モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
CG機械学習CGへの扉ディープラーニング安藤幸央GAN月刊エンタメAIニュース河合律子OpenAI音楽ニューラルネットワーク強化学習三宅陽一郎NVIDIA吉本幸記人工知能学会FacebookQA敵対的生成ネットワークスクウェア・エニックス森川幸人モリカトロンAIラボインタビュー自然言語処理ルールベースDeepMindキャラクターAIシナリオGoogleGPT-3大内孝子AIと倫理映画NFTグーグルStyleGAN自動生成倫理デバッグゲームプレイAIメタAICEDEC2019アートプロシージャルSIGGRAPH遺伝的アルゴリズムDALL-E深層学習マイクロソフトビヘイビア・ツリーCEDEC2021CEDEC2020ゲームAI不完全情報ゲームVRナビゲーションAI畳み込みニューラルネットワークCLIPロボットDALL-E2ディープフェイクGDC 2021JSAI2022VFXメタバースGDC 2019マルチエージェントボードゲームNPC画像生成テキスト画像生成懐ゲーから辿るゲームAI技術史CNNデジタルツインテストプレイモリカトロンUnityAIアート小説ファッション鴫原盛之HTN階層型タスクネットワークJSAI2020TensorFlowBERTAdobeMicrosoftイベントレポート対話型エージェントCEDEC2022著作権水野勇太アニメーションガイスターStyleGAN2toioソニーJSAI2021スポーツ研究シムピープルマンガ汎用人工知能マーケティングGDC SummerインタビューバーチャルヒューマンブロックチェーンMidjourneyアストロノーカNVIDIA OmniverseeスポーツAmazonロボティクスeSportsDQNBLUE PROTOCOLシーマンMinecraftアバターUbisoftGenvid TechnologiesAlphaZeroTransformerGPT-2カメラ環世界中島秀之哲学理化学研究所DARPAドローンシムシティバイアスMCS-AI動的連携モデルTEZUKA2020AI美空ひばり手塚治虫スパーシャルAIElectronic ArtsメタデータLEFT 4 DEAD通しプレイOpenAI Five本間翔太CMピクサープラチナエッグイーサリアム作曲ボエダ・ゴティエビッグデータ中嶋謙互Amadeus Codeデータ分析Microsoft AzureキャリアナラティブアーケードゲームOmniverse ReplicatorWCCFレコメンドシステムNVIDIA DRIVE SimWORLD CLUB Champion FootballNVIDIA Isaac Simセガ柏田知大軍事サイバーエージェント田邊雅彦トレーディングカードトレカ音声認識PyTorchStable Diffusion眞鍋和子バンダイナムコスタジオaibo合成音声Meta齊藤陽介マインクラフトお知らせチャットボットサルでもわかる人工知能VAEOmniverseリップシンキングUbisoft La Forge自動運転車ワークショップメタ知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎEpic Gamesジェイ・コウガミ音楽ストリーミングMIT徳井直生マシンラーニング5GRival Peakクラウド対話エンジン斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーゴブレット・ゴブラーズ絵画AIりんなシミュレーション完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索対談藤澤仁生物学GTC 2022画像認識GTC2022StyleCLIPDeNA長谷洋平masumi toyota宮路洋一OpenSeaGDC 2022教育TextWorldSIGGRAPH ASIAMagentaSFELYZA PencilGTC2021CycleGANデータマイニングNetHackはこだて未来大学フェイクニュースエージェントRPGSIGGRAPH 2022AIボイスアクターNVIDIA CanvasImagenGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープASBS栗原聡モーションキャプチャーぱいどんテキスト生成ナビゲーションメッシュ松井俊浩バンダイナムコ研究所ELYZAフルコトELYZA DIGEST3D音声合成西成活裕Apex LegendsELIZA群衆マネジメントNinjaコンピュータRPGライブビジネスアップルタウン物語新型コロナKELDIC周済涛メロディ言語清田陽司ゲームTENTUPLAYサイバネティックスMARVEL Future FightAstro人工知能史タイムラプスEgo4DAI哲学マップバスキア星新一日経イノベーション・ラボStyleGAN-XL敵対的強化学習StyleGAN3階層型強化学習GOSU