Name: アーティストがAIの未来を書き換える方法 | Fei-Fei Li、Holly Herndon、Mat Dryhurst (How Artists Are Rewriting AI’s Future | Fei-Fei Li, Holly Herndon and Mat Dryhurst)
Uploaded: 2026-02-06T06:59:46.000Z
Duration: 13 min 19 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

転換語

I do believe we're in a civilizational moment because AI and the surrounding technology is causing such a profound shift in the way we can live our lives, that not only it's a technological inflection point, it's going to cause an inflection point in our social structure.

AIとその周辺技術が私たちの生活様式に非常に大きな変化をもたらしているため、これは技術的な転換点であるだけでなく、社会構造にも転換点をもたらす、まさに文明的な転換点にあると私は信じています。

As a scientist, I do feel a deep and profound sense of responsibility.

科学者として、深い責任を感じています。

And because I'm one of the people in our generation that brought this science into the world, my contribution in AI started with realizing the importance of data.

そして、この科学を世界に送り出した私たちの世代の一人として、AIにおける私の貢献は、データの重要性を認識することから始まりました。

私たちは常にデータを作り出しています。

We're constantly producing new behaviors, new ideas, new activities.

私たちは常に新しい行動、新しいアイデア、新しい活動を生み出しています。

But the more profound question is just because individuals are producing data, whether they're creators or just going about everyday life, doesn't mean we can always just take it all the time for free and without the considerations.

しかし、より深い問いは、個人がデータを作成しているからといって、それがクリエイターであれ、単に日常生活を送っているだけであれ、常に無料で、考慮事項なしにすべてを受け取ることができるという意味ではないということです。

There are science questions, there are art questions, and then there's also design questions.

科学的な問い、芸術的な問い、そしてデザイン的な問いもあります。

I would say that design and art questions are more about the actual impact of AI in the world.

デザインと芸術の問いは、AIが世界に与える実際のインパクトについてより多くを語ると言えるでしょう。

They're about imagining possible futures and trying to understand the consequences that they can have on the world.

それらは、可能な未来を想像し、それが世界にどのような影響を与えるかを理解しようとすることについてです。

We started working with AI about 10 years ago.

私たちは約10年前にAIとの仕事を開始しました。

My background is in computer music and when I learned about AI in the audio domain, it felt like an opportunity to create sounds that had never existed before and also new ways of performance.

私のバックグラウンドはコンピューターミュージックにあり、オーディオ分野でAIについて学んだとき、これまで存在しなかった音や新しいパフォーマンス方法を作り出す機会だと感じました。

So I'm really interested in these really important historical moments that kind of open up a possibility for all kinds of artists to explore and kind of run with it and create new forms of art with.

ですから、あらゆる種類のアーティストが探求し、それを活かして新しい芸術の形を創造する可能性を開く、これらの非常に重要な歴史的瞬間に本当に興味があります。

We're working right now with the artists Holly Herndon and Matt Driehurst, who are incredible collaborators and at the forefront of art and technology.

私たちは現在、芸術とテクノロジーの最前線で活躍する素晴らしい協力者であるアーティストのホリー・ハーンドンさんとマット・ドゥリエストさんと一緒に取り組んでいます。

The last few years of AI have been almost like 500 years of change as machine learning models have developed in scope and have been think learning and training and producing new kinds of sensory experiences and information.

機械学習モデルが範囲を広げ、学習、トレーニング、新しい種類の感覚体験や情報の生成を行ってきたため、ここ数年のAIは500年分の変化のようでした。

And Holly and Matt are coming up with new and unorthodox ways of perturbing and disturbing those systems.

そして、ホリーさんとマットさんは、それらのシステムをかく乱し、混乱させるための新しく型破りな方法を考案しています。

We were really building things from the ground up, which required questions like what's your data set?

私たちは文字通りゼロから物事を構築しており、それは「データセットは何ですか？」といった問いを必要としました。

AI models are actually just us in aggregate.

AIモデルは、実際には私たち全員の集合体なのです。

So an AI model output is both the product of everybody and nobody in particular.

