ジェネレーティブAIとはどのようなものなのか？

ジェネレーティブAIは、オーディオ、コード、画像、テキスト、シミュレーション、ビデオなどの新しいコンテンツの作成に使用できるアルゴリズム(ChatGPTなど)を持っています。

この分野における最近の進歩は、コンテンツ作成への取り組み方を劇的に変える可能性を秘めています。

ジェネレーティブAIは、機械学習という広範なカテゴリに分類されます。

そのようなシステムの1つであるChatGPTは、そのシステムで何ができるかを、次のように説明しています。

創造性を次のレベルに引き上げる準備はできていますか?

ジェネレーティブAI以外に目を向ける必要はありません。

この機械学習形式により、コンピューターは、音楽やアートから仮想世界全体に至るまで、あらゆる種類の新しくてエキサイティングなコンテンツを生成することができるようになります。

そして、それはただ楽しむためだけではありません。

ジェネレーティブAIには、新しい製品設計の作成やビジネス プロセスの最適化など、実用的な用途もたくさんあります。

ChatGPTとDALL-Eについて

現在、ChatGPT (GPTはGenerative Pretrained Transformerの略)が大きな注目を集めています。

これは、ほとんどの質問に対する回答を生成できる無料のチャットボットです。

このAIは、OpenAIによって開発され、2022年11月に一般向けにテスト用にリリースされました。

ChatGPTは、すでに史上最高のAIチャットボットとみなされ、わずか5日間で登録者数が100万人以上になりました。

ChatGPTに対して期待した人々は、チャットボットがコンピューターコード、大学レベルのエッセイ、詩、さらにはジョークを生成するなどの投稿をしたりしました。

多くの人がChatGPT (およびより広範な AI と機械学習) に対して悪用される恐れがないかについて、懸念を示していますが、機械学習には明らかに良い方向に向かっているように見受けられます。

ChatGPTが広く導入されて以来、機械学習は多くの業界に影響を及ぼし、医療画像分析や高解像度の天気予報などを実現してきました。

2022年のマッキンゼー社の調査によると、過去5年間でAIの導入が2倍以上に増加し、AIへの投資なども急速に増加しています。

ChatGPTやDALL-E (AI生成アート用ツール) などの生成AIツールが、さまざまな仕事のやり方を変える可能性を秘めていると言えます。

しかし、その影響の全容は依然として不明であり、リスクも模索段階です。

機械学習と人工知能の違いは何ですか?

人工知能とは、その名前のとおり人間の知能を模倣して機械にタスクを実行させるプログラムです。

恐らくあなたも、意識していなくてもこれまでAIと対話したことがあることでしょう。

SiriやAlexaなどの音声アシスタントは、AI テクノロジーに基づいて構築されています。

機械学習は人工知能の一種です。

機械学習を通じて、専門家は人間の指示なしにデータパターンから「学習」できるモデルを通じて人工知能を開発します。

現在生成されている人が処理するのに不可能なほど膨大な量と複雑なデータは、AIを使った機械学習の可能性とその必要性が増大しています。

機械学習モデルの主な種類は何ですか?

機械学習は、18世紀から20世紀にかけて小規模なデータセット用に開発された古典的な統計手法をはじめとする、多数の構成要素に基づいて構築されています。

1930年代と1940年代に、理論数学者のアラン・チューリングを含むコンピューティングの先駆者たちは、機械学習の基本的な技術開発に取り組み始めました。

しかし、これらの技術は、科学者がそれらを搭載するのに十分に強力なコンピュータを初めて開発した 1970年代後半まで、研究室のみで使用されていました。

最近まで、機械学習は主に、コンテンツ内のパターンを観察して分類するために使用される予測モデルに限定されていました。

たとえば、古典的な機械学習の問題は、たとえば猫のパターン認識は、一つの愛らしい猫のパターンに対して、複数の画像を読み込ませることから始めることです。

次にAIのプログラムは、画像の中からパターンを特定し、ランダムな画像の中から愛らしい猫のパターンと一致する画像を精査します。

ジェネレーティブAIは、これまで以上に画期的な技術となりました。

機械学習は、単に猫の写真を認識して分類するのではなく、オンデマンドで猫の画像またはテキストによる説明を作成できるようになりました。

テキストベースの機械学習モデルはどのように機能するのでしょうか?

