生成 AI に関する一般の方の Q&A についての簡単な議論: それは私たちにとって何を意味するのでしょうか?

投稿する単語をたくさん入力するのは面倒だったので、PTT を閲覧しながら 13,000 語を入力し、それを 1 つ 1 つコピーして返信しました。
しかし、Chatgpt 5 の進捗状況を考え、構造を整理し、議論を並べ替えて、より構造化された読み物にするためにそれを使用することにしました。

はい、私も生成 AI を使用しているので、この記事の焦点は反 AI にあるわけではありません。
代わりに、私たちは、今日の AI とは何か、AI は何ができるのか、何ができないのか、そして AI に何を達成できると期待すべきではないのかを探求する必要があります。

まだかなり文字数が多いです。GPTに整理を依頼しましたが、それでも9,000語以上あります。13の章に分け、それぞれの論点を一つずつ説明しました。

第1章 AIの進歩と生成プロセスに関する誤解

生存バイアスとAIの急速な進歩という幻想

→ FoxBear: NAIの初期の頃から現在のV3まで、SDの台頭から現在のPonyまで
→ FoxBear: 情報をアップデートしないと、AIがどんどん進歩して何でも知っていると思ってしまう。
→ FoxBear: 基本モデルに少量のLORAとアクションテーマの構成を組み合わせてダイスを作るのが基本モデルです
→ FoxBear: 絵のスタイルは60％程度しか似ていませんが、元のモデルの限界を超えると、すぐに信頼できなくなります。

「AIは急速に進歩している」と考える人の多くは、生存バイアス。
つまり、インターネット上に公開されている成功写真を見るだけで、実際に自分で試したことがないのです。
NovelAIを初めて見たとき、私も同じように感じました。「これは強すぎる」と思いました。
しかし、NAI モデルがリークされ、ローカルで実行できるようになるまで、私はそれを自分で試して、その長所と短所を本当に理解することはできませんでした。

今、インターネット上には「AI画像」が数多く存在しますが、実際には作成者がどのような設定で作成したのかは分かりません。
以前は、NAI のプロンプトをコピーすることで復元を試みることができましたが、現在は彼がどのビッグモデルを使用したかを知る必要があります。
ControlNetセットはありますか？LoRAは何個使用されていますか？それぞれの重量はどれくらいですか？
もし彼が 画像2画像 または、ローカルで再ロールするためにインペイントを使い続けると、彼の結果を再現することはできなくなります。
言うまでもなく、よりリアルに見せるために手動で画像を修正する人もいますが、そうなると AI の上限と下限の差は大幅に拡大するでしょう。

なので、「AIは人間よりも速く描ける」という主張は疑問視されるべきだと思います。
サイコロがうまくいけば、非常に速いかもしれませんが、運が悪ければ、構成が崩れ、何十回も振り直さなければなりません。
それは実際に手描きよりも時間がかかります。言うまでもなく、モデルはあなたの頭の中の構図を学習したことはありません。
AI 生成は速いように思えますが、実際にはまだ運の問題であり、限界があります。

モデルのトレーニング、スタイルの模倣、一般化の問題

パンダキャットを押す：それは、皆さんが同じスキルセットを訓練されているからです
→ PandaCat: あるアーティストを育成すると、そのアーティストがあなたになります。
→ パンダキャット：気持ち悪い口調

一般ユーザーの多くは、他のユーザーがトレーニングしたモデルを取得するために Civitai に直接アクセスします。
しかし、これらのモデルは元々トレーナー独自のスタイルなので、それを使えば自然とそのスタイルになると思います。
つまり、自分でトレーニングすれば、自分好みのスタイルでモデルを作成できるということです。

2022年当時、Dreambooth は大人気だったのを覚えています。
当時は、ワイフ拡散と呼ばれるモデルがあり、多くの人が特定のアーティストのスタイルを模倣するために使用していました。
LoRAはアーティスト名で検索すると見つかり、ほぼページ全体がコピーされています。
現在は LoRA テクノロジーに置き換えられていますが、原理は似ており、より軽量で適用が簡単です。
さらに、ほとんどのモデルは過剰適合します。つまり、特定のスタイルに非常に類似しているため、一般化できません。
キャラクターや小道具を生成するのは良いのですが、構成や主題が元の素材の範囲から少しでも外れると、結果は簡単に破綻してしまいます。

では、なぜ大規模なモデルは安定していてクラッシュしにくいのでしょうか?
それは今の画風が一人の人間から生まれたものではなく、“たくさんの人”の平均の結果だからだと思います。
あなたが見ている絵は、実際にはアーティストのスタイルの多くの断片を組み合わせたものです。
したがって、モデルはこれらの破片を使用して穴を埋めることができ、非常に安定した外観になります。
しかし、そのせいで明確な個性が失われ、「間違いが起きにくい」という中間的な価値しか持たなくなってしまいました。
この安全志向の結果、写真はますます「誰のスタイルでもない」ように見えてきます。
つまり、みんなのスタイルがミックスされたものです。

第2章：Hue、VAE、そしてAI画像トレーニングの限界

VAE、Hue、そしてAI画像生成の限界

OtterWolf: 色の組み合わせの問題だと思います。AI画像は、AIに見えやすい色調を持っています。
LynxCat: VAE では色調が問題になるはずです。
→ LynxCat: そうでなければ、白黒写真フィルターを適用するだけで色調の問題は発生しません。

