生成AI（ジェネレーティブAI）とは？
種類・仕組み・活用例を解説
生成AI（ジェネレーティブAI）という言葉を聞いたことがあるものの、どのようなツールかよくわからないという方もいるのではないでしょうか。
この記事では、生成AIでできることや仕組み、生成AIアプリ・ソフトの代表例、ビジネスでの生成AIの活用例などについて解説します。生成AIについて詳しく知り、今後使っていきたい方はぜひ参考にしてください。
生成AIとは、文章や画像などのコンテンツを自動的に生成できるAIのことです。生成AIはジェネレーティブAI（Generative AI）とも呼ばれます。
生成AIには、既存のデータをもとにパターンや関係を学ぶ機械学習という技術が用いられています。テキストや静止画、動画などのデータを大量にインプットして機械学習をすることで、新たなコンテンツの生成が可能です。
機械学習の仕組みや活用例については、機械学習とは？仕組みや活用例までわかりやすく解説をご確認ください。
生成AIと従来のAIの違いは、新たなコンテンツを作り出す機能の有無です。従来のAIは、学習したデータの中から正解に近いものを選び、提示するものでした。一方、生成AIはデータが持つ特徴を分析してモデルを構築し、指示された内容に応じたオリジナルのコンテンツを作るものです。
AIについて詳しくは、AI（人工知能）とは？仕組み・使い方・ビジネスの活用事例を解説をご確認ください。
生成AIは、画像や動画のほか、テキストや音声なども生成することが可能です。また、音楽や3Dモデルを作れる生成AIもすでに開発されています。
作りたい画像の特徴をいくつかの単語で表現し、生成AIにプロンプト（ユーザーが入力する指示や命令文）として指示すると、イメージに沿った画像が出力されます。
WebサイトやSNSなどに使用する画像を作る際に、画像生成AIが便利です。また、新たな画像を作るときに、画像生成AIが出力したものをアイデアの参考にすることもできます。
画像生成と同様に、プロンプトで指示したイメージに合う動画を生成することが可能です。また、入力した既存の動画データを変換し、新たな動画を生成できるAIも開発されています。
現在AIで生成できる動画は長さが数秒程度に限られるなど、静止画の生成と比べると制限がありますが、将来的には、ハウツー動画やプロモーションビデオの生成、ゲーム開発などに活用できるようになる可能性があります。
テキスト生成AIは、プロンプトで指定された内容に応じて文章を自動生成できます。人が書いたかのような違和感のないテキストを出力できることが、テキスト生成AIの特徴です。生成AIとして有名なChatGPTも、テキスト生成AIに分類されます。
テキスト生成AIの使い道としては、既存の文章の要約や質問への回答、外国語への翻訳などが挙げられます。また、プログラムコードの作成にもテキスト生成AIは活用できます。
音声生成AIは、入力された音声データをもとに特徴を学習し、新たな音声を作成できるAIです。音声生成AIのモデルを用いると、女性の声を男性の声に変換したり、事前に入力しておいた人の声をベースにしてナレーションを作成したりできます。
一口に生成AIといっても、使用されているモデルの種類は様々です。基本的に、ソフトやサービスによって使用されているモデルが異なります。ただし、開発者によって自由に使える状態で公開されている生成モデルの場合は、複数のサービスで共通して使用されていることもあります。
主な生成AIの仕組みや技術的な特徴は次の通りです。
VAEは「Variational Auto-Encoder」の略称で、変分オートエンコーダとも呼ばれます。VAEの仕組みを用いると、学習用のデータから特徴を学習し、新たな画像を生成することが可能です。そのため、VAEは、主に画像生成AIの開発に使用されます。VAEの仕組みは、画像以外に音声やテキストの生成AIにも利用できます。
ただしVAEには、生成するデータの特徴や画風が学習元と似るという特徴があります。生成した画像をオリジナル画像として使用したい場合などでは、著作権が絡むケースがあるため、生成されたデータを目視でチェックするなど、適切な運用体制を用意することが大切です。
GANは「Generative Adversarial Networks」の略称で、敵対的生成ネットワークとも呼ばれます。GANは、画像生成AIに使用されるモデルのひとつです。
GANでは、ランダムに作成されたデータである「Generator（ジェネレーター）」と、学習用に用意された正しいデータである「Discriminator（ディスクリミネーター）」という2つのネットワーク構造が利用されます。これらのネットワーク間で比較を繰り返し、生成するコンテンツの精度を高めることが可能です。
拡散モデルは、画像生成AIに使用されるモデルです。拡散モデルでは、画像にノイズを加えていくことで学習を行います。
既存の画像データに対して徐々にノイズを加えていき、一度完全なノイズにしたあと、ノイズを除去して元に戻すというプロセスを経て学習することが拡散モデルの特徴です。元の画像とノイズを除去した画像の差分が最小となるように、パラメータの調整が行われます。
