ジェネレーティブ AI とは何ですか?

ChatGPT、Bing AI、Google Bard は、消費者向け人工知能の世界で最もよく知られている名前の一部です。3 つの製品にはすべて、Generative AI 製品であるという共通点があります。

しかし、ジェネレーティブ AI とは一体何でしょうか?また、この分野に対する最近の情熱を引き起こしたものは何でしょうか?

ジェネレーティブ AI とは何ですか?

「Generative Artificial Intelligence」の略称である Generative AI は、テキスト、オーディオ、ビデオ、画像などの独自のコンテンツをオンデマンドで生成できる AI システムの一種です。分類やデータ分析などのタスク用に設計された一部の従来の AI システムとは異なり、生成 AI モデルは、提供された指示に基づいて新しいまたは革新的な出力を生成することに重点を置いています。

Generative AI は新しいテクノロジーのように思えるかもしれませんが、実際には数十年前から存在しています。少なくとも 1960 年代初頭から、いくつかのバージョンと形式が存在しています。人工知能は広大な分野であり、生成 AI はその一部にすぎません。

ChatGPTや Google の Bard AIなどの生成 AI ツールを使用する最も魅力的な側面の 1 つは、ニーズに合わせたコンテンツを生成できることです。ChatGPT にウィリアム シェイクスピアのスタイルで詩を書くように依頼すると、シェイクスピアの作品に非常に似たものが得られます。ドナルド・トランプ風のスピーチを作成するように依頼すると、元米国大統領の口調を印象的に模倣したものが得られます。では、人工知能はどのようにしてこのような魅力的な偉業を生み出すことができるのでしょうか?

生成 AI の仕組み

生成 AI モデルの動作メカニズムには、多くの異なる深層学習技術とアルゴリズムの複雑な相互作用が含まれます。Generative AI モデルがどのように機能するかの正確な詳細は、その目標と基礎となるアーキテクチャによって異なります。たとえば、オーディオ クリップを作成するための Generative AI モデルには、ビデオやテキストの作成に使用されるものとは異なる操作メカニズムがあります。

ただし、すべてではないにしても、その核心部分では、ほとんどの生成 AI モデルは基本レベルで同様に動作します。彼らは大量のデータから学習し、パターンとデータ型をキャプチャし、次にキャプチャしたこれらのパターンを使用して、トレーニング データで学習したものと同様のパターンを再現します。

Generative AI ツールは作曲家として考えることができます。この作曲家が数え切れないほどの曲を聴き、いくつかの音楽ジャンルのハーモニー、メロディー、リズム、構造を研究したと想像してみてください。言い換えれば、この作曲家は多くの音楽ジャンルに精通しているということです。この知識があれば、作曲家は学んだことにインスピレーションを得て、オリジナルまたはユニークな音楽を作成することができます。

したがって、彼らがポップ ミュージックについて多くのことを学んでいれば、ポップ ソングの作曲を依頼することができ、彼らは問題なく作曲するでしょう。作曲された音楽は、作曲家が学んだことに基づいてポップ ミュージックを理解していることを示します。同様に、Generative AI 製品は、トレーニング データから学習した基礎となる概念に対する AI モデルの理解を実証します。

したがって、車の画像を生成する生成 AI モデルを作成したい場合は、車の画像の巨大なデータセットをモデルに供給する必要があります。印象的なモックアップを作成するには、考えられる限り多くの自動車ブランドやモデルの画像を提供する必要があります。十分なトレーニングがあれば、アルゴリズムは各車のブランドやモデルがどのようなものであるかを学習し、オンデマンドで考えられるほぼすべての車の画像を作成できます。

人気の生成 AI モデル

消費者向け AI 市場では現在、数百の生成 AI モデルが開発または展開されています。知っておくべき人気のあるモデルには次のようなものがあります。

1. 生成事前トレーニングトランスフォーマー (GPT)

ChatGPT 4 は、2023 年 6 月のデータ ポイントに関する質問に答えます

OpenAI によって開発された GPT は、生成 AI 分野で最もよく知られた名前の 1 つです。人気は、会話型 AI モデルとしての有効性と、GPT を基盤テクノロジーとして使用する ChatGPT チャットボットのバイラルな成功にかかっています。これは、プロンプトが表示されたときに人間のようなテキストを生成するように設計された大規模な言語モデルです。Generative AI モデルの典型として、GPT モデルのすべてのインスタンスは、大量の多様なテキスト データでトレーニングされました。

2. パスウェイ言語モデル (PaLM)

PaLM は、クリエイティブな執筆、コード生成、言語翻訳、その他のいくつかのテキストベースの自然言語タスクなど、多くのタスクを実行できる強力な生成 AI モデルです。GPT と同様に、PaLM は Web 上のさまざまなソースから取得した大規模なテキスト コーパスでトレーニングされます。これは、Google の Bard AI を強化する AI モデルです。

3. 音楽言語モデル (MusicLM)

MusicLM は、Google のもう 1 つの生成 AI モデルです。シンプルなテキストプロンプトから「忠実度の高い」音楽を作成するように設計されています。さまざまなジャンルの何千ものトラックでトレーニングされた新世代モデルは、必要な音楽の簡単な説明を入力として使用して、ユニークな音楽を生成できます。

4.ダルイー

DALL-E は、テキスト プロンプトからさまざまな独自の画像スタイルを生成するように設計された OpenAI の AI 画像生成モデルです。これは GPT モデルのマルチモーダル実装であり、インターネット上のさまざまなソースからの多くのテキストと画像のペアでトレーニングされます。

生成 AI モデルに加えて、Midjourney、DALL-E イメージャー、安定拡散イメージャー、ハギング チャットなどの生成 AI 製品や、サポートされているその他の優れた AI 製品も見つかります。

ジェネレーティブ AI の人気が爆発的に高まっているのはなぜですか?

2022 年 11 月 30 日、OpenAI CEO の Sam Altman 氏はツイートで ChatGPT の開始を発表しました。

5 日後、ChatGPT は最初の 100 万人のユーザーを獲得しました。これはどのアプリでも前例のないペースであり、ChatGPT は史上最も急速に成長しているアプリとなっています。ChatGPT は最初のジェネレーティブ AI 製品ではありませんでしたが、AI 製品の世界にその登場により、それ以前のどのテクノロジー製品よりもジェネレーティブ AI が一般の意識に浸透しました。

ChatGPT は生成 AI に関する誇大宣伝の先頭に立ってきましたが、単独でそれを成し遂げたわけではありません。2022 年は、生成 AI ツールが主流になった年として記憶されるでしょう。会話型 AI チャットボットからコードやアート ジェネレーターに至るまで、2022 年下半期は、大衆向けの魅力と実用的な日常使用の両方を備えた多くの AI ツールが初めて市場に登場します。これらのツールにより、その基盤となるテクノロジー (Generative AI) が普及しました。

Bing AI、Google Bard、DALL-E、ChatGPT、Midjourney などの生成 AI ツールは、私たちの日常生活の構造に継続的に織り込まれ、その素晴らしい作品を私たちに紹介し続けています。ChatGPT によって作成された魅力的な投稿であっても、Midjourney によって描かれた驚くほど本物そっくりの画像であっても、Generative AI は日々私たちの常に存在するパートナーとなっています。これが最近のジェネレーティブ AI の人気の起源です。