画像生成AIの仕組み

レッスン一覧

1. この絵は、ただの数字の並び

   夕焼けの写真を拡大していくと、数字の付いたマス目になります。それなのに、なぜAIは「夕焼けの海を泳ぐクジラ」という言葉から絵が描けるのか。その入口に立ちます。

   約2分・無料

2. でたらめな数字は、砂嵐になる

   写真が数字なら、数字をでたらめに並べれば絵になるはず。でも出てくるのは毎回テレビの砂嵐です。「絵らしい数字の並び」がどれほど珍しいかを体験します。

   約6分・無料

3. AIは、猫の定義を知らない

   「耳が三角で、ひげがある」とルールを書いても、猫の写真は見分けられません。AIは定義ではなく、大量の例から特徴を自分で拾います。

   約6分

4. 言葉と写真を、同じ地図に置く

   「芝生で眠る猫」という文章と、その写真。AIはこの2つを同じ地図の近くに置く練習を4億組で繰り返しました。誰も「猫とは何か」を教えずに、言葉と絵がつながる仕組みです。

   約6分

5. 絵を描くより、ノイズを消すほうが簡単

   数百万個の数字を一度に決めるのは難しい。そこで、写真にノイズを足して壊し、その逆の1歩を当てる練習をさせます。砂嵐から絵が浮かぶ「拡散モデル」の正体です。

   約6分

6. 言葉は、ノイズの消し方を決める

   同じ砂嵐から、「猫」と書けば猫が、「クジラ」と書けばクジラが現れます。言葉は絵を描くのではなく、ノイズを消す方向に舵を切っています。

   約6分

7. AIは、縮めた絵の上で描いている

   数百万個の数字のまま砂嵐を消すと、とても時間がかかります。Stable Diffusionは絵を数十分の一の数字に縮め、その上で描いてから元に戻します。

   約6分

8. AIの絵で、指が6本になる理由

   あれほど描けるAIが、なぜ人の指の本数をよく間違えるのか。文字が崩れる、数を数えられない、そっくりな絵が出てくる――失敗には、ここまでの仕組みで説明できる理由があります。

   約6分