第3章: 現在の生成AIの動向
テキスト、画像、音楽、音声、動画、それぞれの生成AIについて、仕組みやメリット・デメリットを解説します。
1. 生成AI（Generative AI）の概要
機械学習を用いて、テキスト、コード、画像、動画、音声、音楽などの新しいデータを自動生成するAI。基盤技術はNLP（自然言語処理）と機械学習です。
2. テキスト生成AI
概要
自然言語処理と機械学習を利用して、学習データをもとに文章を自動生成するAI。LLM（大規模言語モデル）と呼ばれます。
- 代表例: ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google)。
メリット
- 作業効率向上: 短時間で高品質な草案を作成。
- 内容の補完・拡張: アイデア出しや、既存の文章の改善。
- プログラミング: コード生成や修正が可能。
デメリット・注意点
- ハルシネーション: 偽情報を生成するリスク。
- バイアス: 学習データの偏りによる差別的表現。
- プライバシー: 個人情報や機密情報の入力に注意が必要。
3. 画像生成AI
概要
テキストでの指示（プロンプト）などから画像を生成するAI。
- 仕組み: GAN（敵対的生成ネットワーク）やVAE（変分オートエンコーダ）、拡散モデルなどが使われます。
- 代表例: Stable Diffusion, DALL·E, Flux。
メリット
- 創造性と効率性: 多様なバリエーションを短時間で作成可能。
- データの補完: 不足している画像データの生成。
デメリット・注意点
- 著作権と倫理: 偽情報の拡散や、不適切な画像の生成、著作権侵害のリスク。
4. 音楽生成AI
概要
学習した音楽パターンから新しい楽曲を生成するAI。
- 仕組み: RNNなどを用いて、フィードバックループ（生成→評価→学習）で進化します。
メリット
- クリエイティビティ拡大: 誰でも作曲が可能になり、動画BGMなどを手軽に作成できる。
- インスピレーション: アーティストの創作支援。
デメリット・注意点
- 権利関係: 既存楽曲との類似による著作権問題。
- 倫理問題: AI楽曲を「人間が作った」と偽って販売することなど。
5. 音声生成AI
概要
テキストを音声に変換（TTS）したり、声を変換したりするAI。
- 代表例: OpenAI TTS, Eleven Labs。
メリット
- パーソナライズ: 好みの声やスタイルで出力。
- アクセシビリティ: 視覚障害者への読み上げや、多言語対応。
デメリット・注意点
- 悪用リスク: 声のクローンによる詐欺（オレオレ詐欺の高度化）。
- 不自然さ: 文脈によってはイントネーションが不自然になる場合がある。
6. 動画生成AIとディープフェイク
動画生成AI
- 代表例: Sora (OpenAI), Runway Gen-3, Luma Dream Machine。
- 仕組み: 静止画を連続生成し、時間的一貫性を保つ（GAN, VAE, RNN等を活用）。
- メリット: 映像制作の効率化、特殊効果、シミュレーション、修復。
ディープフェイク（深層偽造）技術
AIを利用して、非常にリアルな「偽の」映像や音声を作成する技術。
- 特徴: 本物と見分けがつかないほどの精度。顔の合成や表情操作が可能。
- リスク:
- 倫理・人権: 本人の同意なしに顔や声を使用される（プライバシー侵害、名誉毀損）。
- 社会的不安: 政治家の偽発言など、フェイクニュースによる世論操作。
- セキュリティ: 生体認証の突破やなりすまし詐欺。