Japan Blog
Google のサービスや技術に関する 最新情報が気になる方へ
Android のブランドが ”カラフルに” 新しくなります
2019年8月23日金曜日
この 10 年、 Android は、オープンプラットフォームとして製造メーカーやデベロッパーが開発したデバイスやアプリを世界中のユーザーに届けるコミュニティを創出してきました。利用はスマートフォンやタブレットにとどまらず、自動車、スマートウォッチ、テレビなどあらゆるデバイスへと拡大し、今では、アクティブ デバイス数は世界で 25 億以上に達しています。
あらゆるユーザーに向けて Android を開発していくにあたり、 Android のブランドは、多様性を尊重し使いやすいものであるべきだと考えています。
Android Q は Android 10 へ
Android リリースのバージョン名を変更します。Google のエンジニアチームは、これまで各バージョンのコードネームに、美味しいお菓子やデザートの名前をアルファベット順につけてきました。この伝統は、社内だけではなくリリース名としても一般に公開され、毎年の OS リリースの楽しみとなってきた一方で、世界のユーザーやコミュニティにとっては、必ずしもわかりやすいものではないというフィードバックも頂いていました。
たとえば、アルファベットを主要言語として使わない地域では、Android Lollipop が OS バージョンとして KitKat よりも前なのか後なのか、直感的に分かりづらいといった声もあれば、たとえばパイは、地域によってはデザートではなかったり、甘くて美味しいマシュマロでも国によっては馴染みのないお菓子であることもあります。このルールに慣れていない新しい Android ユーザーは、自分のスマートフォンの OS が最新バージョンなのかを把握することが困難でした。
世界中で使われているオペレーティングシステムとして、リリースの名称をわかりやすく、すべてのユーザーにとって親しみやすいものにするために、Android の次のリリースは、 Android 10 と呼ぶことにしました。"Q" のつくお菓子はたくさんあって悩みましたし、後ろ髪を引かれる思いですが、バージョン 10 そして 25億台のデバイスというこの節目に変更を決めました。
Android ブランドの新デザイン
Android ブランドは、その歴史とともに進化してきました。ロゴとブランドカラーを更新した 2014 年に続き、今年は、時代にあったよりモダンでアクセシブルなデザインを導入します。
Android ロゴのデザインは、コミュニティに広く認知されている Android ロボットに着想を得たものです。このロボットは、コミュニティの中心的存在として、長年にわたって Android の楽しさと好奇心を象徴してきました。そして今回、このロボットは Android ロゴの中に特別な場所を見つけました。
ロゴの色も緑から黒へと新しくなります。ちょっとした変更ですが、これまでのロゴに使われていた緑色は、特に色覚障害のある方にとって見えづらい色で、読みづらい背景色と組み合わせて使われることが多かったため、今回はロゴと組合わせて使う色のセットも用意し、色のコントラストも改善しました。
Android の次の進化は
数週間以内に提供開始を予定している Android 10 の最新リリースより、本日発表した新しいロゴを正式に使用します。これまで長年にわたって Android を支え、インスピレーションを与え続けてくれた Android コミュニティに改めて感謝いたします。今後のさらなる発展に向け、これからも Android をよろしくお願いします。
Posted by
Sameer Samat,
VP of Product Management, Android
Google マップ : どのように世界の地図を作っているか
2019年8月14日水曜日
世界は美しく、乱雑で、変化し続けています。常に新しい道路が作られ、ビルが建設され、新しいお店などがオープンしています。Google マップチームの役割は、進化を続けるこの世界を正確にモデル化して、デジタルマップに反映させることです。どのようにして、これを実現する地図を作っているのかという質問をよくいただきます。その答えは、多くの異なる手順、そして人、テクニック、テクノロジーの最適な組み合わせです。
10 億人以上の利用者がいる Google マップがどのように作られているか。これから数か月をかけて、いくつかの記事に分けて詳しくご紹介します。今回はまず、基本の概要から見てみましょう。
すべては画像から始まります
