今週のAI：生成AIとクリエイターへの報酬問題

テッククランチイベント

このフレームワークは、シャプレー値と呼ばれるゲーム理論の概念を用いて、トレーニングデータセット内のコンテンツ（テキスト、画像、その他のデータなど）がモデルの生成結果にどの程度影響を与えるかを評価します。そして、その評価に基づいて、コンテンツ所有者の「正当な権利」（つまり報酬）を決定します。

ジョン、ジェイコブ、ジャック、ジェベディアという4人のアーティストの作品を使って学習させた画像生成モデルがあるとします。このモデルに、ジャックのスタイルで花を描くように指示します。このフレームワークを使えば、各アーティストの作品がモデルが生成する作品にどのような影響を与えたかを判断し、各アーティストに適切な報酬を与えることができます。

しかし、このフレームワークには欠点があります。それは、計算コストが高いことです。研究者たちの回避策は、正確な計算ではなく、報酬の推定値に依存しています。それでコンテンツ制作者は満足できるでしょうか？私にはそうは思えません。OpenAIがいつかこれを実用化すれば、きっとわかるでしょう。

ここ数日間で注目されたその他の AI 関連ニュースは次のとおりです。

• マイクロソフトが顔認識の禁止を再確認：マイクロソフトのOpenAI技術の完全管理型ラッパーであるAzure OpenAIサービスの利用規約に追加された文言は、米国の警察署による顔認識のための統合の使用をより明確に禁止している。
• AIネイティブ・スタートアップの本質： AIスタートアップは、典型的なSaaS企業とは異なる課題に直面しています。これは、先週ボストンで開催されたTechCrunch Early Stageイベントで、Glasswing Venturesの創業者兼マネージングパートナーであるルディナ・セセリ氏が語ったメッセージです。ロンが詳細をお伝えします。
• Anthropicがビジネスプランを発表： AIスタートアップ企業Anthropicは、企業向けの新しい有料プランと新しいiOSアプリを発表しました。エンタープライズプラン「Team」では、AnthropicのClaude 3ファミリー生成AIモデルへの優先アクセスに加え、管理者およびユーザー管理機能も強化されています。
• CodeWhispererは終了しました。Amazon CodeWhispererは、Amazonのビジネス向け生成AIチャットボット「Q」ファミリーの一員であるQ Developerに名称変更されました。AWS経由で利用可能なQ Developerは、開発者が日々の業務の中で行うアプリケーションのデバッグやアップグレードといったタスクの一部を補助します。これはCodeWhispererとよく似ています。
• サムズクラブからそのまま出られる：ウォルマート傘下のサムズクラブは、AIを活用して「退店テクノロジー」のスピードアップを図ると発表した。レジまたはスキャン＆ゴーモバイルアプリで支払いをしたサムズクラブの顧客は、店舗スタッフに退店時に購入品をレシートと照合してもらう代わりに、特定の店舗では購入品の再確認なしで退店できる。
• 魚の収穫、自動化：魚の収穫は本質的に面倒な作業です。シンケイは、より人道的かつ確実に魚を処分できる自動化システムによって、この作業を改善しようと取り組んでいます。その結果、全く新しい水産業経済が生まれる可能性があると、デビン氏は報告しています。 
• YelpのAIアシスタント： Yelpは今週、消費者向けに新しいAI搭載チャットボットを発表しました。同社によると、OpenAIモデルを搭載しており、照明器具の設置や屋外スペースの改修など、ユーザーのタスクに関連する企業とのつながりをサポートします。同社はこのAIアシスタントをiOSアプリの「プロジェクト」タブで展開しており、今年後半にはAndroidアプリにも展開する予定です。

さらなる機械学習

この冬、アルゴンヌ国立研究所で盛大なパーティーが開かれたようです。AIとエネルギー分野の専門家100名が集まり、急速に進化する技術が国のインフラやその分野の研究開発にどのように役立つかについて議論が交わされました。その結果生まれた報告書は、その集まりから予想される通り、空想的なものばかりですが、それでも有益な情報が含まれています。

原子力、送電網、炭素管理、エネルギー貯蔵、そして材料について検討した結果、今回の会合で浮かび上がったテーマは、第一に、研究者が高性能な計算ツールとリソースにアクセスする必要があること、第二に、シミュレーションと予測の弱点（第一に挙げたものによってもたらされたものも含む）を見抜くこと、第三に、複数のソースや様々な形式のデータを統合し、アクセス可能にするAIツールの必要性です。私たちは、これらのことが業界全体で様々な形で起こっているのを見てきましたので、驚くことではありませんが、連邦レベルでは、数人の科学者が論文を発表しなければ何も成し遂げられないので、記録に残しておくのは良いことです。

ジョージア工科大学とMetaは、その一部にOpenDACと呼ばれる大規模な新データベースを用いて取り組んでいます。OpenDACは、反応、材料、計算結果を集約したもので、科学者が炭素回収プロセスをより容易に設計するのを支援することを目的としています。このデータベースは、炭素回収において有望かつ人気の高い材料である金属有機構造体に焦点を当てていますが、そのバリエーションは数千種類にも及び、網羅的な試験は行われていません。

ジョージア工科大学のチームは、オークリッジ国立研究所およびMetaのFAIRと協力し、これらの物質における量子化学相互作用のシミュレーションを行いました。シミュレーションには約4億時間もの計算時間を費やしました。これは大学が容易に投入できる量をはるかに超える量です。この分野に携わる気候研究者の皆様のお役に立てれば幸いです。すべての成果はここにまとめられています。

医療分野におけるAIの活用についてはよく耳にしますが、そのほとんどはいわゆるアドバイザー的な役割で、専門家が気づかなかったかもしれない事柄に気付いたり、技術者が何時間もかけて見つけていたであろうパターンを見つけたりするのを手助けするものです。これは、これらの機械学習モデルが、何が原因となり、何が起きたのかを理解せずに、統計間の関連性を見つけるだけだからです。ケンブリッジ大学とルートヴィヒ・マクシミリアン大学ミュンヘン校の研究者たちは、基本的な相関関係を超えた分析が治療計画の策定に非常に役立つ可能性があるとして、この研究に取り組んでいます。

LMUのシュテファン・フォイエリーゲル教授が率いるこの研究は、相関関係だけでなく因果メカニズムを特定できるモデルの構築を目指しています。「因果構造を認識し、問題を正しく定式化するためのルールを機械に与えます。そして機械は、介入の効果を認識し、いわば、コンピューターに入力されたデータに現実世界の結末がどのように反映されているかを理解するように学習する必要があります」とフォイエリーゲル教授は述べています。彼らにとってまだ初期段階であり、そのことは彼らも認識していますが、この研究が10年規模の重要な発展期の一部であると考えています。

ペンシルベニア大学大学院生のロ・エンカルナシオンさんは、過去7～8年（主に女性と有色人種によって）開拓されてきた「アルゴリズムによる正義」分野において、新たな視点で研究を進めています。彼女の研究はプラットフォームよりもユーザーに焦点を当てており、彼女が「創発的監査」と呼ぶものを記録しています。

TikTokやInstagramが人種差別的なフィルターや、目を見張るような画像を生成する画像ジェネレーターをリリースしたら、ユーザーは一体どうするだろうか？もちろん不満を言うだろうが、同時に使い続け、そこに潜む問題を回避したり、悪化させたりする術を学んでいく。これは私たちが考えるような「解決策」ではないかもしれないが、ユーザー側の多様性とレジリエンス（回復力）を示している。彼らは、あなたが思うほど脆弱でも受動的でもないのだ。