人間が描いた絵とAIの描いた絵を見分けることはできるのでしょうか。同じモチーフの画像2枚から、AIの絵を見分けるクイズに挑戦してみましょう。各問の解説ではAI画像の特徴も紹介します。

クイズで登場した「AIの絵」は画像生成AI「Stable Diffusion」を使って生成しました。1つのモデルで浮世絵やイラスト、写真など様々な絵柄を作れるのがAIの強みです。

人間の絵と見分けがつかない精巧な画像がある一方、常識外れの画像を出力することもあります。AIは人間社会が作り出した膨大な絵や写真から画像の特徴を学習しますが、社会の常識を学んでいるわけではないからです。

AIはどうやって絵を描いているのでしょうか。画像生成と学習の仕組みを知れば、AIと人間がうまく付き合うヒントが見つかるかもしれません。AI開発のrinna社（りんな、東京・渋谷）の応用科学者、シーン誠さんの監修で、言葉から画像を作り出す技術を画像生成AI「Stable Diffusion」の論文をもとに図解します。

AIは画像の「切り貼り」を
しているわけではない

誤解されがちですが、画像生成AIは既存の絵などを組み合わせて画像を加工しているわけではありません。AIは膨大な量の画像をもとに絵の描き方を学習し、言葉や画像の処理技術を使って画像を新たに生成します。

AIは「逆方向」に学習する

AIが画像生成のために消すべきノイズを判断できるのは、ノイズのある絵とない絵の違いを学習しているからです。学習の過程ではまず、生成の過程とは「逆方向」にきれいな絵や写真に様々なノイズを人工的に加えます。

次に、ノイズを加えた画像からノイズを加える前の画像を生成できるように訓練します。膨大な量の画像をもとに訓練を繰り返し、純粋なノイズ画像からもきれいな画像を作れるようになるのです。

こうしたAIの仕組みを「拡散（Diffusion）モデル」と呼びます。「Stable Diffusion」は学習済みのモデルとして公開されていますが、ほかの人が追加学習させた派生モデルなども登場しています。

学習のカギは「量」と「質」

AIが精巧な画像を生成するには、量と質を兼ね備えた学習データが欠かせません。例えば「Stable Diffusion」はインターネット上で収集した画像と説明テキストを大量に収容した大規模なデータセットから約23億枚の画像を学習しています。世界最大級の美術館である米メトロポリタン美術館の収蔵品は200万点あまり。AIはその1000倍以上のデータから画像の特徴を学んでいるのです。

人間が良質な絵画に触れて審美眼を養うように、AIも質の高いデータによる訓練が必要です。学習に使う画像と説明テキストの整合性が取れていなかったり、画質が粗かったり、内容が偏っていたりすると正しい予測はできません。

「パリ」「京都」「夕方」「浮世絵」など10個のキーワードから好きな言葉を選んで、画像を作ってみましょう。キーワードはいくつ選択しても構いません。

実際のAIでは自由に言葉を入力できますが、ここではあらかじめ用意した言葉から1023通りの画像を準備しました。

画像の下のキーワードを選択