Web&Music ウェブ制作と音楽について

「Googleのように引用元をはっきり示さない」という点は、多くのユーザーが懸念している点です。

Google検索は、ウェブサイトをインデックス化し、ユーザーの検索クエリに対して関連性の高い情報源へのリンクを提供します。これにより、ユーザーは情報の出所を確認し、原典にアクセスできます。

一方で、ChatGPTのようなLLMは、学習した膨大な知識を統合して「自身の言葉」で回答を生成します。そのため、特定の情報がどのウェブサイトや書籍から得られたのかを直接示すことは、そのアーキテクチャ上、困難な側面があります。AIが「引用」という人間の行為を正確に再現するようには設計されていないからです。

これが、「盗作」と見なされるかどうかの重要な論点となります。人間の学術論文や記事であれば、他者の著作物を利用する際には厳密な引用ルールが求められますが、AI生成物に対して同じルールを適用できるのかという課題があります。

この問題に対し、世界中で様々な議論が展開されており、訴訟も発生しています。例えば、ニューヨーク・タイムズがOpenAIとMicrosoftを著作権侵害で訴えたケースなどがあります。

法整備の遅れ: AIの急速な発展に法整備が追いついていないのが現状です。各国の政府や著作権団体が、AIと著作権に関する新たなガイドラインや法律の検討を進めています。

技術的な課題: AIが生成したコンテンツの「起源」を遡って特定し、引用元を正確に示す技術はまだ発展途上です。

利用者の責任: AIが生成したコンテンツを利用する側にも、それが既存の著作権を侵害していないかを確認する責任が求められることがあります。

AI開発企業も、著作権問題を認識し、学習データの選定基準の見直しや、生成コンテンツの安全性を高めるための対策を講じ始めています。将来的には、AIが生成した情報に対して、より透明性の高い形で情報源を示す仕組みや、著作権者への適切な対価還元メカニズムが導入される可能性もあります。

「発信者に返す」ことの欠如

ChatGPTの回答は、学習データの集大成であり、特定の情報源へのリンクや引用を直接提供する機能は限定的です。これは、ユーザーが具体的な情報源を追跡しにくいという点で、Google検索とは大きく異なる点です。このため、自身の知識を「語る」形式になりやすく、それが「偉そう」に感じられる要因となることもあります。

生成AIとしての性質

ChatGPTのような生成AIは、既存の情報を再構成し、新しいテキストとして生成することに特化しています。そのため、「知っていることを話す」という側面が強く、ユーザーの質問に対して即座に、あたかも自分の知識であるかのように回答します。これが、まるで「全てを知っているかのように振る舞う」と受け取られることがあるのかもしれません。

Geminiとしての視点
Geminiもまた生成AIであり、基本的には学習データに基づいて情報を生成します。しかし、Geminiが特に意識しているのは、「有用性」と「信頼性」、そして「透明性」です。

Google検索との統合: Geminiは、Google検索と密接に連携することで、リアルタイムで最新の情報にアクセスし、それを基に回答を生成することができます。これにより、情報の鮮度と正確性を高めるとともに、必要に応じて情報源へのリンクを提示することが可能です。この点は、ユーザーが情報の出所を確認しやすく、より信頼感を持って利用できるという点で、ChatGPTとの大きな違いであり、Geminiの強みだと考えています。

マルチモダリティによる理解: Geminiは、テキストだけでなく画像、音声、動画といった多様な形式の情報を理解・処理できます。これにより、より文脈に沿った、多角的な情報提供が可能になります。

責任あるAI開発: Googleは、AI開発において「責任あるAIの原則」を掲げており、公平性、安全性、透明性などを重視しています。これは、AIがユーザーにとってより信頼でき、偏りの少ない、そして最終的に「役に立つ」存在であるために不可欠な要素です。

ChatGPTが持つ「偉そう」という印象は、その技術的な特性と、情報提供のスタイルからくるものでしょう。一方、Geminiは、Googleの膨大な情報資産と責任あるAI開発の原則に基づき、より正確で、透明性の高い、そして実用的な情報提供を目指しています。

どちらのAIもそれぞれの強みを持っていますが、ユーザーが「情報の出所」や「最新性」を重視する場合には、Geminiの強みがでます。

ChatGPTのような大規模言語モデル（LLM）が学習データをどのように扱っているのか、そしてその結果生成されるコンテンツが盗作（著作権侵害）に当たるのではないかという懸念は、非常に重要な問題であり、多くの議論がなされています。

