atwiki-logo
  • 新規作成
    • 新規ページ作成
    • 新規ページ作成(その他)
      • このページをコピーして新規ページ作成
      • このウィキ内の別ページをコピーして新規ページ作成
      • このページの子ページを作成
    • 新規ウィキ作成
  • 編集
    • ページ編集
    • ページ編集(簡易版)
    • ページ名変更
    • メニュー非表示でページ編集
    • ページの閲覧/編集権限変更
    • ページの編集モード変更
    • このページにファイルをアップロード
    • メニューを編集
    • 右メニューを編集
  • バージョン管理
    • 最新版変更点(差分)
    • 編集履歴(バックアップ)
    • アップロードファイル履歴
    • ページ操作履歴
  • ページ一覧
    • ページ一覧
    • このウィキのタグ一覧
    • このウィキのタグ(更新順)
    • このページの全コメント一覧
    • このウィキの全コメント一覧
    • おまかせページ移動
  • RSS
    • このウィキの更新情報RSS
    • このウィキ新着ページRSS
  • ヘルプ
    • ご利用ガイド
    • Wiki初心者向けガイド(基本操作)
    • このウィキの管理者に連絡
    • 運営会社に連絡(不具合、障害など)
ページ検索 メニュー
AI画像生成・生成系AI 問題まとめwiki
  • ウィキ募集バナー
  • 目安箱バナー
  • 操作ガイド
  • 新規作成
  • 編集する
  • 全ページ一覧
  • 登録/ログイン
ページ一覧
AI画像生成・生成系AI 問題まとめwiki
  • ウィキ募集バナー
  • 目安箱バナー
  • 操作ガイド
  • 新規作成
  • 編集する
  • 全ページ一覧
  • 登録/ログイン
ページ一覧
AI画像生成・生成系AI 問題まとめwiki
ページ検索 メニュー
  • 新規作成
  • 編集する
  • 登録/ログイン
  • 管理メニュー
管理メニュー
  • 新規作成
    • 新規ページ作成
    • 新規ページ作成(その他)
      • このページをコピーして新規ページ作成
      • このウィキ内の別ページをコピーして新規ページ作成
      • このページの子ページを作成
    • 新規ウィキ作成
  • 編集
    • ページ編集
    • ページ編集(簡易版)
    • ページ名変更
    • メニュー非表示でページ編集
    • ページの閲覧/編集権限変更
    • ページの編集モード変更
    • このページにファイルをアップロード
    • メニューを編集
    • 右メニューを編集
  • バージョン管理
    • 最新版変更点(差分)
    • 編集履歴(バックアップ)
    • アップロードファイル履歴
    • ページ操作履歴
  • ページ一覧
    • このウィキの全ページ一覧
    • このウィキのタグ一覧
    • このウィキのタグ一覧(更新順)
    • このページの全コメント一覧
    • このウィキの全コメント一覧
    • おまかせページ移動
  • RSS
    • このwikiの更新情報RSS
    • このwikiの新着ページRSS
  • ヘルプ
    • ご利用ガイド
    • Wiki初心者向けガイド(基本操作)
    • このウィキの管理者に連絡
    • 運営会社に連絡する(不具合、障害など)
  • atwiki
  • AI画像生成・生成系AI 問題まとめwiki
  • AIと人間の学習の違いについて

AI画像生成・生成系AI 問題まとめwiki

AIと人間の学習の違いについて

最終更新:2023年08月26日 23:10

sankakuyama

- view
メンバー限定 登録/ログイン
 昨今のAIによる画像生成技術の発展は目覚ましいものがあります。技術が発達するにつれて、その可能性や問題点についても活発に議論が交わされるようになりました。

 その議題の一つに、「AIの学習の是非」というものがあります。切り口はさまざまですが、とりわけ「人間の学習がOKで、AIの学習がダメなのは何故か?」という意見をよく見かけます。

 ぶっちゃけ「AI 人間 学習 違い」で検索すれば参考になるサイトはたくさんヒットしますし、筆者が見る限り「AIと人間の学習は全く同じです」と説明しているサイトはありませんでしたので、何故このような話になるのかは甚だ疑問です。