ここが多くの人が混乱するところだと思います。
色調が AI でペイントされていると一目でわかる AI 画像の問題は、主にモデル全体に起因するものであり、VAE はその一部にすぎません。

私自身も多くのモデルを試してみましたが、モデルごとにカラースタイルが異なります。
VAE（変分オートエンコーダ）の主な機能は顔と細部を安定させる、
線をきれいにすると、色がずれなくなります。
しかし、間違った VAE を使用すると、画像全体が白っぽくなり、線がぼやけてしまいます。まるで水に浸した後のカビのような感じになります。
これは VAE が悪いのではなく、モデルがトレーニングされた方向と一致していないためです。

実際のところ、「すべてをカバーできる」 AI モデルは存在しません。
各モデルのトレーニングは、トレーナーの方向性によって影響を受けます。
AIの本質は「一般化」と「適合」のバランスを見つけることです。
一般化されればされるほど、普遍性は増すが、その個性は曖昧になる。適合されればされるほど、特定のスタイルに近づくが、崩壊する可能性も高くなる。
このバランスポイントは損失値の収束に依存しますが、最終的にはどの方向性を望むかは人々が決めることになります。
描画 AI に関しては、実際には意図的に「過剰適合」させています。そうすることで、画像がより安定し、スタイルがより明確になるからです。

結局のところ、AI は包括的かつ専門的になることはできません。
したがって、大規模なモデルは、最終的には一定の範囲内で妥協することになります。つまり、最も安定したコンテンツをいくつか選んで保持するのです。
残りは LoRA または ControlNet が処理します。
これは、「AIの絵はどれも似たり寄ったり」になる理由の一つでもあります。

「じゃあフィルターを使えばいいんじゃないの？」と言う人もいるでしょう。
しかし、これは役に立ちません。AIを訓練すると、色だけでなく、光と影、彩度、構図、筆遣いの癖なども学習します。
これらすべてが結果に反映されます。
したがって、白黒フィルターを適用すると、表面の色収差を最大限カバーできますが、基礎となる光と影の分布は「AI」と同じままです。

私はよく AI は「怠け者の道具」だと言いますが、実際には AI には独自のフレームワークがあります。
「色」や「構成」だけを学習するように指定することはできません。パッケージ全体を学習します。
結局、できることは「結果を受け入れる」こと、つまり、結果として得られた画像を受け入れられるかどうかを確認することだけです。
ツールだと言われればその通りですが、精密に制御できるツールではありません。
それはむしろ動き回る絵筆のようなもので、慣れる必要があります。

第3章 AIの創造と魂の問題

創造の境界としての魂

プッシュウルフディア：魂がないとはどういうことかということに興味があります
→ WolfDeer: この発言はAIについて議論するときに必ず言及されます
→ MoleCat: 魂を持つとはどういう意味ですか?

このトピックは、実は AI に関する議論全体の中で最も興味深い部分です。
「魂」という言葉は、AIと戦う最後の砦として使われることが多い気がします（笑）。
しかし、真剣に議論すると、それは実は哲学的な問いであり、日本文化における「付喪神」を使っても理解できるのです。

日本の妖怪伝説では、扶桑神 長い年月をかけて使われ、感情が込められてきた物を指します。
究極的には存在の「魂を得る」ことです。
これは実は私たちが「古いもの」に対して抱く感情的なつながりのようなものなのです。
それは物理的な違いではなく、長い時間をかけて人間の意識を物体に投影することで形成される共鳴です。

この概念は「創造」そのものを説明するのに使えると思います。
手で作られた作品は、実際には自分の意識、アイデア、経験が作品に投影されたものです。
だからこそ、作品には作者の痕跡がしっかりと残っていて、「魂」が宿っていると感じます。
この痕跡は創作過程の途中で時間をかけて形成されたものであり、作者の当初の意図ではありませんでした。

AIは違います。
AI の生成は、統計、関連付け、重みに基づいて、一見妥当な結果を「復元」します。
方向を指示することはできますが、それ自体に「意図」はありません。
それは単に「それらしい」ものをつなぎ合わせただけです。
ですから、この観点からすると、創造的意識がないので、魂はありません。

AI作品が「魂のこもった」作品であるとみなされるのはどのような状況においてでしょうか?

しかし別の角度から考えてみると
私が今日、他の人の絵画スタイルを真似したり、誰かのスタイルを真似しようとしたりしていないと仮定すると、
代わりに、AI を使用して画像を生成し、必要な結果をガイド、フィルタリング、および選択します。
では、そのような創造物には魂があると考えられるのでしょうか?

