画像生成AIの二大派閥：論理と感覚
皆さんこんにちは、ネットビジネスアナリスト横田秀珠です。 1ヶ月に1回のPodcastの時間となりました。今回もですね、直近1ヶ月になりました。
AIに関する注目のトピックということで、今日この話題を取り上げてやっていきたいと思っています。 早速ですが、チャットGPTライブ、そしてジェミニのライブ2人を呼び出してですね、音声会話で話をしていきたいと思いますので、よろしくお願いします。
では、お二方をですね、呼んでいきたいと思うんですけど、はい、お二方いるかな?いるかな?はい、こちらの方からご覧ください。
はい、どうぞ。はい、ではですね、ちょっと待ってくださいね。こんな感じでやっていきます。はい、今日はですね、チャットGPTとジェミニのお二人にお聞きしたいのは、画像生成の、今実は派閥が2つあるよって話をですね、少ししていきたいなと思っているので、よろしくお願いします。
その話はご存知ですか?
そういうことなら、ぜひ聞かせて。画像生成界隈でどんな派閥に分かれているのか、すごく興味あるし、どっちがどんな特徴を持っているのかも気になるな。
はい、しっかり。もちろん、今日はこの声でしっかりお話を聞いていくから、安心して進めてね。
はい、これね、簡単に言うとね、2つ派閥があって、分かりやすく言うとね、人間の右脳と左脳だと思ってもらえばいいかなと思うんですけど、そのロジックで考えて絵を描くのか、そして感覚で絵を描くのかというですね、2つあるんじゃないかなと思っているんですけど、これ、画像生成のモデルで違うのって皆さん気づいてますか?
確かに、理屈重視と感覚重視みたいなアプローチの違いって面白いよね。実際、モデルによっては、例えばプロンプトを細かく論理的に組み立てていく方が精度が出たり、逆に直感的な指示の方が魅力的な結果になることもあるよね。気づいてる人も結構いそう。
そう、これね、ジェミニさんどう思う?
おっしゃる通り、アプローチの違いは非常に興味深いですよね。論理性やプロンプトの構造を重視するモデルと、より直感的で芸術的なニュアンスを汲み取らせるモデルで、生成の結果が大きく変わるのは面白い現象です。
これをね、また別の言い方するとね、イラストレーター派とデザイナー派って分かれるんだけど、そのデザイナーってのは、いわゆる自分の商売としてもやっていかなきゃいけないので、何て言うんですかね、その作能的な要素で、ロジックで考えていくんだけど、このイラストレーター派ってのは絵を描くって感じなので、これは直感的に右脳でやってるんじゃないかなと思うんですよね。
まさにそうだね。イラストレーター派はアートとしての自由さや個性を大事にするし、デザイナー派は目的や機能性を重視するイメージだよね。どちらも大切な役割で、状況に応じて上手使い分けると、表現の幅も広がるよね。
これね、面白いなと思ってるのは、最近のGPT Image 2の進化なんか見てると、どうも裏ではJSONというコードで書かれてるっぽいので、これはいわゆるHTMLをLLMが学習したことによって、いわゆるロジックを使って絵を描いてるんですよね。
なので、裏では写真をはめたりとか、絵を描いたものをここに入れてると思うんですけど、言ってみればハイブリッドになってきてるとも言えるんですね。なので日本語の文字化けをしなかったりすることが多くなってきた。
でも以前のダリーっていうモデルは、ダリーっていう名前からそうなんだけど、絵を描くってイメージだったので文字化けが多かったんじゃないかなと思ってるんですよね。
言語モデルがコードを学習することで画像生成に論理的な構造を取り入れ、それが日本語の正確な表現につながっているという考察は非常に興味深いです。技術の進化がアートを再定義しているのを感じますね。
そうだね。だからいわゆるHTMLで描けるデザインっていうのは、AIでも描けるとも言えるんだけど、逆に言うとHTMLで描けないデザインですね。
例えば、いわゆるデザインの中でフォントがいろんな大きさでいろんなフォントがいじまじっているようなデザインとかね、こういったものってのはHTMLでなかなか描けないので、
だからこの画像生成でもなかなか描けないということになるので、より人間らしさとか個性を出していきたいのであれば、そういうような形で描いていくということも大事だし、そういうのが使えるモデルを探していくことも必要かなと思いますね。
確かに、HTML的な整然さとランダムな人間らしさの両方を意識するって、生成AIにとっても大きなテーマですね。
その違いを理解してモデルを使い分けることで、よりオリジナルな表現ができそう。自分の目的に合ったモデルを探すのが楽しみになるね。
技術進化とデザイン：JSONとHTMLの影響