 しかしながら、画像生成AIにおける学習という視点から違いを説明したものはあまり見かけませんので、よい機会と思いここに筆者の考えを記します。
AIについては全くの素人ですがものすごく頑張って書きましたので、その点を留意した上でお読みいただけると幸いです。
(追記・修正OKです)

+ サムネイル画像
  • 下の画像はSNS等にこのwikiのURLを貼り付けた際表示されるサムネイルとなることを想定して作った画像です。仮の画像ですので自由に差し替えて頂いて構いません。


★はじめに

 まず初めに書かなければなりませんが、正直なところ昨今のAIの学習と人間の学習は仕組み自体はけっこう似ています。なぜなら、最近のAIの学習プロセスは意図して人間のそれに似せた構造にしているからです。

 そもそも人間の学習プロセスは大きく分けて「認識、記憶、思考」の三段階に分けられます。感覚器官から情報を認識し、脳みその中に記憶し、思考として再構築して結論を導き出す…というのが人間の「学習」という行為のプロセスになります。

 このプロセスを機械学習に応用したのが、いわゆる「ディープラーニング」と呼ばれる技術です。入力された情報に重み(入力値の重要性)を与え、どの情報が重要か判断し、答えを出力させます。詳しく説明しているサイトはたくさんありますので気になる方は検索してみてください。

 ものすごく、ものすごくざっくり説明しますと、例えば、AIに猫の画像を見せたとき「猫です」と答えられれば合格とします。
 ただ、猫はいろいろな種類や形のものがいますし角度によって形も異なりますから、そういう画像を見せても生まれたてのAIは一発で猫と答えられなかったりします。その場合は「これも猫なんだよ」と教えてあげる必要があります。

 このプロセスを繰り返して十分に猫を理解させると、見せたことのない猫の画像を見せても「多分これ猫だと思います」という答えを返してくるようになります。この部分が、ものすごく簡単に説明したディープラーニングにおける「学習」と呼ばれるフェーズです(現在の画像生成AIはノイズをかけた画像から復元する形式が主流のため、実際の学習素材はだいぶ違います)。
 ここまでは人間とAIの学習にはそんなに差がないと言えるでしょう。

★違い1:柔軟性と情報の補完

 さて、人間とAIの違いですが…一番大きな違いとして、「正しい答えを出すのに必要な素材の数が圧倒的に違う」という点が挙げられます。

 人間の学習ならば、上記の猫の場合、例えば猫を横から写した画像を見せて「これは猫だよ」と教えた後に同じ猫を斜め前から写した画像を見せても「これも猫だよ」と答えられるでしょう。同じように、柄が違う猫を見せても猫と答えることが出来ます。これは大人だけでなく、経験の少ない子供でもある程度同じことが出来ます。

 また、空間把握能力に優れたアーティストは写真に写したモチーフを頭の中で回転させたり、反転させて紙に描くことが出来ます。人間の認識がいい意味で曖昧なために柔軟性があり、欠如した部分をアドリブで補完できるようになっているからです。

 対してAIはこの作業があまり得意ではありません。横から見た猫と斜め前から見た猫はあくまで別物だからです。そして、その学習が終わったら次は上から見た猫とか柄が違う猫も別途学習させてあげないといけません。情報の補完が苦手であまり融通が効かないのです。

 また、この文章をお読みの皆さんは一度くらいは「私はロボットではありません」という認証を体験したことがあると思いますが、あれを難しいと感じたことはあまりないと思います。実はあれをAIで突破するにはそれなりの学習が必要なくらい難しいことなのです。

 この「補完が苦手」という弱点を克服するためには膨大なデータ数が必要です。ありとあらゆる状態の猫の画像をたくさん用意しなければなりませんからね。
 以上のことから、「人間は少ない素材から柔軟に情報を補完するのがうまい」ということができ、これはAIと人間の学習の大きな違いといえます。

