AIが自分自身の出力を参照して学ぶとき、
そこには
崩壊
と
進化
の
二つの未来が共存する
自己生成データの循環が品質を蝕み、モデルが劣化していく。分布の収縮、多様性の喪失。
評価可能な環境下で、自己対戦により能力を更新し続ける。限界を超える飛躍。
チェスや囲碁では後者が実現した。
では、
音楽
や
映像
のような
評価が曖昧な領域でも同じことは起きるのか？
生成・評価・修正のサイクルを繰り返し、作品は自己進化する
日々わずかに更新。パラメータの微調整、品質の漸進的向上。
毎日の生成・評価・修正サイクルにより、映像と音が少しずつ洗練されていく。勾配降下法のように、局所的な改善を積み重ねる滑らかな最適化のプロセス。
閾値を超えた瞬間、突然変異的な不連続な飛躍が起きる。
ルール、モジュール、評価の重みづけ、表現言語そのものが拡張・切替・再編成。到達した者だけが得る「権利解放」。水が氷になるように、システムの状態が根本的に変わる。
作者の日常の断片が匿名化・抽象化されて作品に注入される。
完全な自己進化の限界を認め、外的要因として人間の生活を取り込む。保存した断片、会話の断片、活動ログ。自己参照と外部摂取の間で揺れる。
最新の出力だけでなく、進化の痕跡を可視化して目撃する
ノードをクリックして各世代の詳細を確認
会期14日間のフィットネススコア変化
Phase Transition前後の構造比較
相転移の瞬間、パラメータの微調整ではなく、 表現のルール 、 モジュール構成 、 評価の重みづけ が根本から再編成される。
作者の日常が作品に注入される過程
⚠️ 外部データの取り込みは、匿名化・要約・抽象化を前提とし、個人情報や特定可能な内容は扱いません。