見出し画像

「一筆書き」から「デッサン」へ？　Googleの新型AI「DiffusionGemma」が文章を秒速で描く仕組み

Moba

こんにちは、モバです。

2026年6月、Googleからちょっと変わったAIが出ました。その名も「DiffusionGemma（ディフュージョン・ジェマ）」。

「また新しいAIか〜」と思った方、ちょっと待ってください。これ、賢さが上がったとかじゃなくて、文章の「書き方」そのものが今までと全然違うんです。

ぼくはこの仕組みを知ったとき、「ああ、AIの文章作成にもこういう方向があったのか」と、ちょっと感動してしまいました。今日はその話を、できるだけ専門用語を使わずに書いてみようと思います。

AIの文章って、「タタタ…」と出てきますよね

ChatGPTやGeminiを使ったことがある方なら、見覚えがあると思います。

質問を送ると、答えが「タ・タ・タ・タ…」と、左から1文字ずつ流れるように出てくる、あの光景。

あれ、演出でやっているわけじゃないんです。今のAIは本当に、左から順番に1文字ずつ考えながら書いているんですよね。

ところがDiffusionGemmaは違います。文章が1文字ずつ出てくるのではなく、全体がじわじわと同時に浮かび上がってくるような書き方をします。

……どういうこと？　と思いますよね。順番に見ていきましょう。

今までのAIは「究極のしりとり」だった

ChatGPTもGeminiもClaudeも、いま私たちが使っているAIのほとんどは「自己回帰型」と呼ばれる仕組みで動いています。

難しそうな名前ですが、やっていることは究極のしりとりです。

「むかしむかし、あるところに…」と書いたら、AIは「『に』の次に来る言葉として一番ありえそうなのは何だろう？」と一生懸命計算します。「おじいさん」と決まったら、今度は「おじいさんの次は…」と、また考え直す。これを延々と繰り返して文章を作っています。

この方式、前の言葉を受けて次を考えるので、話の流れがとても自然になるという大きな長所があります。今のAIの文章が読みやすいのは、この仕組みのおかげなんですよね。

ただ、弱点もあります。

1文字書くたびに、AIは自分の巨大な「辞書」のようなデータを丸ごと読み直して考えています。1文字調べるたびに分厚い辞書を開き直すようなものなので、どうしても書くスピードに限界があるんです。

それと、しりとりは後戻りができません。「途中のここだけ書き直して」と言われると、実質そこから先を全部書き直すことになります。

新しいAIは「デッサン」で文章を描く

では、DiffusionGemmaはどう書くのか。

イメージは鉛筆のデッサンです。

画家がデッサンを描くとき、左上から1ミリずつ完成させていく人はいませんよね。まずキャンバス全体に薄くアタリを取って、全体をぼんやり描いて、それから少しずつ細部をはっきりさせていきます。

DiffusionGemmaはこれを文章でやります。

まず「256文字分のキャンバス」を用意します。最初そこに置かれているのは、砂嵐みたいなデタラメな文字。AIはその砂嵐から「ノイズ」を何度も削って修正していきます。最初はモザイクだった文字列が、数ステップ繰り返すうちに、全体が同時に意味のある文章へ変わっていくんです。

実はこれ、画像生成AI（Stable Diffusionなど）で使われてきた技術なんですよね。「ノイズから画像を削り出す」あの仕組みを、文章用にアレンジしたわけです。

この方式の何がすごいかというと、まず速さ。1文字ずつ悩まずに全体を「せーの」で作るので、GPUの並列計算パワーをフルに使えます。環境によっては1秒間に1000単語以上という、目にも留まらぬ速さで文章が出てくるそうです。従来比で4倍以上速いケースもあるとか。

もうひとつが部分的な書き換え。全体を同時に仕上げる方式なので、「この3行目だけ別の表現にして」みたいな注文が、最初から書き直すことなく一瞬でできます。しりとり型が苦手だったことが、こちらでは大得意なんです。

じゃあもう完璧なの？　というと

そんなことはありません（笑）。

一気に全体を作る分、長い文章だと話の辻褄が合わなくなることがあります。文章の自然さや賢さは、現時点ではまだ従来のしりとり型に軍配が上がるようです。DiffusionGemma自体、Googleも「実験的なモデル」と位置づけています。


ローカルLLM好きとしては、ワクワクしかない

ぼくは普段、M2 MacBook AirでローカルLLMを動かして遊んでいるんですが、この世界にいると「速さは正義」というのを身にしみて感じます。簡単な質問に5分待たされたりすると、どんなに賢くてもちょっとつらい。

だから「仕組みを変えることで4倍速くなる」というアプローチには、心が躍るんです。力技でハードウェアを積み増すんじゃなくて、書き方そのものを発明し直すという方向。こういうの、好きなんですよね。

それに「部分書き換えが得意」という特性は、プログラミングととても相性がいいはずです。コードの一部だけサッと直してくれる超高速アシスタントとか、入力と同時に返事が返ってくるリアルタイム会話AIとか。そういう未来が、この技術の先に見えている気がします。

次にAIが「描く」のは

これまでAIの世界では、「画像はデッサン方式（拡散モデル）、文章はしりとり方式（自己回帰）」と、得意分野がはっきり分かれていました。

DiffusionGemmaの登場は、その垣根が消えつつあるサインなのかなと思います。「文章も画像みたいに、ノイズから削り出せば速いじゃん」ということが、いままさに証明されつつある。

1文字ずつ紡がれる文章と、霧の中から一気に浮かび上がる文章。同じ「AIが書いた文章」でも、その裏側の頭の使い方はこんなに違うわけです。

文章と画像の境界がほどけてきた今、次にAIがデッサン方式で「描く」のは、何になるんでしょうね。

いいなと思ったら応援しよう！