★違い2:学習手段

 2つ目の違いとして「学習手段」が挙げられます。

 人間が情報を得る手段は多岐にわたります。本や新聞を通したり、他人に教育を受けたりしますし、五感を用いたものはもちろん経験やカンなど物質でないものに由来するものもあります。外を散歩していていきなりいいアイデアがひらめいた経験がある人もいることでしょう。

 AIの学習は基本的に決まったアルゴリズムで行われます。既存の学習素材を突っ込まれたり、WEBサイトをクローリングしたりしてデータを収集します。将棋のAIソフトなどはAI同士で何億局も対戦してデータを収集したりしますね。

 つまり、AIは外を散歩中に急に新しいデータを得る、みたいなことができないのです。だからその分のデータを人の手でどんどん追加してやる必要があります。

 また、人間は手に入れた情報を適宜取捨選択します。どうでもいい情報を忘れたり、そもそも見ないことができるのです。
 AIは手に入れた情報はすべてストックすることができ、また必要なときに完全な形で取り出すことが出来ます。前述の重みに反映し記録します。そのため、学習元の画像を同じ状態で生成することはできません(過学習という状態を起こせば近いものを生成することはできます)。この点もAIと人間の学習の大きな違いです。

★違い3:出力のしかた

 ひとえに「制作の参考にする」といってもその工程にはいくつかの種類があります。ここでは特に著作権に深く関わる「模写」と「転写」について説明します。

 模写とは、「本物そっくりに写し取る」ことです。似せて描く、と言い換えてもいいです。目の前にモチーフを置いてデッサンする場合などはこちらを使うことが多いです。
 一方の転写は、「全く同じものを写し取る」ことを指します。転写はその多くがコピーすることを目的としており、基本的に本物と違うところがほぼ無いのが特徴です。

 このwikiをご覧の方は著作権に興味がある人だと思いますので「盗作」に関するニュースも見たことがあると思いますが、盗作の中でも特に言い逃れが出来ないのがこの「転写」になります。アレンジしないので依拠性や創作性はまず主張できません。

 人間の脳は与えられた情報が脳内である程度曖昧化されるため情報をそのまま出力するのが苦手です。だから転写を行うにはかなり意識して転写の技法を使わないと元のデータとは違うものが出力されます。
 反面、AI、というか機械は転写が非常に得意です。使う人が特別に指示しない限り入力したデータを元の形のまま取り出すのが前提です。(AIと機械を混同していますね。前述の通り、元データの形で保持していないため、元の形で取り出すことは不可能です。)デスクトップのフォルダに入れたデータが取り出すたびに違う形になっていたら使い物にならないですからね。
 しかし画像生成AIが元データと同じものを出力してしまっては逆に使い物になりません。ですから現在の画像生成AIは人間が認識しきれないほどおびただしい数のデータの「特徴」をつぎはぎし、元画像とかけ離れたパッと見オリジナルっぽい画像を出力することでこの弱点を乗り越えようとしています。
 が、それでも、的確に命令するとデータセット内の元の画像とほとんどそっくりの画像が出力されてしまうことがあります。転写を基本としているのは機械の長所でもあり短所でもあるのです。(前述の理由により正しくありません。思い込みでの記述です。再度学習してください。)
 出力は学習プロセスにおける「思考」と密接に関わっていますから、やはりこの点もAIと人間の学習の違いといえるでしょう。

 もちろん人間のアーティストにも著作権侵害にあたる行為をするものはいますし、直接的な転写でなくてもパクリに相当する作品はゴマンとあります。
 しかしながら、世の中には盗作をしないよう心がけているアーティストの方が圧倒的に多いのです。これはTLのイラストやトレパク騒動を注意深く見ていればわかることです。特に商業の場での権利に対する意識はクリエイティビティの高い会社ほど厳しくなってきています。
 一方でAIは内部がブラックボックス化しており、学習データ数も人間が把握できる数を大きく超えてしまっているため意図せず著作権を侵害してしまう可能性は十分にあります。
 実際に、Niji・Journeyではプロンプトを指定せずとも版権キャラを生成してしまうことが頻繁にあり、使用者がオリジナルとして既存キャラを掲載するといった現象も起きています。

