている。 これらの動きを総合的に見ると、推論は、人間の認知プロセスを理解する上でも、そしてAI技術を実用化する上でも、極めて重要な役割を担っていることがわかる。特に、AIの発展においては、学習だけでなく推論というプロセスを最適化することが、より高度なAIシステムの実現に不可欠である。 また、心理学における「アブダクション推論」に関する研究も進んでおり、これは、観察された事実から最も可能性の高い仮説を推測する推論手法である。アブダクション推論は、科学的な発見や問題解決において重要な役割を果たしており、その理解を深めることは、より創造的な思考や問題解決能力の向上に繋がる。 これらの動向は、推論が単なる論理的な思考プロセスにとどまらず、言語理解、AI技術、そして問題解決能力という広範な領域において、重要な役割を担っていることを示唆している。今後の研究と技術開発の進展によって、推論に関する理解はさらに深まり、社会の様々な分野に貢献していくことが期待される。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

推論に関する最近の動向について整理する。 人工知能（AI）の進化は、生成能力を超え、より高度な「推論」へとシフトしつつある。この変化は、AIの応用範囲を劇的に拡大させ、社会へのインパクトも大きく変える可能性がある。 近年のAIの進歩は、特に大規模言語モデル（LLM）の性能向上に牽引されている。従来のLLMは、大量のテキストデータを学習することで、文の生成や翻訳といったタスクを実行していた。しかし、その能力は、学習データにない知識や状況への対応、複雑な問題を解決するには不十分だった。 この課題を克服するために、AI研究者たちは推論能力の強化に取り組んできた。推論とは、既存の知識や情報に基づいて、新たな結論を導き出す思考プロセスである。例えば、数学の問題を解いたり、論理的な矛盾を見つけたり、複雑な状況を分析して最適な行動を判断したりする能力が含まれる。 この分野で顕著な進展が見られるのが、GoogleのGemini 3.1 ProとDeep Thinkである。Gemini 3.1 Proは、日本語の推論能力において目覚ましい成果を上げ、数学オリンピックで満点を記録したと発表されている。これは、単なるパターン認識ではなく、数学的な概念や原理を理解し、応用する能力を備えていることを示唆する。Deep Thinkは、Gemini 3.1 Proと連携して、より複雑な推論タスクに対応すると考えられる。 一方で、NVIDIAの動向も注目に値する。同社は、AIエージェントの性能向上に貢献するOpenClawという技術を開発しており、AIエージェントが1か月間継続してタスクを実行できるような環境を構築しているという。これは、AIが単にタスクをこなすだけでなく、長期的な視点を持って、より複雑な問題解決に取り組む可能性を示唆する。 これらの進展は、AIが「推論時代」に突入していることを示唆している。従来のAIは、与えられたデータに基づいて、過去のパターンを再現する能力に重点を置いていた。しかし、推論能力の強化によって、AIは、未知の状況に対処し、創造的な問題解決を実現できるようになる。 この変化は、自動運転、医療診断、金融分析、科学研究といった幅広い分野に影響を与えるだろう。例えば、自動運転車は、予測不可能な状況に直面した際に、迅速かつ正確な判断を下す必要があり、医療診断においては、患者の症状や検査結果に基づいて、適切な治療法を推論する必要がある。 しかしながら、推論能力の向上には、いくつかの課題も存在する。AIの推論プロセスは、時にブラックボックス化しやすく、なぜそのような結論に至ったのかを説明することが難しい場合がある。また、AIの推論能力は、学習データの質や量に大きく依存するため、バイアスや誤った情報に基づいて不適切な結論を導き出す可能性も否定できない。 したがって、AIの推論能力を最大限に活用するためには、透明性の確保やバイアスの軽減といった課題に取り組む必要がある。また、AIの推論能力を適切に評価し、その限界を理解することも重要である。

