AIが進化してきて、最近はChatGPTを中心に会社や公的機関での仕事で導入されるようになってきた。
一方で、まだまだ使ったことがない人や使っていてもAIとは何なのかが分からない人も多い。
徐々に社会に浸透してきており、最近ではChatGPTやその他のAIを総称して生成AI（=Generative AI）と呼ばれるようになっている。
そこで、今回は生成AIについてざっくりと分かるまとめを作成する。
これを読むと概要・主要技術・影響の大枠が簡潔に理解できるので、ぜひ読んでみてもらいたい。
それではよろしくお願いします！
生成AIとは？
生成AI（人工知能）は、既存のデータからパターン、構造、関係性を学習し、新しいコンテンツを生成することに特化したAI技術。
テキスト、画像、音声、動画など、さまざまな形式の出力を生成することができる。
現在急速に進化しており、コンテンツ制作やデータ補完、デザイン、芸術、薬物発見など、幅広い分野での応用が期待されている。
生成AIの主要技術
生成AIにあるいくつかの主要な技術を紹介する。
代表的なものに、生成敵対ネットワーク（GAN）、トランスフォーマー（Transformer）、変分オートエンコーダ（VAE）、再帰型ニューラルネットワーク（RNN）がある。
それぞれ異なる特徴や応用範囲があるが、いずれも深層学習技術を用いてデータを生成することを目的としている。
①生成敵対ネットワーク（GAN）
生成敵対ネットワーク（GAN）は、競合プロセスで協力して働く2つのニューラルネットワーク、ジェネレータ（生成器）とディスクリミネータ（識別器）から構成されている。
ジェネレータ（生成器）は新しいデータサンプル（画像や音楽）を生成し、ディスクリミネータ（識別器）はそれらのデータサンプルが本物か偽物かを判断しようとすることで、サンプルの品質を評価する。
このプロセスは繰り返し行われ、ジェネレータ（生成器）はリアルなサンプルを生成する能力を向上させて、ディスクリミネータ（識別器）は本物と偽物のデータを識別する能力を向上させる。
GANは、リアルな画像やアートの生成、既存の画像の変更に使用できる。
②トランスフォーマー（Transformer）
トランスフォーマー（Transformer）は、テキスト生成に優れたAIモデルの一種である。
文章内の単語やフレーズの文脈を理解できるため、生成されたテキストがより整合性があり意味のあるものになる。
記事の執筆、質問への回答、さらには会話エージェントの作成などのタスクに使用できる。
OpenAIのGPT（Generative Pre-trained Transformer）のモデルであるGPT-3やGPT-4などは、その一例である。
大量のテキストデータで訓練され、与えられた入力やプロンプト（指示）に基づいて、文脈に適した整合性のあるテキストを生成することができる。
③変分オートエンコーダ（VAE）
変分オートエンコーダは、データの圧縮と再構築方法を学ぶことで新しいデータを生成できる生成AIの一種。
エンコーダはデータをよりシンプルでコンパクトな形に変換し、デコーダはそのコンパクトな形を元のデータに戻す。
VAEは、デコードする前にコンパクトな形をわずかに変更することで、新しい画像、音声、または他のデータタイプを生成することができる。
④再帰型ニューラルネットワーク（RNN）
再帰型ニューラルネットワークは、過去の情報を覚えておくことができるAIモデルの一種。
テキストや音楽などのシーケンスを生成するのに適している。
RNNは、ループを使ってネットワークのある部分から別の部分に情報を渡すことができ、過去の情報を記憶し、予測に使用できる。
そのため、言語翻訳、音声認識、音楽生成などのタスクに使用できる。
生成AI用語集
生成AIの主要技術や最近出てきたAIの用語について、簡潔に理解するためと、今後「あれ？これってどう言う意味だっけ？」と疑問に思ったときに見返せるように、このパートでは生成AIについての主要&関連用語集を作成した。
ぜひぜひ参考にどうぞ！
| 用語 | 説明 |
|---|---|
| 生成AI（Generative AI） | 既存のデータのパターン、構造、関係性を学習して新しいコンテンツを生成するAIモデル |
| text-to-○○ | テキスト入力をさまざまな出力（画像、オーディオ、ビデオなど）に変換するサービス |