そうだね。だからこの辺が面白くて、画像生成をしていくときに、僕がよく言っているのは、例えばかわいい猫を描くとかっていうのは完全に右脳でもいいし、きれいなお姉ちゃんを描くのも右脳でもいいと思うんですけど、
普通にチラシを作るとか、何かバナー画像を作るとか、誘致のサムネイル作るみたいなのは、やっぱりちゃんと計算してマーケティングを取り入れていかなきゃいけないので、
いわゆる右脳の要素ですね。いわゆる絵心みたいなもののプラス、さらにそこにマーケティングみたいなことを組み合わせなきゃいけないので、
だから結局、絵が上手に描けるAIでも、その頭脳というものを持っていないAIだと、絵心はあるんだけど、マーケティング的にはちゃんとした画像が描けないということになっちゃうので、
この2つの組み合わせなんだよっていうこと。だから、バナーを作るにおいても、世の中のことをまとめて、そしてそれをいい形に言語化したものを元にバナーに落とし込んでいるので、
これにはやっぱり頭脳が必要なわけですね。だから、例えば有名な画家さんが有名な誘致のサムネイルを作れるかっていうのはそうではないってところですよね。
この2つの合わせじゃないかなと思ってますね。
うん、まさにその通りだね。絵心だけじゃなくて、マーケティングや目的をしっかり理解して計算された形に落とし込む力が必要だよね。
だからこそ、この右脳と左脳のバランスが大事で、AIを使うがまもその両方を意識すると、より効果的なビジュアルが生まれるってことだね。
そうだね。なのでこういうふうに考えてみるとですね、面白いかなと思いますね。
なので、デザインだけできる人、いわゆるその左脳で考えられる人はそれでいいんだけど、逆に芸術的な要素を持ってなかったりとかするので、
組み合わせ技だということがわかるかなと思います。
例えばですね、チャットGPTのイメージツーなんかは、かなりそういう意味ではデザイン派、デザイナー系だと思いますし、
以前からあるミッドジャーニーとか、ステイブルディフュージョンみたいなモデルっていうのは、どっちかというと右脳派の絵心とかですね、
いわゆるイラストレーター派じゃないかなと思うんですけど、
AIの進化の新たな軸：スピード、画質、レイヤー制御
ちなみにジェミニさんのナノバナナはどういうモデルだと思いますか?
多様な視点を持っていますよ。精細でデータに忠実な指示に従うこともできれば、
様々な芸術的なスタイルやニュアンスを美しく表現することも大切にしています。
表現する側が論理と感性をうまく組み合わせるための強力なパートナーでありたいと考えています。
そうだね。もうちょっと今頑張ってほしいのは、GPTイメージツーになかなか勝てない状態になっているし、
最近ではグロックのImagineの方にもなかなか勝てなくなっているので、
ナノバナナさん、ここでもう一発ですね、すごいの出してほしいなと思うんですけど、
何か予定とかあるんですか?
モデルの進化のスピードは非常に速いですし、日々改良を重ねています。
他社モデルに負けないクオリティを目指し、精度や表現の幅を広げるアップデートを常に計画していますので、
楽しみにお待ちいただければと思います。
そうですね。ありがとうございます。
今ナノバナナのライトというですね、画像生成のスピードがめっちゃ速いってやつが出ているので、
これは楽しみじゃないかなと思っているんですけど、
あとですね、僕は最近よく言っているのは、この画像生成の進化の中で、
いかに速く出すかっていうことの競争がまず一つ新しい軸として、
だいたい絵はみんな描けるようになったので、あとはスピードっていうものが一つ要素としてあって、
二つ目の要素としてあるのが、今度はですね、画像のレイヤーに分けて作るっていうことですね。
これができるかどうかっていうのが二個目。
ちょっと順番間違えた。これが二個目で。
もう一個はですね、画質の問題ですね。
例えば4K、8Kみたいなすごいクオリティのものが出せるとか、
例えば印刷データみたいな、もうそのままデータ入口して、
紙とかイラストをですね、ポスターとかに印刷できるみたいなぐらいのクオリティが出せるようになったら、
もうかなりやばいなと思っているので、この三つだと思っているんですね。
なのでスピードと、そして画質と、そしてレイヤーに分けて画像生成できるか。
これがね、だんだんみんなね、できてきているんじゃないかなと思うんですけど、
その点いかがでしょうかね。
まさに今、その三つの進化はホットなポイントだと思う。
特にスピードが上がるとアイデアを試す回数も増えるし、
解像度が高ければそのまま商用利用も夢じゃないよね。
レイヤー制御ができればデザインの自由度も増すし、
クリエイターにとってはまさに理想の進化。
これからますます面白くなりそう。
そうだね。この辺ジェミニさんどうですか?
