AI によって生成されたものは、なぜいつも同じように見えるのでしょうか?

画像であれテキストであれ、人工知能によって作成されたものを見ると、すでに見たことがあるような印象を受けます。画像はオリジナルではなく、テキストは他のテキストのように見えます。人工知能によって生成されたものには創造性が欠如しているという問題は、ソーシャルメディアや記事で常に議論されています。

この印象の理由は、これらのツールがどのように作成され、どのようにトレーニングされるかというまさに柱にあります。機械学習 (または機械学習) は、現在のほぼすべてのモデルの背後にある秘密であると同時に、結果に限界をもたらします。機械学習中、モデルは、与えられたデータのパターンを観察することによって学習します。

モデルに入力されるデータは通常人間によって作成されたものであるため、モデルは既存のもの間のパターンと関係のみを学習できます。最近、アーティストデータの使用に関する議論が高まり、重要な論点が提起されています。この議論は、生成人工知能における機械学習の使用が、これらの問題の背後にある問題である可能性があることを示しています。

ChatGPT の人気が高まって以来、生成人工知能は人工知能コミュニティ内で最も議論されているトピックです。大手テクノロジー企業は、生成人工知能の分野にリソースと投資を集中させています。その人気が非常に高まっているため、人工知能と生成人工知能が混同されることがよくあります。

人工知能には、予測、分類、回帰などの他の分野もあります。各領域には異なる目的があり、ジェネレーティブに含まれるデータ生成部分は、いくつかのアプリケーションのうちの 1 つにすぎません。最近、変圧器の導入により、発電の可能性が大幅に増加しました。

ほぼすべての分野で共通しているのは、機械学習の使用です。機械学習とは、パターンの観察を通じて機械が学習する一連の手法を指します。そのアイデアは、大量のデータをモデルに供給し、モデルがデータ間のパターンと関係性を識別することを学習することです。

教師あり学習と教師なし学習の 2 種類の学習が一般的です。教師ありとは、入力と応答のある出力がある場合、マシンは関数を通じて入力と出力の関係を学習することを指します。教師なしとは、マシンが入力データを受け取り、それ自体で関係を学習する場合を指します。

人工知能の場合、両方のタイプの学習の組み合わせ、さらにはいわゆる半教師あり学習が発生する可能性があります。一部の生成人工知能学習技術は、人間の顔などのパターンを観察し、それらのパターンを再構築することに依存しています。そのような技術の 1 つが生成ニューラル ネットワーク (GAN) です。

2017 年、Google はトランスフォーマーとともにアテンション レイヤーを導入しました。このパターンの観察中に、注目のレイヤーを使用して画像またはテキスト内の重要な領域に優先順位を付けるという考えです。一部のタイプのトランスフォーマーは、一部のタイプの翻訳者のように監視を通じて学習しますが、他のタイプは複数の方法を組み合わせたものを提示する場合があります。

機械学習は現在のツールで最も使用されている技術であるため、既存のデータを通じて学習します。トレーニングプロセス中にすでに視聴したテキスト、画像、ビデオ。これにより、これらのモデルはすでに知られているパターンを学習し、それらを関連付けて何かを作成します。

これらの既知のパターンに基づいているため、人工知能によって生成されたものはオリジナルに見えないのは当然です。これは多くの人から常に批判されていますが、その理由は学習方法自体が新しいものの創造を制限しているからです。現時点では、既存のものとの関係を作成および構築することしかできません。

これらのツールの多くはインターネット上で取得したデータからトレーニングおよび学習するため、主な批判の 1 つは著作権の問題です。このデータは多くの場合、アーティストによって作成されたアートからのものであり、そのアーティストのスタイルを再現するためのモデルに使用されます。こうすることで、ツールは何かを作成してスタイルをコピーするだけではなくなります。

これは、ツールではオリジナルなものを作成できず、スタイルがアーティストのコピーであることが多いという制限とも関係しています。現在、インターネット上で公開されている画像の著作権に関する議論が行われています。もう一つのポイントは、人間の芸術がなければ、これらのツールは新しいものを生み出すことができないため、限界に達するということです。