生成AIとは？分類するAIとの違いを解説

これまで使っていたAIは仕分けをしていた。生成AIは物を作り出す

この20年間、日常に溶け込んでいたAIは目に見えず、分類する存在でした。スパムフィルターはスパムかどうかを判定し、写真アプリはどの顔が誰のものかを判定し、銀行は不正かどうかを判定し、レコメンドエンジンは次に何を表示するかを順位付けしました。これらはすべて、既に存在するものにラベルやスコアを付ける作業です。AIとはでは、このより広いAIの分野を扱っています。

生成AIはその方向を逆転させます。画像を受け取って「猫」と出力する代わりに、「夕暮れの窓辺にいる猫」という言葉を受け取って画像を出力します。メールを評価する代わりに、メールそのものを書きます。モデルは何百万もの事例のパターンを十分に学習し、それに合う新しいものを作り出せるようになったのです。

この逆転こそが、この技術が一般に広まった唯一の理由です。分類は誰か別の製品の中の一機能にすぎませんが、生成はそれ自体が製品になります。リクエストを入力すれば、何かが返ってくる。ChatGPTは2022年11月30日にローンチし、ロイターが2023年2月1日に報じたUBSの分析によると、ローンチから2か月後の2023年1月に月間アクティブユーザー数が推定1億人に達し、当時としては消費者向けアプリケーションとして最速の記録でした。これは初めて、モデルの出力そのものが製品の価値になったからです。

その後に続いたのは緩やかな流れではありませんでした。モデルリリースの年表は、その日以降の41件の主要ローンチを追跡しており、そのうち31件が2025年から2026年にかけて登場しています。オレンジ色は推論モデル、またはシンキングモードを備えたファミリーを示し、色付きの区間はo1-previewから始まります。

すべての生成モデルは「もっともらしい例」を学び、それを作り出す

すべての生成モデルは根本的に同じ方法で訓練されます。膨大な数の例を見せて、もっともらしい例とはどういうものかを学習させるのです。そして利用時には、そのパターンとプロンプトに合う新しいサンプルを作り出すよう指示します。

テキストの場合、モデルは次のトークンを予測することを学習し、一度に一つずつトークンを生成して回答を作ります。詳しくはLLMとはをご覧ください。画像や動画では、拡散モデルという手法が主流です。モデルは画像からノイズを少しずつ取り除く方法を学習し、生成時には純粋なノイズから出発して、テキストによる説明に導かれながら段階的にノイズを取り除いていきます。多くの画像モデルが採用するレシピは、HoとJain、Abbeelによる2020年のDenoising Diffusion Probabilistic Modelsの論文で、それ以前に主流だった敵対的生成ネットワーク(GAN)は2014年のGoodfellowらの論文に由来します。音楽生成モデルは、この二つのどちらかを応用したものがほとんどです。

覚えておくべき結論は、これらすべてが「真実」ではなく「パターンに合うもの」を作り出すという点です。テキストモデルは引用の形をした引用を作り出します。画像モデルは手の形をした手を作り出しますが、時には指が6本になることもあります。流暢さと誤りは同じ根源から生まれており、AIハルシネーションとはではテキスト版の詳細を扱っています。

4つのメディア、4種類のモデル、一つのウィンドウ

2022年当時、生成AIはテキスト、そして別枠で画像を意味していました。2026年になった今、一つのチャット製品が4種類の生成エンジンにルーティングしており、それぞれの背後にあるモデルは異なります。

その背後にある製品上の判断は、これらが動かすコストがそれぞれ異なるため、課金体系も別々になっているということです。テキストの回答は1セントに満たない額ですが、画像は別カウンターで計算されます。動画と音楽はコストの高い項目で、最上位プランに組み込まれています。

Whiziのクレジットの仕組みによると、画像生成はStarterには含まれず、Proでは月100回、Powerhouseでは月500回まで、動画と音楽の生成はPowerhouse限定の機能です。テキストの回答と動画クリップとの差は、500トークンを生成するのと数秒分のフレームを生成するのとの差であり、料金は計算コストに比例します。

生成AIが得意なこと、そして正直な限界

生成AIは、形の決まっているものの初稿を作るのが得意です。メール、要約、関数、商品写真、バックグラウンドトラックなどです。また変換も得意で、既存のものを別の形にする作業、翻訳、要約、読者に合わせた書き換え、スタイルの変更などに強みがあります。そして量産も得意で、人間が2案作るところを20案作り出せます。

構造上、3つの点で弱いです。与えられていない事実(真実ではなくパターンに合うものを生成するため)、細部の精度(6本目の指や、コンパイルは通るが動作が間違っているコードなど)、そして出力が良いかどうかの判断(これは依頼した人自身の責任のままです)。AIの使い方ガイドは、こうした限界の中で実践的に活用する方法をまとめています。

判断基準はこうです。良い結果を作り出すよりも早く見分けられるなら、生成AIはその作業に適したツールです。良い出力と悪い出力を見分けられないなら、その作業にはまだ向いていません。

生成AIは機械学習の一分野で、機械学習はAIの一分野

人工知能(AI)は上位概念で、人間が行えば知的だと感じるあらゆる作業を行うソフトウェアを指します。機械学習は現代のAIの多くが使う手法で、ルールをプログラムで与えるのではなくデータから学習します。生成AIは、出力が新しいコンテンツである機械学習の一分野です。大規模言語モデルはテキスト向けの生成モデルです。チャットボットはそれを包んだアプリです。それぞれが一つ前の概念の部分集合であり、AI用語集にはすべての用語が一か所にまとまっています。

実践的な読み方としては、ある製品が「AIを使っている」と言うとき、どちらの種類かを尋ねてみましょう。仕分け、順位付け、予測をするなら従来型のAIで、おおむねうまく機能します。生成するなら新しい種類のAIで、出力を確認する人が必要です。