生成AIは、人工知能の一分野であり、テキスト、画像、音声、動画、コード、3Dアセットなどの新しいコンテンツを生成することに関わる。分類器が入力からラベルへの写像を行うのに対し、生成モデルは学習データの分布を十分に学習し、そこから新しい例をサンプリングする。この用語は、2022年11月のChatGPTの公開に続くAIブームの際に主流となり、2024年までには製品カテゴリ全体と投資の波を指す略語となった。
技術的基盤
現代の生成AIは、少数のモデルファミリーに依存している。自己回帰モデル（大規模言語モデルなど）は、トークンを一つずつ生成して系列を生成し、チャットアシスタントやコード生成を支える。拡散モデルは、徐々にノイズを加える過程を逆転させることを学習し、画像・動画合成を支配している。初期のアプローチには、フォトリアリスティックな合成とディープフェイクの最初の波を牽引した生成敵対ネットワーク（2014年）や、変分オートエンコーダがある。現在のほぼすべてのシステムは、Transformer (architecture)アーキテクチャ上に構築され、自己教師あり学習によってウェブ規模の学習データで訓練されている。
モダリティ
テキスト生成は、ChatGPT、Claude、Gemini、Microsoft Copilot、DeepSeek、豆包、Grok、Kimi、Qwenなどのアシスタントを通じて、最も広く展開されている形態である。DALL-E、Firefly、Stable Diffusion、Midjourneyなどのテキストから画像へのシステムは、2022年に生成技術を視覚芸術にもたらした。テキストから動画へは、2024年以降、Sora、Veo、LTXによって続いた。その他の活発なモダリティには、音声合成、音楽生成、3D生成がある。
影響と議論
生成AIは、AIコーディングアシスタントを通じてソフトウェア開発を変革し、マーケティング、デザイン、教育にも影響を与えた一方で、学習データにおける著作権、クリエイティブ産業での雇用喪失、誤情報、AIスロップと呼ばれることもある低品質な合成コンテンツの大規模な拡散をめぐる論争を引き起こした。確率的オウム論文の著者などの批評家は、流暢な生成が理解を反映しているかどうかに疑問を呈している。支持者は、この技術は人間の創造性を置き換えるのではなく強化すると主張しており、この議論は未解決のままである。
最近の動向
2025年半ばまでに、企業は統合、データ品質、期待された成果の不足といった問題により、生成AIのパイロットプロジェクトを放棄するケースが増え、GartnerやThe Economistのアナリストは、この時期をガートナーのハイプサイクルの「幻滅期」に入ったと特徴づけた。連邦準備制度理事会による2025年10月の調査では、米国の労働者の4人に1人が前月に職場で生成AIを使用したと報告した。Just So Soulソーシャルメディアアプリによる2024年の調査では、2000年以降生まれの回答者の18%が「ほぼ毎日」生成AIを使用しており、回答者の60%以上がAI生成コンテンツ（AIGC）を好むか愛している一方、嫌いか憎んでいると答えたのは3%未満だった。Ipsosによる2024年の調査では、アジア太平洋諸国は西洋社会よりも生成AIに対して有意に楽観的であり、アジア太平洋地域の回答者の68%がAIは世界に良い影響を与えると信じているのに対し、世界全体では57%だった。国連の報告書によると、中国の団体は2014年から2023年にかけて3万8000件以上の生成AI特許を出願しており、これは他のどの国よりも多い。