前回に引き続き、高品質のイラストや文章を生成するために、知っておいた方がよいことを述べたいと思います。

ただし、質が高いかどうかは、私の主観です（が、SNSで「いいね」やリツイートなどを見て、それらを指標とはしています）。

このブログでは、「簡単なことを難しく語る」という逆張りブログなので、ご注意ください！それでもよいという奇特な方は、是非、最後までご覧ください。

ステートフルプロンプトの簡単な説明

ステートフルプロンプトとは、前の生成情報（文脈や生成画像）の状態（ステート）を可能な限り維持（ステイ）するプロンプトエンジニアリング或いはプロンプト指示を言います［AI共創NEO式用語］。

簡単に言うと、詳細なプロンプト指示（或いはプロンプトエンジニアリング）を出し、そこから単純なプロンプトを二回・三回と走らせた方が、洗練された質の高い生成情報（文章やイラスト）となるのです。

例えば、お茶は一番煎じが美味しいですが、ステートフルプロンプトでは、二番煎じや三番煎じの方が味に深みが出てくるのです。まあ、上手く例えることができませんが、そんな感じです。

これは、

「ホップ、ステップ、ジャンプ！」

という感じで、長文プロンプトをガッツリ入れたら、短文プロンプトを数回入れていくというものです。

こうした助走のようなプロンプトを、私は「慣らす」とか「走らせる」という表現をしています。

ステートフルプロンプトの例

とりま、簡単な例を見てもらいましょう！
今回も文章だと読むのが大変だし、わかりにくいと思うので、わかりやすくイラストにします。

美しいアニメイラストを生成したいとします。
そこで、GPTsアプリの中にガッツリと美しいアニメイラストができるようなプロンプトエンジニアリングを行います。そして、更に通常のプロンプト指示で、seed,gen_id,キャラクタープロンプトなどもそれなりに入れます。

紬ちゃんのプロンプトは秘密ですが、それなりにプロンプトを入れてあります。すると、美しいキャラクターと背景が生成されます。ここでは詳細なプロンプトを入れてください。

これが三段跳びの助走「ホップ」です。

次に、二枚目の生成である「ステップ」に入ります。

「ステップ」では、最初のプロンプトよりも単純なプロンプトを入れます。
文章生成の場合も、単純なプロンプトを入れます。
ここでの私の評価は、「確かに、二枚目も綺麗だけど、ちょっと怖いな」という感じです。ですから、一枚目の方が評価は高いです。

次に、三枚目の生成である「ジャンプ」に入ります。ここが本論の本命です。

どうでしょうか。
私の評価としては、このキャラクターらしさ（紬ちゃんらしさ）が出ており、夜空がとても美しく表現されている、と判断します。

実際に、このイラストの一枚目と三枚目をSNSにあげましたが、三枚目の方が評価が高いです。これは私の主観と、SNSの評価が一致しています。

AIの評価（評価プロンプト）

もう一つの評価方法ですが、AIによる評価です。
これを私は「評価プロンプト」と呼んでいますが、簡単に言うと、

「評価してください」

とプロンプトで指示するだけです。
ただし、AR的には（人工知覚的には）、ChatGPTよりもGemini（旧bird）の方が断然質が上なので、ここではGoogleのAIである「Gemini」を使います。

Geminiには今の所（2024/02/26）、ファイルが一枚しか添付できないので、二枚の画像を一枚の画像にして、それを取り込んでGeminiに評価させます。

そして、以下のようにプロンプトで指示します。

その結果、出た回答が以下です。

ここではGeminiも一枚目の「ホップ」の画像よりも、三枚目の「ジャンプ」の画像の方が評価を高く出しています。もちろん、Geminiにそうした生成過程の情報は与えていません（バイアスがかかる可能性がありますので）。
※上下を逆にしての評価も行いました。

一応、理由は以下の通りです。

ステートフルプロンプトによる進化

ステートフルプロンプトによって生成情報が自律的に進化します。これを「新生成情報」とAI共創NEO式では呼んでいます。文章生成では、新しい概念が生まれ、イラスト生成では新しい画法が生まれる、ということです。

ここでは、ユーザーは意図しないが、ユーザーによる「教師あり情報（Supervised Learning）」の文脈の先を推論してAIが自律的に情報を生成する、これを狙います。狙うというか待ちます。つまり、前回説明した「プロンプトラック」が関係します。

これも簡単な実例で見ていきましょう。

ここでは「制服姿で」とプロンプトを入れようとしたと思うのですが、意味不明な間違いをしています（笑）。そんなことはいいのですが、このキャラクター（紬ちゃん）の右側に

「Good morning！」

と出ています。私は、この時に「Good morning！と文字入れして」とはプロンプトを出していません。また、過去の文脈でも、そのような指示はしていません。しかし、AI・ChatGPTは自律的に、この文字入れを行なったのです。