世界のどこに何があるのかを特定するために、ストリートビューと衛星画像は長年に渡って重要な役割を果たしてきました。地域の道路、建物、住所、企業の場所に加え、道路の制限速度や建物名など、その他の重要な情報を画像から得ることができます。ストリートビューは、南極大陸からキリマンジャロ山頂まで、人々が世界中を探索できるようにするため 2007 年に誕生しました。以来 12 年間、Google のストリートビュー カーやトレッカーは、世界 87 か国で 1,700 億枚以上の画像を撮影してきました。より高解像度のセンサーと大口径のレンズを備えた
最新のトレッカー
により、撮影される画像の品質は大幅に向上しています。
そしてデータを追加します
信頼性の高いデータは、マップには欠かせません。世界 1,000 以上の第三者機関からのデータを活用しています。例えば、アメリカ地質調査所 (USGS) やメキシコ国立統計地理情報院 (INEGI) など、国全体の情報が提供されている例もありますが、地方自治体、非政府組織、宅地開発事業者など、より小さな地域固有の組織によるものもあります。Google は、すべての信頼できるデータソースをさらに慎重に検証し、最も正確かつ最新のデータを入手する努力をしています。最近では、地方自治体が地域の新しい道路や住所に関する情報を Google マップにアップロードしやすくするため、
新しいツール
も導入しました。
Google のデータパートナーのひとつ、メキシコ国立統計地理情報院から提供される道路の概要
人間の力
地図を作る上でデータと画像は重要な要素ですが、それらは静的な情報なため、世界が変化するスピードについていけないこともあります。そこで 3 つめの要素、すべての情報を結びつける人間の力が必要になります。ストリートビュー画像の収集、信頼できるデータソースの検証、不正確な地図の修正、機械学習モデルのトレーニングなど、マップを作るためのあらゆる業務に、世界中のチームが関わっています。（詳しくは後述）
加えて、
ローカルガイド
や、
Google マップ
の [ フィードバックの送信 ] ボタンから地図の修正を依頼できるようにすることで Google マップユーザーのコミュニティの力も活用しています。Google マップ チームは、寄せられる情報を検証し、それらが実際の道路、企業、住所に一致するという確信を得られれば、Google マップ上に公開します。
Google のデータオペレーション担当者が作業を行う様子
機械学習によるスピードアップ
画像、信頼できるデータ、そして人間の力は、現在の Google マップへと導いてきましたが、Google はもっと多くの人がマップを便利に使えるよう、進化の速度を早めたいと考えています。そこで、マッピングの速度を上げるために、機械学習を活用しています。機械学習により、情報の正確性を高い水準で維持しながら、マッピングプロセスを自動化することができます。
例として、建物の輪郭をマッピングする方法を見てみましょう。以前は、画像の一部が建物であるかどうかを推測するアルゴリズムによって、私たちが「あいまいな建物」と呼ぶ、地図上に描いても実際の建物には見えない不定形の形が存在しました。これは私たちにとって悩みの種でした。建物はランドマークであり、地図を見たときに今いる場所がどこかを知るための重要な要素だからです。この問題を解決するために、データオペレーションチームと共に一般的な建物の輪郭を手動でトレースし、次にこの情報を使って、どの輪郭や形状が建物を表しているか特定できるように機械学習アルゴリズムをトレーニングしました。このテクニックが効果を発揮し、過去 10 年間でマッピングした建物の数をわずか 1 年でマッピングできるようになりました。
「あいまいな建物」の輪郭
建物のポリゴン形状がマップに正確に描画された様子
Google は長期的な視点でマップに取り組んでいます
マップは地域の成長を助ける重要な要素だと考えています。人々をつなげ、新しいお店やレストランを見つけられるようにし、人々が物事を進める手助けをしています。現在までに 220 以上の国や地域でマップを作り、提供していますが、私たちの仕事はまだ終わっていません。地域ごとにニーズは異なり、独自の課題があります。
次回は、マップの大切な要素のひとつである画像がどのように構成されているかを詳しく解説します。
Posted by Andrew Lookingbill, Director of Engineering, Google Maps
Ethan Russell, Director of Product, Google Maps
<!--
Project Sunroof で自宅の太陽光発電量を見てみましょう
2019年8月5日月曜日
太陽光は低炭素かつ豊富な電力資源で、Google は、およそ 10 年前にカリフォルニア州マウンテンビュー市の本社に、当時の企業としては最大規模の 1.6 メガワットの太陽光発電パネルを導入するほど、早い時期からその可能性を感じていました。その長期にわたる
持続可能性