Data LabGANimatorWANNGOSU Voice AssistantVoLux-GAN竹内将SenpAI.GGProjected GANMobalyticsSelf-Distilled StyleGAN馬淵浩希Cygamesニューラルレンダリング岡島学AWS SagemakerPLATO映像セリア・ホデント形態素解析frame.ioUXAWS LambdaFoodly誤字検出森山和道認知科学中川友紀子ゲームデザインSentencePieceアールティLUMINOUS ENGINELuminous ProductionsBlenderBot 3パターン・ランゲージ竹村也哉Meta AIちょまどマーク・ザッカーバーグGOAPWACULAdobe MAX 2021自動翻訳MILE模倣学習AIライティングOmniverse AvatarAIのべりすとFPSNVIDIA RivaQuillBotマルコフ決定過程NVIDIA MegatronCopysmithNVIDIA MerlinJasperスタンフォード大学NVIDIA Metropolisパラメータ設計テニスバランス調整協調フィルタリング人狼知能テキサス大学AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleMax CooperFuture of Life InstituteRendering with StyleメディアアートIntelDisney類家利直LAIKADisneyリサーチヴィトゲンシュタインRotomationGauGAN論理哲学論考GauGAN2京都芸術大学ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021PromptBaseDota 2モンテカルロ木探索ディズニーリサーチMitsuba2バンダイナムコネクサスソーシャルゲームEmbeddingワイツマン科学研究所ユーザーレビューGTC2020CG衣装mimicNVIDIA MAXINEVRファッションBaidu淡路滋ビデオ会議ArtflowERNIE-ViLGグリムノーツEponym古文書ゴティエ・ボエダ音声クローニング凸版印刷Gautier Boeda階層的クラスタリングGopherAI-OCR画像判定JuliusSIE鑑定ラベル付けTPRGOxia Palus大澤博隆バーチャル・ヒューマン・エージェントtoio SDK for UnityArt RecognitionSFプロトタイピングクーガー田中章愛実況パワフルサッカー石井敦銭起揚NHC 2021桃太郎電鉄茂谷保伯池田利夫桃鉄GDMC新刊案内パワサカマーベル・シネマティック・ユニバースコナミデジタルエンタテインメント成沢理恵MITメディアラボMCU岩倉宏介アベンジャーズPPOマジック・リープDigital DomainMachine Learning Project CanvasMagic Leap OneMagendaMasquerade2.0国立情報学研究所ノンファンジブルトークンDDSPフェイシャルキャプチャー石川冬樹サッカーモリカトロン開発者インタビュースパコン里井大輝Kaggle宮本茂則スーパーコンピュータバスケットボール山田暉松岡 聡Assassin’s Creed OriginsAI会話ジェネレーターTSUBAME 1.0Sea of ThievesTSUBAME 2.0GEMS COMPANYmonoAI technologyLSTMABCIモリカトロンAIソリューション富岳初音ミクOculusコード生成AISociety 5.0転移学習テストAlphaCode夏の電脳甲子園Baldur's Gate 3CodeforcesCandy Crush Saga自己増強型AISIGGRAPH ASIA 2020COLMAPADOPデバッギングBigGANGANverse3DMaterialGANRNNグランツーリスモSPORTReBeLグランツーリスモ・ソフィーGTソフィーVolvoFIAグランツーリスモチャンピオンシップRival PrakDGX A100VTuberユービーアイソフトWebcam VTuber星新一賞北尾まどかHALO市場分析将棋メタルギアソリッドVフォートナイトFSMRobloxナップサック問題Live Nation汎用言語モデルWeb3.0AIOpsSpotifyスマートコントラクトReplica StudioAWSamuseChitrakarQosmo巡回セールスマン問題ジョルダン曲線メディアMuZero政治クラウドゲーミングがんばれ森川君2号和田洋一リアリティ番組Stadiaジョンソン裕子MILEsNightCafeインタラクティブ・ストリーミングLuis Ruizインタラクティブ・メディアポケモンCodexシーマン人工知能研究所東京工業大学Ludo博報堂ラップSIGGRAPH 