大丈夫だと思います。
私が参加し、考え、意図を持ってそのプロセスに取り組んでいる限り、
するとAIは私の思考を拡張するためのツールになります。
描かれている線は私自身のものではないが、
しかし、その写真は私が「選んだ」ものであり、私はそれが正しいと考えており、承認します。
したがって、定義上、創造行為は依然として私の意志を反映していることになります。

問題は、そのような作品がアーティストの「思った通りの結果が得られた」というレベルに到達できるかどうかだ。
まだそうは思いません。
画家の筆の一打一打は、その瞬間に画家によって決定される。
すべてのピクセルに、偶然性、インスピレーション、さらには感情が含まれている可能性があります。
AIは現状では、そのレベルの「意識と行動の同期」を実現できていない。
つまり、AI はせいぜい「近いと思われる結果」を生成することしかできない、ということです。
結果を「作成」するのではなく「主張」できるようになります。

「創造を主張する」ことと実際の創造との間のギャップ

例えば：
AIを使って絵を生成すると、「この顔は丸すぎるから、もう一回転がして」と思うことがあります。
「今回は目が大きすぎるから、もう一回回しましょう。」
私が行うすべての選択は、私にとって「スクリーニングエラー」です。
画家の絵画技法は、始めから終わりまで選択することです——
彼は、どの線を少し傾けるべきか、またなぜそうすべきかさえ知っています。

AIの作成は、ガシャポンマシンからガシャポンを選ぶようなものです。
タイプ、色、パラメータを制御できますが、結果は常にランダムになります。
カプセルトイはアーティスト自らが制作した。
その間の隙間が「魂」の境界です。

AIに魂があるかどうかについて議論したいのであれば、
実際、自分自身にこう問いかけてみてください。
「この絵に完全に同意でき、それが私の期待に応えていると感じることができれば、
そして、その主題に対する自分の動機や考えをはっきりと表現することができれば、私にとってその主題は魂を持つものとなるのです。」
しかし、たまたまサイコロが当たっただけだとしたら、
それは単なる幸運であり、創造ではありません。

第4章 AI画像処理と認識

AI画像処理、コピー、認識可能性

HawkOtter: 加工後にアーティストが教えてくれないと、認識できないと思います。

「AI画像を処理後に認識できるかどうか」という問題は、2つのレベルで議論する必要があると思います。
処理 と コピー これらは全く異なるものです。

AI画像を参考に描くだけだと、
それはコピーと同じです。図面が似ていないほど、安全です。
しかし、コピーがあまりにも似ている場合は、細部や筆遣いのつながり方がコピーされてしまいます。
その結果、手で描いたにもかかわらず、AI によって生成された特徴が保持されることになります。
そのため、特にスキルが高すぎる場合は、AI のコピーが「発覚する可能性がある」のです。
描画が正確であればあるほど、AI モデルの特徴的な痕跡を明らかにしやすくなります。

「ペンを追加する」ことは隠蔽ではなく、混合信号である

「AIグラフにペンを追加したい」場合はどうすればいいでしょうか？
これにより、実際に識別が容易になります。
修正した部分以外はすべて元のAI画像のデータになります。
AIは多くの小さなノイズ低減グリッド(微妙なピクセルパターンのようなもの)。
これらは肉眼ではほとんど見えませんが、信号分析ソフトウェアや AI 検出器を使用して検出できます。

そのため、一部の人々は非可逆圧縮（JPGの非可逆圧縮など）を使用します。
人間にも機械にも違いが分からないように、これらのルールを隠します。
これは実は「ノイズフュージョン」という技術です。
新しく圧縮されたノイズを使用して、AI の元の生成ルールを破壊します。
検出を回避しようとしているように聞こえますが、多くの場合、画像があまりに「偽物」に見えないようにするためだけです。

AI の痕跡を消すのは、実は再描画するよりも難しいのです。

真の「脱AI」の方法は
実際には、認識できる特徴をすべて消去して再描画することになります。
初期の頃は、「手を固定する」とか「目を固定する」とAI感がなくなるとよく言われていました。
しかし、今では AI の進歩により、それらの領域はもはや主要な問題ではなくなりました。
今最も解決が難しいのは髪、ラインのつながり、ボリュームこれらのもの、
特に髪の毛の重なりや光の反射、
完全に変更するのはほぼ不可能で、最終的には作品全体を塗り直す必要が出てきます。

だから、AIグラフが元の生成されたコンテンツの一部を保持している限り、
まだAIの写真です。
筆使いを加えることで絵はより自然になりますが、本質を変えることはできません。
機械でプリントした生地にさらに数針縫っても、それはまだプリント生地であるようなものです。

第5章 AIの美学、モデルのトレーニング、そして創造の閾値

「AIには美学がない」というのは誤解だ

→ MothDolphin: AI の背後にいるほとんどの人は美的感覚やデザインのアイデアがなく、生み出す絵はどれも似たり寄ったりです。
→ MothDolphin: もちろん飽きるよ

これは実際は誤解だと思います。
「AIには美学がない」と言う人は、おそらく一般ユーザーが生成した画像しか見たことがないのでしょう。
気づかずに 実際にモデルを訓練する人、審美的な趣味を持っている人です。

NovelAIを例に挙げましょう。基本的なデータソースはDanbooru上のグラフとラベルです。
しかし、AIに「これは傑作だ」と学習させるのは、単にラベルを付けるほど簡単ではありません。
そのために、訓練バッチをスクリーニングして調整する人員が必要となり、
試行、改良、比較、微調整を続けます。
このプロセス全体自体が一種の「美的プロジェクト」です。

これは多くの人が見落としていることだと思います。
AIが生成したものはサイコロのように見えます。
しかし、舞台裏ではサイコロのあらゆる面をデザインしている人々がいます。
その人は美学の源泉です。

AIと「絵を描くことを学ぶ」ことの関係：閾値は消えたのではなく、変化した

「AIも学習が必要なのに、従来のツールと何が違うのか？」という声をよく聞きます。
この発言は実は半分正しいと思います。
AIによって絵を描くことが「簡単に始められる」ようになりますが、「誰でも良い絵を描ける」というわけではありません。

