Overview

• この研究は、機械学習ツールを長期間使ってきた美術家たちにインタビューを行い、彼らがAIをどう感じ、どう使っているのかを調べています。
• AIモデルに組み込まれた固定的な概念体系が、アーティストの創造的な自由を意外と制限していることが明らかになりました。

生成AIの普及で、アーティストたちもCLIPやDiffusionモデルなどのツールを日常的に使うようになっています。でも、こうしたツールが実際の制作現場でどう機能し、どんな課題を生むのかは、あまり深く研究されていませんでした。この研究は、実際にAIで作品を作ってきたアーティストの声を丁寧に聞くことで、技術と創造性の関係の本当の姿を浮き彫りにしています。

Abstract

View 3 comments: 参加者たちは、データセットのラベル付けに使用される言語は、深い芸術的表現に必要なニュアンスに欠けることが多いと主張しました。マルチモーダルモデル（CLIPなど）にエンコードされた強く固定された関連性は、アーティストが利用できる「概念空間」を制限する可能性があります。アーティストは新しい視覚形態を発見する代わりに、モデルの「猫」や「森」がどのようなものかという事前に定義された定義と交渉することになり...

Motivation

• AIツールがアーティストの制作に与える影響を理解することの重要性があります。既存の研究は技術性能に目を向けすぎて、創作実践の現場で何が起きているかを見落としていました。
• データセットのラベル付けに使われる言葉や、モデルに埋め込まれた意味の繋がり方が、アーティストが表現したい微妙なニュアンスと本当に合致しているのかが疑問です。
• 機械学習が10年の進化を遂げる中で、アーティストたちの認識や実践もどう変わってきたのかを、長期的な視点から捉えたいという意図があります。

Method

アーティストを対象とした定性的インタビュー研究です。実際にAIツールを制作に取り入れてきた複数の参加者に対して、彼らの経験や課題、AIモデルの限界について時間をかけて聞き取り、その証言から共通パターンや構造的な問題を抽出しています。

• 参加者は機械学習の美術制作への応用を実際に経験してきたアーティストで、10年程度のAI導入の歴史を反映する複数の世代が含まれています。
• インタビューを通じて、アーティストがAIツールの『アフォーダンス』（何ができるのか、どう使えるのかという可能性）をどう認識し、実際の創作プロセスでどう活用しているかを深掘りしています。
• 得られた語りをテーマ別に分類し、AIモデルの構造（データセット、エンコーディング、訓練プロセス）とアーティストの表現目標との間にどんなズレやコンフリクトが生じているかを分析しています。

Results

AIモデルに固定化された『猫とは何か』『森とは何か』という事前定義が、アーティストが新しい視覚形態や意味を発見する手がかりではなく、むしろ既存の概念の枠内での交渉を強制してしまうという本質的な問題が見えてきました。

• 多くのアーティストが、データセットのラベル付けに使われた言語が芸術的な深さや複雑なニュアンスを捉え切れていないと指摘しています。
• CLIPなどのマルチモーダルモデルに組み込まれた強固な関連性が、アーティストが探索できる『概念空間』を想定外に限定してしまうことが確認されました。
• アーティストたちは既存の視覚形態を新しく発見するのではなく、モデルが既に『知っている』カテゴリとの間で協調や対抗を迫られるという創作体験の根本的な違いを経験しています。

Further Thoughts

• AIツールの開発者は、モデルの訓練やラベル付けの段階で、一つの『正しい』意味を固定化するのではなく、複数の解釈や周辺的な意味を保持する仕組みを設計する必要があります。
• アーティストだけでなく、表現を大切にする専門家の声をAIツール開発の初期段階から組み込むことが、より豊かで開放的な創造的実践を支えるAIを作る道になりそうです。
• 今後は、この研究の知見をベースに、『訓練データの多様性をどう確保するか』『モデルの内部表現をどう柔軟にするか』といった具体的な技術課題へのアプローチが求められます。

Links

• alphaXiv