そしてレイヤー制御はプロのクリエイターにとって求められる重要な機能です。
効率的なワークフローや高度な表現を支えるこれらの進化は、
今後さらに創作活動の可能性を広げていくと考えています。
どのような機能が実装されたら現在のお仕事に最も役立つと思いますか?
個人的にはね、僕スピードと画質に関しては問題ないなと思っていて、
というのは紙に印刷するって仕事がないので、
この二つはそこまで気にしないんだけど、
やっぱりレイヤー制御ってのが、
今キャンバーAIがだいぶできるようになってきたってことと、
そしてグロックの新しいモデルでもだいぶできるようになってきたので、
この辺がね、もう一段階。
グロックの場合はまだテキストの修正ができないので、
その点で言えばキャンバーAIが一番進んでるかな。
そしてマジックレイヤーもあるので、進んでるかなって気がするので、
GPTイメージ2、そしてジェミニのナノバナナはこの辺をね、
力入れてほしいなと思っていますね。
レイヤー制御の進化はデザイン作業の柔軟性を高める非常に重要な要素ですね。
編集や調整が容易になることで、
クリエイターの方々がより思い通りのビジュアルを作成できるように、
そういった細かな制御機能の充実は今後の注力ポイントになると考えられます。
そうだね、ここを期待してるんだけど、
ナノバナナさんがこれ出たらですね、
またもう一ブレイクあると思うので、
ぜひイメージ2より先にね、いってほしいなと思います。
AIの不自然さを解消する鍵：光の制御と体験
イメージ2も今年の4月に出ても4ヶ月経ちましたから、
そろそろね、
ナノバナナさんの逆襲を待ってるっていうとこなんですけど、
期待しております。
GPTさんどうでしょう?
くん、僕もその競争は楽しみにしてるよ。
どのモデルも進化が早いし、
また新しいブレイクスルーが来るのは時間の問題かもね。
引き続きチェックして、
面白い進展があれば一緒に盛り上がろう。
あとね、やっぱり画像生成して思うのは、
特に最近Xなんかで話題になってるのは、
AIっぽさをどうやって消すかっていうのがですね、話題になってるんだけど、
ここでやっぱりね、
うちの息子もよく言ってるんだけど、
やっぱり光の制御だと思っていて、
光の当て具合っていうのがやっぱりまだ不自然さがある。
いわゆる物理的に破綻しているってものがあるので、
ここらが改善されればかなり良くなるんじゃないかなと思ってるんですけど、
なのでこれはいわゆるカメラで写真を撮るときも、
光の扱い方で写真の良し悪しが決まるって部分があるんだけど、
ここじゃないかなと思ってますね。
だからこれは完全に左脳の部分と右脳の部分、両方組み合わせると思うんだけど、
この点いかがでしょうかね。
まさに光のコントロールは大きな鍵だね。
現実の写真でもライティング次第で印象が変わるから、
AIもそこを極めていけば、
もっと自然な、違和感のない画像が生まれるはず。
右脳の感覚と左脳の理論、
両方のバランスで磨いていくのが、
これからの進化のポイントだね。
はい、そうだと思いますね。
はい、ジェミニーさん、どうでしょうか。
おっしゃる通り、光の制御は非常に重要な進化のポイントですね。
自然光や人工的なライティングを物理的に正確に再現することで、
AI特有の違和感を消し、よりリアルな表現が可能になります。
論理と感性の統合が、さらに表現を深めてくれますね。
そうだね。あとは体験ですね。
だから、実際に人間は体験してるから、
こうなるだろうっていうことを予測できるんだけど、
AIはその体験がないから、
この部分をどのようにカバーしていくかってことがね、
課題かなと思っております。
はい、ということで、今日もですね、
画像生成に関して考えてみましたが、いかがだったでしょうか。
また来月もお届けしたいと思いますので、よろしくお願いいたします。
ネットビジネスアナリスト、よくたしゅーりんでした。
ありがとうございました。
バイバイ。