2019ArtEmisZ世代AIラッパーシステムARrinnaGROVERプラスリンクス ~キミと繋がる想い~FAIRSTCチート検出Style Transfer ConversationオンラインカジノRCPアップルRealFlowRinna Character PlatformiPhoneデジタルヒューマンDeep FluidsSoul MachinesMeInGameAmeliaAIGraphブレイン・コンピュータ・インタフェースバーチャルキャラクターBCIGateboxLearning from VideoANIMAK予期知能逢妻ヒカリセコムユクスキュルバーチャル警備システムカント損保ジャパン上原利之ドラゴンクエストエージェントアーキテクチャアッパーグラウンドPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者Siemensアルスエレクトロニカ2019品質保証StyleRigAutodesk逆転オセロニアBentley Systemsワールドシミュレーター奥村エルネスト純いただきストリートH100齋藤精一大森田不可止COBOL高橋智隆DGX H100ロボユニザナックDGX SuperPOD泉幸典仁井谷正充クラウドコンピューティングロボコレ2019Instant NeRFartonomousbitGANsぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward Architectureコミュニティ管理ウロチョロスSuper PhoenixSNSProject Malmoオンラインゲーム気候変動Project PaidiaEarth-2Project Lookoutマックス・プランク気象研究所Watch Forビョルン・スティーブンスBing気象モデルLEFT ALIVE気象シミュレーション長谷川誠ジミ・ヘンドリックス環境問題Baby Xカート・コバーンエコロジーロバート・ダウニー・Jr.エイミー・ワインハウスSDGsYouTubeダフト・パンクメモリスタGlenn MarshallThe Age of A.I.Story2Hallucination音声変換レコメンデーションJukebox松尾豊Veap JapanEAPテンセントSIFT福井千春DCGAN医療MOBADANNCEメンタルケア人事ハーバード大学Edgar Handy研修デューク大学Netflixmynet.aiローグライクゲーム東京大学東京理科大学人工音声NeurIPS 2021産業技術総合研究所リザバーコンピューティングプレイ動画ヒップホップキャラクターモーションソニーマーケティングサイレント映画もじぱNBA環境音暗号通貨現代アートFUZZLEAlteration粒子群最適化法進化差分法オープンワールド群知能下川大樹AIFAウィル・ライト高津芳希P2E大石真史BEiTStyleGAN-NADAレベルデザインDETRゲームエンジンSporeUnreal Engineデノイズ南カリフォルニア大学Unity for Industry画像処理SentropyGLIDECPUDiscordAvatarCLIPSynthetic DataCALMプログラミングサム・アルトマンソースコード生成LaMDAGMAIシチズンデベロッパーSonanticTRPGGitHubCohereウィザードリィMCN-AI連携モデルマジック:ザ・ギャザリングAI DungeonUrzas.ai介護西川善司並木幸介Kikiサムライスピリッツ森寅嘉Zoetic AIゼビウスSIGGRAPH 2021ペットストリートファイター半導体Digital Dream LabsTopaz Video Enhance AICozmoDLSSタカラトミー山野辺一記NetEaseLOVOT大里飛鳥DynamixyzMOFLINRomiU-Netミクシィ13フェイズ構造アドベンチャーゲームユニロボットADVユニボXLandGatoAGI手塚眞DEATH STRANDINGマルチモーダル不気味の谷Eric Johnson汎用強化学習AIデザインOculus Questコジマプロダクションロンドン芸術大学生体情報デシマエンジンGoogle BrainインディーゲームSound Control写真高橋ミレイSYNTH SUPER照明Maxim PeterKarl SimsJoshua RomoffArtnomeハイパースケープICONATE山崎陽斗深層強化学習立木創太松原仁浜中雅俊ミライ小町武田英明テスラ福井健策GameGANパックマンTesla BotNEDOTesla AI DayWikipediaソサエティ5.0SphereSIGGRAPH 2020バズグラフXaver 1000ニュースタンテキ養蜂東芝BeewiseDIB-R倉田宜典フィンテック投資韻律射影MILIZE広告韻律転移三菱UFJ信託銀行

