見出し画像

AIモデルの「状態調書」を作る財団の存在を確認した。美術アーカイブとAIアーカイブの類似性

シツカン｜質感LoRA


質感LoRAラボも日本伝統素材の移植を試みているので目にとまった。

気になるプロジェクトに出会った

2026年5月。

スイス・ザンクト・ガレンに非営利財団「Internet Archive Switzerland」が設立されたらしいです。

そのプロジェクトのが「Gen AI Archive」。

やっていることは、生成AIモデルの「振る舞い」を、特定時点のスナップショットとして保存すること。

2022年の初期画像生成モデルを今そのまま動かせるかというと、ほぼ無理。

GPT-3のオリジナル版も、Google Bardの初期版も、もう再現できない。

企業はモデルを更新し、旧版を静かに引退させる。サポートはどこかで切れる。

「ある時点でAIがどう振る舞っていたか」の記録は、ほとんど残らない。

Gen AI Archiveは、それを防ごうとしている。

これは美術博物館学の文脈では、アーカイビングに該当するのかな。と興味津々な訳です。

何を保存するのか

ザンクト・ガレン大学のDamian Borth教授と連携し、モデルの振る舞いを記録している。らしい。

  • 特定の質問にどう回答するのか

  • どんな知識を持っているのか

  • どんなバイアスがあるのか

開始数ヶ月で約2,500モデルがアーカイブ済み。らしい。

Llama-3の派生版など、消滅リスクのあったオープンウェイトモデル──重みが公開されていて誰でも動かせるタイプ──も含まれます。らしい。

バージョン管理とは違う

最初は「Gitみたいなもの？」と思いました。

Gitというのはコードの変更履歴を管理するツールで、開発者が自分で意図的に差分を残していく仕組みです。

でもGen AI Archiveは違う。らしい。

中身が非公開のモデルを、外部から定点観測している。

中身は見えない。でも「この時点ではこう振る舞っていた」を、外側から記録していく。

博物館学をやっていた。アーカイビングの中の

収蔵品の状態調書（condition report）と同じ構造っぽい。

作品の内部構造は変えられない。でも「この時点での表面状態」を記録し続けることで、経年変化を追跡できる。

質感LoRA研究との交差点

ここからが個人的にワクワクした部分。

私がTextureLoRALabでやっているのは、絵画の質感（マチエル）をLoRAの重みとしてデジタル保存（移植）すること。

油彩の筆致、キャンバスの凹凸、絵具の厚み。こういう物理的な表現特性を、再現可能な形で残す。

並べてみると：

  • Gen AI Archive → AIモデルの振る舞いを、時点スナップショットとして保存

  • 質感LoRA研究 → 物理作品の表現特性を、モデルの重みとして保存

保存対象は全然違う。

でも「再現不可能になる前にデジタル形式で定着させる」という動機が同じだと気づいて、おっ、と思いました。

もう一つ。

どちらも「いつ保存したか」自体に意味がある。

Gen AI Archiveでは、2024年のGPT-4と2026年のGPT-4oで回答傾向が違う。その差分が研究資料になる。

質感LoRAでも、同じ画家の初期作品と晩年作品では筆致が変わる。

時点ごとの記録があって初めて、変化の軌跡が見えます。

これ、AIアーティストのみなさんにも関係ある話なのでは？と思ってたりするわけです。

今動いているSDXL 1.0──現行の画像生成モデル──で学習したLoRAが、5年後も同じように動く保証はどこにもない。

モデルやツールの生態系が変われば、出力も変わる。

自分の成果物を検証可能な形で残しておくことの意味は、じわじわ増していく気がしています。

LoRAの重みも、学習条件も、出力サンプルも。

それと、博物館学が培ってきた状態調書、来歴（provenance）記録、環境モニタリング。

こういうフレームワークがAIモデルの保全にも使えそうだというのは、美術とテクノロジーの両方を触っている身として、純粋に面白い。

まとめというより、メモ

Gen AI Archiveは、AIを「使う」だけの時代から「保存し、検証する」時代への移行を示しているように見えます。

質感LoRA研究が、絵画を「鑑賞する」だけでなく「デジタル資産として定着させる」方向に進んでいるのと、たぶん同じベクトル。

作ったものが消えないようにする。

あとから振り返れるようにする。

その対象が、キャンバスからAIモデルまで広がった。

面白い時代だなと思います。研究の傍ら、片耳をそば立てておきたいな。と思っています。

用語メモ：

  • スナップショット ── ある瞬間の状態をまるごと記録したもの

  • LoRAの重み ── モデルが学習した数値データ。これ自体がファイルとして保存・共有できる

参考：

著者について

高校で日本画専攻、公立芸大で芸術学を学び、英国で博物館学修士（Merit）を取得。

現在はFloyo AI（ThinkDiffusion社）とのクリエイター提携により、H100クラウドGPU環境でLoRA作成を研究中。

金箔・螺鈿・漆など日本伝統素材の質感をAIに刻む「質感LoRA」を開発しています。

→ 全記事ナビ → CivitAIで無料LoRAを公開中 → noteメンバーシップ「質感LoRAラボ」（¥500/月）


スキ、フォロー、コメントどしどしお待ちしています。

いいなと思ったら応援しよう！