AIが作成した表紙画像は、Stable Diffusionツールを説明しています。キーワード：スペースオペラハウス レンブラント・ハルメンスゾーン・ファン・レインと空山基が絵画スタイルをミックス

はじめに

AIGC が下落し、低迷する暗号通貨市場に波紋が広がっていますが、AIGC とは何でしょうか? なぜ突然出現したのでしょうか? Web 3 にどのような影響を与えるのでしょうか?

1. プライマリー市場の新たなホットスポット - AIGC

AIGC の正式名称は「人工知能生成コンテンツ」で、大量の既存データ (テキスト、音声、画像など) から新しいコンテンツを作成する AI の技術を指します。実際、AIGC の概念には統一された規範的な定義はありません。国際的に類似した概念として合成メディアがあります。これは、テキスト、コード、画像、音声、ビデオ、3D コンテンツなど、人工知能アルゴリズムを通じてデータやメディアを生成、操作、変更する技術として定義されています。

2. ユーザーのニーズがAIGC技術の開発を推進する

AIGCはコンテンツの制作に重点を置いており、コンテンツエコシステムの開発は、プロフェッショナル生成コンテンツ（PGC）、ユーザー生成コンテンツ（UGC）、AI支援生成コンテンツ、AI生成コンテンツ（AIGC）の4つの段階に分けられます。現在は主に第1段階と第2段階に留まり、第3段階はサポート的な役割を果たしています。

PGCとは、一般的には専門チームによって制作され、制作基準が高く、制作サイクルが長いコンテンツを指します。最終的にはテレビ、映画、ゲームなどの商業的実現に使用されます。生成されたコンテンツの品質を確保するために、PGCは多額の技術費と人件費を投資する必要があります。PGCモデルでは、コンテンツの制作と実現の権利が少数の人々の手にあり、集中度が高く、独占効果が強くなります。しかし、供給側の人的資源が限られているため、PGCが大規模なコンテンツ制作のニーズを満たすことは困難です。

一方、UGCは消費者と制作者の境界を曖昧にしています。プラットフォームが制作ツールを提供し、制作者自身がユーザーになることができるため、制作の障壁が低くなり、短編動画などのコンテンツエコロジーの繁栄が向上します。UGCモデルは、制作コストと集中度をある程度削減し、パーソナライズまたは多様化したユーザーのニーズを満たし、容量の上限を高めます。コンテンツの制作規模は大幅に向上しましたが、制作者、制作ツール、コンテンツのトピックに制限がないため、品質は必然的に反発を受けました。

PGCとUGCは、それぞれ制作能力と品質の制約を受けています。急速に拡大するコンテンツ需要に応えるのは困難ですが、AIGCはコンテンツエコロジーの発展過程における新たなパラダイムシフトとなるかもしれません。ユーザー需要の増加を背景に、手作業による制作の効率の低さがコンテンツ制作規模を制限するボトルネックとなっています。需要の観点から見ると、若者がコンテンツ消費の主流になるにつれ、制作能力とコンテンツ制作品質に対する需要が爆発的に高まっています。また、インターネットの普及によりコンテンツの普及スピードは加速しましたが、ユーザー需要のギャップも拡大しました。ユーザーの高い需要の下、従来のコンテンツ制作方式は、制作能力と品質の面で重大な欠陥を露呈しています。UGCはPGCの制作規模が限られているという問題を改善しますが、コンテンツ品質にばらつきがあり、ユーザーが高品質なコンテンツにアクセスするための検索コストが高くなっています。結局のところ、UGCは依然としてユーザーの高品質コンテンツに対する需要を満たすことができていません。

コンテンツエコロジーの成長には上限がなく、AIGCの導入は極めて必要です。コンテンツ制作のプロセスは、制作者による情報の選別、フィルタリング、加工、統合のステップです。一連のプロセスは、制作者の長期にわたる自主的な研究に基づいており、多くの時間と頭脳を費やしています。長期的には、人工的な創作能力には限界があります。PGCとUGCの制作力が尽きたとき、AIGCがコンテンツエコロジーのギャップを埋めることができるかもしれません。

コンテンツエコロジーはAI支援制作の段階に入り、将来的にはAIGCが実現されると予想されています。現在、コンテンツ制作はPGCとUGCに基づく制作フレームワークに留まっています。プラットフォームはオープンAIツールを通じてユーザーの制作を支援します。誰でもクリエイターになってコマンドを発行し、AIにコンテンツを自動生成させ、コーディング、描画、モデリングなどの複雑なタスクを完了するようAIに指示することで、制作基準をさらに下げ、制作効率を向上させることができます。

