AIがアートと音楽を生成する方法、そして「真の創造性」が議論の余地がある理由

生成AIツールは、短いテキストプロンプトから画像、曲、フルトラックを生成できるようになり、その背後にある技術は現在、活発な法的および文化的な論争になっています。2026年10月、音楽出版社Reservoirはカリフォルニア北部地区の米国地裁でSunoとAnthropicに対して訴訟を提起し、両社がライセンスなしに数千の著作権で保護された楽曲でAIシステムを訓練したと主張しました。この争いと並行して、研究者は別の問題について議論し続けています。このアウトプットは創造性として認識されるのか、それとも全く別の何かなのか？

AI生成画像がどのように構築されるか

Stable Diffusion、Midjourney、DALL-Eなどのツールは拡散モデルと呼ばれるものに依存しています。訓練中、システムは実在の画像を見せられ、ランダムノイズが段階的に追加されて元の画像が認識できなくなるまで処理されます。次にモデルは逆プロセスを学習します。つまり、そのノイズを再度削除する方法です。Cloudinaryが発行した技術ガイドによると。生成はこれを逆転させます。システムは純粋なランダムノイズから開始し、段階的にそれを除去します。初期のステップは広い形状と構成を生成し、後のステップはテクスチャ、照明、詳細を洗練させ、一貫性のある画像が現れるまで続きます。テキストプロンプトは各デノイジングステップを導き、モデルに向かうべき主題、スタイル、設定を伝えます。

AIがテキストプロンプトから音楽を作曲する方法

SunoやUdioなどの音楽システムは詳細には異なりますが原則的には似ています。生オーディオは密集しすぎています。毎秒数百万の数値です。言語スタイルモデルに直接入力するには。これらのシステムはまず音をニューラルオーディオコーデックを使用して小さな数の離散的な「トークン」に圧縮し、AI-TLDRの技術概要によるとおよそ600倍の圧縮を実現しています。オーディオをトークンに変換したら、大言語モデルの背後にあるのと同じタイプのアーキテクチャであるトランスフォーマーモデルが次のトークンを予測し、その次を予測し、完全な曲を1つずつ構築します。テキストプロンプト（および任意の歌詞）は最初にジャンル、テンポ、曲の構造をカバーする大まかな計画に展開されてからオーディオトークンが生成されます。モデルは大規模な音楽ライブラリで訓練され、その概要で使用された説明では「作曲エンジン」として機能し、特定の既存の曲を取得するのではなくコード進行と曲の構造を吸収します。

技術の背後にある著作権争い

これらのシステムを訓練するには膨大な量の既存の創造的な作品が必要であり、現在これは活発な訴訟の対象になっています。Reservoirの2026年10月21日の訴訟は、Sunoが1,050の著作権で保護された音楽作品を使用し、Anthropicが853の作品の歌詞を使用したと主張しています。これはMadonna、Johnny Cash、Joni Mitchellの作品を含む、授権なし。Law Commentaryで確認された提出書類の概要によると。Reservoirはsunoから約186.4百万ドルの法定損害賠償を求めており、Anthropicから約151.4百万ドル、そしてデジタルミレニアム著作権法に基づく請求を求めています。Sunoは著作権で保護された素材でAIを訓練することはフェアユースとして適格である可能性があると主張し、別個にWarner、BMG、Believeとのライセンス契約に署名しています。Anthropicはケースを防衛する意図を述べました。Reservoirの苦情はこれらのライセンス契約を音楽を使用するための正当な市場がすでに存在することの証拠として引用しています。

これは「創造的」ですか？研究者は同意しません

法的問題とは別に、学者はこれらのシステムの出力が創造性の合理的な定義を満たすかどうかについて同意しません。計算言語学者Emily Benderと同僚は大規模モデルを「確率的オウム」と説明しています。訓練データのパターンを統計的にエコーし、アイデアを発信しません。Heidelberg Laureate Foundationの議論のレビューによると。コンピュータビジョン研究者Alexei EfrosはチェスやGoなどの閉じた規則に基づく領域の間に区別を引きます。AIシステムは固定ルール内で革新することができるとされています。アートなどのオープンエンデッド領域は、固定されたターゲットが存在しません。

他の研究者は異なる角度から反論しています。AI研究者Selmer Bringsjordは現在のAIの出力は訓練データを「リミックス」することであり、真正な創造ではなく、彼はLovelace Testを提案しました。その下で、システムは自分の設計者が説明できない出力を生成した場合にのみ創造的としてカウントされます。彼は今日のモデルがこのバーをクリアしていないと言っています。BrainFacts.orgで発行された概要によると。心理学者Mark Runcoは意図が人間の創造性の中心であると付け加えています。人々は意識的に創造することを選択します。一方、AIシステムはユーザーの意図を反映するプロンプトに応答します。彼ら自身ではなく。テストの根拠で、同じBrainFacts.org概要では、GPT-4を含むいくつかのモデルがさまざまなアイデアを生成する能力を測定する相違思考テストで平均的な人間より高いスコアを得たことを注記しています。ただしトップの人間の創造的なパフォーマーはまだテストされたAIシステムをスコアしました。

議論がアーティストとリスナーをどこに残すか

Heidelberg Laureate Foundationのレビューは、人間の創造性の定義がすでに研究者の間でどの程度争われているか考えると、AIに関する決定的な答えは把握できないままかもしれないことを述べています。そのレビューで引用されたいくつかのコメンテーターは、より実用的な前進の道をAIを人間の創造的な仕事を増進する道具として扱うこととして枠付けます。独立した創造的なエージェントそのものではなく。フレーミングは、これらのシステムが最初の場所で訓練された方法についての進行中の著作権紛争とともに、そしてそれを解決しないフレーミングです。