写真を直すときの『対立』を『協力』に変える新しいAI方式

『競争から協調へ』って、AIの内部でどういう仕組みが競争してたんだっけ？

「競争」という言葉がちょっと誤解しやすいんですよね。AIの内部に二つの独立した存在がいて張り合ってるわけではなくて、一つのAIモデルの中に相反する役割が同時に動いてたということです。 例えるなら、編集を担当する部分は「この犬を猫にしろ」という指示に忠実に従おうとします。一方、元の写真を保護する部分は「背景は絶対に変えるな」と反発する。この二つの要求がモデル内で綱引き状態になると、結果として「背景は少し歪むけど犬も微妙に猫っぽい」みたいな妥協地点に落ち着く。どっちも完全には満たされない状態です。 新しいCoEditは、この「反発」を「協調」に変えた。つまり、編集部分と保護部分が相互に「この領域は編集する、この領域は守ろう」と情報理論に基づいて合意していく仕組みに変わったわけです。競争ではなく、目標を共有した交渉に近い形ですね。AIが「譲歩と調整」をするようになった、と言えそうです。

SNSに上げる自撮りを少し修正したいとき、このAIなら『顔だけ若くして、背景は変えないで』みたいな細かい指示ができるってこと？

そういうことですね。従来のAI編集では、「顔だけ若く」という指示を出すと、背景も知らず知らず一緒に変わってしまう。部分的な修正が全体に波及するのが避けられなかったわけです。CoEditは、編集範囲と保護範囲が『相談し合う』ので、顔の部分だけをピンポイントで若く変えながら、背景のテクスチャや色合いはそのままに保つことができます。自撮りであれば、肌のトーンを整えたり、シワを薄くしたり、という微調整が、もう背景のボケ具合を崩さないでできるようになる。いま使われているアプリでやると、編集部分が浮いて見えたり、背景がぼやけたりするのは、そもそも編集と保護が『敵同士』だからなんです。CoEditは情報理論で「ここまでなら変えていい」と両者が同意する領域を見つけるので、結果として、修正痕跡がほぼ見えない自然な仕上がりになります。SNSに上げる自撮りの「ちょっとした盛り」が、今よりずっと自然になる、そういう実用的な変化が近い将来あるのかもしれません。

これまでのAI写真編集は『編集と保存が反発し合う』問題があったって、それで何か困ることが実際に起きてたの？

実際に困ることがありました。たとえば「この人物の服を赤に変えて」と指示したとき、従来のAIは編集部分を頑張るあまり、背景の壁や影まで一緒に変わってしまう。逆に背景を守ろうと慎重になると、服の色が中途半端に赤紫になって指示通りにならない。つまり、ユーザーが望む『正確な編集』と『自然な見た目』の両立が難しかったわけです。 この問題は、生成AIが画像の細部を判断するときに、「どこまで手を入れるか」を自分で決めきれていなかったから。編集と保存の二つのシステムが互いに足を引っ張り合うように機能していたんですね。 CoEdit が提案するのは、その綱引きをやめて『相談させる』という発想。どこまで変えるべきで、どこまで残すべきかを、情報理論で整合性を取りながら判断していく。すると「赤い服はしっかり赤く、背景はそのまま」という、ユーザーの指示に忠実で、かつ自然な編集が実現できるようになったと言えそうです。

これって『二つの目標が対立してるときに、どちらかを選ぶんじゃなくて、両者に交渉させる』という考え方？他の分野でも使える発想なの？

その通りです。写真編集で「編集か保存か」という二者択一から抜け出した発想は、実は機械学習全体で昔からある課題の解き方でもあります。 医療診断のAIを考えると分かりやすい。「患者を見落とさない」という目標と「誤診を避ける」という目標は相反しています。これまでは、一つを優先してもう一つを諦めるか、閾値で無理やりバランスを取るかでした。CoEditのやり方は、この二つの目標に「どこまで厳しく、どこまで寛容に」を自動で相談させるようなものです。 自動運転も同じ論理で動いています。「速度を上げる」と「安全マージンを保つ」は対立しますが、現実には両方必要。そこで、走行状況に応じて両者が動的に交渉する仕組みになっています。 ただここが興味深いのは、単なる「折衷案を求める」ではなく、「情報理論に基づいて交渉させる」という部分です。闇雲に妥協するのではなく、その瞬間その瞬間で『どちらの目標をどれだけ優先すべきか』を数学的に判断させる。その結果、両方をより良い形で同時に達成できてしまう、という視点転換は、かなり応用範囲が広そうに見えます。

写真をこんなに自然に編集できるようになると、『これ本当の写真？加工？』の判別がますます難しくなってくるんじゃないの？

確かにそうなります。ただ同時に、この技術が普及すると、逆説的に「写真は信じられない」という前提が当たり前になるのかもしれません。 写真が「証拠」として機能していた時代は、実は今だけなんですよね。カメラが発明されてから、ずっと「写真は嘘をつかない」という信仰がありました。でも加工技術が本当に完璧になると、その信仰そのものが瓦解する。すると、重要な情報ほど「写真単体では信じない」という慣習が逆に強まるのではないか。 医学論文の画像検証、ニュース報道の多重検証、法廷での物証の扱い——こうした場面では既に「写真だから本物」という前提は消えつつあります。むしろ撮影の日時・位置情報、複数の証拠の整合性、撮影者の信頼性といった「周辺情報」の重みが増していく。 つまり判別が難しくなるのではなく、判別方法そのものがシフトする。見た目の自然さだけでは判定せず、デジタルの痕跡を検証する技術や、情報源の信用度を評価する仕組みが並行して発展していくと言えそうです。