ニック・ナイトがAIデータセットを自ら作る

インターネット上の画像を無差別に学習させる代わりに、自ら撮影した画像でAIを訓練するクリエイターがいる。SHOWstudio創設者のニック・ナイトは、モデルと衣装を自ら繰り返し撮影して独自のデータセットを作っている。データの量を外部のインターネットに委ねず、どのモデルとどの服が学習素材になるかを自分で管理する方式だ。AI生成物の出発点をクリエイター自身が統制しているわけだ。

彼が狙っているのは、既存の写真をそれらしく複製する道具ではない。ナイトはスチール画像を動く画像へと転換し、写真と映画の間に位置する新たな画像メディアを実験している。AI画像が既存作品の直接的な複製になってはならないと考える理由もここにある。生成技術の新しさは、他人の結果物を作り直すことにではなく、写真を動きへと拡張する表現方式に見出すべきだという主張だ。

この実験において、データと権利は切り離されない。ナイトは、ファッションモデルのデジタルlikeness、すなわち顔と身体を識別できるデジタル肖像に対する権利をモデル本人が持つべきだと強調する。誰の画像を学習させるのか、その画像をどのような結果物に変えるのか、そしてその権利を誰が持つのかが、AI制作の核心条件だという意味だ。

出典 · The Business of Fashion「Nick Knight Is Building His Own AI」

60人規模のスタジオを運営するケリー・ウェアスラーは、AIを別立ての未来技術として切り離さない。彼女は画像とデザイン作業にAIを活用し、インテリア・建築・ライセンシング・クリエイティブディレクション・ギャラリー・ニュースレターへと広がったスタジオの業務の中にこの道具を配置している。AIをデザイン感覚に取って代わる主体としてではなく、複数の分野を横断する制作過程の一つの道具として使うアプローチだ。

ウェアスラーのデザイン感覚は、幼い頃に家族と共に通った中古品店やフリーマーケット、オークションで育まれた。色彩やタイポグラフィ、家具を自分の目で観察して身につけた感覚が、現在の作業へとつながっている。だから彼女にとってファッションとインテリアは切り離された産業ではなく、自己表現がつながる一つの流れだ。AIを使うとしても、判断の基準は道具そのものではなく、積み重ねてきた観察と選択に残る。

H&M Homeと発表したコラボレーションは、この感覚を大衆市場へと移した事例だ。ファッションとホームを横断する29製品のコレクションを通じて、マスマーケットでもデザインと品質を実現できると語る。ここでAIの役割は、コレクションの数を増やしたことにあるのではない。長年培われた感覚を複数のメディアと製品へと拡張するスタジオの作業の中にAIが組み込まれたという点が核心だ。

出典 · The Business of Fashion「Kelly Wearstler on What Waiting Tables Taught Her About Design」

RealSnapのクリアランスは、生成画像を発行する前に既存画像との類似度リスクの兆候を点検する機能だ。ショッピングモールの詳細カット担当者やブランドマーケターは、検査対象を別途集めたり検索結果をあちこち確認したりする手間を減らせる。

特に画像バージョンの更新が頻繁な小規模ブランドチームや個人セラーに適している。検査結果をもとに、発行前の検収と修正要否を分けて判断できるためだ。