「AIアート」の生成は、誰でも簡単にできるのか？ 実際に試してみた結果
ある金曜日。午後3時13分サンノゼ発の列車の中で背中を丸めて、しかめっ面をしながらMacBookに向かっていたときのことだ。
数百キロメートル北のオレゴン州にあるグーグルのデータセンターで、1台のヴァーチャルコンピューターが起動する。ほどなく、退屈なLinuxのコマンドラインが画面に流れてきた。新しい“AIアートスタジオ”の登場だ。
そこからGoogleでいろいろと検索し、コマンドの入力ミスを繰り返し、何度も悪態をつくことになった。だが数時間後、わたしは奇妙な肖像画を量産し始めることになる。
コンピューターは得意なほうと言えるかもしれないが、コーダーではない。オンライン講座「CodeAcademy」の初心者向けJavaScriptコースすら完了できなかったくらいだ。
また、ヴィジュアルアートは好きだが、創作の才能が開花したことはない。AIアートに手を出したのは、コマンドラインの基本的な知識があったことと、最近になって19歳のロビー・バラットに出会ったからだ。
関連記事：AIが描いた肖像画は、こうして43万ドルの高値がついた
バラットもプログラミングの正式な資格はもっていない。しかし、AIアーティストとして才能を開花させ、「GitHub」でコードやアイデアを共有している。『WIRED』US版12月号で、独学のAI専門家たちを特集するためにバラットを取材した。
パリのアート集団「Obvious」が、バラットの“レシピ”とコードでつくった作品をクリスティーズのオークションにかけ、43万2,500ドル（約4,900万円）で落札されたことを知った。こうして、わたしもAIアートをやってみようと決意したわけだ。
まずは仮想コンピューターを導入
バラットは、人工ニューラルネットワークを使って創作活動を行っている。ニューラルネットワークは、自律走行車やがんの自動検出などを可能にする数学モデルであり、AIブームの立役者でもある。写真などのサンプルデータを大量に処理することで、有益なことや芸術的なことができるようになる。
バラットは、巨大アート百科事典「WikiArt」から集めた画像で、画像生成ニューラルネットワークを訓練するための手順とコードを共有してくれた。
ニューラルネットワークの訓練は、コンピューターの負荷が大きいことで有名だ。だからこそ、GPUのメーカーであるNVIDIA（エヌヴィディア）の株価が5年間で10倍以上になり、グーグルは機械学習用のチップを開発し始めたのだ。
GPUをもっておらず、2,000ドル（約22万7,000円）で購入する余裕もないわたしは、グーグルがクラウドコンピューティングサーヴィスの新規ユーザーに提供している300ドル（約34,000円）のクレジットを利用し、ヴァーチャルコンピューターを使うことにした。
選択したのは、あらかじめ機械学習ソフトが設定されたヴァーチャルコンピューターだ。バラットのプロジェクトは、始動から1年以上が経過しているため、わたしは「Torch」という機械学習ツールもインストールする必要があった。フェイスブックやIBMといった企業の研究者が使っているツールだが、現在は新しいツールも登場し、影が薄くなっている。
初めてのAIアートが完成
初めての実験では、バラットが美術史の1世紀以上を対象に集めた何千もの肖像画で訓練されたニューラルネットワークを使うことにした。支援ソフトをインストールすると、数十文字の入力が可能になり、格子状に並んだ奇妙な肖像画を出力できるようになった。Obviousが50万ドル近くで売った作品に似ているものも、いくつかあった。
格子状に並んだ肖像画。何千もの肖像画で訓練されたニューラルネットワークが生成した作品だ。IMAGE BY TOM SIMONITE
バラットのニューラルネットワークは、小さな画像しか生成しない。そこで、わたしは機械学習を使った画像編集サーヴィス「Let’s Enhance」を利用し、肖像の拡大に挑戦した。バラットはObviousのあるメンバーから、作業の一部にLet’s Enhanceを使用していると聞いたことがあるそうだ。