AIの学習ロジックは統計から生まれます。
実際に描画方法を知る必要はありませんが、変数、関連付け、フィルタリングを理解する必要があります。
しきい値を削除するのではなく、しきい値を別の形式で置き換えます。
絵が描ける人はタッチと構成思考に頼っています。
AI の使い方を知っている人は、重み、キーワード、スタイルの組み合わせを理解することに頼っています。
率直に言えば、私たちは皆、「自分のパフォーマンスをコントロールする方法を学んでいる」のです。

AI画像がすべて同じに見える本当の理由

AI グラフはどれも似ているとよく言われます。
実際、ほとんどの人が同じ人気モデルを使用しているためです。
これらのモデルのスタイル、構成の方向、照明の設定が修正されました。
したがって、出力されたペイントはシステム アーティファクトのように見えます。

しかし、実際に自分のLoRAをトレーニングしたり、モデルを微調整したりする限り、
その「個性」は今でも作り出せるということが分かるでしょう。
必要なのは、時間とハードウェア、そしてグラフィック カードだけです。
大きなモデルは「共有ドラフト」のようなものです。
実際の創作は、下書きをどのように処理するかによって決まります。

私は時々 AI モデルを「洗脳アプリ」に例えます。
これを使うと、絵を描くのを手伝ってくれる画家を「召喚」することができます。
しかし、同じアプリを他の人がダウンロードして使用することもできます。
誰でも同時にそのアーティストを「召喚」することができます。
だから結局、みんなの写真は同じに見えてしまうんです。
もちろん退屈でしょう。

AIを「プリンター」のメタファーとして

イラストレーターをクリエイターに例えるなら、AIは「プリンター」に近いかもしれません。
スタイルをコピーして類似作品を出力し、素早く制作できます。
しかし、そこには労働の痕跡は残っていません。

これは不公平だと言う人もいるかもしれません。
しかし実際はキム・ヒョンテは自身の絵画を使ってモデルの訓練を行った。
そして、AIを使って「キム・ヒョンテのAI版」を描いて展示します。
この行為は著作権侵害とみなされますか?
彼自身は、それが一種の「自己模倣」だったので面白いと感じた。
これは先ほど言ったことに戻りますが、AI 自体の美学は常にそれをトレーニングする人によって決まります。
美学を選択したり確立したりせずに訓練するために無数の写真を撮り、
出てくるのは糞の山だけだ。

第6章 LoRAトレーニングとAI作成の境界

LoRAの本質とトレーニングの鍵

→ FalconSeal: 固定スタイルは、微調整やloraについて何も知らないことを意味していると思います

多くの人は、LoRA を理解していないため、「AI のペイントスタイルはすべて固定されている」と考えています。
LoRA（低ランク適応）は基本的に大規模なモデルを使用して小規模な再訓練、
大きなモデルのように世界をゼロから学習するのではなく、
代わりに、特定のデータセットに合わせて微調整されます。

例えば、トレーニングのために「リンゴ」を含む写真を100枚撮ったとします。
すると、AI はこれら 100 枚の画像から「リンゴ」という単語を抽象的な概念として学習します。
このコンセプトは、形、色、または全体的な雰囲気などになります。
そして「Apple」がオブジェクトなのかスタイルなのかを判断するには、
支援するには、大きなモデルの意味空間に依存します。
LoRAがトレーニングをしているとき、実際には、大規模モデル自体の言語理解能力に依存している。。
大規模モデルがこのキーワードを認識していない場合、正確に収束することはできません。

 絵画スタイルの訓練の限界とキメラ現象

これは、安定した画風を訓練する必要があることも意味します。
データの品質はモデルの選択と同じくらい重要です。
資料が少なすぎたり、複雑すぎたり、キーワードが間違っていたりする場合は、
結果はキメラになります:
この画像はいくつかのスタイルが混ざったように見えますが、どれもしっくりきません。

LoRAスタイルを実践していたとき、私は
素材のアーティストが特定の角度を描いたことがない限り、
逆さまや逆さまの構図のように、
AIによって生成される結果は非常に奇妙なものになります。
大きなモデルから他のアーティストの情報を検索し、「穴を埋める」ことになります。
その結果、絵画のスタイルは純粋なものではなくなりました。
したがって、トレーニングセットに対応する描画メソッドがない限り、
そうしないと、AI は「正しく」描画する方法を知らないことになります。

LoRAの役割: AIのパッチモジュール

そういうわけで、LoRA は AI の世界における「MOD」のようなものだと言えます。
足りないものを補いなさい。
「逆立ちLoRA」「特定の服装LoRA」「特定の動作LoRA」を練習できます。
最後に、重量を組み合わせてバランスを見つけます。

しかし、それでも画家の真の構成感覚を再現することは不可能です。
画家の絵の配置は「意図」に基づいた論理であるので、
AIの構成は「統計的確率」のみに基づいて行われます。
それが違いです。

情報エントロピーと創造の限界

これは熱力学の第二法則に似ていると思います。
人間が何かを創造するとき、彼らは「意味のある新しい情報」を生み出します。
AIは古い情報を再編成するだけなので、意味がなければ単なるランダムになります。
生成されたそれぞれの絵画は新しいように見えるかもしれませんが、実際には既存のピクセル分布の再配置にすぎません。
これを創造と呼ぶこともできますが、情報の観点から見ると、「意味のある情報エントロピーを生み出す」ものではありません。

