AIと写真の間にある「違い」に迫る | Knowledge #15

AIによる画像生成は、入力したテキストを忠実に再現しようと試みます。いわれたことを素直に実行する誠実さ、そして膨大なデータベースの基に学習を行うことは、人間の認知範囲を超えた「神の技」であり、私たち人間は到底不可能なことです。それにもかかわらず、生成された画像の結果物は、全くも人の心を惹きつけられないことがしばしばあります。今回は、AIで生成された画像と写真の間に存在する違和感の理由に迫ります。

生成された画像の多くは、テキストを正しくイメージに変換します。その多くには無駄がなく、言い換えるならば「余白」がありません。「余白」とは意図的・非意図的に残された空間や情報のことを指し、AIによって作り出される画像はディテールで溢れ、こうした余白が欠如していることがしばしばあります。情報として意味を忠実に伝えてくれますが、そこに文脈は含まれていません。

しかし、「余白」は人間の感情的なニュアンスや隠された意味が込められます。こうした感情に基づく、文脈的な理解は体を持たないAIが最も弱点とする領域です。AIは画像をリテラル（文字通り）に処理する機能は長けていますが、感情的な深みや隠された意味を含む余白を作り出すことに関しては、まだまだ発展途上です。

人間が撮影する写真には、イメージの記録以上の意味が含まれます。写真には、予測不可能さや感情のスペクトル、時には意図しない「ミス」と見なされる要素が含まれていることがあります。これらの偶然の産物すべてが、写真が伝える物語の一部になり、鑑賞者に共感や想像の余地を与えます。

AIによって生成される画像と写真の間に確かに存在する違和感は、両者の間に「余白」があるかどうかに依存していることを見てきました。ここでAIが画像生成するプロセスを知ることで、より理解を深めてみましょう。

1. テキスト変換：AIは入力された言葉を解釈しやすい概念に変換します。たとえば、「空を飛ぶ鳥」というテキストを入力した場合、AIはこれを画像の要素として理解し、海辺の風景や犬の姿を描くための基本的な指示に変換します。
2. ノイズからの画像生成：AIは最初に完全にランダムなノイズ（特徴のない、ランダムなピクセルの集まり）から出発し、徐々にこのノイズを取り除きながら、具体的な画像のイメージを形成していきます。
3. 画像の復号：画像の復号は、AIが生成した画像データを、人間の目で理解しやすい形に変換するプロセスです。例えばJPEGやPNGなどの人間の目で見れる画像フォーマットに変換したり、画像の解像度や色彩、内部表現のレタッチが行われます。

AIが画像を生成する際に「ノイズ」を消すプロセスは、基本的には数学的な計算とアルゴリズムに従っています。ノイズを取り除くことは、画像をより現実に近づけることを意味しますが、これには限界があります。人間の写真に自然に存在する偶発性や感情の豊かさ、不完全さは、計算では捉えにくい要素です。この時点ですでに、ノイズに対する見解の違いがAIと人間の間で生じています。

画像を生成する際に行われる細々な処理において、AIが人間の複雑さや微妙なニュアンスを完全に理解し、再現することは現在の技術では難しいのです。AIは文字通りの解釈や、データに基づいた出力には優れていますが、人間の経験や感情の深さを完全に模倣することはまだできていないのです。精度を上げるために今、AIに必要とされることは、人間生活の何気ない日々の無意味に思われる「余白」に寄り添うことかもしれません。