Midjourney, Inc.は、サンフランシスコに拠点を置く独立系研究ラボであり、生成AI画像サービスMidjourneyを運営している。同社は2023年に非公開の投資ラウンドを完了した。同社は、以前にLeap Motionを共同設立したDavid Holzが設立し率いており、HolzがThe Registerへの声明で述べたところによると、2022年8月までにすでに収益性を達成していた。2023年の投資は、それまで実質的な外部資金なしで運営してきた同社にとって重要な節目となった。
Midjourneyサービスは、プロンプトとして知られる自然言語の説明から画像を生成し、OpenAIのDALL-EやStability AIのStable Diffusionと並んで、AIブームの主要ツールとして位置づけられている。2022年7月12日にオープンベータ版として公開され、このプラットフォームはアーティスト、広告主、建築家の間で急速に支持を集め、2023年までにAI画像合成の参照点となった。その年の非公開投資ラウンドは、OpenAI、Anthropic、Inflection AIへの同様の資金調達の波に続き、商業的なGenerative AIアプリケーションに対する投資家の信頼が高まっていることを強調した。
背景と初期の成長
Midjourneyの起源は、2022年3月14日にDiscordサーバーが立ち上げられ、システムトレーニング用の高品質な写真を求めたことに遡る。同社は当初、コミュニティ主導のアプローチに依存し、ユーザーがDiscordボットコマンドを介して画像を生成できるようにしていた。このサービスは有機的に成長し、Holzはオープンベータ版の公開から数ヶ月以内に収益性を達成したと報告している。資本集約的なArtificial intelligence分野のスタートアップとしては異例のこの財務健全性により、同社は民間投資家にとって魅力的な候補となった。
2023年までに、Midjourneyはいくつかのモデルバージョンをリリースし、それぞれが前バージョンを改良した。バージョン2は2022年4月に登場し、続いてバージョン3が2022年7月25日、バージョン4のアルファ版が2022年11月5日にリリースされた。バージョン4以降、モデルはGoogle TPUでトレーニングされ、これは特殊なハードウェアに依存しなかった初期バージョンからの転換となった。反復のペースは2023年も続き、バージョン5のアルファ版が2023年3月15日にリリースされ、5.1や5.2などのその後の改良によりプラットフォームの機能が拡張された。
2023年の投資ラウンド
2023年の非公開投資ラウンドの詳細は完全には公開されていないが、Midjourneyが事業を拡大する中で戦略的な資本注入を表していた。このラウンドは、同社の堅調なユーザー採用と専門的なワークフローへの統合の増加に続くものだった。Midjourneyはサブスクリプション料金を通じて収益を上げていたが、外部投資により研究開発の拡大が可能となり、特にOpenAIやStability AI（ただし後者は提供されたリストには含まれていない）からの競合モデルが急速に進化する中で重要だった。
この投資はまた、AIスタートアップへの資金調達が急増する中で行われ、AnthropicやInflection AIなどの企業が同じ期間に数十億ドルを調達した。Midjourneyのラウンドは規模は控えめだったものの、ブートストラップ型の企業でさえ競争力を維持するために民間資本に頼るようになっていることを示していた。
会社のリーダーシップとビジョン
Leap Motionの共同設立者であるDavid Holzは、Midjourneyの顔として公に活動してきた。彼の人間とコンピューターの相互作用とMachine learningに関する背景は、直感的でプロンプトベースの画像生成に焦点を当てた同社の方向性に影響を与えた。Holzは、Midjourneyが独立した研究ラボとして運営され、エンタープライズ向けソリューションよりも芸術的・創造的なアプリケーションを優先していると強調した。
Holzのリーダーシップの下、Midjourneyは大規模なAI企業と比較して比較的小規模なチームを維持した。2023年の投資はおそらく採用とインフラを支援したが、同社は具体的な数字を開示しなかった。Holzの報道機関への声明、特に2022年8月のThe Registerへのインタビューは、一貫して収益性とユーザー中心の製品設計を強調してきた。
2023年の製品開発
2023年を通じて、Midjourneyは基本的なテキストから画像への生成を超える一連の機能をリリースした。これらのアップデートにより、ユーザーの制御と出力品質が向上し、専門家にとってより多用途なプラットフォームとなった。
Vary（リージョン）とリミックス
2023年9月5日、Midjourneyはバージョン5.2の一部としてVary（リージョン）機能を導入した。このツールにより、ユーザーは画像の特定の領域を選択し、画像の残りの部分を変更せずにその領域のみにバリエーションを適用できた。この機能は、手の修正や背景要素の変更など、画像全体を再生成せずに詳細を微調整するのに役立った。この機能はまた、選択した領域のプロンプトを変更できるリミックスモードを可能にし、非破壊的な編集ワークフローを提供した。
画像ウェイト