次に説明文書を読み込み、バラットが訓練した肖像画ジェネレーターに、何か別のことができないかを調べた。そして、大きな画像を生成するよう命令してみると、この記事の冒頭にある画像が出てきた。人物の頭部などがゆがんでいるのは、特定サイズの構造物を生成することを学習していたニューラルネットワークが、訓練されたものより大きな空間を埋めようとした結果だ。
ニューラルネットワークの訓練で判明したこと
この結果に勇気づけられて、今度は画像生成ニューラルネットワークを自分で訓練してみることにした。もちろん、バラットの手順に従ってだ。
WikiArtから画像を入手するためにバラットが開発した「スクレーパー」は、都市の風景画、点描画など、さまざまなスタイルやジャンルの画像を集めるよう命令できる。バラットは肖像画、裸体画、風景画を対象にしていたが、わたしは海の絵に絞り、2,000余りの画像を集めた。
肖像画を拡大したら、さらにゆがみが大きくなった。IMAGE BY TOM SIMONITE
そして画像編集ツールを使って、これらを左右反転にした画像をつくることで画像の数を増やした。この方法が有効なのは、ニューラルネットワークに欠点があるからだ。左右を反転した2枚の写真など、人の目には明らかに類似しているものでも、ニューラルネットワークは認識できないのだ。
ニューラルネットワークを訓練したことで、機械学習に関する取材の過程で聞いてきた不平不満の意味がよくわかった。まずは、所定のデータセットで特定のニューラルネットワークを訓練し、良好な結果が得られる設定を見つけることにおいては、運や巧妙さといった要素が絡む。それもあって、グーグルはこのプロセスを自動化しようとしているのだろう。
駄作に続いて、ようやく“海”の絵が完成
バラッドや、AIアーティストのマリオ・クリングマンは、小さな違いを加えて何度も繰り返し訓練し、最も有望な結果へと少しずつ近づけていくしかないと言っていた。このためわたしも、はるかに知識がない状態ながらも、同様の試行錯誤を行なった。
とはいえ、NVIDIAのGPUひとつにしかアクセスできなかったため、ひとつのことを訓練するだけで数時間かかった。テクノロジー企業が実験の速度を上げるため、ハードウェアに莫大な費用を投じている理由、自前のAIチップを開発している理由が改めてわかった。
Instagramの写真を何十億枚も使って画像認識アルゴリズムを訓練したフェイスブックのあるプロジェクトでは、336個のGPUが3週間以上続けて使用されたという。
わたしの実験はわずか数日だったが、故障したコンピューターの画面を“描いた”ような駄作がいくつか続いたあと、海として認識できる画像、さらにはおぼろげな帆船を生成させることに成功した。もっといけると感じてマラソンのように長い訓練を開始したのだが、誤って自分のヴァーチャルスタジオを壊してしまった。
海の風景画を集め、ニューラルネットワークを訓練した結果。IMAGE BY TOM SIMONITE
残念な結末
自分がつくりだした素晴らしいニューラルネットワークが訓練を終えるまで待つ間に、わたしはアーティストであるアレックス・チャンパンダードのGitHubページを発見した。機械学習を使って画像を拡大するためのコードを提供するものだ。
このコードを試していたとき、わたしは自分のヴァーチャルコンピューターのGPUに必要なソフトウェアインフラの一部を壊してしまった。記事の締め切りが近づいており、すべてをインストールし直す時間はなかった。
バラットに連絡をとると、彼はわたしのまとまりのないアートプロジェクトについて励ましてくれた。彼がコードとチュートリアルを公開したのは、そのような探求を期待していたためだという。「ぼくが目指していたのは、あなたが遊んだように人々がこれを使い、そこからさらに続けて、いろいろ試し始めることです」
バラットはさらに、彼がつくりだした肖像画生成ニューラルネットワークでわたしが新しいことを試し、奇妙なアッサンブラージュ（立体版コラージュ）を生み出したことを評価してくれた。バラット自身はほとんど試していないことだという。「40万ドルで売るべきですよ」と言って、バラットは笑った。