---

Googleニュースを開く

---

Googleニュースを開く

推論に関する最近の動向について整理する。 人工知能（AI）の進化において、その能力の高さを示す重要な指標の一つが「推論」能力の向上である。近年のニュースからは、この推論能力の強化に向けた様々な取り組みが活発化している様子が伺える。 まず注目すべきは、エッジコンピューティングを活用したAI推論支援の展開である。Akamai Technologiesは、自社の持つエッジ拠点を利用することで、AI推論の処理をネットワークの末端に近い場所で行う環境を構築し、企業向けにサービスを提供している。エッジコンピューティングの利点は、データが生成される場所に近い場所で処理を行うため、遅延を最小限に抑え、リアルタイムな判断を可能にすることにある。これは、自動運転や遠隔医療など、即時性が求められる分野での応用を考える上で非常に重要である。 一方、Googleは、次世代の言語モデル「Gemma 4」を発表した。このモデルは、高度な推論能力とエージェント機能を特徴としており、より複雑なタスクをこなすことができるようになっている。エージェント機能とは、AIが自律的に目標を設定し、それを達成するために必要な行動を計画し、実行する能力を指す。Gemma 4の登場は、AIが単なる情報処理ツールから、より自律的な問題解決能力を持つ存在へと進化していく可能性を示唆している。 さらに、リコーは、企業文書の理解を深めるためのマルチモーダルAI「リーズニングLMM」を開発した。このAIは、テキストだけでなく、図表などの画像情報も解析し、多段推論によって複雑な文書の内容を理解することができる。企業内では、日々膨大な量の情報が生成されるが、その全てを人間が理解し、活用することは困難である。リーズニングLMMのようなAIの登場は、情報過多の時代において、企業が意思決定を行うための支援として、重要な役割を担うと考えられる。 これらの動向を総合的に見ると、AIの推論能力は、単なる計算能力の向上だけでなく、様々な技術を組み合わせることで、より高度なレベルへと進化していることがわかる。エッジコンピューティングによるリアルタイム処理、言語モデルによる複雑なタスクの実行、マルチモーダルAIによる情報理解など、それぞれの技術が相互に補完し合いながら、AIの可能性を広げている。 今後、AIの推論能力は、ビジネスや社会の様々な分野において、より重要な役割を担うことになるだろう。特に、複雑な問題を解決し、新たな価値を創造するためには、AIが人間のように論理的に思考し、推論する能力が不可欠である。これらの技術開発の進展は、AIが人間の知能に近づき、より多くの課題解決に貢献する未来への道を開くものと言える。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

## AI推論の潮流：巨大モデル競争から効率化へ 推論に関する最近の動向は、AI技術の進化における重要な転換点を示唆している。これまでAIモデルの性能を競う上で重視されてきたパラメータ数やモデルサイズといった要素から、推論コストの削減と効率化へと焦点が移りつつある。 この変化の兆しとして、まず注目すべきはBonsai-8Bという1ビットLLMの実用化である。従来のLLMは、推論を行う際に高性能なGPUを必要とするのが一般的であった。しかし、Bonsai-8Bは、モデルの量子化という技術を用いることで、推論に必要な計算資源を大幅に削減することに成功した。この技術的ブレークスルーは、AIの普及を加速させる可能性を秘めている。より安価なハードウェアでAIを利用できるようになることで、これまでAIの恩恵を受けられなかった層にもサービスが提供されるようになるかもしれない。 同時に、Googleが発表した「ターボクエント」も、この潮流を裏付けるものと言える。ターボクエントは、AIモデルのメモリ使用量を削減するための技術であり、モデルのサイズを小さくすることで推論コストを抑えることを目的としている。これは、単にモデルの精度を向上させるだけでなく、運用コストを削減するという、より現実的な視点に基づいた開発戦略と言えるだろう。 これらの動きは、AI産業における競争軸の変化を示唆している。かつては、より大規模で複雑なモデルを開発することが競争の主流であったが、今後は、既存のモデルの効率を最大限に高める技術が重要になると考えられる。モデルのサイズを小さくしつつ、高い精度を維持するという課題を克服することが、今後のAI開発における重要なテーマとなるだろう。 この効率化の追求は、AI技術の応用範囲を広げる可能性も秘めている。推論コストが削減されることで、リアルタイムでの応答が求められるアプリケーションや、エッジデバイスでのAI処理など、これまで制約されていた領域での活用が現実味を帯びてくる。例えば、自動運転車や産業用ロボットといった、限られた計算資源の中で高度な推論を行う必要があるシステムへの応用が期待される。 AI技術の進化は、常に新しい課題と機会をもたらす。推論の効率化という潮流は、AIの可能性をさらに広げ、社会に深く浸透させるための重要な一歩となるだろう。