ですから、AIモデルの出力は、みんなの産物であり、同時に特定のだれかの産物でもあるのです。

それを巡る知的財産法を考えてみてください。

それが、今回の新しいところですよね。

Is you train a model properly, everyone's in there, and

モデルを適切にトレーニングすれば、誰もがそこにいて、

the result you get is the responsibility of nobody producing.

結果として得られるものは、誰も責任を負わないものになります。

Training data should be a deliberate act.

トレーニングデータは、意図的な行為であるべきです。

ある意味、それは新しいアートの媒体です。

I had always wanted to make a kind of one to one voice model and it felt like the only right answer would be to use my own voice.

私はずっと1対1のボイスモデルを作りたいと思っていて、自分の声を使うのが唯一正しい答えだと感じていました。

And so I sang from a series of timit scripts, which is basically a series text that cover all of the phonemes of the English language.

そこで、英語の全ての音素を網羅する一連のテキストである「timitスクリプト」を使って歌いました。

The computer will understand how your voice sounds.

コンピューターはあなたの声の響きを理解するでしょう。

While most people would want to protect their voice, we thought it'd be more interesting to do the opposite, to actually make Holly's voice public domain and give people the tools to use it as they wanted.

ほとんどの人は自分の声を保護したいと思うでしょうが、私たちはその逆、ホリーさんの声をパブリックドメインにして、人々が自由に使えるツールを提供することが、より面白いと考えました。

お肉の夢を少し見てください。

I trained an AI on my own voice, and now she can sing anything in multiple languages.

私は自分の声でAIをトレーニングしました。そして今、彼女は多言語で何でも歌えます。

彼女の名前はホリープラスです。

In constructing a different protocol for how training might take place, you're kind of pointing to a different world.

トレーニングが行われる方法について異なるプロトコルを構築する上で、あなたは別の世界を示唆しているようなものです。

In 2024, Holly and Matt created a work called Play from Memory for an online exhibition at MOMA.

2024年、ホリーとマットはMOMAのオンライン展覧会のために「Play from Memory」という作品を制作しました。

They were inspired by a 1920s form of music pedagogy for children that used what they called imitation games to teach children how to play music, but

彼らは、子供たちに音楽の演奏方法を教えるために「模倣ゲーム」と呼ばれるものを使い、

即興演奏の方法も教える、1920年代の子供向けの音楽教育法に触発されました。

And what you see is a series of fantastical images of instruments, for example, that never existed, and

そして、例えば、存在しなかった楽器の幻想的なイメージのシリーズや、

この世のものとは思えないような音も見られます。

And these are all generated through machine learning models that Holly and Matt fine tuned, trained and constructed to be able to almost speculate about what this kind of musical pedagogy could produce.

そして、これらはすべて、ホリーとマットがファインチューニングし、トレーニングし、構築した機械学習モデルを通じて生成されており、この種の音楽教育法が何を生産できるかについて、ほとんど推測できるかのようです。

They were fascinated by the similarities between how people thought children could be trained to play music and how we think about training machines every step of the way.

彼らは、人々が子供たちに音楽を演奏するように訓練できると考えた方法と、私たちが機械をトレーニングする方法について、あらゆる段階で考えていることとの類似性に魅了されました。

They have confronted the challenges and issues of AI and consent, and

彼らは、AIと同意に関する課題や問題に直面しており、

this is why they are really interested in participatory forms of music like choral music, even medieval hymns and call and response.

だからこそ、彼らは合唱音楽、中世の賛美歌、コールアンドレスポンスのような参加型の音楽に本当に興味を持っているのです。

They've done a arena concerts where they have these huge crowds.

彼らは、巨大な群衆がいるアリーナコンサートを行いました。

They ask to opt in into a kind of training set, and

彼らは、一種のトレーニングセットにオプトインするように求めており、

it becomes a beautiful call and response.

それは美しいコールアンドレスポンスになります。

And then Holly and Matt will use those sounds, recorded sounds, to then create new generative AI artworks.

そして、ホリーとマットはその録音された音を使って、新しいジェネレーティブAIアートワークを作成します。

And in the sense that training sets usually are taken from images and sounds and pieces of information that are just out there in the Internet, Holly and Matt are curating and crafting and asking people to participate in creating their own training.