CGへの扉 Vol.42:現代の呪文promptが生み出すAIとの新しい関係性

2022.9.15アート

CGへの扉 Vol.42:現代の呪文promptが生み出すAIとの新しい関係性

AI絵師が話題沸騰

Twitter他、SNSで、AIが描いた絵画(画像)が話題になることが多くなりました。これは OpenAI社のDALL-E2の登場はもちろんのこと、Midjourneyが生成する画像の高品質さに多くのユーザーが驚き、その後Stable Diffusionが公開されたことが大きな転機になりました。Stable Diffusionがオープンソースで公開されたことで、手軽さと自由度、拡張性が広がり、一部の先進的な人たちだけがAIを試していた状況から大きく変わり始めました。またその一方、AIの倫理面や著作権に関する議論など、課題となりそうな事項も話題になっています。

Stable Diffusionは、少しずつ小さな学習データで動作するようバージョンアップとともにチューニングが進んでいますが、初期の頃はAWS(アマゾンウェブサービス)の高速・高性能なクラウドA100(GPU*8個)を150,000時間稼働させてもととなるデータセットを解析したそうです。これにはアマゾンからの割引や提携協力があったと考えられますが、単純計算で2億円ほどかかっており、優秀なプログラマがちょっと余暇に試してみましたという規模ではありません。とはいいつつも、MidjourneyもStable Diffusionも現状はとても小規模なチームで開発、運営されています。

ここでAIに思ったような絵を描かせるための文を巷では “prompt” と呼んでいます。promptとは「思い出させる言葉」を意味し、もともと舞台上などで役者がセリフを忘れた時に舞台袖から声をかける、セリフを思い出させるような短い言葉のことです。主に現代ではコンピュータにコマンドを入力する際の、入力を即す記号、例えば “>” や “%”, “#” といった記号のことを示しています。

そして世界中の興味を持った人々がpromptを操り、ファンタジーの異世界での冒険に欠かせない、魔法の「呪文」のように、その使いこなし術にしのぎを削っている状況です。こういったpromptを探る取り組みとともに、どういった仕組みで AIが文章を認識し、ある言葉が生成される画像にどういう影響を与えるのかを探る、Prompt Engineeringと呼ばれる新しいジャンルの技術が広がってきています。

画像からpromptを生成するimg2prompt

さて、Stable Diffusionがいくらオープンソースで公開されたからといって、その膨大な学習結果をすべて把握している人はいません。機械学習をもとにしている限り、開発している本人たちも、未知の部分があるでしょう。現状、世界中の興味を持った人々がさまざまなpromptを入力し、どういったキーワードが生成画像に対してどういった影響を与えるのかを探っている状況です。

そこでそのニーズを逆手にとったimg2promptというサービスが登場してきました。これはその名のとおり、画像(写真)から、その画像を文字で説明する、いわゆるpromptの素材となる文字列を導き出してくれるものです。もちろんStable Diffusionなどの逆を行っているわけではないので、ここでの出力文字列は promptそのものではありません。けれども手元にある画像と同じようなものを描いて欲しい場合、どう文章で表現すればAIに伝わるのかというヒントになることでしょう。特に英文での表現からは学び取ることが多いと思われます。

img2promptにトランプの写真を読み込ませ、文字で表現している事例。もとの写真は、AIが描いたものではなく、UnsplashのJack Hamiltonが撮影したごく普通の写真

出力された文は、「a pile of playing cards sitting on top of a table, a jigsaw puzzle, contest winner, abstract illusionism, shallow depth of field, depth of field, tarot card(テーブルの上に置かれたトランプ、ジグソーパズル、コンテスト受賞作品、抽象的な幻想主義、被写界深度の浅い、被写界深度の深い、タロットカード)」となります。

img2promptで出力されたキーワードをもとにStable Diffusionで描いてみた例。当たらずといえども遠からず

promptの効果を解析するという特殊技能Prompt Engineering

絵画の画風やカメラの設定、好みのアーティストや画家、デザイナーの名前、アニメというキーワードやゲーム名などをpromptに入れることで、何となく好みの絵が描けることが分かってきました。この背景にあるのは、これらの人工知能は、ネット上にある大量の画像から機械学習しているのが理由のひとつです。例えばカメラ撮影用語である「被写界深度(depth of field)」というキーワードを入れると、カメラのボケ具合を真似したような雰囲気のある画像が生成されるわけです。「コンテスト受賞作(contest winner)」というキーワードを入れるだけで、画像(写真)の質がワンランク上がることが予想されます。

