DNET_GenerativeAI

生成系AI（Generative AI）

• TOP > BI / AI > 人工知能（AI）
• 戻る（人工知能（AI） / 統計解析 / ベイズ統計）
  • 機械学習（machine learning）
  • 深層学習（deep learning）
  • 強化学習（Reinforcement Learning）
  • 生成系AI（Generative AI）

概要

• 生成モデルのAIは一般的に「生成AI」と呼ばれる
• 主に、テキスト、画像、音声などの新しいコンテンツを生成するために使用される

特徴

• 既存データからパターンを学習し、新しいデータを生成
• 人間が作成したかのような自然なコンテンツを生成可能
• テキスト、画像、音声、動画、コードなど多様なモーダルに対応

従来のAIとの違い

• 従来のAI（識別モデル）：データを分類、予測
• 生成AI（生成モデル）：新しいデータを創造

詳細

生成AIに分類されるアルゴリズムは機械学習モデルでも開発できるが、実用的なものは、深層学習モデルのものが多い。

主要な技術

自己符号化器（AE：オートエンコーダ）

• データを低次元の潜在表現に圧縮し、復元する
• ノイズ除去、データ圧縮、異常検知に応用

変種：

• VAE（変分オートエンコーダ）
  • 確率的な潜在表現を学習
  • 滑らかな潜在空間により、より良い生成が可能

テキスト生成系（Transformer系）

• Transformer アーキテクチャ

  • 注意機構（Attention）により長距離依存関係を捉える
  • 並列処理が可能で学習が高速

• 大規模言語モデル（LLM）

  • GPT（Generative Pre-trained Transformer）
  • BERT（Bidirectional Encoder Representations from Transformers）
  • T5、LLaMA、Mistralなど

• 応用：

  • ChatGPT：対話型AIアシスタント
  • OSSのLLM：オープンソースの大規模言語モデル
  • コード生成：GitHub Copilot、CodeLlama
  • 文章要約、翻訳、質問応答

敵対的生成ネットワーク（GAN）

• 生成器（Generator）と識別器（Discriminator）が競い合って学習
  • 生成器：偽データを生成
  • 識別器：本物と偽物を見分ける
  • 両者が競争することで、より精巧なデータ生成が可能に

変種：

• StyleGAN：高解像度で写実的な顔画像生成
• Pix2Pix：画像から画像への変換
• CycleGAN：ペアなしで画像スタイル変換

応用：

• 高品質な画像生成
• スタイル変換（写真→絵画風など）
• データ拡張

拡散モデル（Diffusion Model）

• ノイズを段階的に除去してデータを生成

  • Forward Process：データに徐々にノイズを追加
  • Reverse Process：ノイズから元のデータを復元

• 近年、画像生成で最も成功している手法

  • GANより安定した学習
  • 高品質で多様な画像を生成

代表的なモデル：

• DDPM（Denoising Diffusion Probabilistic Models）
• Stable Diffusion：テキストから高品質な画像を生成
• DALL-E 2/3：テキストから画像を生成（OpenAI）
• Midjourney：芸術的な画像生成に特化

応用：

• テキストから画像生成（Text-to-Image）
• 画像編集（Inpainting、Outpainting）
• 超解像（Super Resolution）

応用分野

テキスト生成

• 対話システム：ChatGPT、Claude、Bard
• 文章作成支援：メール、レポート、記事
• プログラミング支援：コード生成、デバッグ
• 翻訳、要約、質問応答

画像生成

• アート作成：Midjourney、Stable Diffusion、DALL-E
• デザイン支援：ロゴ、イラスト、写真編集
• ゲーム開発：テクスチャ、キャラクター生成
• 医療：合成データ生成

音声・音楽生成

• テキスト音声合成（TTS）
• 音声クローン
• 音楽生成：作曲、編曲
• 音声変換

動画生成

• テキストから動画生成
• 動画編集、エフェクト
• アニメーション生成

その他

• 3Dモデル生成
• 分子設計（創薬）
• ファッションデザイン

課題と倫理

• 著作権問題：学習データの権利
• ディープフェイク：悪用のリスク
• バイアス：学習データに含まれる偏見
• 環境負荷：大規模モデルの学習コスト
• 真偽判定：AI生成コンテンツの識別

参考

代表的なプロダクト

テキスト生成系：

• ChatGPT
• OSSのLLM

画像生成系：

• Stable Diffusion
• DALL-E 3
• Midjourney
• Adobe Firefly

マルチモーダル：

• GPT-4V（Vision）
• Gemini
• Claude 3

---

Tags: 移行, 生成AI, Generative AI, LLM, Stable Diffusion