日本語
かつて猫は、あなたが人間かどうかを研究者が確かめる手伝いをしました。その後、猫の顔に反応することを学んだニューラルネットワークが有名になりました。今では猫は画像生成の定番の題材です。どれもコンピューターの歴史に実在する出来事ですが、それだけで、すべての画像モデルが犬より猫を上手に描く証拠にはなりません。
面白いのは、猫の写真がどう研究に役立つ資料になったか、そしてその歴史から学習データについて実際に何がわかるかです。
保護施設の写真がCAPTCHAになったとき
2007年、Microsoftの研究者たちはAsirraを紹介しました。動物の写真12枚の中から猫を選ぶCAPTCHAです。Petfinderが提供したのは、300万枚を超える猫と犬の画像へのアクセスでした。保護施設のボランティアは、譲渡募集のために動物をすでに分類していました。
報告された利用者調査では、人は30秒以内に99.6％の割合で問題を解けました。各写真の下にある譲渡へのリンクが、セキュリティー実験とPetfinder本来の目的を結びつけていました。猫たちは家を探しながら、ウェブサイトを守る手伝いもしていたのです。
Asirraは、機械学習の外の活動から有用なラベルが生まれるよい例です。猫の学習データすべての起源ではありません。また、その写真が後に特定の商用画像生成サービスへ入ったと、論文が示しているわけでもありません。
ベンチマークはインターネットの全数調査ではない
CIFAR-10データセットには、小さなカラー画像が6万枚あり、十のクラスに均等に分かれています。猫と犬は別々のクラスで、それぞれ6,000枚です。このベンチマークでは、どちらにも数の優位はありません。
これは大切な点です。データセットの分類は、作成者が研究したかった課題を反映します。品種を見分けるための集まりは、猫と車を区別するための集まりとは別の問いを扱います。カテゴリ名を数えても、現代の生成モデルが動物をどれほど上手に描けるか、信頼できる順位はつけられません。
猫の顔の検出器を学んだネットワーク
有名な2012年のGoogle Brain実験に関連する研究で、Quoc Leらはラベルのないインターネット画像1,000万枚を使い、大規模なニューラルネットワークを訓練しました。論文には、人の顔、猫の顔、人の体に反応するユニットが報告されています。
重要なのは、それらの概念を示す学習ラベルがなくても、有用な視覚的特徴が現れたことです。反応するユニットがあるからといって、ネットワークがペットとは何かを理解したわけではありません。また、猫と犬の画像生成を比べる実験でもありませんでした。
この猫の検出器を、インターネット全体についての判定にしたくなります。しかし研究が支持するのは、もっと狭い結論です。繰り返し現れる視覚構造は、ラベルなしの例から学習できます。その後のすべてを猫のおかげにしなくても、十分に驚くべき結果です。
ウェブ規模の画像集が加えるもの
2022年に発表されたLAION-5Bは、ウェブのデータと自動フィルタリングを使い、約58.5億の画像と文章のペアを集めました。これは、画像と言語の関係を巨大な規模で学ぶという、別の段階に当たります。LAIONはその後、2024年に改訂したデータセットを公開しました。
こうした集まりは、その収集過程で得られる資料を反映します。動物、人間、日常生活の代表的な調査とみなすべきではありません。ただし、データセットの偏りについての一般論は、猫の説明文が犬の説明文より一貫しているという具体的な主張の証拠にはなりません。それには実際の比較が必要です。
では、生成モデルは猫が特に得意なのか
ここまでの資料では、その順位は決まりません。納得できる答えには、モデルと版を特定し、比較可能なプロンプトを使い、十分な数の出力を集め、成功の基準を定める必要があります。体の構造、品種らしさ、指定した姿勢、美的な魅力のどれを評価するのでしょう。
公開する画像なら、題材がなじみ深いからと安心せず、結果を確かめましょう。足を数え、尾をたどり、耳、ひげ、目が同じ一匹のものになっているか確認します。愛らしいサムネイルにも、構造の誤りが隠れていることがあります。
プロンプトエンジニアリングのガイド（英語）では、望む結果をどう言葉にするかを扱っています。文化的な側面については、猫ミームの歴史（英語）が、なぜ人は共有したいものとして猫を選び続けるのかという別の問いを追っています。
記録された歴史に架空のランキングは要りません。猫は譲渡情報、セキュリティーの問題、ベンチマークの分類、学習された視覚特徴の例になってきました。本当はキーボードの上で眠っていたい動物にしては、なかなかのコンピューター業界での経歴です。
2026-09-10公開の英語版の記事を日本語に翻訳しました。翻訳日：2026年10月30日。翻訳にはAIを使用し、記事内の時点は原文に合わせています。