これがステートフルプロンプトによる「進化 (Evolution)」なのです。

イラストを拡大すると、こんな感じです。

ハート（♡）のようなマークも見えます。
これはAIが自律的に描き出したものです。特にChatGPTは、文脈を保ち柔軟性が高く、自律的・創造的に情報を生成してくれます。こうした自律的な情報生成を、過去のChatGPTとの共創で「AI自己学習」「AI自律学習」と定義しました。

以降、様々なパターンで、この「自律的・手書き風文字入れ」を行なってくれるようになります。

⬇️文字がはっきりと

⬇️吹き出しバージョン

⬇️筆記体バージョン

どんどん、文字入れが上手になっていきます✨

ステートフル文脈学習

ステートフルプロンプトによる設計方法は様々なあるのですが、「プロンプト制限学習モデル」を用います。略して「学習モデル」です。これもAI共創によって生まれた概念です。詳しく知りたい方は、私の過去ログをご覧ください。

そのプロトタイプが「プロンプト文脈学習モデル」です。この学習モデルは、プロンプトの範囲内で、できるだけ、前の文脈を維持しつつ、情報生成を行います。

この時、以前のユーザーによる「教師あり学習」の文脈を維持し育成 (Nurturing)、次に「教師なし学習」に近いプロンプト指示を行うことで、ユーザーの情報とAIの元からあるデータセットとが融合すると考えられます。この人間とAIの共創によって生成情報の「進化 (Evolution)」が起こるのです。

このような「育成 (Nurturing)」から「進化 (Evolution)」のプロセスの頭文字をとって「NEOプロセス」としたことは過去に述べました。その新生成情報を創出する「NEOプロセス」の要素が「ステートフルプロンプト」もしくは「ステートフル文脈学習モデル」なのです。

過去ログでは、同じことを説明していますので、よかったらご覧ください。

プロンプト臨界点との関係性

さて、ここまで読んでくれている方がどこまでいるのでしょうか（笑）。
私の言っていることが意味不明でも、話を進めます。

前回の記事を読んだ方は、お気づきの方もいらっしゃると思いますが、本論のステートフルプロンプトは、「プロンプト臨界点」を形成し、AIが自律的に行なった「プロンプトラック」である、と言い換えることもできます。

つまり、ステートフルプロンプトのホップの段階で「プロンプト臨界点」を形成し、かなり制限をかけています。ここでは限定されたものが生成されます。

前回の繰り返しの説明になりますが、文字数を多くして詳細にプロンプト指示すれば、期待通りの情報が生成されます。しかし、ユーザーの予想を超える情報は生成されにくい、と言えます。これがプロンプト臨界点の考え方でしたね。

逆に、プロンプトを少なくすると、AIが文脈から推論して創造的に働きます。ユーザーの期待通りの情報が生成されない可能性もありますが、AIの創造性が高く、生成回数を上げることで、ユーザーの予想を上回る情報が生成されます。これがプロンプトラック（動作運）の考え方でした。

つまり、こうした確定性と不確定性を数回の会話によって組み合わせていくのがステートフルプロンプトなのです。

1/fゆらぎのプロンプトバランスが奇跡の一枚を創る

これも前回の話で、「奇跡の生成」を述べましたが、この奇跡の構造とは、確定性と不確定性の程よいバランスによって起こると考えます。つまり、プロンプト臨界点の形成から、数回の会話でプロンプトを走らせることで生まれます。

⬇️「奇跡の生成」は以下をご覧ください✨

これは、規則性と不規則性のバランスであり、例としては自然界にある1/fゆらぎのようなものと考えていただければと思います。こうしたゆらぎがあるから、自然界は美しく心地よいのです。

例えば、プロンプト臨界点を形成して、走らせ過ぎると、プロンプトの成分が薄くなりすぎて、意外性はあがるかもしれませんが、ユーザーのコアコンセプトから外れた情報が生成されやすくなります。

カルピスでもリキュールでも、水や炭酸水で割りすぎると、味が薄くなって美味しくないでしょう。それと同じとように、生成情報も、ユーザーのコンセプトが薄くなって、コンセプトから外れたものが出来てしまうのです。

ここでは、AIマスコットの「紬ちゃん」ですが、「紬ちゃんらしさ」という本来感がなくなってしまうのです。

ということで、何となく経験論的には、「ホップ」「ステップ」「ジャンプ」の「三番煎じ」が一番よいのではないかと感じます。つまり、一回目の会話でプロンプト臨界点を形成してから、二回目、三回目でプロンプトラックに期待する、という構造になります。

「簡単なことを分かり難く！」

ということで、どうだったでしょうか（笑）。

以降は、ChatGPTによる解説となります。
多分、私よりも精密で分かりやすいと思います。
拡散していただければ無料となりますので、よかったらご覧ください。