水彩画を描くコーディングモデル、TRLとOpenEnvで訓練

AIが描いた画像がSNSで1500万回以上再生される時代に、一つの逆転現象が起きている。完璧で統計的に平均的な生成画像ではなく、ムラがあり、筆のタッチが不完全で、人間らしい水彩画をAIが描き出した。このプロジェクトの核は、AIが従来のように「ピクセル値の配列」として画像を出力するのではなく、「JavaScriptのコード」として出力する点にある。p5.brushというライブラリの限られたメソッドだけを使うように訓練された言語モデルが、約150行のプログラムを生成し、それが実行されると水彩のタッチが画面に現れる。TRLとOpenEnvを用いた訓練パイプラインが全てHugging Face上で公開されており、誰でも複製して同じ実験を再現できる。この手法の面白さは、AIの意思決定が完全に可視化されるところにある。テキスト生成AIや画像生成AIの黒箱性と異なり、生成されたコードは読める。どの座標に、どの色で、どんな透明度の筆を何回動かしたのかが全て見える。だから、気に入らない部分があれば、誰でもコードを編集して再実行できる。これは従来のAI画像生成の大きな弱点——「結果は好きだが、どこをどう直すか分からない」——を一気に解決する。加えて、このプロジェクトは、AI時代の創作が「完璧さの追求」から「試行錯誤と即興」へ戻っていることを象徴している。DeepDreamが登場した2015年、アーティストたちはニューラルネットワークが何をするのか試しながら作品を作っていた。その時代の「探索的な楽しさ」が、ようやく戻ってきたのだ。中小企業の現場でも、この示唆は大きい。業務システムやツール開発の世界でも、AIが出した結果が「完璧だが理解できない」という状態より、「多少不完全だが意図が可視化されている」方が、実務的には遥かに価値がある。営業資料の自動生成であれ、データ分析の自動化であれ、出力がコードやテキストという「編集可能な形式」で返ってくる方が、最終的な品質と信頼度が高まる。AIの完璧さを求めるのではなく、AIの判断が見える形にして、人間がそこから調整する——この新しい仕事の流れが、実は従来の職人仕事の流儀に一番近いのだ。