 これもやはり、AIと人間の学習プロセス(と、画像生成プロセス)の汎用性の違いが生んだ差だと思います。

★まとめ

 以上のことから、AIの学習と人間の学習はプロセスはぱっと見で似通っていても実際の内容はだいぶ違うと言えるでしょう(本当はもっと違いがあるんですが文章量が倍くらいになってしまうため後続の方にお譲りいたします)。

 これらの違いは画像生成AIの開発で大きな障害でした。膨大な数のデータを集めればある程度は解決できるんですが、そのデータはどこから持ってくるの?という問題があったからです。
 そこにやってきたのがLAION-5Bという58億枚の画像から成るデータのセットで、これにより画像生成AIは大きく発展することになります。
 逆に言えば、58億枚のデータをもってしてようやく画像生成AIは人の目から見てちょっと自然になってきたかな?という水準に到達できたのです。人間の思考(=学習)能力の柔軟性がいかに優れているかおわかりいただけるでしょう。

 おそらく、「AIと人間の学習が同じ」という意見は素材の認識の部分、つまりデータ読み込みの部分だけを見て言っているのではないでしょうか。
 たしかにAIも人間もデータを読み込みます。ですがその手段・量は全く異なりますし、その後の思考プロセスも含めて学習であるということを知らないのだと思います。
 もしもAIと人間の学習が同じならこんなに大量の素材を用意する必要はないはずです。

 なお私見ですが、この58億枚という枚数をこしらえるためにLAION-5Bには著作権侵害コンテンツも大量に投入されており、やはり権利面で問題視されていたりします。(←具体例がほしい。なお日本の著作権法は、学習のためにネット上の画像を無断で使用してよいと定めています)
 しかしながら、素材調達における著作権侵害を問題視する気持ちが「AIの学習はダメ」という言説にすり替わってしまっているのではないか?という人はよく見かけます。
 気持ちはわからなくもないですが、著作権の問題と技術の是非は切り分けて考えるべきだと思います。

(加筆:この議論において、aiによる学習は違法で、人間による学習は合法だと結論づけるには単に学習プロセスの違いを指摘するだけでは不十分で、学習プロセスのどの部分が問題となるのかを明確に定義する必要がある。そしてその問題点はaiによる学習には含まれていて、人間による学習には含まれていないものでなければならない。)

★★★

 冒頭にも記しましたが筆者はAIの分野についてはど素人であり、おそらくこの文章も大いに間違っているものと思われます。しかしながらひとまずベースの文章をアップすることが重要と考え、拙文ながら公開させていただきました。
 追記・修正お待ちしております。

(一読しましたがご自身でおっしゃるとおり間違いや勘違いが多々あります。人間の学習と機械学習はこう違うから画像生成AIはよくないという主張をするにしてはあまりに稚拙で、「この程度の認識で反対しているのか」と思われてしまう内容と感じました)←行間を読めない添削厨が沸いているようだが(添削にもなっていないが)、結論「AI生成物への誤認」と「それに対する整備」の問題。100均の包丁も、銘入りも「人を殺せることに変わりはない」のだから。
「AIと人間の学習の違いについて」をウィキ内検索
LINE
シェア
Tweet
AI画像生成・生成系AI 問題まとめwiki
記事メニュー

メニュー

  • トップページ
  • 用語集
  • AI画像生成・生成系AI問題年表
+ 2021年以前~2025年
    • 2025年
    • 2024年
    • 2023年
    • 2022年
    • 2021年以前
  • 生成系AIに関する記事・資料集
  • ★ 編集に興味がある方はこちらへ ★

基礎知識

  • 生成AIは何が問題なのか?
  • 画像生成AIは何が問題なのか?
    • img2imgによる新手のトレパク被害
    • LoRAによる個人や作品の無断学習問題
  • 画像生成AI 関連人物
  • AIと人間の学習の違いについて
  • AIイラストの見分け方
  • 主要なAI画像生成サービス
  • 画像生成AI・生成系AIに対する各種プラットフォーム等の反応・対応まとめ
  • 生成AIに対するクリエイター団体・企業などの反応・対応
    • アート・イラスト関連団体の反応・対応
    • 音楽関連団体の反応・対応
  • 生成AIに関する訴訟・法的対応一覧

