AIは絵をどう作る？ノイズから形をつくる拡散モデルの考え方【生成AIのなぜ5】

冒頭画像はAI生成の制作イメージです。本文の図解・練習例は、説明内容を確かめながら当サイトで構成しています。

生成AIのしくみをほどく｜全5回の第5回

「窓辺の青いカップ」と入力すると、それらしい絵が現れる。写真を検索しているのでしょうか、それとも何かを描いているのでしょうか。最終回は、画像生成に使われる方式の一つ、拡散モデルを入口に考えます。すべての画像生成AIが同じ方式というわけではありません。

画像も、計算できる数値の集まり

画面の画像は、色や明るさを表す数値で扱えます。拡散モデルの基本的な考え方は、学習用の画像にノイズを加える過程と、そのノイズを減らす方向の変化を学ぶことにあります。生成時には、ランダムな数値の状態から、段階的に構造のある画像へ近づけていきます。

ここで「砂嵐の中に、もともとの写真が隠れている」と想像すると少し違います。新しく生成する際の初期ノイズから、決まった一枚を発掘するわけではありません。学んだ傾向や与えた条件を使い、どちらへ変化させるかを計算していきます。

また、画像そのものではなく、圧縮した表現の中でこうした処理を行う方式もあります。見た目の説明図を、そのまま内部の画像や処理回数だと思わないようにしてください。

文章は、形を選ぶための条件になる

文章から画像を作る場合、テキストを数値の表現へ変え、生成の条件に使う方式があります。「青いカップ」「窓辺」といった指定が、どんな画像へ近づけるかに関わります。ただし、単語を一つずつ完成画像の部品へ貼り付ける、という単純な仕組みではありません。

編集部のたとえなら、紙に「カップは青、光は左から」と制作メモを書いておく感覚です。ただし人がメモを解釈する過程と同じではなく、AIの計算を理解するための補助です。左右関係、個数、文字の綴りなどが、指定どおりにならない場合もあります。

似た指示でも、絵が違う理由

最初のノイズや生成時の設定が違えば、同じ文章でも結果が変わり得ます。条件を固定して再現性を高められる仕組みもありますが、製品やモデルの更新をまたいで同じ結果になるとは限りません。再現したい場合は、文章だけでなく、使用モデルや設定なども記録します。

自分で比べるなら、変更する条件を一つに絞りましょう。「青いカップ」から「赤いカップ」へ色だけを変える。次に視点だけを変える。すべてを同時に変えると、何が結果に影響したのか分かりにくくなります。比較には手元の既存画像を使っても構いません。

「検索して貼っただけ」でも「必ず独創的」でもない

この方式の基本動作は、画像検索で一枚を選び、そのまま返す処理とは異なります。ただし、それだけを理由に、既存作品と似た出力が絶対に生じないとは言えません。学習データの記憶や類似性の問題は残ります。

公開用に使うときは、用途に合う権利やサービス条件を別途確認します。ここでの仕組みの解説は、個々の出力の権利関係を判定するものではありません。実在の商品や出来事の写真として使う場合には、生成画像だと分かる説明も必要です。

全5回を、一枚の見取り図に戻す

文章は小さな単位から続きをつくる。学習と会話の参照は別。滑らかな回答にも誤りはあり、検索した資料も読み合わせが必要。そして画像には、ノイズを減らすように形をつくる方式がある。この五つを分けられると、「AIだから」で一括りにせず、目の前の機能を考えやすくなります。

次に新しいAI機能を見たときは、「何を入力し、どんな材料を使い、何を出力するのか」を書いてみてください。仕組みを少し知ることは、万能だと思うことでも、役に立たないと決めつけることでもなく、確かめながら使うための足場になります。

ノイズ除去は、元の写真へ戻すだけではない

古い写真を修復する作業を思い浮かべると、元の一枚が決まっていて、それへ近づけるように感じるかもしれません。新しく画像を生成する場面では、最初のノイズの中に完成写真が隠れているわけではありません。学習で得た傾向と条件を使い、次の状態を計算していきます。

図の上段は、学習を考えるために画像へノイズを加える向き。下段は、新しい初期状態から画像を作る向きです。途中の三枚は説明のための模式図で、特定のモデルが出した途中画像や、実際の処理回数を表していません。

さらに潜在拡散モデルのように、圧縮された表現の中で処理し、最後に画像へ戻す方式もあります。画面のピクセルを一つずつ磨いている、とだけ考えるより、「何を数値として扱っているか」が方式によって違うと覚える方が、説明の範囲を誤りにくくなります。

同じカップを比べるなら、変える条件を一つにする

「窓辺の青いカップ」と「夜の机の赤いガラスのコップ」では、色・素材・場所・光が同時に変わっています。絵が変わったことは分かっても、どの指定が何に効いたかは読み取りにくくなります。

まず「窓辺の青い陶器のカップ」を基準にし、色だけ赤へ変えます。次に基準へ戻り、視点だけを上からに変える。比較するたびに、ほかの条件がどこまでそろっていたかを記します。結果には生成時の設定なども影響するため、一回の比較で一般法則まで見つけたとは言いません。

この練習では、見栄えだけでなく、取っ手の形、個数、光の向き、指定した素材が保たれたかを一つずつ見ます。きれいな画像と、依頼に合う画像を、別の観点として点検する方法です。

説明図として使うときは、意味の正確さを先に見る

雰囲気を伝える表紙画像なら、カップや机の写真調イメージが入口になります。一方、処理の順番や音名、実験の条件を教える図では、ラベルと関係が正しいことが先です。印象的な画像ができたからといって、説明の根拠まで描けたことにはなりません。

この連載でも、冒頭画像は生成した制作イメージ、本文の図は意味を確認しながら構成した模式図として区別しています。画像の用途を決め、確かめる項目を変える。この考え方は、AIの回答を読むときの「何を主張しているか」を分ける姿勢ともつながります。

ひとつ、確かめてみよう

「ノイズを減らす方式」と分かれば、すべての画像AIを説明できる？

参考にした一次資料

• Hoほか：Denoising Diffusion Probabilistic Models
• Rombachほか：潜在表現での拡散モデル
• Google：文章から画像を作る異なる方式の解説

2026年11月1日確認。本文のたとえ・模式図・練習問題は当サイトで制作しています。