しかし、テクノロジーの発展により、AIは上記の作業において補助的な役割しか果たしていません。人間は依然としてコンテンツを作成したり、重要なリンクに指示を入力したりする必要があります。AIには独立したクリエイターになる能力がありません。しかし、データやアルゴリズムなどのコア要素の継続的なアップグレードと反復により、AIGCは将来の発展の一般的な方向になる可能性があります。人工的な制限を突破し、独立した作成のレベルにアップグレードし、より豊かで多様なコンテンツを作成する可能性があります。理論的には、AIGCはコンテンツエコロジーの無制限の供給を実現し、制作効率と専門性を考慮すると、コンテンツの品質はPGCを超えます。

3. AIGC は Web 3 で輝きます

Web 2では、AIGCはさまざまな分野で広範な調査を開始しました。現在、Web 3はWeb 2マッピングの分散バージョンです。その延長線上で、AIGCは当然Web 3に多くの応用方向性を持つことになります。

テキスト生成に関連するAIツールでブレークスルーが遂げられています。テキスト作成におけるAIGCの応用には、コーディング、翻訳、執筆などがあります。テキスト作成は本質的に言語の使用です。プログラミング言語はAIにとって比較的構造化されていて習得しやすいですが、人間の言語は文脈や意味などを組み合わせる必要があるため、テキスト生成の最も成熟した応用シナリオはコーディングであり、Microsoftが制作したGithub Copilotなどが代表的な作品です。ユーザーがテキストにコードロジックを入力すると、すぐに理解でき、開発者が使用できるように膨大なオープンソースコードに基づいてサブモジュールが生成されます。現在、GitHub Copilotによって生成されるコードの約40%はAIによって書かれています。Web 3のSDKなどのモジュール式プラグインは開発者のプログラミング速度を向上させていますが、将来AIGC技術の普及により暗号プロトコルの開発効率がさらに向上する可能性があります。理想的には、AIGCは市場のニーズや空きを自動的に検出し、独立してプログラミングして新しいプロトコルを生成できます。

人間の言語によるコンテンツ作成の面でも、AIGCは大きな進歩を遂げています。現在、翻訳の発展は大きなリードを得ています。Robloxは、英語で開発されたゲームを機械学習によって中国語、ドイツ語、フランス語を含む他の8つの言語に自動翻訳しました。テンセントが開発したDreamwriterニュースライティングシステムは、22の規定のライティングシーンで使用でき、平均投稿速度は0.46秒と高速です。Sequoia Capitalの「Generative AI: A Creative New World」の記事では、コンテンツの一部がGPT-3自然言語モデルによって書かれていますが、読みやすさは不明瞭で鈍くなく、流暢さ、明瞭さ、論理性などのライティング要件も考慮されています。

AIGCはWeb 3のテキスト作成にも大きく貢献します。Web 3のニュースメディアや研究機関は、コンテンツエコロジーの二面性というジレンマに直面しています。たとえば、CoinDeskやMessariの出力品質は高いものの、生産規模を拡大することは困難です。さらに、執筆言語、翻訳の効率と正確性によって制限され、コンテンツの普及はさらに減少します。

一方、Twitterのコンテンツは膨大であるにもかかわらず、視点の質は保証されていません。情報は重要度や適時性などで分類されていないため、プレゼンテーション形式は乱雑で、グループ化もソートもされていない、または重複が排除されています。明らかに、ユーザーのニーズは的を絞った方法で満たされていません。同時に、ユーザーは情報過多の問題に直面し、無効なコンテンツに多くの時間を浪費することになります。その結果、Web 3組織は、平均制作規模と平均コンテンツ品質の両方の点で、Web 2組織に大きく遅れをとっています。

しかし、Web 2組織の規模と品質は、多くの場合、クラウドソーシング戦術に基づいており、多額の初期投資が必要です。コンテンツの品質を保証するために、有能なアナリストは通常​​、長期にわたる沈殿と集中的なトレーニングを受ける必要があり、企業は時間とトレーニングコストを投資する必要があります。同時に、出力規模を維持するために、企業は大規模な採用に非常に高い人件費を支払わなければなりません。このタイプのモードには2つの明らかな欠点があります。1つは過負荷コストであり、もう1つは後期段階で人材が失われるリスクがあり、その結果、コストが完全に埋没することです。その後のテクノロジーの進歩により、アナリストは少なくともタイトルと要約を要約する時間を節約でき、AIは全文を理解してTL、DRを直接生成できます。長期的には、AIのディープ機械学習の後、「有能なアナリスト」がすぐに生み出されます。Web 3機関は、コンテンツ生成の規模と品質を向上させながらコストを大幅に削減し、それによって市場セグメント全体と業界全体の発展を促進します。情報プロトコル、ニュース プロトコル、または調査プロトコルが Web 3 に表示されることもあります。