Midjourneyの画像ウェイトパラメータにより、ユーザーはアップロードした画像が最終出力に与える影響を制御できた。このパラメータを調整することで、ユーザーはプロンプトまたは参照画像のどちらを優先するかを選択できた。ウェイトを高くすると出力が画像の構造と詳細に厳密に従い、ウェイトを低くするとテキストプロンプトが支配的になった。この機能はCross-Attentionなどの初期の技術に基づいていたが、同社は技術的な詳細を公に文書化しなかった。
スタイルリファレンス
スタイルリファレンス機能により、ユーザーはスタイルガイドとして機能する画像をアップロードできた。Midjourneyは色パレット、テクスチャ、雰囲気などの要素を抽出し、それらを新しい生成に適用した。このツールにより、アーティストは一連の画像全体で一貫した美学を維持でき、他の文脈でData AugmentationやLoss Functionsがスタイルを保存する方法と類似していた。
キャラクターリファレンス
キャラクターリファレンスは、画像間のキャラクターの一貫性を対象としていた。ユーザーはキャラクターの画像をアップロードし、システムはそれを参照として使用して、その後の出力で類似したキャラクターを生成した。これは、パネル間でキャラクターの外観を維持することが重要であるストーリーテリングやコミック作成に特に役立った。この機能は同じ基盤となるNeural networkアーキテクチャを利用していたが、詳細は開示されなかった。
より広いエコシステムと競争
2023年の投資は、ますます競争が激化する環境で行われた。OpenAIのDALL-EシリーズとStability AIのStable Diffusionは、それぞれ異なる強みを持つ代替のテキストから画像への生成を提供した。MidjourneyはDiscord統合と美的品質への焦点で差別化し、デジタルアーティストから競合他社よりも洗練された結果を生み出すとしばしば賞賛された。
同社はまた、そのモデルの基盤となるDeep learningとTransformer (architecture)アーキテクチャの進歩から恩恵を受けた。MidjourneyのGoogle TPUの使用は、AWS TrainiumやGoogle Cloudの提供に見られるように、専門的なハードウェアへの業界トレンドと一致していた。しかし、Midjourneyは主要なクラウドプロバイダーと公に提携せず、独立した姿勢を維持した。
注目すべき使用例と論争
2023年、Midjourneyのリアリズムは、創造的な採用と倫理的な議論の両方を引き起こすレベルに達した。イギリスの雑誌The Economistは2022年6月に表紙にMidjourneyを使用し、イタリアの新聞Corriere della Seraは2022年8月にVanni SantoniによるMidjourney生成のコミックを掲載した。Charlie WarzelのThe Atlanticニュースレターには、後に彼が間違いと呼んだAlex JonesのMidjourney画像が含まれていた。last-week-tonight（ただし提供されたリストには含まれていない）は2022年8月にMidjourneyに関するセグメントを特集した。
最も顕著な論争は、Jason Allenの「Théâtre D'opéra Spatial」が2022年コロラド州フェアのデジタルアートコンペティションで1位を獲得したことに関係していた。AllenはMidjourneyを使用して画像を生成し、キャンバスに印刷し、自分の名前で出品した。審査員はAIの関与を知らなかったが、後にそれでも賞を授与しただろうと述べた。この出来事は、著作者権とModel Pruningに関する議論を引き起こした？いいえ、むしろ、AIの芸術における役割についての議論を引き起こし、一部のアーティストは著作権で保護された作品からのスタイル盗用を主張した。
2022年12月、Midjourneyは児童書「Alice and Sparkle」の画像を生成するために使用された。作成者のAmmaar Reeshiは、週末に画像を生成し、13枚を本のために選択した。アーティストはこのプロセスを批判し、Midjourneyが同意なしにアーティストの作品でトレーニングされたと主張した。これらの論争は、Midjourneyの人気が高まるにつれて2023年まで続いた。
遺産と影響
2023年の非公開投資ラウンドは、生成AIの主要プレーヤーとしてのMidjourneyの地位を確固たるものにした。計算とデータに多額の資金を必要とした他のスタートアップとは異なり、Midjourneyの収益性は同社にレバレッジを与えた。この投資は、詳細は公開されていないが、画像の一貫性を改善するためのCross-AttentionやPositional Encodingなどの分野へのさらなる研究を可能にした可能性が高い。
2023年後半の時点で、Midjourneyはアップデートをリリースし続け、2023年12月21日にバージョン6のアルファ版で最高潮に達した。これは9ヶ月かけてゼロからトレーニングされ、テキストのレンダリングと文字通りのプロンプト解釈が強化された。同社の軌道は、民間の支援がさらなる革新を促進し、2024年8月にバージョン6.1とともにウェブインターフェースが登場することを示唆している。2023年の投資は、MidjourneyがサイドプロジェクトからAI業界の本格的な競争相手へと成長する上での極めて重要な瞬間だった。