GPTは、ChatGPTに使用されている自然言語処理モデルです。膨大なテキストデータを参照して、文章の中で特定の単語の次に出現する単語の候補を予測できるように学習が行われます。この仕組みにより、プロンプトの内容に応じた自然なテキストを生成することが可能です。
自然言語処理モデルにはGPTのほかにも、GoogleのBardで採用されているPaLMなどがあります。
なお、GPTについては、「GPT-3とは？チャット型AIの機能や使い方を活用例を踏まえて解説！」で詳しく解説しています。
Voiceboxは、Facebookを運営するMeta社によって開発された音声生成モデルです。音声やテキストを入力することで、自然な音声を生成できます。Voiceboxは、多言語に対応しているため、同じ人の声のまま様々な言語のテキストを読み上げることが可能です。
ただし、Voiceboxを用いた音声生成AIは、2023年9月現在は、一般公開される予定がありません。
Video Latent Diffusion Modelは、GPU（Graphics Processing Unit：画像処理装置）の設計や画像処理技術の開発などを行うNVIDIA社が、アメリカのコーネル大学と共同で開発した生成モデルです。Latent Diffusion Model（LDM）は拡散モデルをベースとして開発されたモデルで、潜在拡散モデルとも呼ばれます。
Video Latent Diffusion Modelは、テキスト入力した情報に基づいて動画を生成するためのモデルです。研究開発が進められている段階であり、製品化の予定はまだありません。動画専用に開発された生成AIモデルは、現状ではまだ少数となっています。
生成AIの機能を利用できるアプリやソフトには、様々なものがあります。代表的な生成AIアプリ・ソフトは次の通りです。
ChatGPTは、OpenAI社によって開発、提供されているテキスト生成AIです。ユーザーが入力した質問に対して、人間のような自然な文章で回答できます。ChatGPTは、インターネット上の膨大なテキストデータを学習し、特定の単語の次に出現しそうな単語を予測する言語モデルのしくみに加え、より自然な回答をするための調整（ファインチューニング）を行っています。
プラグインで機能を拡張すると、テキストだけでなくPDF形式のデータなども読み込めます。PDFに書かれている内容の要約など、プロンプト次第で様々な使い方ができます。
ChatGPTで使用している言語モデルは、2023年10月現在では、GTP-3が使用されています。
GPT-3について詳しくはGPT-3とは？チャット型AIの機能や使い方を活用例を踏まえて解説！をご覧ください。
Bingは、マイクロソフト社が開発したテキスト生成AIのひとつです。BingにはChatGPTの最新モデルであるGPT-4が搭載されており、対話形式の自然な文章で様々な質問に回答できます。
ただし、Bingの回答数には制限があり、1回の会話につき30ターンまで利用可能です。1日の上限は300ターンまでとなっています。
Bing AIの詳細については、Bing AIとは？機能の特徴や使い方、ChatGPTと比較した強み・弱みを解説！をご覧ください。
Microsoft 365 Copilotは、Microsoft社が開発したAIアシスタント機能です。生成AIモデルの機能を用いて、ExcelやOutlookなどMicrosoft 365に含まれる様々なソフトの操作を効率化できます。Microsoft 365 Copilotでできる主なことは次の通りです。
| ソフトの種類 | AIアシスタント機能でできること |
|---|---|
| Excel | テキストプロンプトによる指示でデータのグラフ化や図表の作成を手早く実行できる |
| PowerPoint | テキストプロンプトによる指示でスライド資料の作成を自動化できる |
| Teams | 会議の録音の文字起こしや要約文の作成、チャットの履歴から重要な部分だけを確認できるデータ |
| Outlook | テキストプロンプトによる指示でメンバーへのイベント（予定・スケジュール）招待を送信できる |
Microsoft 365 Copilotは、2023年11月1日から企業ユーザー向けに提供が開始すると発表されています。
OpenAI社が開発したWhisperは、音声認識モデルを活用した自動文字起こしAIです。発話内容を音声データとして認識し、自動的にテキスト形式に変換することが可能です。
WhisperはWeb上の膨大な音声データを学習させたモデルで、日本語を含む様々な言語に対応可能です。Whisperを使う際には、音声データ1分あたり0.006ドルの使用料がかかります。（2023年9月現在）
Stable Diffusionは、Stability AI社が開発した画像生成AIです。Stable Diffusionには拡散モデルが用いられていて、テキストプロンプト（英語）で指示を行うと、イメージに近い画像を生成できます。
Stable Diffusionで生成できる画像は幅広く、イラストや絵画のようなテイストのものから、実写のようなリアルなものまで作成することが可能です。