AIGCは、Web 3音楽の新たな革新のきっかけとなる可能性が高い。AIGCは、楽曲制作、歌詞生成などの分野での応用を開拓し、インタラクティブ性とリアルタイムパフォーマンスをさらに強化している。一例として、アダプティブミュージックプラットフォームLifeScoreは、音楽をリアルタイムで動的にアレンジする。ユーザーが一連の音楽素材を入力すると、AIがそれを変更、変形、リミックスし、即座にコンサートへと導く。2020年5月、LifeScoreはTwitchのインタラクティブTVシリーズ「Artificial」にアダプティブサウンドトラックを提供し、ストーリーが展開するにつれて視聴者の感情状態に基づいてサウンドトラックに影響を与えることができる。

短期的には、AIGC はクリエイターが音楽のアレンジ、再作成、または直接作成を手伝うことを支援し、作業負荷を大幅に軽減し、作業効率を高めることができます。長期的には、Web 3 にいくつかの音楽プラットフォームが登場し、AIGC テクノロジの導入に伴い、プロトコルはリスナーの個人的な好みに応じてカスタマイズされた曲を生成できるようになります。プラットフォームは著作権の費用を大幅に削減できるだけでなく、ユーザーは曲の支払いを減らすこともできます。さらに、ユーザーは AIGC が作成した独占曲を公開して自分で収入を得ることもできるため、Web 3 音楽市場のクリエイター経済が強化されます。

上記の3つのフロンティアの方向性に加えて、AIGCは他のWeb 3市場セグメントでも大きな可能性を秘めています。たとえば、

1）NFTの本体は画像やアート作品です。現在、多くのAIモデルが芸術史や大衆文化全体のデータを収集しており、どのユーザーも自分の好きなNFTを自由に生成できます。異なるNFTには、異なる顔、服装、感情的特徴が必要です。従来の生成方法はコストが高く、効率が低いです。クリエイターはプロトタイプの設計、複数のモデリング、レンダリングなどを行う必要がありますが、AIGCを使用すると、クリエイターは初期段階でスケッチをより効率的に試すことができ、後期段階で画面の詳細を完成させるための人手を節約できます。将来的には、AIGCによってNFTの低コストな大量生産が可能になるかもしれません。また、UGCの作成はコピーや拡散が容易で、侵害の問題が頻繁に発生します。それにもかかわらず、NFTはユニークで分割不可能で取引可能であり、資産の偽造防止、権利確認、追跡可能性の問題を克服して著作権保護を強化することができます。

2) AIGC は、テキスト生成画像/アニメーションなどの膜貫通状態の生成も改善しており、その逆も同様です。

3) AIGCの発展は、Web 3ソーシャル市場セグメントの発展も促進します。実在の人間には必ず欠点がありますが、AIGCが生成した仮想キャラクターはユーザーのニーズに合わせて完全にカスタマイズされるため、AIはユーザーのお気に入りの仮想キャラクターを作成できます。ユーザーは、キャラクターの家族、職業、年齢などの特性を定義するために、テンプレートをカスタマイズまたは使用できます。AIは、特定のシーンで仮想キャラクターが外見や行動において実在の人間に近づくように支援し、言語表現や対話の機能を付与して、一定の共感能力を反映します。さらに、人間よりも豊富な知識の蓄えと更新頻度の速さを備えた仮想キャラクターは、休む必要がありません。したがって、特定の分野で仮想キャラクターが提供するエンターテイメントやサービスは、実在の人間に匹敵するか、それを超えることが期待されます。たとえば、仮想キャラクターはユーザーとのコミュニケーションを通じて学習を続け、感情的な仲間意識を実現します。Web 2のACGNグループやソーシャルソフトウェアのヘビーユーザーを参考にすると、AIGCのサポートにより、Web 3のソーシャル市場は間違いなく拡大するでしょう。

4）AIGCをWeb 3教育に活用すると、予想外の結果が生まれるかもしれません。AIの学習モードは比較的構造化され、組織化されているため、AIGCが作成した教科書や講義は、理解の障壁を下げ、視聴者が知識をより簡単に吸収できるようにすることができます。まとめると、AIGCのWeb 3における今後の旅は非常に広範囲にわたります。