画像生成AIとは

画像生成AIとは、言葉で指示するだけで、それに合った画像を作り出すAIです。「夕暮れの海辺を走る犬」と打ち込めば、その情景の絵や写真のような画像が出てくる、という具合。文章から絵を起こす(テキストから画像生成)のが基本で、広告やデザイン、企画のたたき台づくりなどで活用が広がっています。

どんな仕組みで作るのか

画像生成AIを支えているのは、大量の「画像とその説明文」のセットから学んだ、言葉と見た目の対応です。近年の主流は「拡散モデル」と呼ばれる方式で、ノイズだらけの状態から少しずつ絵を整えていくように画像を作ります。かつては偽物そっくりを作るGANという技術もよく使われました。代表的なサービスにDALL·E、Midjourney、Stable Diffusion、Adobe Fireflyなどがあります。

2022年に一気に広まった

画像生成AIが世間の話題をさらったのは2022年のことでした。文章を扱うChatGPTが広まったのとほぼ同じ時期に、絵を作るAIも一般に知られるようになった、と捉えると流れがつかめます。ただし研究自体はそれ以前から続いており、ある日いきなり完成したわけではありません。

画像生成AIに関するよくある質問

画像生成AIは、集めた画像を切り貼りしているのですか？

いいえ。この分野の出発点になった2015年の研究がまず確かめたのは、学習に使った写真の中に無い場面を言葉から組み立てられるかどうかでした。いま主流の拡散モデルも、ノイズだけの状態から少しずつ形を整えていく作り方で、どこかの画像をそのまま貼り合わせているわけではありません。

同じ指示を出しても、毎回ちがう絵になるのはなぜですか？

拡散モデルはランダムなノイズを出発点にして形を整えていくため、出発点が変われば仕上がりも変わります。言葉が同じでも同じ絵が返ってこないのは、この作り方に由来する性質です。似た雰囲気で揃えたいときは、言葉を足すよりも、参考画像や設定で出発点をそろえられるかをサービス側の機能で確かめるほうが早道です。