そして、トレーニングセットは通常、インターネット上にある画像、音、情報の断片から取られるという意味で、ホリーとマットは、人々が自身のトレーニングの作成に参加するようにキュレーションし、作成し、求めています。

As part of the Serpentine show, the Call that opened in 2024, we decided to create a choral singing model.

2024年にオープンしたサーペンタイン展の一部である「コール」として、私たちは聖歌隊の歌唱モデルを作成することにしました。

I think we approach AI as a kind of really sophisticated coordination technology.

AIは、一種の非常に洗練された調整技術としてアプローチしていると思います。

And so that's why we look at earlier coordination technologies like choral singing or group singing practices, because it really helps us create a kind of through line thinking about the really sophisticated decisions that are made when human beings are standing together, singing and creating Music together.

だからこそ、私たちは聖歌隊の歌唱や合唱といった、より初期の調整技術に目を向けているのです。それは、人間が一緒に立ち、一緒に歌い、音楽を創造する際に下される非常に洗練された決定について、一種の通底する考え方を生み出すのに役立ちます。

If you've had that experience, you know that your contribution is important and you're playing a key role, but

その経験をしたことがあるなら、自分の貢献が重要であり、重要な役割を果たしていることはわかりますが、

that what you're creating is something that's greater than the sum of its parts.

あなたが創造しているものは、部分の総和以上のものだということです。

We also created a data trust where people could join the trust and kind of negotiate how their data would be used for the project.

また、人々がトラストに参加し、プロジェクトで自分のデータがどのように使用されるかを交渉できるデータトラストも作成しました。

It was a really kind of like a full stack approach to training a model from the ground up, with everyone's consent.

それは、全員の同意を得て、ゼロからモデルをトレーニングするための、まさにフルスタックなアプローチでした。

We would probably argue that intelligence is something that happens between us.

知性とは、私たちがお互いの間にあるものだと主張するでしょう。

And so a frustration of ours is that, yes, when people often talk about AI and art, they think about typing some words into a model you don't own and getting a funny looking image out.

ですから、私たちのフラストレーションの一つは、AIとアートについて話すとき、人々はしばしば、自分が所有していないモデルにいくつかの単語を入力して、奇妙な画像を得ることを考えてしまうことです。

And it's like, yeah, that exists and we've all got to exist in a world where that exists.

そして、ええ、それは存在し、私たちは皆、それが存在する世界で生きていかなければならないのです。

しかし、それは私が解釈するアートではありません。

The actual value is an interplay between things versus a picture that you put on the wall.

本当の価値は、壁に飾る絵ではなく、物事の相互作用にあります。

In the last couple of years, I'm just so excited by this new frontier that we're exploring in AI that I call spatial intelligence.

ここ数年、AIにおける新しいフロンティア、私が「空間知能」と呼ぶものにとても興奮しています。

Spatial intelligence, to me is a continuation of my lifelong work in computer vision, which really tackles the problem of percept and visual intelligence.

空間知能とは、私にとって、コンピュータビジョンにおける私の生涯にわたる仕事の継続であり、知覚と視覚的知能の問題に取り組むものです。

Vision is not just for the sake of passive viewing.

視覚は、単に受動的に見るためだけのものではありません。

Vision is for doing things, for moving, to navigate the world, to manipulate things, to collaborate.

視覚は、行動するため、移動するため、世界をナビゲートするため、物事を操作するため、協力するためにあります。

The first robot, the first companion robot that we acquired was the Aibo dog that was designed by Sony in 1999 and then it was released to the public a few years after.

最初に手に入れたロボット、最初のコンパニオンロボットは、1999年にソニーがデザインし、数年後に一般公開されたAIBOという犬でした。

And you could pet it and it would move around, but nothing much, but

撫でると動きましたが、それ以上のことはほとんどありませんでしたが、

it was enough to be really lovely and it was enough for you to have an endearing relationship with it.

それでも十分に愛らしく、愛着のある関係を築くことができました。

I mean, right now robots are much more sensing, much more able to sometimes detect also emotions by reading facial features and able to have whether they are embodied or they're just a voice, they're able to really have a conversation that is much more, more real.