への関心に加え、太陽光発電量の予測に関する精度の高い情報を活用し、2015 年に Project Sunroof をアメリカで提供開始しました。そして、本日より、
Project Sunroof
の情報を日本でもご覧いただけるようになりました。
Project Sunroof とはGoogle Earth のマッピング技術や機械学習などを活用し、各住宅の屋根が太陽光パネルの導入に適しているか、また、導入した場合どれくらいの電気代を節約できるのかなどをシュミレーションするサービスです。
Project Sunroof を可能にする技術
太陽光発電量を予測するのは簡単なことではありませんが、テクノロジーがその手助けをしてくれます。すべては航空写真からはじまります。まず、航空写真を使って
3D マップを作成
します。その後、緑ではない一定の高さのもの（緑のものは木の可能性が高いのです！）を屋根として抽出し、これを教師データとして機械学習モデルを作ります。
次に、太陽光です。標準気象年データを元に、屋根の 1 ピクセルごとの年間の直接太陽光と間接太陽光の日射量を、影を作り出す周囲の木や建物も考慮しながら 365 日毎時分計算し、算出しています。
最後に、それぞれの屋根に設置できる太陽光パネルの数を見積もります。設置場所についても、できるだけ効率よく発電ができるよう太陽が当たりやすい場所からはじめます。
パネル数と年間の日射量によって、それぞれの屋根の太陽光発電量がわかります。
日本でも公開
本日より、Project Sunroof の技術を活用し、
東京電力ベンチャーズ
が新しい太陽光発電シミュレーションサービス、
サンクル
の提供を開始しました。サンクルでは、 各住宅が太陽光発電システムに適しているかどうかを検討いただくため、どのくらいの二酸化炭素削減ができるのか、電気代を節約できるのかなどといった情報を提供しています。
Posted by Google Earth Outreach プログラムマネージャー、松岡朝美
<!--
Google AI for Japan: AI 人材の育成と技術活用促進を目指して
2019年7月10日水曜日
医師による疾患の早期発見を助けたり、障害のある方を支援したり、また、災害復旧支援など社会のために、AI 活用が有効な事例が増えています。たとえば、
国立がん研究センター東病院
は、がんゲノム医療（プレシジョン・メディシン）におけるゲノム解析プロセス短縮を目指した AI モデル開発の研究をされています。同モデルは、病理画像を用いて遺伝子異変を推測するもので、今春には
9 割を超える精度
を達成されました。
私たちは、日本が社会的に困難な問題に立ち向かい、様々な課題の解決に挑戦する上で、AI という技術が貢献できる可能性は無限に広がっていると考えています。そこで本日、Google は「Google AI for Japan」を発表します。この新しいプログラムは、次世代の AI 人材育成を支援するとともに、ビジネスや社会課題解決に向けた AI 活用促進、さらに国内の AI 研究への貢献を目的としています。
日本の次世代 AI 人材の育成を支援
まず、もっとも重要な取り組みとして、次世代の AI 人材育成支援を目的に、研究助成金をはじめ、フェローシップ・インターンシップ プログラム、さらに教材・ツールを提供します。今回、 AI 研究を推進されている 6 名の研究者を対象に、それぞれ 5 万米ドル（500 万円相当）の助成金を提供します。今回、受賞される研究者の皆様は以下の通りです（五十音順）。
国立情報学研究所 国立情報学研究所 コンテンツ科学研究系 教授 山岸 順一 様 「頑健かつ汎用的なニューラルソースフィルタモデルの研究」
京都大学 情報学研究科 教授 河原 達也 様 「意図のモデル化を用いた End-to-End 音声言語理解と対話生成 」
東京工業大学 科学技術創成研究院 教授 奥村 学 様 「単一文書要約としての文脈アウェア文圧縮」
東京大学大学院 新領域創成科学研究科 複雑理工学専攻 教授 杉山 将 様 「限られた情報からの機械学習」
東北大学 大学院情報科学研究科 システム情報科学専攻 教授 乾 健太郎 様 「知識ベースとしての言語モデル：知識の表現・獲得・検索・推論の統合に向けて」
奈良先端科学技術大学院大学 先端科学技術研究科 教授 中村 哲 様 「視覚聴覚情報を統合するマルチモーダルスピーチチェーンの研究」
上記に加え、Google では、東京大学で情報科学を学ぶ学生に向けた AI の授業を支援している他、東京オフィスで Google の AI 研究者やエンジニアと共に研究するフェローシップやインターンシップ プログラムを展開しています。さらに、開発者の皆さんを対象に、機械学習の初心者からエキスパートまで幅広いトレーニングも提供しています。これらのトレーニング プログラムは大変ご好評をいただいており、たとえば、機械学習のトレーニングを無料で提供する「
ML Study Jams