単なる想像で、promptと生成画像からその法則性を導き出すのもある種面白いゲームですが、さらにもう一方踏み込むためには、人工知能が文章をどう理解しているのかを追っていくのが得策です。これは、人間がジェスチャーゲームや、異国の知らない言語でコミュニケーションを取ろうとしていることに似ています。

例えば、OpenAI社のDALL-Eは、GPT-3という言語モデルをベースとしており、GPT-3がどう文章を解釈しているかが適切なpromptへの理解へつながります。GPT-3そのものは一般公開されていませんがGPT-3の動作の様子を試してみることのできるGPT-3 Playgroundというサービスが(現在のところ用途に一部制限はありますが)平易な登録をすれば無料で試せます。

先に紹介したトランプの画像から導き出された文言をGPT-3 Playgroundで解析してみると、対応するキーワードがいくつも導き出されます。同じような画像を示す言葉でも、少しずつ範囲が広かったり、狭かったり、具体的に指示している言葉だったり、逆に曖昧すぎる言葉だったり、こういった言葉の羅列から、人工知能がどれけブレて解釈しているのか、また逆にピンポイントで指定できているのかがだんだん分かってくるようになります。目的の画像を得るために、どの言葉を使って範囲を狭めるのか、また逆にどの言葉を並べることで、多様性を生み出すのかを考えることができます。

GPT-3 Playgroundによる文章解析による対話の様子。回答は抄訳で「カードゲームには、さまざまな種類があります。最も人気のあるものには、ポーカー、ブラックジャック、ブリッジなどがあります。トランプは暇つぶしにもなるし、ギャンブルにもなる。」

promptの商業圏PromptBaseの登場

PromptBaseのトップページ、人気のpromptや、最近登録されたprompt事例が随時更新されていく

PromptBase:https://promptbase.com/

SNS上にAIで描かせた画像で好みのものがあった場合、または精巧かつ高品質な驚愕の画像を見かけた際、それがどういったpromptで描かせたのか気になります。promptを隠さず、一緒に公開してくれている人もいますが、その多くは自分だけの「呪文」を見つけた!とほくそ笑んで、画像だけが公開されていることが多いでしょう。

そういった人の欲求の需要と供給、prompt のノウハウを交換するプラットフォームとしていち早くPromptBaseというサービスが登場しました。どの画像も、何となくprompt が想像できつつも、思ったようなpromptにたどり着くのは困難です。求める品質の画像をうみだすpromptの試行錯誤の時間が惜しいと思う人は、数ドルで販売されているpromptを買ってしまうかもしれません。ファンタジーゲームの世界で、呪文の巻物を魔法の修行によってではなく、手に入れた金貨やゲーム内課金によって手っ取り早く手に入れることに似ているといえるでしょう。

広がるprompt文化とAIの倫理面への懸念

急激に進歩を遂げているこの分野では、同時に倫理面や著作権からの整備や議論も進みつつあります。例えば、prompt の安易な事例として、好みの画家や作家、作品の名前を入れると安易に求める画像が生み出せますが、もしそういった画像がネット上に蔓延し、もとの作家の作品画像の検索結果と混ざってしまうことにより、意図しない状況、オリジナル作品を見つけ出せない状況にもなり得ます。

将来的には技術的に見分ける方法や、制度上の扱いがはっきりするかもしれませんが、現状はまだ混沌とした状態です。また、純粋にAIが描いた画像だけでなく、それらを素材として人間が加工したり描き加えたりする画像も増えてくるでしょう。過度に状況が混沌としてしまうと、AIはそもそもどの素材から学習すれば良いのかが分からなくなってくるかもしれません。

Stable Diffusionのオープンソース形式での公開により、さまざまなツールやサービスが「文章から画像を生成する」機能を組み込むことが可能になりました。また、文章を与えて人工知能が画像を生成することそのものが一般化したことで、さまざまなビジネスチャンスや一般的なニーズも生まれてきています。

CogVideoは、94億パラメータを持つpromptから動画を生成するソリューションです。短い動画をアルゴリズムによって選出していくSNS TikTok では AI greenscreen という文章から背景画像を用意する機能が追加されました。PhotoshopのプラグインとしてStable Diffusionを組み込んだツワモノも登場し、大企業や大学の研究機関でなくとも、アイデアひとつでチャンスが生まれる状況に大きく舵が切られた感じがしています。

今後の進化は?