つまり、今のロボットはより多くの感覚を持ち、顔の特徴を読み取って感情を検出できるようになり、物理的な存在であっても音声だけでも、よりリアルな会話ができるようになっています。

Our voice is such a key part of our identity.

私たちの声は、アイデンティティの非常に重要な部分です。

So when we sing or when we speak, it's a very physical, personal experience.

ですから、歌ったり話したりするときは、非常に身体的で個人的な体験となります。

And it translates into something that for Holly and Matt, can become almost disembodied and find a new form in the voices of others.

そしてそれは、ホリーさんとマットさんにとって、あたかも身体から切り離され、他者の声の中に新しい形を見出すようになるものへと変換されます。

And that's a very beautiful transition, I would say, between the physical, embodied realm and the machine intelligences that they're using.

そしてそれは、物理的で具現化された領域と、彼らが使用している機械知能との間の、非常に美しい移行だと私は思います。

We are still at the dawn of the understanding of intelligence, both in terms of neuroscience as well as in terms of machine intelligence.

私たちはまだ、神経科学の観点からも、機械知能の観点からも、知能の理解の夜明けにいます。

I do believe human intelligence and machine intelligence manifest in very different ways.

人間の知能と機械知能は、非常に異なる形で現れると私は信じています。

We not only survive, live, work, but we emote, we feel.

私たちは生き延び、暮らし、働き、そして感情を抱き、感じます。

We have compassion, we have creativities that we don't know how to explain.

私たちは、説明のしようのないような、思いやりや創造性を持っています。

機械には独立した価値観はありません。

機械の価値観は人間の価値観です。

And to think about what human centered AI is, is to think about what we want this AI do for us.

そして、人間中心のAIとは何かを考えることは、私たちがこのAIに何をしてもらいたいかを考えることなのです。

Artists are able ask questions and ideate scenarios that the rest of us would never have thought of.

アーティストは、私たち残りの人々が思いもよらなかったような問いを投げかけ、シナリオを考案することができます。

And in that sense, it's crucial for artists to take on technology at the highest levels, because we need those other perspectives and we need those other voices if we actually want these models to be as good as they could be.

そしてその意味で、アーティストがテクノロジーを最高レベルで取り入れることは非常に重要です。なぜなら、これらのモデルが可能な限り良くなるようにするためには、他の視点や他の声が必要だからです。

You can't over engineer a potential outcome.

潜在的な結果を過剰に設計することはできません。

You actually do have to give models the ability to, you know, develop curiosity.

実際には、モデルに好奇心を発達させる能力を与える必要があります。

And this is why there's so much mistrust in AI because everyone's really unhappy with the way that the Internet turned out.

だからこそ、AIに対する不信感がこれほど大きいのです。なぜなら、誰もがインターネットがそうなったやり方に本当に不満を感じているからです。

So if this is a new Internet, we want to make sure that we get it right this time.

ですから、これが新しいインターネットであるならば、今回はそれを正しくやり遂げたいのです。

Everybody has to have a say in AI it cannot be a tiny group of people telling the rest of the world, this is the AI we're creating and giving you.

AIには誰もが発言権を持たなければなりません。少数の人々が、これが私たちが作り、皆さんに提供するAIなのですと、世界の残りの人々に伝えるようなものであってはなりません。

それにあなたは付き合っていかなければならないのです。

That will cause a lot of unintended harms and consequences.

それは多くの意図しない害と結果を引き起こすでしょう。

今、非常に多くのことがかかっています。

I feel that we need to be much more aware and conscious of our moves.

私たちは、自分たちの行動にもっと注意を払い、意識的になる必要があると感じています。

It's not only up to the artists themselves.

それはアーティスト自身だけの問題ではありません。

It's also up to the receivers of the art.

アートを受け取る側にもかかっています。

So the figure of the lonely artist that drops their art and lets the world deal with it doesn't really exist anymore.

ですから、アートを世に送り出し、世界に委ねる孤独なアーティストという姿は、もう実際には存在しないのです。

We need artists really down in the trenches with us.

アーティストには、私たちと共に最前線に立ってほしいのです。