現在、ChatGPTは、この分野におけるAI技術でかなりの注目を浴びていますが、最初のテキストベースの機械学習モデルというわけではありません。

OpenAIのGPT-3とGoogleのBERT（バート）は、どちらも初めてのAI技術のように公開されました。

しかし、ChatGPT が登場する前は、AI チャットボットは常に最高の評価を得ているわけではありませんでした。

テキストを処理する最初の機械学習モデルは、研究者が設定したラベルに従ってさまざまな入力を分類するように人間によってトレーニングされました。

一例として、ソーシャル・メディアの投稿にポジティブまたはネガティブのいずれかのラベルを付けるようにトレーニングされたモデルが挙げられます。

このタイプのトレーニングは、人間がモデルに何をすべきかを「教える」役割を担うため、教師あり学習として知られています。

次世代のテキストベースの機械学習モデルは、各モデルごとの教師があり、それぞれのモデルでAIが学習して違った成長を遂げていく専門家モデルになると予測されています。

このタイプのトレーニングには、予測を生成できるようにするために、モデルに大量のテキストを供給することが含まれます。

たとえば、一部のモデルは、いくつかの単語に基づいて、文がどのように終わるかを予測できます。

適切な量のサンプル・テキスト (たとえば、インターネットの広範囲) があれば、これらのテキスト・モデルは非常に正確になります。

こでらのことは、現在のChatGPTのようなツールの成功により、今後どれだけの可能性があることが、ある程度予測できることができるようになりました。

ジェネレーティブAIを構築するには何が必要ですか?

ジェネレーティブAIの構築は大部分が大事業であり、これまでに試みを行ったのは、十分なリソースを持ったテクノロジー界の専門家だけでした。

ChatGPT、旧GPTモデル、およびDALL-Eを支援するOpenAIは、寄付者から数十億ドルの資金を集めています。

DeepMindはGoogleの親会社であるAlphabetの子会社であり、MetaはジェネレーティブAIに基づく Make-A-Video製品をリリースしました。

これらの企業は、世界最高のコンピューター科学者やエンジニアを採用しています。

しかし、ジェネレーティブAIに必要なものは、優秀な頭脳だけではありません。

ジェネレーティブAIに対して、インターネットを使用してモデルにトレーニングをすると、非常にコストがかかります。

OpenAI は正確なコストを発表していませんが、GPT-3は約45テラバイトのテキスト・データ (本棚スペース約100万フィート、米国議会図書館全体の4分の1) でトレーニングされたと推定されています。

ジェネレーティブ AI はどのような種類の出力を生成できますか?

上記でお気づきかと思いますが、ジェネレーティブAIからの出力は、人間が生成したコンテンツと区別がつかない場合や、反対に少し奇妙に見える場合があります。

ジェネレーティブAIの出力結果は、モデルの品質に依存します。

これまで見てきたように、ChatGPTの出力は以前のAIの出力よりも優れているように見えます。

ChatGPTは、大学の論文レベルの文章を数秒で作成できると言われています。

またDALL-Eのような画像生成AIは、ラファエロの聖母子の絵のような、プロの画家の品質の画像を言葉による入力で生成することができます。

しかし、これらのジェネレーティブAIの出力が、常に正確であるとは限らず、また、適切であるとも限りません。

例えば、ChatGPTは、数を数えたり、基本的な代数問題を解くのが難しいようです。

さらに、これらのジェネレーティブAIは、インターネットや社会の底流に潜む性差別や人種差別の偏見を克服するのにも苦労しているようです。

ジェネレーティブAIの出力は、アルゴリズムのトレーニングに使用されるデータの組み合わせを注意深く調整したものです。

しかし、ジェネレーティブAIを訓練させていくことは、私達のあらゆる分野において、影響を及ぼすことは間違いありません。

これらのアルゴリズムのトレーニングに使用されるデータの量は信じられないほど膨大であるため、出力を生成するときにモデルが「創造的」であるように見える可能性があります。

さらに、モデルには通常、ランダムな要素が含まれているため、1つの入力リクエストからさまざまな出力を生成できるため、より本物のように見えます。

ジェネレーティブ AIはどのような種類の問題を解決できますか?