AIが生み出す画像は単なるお遊びでしょうか? それともイラストや絵画を描く人、写真家たちの仕事を脅かす存在でしょうか? まず一番早く代替される可能性が高いのは、プレゼンテーション資料などで用いる画像を探すため、検索で目的の画像を探したり、フォトストックで必要な素材画像を探すことが人工知能生成画像に置き換えられるかもしれないと考えています。

人工知能が進化したら、面倒な仕事は人工知能にまかせて、優雅に絵でも描いて過ごせると考えて考えていた人類は、実は優雅(?)に絵を描いている方が人工知能で、その人工知能に与える呪文を必死で考えているだけであることに気づいてしまいました。今後AIがどう進化し、どう活用していくかは未知数で、人と人工知能が協力しあった新しい描き方なども確立していくかもしれません。言葉をうまく操る「prompt 使い」が重宝され、人気の職業になるのかもしれません。あくまで「道具」として進化していくのか、道具から新しい創作の手順が生まれてくるのかもしれません。

昨今のAIが描く画像の盛り上がりは、人間の根源的な欲求が影響しています。それは人間がもっとも得意とする「言葉」による表現でAIを操れたことにあるのです。AIが描く画像に限らず、これからおおいに活用される人工知能はこの人間の本質を捉えたものになることは間違いないでしょう。

本連載の今後の予定:「CGへの扉」では、単なるAIの話題とは少し異なり、CG/VFX, アートの文脈から話題を切り取り紹介していきます。映像制作の現場におけるAI活用や、AIで価値が高まった先進的なツール、これからの可能性を感じさせるような話題、テクノロジーの話題にご期待ください。何か取り上げて欲しいテーマやご希望などがございましたら、ぜひ編集部までお知らせください。

CGへの扉

Vol.41:AIが促進させるCG研究。SIGGRAPH2022論文より

Vol.40:知見の宝庫。MITの機械学習オンラインコース

Vol.39:言葉から生み出されるアートとは?

Vol.38:AIで作りAIで届ける映像作品

Vol.37:NVIDIA GTC 2022 レポート/アートとAIの視点で

Vol.36:創るためのAI〜AIと人間の創造性の未来:徳井直生氏講演レポート

Vol.35:マーベル・シネマティック・ユニバースを支える機械学習

Vol.34:注目論文よりCGの祭典 #SIGGRAPHAsia2021 を振り返る

Vol.33:AIの必然性 #SIGGRAPHAsia2021 レポート

Vol.32:Adobe Sneaks より進化の方向性を知る

Vol.31:人工知能が考える「顔」と、人が考える「顔」

Vol.30:SIGGRAPH2021レポート「ディープフェイクとの戦い」

≫≫すべてのバックナンバーはこちらから

Contributor:安藤幸央

RELATED ARTICLE関連記事

CGへの扉 Vol.2:なめらかなキャラクタアニメーションと、ディープラーニングの役目

2019.5.15アート

CGへの扉 Vol.2:なめらかなキャラクタアニメーションと、ディープラーニング...

「AI美空ひばり」はなぜ炎上したのか?:栗原聡氏×山野辺一記氏インタビュー(後編)

2020.4.20アート

「AI美空ひばり」はなぜ炎上したのか?:栗原聡氏×山野辺一記氏インタビュー(後編...

ホラー調画像や新種のポケモンも。テキスト画像生成AI活用の基本とアート作品を紹介

2022.3.24アート

ホラー調画像や新種のポケモンも。テキスト画像生成AI活用の基本とアート作品を紹介

RANKING注目の記事はこちら