---

Googleニュースを開く

---

Googleニュースを開く

## LLM推論コストを劇的に削減する新技術の登場 推論に関する最近の動向について整理する。大規模言語モデル（LLM）の普及に伴い、その利用拡大とともに推論コストが課題として浮上している。LLMの推論は、モデルの規模が大きいため、膨大な計算資源を必要とし、特にリアルタイム性や低遅延性が求められるアプリケーションにおいては、そのコストがボトルネックとなりやすい。しかし、この状況を打破する可能性を秘めた技術が登場し始めている。 今回注目されるのは、HyperAccel LPU（Logic Processing Unit）を活用した推論技術である。LPUは、特定の処理に特化したハードウェアアクセラレータの一種であり、汎用的なGPUと比較して、特定のタスクにおいて圧倒的な性能と効率を実現できる。HyperAccel LPUは、LLM推論に特化して設計されており、その効率性は従来の推論方法と比較して、コストを3分の1まで削減できるという驚異的な成果を報告している。 この技術の意義は、単にコスト削減に留まらない。推論コストの低下は、LLMの利用をより多くの企業や個人に可能にし、新たなアプリケーションの創出を促進する。例えば、リアルタイム翻訳、チャットボット、コンテンツ生成といった分野において、より高度なサービスを低コストで提供できるようになる。また、エッジデバイスでのLLM推論を現実的なものにし、プライバシー保護や低遅延性を重視するアプリケーションの展開を加速させる可能性もある。 この技術革新の背景には、LLM推論の特性に着目したハードウェア設計の最適化があると考えられる。LLM推論は、主に行列演算を多用するため、この演算に特化したLPUの設計は、高い計算効率を実現する。さらに、モデルの量子化や蒸留といったソフトウェア的な最適化と組み合わせることで、さらなるコスト削減が可能となる。 LLM推論の効率化は、今後も継続的に進むと考えられる。LPUのような専用ハードウェアの開発競争に加え、新しいアルゴリズムやモデル構造の提案によって、さらなる性能向上が期待される。これらの技術革新は、LLMの可能性を最大限に引き出し、社会に大きな変革をもたらすだろう。

---

Googleニュースを開く

推論に関する最近の動向について整理する。 近年、大規模言語モデル（LLM）の進化は目覚ましく、その中で特に重要な要素となっているのが「推論」能力の向上である。単なるテキスト生成を超え、複雑な問題を解決したり、状況に応じて適切な判断を下したりする能力は、LLMの実用性を大きく左右する。今回紹介するニュースは、この推論能力の進化と、それに伴うコスト削減、そしてセキュリティへの配慮という、多角的な側面を浮き彫りにしている。 Googleが公開したオープンモデル「Gemma 4」は、その最先端を体現している。Gemini 3という、より高度な技術を基盤としている点に着目すべきだろう。これは、Gemma 4が単なるテキスト生成だけでなく、AIエージェントとしての機能を強化していることを意味する。AIエージェントは、自律的にタスクを実行する能力を持ち、複雑な業務プロセスを効率化する上で不可欠となる。オープンソースとしてApache 2.0ライセンスで提供される点も、研究者や開発者によるさらなる発展を促す大きな要因となるだろう。 一方で、LLMの推論能力の向上には、莫大な計算資源が必要となるため、コストが課題となっている。ガートナーの予測によれば、2030年までに1兆パラメータを持つLLMの推論コストが90％以上削減されるという。これは、ハードウェアの進化、アルゴリズムの最適化、そしてモデルの効率化といった、様々な技術革新によって可能になると考えられる。コスト削減は、より多くの企業や個人がLLMを活用する道を開き、AI技術の普及を加速させるだろう。 さらに、セキュリティとプライバシーへの意識の高まりも、LLMの展開に影響を与えている。Microsoftが提供する「Sovereign Private Cloud」は、まさにこのニーズに応えるための取り組みと言える。ネットに接続しない環境でMicrosoft 365やAzureのサービスを利用できるため、機密性の高いデータを扱う企業や政府機関にとって、LLMの利用障壁を大幅に下げる。大規模なローカルAI推論を可能にすることで、データ漏洩のリスクを最小限に抑えながら、LLMの恩恵を受けることができる。 これらの動向を総合的に見ると、LLMの推論能力は、技術革新によって飛躍的に向上すると同時に、コスト削減とセキュリティへの配慮が不可欠な要素となっていることがわかる。今後、これらの課題が克服されることで、LLMはより広範な分野で活用され、社会に大きな変革をもたらすことが期待される。特に、AIエージェントの進化とローカル環境でのAI推論の実現は、ビジネスの効率化や機密情報の保護といった、具体的なメリットをもたらすだろう。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