簡単に言うと:
AIが学習していないものを生成することは不可能です。
それは「デジャブ」に基づいてのみ組み立てられる。
何かを「想定」することはできますが、それが実際にそれを「理解」しているということではありません。
AIの世界にはインスピレーションはなく、関連性だけがあります。

第7章 AIの自己循環と品質劣化

AIが再び自らを蝕む：自己汚染の問題

OwlRabbit: AIが独自の永久機関を生成し複製する

この文章を読んで本当に笑ってしまったのですが、正直に言うと——まさにこれが今 AI で起こっていることです。
AIはますます多くのコンテンツを生成しており、インターネット上のデータセットはますます複雑になっています。
将来、AI が再トレーニングされると、必然的に AI が生成したものを食べるようになるでしょう。
それは単に割合の問題です。

これは非常に現実的な結果につながると思います。
あらゆる生成型AIの「黄金時代」
実際、それは存在する初登場前。
なぜなら、当時食べられていたのは、人間が作り出した物質だけだったからです。
しかし、インターネットがAI製品で溢れかえると、
再び訓練を受けると、自身の残留物がたくさん混ざり、
当然品質は低下します。

AIが何を生成しているのか分からない理由

「どの絵が AI によって描かれたものか AI は判断できないのか？」と疑問に思う人もいるかもしれません。
残念ながら現時点では無理です。
市販の「AI検出器」も確率モデルです。
精度には限界があります。

さらに厄介なのは
いわゆる「AI＋ペン」の絵もたくさんあります――
たとえば、手描きで描き直しただけ、背景は変更していない、またはわずかな修正のみ加えたなどです。
この種のグラフは、データセット内で自動的にラベル付けすることはできません。
AIが食べた後は「通常のサンプル」と間違えられます。
最終的には、モデル全体が学習するにつれてますます混沌としていきます。

これは、多くのモデルが、いくつかのバージョンを経て、
その代わりに、出力画像の品質が低下し、スタイルがぼやけてしまいます。
それはあなたの錯覚ではありません、本当に胃が痛いのです。

データ汚染と限界効用逓減

これはいわゆる限界効用逓減。
AI が爆発的に成長できたのは、当初は大量のクリーンな人間データが利用可能だったからです。
しかし、その大量の情報が消費されると、
残りは、繰り返し、複製、混合されたコンテンツです。
進歩のペースはどんどん遅くなるでしょう。

AIの発展はこの危機的状況で行き詰まるのではないかと思う――
なぜなら、理論上はAIが進化し続ければ、
それは「より質の高い人間の創造物」に頼らなければなりません。
しかし皮肉なことに、AIはそうしたクリエイターの生活空間を奪っています。
言い換えれば、それは自らの将来の食料を食べているのです。

第8章 AI代替と産業の現実

広告業界がAIを初めて導入：安価だから

→ GooseLynx: まだ早い段階ではありませんが、多くの印刷広告ではすでにAI画像を素材として利用しています

ほんと、私もそれ見ましたよ。
多くの広告会社が AI を活用し始めていますが、その理由は実は「コスト削減」という一言に尽きます。
こういったことはあまり考えなくても大丈夫です。企業は原価率を見ます。
他社が低価格で映像素材を制作できる場合、
まだデザイナーを雇うためにお金をかけているなら、市場から淘汰されてしまうでしょう。

問題は、そのような「節約」が価格の値下げにつながるだけだということです。
近年の中国の産業難と同様に、
誰もがコストを下げてスピードで競争しようとしているとき、
全体的な品質はどんどん悪くなります。
これにより、他の企業も AI を使わざるを得なくなります。
それは悪循環になります。

AIアウトソーシングと資材窃盗

現在、プロジェクトを請け負う「AIアウトソーシング会社」は数多く存在します。
他の人が生成した画像を直接使用してタスクを完了する人もいます。
または、DiscordのMidjourneyグループに参加してください。
他人が作成した画像を密かにダウンロードし、名前を変更して販売します。
ミッドジャーニーは、写真はユーザーIDにリンクされており、訴訟の対象となる可能性があると述べたが、
しかし現実は、法律が追いついていないのです。
訴訟が起こされたとしても、そのような事件を処理するための法的規定がない可能性があります。

AIは人間のクリエイターの著作権を圧迫しています。
しかし皮肉なことに、それが生成する作品自体には必ずしも著作権があるわけではありません。
将来の法律で「AI作品には著作権がない」と定められれば、
そうなると、AI を使って絵を描いたりプロジェクトを請け負ったりしている企業はすべて間違った賭けをしてしまったことになります。
私たちが今得ているのは、法律が制定される前の単なるグレー配当金に過ぎません。

歴史は繰り返す：印刷からAI時代へ

これは 1710 年のアン女王の法律を思い出させます。
当時は印刷技術が登場したばかりで、人々は同じ問題について議論していました。
大量複製は作品の増殖と著者の権利の曖昧化につながります。
AIは新世代の印刷のようなものです。
あまりにも速かったので、反応する時間がありませんでした。

もし本当に過去のプリンターに現代のAIを付与できるタイムマシンがあったら、
歴史的な大混乱になるでしょうね（笑）。
なぜなら、あらゆるメディア革命は、
彼らはまず、一連の古いルールを必ず破壊するでしょう。
彼らは人々に新しいシステムを再構築することを強制しています。

