画像生成AIのビジネス活用例と著作権

AIはここ数年で著しく進化しています。2023年はChatGPTのような生成AIが急速に普及し、AI技術がビジネスのありかたに多大な影響を及ぼした激動の年となりました。

この記事では、AIの歴史を1950年代初期から振り返り、2023年の生成AIが飛躍的に進化するに至った経緯や、最新の画像生成AIを実際に使用してみた体験談、ビジネスでの実用的な応用方法、そして生成AIの利用における法的な側面まで、幅広くご紹介します。

AIの歴史

生成AIは今や広く普及していますが、その歴史は意外にもかなり昔まで遡ります。1956年、アメリカ合衆国ニューハンプシャー州のダートマス大学で開催された会議で、世界で初めて「人工知能（Artificial Intelligence）」という用語が使われました。これが第一次AIブームの始まりであり、当時のAIは主に推論や探索に重点を置いていました。

1960年代に入ると、「トイ・プロブレム」といった比較的単純な問題解決やパターン認識の分野でいくつかの成果が見られました。しかし、1970年代には、AIが複雑な問題に対応するのに限界があることが明らかになり、第一次AIブームは終焉を迎えました。これがいわゆる「AIの冬」です。

1980年代に入ると、演算装置の進歩と共にAIにも雪解けが訪れ、「知識の時代」とも呼ばれる第二次AIブームが到来しました。この時期には、エキスパートシステムが大きな進歩を遂げ、商業分野においても実用化が進みました。これらのシステムは、特定の分野の専門知識を模倣し、意思決定支援ツールとして用いられました。しかし、これらのシステムは人手を介して情報を整理しインプットしていくため非常に高いコストがかかり、メンテナンスの難しさもあって1990年代初頭には再び衰退しました。

一方、同じ時期にニューラルネットワークとディープラーニングの研究が進展し始めました。これらの技術は、人間の脳の情報処理機構にインスピレーションを得たもので、多層化したネットワークを通じたデータから学習します。初期のニューラルネットワークは、1957年にフランク・ローゼンブラットが開発したパーセプトロンのように、基本的なパターン認識には成功しましたが、適用範囲は簡単な問題に限定されており、データ量の不足やアルゴリズムの未成熟さが進展を阻んでいました。

1980年代に開発された効率的な誤差逆伝播アルゴリズムも、当時の計算能力の限界により、全ての潜在能力を引き出すことはできませんでした。さらに、この時期のニューラルネットワークは文字認識や音声認識などの分野で限定的な成功を収めましたが、これらの初期の成果は、後のディープラーニングの進化において重要な基礎となりました。

21世紀に入り、特に2010年代から第三次AIブームが始まりました。機械学習の時代です。データ量の大幅な増加と計算能力の進化により、ディープラーニングは驚異的な速度で進化しました。これにより、画像認識、自然言語処理、自動運転車、そして生成AIなど、多岐にわたる分野での応用が可能になりました。

2016年には、Google DeepMindの開発したAIプログラム「AlphaGo」が、プロの囲碁プレイヤーであるイ・セドルを破る歴史的な出来事がありました。当時私もこのニュースを見た時は驚きましたが、これは、AIが特定の知的タスクにおいて人間の専門家を上回る能力を持つことを世界に示した瞬間でした。

そしてここ1、2年で、拡散モデルという概念を利用した生成AIがものすごい勢いで進化してきました。特に、文章生成の分野では、ChatGPTを筆頭にしたGPT-4のようなツールが日常的に利用されています。

生成系AIはテキストから画像を生成する（Text to Image：t2i）や、音声生成、動画生成など、メディア化可能なものの多くを実用レベルで生成することが可能になってきており、私たちの日常生活に広く浸透しています。

実際に画像生成AIを使ってみた

現在、画像生成AIは様々なプラットフォームやサービスを通じて展開されており、誰でも気軽に試せます。例えば、Stability AI社が開発したStable Diffusionや、Open AIが開発したDALL-E（ChatGPTの有料アカウントやBing AI Chatで利用可能）、Discord上で動作するMidjourneyなどが有名です。

今回は気軽に試せるDALL-Eを利用して画像生成を試してみました。

Microsoftアカウントにログインした状態でBing AI Chatにアクセスすると、入力ボックスに「何でも聞いてください」というメッセージとともにチャット画面が表示されます。