Runway Gen-2は、Runway社が開発した動画生成AIです。テキストプロンプト（英語）による指示で動画が生成できるほか、静止画のデータをもとに動画を作ることもできます。さらに、テキストと静止画を組み合わせたプロンプトによる動画生成も可能です。無料版と有料版で機能が異なり、有料版ではより詳細な設定ができます。
VALL-Eは、Microsoft社が開発した音声生成AIです。3秒間の音声データを入力すると、その人の声を再現した自然な合成音声でテキストを読み上げることができます。また、怒っているような声や眠そうな声など、感情表現や声色を調整できることもVALL-Eの特徴です。
ここで挙げたもののほかにも様々な企業の生成AIアプリ・ソフトが存在しています。楽天グループにおいてはChatGPT APIや画像生成AI「DALL∙E 2」を活用したRakuten Viberの公式チャットボットViber AI チャットを提供しています。
生成AIは、制作や企画、データ分析など様々なビジネスシーンで活用できます。ここからは生成AIの主な活用例を紹介します。
生成AIを用いると、コンテンツ制作の一部を自動化できます。例えば、Webサイトに掲載する記事の構成案やタイトル案の作成、本文の作成などが可能で、商品やサービスのキャッチフレーズ、企業紹介の文章なども生成AIで作ることができます。
文章生成AIが出力したテキストをもとに制作を進めると、手作業で一から進めるよりもタスク完了までにかかる時間を短縮できます。
アイデアの案を出すことも、生成AIの得意分野です。多くのデータを学習させた生成AIを使うと、革新的なアイデアの創出に役立ちます。
膨大なデータを基に学習・生成されたコンテンツは、新しいアイデアにつながる可能性があります。例えば、企業の認知度を高めるプロモーション方法や、新商品の企画など、生成AIによって効率的にアイデアを生み出すことができます。また、文字情報だけでなく視覚的なデザインや映像、音楽など様々な形式のアイデアを生み出すきっかけになります。
手作業での分析が難しい膨大なデータも、生成AIなら効率的に分析することが可能です。企業の売上データや市場トレンドに関するデータなどをもとに将来の予測を立て、マーケティング戦略を立案できます。
また、マーケティング施策を顧客ごとに最適化することも生成AIが得意とする作業です。顧客の過去の購買行動を分析し、隠れた購買パターンやおすすめの商品、サービスを割り出すことができるので、エンゲージメントや購買率を高められる可能性があります。
生成AIによるデータ分析について詳しくは、「データマイニングとは？概要や手法、活用事例をわかりやすく解説」をご覧ください。
生成AIを使うと、議事録の作成にかかる時間を短縮できます。音声認識機能を持つ生成AIを使えば、会議の音声データを入力するだけで、議事録の作成が可能です。また、会話内容をテキスト化する作業だけでなく、文章生成AIを使って要点をまとめたりする作業も効率化できます。
生成AIはビジネスに役立つものの、いくつかの課題もあるため、特徴を理解した上で正しく利用することが大切です。ここでは、生成AIを活用する上で注意したいポイントについて解説します。
文章や画像など、他の人が作ったコンテンツを生成AIに学習させることは著作権侵害にはあたりません。ただし、生成AIが出力したデータが既存の作品に酷似している場合、権利侵害とみなされる可能性があります。
生成AIを利用する際は、生成されたコンテンツが他者の著作権を侵害していないかを人間の目でチェックすることが大切です。
テキスト生成AIは、サイバー攻撃を目的とした悪質なプログラムの生成に利用される恐れがあります。そのため、悪質なプロンプトをブロックする仕組みが施されている生成AIを選ぶことが重要です。例えば、ChatGPTなどの生成AIにはプロンプトの制限があり、安全に使用できます。
また、生成AIに限らず様々なWebサービスの利用に際して、日頃からセキュリティ対策を行っておくことで、サイバー犯罪への対応が可能です。パスワード情報の適切な管理や二段階認証の導入などの対策を実施しましょう。
一般的に、生成AIに入力したデータは、AIの学習データとして利用されます。機密情報などを生成AIに入力してしまうと、外部へ流出する可能性があるため、適切な対応が必要です。
個人情報や機密情報を生成AIに入力しないことや、企業や組織内での利用範囲などのルールを事前に決めておきましょう。
また、利用者が入力したデータが学習に使われないしくみの生成AIを選ぶことも対策方法のひとつです。例えば、ChatGPTでは入力データをAIの学習に利用させないための設定ができます。
生成AIは、プロンプトで指定した内容をもとに、テキストや画像などのコンテンツを自動生成できるAIです。生成AIのアプリやソフトには複数の種類があり、文章生成やテキストの読み上げ、動画生成など得意分野が異なります。生成AIの仕組みや特徴を理解した上で、ビジネスや日常生活における作業の効率化に役立てましょう。
ITライター／新技術ウォッチャー。XR、ジェネレーティブAIなどの新しいテクノロジーや企業のDX取材、技術者・経営者へのインタビュー、技術解説記事などを執筆。ビジネスを軸にしたXRと最新テクノロジーのWEBマガジン『TechComm-R』運営。Yahoo!ニュース公式コメンテーター（ITジャンル）。株式会社ウレルブン代表。