」には、2019 年だけで 4,800 人を超える日本の開発者が参加しました。また、機械学習に特化したイベント「
Google Developers ML Summit
」にも全国から多くの開発者が参加しており、
明日開催を予定している ML Summit
にも 600 人以上が来場する予定です。
また、もう少し ”未来の” AI 人材を育成する施策として、小学 5 年生〜中学生を対象にした
教材
の公開も行っています。これは、文部科学省、総務省及び経済産業省が今年 9 月に実施する「
未来の学び プログラミング教育推進月間
」の協力企業として参加しているもので、教員の先生方が簡単に AI の仕組みや開発を授業に取り入れることができる内容となっています。
Google Developers ML Summit Tokyo の様子
日本における AI 研究への貢献
2018 年 4 月、東京オフィスに AI 研究者のチームが発足して以来、同チームは様々な研究成果を発表してきました。これらには、
強化学習の基礎研究
や
日本語の高低アクセントのための音声モデリング
、ニューラル機械翻訳など、様々な研究テーマが含まれており 10 本以上の論文として成果を公開しています。Google が今年 4 月に発表した
End-to-End の音声翻訳モデル
の開発には、東京オフィスに勤務する研究者も参加しており、モデル開発に大きく貢献しました。さらに、同チームは日本の学術機関とも協力して研究活動を行っており、国立情報学研究所の研究者による
「古典文学の分析への機械学習技術の応用」に関する研究
はその一例といえます。
日本のビジネスや社会的課題の解決における AI 活用を支援
AI ツールは、日本中の様々な分野で問題解決のためにすでに活用が始まっています。たとえば、福島県南相馬市は、テクノロジー企業であるエアロセンス株式会社と協力し、除去土壌の仮置場の安全性管理のために、Google のオープンソース機械学習プラットフォーム TensorFlow を利用しています。
Google は、AI が医療、農業、製造をはじめとする分野で、多くのビジネス課題や重大な社会的課題を解くための強い味方になると考えています。Google AI for Japan プログラムの 3 本目の柱は、社会にとって重要な課題に AI を活用できるようにするための支援です。
Google では、機械学習プラットフォーム TensorFlow のオープンソース化に加え、Google Cloud AutoML、Cloud TPU、Cloud AI API などの各種 AI 製品をはじめとするツール、トレーニング、サポートを Google Cloud を通じて開発者や事業者の皆さまに提供しています。 2018 年には、Google の AI や機械学習エキスパートと協力してビジネスを革新するための Advanced Solutions Lab (ASL) を開設し、日本中の企業が AI によるビジネス上の課題解決に取り組めるよう、積極的なコラボレーションを行っています。
AI 活用の推進においては、ツールやリソースを自由に利用できる環境整備はもちろんのこと、今後、日本が直面する様々な社会的課題の解決に向けて、意欲的な研究の支援に加え、様々な機関との協力が重要だと考えています。日本には、長年に渡る優れた研究と教育の伝統があり、成長を続ける活発な機械学習コミュニティが存在します。AI が真に社会に有益な技術として日本に貢献できるよう、今後も開発者、企業、学術機関等と協力して参ります。
Posted by Jeff Dean, Senior Google Fellow, Head of Google AI
責任ある AI 開発: 基本理念を実践に
2019年7月9日火曜日
私たちは、日々、AI の活用が世界中の人々を支援し、生活の向上につながる多数の変化をもたらしていることを目の当たりにしています。たとえば、放射線科医による
肺がんの検出サポート
や、インドの農村における
識字率向上アプリ
、
絶滅危惧種の保護活動
、さらには
洪水を予測する取組み
や、
地震の余震を予測する研究
では、AI が自然災害の軽減に寄与するとともに、人命の救助にも役立てられています。
AI の活用で、これまで不可能だと思われていた事が可能になるとともに、AI をめぐる公平性やプライバシーについても議論が交わされています。このような対話は国際社会全体の関与が必要であり、非常に重要なものです。そこで今日は、昨年発表した Google の研究及び製品開発における AI の倫理的な利用を定めた「
AI の基本方針
」について、最新情報をご案内します。
社内教育