このチャット入力欄に生成したい画像を指定するのですが、画像生成AIではいわゆる「プロンプト」という形の単語区切りで生成する画像を指定するのが一般的です。しかし、Bing AI Chatは日本語・英語問わず、自然な言語で入力できます。これは、直接的にDALL-Eにプロンプトを流し込む前に、Bing AI Chatが入力したメッセージを解釈し、適切なプロンプトに変換してDALL-Eに引き渡しているからです。

ここでは、よりシンプルに動作を確認したいため、会話のスタイルなどは設定せず、生成したい画像のイメージをそのまま記載します。

今回は「男性エンジニアがPCでプログラミングしているイラストを生成してください」と入力してみました。

しばらくすると、DALL-Eが呼び出され、画像が4枚出力されました。左上はペアプログラミングしているエンジニアでしょうか。その他は挿絵のような、デフォルメされたエンジニアのイラストが生成されました。

メッセージを入力する際に、生成する画像のテイストを指定することも可能です。例えば、「写真のような」と指定すれば写真風の画像が、「モノクロでアイコンのような」と指定すればモノクロのアイコン風の画像が生成されます。

このように、スタイルを自由に指定することで、自分の利用したい用途に合わせた画像を生成できます。

ビジネス用途の例

このように、Bing AI Chatを用いることで、高品質な画像を手軽に生成できました。生成した画像はセミナー資料の挿絵やパワーポイントのスライド作成に活用することで、画像作成の手間を削減し、業務の効率化を図れます。また、生成AIには様々な種類の製品があり、テキストや図の生成も行えるので、手間のかかる単純作業を削減し「考える仕事」に集中する時間を増やせます。

一方で、多くの生成系AIサービスではAIの精度向上のために、入力された情報から「学習」を行います。企業で利用する場合は機密情報を入力しないようにしたり、学習からのオプトアウトを申請したりするなど、適切にコントロールする必要があります。

生成AIによる成果物の著作権

ここで、生成AIを利用したアウトプットに関する法的な取り扱いについて記載します。文化庁が公開した著作権セミナーの資料^※では、このテーマについて詳細に解説されています。

※ 令和5年度著作権セミナー「AIと著作権」の講演映像及び講演資料を公開しました。 | 文化庁

生成AIによる作品と著作権法

生成AIによって作成された作品は、従来の著作物と同様に著作権法の枠組み内で考慮されます。ここでは「権利制限規定の適用」、「類似性および依拠性の存在」といった2つの重要な概念が中心となります。

権利制限規定とは

権利制限規定には、個人的な利用や引用、公益性の高い利用が含まれます。これらの場合、著作権者の許諾を得ずに作品を利用することが可能です。

類似性と依拠性

類似性とは、既存の著作物と新しい作品の間に表現上の本質的な特徴が共通していることです。依拠性は、既存の著作物を基に新しい作品が作られた度合いを指します。

これらに該当するか否かは最終的には個別の作品ごとに判断されますが、これらの要素が存在しない場合、AIによって生成された作品は著作権侵害とは見なされないとされています。

生成AIの将来について

2023年は、生成AIの技術が飛躍的に進歩しました。これらの技術は、ビジネスや文化のあり方に大きな変革をもたらすと予想されています。しかし、これらの進歩は法的な枠組みにも新たな課題を提示しており、継続的な議論と法的な対応が必要です。今後、著作権法の扱いに変更が生じる可能性もあり、最新の情報に留意することが重要です。

ラックでは、デジタル技術を活用して会社や経営戦略を変革する能力を持った企業人材の育成を重視し、AIをビジネスに応用するスキルの習得に注力しています。この一環として、JDLAのDeep Learning for GENERAL（G検定）を400人以上の社員が取得しました。さらに、社内ではより機密性の高いAIチャット利用環境を整備し、業務での利用を推進しています。

生成AIは入力された内容を学習に使用するため、セキュリティを考慮しつつ適切に利用することで、業務効率を大幅に向上できます。また、AIの利用方法に関する議論が日々活発に行われており、これからもAI技術の進展に注目し続けます。

生成AIにまつわるビジネス上の悩みやご相談がございましたら、お気軽にご連絡ください。

プロフィール