クリエイターのほとんどはデジタル小作農です。

彼らは、自分たちが所有していないプラットフォーム上で視聴者を構築し、制御できないアルゴリズムを追いかけ、広告主にわずかな利益を懇願する。

真実は？広告収入はあなたを貧しくし続けるために設計されているのです。

一方、有料サブスクリプションにより、予測可能な月間収益、視聴者との直接的な関係、プラットフォームへの依存からの解放、プレミアム価格設定の力が得られます。

物議を醸す現実: あなたの「無料」視聴者は、あなたが富を築くのを助けているのではなく、あなたのコンテンツからプラットフォームが富を築くのを助けているのです。

Nintendo Switch 2の平均応答時間は33.3ミリ秒（ms）という結果になった。

この数値がどれほど深刻なものか、他のディスプレイと比較すれば一目瞭然である。

・初代Nintendo Switch（2017年製LCD）: 約21.3ms

・一般的なPC向けゲーミングモニター（LCD）: 約5〜6ms

・有機EL（OLED）ディスプレイ: 約0.3ms

信じがたいことに、Switch 2のディスプレイは8年前に発売された初代Switchの液晶パネルよりも約56%も応答が遅いのである。

「Switch 2の液晶は、2017年のSwitchのディスプレイよりも明らかに劣るブラー特性を持っている」

今回の問題は、Switch 2が欠陥品であることを意味するわけではない。応答速度を犠牲にした一方で、解像度、輝度、そしてDCI-P3カバー率98%というプロ向けモニターに匹敵する広色域など、「静的な画質」は確実に向上している。

感情は等価交換だと思っていて。私は結構ズルくて人間不信気味で(笑)、先手を取って自己開示をすることが苦手なので、相手がどのくらい私に開示してくれるのかを見て、自分の開示の仕方を決めます。

同じようなタイプの人のほうが気が合って、そういう人とジリジリ「どこまで見せてくれますか？」みたいなやり取りをする期間が、結構好きだったりもします。そうやって近づいた人のほうが、のちのち強い信頼感で結ばれることが多いかもしれません。

一見すると、これはGoogleフォトとそれほど変わらないように思えるかもしれない。Googleフォトも、Google Geminiにオプトインすると、同様に画像にAIによる微調整が加えられる可能性がある。しかし、Googleフォトから収集した個人データを使用して生成AIモデルをトレーニングしないと明言しているGoogleとは異なり、2024年6月23日から施行されているMetaの現在のAI利用規約では、「クラウド処理」を通じてアクセスされた未公開の写真がトレーニングデータとして使用されないようにするかどうかについて明確な規定がなく、Metaは今後もこの点について明確に説明しないだろう。

Metaは最近、生成AIモデルのトレーニングのために、2007年以降にFacebookとInstagramに公開されたすべてのコンテンツからデータを収集したことを認めた。

Metaは長年、ユーザーがFacebookやInstagramのサーバーにアップロードした何十億枚もの公開画像を使ってAIプログラムをトレーニングしてきた。そして今、ユーザーがそれらのサーバーにアップロードしていない何十億枚もの画像にもアクセスしようとしている。

生成AIの仕組みを人々が正確に理解していないということだ。「プロンプトエンジニアリング」に特化しているMidjourneyのような生成AIツールと、ユーザーがほぼ無限の設定や要素を調整できるPhotoshopのようなものを比べてみよう。生成AIにデータを入力すれば、それらの入力を合成したものが出てくることは分かっているが、ブラックボックスの中で何が起こっているのか、粒度レベルでは誰も本当のところは知らないのだ。

「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」

「たとえAIを多用する人であっても、その意図を明確に示さなければなりません。重要なのは成果物ではなく、作者性なのです」

AIは、スマート返信、オートコレクト、スペルチェックなどの機能で最も顕著に表れています。

スマート返信の使用により、ユーザーがより肯定的な感情的な言葉を選択するようになるため、参加者間の全体的な協力と親近感が増すことがわかりました。

しかし、相手がやり取りにAIを使用していると信じた場合、人々は相手をあまり協力的ではなく、要求が多いと評価しました。

重要なのは、彼らが嫌悪感を抱いたのは、実際のAIの使用ではなく、AIが使用されているのではないかという疑念だったということです。