AI に関連する重要な問題を理解し、責任ある AI の活用を実践するためにはどうすれば良いか社員が深く考えることができるように、Google は社員の教育に注力しています。この 1 年、数千人の社員が機械学習の公平性（Fairness）について学ぶ研修に参加したほか、倫理研修を 4 か所の Google オフィスで試験的に実施、AI 倫理に関して社外の知識人を招いた研修会も世界 3 大陸で実施しました。
ツールと研究
昨年一年間、Google は知見の共有、技術的なツールや製品の開発に加え、すべての人に役立ち、責任ある、そして倫理的な AI 開発フレームワークの構築に重点を置いてきました。たとえば、
機械学習の公平性
、
説明可能性
、
プライバシー
、
セキュリティ
といった責任ある AI に関連する 75 以上の研究論文を発表した他、12 の新しいツールを開発・公開しています。以下はその一例です。
What-If Tool
は、コードの記述なしで ML モデルの分析を可能にする新しい機能です。バイアスやさまざまな公平性を制約する要素の影響を可視化し、複数のモデル間でパフォーマンスを比較することができます。
Google 翻訳は、ある単語に対して、男性と女性の両方を前提とした翻訳文を併記することで、
性別の偏りの軽減
を目指しています。
フェデレーション ラーニング
は、データをローカルに保持しながら AI モデルをトレーニングして製品を向上できるようにする、機械学習の新しいアプローチです。Google は、この取り組みを拡大するとともに、技術を
TensorFlow Federated
としてオープンソースで公開しています。
人間中心の AI 製品を開発する方法や意思決定の枠組みを
People + AI Guidebook
として 5 月に公開しました。同ガイドブックには、 Google で製品開発を担当している40のチームが執筆に参加しました。
Google では、「
責任ある AI の実践
」において、最新の技術的知見や社内の取組みを四半期ごとに更新しています。
検証プロセス
検証プロセス
は、私たちの AI 開発における基本方針を実行に移す上で重要な役割を負っています。社員においては、担当プロジェクトを基本方針に照らして検証するプラクティスを推奨するとともに、新規プロジェクトや製品、取引を慎重に検証し評価するプロセスの継続的な向上に努めています。評価においては、そのプロジェクト等が提供できる価値と、リスクを軽減する方法を考慮しています。その例を以下に 2 つご紹介します。
Cloud AI Hub
企業や組織は、
Cloud AI Hub
を利用することで、学習済みのさまざまな機械学習モデルに容易にアクセスしたり、共有したりすることが可能です。ただし、AI Hub に投稿されるコンテンツの多くは Google 以外の組織によって公開されるものであり、AI の基本方針に照らしてすべてのコンテンツを評価することは困難です。そのため、AI Hub の公開に先立ち、倫理的な問題がないか、有害な二次利用、悪用、または誤解を招く情報の提示の可能性等を含む要素を検証しました。検証過程において、潜在的に危険かつ有害なコンテンツを処理するために、以下の 2 段階のアプローチを採用しました。
コミュニティメンバーに対し、不公平な偏見を助長するような問題を見つけた場合、それを是正するようなアクションを推奨する: コミュニティ支援策として、Cloud AI では、ユーザーが信頼できるコンテンツの識別に役立つリソース (
偏りのない ML のためのガイド
など ) を提供しています。
Cloud AI Hub の利用規約
において、コンテンツの制限と行動規範について記載した項目を設けました。
上記のような対策をセーフガードとして導入することで、AI Hub のコンテンツ エコシステムの有用性及びコミュニティの安全性を高められる可能性を考慮し、AI Hub の公開に踏み切りました。
Text-to-speech (TTS) に関する研究論文
AI 研究において、これまではわずかに異なるタスクを実行するためであっても、一から大量のデータを元にシステムをトレーニングしなおさなければいけないとされていました。この問題を解くために、Google の研究グループはある研究論文を公開しました。この論文では、一度トレーニングしたシステムをこれまでよりはるかに少ない時間とデータで新規の話者たちに対して適応させる、効率的な Text-to-speech (TTS) ネットワークについて詳述しています。
このよりスマートな Text-to-speech ネットワークは、発話障害、ALS、または気管切開を受けられた患者さんの役に立ちますが、詐欺目的での音声の合成など、有害な用途に用いられる可能性もあります。
この論文においても先程と同様に検証を行いました。その結果、このテクノロジーを機能させるために必要なデータの質などを考慮し、同論文が扱うテクノロジーが誤用される可能性は限定的であると結論づけました。インターネット上で恣意的に集められた音声記録はデータの要件を満さないこと、また、聞き手が、話者の声と Text-to-speech ネットワークによって生成された音声サンプルを聞き分けられるだけの十分な違いがあることから、