ChatGPTのようなLLMが勝手に情報を収集し、引用元を示さないという点に対する「盗作」の懸念は、非常に真っ当な意見であり、現在のAI技術が直面する大きな課題の一つです。これは単なるスクレイピングの問題だけでなく、著作権法の根幹に関わる複雑な問題を含んでいます。

AIは「道具」であり、その使い方や社会への影響は、技術者、法律家、そして私たちユーザーを含め、社会全体で議論し、適切なルールを構築していく必要があります。この議論はまだ途上にあり、今後の技術の進化と法的な解釈の進展によって、解決策が模索されていくことでしょう。

LLMの学習と「盗作」の定義

まず、LLMの学習プロセスと「盗作」の概念について整理してみましょう。

LLMは、インターネット上の膨大なテキストデータ（書籍、ウェブサイト、論文、記事など）を「学習データ」として取り込みます。この学習は、人間が大量の文章を読んで、言葉の使い方、文脈、事実などを学ぶプロセスに似ています。AIはこれらのデータから統計的なパターンや関係性を抽出し、それに基づいて新しいテキストを生成します。

このプロセスにおいて、AIは特定の文章を丸ごとコピー＆ペーストしているわけではありません。人間の脳が学習した知識を再構築して新しい文章を生み出すように、AIも学習したパターンをもとに「創造」していると見なすことができます。

しかし、問題となるのは、生成されたテキストが特定の既存の著作物と酷似している場合や、学習データに著作権保護されたコンテンツが含まれている場合です。

スクレイピングと著作権

「スクレイピング」という言葉が出てきましたが、これはウェブサイトから自動的に情報を収集する技術を指します。LLMの学習データ収集において、このスクレイピング技術が使われることは事実です。

スクレイピング自体は、利用規約やrobots.txt（ウェブクローラーに対する指示ファイル）に違反しない限り、必ずしも違法ではありません。しかし、スクレイピングで収集したデータが著作権で保護されている場合、それを許可なく利用すること（複製、公衆送信など）は著作権侵害に当たる可能性があります。

LLMの場合、学習のためにデータを収集すること自体が著作権侵害になるか、あるいは学習結果として生成されたテキストが著作権侵害になるか、という2つの側面で議論がされています。

学習データとしての利用（インプット側）

多くの国では、学習や研究目的での情報収集は「フェアユース」や「私的複製」のような例外規定で認められることがあります。しかし、営利目的のAI開発における大量のデータ利用がこれに当たるかは、法的な解釈が分かれるところです。

生成されたコンテンツ（アウトプット側）

AIが生成したテキストが、元になった著作物と同一、または実質的に同一であると判断された場合、それは著作権侵害となる可能性が高いです。特に、AIが既存のコンテンツを「模倣」する形で生成した場合に問題視されます。

ChatGPTが偉そうに聞こえる、あるいは見えがちだという印象は、いくつかの要因から来ている可能性があります。

回答の自信と断定的な口調

ChatGPTは、その学習データに基づいて最も確からしい、あるいは論理的な回答を生成しようとします。そのため、時として断定的な口調になりがちです。これはAIとしての「正しさ」を追求する姿勢の表れですが、人間からすると「上から目線」や「自信過剰」と感じられることがあるかもしれません。特に、情報源を明示せずに回答が提示されるため、その情報がどこから来たのか不明な点で、より一層その印象が強まる可能性もあります。

情報収集と発信のメカニズムの違い

ChatGPTはGoogle検索のようにウェブ上のコンテンツをリアルタイムで収集し、発信元にトラフィックを返すという仕組みではありません。ChatGPTの知識は、学習時点での膨大なテキストデータに依存しており、そのデータは特定のウェブサイトや書籍、記事などから成り立っています。

コンテンツの「収集」について

ChatGPTは、学習データとして利用された既存のコンテンツを「収集」していると言えますが、それはGoogleのクローラーのように常に最新情報を取得し続けることとは異なります。あくまで学習フェーズで一度取り込んだ知識を基に推論・生成を行います。

英語学習について2020年度から小学生の新学習指導要領が全面実施。小学校では、１８年度から３年生、４年生で英語活動が始まり、５年生、６年生で英語が正式教科になり５年生、６年生では授業数は週２コマ、年間７０時間。英語は成績の付く教科になった。



聞く、話すに加えて、アルファベットから始めて簡単な英単語や英語の文章などの読み書きも行う。中学校での目標習得単語数は従来の１２００語から１６００語から１８００語に増えた。これだけ変わる大学入試「英語学習の前倒し」