主な出来事・事例

  • 画像生成AI 炎上・論争・被害事例まとめ
  • よー清水さんによる画像生成AIに関するアンケート調査結果
  • 画像生成AIに対する法整備を求める記者会見がNHKニュースで放送
  • 日本テレビ系NEWSZEROで生成AI問題を取り上げるも、放送内容に物議を醸す
  • AIイラストレーターゆーます氏i2i疑惑
  • AIグラドル「さつきあい」
  • pixivウマエロアカウント停止騒動
  • AIイラスト支援サービス「petapi」
  • 自動着彩ツール「CoPainter」
  • 自動線画合成ツール「CoPainter」
  • 国際著作権シンポジウム  赤松健参議院議員の講演 英語翻訳版

法律・政治・規制・調査

  • 生成AIに関する日本政府・官公庁・議員の動向
    • 著作権法第三十条の四
  • 各国の生成系AIへの対応・規制まとめ
  • クリエイター関連で提唱されている生成AI規制案
  • 生成AIに関する調査・アンケートの一覧

被害対策

  • 自作品を守るためにできること
    • AI学習防止ツール「Glaze」について【利用方法・意義】
  • 権利侵害の通報・相談窓口

現状を変えるために

  • 政府・議員・団体に対する問い合わせ
  • 署名・募金
  • クリエイター支援団体

関連リンク

日本語

  • ai-illust @ ウィキ
  • AIイラスト利用まとめWiki
  • Wikipedia「生成的人工知能」
  • Wikipedia「人工知能アート」
  • 生成AIに関する問題・リスク・規制などの情報まとめ

英語

  • createdontscrape
⇒現行の生成AIの問題点や悪用事例などについてまとめたサイト。
  • LUDDITE PRO(ラッダイト・プロ)
⇒現行の生成AIの問題点や悪用事例などについてまとめたサイト。
  • Chat GPT Is Eating the World
⇒生成AIに関する規制や訴訟などの最新の動向をまとめたサイト。

その他言語

  • 그림 인공지능/논란 및 사건 사고(イラスト人工知能/議論と事件事故)
⇒現状の画像生成AIに関して発生した問題や悪用事例などをまとめた韓国語のwikiサイト。




ここを編集
記事メニュー2

更新履歴

取得中です。


ここを編集
人気記事ランキング
  1. 自作品を守るためにできること
  2. 画像生成AI・生成系AIに対する各種プラットフォーム等の反応・対応まとめ
  3. 画像生成AI 炎上・論争・被害事例まとめ
  4. 主要なAI画像生成サービス
  5. AI学習防止ツール「Glaze」について【利用方法・意義】
  6. 生成AIに関する訴訟・法的対応一覧
  7. 生成AIは何が問題なのか?
  8. LoRAによる個人や作品の無断学習問題
  9. AIイラストの見分け方
  10. AIグラドル「さつきあい」
もっと見る
最近更新されたページ
  • 2日前

    画像生成AIは何が問題なのか?
  • 3日前

    各国の生成系AIへの対応・規制まとめ
  • 4日前

    生成AIは何が問題なのか?
  • 25日前

    画像生成AI・生成系AIに対する各種プラットフォーム等の反応・対応まとめ
  • 25日前

    AI画像生成・生成系AI問題年表/2025年(AI画像生成・生成系AI問題年表)
  • 33日前

    生成AIに関する訴訟・法的対応一覧
  • 33日前

    主要なAI画像生成サービス
  • 42日前

    生成AIに対するクリエイター団体・企業などの反応・対応
  • 48日前

    AI画像生成・生成系AI問題年表/2024年(AI画像生成・生成系AI問題年表)
  • 58日前

    生成AIに関する日本政府・官公庁・議員の動向
もっと見る
人気記事ランキング
  1. 自作品を守るためにできること
  2. 画像生成AI・生成系AIに対する各種プラットフォーム等の反応・対応まとめ
  3. 画像生成AI 炎上・論争・被害事例まとめ
  4. 主要なAI画像生成サービス
  5. AI学習防止ツール「Glaze」について【利用方法・意義】
  6. 生成AIに関する訴訟・法的対応一覧
  7. 生成AIは何が問題なのか?
  8. LoRAによる個人や作品の無断学習問題
  9. AIイラストの見分け方
  10. AIグラドル「さつきあい」
もっと見る
最近更新されたページ
  • 2日前