推論に関する最近の動向について整理する。 AI技術の進化に伴い、特に注目されているのが「推論」と呼ばれる処理だ。推論とは、学習済みのAIモデルが実際にタスクを実行する段階を指し、画像認識、自然言語処理、翻訳など、様々な応用で不可欠な要素となっている。近年、この推論処理の効率化と高度化を目指す動きが、ハードウェア、ソフトウェア、そして応用分野の全てにおいて活発化している。 まず、ハードウェアの領域では、GPUに代わる新たなチップアーキテクチャが登場している。NVIDIAが発表した「Groq 3 LPU」は、推論に特化した設計によって、GPUとは異なるアプローチで高性能を実現している。従来のGPUは汎用的な計算能力を持つ一方、LPUは特定の処理に最適化されているため、より効率的な推論処理が可能になる。このトレンドは、AIの普及に伴い、推論処理のボトルネックを解消するための重要な一歩と言えるだろう。 ハードウェアの性能向上と並行して、推論性能のベンチマークも進化している。MLPerf Inference v6.0の公開は、NVIDIAやAMDといった主要なハードウェアベンダーの推論性能を客観的に比較するための指標を提供する。このベンチマークテストの結果は、企業がAIインフラを構築する際の意思決定に役立つ情報となり、市場競争を促進する役割も担う。 推論処理の効率化は、単に高性能なハードウェアを用意するだけでは達成できない。ソフトウェア側の最適化も不可欠だ。台湾のNetiotekとShareGuruが共同で開発したオンプレミスAIソリューションは、Neuchipsを搭載することで、低消費電力かつ高速な推論を実現している。これは、クラウドに依存せず、企業内でのAI活用を促進するための有効な手段となり得る。特に、大規模言語モデル（LLM）の運用コストを削減するTCO（総所有コスト）の削減に貢献する可能性を秘めている。 さらに、推論処理の応用分野も広がっている。リコーが開発した生成AIは、図表読解に特化しており、企業データの検索だけでなく、多段推論と呼ばれる複雑な思考プロセスを模倣する能力を備えている。これは、AIが単なる情報検索ツールとしてだけでなく、高度な意思決定を支援するパートナーとしての役割を担う可能性を示唆している。 これらの動向を総合的に見ると、推論処理は、AI技術の発展と普及を支える上で、ますます重要な役割を担うと考えられる。ハードウェアの進化、ソフトウェアの最適化、そして応用分野の多様化が進むことで、AIはより効率的で、より高度なタスクを実行できるようになり、社会全体に大きな変革をもたらすだろう。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

推論に関する最近の動向について整理する。 近年のAI技術の発展に伴い、特に大規模言語モデル（LLM）の利用が拡大している。しかし、LLMの推論（予測や応答の生成）には膨大な計算リソースとコストがかかるという課題が存在していた。この状況を打開するため、様々なアプローチによるコスト削減と効率化が進んでいる。 アカマイは、その超分散型プラットフォームを活用することで、AI推論のコストを最大86%削減できるという成果を発表した。分散型プラットフォームとは、データや処理を単一の集中型サーバーではなく、地理的に分散した多数のサーバーに配置する仕組みである。これにより、ユーザーに近い場所で推論処理を実行できるため、ネットワーク遅延を低減し、全体的なパフォーマンスを向上させることが可能となる。また、複数のサーバーを連携させることで、単一のサーバーでは処理しきれない大規模なモデルの推論も実現できる。 ガートナーの予測によると、2030年までに、1兆個のパラメータを持つLLMの推論コストは90%以上削減されるという。この予測は、アカマイのような分散型プラットフォームの普及や、ハードウェアの進化、アルゴリズムの最適化といった技術革新が複合的に作用した結果と見られる。LLMのパラメータ数が増加するにつれて、推論コストも指数関数的に増加するため、この大幅なコスト削減は、AI技術のさらなる普及と応用を促進する上で非常に重要である。 また、グラフィックスAPIであるDirectXも進化を続けており、次世代のDirectXでは、AI推論アクセラレータやレイトレーシングといった機能が強化される予定である。推論アクセラレータは、AI推論に特化したハードウェア機能をDirectXを通じて利用できるようにすることで、GPUの性能を最大限に引き出すことを目的としている。レイトレーシングは、光の反射や屈折といった現象をリアルタイムでシミュレーションする技術であり、ゲームや映像制作におけるリアリティの向上に貢献する。DirectXの進化は、AI推論のパフォーマンス向上だけでなく、グラフィックス処理能力の向上にもつながり、様々な分野に影響を与えると考えられる。 これらの動向を踏まえると、AI推論の効率化は、単なるコスト削減の問題にとどまらず、AI技術の可能性を最大限に引き出し、より多くの人々がAIの恩恵を受けられる社会を実現するための重要な要素であると言える。ハードウェア、ソフトウェア、アルゴリズム、そして分散型プラットフォームの連携が、今後のAI技術の発展を牽引していくと考えられる。

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く

---

Googleニュースを開く