第9章 AI代替と雇用の現実

テック企業のレイオフとAIの幻想

シーッ、ディンゴモス：イラストレーターよりも先にテクノロジー業界の多くの人が職を失うことをご存知ですか？

私はこの発言が真実だと信じています。
しかし、その理由は一部の人が考えるほど単純ではないかもしれません。
多くの企業が「AIブーム」に洗脳されている。
彼らは、AIを導入するだけで人間の労働力を置き換え、コストを削減できると誤って信じていました。

これらのテクノロジー企業は、コンセプト株が日々の上限まで急騰するのを目にし、あるブランドのCEOが革ジャンを着てステージに上がり、「未来はここにある」と言うのを目にする。
AIを最初に導入した方が勝つかのように、彼らは急いで人員削減を行い、機器を増設した。
しかし問題は、AIが万能薬ではないということです。
プロセスは自動化できますが、創造性を自動化することはできません。
その結果、多くの場所で人々が殺され、AIが実装されました。
しかし、効率は向上するどころか低下しました。

中小企業の生存圧力

この波の最も直接的な影響は中小企業に及んでいると思います。
特に、もともと数人しかいなかったデザイン会社やマーケティング会社にとって、
多くの場合、1 人のアーティストが会社の経費の半分を占めます。
AIがビジュアルデザインの80%を支援できるようになると、
彼らは間違いなく最初にその側から行動を起こすでしょう。
それは誰かが悪意を持っているからではなく、コスト圧力によるものです。

これらの企業は多くの場合、新人のための研修の場となっています。
新卒者が経験を積むためのものです。
その結果、これらの新参者が第一波の犠牲者となった。
一方、大企業はそれほど積極的ではありません。
AIツールは不安定で、ミスをした場合のコストが高すぎることを彼らは知っているからです。
したがって、本当に影響を受けるのは、「トレンドに乗りたいが、リソースがない」企業です。

AIは人ではなく機会を奪う

この AI の波が本当に「人間」に取って代わるとは思えません。
代わりに、それは「練習と訓練を受ける機会」に取って代わりました。
以前は、新人は 50 枚のドラフトを描く機会がありましたが、現在では AI が 1 日に 500 枚のドラフトを作成できます。
まだスキルを磨いている人を会社がなぜ雇い続けるのでしょうか?

短期的には、効率革命のように見えます。
しかし、長期的には人材の不足につながります。
なぜなら、すべての初級レベルの仕事が AI に取って代わられたら...
数年後、真のシニアプロフェッショナルになるチャンスを持つ人は誰でしょうか?
これが私が最も心配していることです。

第10章 AI開発のタイムファンタジー

「AIは数年後には万能になる」という古い予測

→CraneDog：2030年以降の買い替え問題について考えてみましょう。

私はこの議論を何度も聞いたことがある。
新しいテクノロジーが登場するたびに、必ず誰かがこう言います。「これはまだ始まったばかりだ。数年もすれば状況は変わるだろう。」
このフレーズの派生語としては、ブロックチェーン、NFT、メタバースなどがあります。
今はAIです。

問題は、「十分な時間があれば、すべての問題は解決できる」ということだ。
そうすれば世界には何の問題もなくなるでしょう。
AI は魔法ではありません。数学的アーキテクチャの限界があります。
現在の生成 AI は統計モデルに基づいています。
つまり、時間の経過とともに学習速度が低下します。
最終的には固定値に収束します。

問題が n 年で解決されることを期待することは、無限の猿の定理の誤りに陥ることに等しい。
確率が 0 に近い結果は、たとえ永遠の時間とランダムな組み合わせをもってしても達成することは不可能です。
AI のような統計分野では、発散と収束の概念がさらに顕著になります。

データの枯渇と成長の停滞

AIが「賢くなる」ためには、まず学習するための新しいデータが必要です。
しかし、AIはすでにインターネット全体を飲み込んでいる。
人類が30年かけて蓄積したデジタルデータすべてを、わずか数年でスキャンできます。
次は何?

同じことを何度も繰り返すことしかできません。
いつか人類が新たな情報の海を創造しない限り、
そうでなければ、AI の進歩のペースは必然的に遅くなるでしょう。
したがって、「数年後には AI が人間に取って代わるだろう」という主張は誤りです。
これは、データ飽和の現実を完全に無視しています。

「量的変化は質的変化をもたらす」という迷信

「十分なデータがあれば、質的な変化はいずれ起こるだろうから、問題はない」と言う人もいるでしょう。
この理論は理にかなっているように思えるが、問題は…
AIは独自の理解を発展させることはできません。
統計を通じてパターンを見つけることはできますが、それは「理解」ではなく「計算」です。
たとえ宇宙の果てまで計算させたとしても、得られるのは「最も可能性の高い答え」だけです。

AI が新しい学習構造 (概念を動的に構築し、自律的なメモリを形成できるモデルなど) を持っていない限り。
そうでなければ、この道はますます狭くなるだけです。
現在のAIは「地球のデータの限界」に達しています。
それ以上に高くすると壁にぶつかることになります。

