こんにちは！特許調査の仕事をしてます、酒井といいます。
この記事は
　・Googleとかの検索に使う「キーワード」と
　・生成ＡＩに送る指示とか「出力する空間」
について書きます。　下記記事の続き的な位置づけです。

上記記事の最後では、こんな事を書きました。

大規模言語モデル（ＬＬＭ）は無限にある言葉 × 質問文（入力文）の中から
一番確率の高い単語を繋げて回答しているので
「普通っぽい質問」をしたら、普通っぽい出力が返される可能性が高い
って事でした。

Web検索と入力語（検索語）

一方、一般的な検索エンジンでも似たような事がありますよね。
入力によって出力がガラッと変わってしまう現象です。
次の画像をご覧ください。

左は「マンホール」右は「人孔」で検索して、
ヒットした画像を比較しました。
どちらも同じ物を指す言葉ではありますが
「マンホール」では誰もが目にする「蓋」の部分がヒットしやすく
より専門的な表現の「人孔」は、地下構造も多くヒットします。

ということは･･･
多分、マンホールについて特許調査や先行文献調査をするなら
「人孔」という検索語も知っていた方が有利に働くと思われます。

上記は
「普通の検索も入力キーワードに結構左右されるよね！」という例でした
次は
「生成ＡＩを使う時も、入力文で出力結果が規定されるよね」
という話をします。

先に結論

･･･的なものです。最近はこんな事を考えてます。

現時点での結論を書いたところで
以下、のんびり書いていきます。
タイトルに書いた通り「雑記」です。よろしくお願いします。

出力する空間（画像生成）

仕事でよく使う（であろう）テキスト生成からは少し離れますが
ChatGPT4には「画像生成」の機能があります。　（2024-03時点）
入力はテキストだけでも、画像＋テキストにもできます。

ということで、ChatGPT4にひとつイラストを頼んでみました。
イラストを頼む　＝　入力文　です！
最初の例なので「あえて 出力の方向を絞らない」指示をしています。

出力された画像はこちらです。
アヒルの数はかなり増えましたけど「無難に描けてる」感じですよね

もちろん 大規模言語モデルと画像生成という違いはありますが、
以下、「直感的なわかりやすさ」重視で
　　入力　＝　テキスト　　出力　＝　画像
の例で説明していきます。

ということで、
出力の方向性を絞らない場合、上記画像のように
「THE・普通」「THE・無難」「余分な属性の加わっていないアヒルの絵」
を返してくれる可能性が高い、と思われます。

なので「余分な属性の加わっていないアヒルの絵」を求めていたら
上記の出力でOKですけど、
もしも、内心
「ＡＩにイラスト頼んだら良い感じに背景とか加えて
　そんなに写実的でもないイラストを描いてくれるんだろうな･･･」

とか思ってたら
「ＡＩ、全然思ってるようなイラスト描いてくれなーい！」
ってなると思います。（苦笑）

しかし、ＡＩって「入力もしていない こちらの意図」を
汲み取って動くのは無理なので、上のような絵柄を作りたかったら
「背景を加えて」「桜の木と針葉樹と建物」とか
「マンガのようなタッチで」とか、指示を加える必要があるんですよね
このような指示を加える事を

「出力する空間を絞る」と言う（らしい）

のです。私も最近覚えました！笑

以下、Ｘにわかりやすい画像があったので引用です。

以下は先ほどの「あひるの写真」起点のイラストです。
「出力する空間を絞ったり変えたりすと、
こんなに出力結果が変わるよー！」という例です。

「入力文の重要さ」が伝わると嬉しいんですが、
でもでも お遊びなので、どうぞ気軽にご覧ください。

画像生成ＡＩとの遊びは以上です！

同じ入力画像を使っていても
出力する空間（「イラストのスタイル」に相当）を変えると
大幅に出力結果が変わる例、でした。

テキスト情報の出力だと、
直感的には違いを判別しにくいかもしれませんが
やはり、同じような現象が起きている、と考えられます。

今日のまとめ：適切な入力語(文)で出力する空間を絞る

今日の雑記では
　　前半：Google検索で　「マンホール」と「人孔」
　　後半：ChatGPT4／DALLEで　「画像生成の出力空間を絞る／変える」
例をそれぞれ扱いました。

これは特に画像生成で遊んでいる時に感じたのですが
出力空間を指定するやり方って、無数にあると思うんですよ

「ルネッサンス」とか「印象派」のように、
教科書に載っているような様式もありますし、
「スチームパンク」は  元々ファンタジー文学なのかな？
「香港のネオンサイン」は 実在の街の特徴を模倣させた感じです。

他にも
「油絵風」「鉛筆画風」（画材）とか
「現代インドで好まれそうなタッチ」とか
「赤を基調にした配色で、彩度は低め」（色彩）とか
「映画のポスター風」「車の広告みたいな感じに」とか･･･？
多分、どんな指定でもできるのだと思われます。

なので、素の状態（？）で勝負するなら
「ボキャブラリーが多い方が有利」なのかもしれないけど
そこは「あらゆる言葉を知っているらしいＬＬＭ」を
うまく使えたらいいなぁ、とか思っています。

つまり
「どうにかして出力空間を絞るヒントを
　生成ＡＩから引っ張りだせないかな？」って事です。

ええと
長くなってしまったので、今日はこのへんで。
次回に続きます。