「他人の作品から勝手に派生した作品は、本人の同意も報酬も得ずに作りたくないと思うようになりました。2016年以降、他人のデータを使って生成AIモデルのようなものを訓練して自分の作品を作ったことはありません」

「データを模倣せずに生成AIモデルをトレーニングするにはどうすればいいのでしょうか。それが矛盾だと気づくまで、しばらく時間がかかりました。生成モデルとは、トレーニングに使用したデータを模倣するだけの単なるデータの統計モデルです。ですから、私はこの問いを別の角度から捉える必要がありました」

当時流行していたAIモデルである敵対的生成ネットワーク（GAN）に目を向けた。従来のGANでは、2つのニューラルネットワーク（識別器と生成器）が互いにトレーニングするために組み合わされる。両方のネットワークがデータセットを分析し、生成器が偽のデータを生成することで識別器を騙そうとする。識別器が失敗すると生成器はパラメータを調整し、成功すると識別器が調整する。このトレーニング プロセスの最後に、識別器と生成器の間の綱引きにより、理論的には理想的な均衡が生まれ、この GAN は元のトレーニング セットと同等のデータを生成できるようになります。

「灰色の塊で、特に面白いものはなかった」

しかし、色分散損失項をシステムに挿入すると、画像はより複雑で、より鮮やかになった。

「そして、生成の可能性空間内の異なるポイント間をスムーズに遷移することができ、2 つのネットワークの可能性空間を動き回ることができます。そして、興味深いことの 1 つは、それがいかにして無限に新しいものを生成できるかということだと思います」