私はよくこう冗談を言います—
数年後にはAIを進化させる必要があります。
宇宙人がデータベースを公開してくれるのを頼りにするしかないかもしれませんね（笑）。

第11章 AI支援による創作の真の限界

AIに関する過度に楽観的な幻想

TigerSeal のコメント: 5 年というのは楽観的すぎます...イラストレーターの限界はおそらく 18 か月くらいでしょう。
TigerSeal の機能は、色を調整したりエッジを仕上げたりするためのコマンドを発行することです。
→ TigerSeal: スタイルをブレンドし、イラストレーターが微調整してトレーニングを定義できます。

実は、「イラストレーター」と「AIツール」を組み合わせた共同ワークフローにとても期待しています。
しかし、多くの人がこの生成 AI の本質を誤解しています。
安定拡散のようなモデルは、「熱ノイズ逆低減」の原理に基づいて動作します。
絵を描くのではなく、ノイズからピクセルを抽出します。
これにより、「グラフィック ロジック」ではなく「統計的な単語ゲーム」しかプレイできないことがわかります。

将来的には、AIがイラストレーターの色補正、構成編集、レイアウトデザインなどを支援するようになるという意見もあります。
しかし、これは完全に間違っていると思います。
AIは三分割法、三分割法、黄金比などの構図理論を理解しません。
「ほとんどの絵に主人公がここに登場している」ということしか知りません。
したがって、それにとって、左、右、中央は...統計分布、いいえアートの選択。

作曲の確率と人間の意図のギャップ

例えば、AIがデータセットで「主人公が左にいる」場合に50%が発生することを学習すると、「主人公が右にいる」場合にも発生するようになります。
そうすると、2つは無関係であるとみなされます。
しかし、人間は、これらの構成は両方とも「6 マス目グリッド」方式のバリエーションであることを知っています。
AI はこのニュアンスを理解できず、盲目的に平等に「分配」することしかできません。
したがって、生成される結果は非常に安定しますが、非常に平坦になります。

AIは「重心」が何を意味するのかを知りません。
「このようなグラフは頻繁に現れる」ということだけを学習しました。
これがAIとイラストレーターの最大の違いです。
イラストレーターは、「なぜこの構図がイメージをよりダイナミックにするのか」を理解しています。
AIは単に「この結果を受動的に模倣する」だけです。

プロンプトの意味と色の混同の問題

次は、Prompt の意味上の問題です。
キーワードを追加するだけで AI が概念を理解できるようになると考える人もいます。
しかし、これは実際にはトレーナーがこれらの言葉をどのように定義するかによって異なります。

例えば、誰かが意図的に「緑」を青としてモデルをトレーニングする場合、
このモデルの世界では、「緑」は常に青になります。
ユーザーが「緑の髪」と入力すると
彼は青い髪の人物を見たかもしれない—
彼は間違って入力したと思った。

AIは「意味を修正」しません。
トレーニング データに基づいて正直に結果のみを生成します。
このため、より長く詳細なプロンプトが必要になります...
それどころか、制御不能になる可能性が高くなります。
AIはステートメント間の重みのバランスを取ろうとするからです。
これ以上説明すると、さらに混乱するだけです。

「AI支援」は「AI創造」を意味しない

私はプロンプトを使用して AI に複雑な構成を生成させようと何度も試みました。
結果は通常、具体的であればあるほど、正確さは低くなります。
逆に、漠然とした説明では、最も平均的で最も「グラフのような」結果が得られる可能性があります。

そう考えると、現在の AI の最大の強みは「一見合理的な結果を生み出すこと」ではないでしょうか。
しかし、それは「意図的なイメージを作り出す」ということではありません。
Photoshop の自動色補正では、ホワイトバランスを計算し、LUT を適用し、色温度を調整できます。
しかし、それは画像で伝えられる感情を理解しているという意味ではありません。
同じ原則が AI にも当てはまります。

したがって、「AI がイラストレーターを支援する」というフレーズは、あまり真剣に受け止めないほうがよいと思います。
AI は支援できますが、決して共同創造の形ではありません。
それはアイデアではなくプロセスに役立ちます。

第12章 AIが写真・モデル業界に与える影響

写真家やモデルは影響を受けますが、代わりはいません。

LynxDove は次のようにコメントしています。「イラストレーター、写真家、モデルだけが影響を受けるわけではありません。」

私もその意見には賛成ですが、明確にしておきたいことがあります。
影響を受けるということは、置き換えられるということではありません。
AIは確かに「写真のような」画像を生成することができます。
ただし、これはコンセプト アート、参考ドラフト、またはマーケティング プレビューにのみ適用されます。

実際のコマーシャル撮影では
写真家の仕事は「美しさ」や「公平さ」を扱うことではなく、「真実味」を扱うことです。
照明は適切で、材料は正確で、構成は製品要件を満たしている必要があります。
これらは、AIが想像力で実現できないものです。
モデルの生地がどのように光を反射するかはわかりません。
ブランドロゴを画面上のどこに配置すればよいかわかりません。
したがって、私の意見では、AI が写真業界に与える影響は限られています。
ドラフト作成の高速化は可能かもしれませんが、最終的な製品の撮影に代わるものではありません。

モデルとアパレル業界の真のジレンマ

モデルの状況は少し複雑です。
AIが生成したモデルの写真は、確かに衣服のイラストとして使うことができます。
しかし、それは単なる「参考画像」です。
実際に商品を出品する前に、実際の商品の写真を撮る必要があります。

