文章を入力すると画像が生成される。プロンプトを入力すると詩、歌、またはコードブロックが生成される。生成型AIは、単に分類や予測を行うのではなく、新しいコンテンツを生成するシステムを指す。出力は斬新だが、訓練データ内のパターンに基づいている。

大規模言語モデルはテキストを生成し、拡散モデルは画像を生成し、音声モデルは音声と音楽を生成する。ビデオモデルは急速に進化している。それぞれ異なるアーキテクチャを使用しているが、いずれもデータの分布を学習し、そこからサンプリングを行う。

共通の生成出力

• 記事からコードまで、テキスト
• 写真からイラストまで、様々な画像
• 音声（音声および音楽を含む）
• ビデオとアニメーション
• 3Dモデルとデザインファイル

この分野は、難しい問題を提起する。著作権、帰属表示、誤情報といった問題が、展開を複雑化させている。生成されたコンテンツは、説得力がありながらも同時に虚偽である可能性があり、プラットフォームや規制当局に何らかの対応を迫ることになる。