かつてはエレベーターのボタンを押す人がいました。それは仕事でした。皆さんは覚えているでしょうか。それも仕事でした。目覚まし時計が発明される前は、石を投げて人を起こす仕事もありました。石を投げる人を仕事だから保護すべきだと言っている人はいないと思います。目覚まし時計は必要であり、石を投げて人を起こす人には何か別のことを教えるべきです。ですから、「エレベーターのボタンを押す人が必要だから、これは残しておこう。それは仕事だ」と言うのではなく、人材に焦点を当て、スキルアップ、アップグレード、学習、そして新しいことを教える方法に注力すべきです。

Adobe製品における生成AIの利用率はほぼ100%です。生成塗りつぶしはレイヤーと同じくらい頻繁に使われており、つまり誰もが毎日使っているのに、ユーザーは「これは嫌だ。消してほしい」と思うのです。そこにはギャップがあります。それは道徳的なギャップであり、心理的なギャップでもあります。

ある人気番組のプロデューサーと夕食を共にした時のことです。彼は「私はAIに非常に反対だ」と言っていました。私は「では、なぜAIに反対なのですか？」と尋ねました。彼は「それは、AIはこうやって動くからだよ」と答えました。私は「いや、違う。どういう仕組みか見せてあげよう」と言いました。そして実際にAIの仕組みを見せると、彼は「ああ、賛成だ」と。25分ほどかかりました。

繰り返しになりますが、これらのモデルはデータを複製しようとしているのではないことを理解することが非常に重要です。よくある誤解として、映画のワンシーンを入力すれば、Runwayでその映画のワンシーンが表示される、というものがあります。しかし、これらはデータベースではありません。データを保存しているわけではありません。学習しているのです。データについて学び、そのデータ内のパターンを理解し、それを使って全く新しいものを生み出しているのです。ですから、私が本当に重要だと思うのは、これらのシステムが全く新しいもの、特に動画において、全く新しいピクセルを生み出しているということです。

AI動画制作に関してよくある誤解は、プロンプトを入力すれば動画が完成するというものです。今ではそういったことはあまりありませんが、以前は私の受信箱にたくさんの脚本が届きました。「私はプロデューサーかライターです。この番組の制作に携わっています。脚本は全部完成しています。素晴らしいですね。AI動画を制作されていると聞きました。それで、脚本をお願いします。私の映画を作ってください」といった内容です。

AI動画、AIピクセル生成、あるいはAIを使った動画制作といった言葉は、プロンプトを入力すれば、自分が期待していた通りの動画が完成する、と多くの人が考えていることに気付きました。しかし、そうではありません。おそらく、そのようなことは決してないでしょう。

今年のアカデミーアニメーション賞は、ご覧になったことがあるかどうか分かりませんが、「Flow」という映画に贈られました。予算は非常に少なく、1,000万ドルにも満たなかったと思います。優秀な人材が優れたソフトウェアを使って制作に取り組んだ結果、1億ドル、2億ドル規模の作品に負けずにアカデミー賞を受賞したのです。それは、非常に賢く才能のある人材が適切なソフトウェアツールを使って制作に取り組んだからこそ実現したのです。

最後のフロンティアは、誰でも作れる低品質のコンテンツだったと思います。TikTokやYouTubeがまさにそれだと思います。何十億もの人があらゆるものを作っています。それらとハイクオリティな制作スタジオとの違いは、コンテンツの質、アウトプット、そしてピクセルや動画の出力の質です。私にとって、それは主に技術的な障壁です。ストーリーテリングの問題でも、アイデアの問題でもありません。ハイエンドのSF映画を作るには、多くの人を雇い、非常に高価なソフトウェアを使わなければならないため、非常に費用がかかります。ですから、私たちにとって、そして多くのメディア企業にとって、最後のフロンティアは、何十億もの人々がハイエンドのコンテンツを作ることにあると言えるでしょう。

広告や映画制作のビジネスに携わっているなら、一本の映画を作るのに数億ドルを費やしています。もし私がそのプロセスを数百万ドルで手伝うことができれば、その差額分を文字通り請求できます。私が改善をお手伝いした分だけ請求できるのです。

AIは2つの方向に進む傾向があると思います。拡張の波と最適化の波です。拡張とは、何ができるかを発見する段階です。2、3年前のモデルを考えてみると、確かに高価でした。今では、それらのモデルのほとんどはラップトップで学習できます。なぜなら、モデルは最適化できる状態になっているからです。エンジニアが大好きなことの一つは最適化です。ですから、「これがうまく動作するので、最適化してください」と言えば、人々は熱心に取り組みます。2、3年前のモデルの中には、今まさにそうなっているものもあります。

ゼロから学習させるのは非常に安価です。まだ拡張段階にある新しいモデルもあると思います。それらをどのように最適化するかはまだ正確には解明していませんが、いずれ解明するでしょう。しかし、最適化に時間をかけすぎると、同じことが起きます。つまり、トレードオフとして、新しい拡張が機能しなくなるのです。最近の企業の多くは、拡張に賭けていると思います。つまり、うまく機能するものを最適化してコストを削減しようとするのではなく、拡張することで遅れを取らないようにするために、より多くの費用を投じているのです。

毎日、TwitterやInstagramでユーザーと交流すると、新しいユースケースが見つかります。ここに来る直前まで、誰かが服に使っていたのです。

つまり、何でも試着できるんです。基本的に、ECサイトのようなオンラインショップに行って、自分の写真をアップロードするだけで、それを超リアルな方法で着ている自分の姿を確認できるんです。まさかこんな用途に使えるとは思っていませんでしたが、実際に使えるんですね。