おそらく、ChatGPTのようなジェネレーティブAIが、無限の時間のエンターテイメントを生成できることを夢見た人も多いはずです。

ジェネレーティブAIの可能性は、今後、様々な企業にとって、チャンスであることは明らかです。

ジェネレーティブAIは、信頼性の高いさまざまな文章を数秒で作成し、改善していくことで生成した文章をより目的に適合させることができます。

これは、AIモデルによって生成された決まったパターンのコードがある分野であるITおよびソフトウェアの分野に端的に影響を及ぼすことでしょう。

またジェネレーティブAIは、マーケティングやコピーを必要とする分野など、幅広い業界に影響を及ぼしていくことでしょう。

つまり、明確な文書を作成する必要がある分野などは、ジェネレーティブAIによって潜在的に利益を得ることができます。

また医療分野などでは、こうしたジェネレーティブAIを使用することにより医療画像の高解像度バージョンなど、より技術的な資料を作成することもできます。

そして企業においては、ジェネレーティブAIで節約された時間とリソースを利用して、新しいビジネスチャンスやより多くの価値を生み出すチャンスを追求することができます。

ジェネレーティブAIの開発はリソースを大量に消費するため、最大かつ最高のリソースを備えた企業以外には極めて困難であることがわかりました。

ジェネレーティブAI活用を検討している企業には、ジェネレーティブAIをそのまま使用するか、特定のタスクを実行するように改造して使用するかの選択肢があります。

AIモデルの限界と、それを克服していく方法について

これらは非常に新しいため、ジェネレーティブAIのロングテール効果はまだ確認されていません。

ジェネレーティブAIが生成する出力には、非常に説得力があるように聞こえる場合があります。

これは使用方法によるところの影響が大きく、生成された情報がまったく間違っている場合もあります。

さらに悪いことに、偏見があり（ジェンダー、人種、インターネットや社会全般のその他の無数の偏見に基づいて構築されているため）、非倫理的または犯罪行為を可能にするために操作される可能性があります。

ジェネレーティブAIに依存している組織は、偏ったコンテンツ、攻撃的なコンテンツ、または著作権で保護されたコンテンツを意図せず公開することに伴リスクを考慮する必要があります。

ただし、これらのリスクはいくつかの方法で軽減することができます。

まず、有害なコンテンツや偏ったコンテンツが含まれないように、モデルのトレーニングに使用する初期データを慎重に選択することが重要です。

次に、分野において、既製の生成AIモデルを採用するのではなく、より小規模で特殊なモデルの使用を検討することができます。

より多くのリソースを持つ企業などは、ニーズに合わせてバイアスを最小限に抑えるために、独自のデータに基づいて一般的なモデルをカスタマイズすることもできます。

ジェネレーティブ AI の今後の可能性について

これまで、ジェネレーティブAIについて解説していきました。

現在、ジェネレーティブAIに対して、様々な見解があり、ジェネレーティブAIの発展が早すぎて、法整備が追い付いていないという見方もあり、一旦ストップさせようとの声も上がっています。

ジェネレーティブAIの技術の発展は、指数関数的な発展を遂げており、その発展スピードは、私達の想像をはるかに超えた発展をしていっているものと思われます。

そういったことから、倫理面や法律面、または医療分野などにおいて、いといとな懸念事項も多くあり、世界がこの分野を使用するのにまだまだ懸念する内容も多く見受けられます。

しかし、医療分野などで、人間の処理能力をはるかに超えたジェネレーティブAIの出力が、多くの命を救う可能性を秘めたものであるといった、可能性についても、期待されていることでもあります。

これからの時代は、今後ますます、ジェネレーティブAIから目を離せなくなっていくでしょう。

そんな時代だからこそ、私達人間が持っているコミュニケーション能力などの人との繋がりをこれまで以上に意識していく必要があるのではないでしょうか？

この記事は以上となります。

ここまで読み進めていただき、ありがとうございました。