| ニューラルネットワーク（Neural Network） | 脳の神経細胞を模倣した人工知能の基本構造。多層構造でデータを学習し、予測や生成などのタスクを行う |
| GAN（Generative Adversarial Networks） | ・生成敵対的ネットワーク 画像、ビデオなどを生成するための生成AI技術 |
| VAE（Variational Autoencoder） | ・変分オートエンコーダ 画像などのコンテンツを生成するための生成AI技術 |
| RNN（Recurrent Neural Network） | ・再帰型ニューラルネットワーク テキストやオーディオなどのデータ系列を処理するためのニューラルネットワーク技術 |
| Transformer | 翻訳やテキスト生成などの自然言語処理タスクに使用される、ニューラルネットワークの構造 |
| GPT-4（Generative Pre-trained Transformers） | ・生成事前学習済みトランスフォーマー4 人間のようなテキストを生成する大規模なトランスフォーマーモデル。OpenAIによって開発された |
| BERT（Bidirectional Encoder Representations from Transformers） | ・双方向エンコーダ表現からのトランスフォーマー 自然言語処理タスクに使用されるトランスフォーマーモデル。Googleによって開発された |
| DALL-E | テキスト説明から画像を生成する生成AIモデル。OpenAIによって開発された |
| StyleGAN（Style Generative Adversarial Network） | 高品質でフォトリアリスティックな画像を生成するためのGAN。NVIDIAによって開発された |
| WaveNet | スピーチや音楽などの生のオーディオ波形を生成するための生成型AIモデル。DeepMindによって開発された |
| Jukebox | カスタムな歌詞やスタイルで音楽を生成する生成型AIモデル。OpenAIによって開発された |
| MoCoGAN（Motion and Content decomposed Generative Adversarial Network） | ・モーションコントラスティブGAN ビデオクリップを生成するためのGAN。イリノイ大学アーバナ・シャンペーン校の研究者たちによって開発された |
生成AIの影響
生成AIには、コンテンツ生成、データ増強、デザインや芸術、薬物発見など、多くの潜在的な応用がある。
ただ同時に、悪用やバイアス、生成AIから生み出されるものの著作権や生成AIにより仕事を失う可能性がある職業なども出てくる可能性がある。
生成AIを語る上では、これらの影響についても知ることが大事である。
①悪用とバイアスの可能性
生成AIの悪用は、フェイクニュース、ディープフェイク、その他の誤情報の作成につながる可能性がある。
また、学習データに存在するバイアスは、AIモデルがバイアスのある出力を生成する結果となり、有害なステレオタイプや誤情報を継続させる可能性がある。
②知的財産権の懸念
生成AIが人間の生成するレベルに匹敵するコンテンツを作成できるようになると、知的財産権と所有権に関する問題が出てくる。
AIによって生成されたコンテンツの権利を誰が所有するかは、その決定方法も含めて複雑であり、今後進行するであろうトピックの一つである。
③創造的職業への影響
生成AIの能力向上により、創造的職業に影響が出る可能性がある。
AIが生成するコンテンツが、一部の分野で人間の作品に取って代わるのだ。
AI技術を活用しつつ、芸術、デザイン、執筆、その他の創造的な分野での人間の創造性の価値を保持するバランスを見つけることが重要である。
まとめ：生成AIは急速に進化しており、その影響も考える必要がある
生成AIは急速な発展を遂げており、さまざまな分野で革新的な応用が期待されている。
しかし、倫理的懸念や法規制の整備が必要とされるため、技術者や研究者は社会と協力して適切な取り組みを進めることが求められる。
生成型AIが持つ無限の可能性を活かし、より良い未来を築くために、私たちは技術の進歩と倫理的な課題に目を向け続ける必要がある。
最後まで読んでくれて、ありがとう！
ではまた！
