生成AIGenerative AI

選ぶ作業と作る作業は違います

AIがする作業は大きく二つに分かれます。ひとつはすでにあるものを見てどちらかを判定する作業です。写真を見て猫かどうか答えたり、メールを見て広告かどうか分けたりする作業がここに入ります。答えは決まった数個のうちのひとつです。

もうひとつがなかったものを作り出す作業です。答えが決まった一覧にありません。出てきうる文章も絵も事実上無限で、そのうちのひとつを新しく作って渡さなければなりません。陳列棚から花束を選ぶ作業と、一輪ずつ束ねる作業くらい性質が違います。

だからうまくできたかを測る方法も違います。判定する作業は当たったか外れたかを数えられますが、作り出した結果物には正解表がありません。それらしいか、注文に合っているかで判断するしかありません。

ひとかけらずつ足しながら仕上げます

生成AIは結果物を一度にまとめて吐き出しません。文章を書くときは次に来るかけらをひとつ選び、そのかけらを付けたあとまた次のかけらを選びます。花束に一輪挿して全体を見直し、それから次の一輪を選ぶのと同じです。

絵も同じです。一筆で仕上げる代わりに、ぼんやりした状態から少しずつ形を整える段階を何十回も経ます。画面に文字がすらすら流れたり絵が徐々にくっきりしたりする様子は、この過程が実際に進んでいる証です。

かけらをひとつ選ぶとき、それまで作った部分を全部見直します。前で赤い花を挿していれば次の選択が変わります。一度誤って挿した一輪が後ろの選択まで引きずるのもこのためです。

似合いの感覚は数え切れない例から来ました

何の次に何が似合うかを人が規則で書いて与えたわけではありません。膨大な量の文章や絵を通し、一緒によく現れる組み立てを身につけた結果です。ある言葉の後にどんな言葉が続くか、空を描くとき上のほうがどんな色になるかといった感覚がこうして積み重なります。

この感覚は文章や絵を丸ごと覚えたのとは違います。覚えただけなら新しい注文には手も付けられなかったはずです。かけらどうしの似合いを身につけたからこそ、初めて聞く組み合わせにも結果を出せます。

同時に限界もここから来ます。桶にない花が花束に入れないように、学習でほとんど見たことのないものはぎこちなく出ます。手の形や文字のように例が多くても規則が細かい対象がよく崩れる理由です。

同じ注文でも毎回違う結果が出ます

かけらをひとつ選ぶとき、AIは候補をひとつだけ持っているわけではありません。似合いそうな候補いくつかにそれぞれどれだけそれらしいか点を付け、その中からひとつを選びます。この選ぶ過程にわずかな偶然が混ざっているので、同じ注文でも結果が毎回変わります。

偶然の幅は調節できます。幅を狭めると無難で似た結果が出て、広げると意外な組み合わせが増える代わりに不自然になる危険も一緒に高まります。気に入った結果が出るまで何度も回してみる方式が通用するのも、この偶然のおかげです。

作る対象が変わるだけで方式は同じです

作り出す対象は文章かもしれず、絵かもしれず、声や映像かもしれません。対象が変わればかけらの姿が変わります。文章では言葉のかけら、絵では画面全体を一段階整える作業、音では短い時間の切れ端がひとかけらになります。

**かけらをひとつ決め、それをつなげて仕上げるという骨組みは同じです。**だから文章を作る方式から出発した技術が絵や音へ移っていけました。複数の種類を一度に扱うサービスが急に増えた背景でもあります。