私自身も同じようなケースに遭遇したことがあります。
ブランドとコラボレーションして羽織をデザインしたとき
予算を節約するために、AI を使用してモデル写真を生成することを提案する人もいます。
しかし問題は…
AIは間取り図のレイアウトを理解できるのか？
サイズデータに基づいて、その服を着た人の適切な写真を生成できますか?
今のところ絶対に無理です。
姿勢を真似することはできるが、
生地の重さ、折り目、反射などは正確ではありません。

結局、それを着て写真を撮る人を雇わなければなりません。
AI は物理的な製品の製造には役立ちませんし、デザインの修正にも役立ちません。
そのため、アパレル業界にとっては、視覚的なおもちゃのようなものです。
代替品ではありません。

写真家がAIに取って代わられる可能性が最も低い理由

写真家は最も安全なグループかもしれないとさえ思います。
なぜなら、彼らは「現実には存在しない」シーンを撮影していたからだ。
商品、建築物、展示会、人々の活動などはすべて現地で撮影する必要があります。
AIは過去の画像スタイルを生成できます。
しかし、明日の新製品がどのように登場するかを予測することは不可能です。

商業写真の価値は「実物をより良く見せること」にあります。
AIはこのタスクを置き換えることはできません。
これを使って「偽の画像」を生成することができます。
しかし、顧客が本物を求めている限り...
結局、カメラに戻らなければなりません。

私はよくこう冗談を言います。
AIはあなたの理想のタイプを生成するのに役立ちます。
しかし、将来の彼女の顔を描くことはできません。
この声明は業界にも当てはまります。

第13章の要約: AIは怖くないが、人々は冷静になるべきだ

驚きから平穏へ：AIは単なるもう一つの鏡

私たちは皆、ここ数年で「AI 熱狂」を経験したと思います。
最初は誰もがショックを受け、好奇心を抱きました。
すると、一部の人々は恐怖を感じ始め、一部の人々は依存し始めました。
ついに私たちは徐々に発見した。
AIは神でも悪魔でもなく、単なる鏡に過ぎません。

それは、より速く、より強く、そして労力を節約したいという私たちの願望を反映しています。
これはまた、私たちの盲点を反映しています。私たちは学ぶのが面倒くさすぎ、区別するのが面倒くさすぎ、考えるのがとても面倒くさすぎます。
AIが人間に非常に似ている理由は...
魂があるからではなく、
それは、私たちがやりたくない人間性の部分を満たすためにそれを使ったからではありません。

ツールとクリエイターの境界

AIにとっての問題は「使えるかどうか」ではありません。
「どのように使いたいか」ということではありません。
強力なペンですが、ペン自体が勝手に書けるわけではありません。
これは安定拡散と同じ概念ですが、これを偽造に使う人もいます。
世界観を作ったり、キャラクターを描いたり、インスピレーションを広げるために使う人もいます。

これが重要なポイントだと思います。
AIには創造的倫理が欠けているが、人間にはある。
だから、それを使って創作する人たちは、
「責任」の意味をこれまで以上に理解する必要があります。
以前は、壊れたときに修理する必要がありました。
今では、悪いアイデアが増幅されています。

テクノロジーの終焉は選択の問題である

AIが人間に取って代わるとは思わない。
しかし、それによって私たちは「人間」を再定義せざるを得なくなると思います。
かつては、創造はテクノロジーに依存しており、最初にアイデアが生まれ、その後に実装されていました。
今日、創造は選択に依存し、結果から意味を選択します。
AIのおかげでボタンを押すのが驚くほど簡単になりました。
さらに難しいのは、「ボタンを押す前に何をしたいのか？」という部分です。

おそらく本当の懸念は、AIが人類を滅ぼすかどうかではない。
むしろ、私たちがそれを自分たちの代わりに決めさせることにどんどん慣れていくと...
私たちは徐々に自分自身で考えることを諦めつつあるのでしょうか？

最後に

私は AI を否定しているわけではありませんし、それを魔法だと考えているわけでもありません。
ただ、観る人がもう少しリアルに感じてもらえたらいいなと思っています。
それは役に立つかもしれないが、あなたを強くするわけではない。
美しいものを生み出すことはできますが、それは創造と同じではありません。
時間は節約できますが、忍耐力も消耗してしまいます。

「AIは人間に取って代わるのか？」と問うのではなく、
代わりに、「AI が私たちのためにすべてを行った後、私たちは何を残したいのか」と自問する必要があります。

おそらく皆さんは私の立場について疑問に思っていることでしょう。AIを恐れるべきか、それとも受け入れるべきか?

少なくとも、あなたも私も、もはや AI の影響から完全に逃れることはできません。
インターネットは徐々に AI 製品によって支配されつつあります。
ただし、確実に区別できる方法がない限りは。
遅かれ早かれ、彼らはこの遅効性の毒を摂取することになるだろう。

AIはあらゆる情報の閾値を下げていますが、上限は変わっていません。
今後は、AI によって改良された低品質の製品が増えるだけでしょう。
しかし、AIツールの使い方を知っている人間を超えることは決してできません。
したがって、しっかりとした基盤を持つことが不可欠です。
将来、人間は2種類しかいないでしょう。
AI を使ってより高いレベルに挑戦するエキスパートもいれば、AI テンプレートを楽しみのためだけに使うフォロワーもいます。