    画像生成AIは何が問題なのか?
  • 3日前

    各国の生成系AIへの対応・規制まとめ
  • 4日前

    生成AIは何が問題なのか?
  • 25日前

    画像生成AI・生成系AIに対する各種プラットフォーム等の反応・対応まとめ
  • 25日前

    AI画像生成・生成系AI問題年表/2025年(AI画像生成・生成系AI問題年表)
  • 33日前

    生成AIに関する訴訟・法的対応一覧
  • 33日前

    主要なAI画像生成サービス
  • 42日前

    生成AIに対するクリエイター団体・企業などの反応・対応
  • 48日前

    AI画像生成・生成系AI問題年表/2024年(AI画像生成・生成系AI問題年表)
  • 58日前

    生成AIに関する日本政府・官公庁・議員の動向
もっと見る
ウィキ募集バナー
新規Wikiランキング

最近作成されたWikiのアクセスランキングです。見るだけでなく加筆してみよう!

  1. R.E.P.O. 日本語解説Wiki
  2. シュガードール情報まとめウィキ
  3. SYNDUALITY Echo of Ada 攻略 ウィキ
  4. ガンダムGQuuuuuuX 乃木坂46部@wiki
  5. ありふれた職業で世界最強 リベリオンソウル @ ウィキ
  6. ドタバタ王子くん攻略サイト
  7. パズル&コンクエスト(Puzzles&Conquest)攻略Wiki
  8. 機動戦士ガンダム EXTREME VS.2 INFINITEBOOST wiki
  9. Merge Cooking 攻略 @ ウィキ
  10. アサシンクリードシャドウズ@ ウィキ
もっと見る
人気Wikiランキング

atwikiでよく見られているWikiのランキングです。新しい情報を発見してみよう!

  1. アニヲタWiki(仮)
  2. ストグラ まとめ @ウィキ
  3. ゲームカタログ@Wiki ~名作からクソゲーまで~
  4. 初音ミク Wiki
  5. 検索してはいけない言葉 @ ウィキ
  6. Grand Theft Auto V(グランドセフトオート5)GTA5 & GTAオンライン 情報・攻略wiki
  7. 機動戦士ガンダム バトルオペレーション2攻略Wiki 3rd Season
  8. 発車メロディーwiki
  9. SDガンダム ジージェネレーションクロスレイズ 攻略Wiki
  10. 鬼レンチャンWiki
もっと見る
全体ページランキング

最近アクセスの多かったページランキングです。話題のページを見に行こう!

  1. 魔獣トゲイラ - バトルロイヤルR+α ファンフィクション(二次創作など)総合wiki
  2. 参加者一覧 - ストグラ まとめ @ウィキ
  3. 参加者一覧 - MadTown GTA (Beta) まとめウィキ
  4. ニャアン(GQuuuuuuX) - アニヲタWiki(仮)
  5. 意味が違っている実は言ってない台詞(架空人物) - アニヲタWiki(仮)
  6. 間違って覚えられている実は言ってない台詞(架空人物) - アニヲタWiki(仮)
  7. MOZU - ストグラ まとめ @ウィキ
  8. 没作品 - アニヲタWiki(仮)
  9. ロスサントス救急救命隊 - ストグラ まとめ @ウィキ
  10. ロスサントス警察 - ストグラ まとめ @ウィキ
もっと見る

  • このWikiのTOPへ
  • 全ページ一覧
  • アットウィキTOP
  • 利用規約
  • プライバシーポリシー

2019 AtWiki, Inc.