Google の AI 利用における基本理念
に照らして、論文の公開を決定しました。Google では、このような検証の手順を踏むことで、誤用や悪用の可能性を検出・防止するべく、今後も取り組んで参ります。
外部ステークホルダーとの協力
幅広いコミュニティとの継続的な対話は、社会的責任に基づいた AI 開発には欠かすことができません。Google は、政策立案者やテクノロジー業界との対話に参加しており、 100 以上のワークショップ、学術会議、サミットへ参加し、世界 4,000 を超えるステークホルダーの皆さんと協力しています。
AI の進化に伴い、私たちの考え方やアプローチを継続的に共有するとともに、AI の責任ある発展に向けて、学界や産業界、政策立案者の皆さまと対話を続けて行きます。Google は、特定の分野や用途に合わせたスマートな規制を支援しており、AI ガバナンスへの実用的かつ将来を見越したアプローチを促進するために、本年初頭にホワイトペーパーを公開しました。
この文書
では、AI のための枠組みを構築するために、政府が市民社会や AI の実務家と協力すべき 5 つの分野を概説しています。
私たちがしなければならないことは増えることはあっても、減ることはありません。人類にとって有益なテクノロジーの殿堂に AI が入るためには、対話、検証、そして広い視野が求められています。今後とも、Google は各界のリーダー、政策立案者、学界やその他の関係者とともに、この重要な問題に取り組んで行きます。
Posted by Jeff Dean, Google Senior Fellow and SVP, Google AI / Kent Walker, SVP, Global Affairs
座席を確保して時間どおりに到着 - Google マップの新しい乗換案内
2019年6月28日金曜日
すべてが順調に動いていれば、公共交通機関は街中を移動するのに最も適した交通手段です。費用対効果が高く、効率的であることはもちろん、車の運転のように操作に集中する必要はなく、腰を下ろしてリラックスして、お気に入りの本を読んだりすることもできます。ただし、遅延や混雑によって、移動時間がストレスになる場合もあるでしょう。そこで、本日より Google マップに 2 つの新機能を追加しました。公共交通機関での移動の計画を事前に立てて、移動中の車内を少しでも快適に過ごしてください。
バスのリアルタイム遅延情報
会議、デート、店の予約などの予定がある場合、時間に間に合うよう、まずは出発前に乗り継ぎ時間を含めた移動時間を確認するかと思います。しかし、公共交通機関の運行スケジュールに、遅延の原因になるかもしれないリアルタイムの交通状況が必ずしも反映されておらず、予定より遅く到着してしまい、不要なストレスを感じることがあるかもしれません。
そうした問題を解決するため、Google マップでは、公共交通機関側からリアルタイム情報が直接提供されていない場合でも、バスの遅延情報を
リアルタイムで確認できる機能
を追加しました。この機能は、バスの遅延情報を路線上の実際の交通状況にもとづいて表示し、より正確な移動時間を確認できるようになりました。また、マップ上で遅延が発生している場所を正確に知ることができるため、実際にバスに乗る前にあらかじめ交通状況を把握できます。
バスのリアルタイム遅延情報
混雑予測
夏の暑い日に満員電車にすし詰めになるほど不快なことはありません。そこで、Google マップでは、バス、電車、地下鉄の過去の混雑状況にもとづいて、混雑度の目安を表示する混雑予測の提供を開始します。あらかじめ混雑度を知ることで、時間に余裕がある場合には乗る電車やバスを数本見送り、混雑を避けることもできるようになります。
公共交通機関の混雑予測
これらの新機能は、世界の約 200 都市で Android と iOS 版 Google マップで本日よりご利用いただけるようになります。地域別の混雑トレンドに関しては、
こちら
をご覧ください。
Posted by Taylah Hasaballah Product Manager, Google Maps, Anthony Bertuca Product Manager, Google Maps
<!--
Google が 東京2020オリンピック・パラリンピック競技大会のオフィシャルサポーターに
2019年6月27日木曜日
この度、Google はオフィシャルサポーター（インターネットにおける情報及びナビゲーションサービス）として東京2020オリンピック・パラリンピック競技大会のスポンサーシッププログラムに初めて参画することをお知らせします。
