これから始める方向け: DALL-Eを使用し審美眼と創造性の競争に追いつき、追い抜く切磋琢磨を楽しむための、ベストプラクティスな図解マニュアル

2024年7月21日 13:49

車のアナロジー

車は人を乗せて運んでくれるけど、タクシーのように乗せてもらうか、自分が運転する必要があります。

車は重大な事故に繋がることがあるから、ハンドルを握る時、責任を意識なさる方もいらっしゃるかと思います。
その責任をご想像ください。

人の役割

生成AIは自我を持ちませんから、人が主体性を持って何をするか決めます。
DALL-Eだと、トレーニングや推論の間違いで、例えばアール・ヌーヴォーと言った瞬間に「人物」が女性に偏るとか、モノクロームで木炭（チャコール）と万年筆で描いてねとお願いすると、高確率で万年筆がそっと添えてあります。

「ぜんぶ黒いから、万年筆で描いたって、僕ちゃんと分かってますからね！」･:*+.\(( °ω° ))/.:+
——と、DALL-Eが説明したくなりそうな状況で、頻発します。OpenAIのサポートも把握してます。自我は無いはずなのですけれど……

そして、結果に責任を持ちます。

アルパカの親子の視覚物語なのですが、Meta Llama 3を意味するリャマなんだよね？！　とツッコミを受けても、アルパカだようと説明するもしないも、私が結果を引き受けます。

そして結果の質も、確認しています。これは気持ち悪くないメデューサを描こうとして試行錯誤した過程も掲載しています。過程の画像ではなく、一枚目に至るまで手を止めなかったのは、質が足りないと感じたからです。

創造性と審美眼は、一朝一夕には育たないから、根気強く学ぶのが大切ですね。進む道は違っても、共に学びましょう。創作を志すなら、学ぶことはセットだから。

私のDALL-Eの理解

ミモザとイエローダイヤモンドなどで作っています。予算が無くても高価な素材を指定できるのは夢があります。

電車も駅も全て黄金。お幾ら万円するのでしょう。

工夫するとこうも出来ます。

キルトでぬいぐるみを作ることも出来ます。

けれど、グラスを透過した光の作る影は、「コラージュ」であり正確に計算されているわけではないから、不正確になります。建物や人体のデッサンが狂うこともあります。部分で見ると適切で全体で見るとおかしいから、エッシャーの騙し絵みたいなことも起きます。

「キルト」とか、水彩画をどの画材と技法で描くのかなどの画材や素材選びと、レンブラントライトのような照明のこと。例えば、カメラ詳しい方は有利だと思います。「質感」で、我々はリアリティを感じるから、何を使えば質感が高まるのかを探求すると、表現の幅が広がります。

西洋美術史などの必要性

例えばクリムトをインスパイアして、色々模索した結果、ChatGPT+がたまに事故で2枚生成することがあるのですが、その偶然が一番クリムトっぽくなったりします。

人気の印象派も、どの作家とどの作家を組み合わせてインスパイアするかで、かなり異なります。

深津貴之さんのこの記事は、知の高速道路として素晴らしいので、読んで体得することをお勧めします。

創造性や審美眼を育てるなら、美術に関する総合的な知識は得た方が得です。例えば、なぜ印象派からキュビズムへ向かったのかを知るとか、ルネッサンスと筋肉の表現の関係とか、洞窟壁画からスタートした人類史のアートがどのような流れを持っているか気がつくと、楽しいし、引き出しも増えます。

8作品で、同じ主題を描いて、西洋美術史を振り返りました。

プロンプトを英語で読むことの勧め

日本語でもスペイン語でも、つまり英語以外で画像生成できます。けれど、ChatGPT+はDALL-Eに英語でプロンプトを渡しているはずなので、意図しないエラーが起きたら翻訳の問題も関係します。

例えば、タヌキは、我々には馴染みのある動物ですが、アライグマが出てきたりします。調べてたぬきを英語で指定しました。こうした微調整が出来るということ。

そして、自分が好きな画像にプロンプトも公開してくれている時に、英語のプロンプトを読むことができると、それだけ学ぶ対象を増やせます。英語が母語の方も読み方が分からない方は存在するから、第二言語でも不利ではないです。

これ、日英対訳で作りました。英語で読んでプロンプトの精度が上がったとフィードバック頂くこともあります。よろしければ、ご利用下さい。

DALL-Eの効果的なプロンプトとは？

深津さんのこの記事で、構造が分かるようになります。

そもそもDALL-Eとは？

プロンプトでどんな画像を生成したいか言葉で（テキストで）伝えると、画像を生成してくれる道具です。何枚か作って、この絵の顔が気に入りました。

ChatGPT+のエンジンに相当するのが大規模言語モデルのGPT-4シリーズです。DALL-EはChatGPT+のように人とコミュニケーション出来ないけれど、GPT-4シリーズを使用して画像を生み出します。

同じDALL-Eでも、ChatGPT+とAPIをPythonで使うのと（DALL-2にするなど、細かな指定ができます）、CopilotとCopilot Proで、モデルごとに解釈が変わるから、色々試してご自身のお好きなDALL-Eを見つけることを勧めます。

画像生成AIも動画生成AIも幅広く選択肢があり、進歩の早い分野です。体感ではMS-DOSとか1960年代の二眼レフカメラの段階かもしれないと思っています。それだけ伸び代やポテンシャルがあります。

言葉で描くということの可能性

例えば、家族のアルバムを持たない母の幼少期の話を聴いて、こんな感じ？　と、調整すると記憶をサルベージ出来ます。
この使い方は、傾聴の訓練を受けていなくても、大学生でもシルバー人材の方でも、DALL-Eを使えるのなら、思い出をサルベージすることを共通の話題にして、コミュニケーションを行えます。プライバシーの心配も無いし、高齢者福祉と孤立や孤独を防ぎ社会との繋がりを増やす意味でお勧めです。
エビデンスが揃ったら、海外にフレームワークを輸出することもできます。

細部が異なるのですが、3歳の頃に連れて歩いていた、ハンドメイドのうさぎの人形を生成しました。こんな風に、記憶の中にしか無いものを視覚化することも出来ます。

一番大切なこと: 切磋琢磨しても筆を折らないこと

DALL-Eが、Photoshopのようなツールになるのか、スマホのカメラのようになるのか、未来のことは分かりません。仮にスマホのカメラみたいに誰でも綺麗に撮れるようになっても、カメラの知識や経験が、その作品を特別にします。
何かを見て表現したいと思って、そのイメージに近づけるには、例えば「肉眼では飛行機や月がこう見えるのに、撮影すると違うこと」がなぜ起きるか学ぶ必要があります。

DALL-Eもプロンプトの構造を理解し、西洋美術史や画材や素材のことを理解したら、その先は、創造性と審美眼の勝負になります。

私の取り組み例

上記はすべて、私が、自分が過去に生成していないことを作ろうと取り組んだ作品です。達成と反省点があります。

バズるものではなく、ポロシャツもインテリアも、DALL-Eで生成できるものならば、何でも挑戦することにしています。

SNSでいくらでも比較できる時代のお守り

一番大切なことは、何を美しいと感じるか、何を愛おしいと思うか、正解はなくて、人それぞれということです。見に来てくれて良いねを押してくれたり、それまでの作品を踏まえてコメントも下さる方もいますが、みんな忙しいから伝わらなくて当たり前です。数千いいねもらうことも嬉しいけれど、1件とか4件のいいねであっても、自分で手応えを覚えると続けられます。