この記念すべき場所が、2001 年に Google が海外に初めてオフィスを開設した「東京」であることに特別の感慨を覚えています。東京 1964 オリンピックが衛星放送やテレビのカラー放送が普及する契機となったように、東京 2020 大会がオリンピック・パラリンピック史上最も先端技術を駆使した革新的な大会になるよう、Google は様々なサービスを通じて貢献していきます。
Google 検索、Google マップ、Google 翻訳といった Google の製品を通じ、日本で事業を営む方々が様々なお客様と円滑に交流できるようサポートするだけでなく、海外から訪れる観光客の皆さまにとって、日本滞在が素晴らしいものになるように支援します。そして、競技場に足を運べない方々にも、本大会で刻まれるスポーツの新たな歴史をリアルタイムでお楽しみいただけるようにしたいと考えています。
Google は、東京がオリンピック・パラリンピックの開催に向けて準備を着々と進める中、その歴史的瞬間の一端を担う機会を得られたことを嬉しく思っています。東京 2020 オリンピック・パラリンピック競技大会を満喫するための新機能等については、今後、随時ご案内します。
ラベル
Accessibility
AdSense
AdWords
Android
Android One
Android Pay
API
AR
Blogger
Browser
campaign
Chrome ウェブストア
Chromecast
CM
Developer
DevFest
Doodle
Doodle 4 Google
DoubleClick
Driving Directions
Earth
Engineering
Enterprise
Gears
GEO
Gmail
Google Apps
Google Assistant
Google Buzz
Google Chrome
Google Code Jam
Google Developer Day
Google Earth
Google for Work
Google Home
Google Maps
Google Now
Google Pay
Google Play
Google Science Fair
Google SketchUp
Google Translate
Google アートプロジェクト
Google クライシスレスポンス
Google ショッピング
Google で、もっと
Google ニュース
Google プレイス
Google マップ
Google 検索
Google 日本語入力
Google+
gTLD
Hardware
HTC
iGoogle
JAXA
Nest
Nexus 7
Nexus Player
OpenSocial
Picasa
Pixel
Playground
Search
SHARP
Tool bar
toolbar
Women
Women Will
Work Smart
YouTube
イノベーション東北、復興支援
イベント
インターンシップ
ウェブレンジャー
エンジニア
エンタープライズ
おみせフォト
カルチャー
クラブ活動
グループ
ごちそうフォト
さがそう
サンタ
ストリートビュー
スペシャルコレクション
スポーツ
セールス
セキュリティ
ツールバー
ディスプレイ
デスクトップ
デベロッパー
ドメイン
トレッカー
パートナー
パートナープログラム
ブラウザ
プログラミング
ヘルプ
マイマップ
モバイル
モバイル Google マップ
モバイル検索
ランキング
リッチ スニペット
音声検索
画像検索
学生
京セラ
教育
検索
広告
高校生
採用
女性の活躍
小笠原諸島
乗換案内
政治・選挙
節電
地図
中学生
東日本大震災
富士山
翻訳
未来へのキオク
未来への働き方コンソーシアム
過去の投稿
2019
8
7
6
5
4
3
2
1
2018
12
11
10
9
8
7
6
5
4
3
2
1
2017
12
11
10
9
8
7
6
5
4
3
2
1
2016
12
11
10
9
8
7
6
5
4
3
2
1
2015
12
11
10
9
8
7
6
5
4
3
2
1
2014
12
11
10
9
8
7
6
5
4
3
2
1
2013
12
11
10
9
8
7
6
5
4
3
2
1
2012
12
11
10
9
8
7
6
5
4
3
2
1
2011
12
11
10
9
8
7
6
5
4
3
2
1
2010
12
11
10
9
8
7
6
5
4
3
2
1
2009
12
11
10
9
8
7
6
5
4
3
2
1
2008
12
11
10
9
8
7
6
5
4
3
2
1
2007
12
11
10
9
8
7
6
5
4
3
2
1
2006
12
11
10
9
8
7
6
5
4
3
2
Feed
Follow @googlejapan
Follow
皆様のご意見・ご感想をフォーラムまでお寄せください。
Follow