文章生成AI
https://gemini.google.com/
ChatGPT（事前に保護者の同意が必要）
https://openai.com/ja-JP/chatgpt/
Copilot
＜13歳～18歳の利用条件＞
・Copilotでパーソナライズされたエクスペリエンスを取得しないこと
・モデル トレーニングに会話を使用しないこと
https://copilot.cloud.microsoft/
■STEP1：画像生成AIを作ってみよう！
# =============================================
# 【ステップ 1】初歩的な画像生成コード
# =============================================
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 1. ライブラリの準備
!pip install diffusers accelerate -q
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
from diffusers import StableDiffusionPipeline
import torch
model_id = "runwayml/stable-diffusion-v1-5"
print("AIモデルを読み込み中...")
pipe = StableDiffusionPipeline.from_pretrained(
model_id,
torch_dtype=torch.float16,
safety_checker=None
)
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# AIを高速計算チップ（GPU/cuda）に移動
pipe = pipe.to("cuda")
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
print("✅ ステップ1：AIモデルの準備が完了しました！")
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 4. 実行部分
# 英語でプロンプトを入力（1行）
prompt = "a cute puppy wearing glasses"
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# AIに画像を生成させる（2行）
print(f"命令文: '{prompt}' に基づいて画像を生成します...")
image = pipe(prompt).images[0]
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 結果の表示（2行）
print("生成が完了しました！")
image
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# 【ステップ 1】初歩的な画像生成コード
# =============================================
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 1. ライブラリの準備
!pip install diffusers accelerate -q
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
from diffusers import StableDiffusionPipeline
import torch
model_id = "runwayml/stable-diffusion-v1-5"
print("AIモデルを読み込み中...")
pipe = StableDiffusionPipeline.from_pretrained(
model_id,
torch_dtype=torch.float16,
safety_checker=None
)
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# AIを高速計算チップ（GPU/cuda）に移動
pipe = pipe.to("cuda")
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
print("✅ ステップ1：AIモデルの準備が完了しました！")
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 4. 実行部分
# 英語でプロンプトを入力（1行）
prompt = "a cute puppy wearing glasses"
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# AIに画像を生成させる（2行）
print(f"命令文: '{prompt}' に基づいて画像を生成します...")
image = pipe(prompt).images[0]
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 結果の表示（2行）
print("生成が完了しました！")
image
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
■STEP2：プロンプト（指示文）を日本語で入力したい！！
# =================================================================
# 【ステップ 2 修正版】日本語対応プログラムの追加 (googletrans版)
# =================================================================
!pip install googletrans==4.0.0-rc1 -q
from googletrans import Translator
import re
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 1. 翻訳AIの準備（2行）
translator = Translator()
print("✅ ステップ2：日本語翻訳機能の準備が完了しました！")
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# 2. プロンプト処理関数（AIの判断ロジック）の定義
# 既存の process_prompt 関数をgoogletransを使う形に修正します。
def process_prompt(input_prompt):
if re.search(r'[ぁ-んア-ヶ一-龠]', input_prompt):
translation = translator.translate(input_prompt, dest='en')
english_prompt = translation.text
print(f"→ 日本語プロンプトを英語に翻訳しました: \n '{english_prompt}'")
return english_prompt
else:
return input_prompt
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 5. 日本語での実行部分
# 日本語プロンプトを入力（1行）
original_prompt = "青い空の下で走っているカラフルなユニコーン"
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 翻訳ロジックを使ってプロンプトを処理（1行）
processed_prompt = process_prompt(original_prompt)
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
print(f"命令文: '{original_prompt}' に基づいて画像を生成します...")
image = pipe(processed_prompt).images[0]
# 結果の表示
print("生成が完了しました！")
image
# 【ステップ 2 修正版】日本語対応プログラムの追加 (googletrans版)
# =================================================================
!pip install googletrans==4.0.0-rc1 -q
from googletrans import Translator
import re
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 1. 翻訳AIの準備（2行）
translator = Translator()
print("✅ ステップ2：日本語翻訳機能の準備が完了しました！")
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# 2. プロンプト処理関数（AIの判断ロジック）の定義
# 既存の process_prompt 関数をgoogletransを使う形に修正します。
def process_prompt(input_prompt):
if re.search(r'[ぁ-んア-ヶ一-龠]', input_prompt):
translation = translator.translate(input_prompt, dest='en')
english_prompt = translation.text
print(f"→ 日本語プロンプトを英語に翻訳しました: \n '{english_prompt}'")
return english_prompt
else:
return input_prompt
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 5. 日本語での実行部分
# 日本語プロンプトを入力（1行）
original_prompt = "青い空の下で走っているカラフルなユニコーン"
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 翻訳ロジックを使ってプロンプトを処理（1行）
processed_prompt = process_prompt(original_prompt)
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
print(f"命令文: '{original_prompt}' に基づいて画像を生成します...")
image = pipe(processed_prompt).images[0]
# 結果の表示
print("生成が完了しました！")
image
■STEP３：ネガティブプロンプトを組み込んでみよう！
# =================================================================
# 【ステップ 3】ネガティブプロンプト機能の追加
# =================================================================
def generate_image_with_negative(pos_prompt, neg_prompt):
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 日本語のメインプロンプトを処理（1行）
final_prompt = process_prompt(pos_prompt)
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
print(f"ポジティブ命令 (作りたいもの): {pos_prompt}")
print(f"ネガティブ命令 (作りたくないもの): {neg_prompt}")
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# AIに命令（今回はネガティブプロンプトも引数に追加する）（5行）
image = pipe(
final_prompt,
negative_prompt=neg_prompt,
num_inference_steps=50
).images[0]
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
return image
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 2. ネガティブプロンプトの実行
# 作りたいもの（ポジティブ）：このプロンプトは日本語でもOKです。（1行）
pos_prompt = "青い空の下で走っているカラフルなユニコーン"
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# 作りたくないもの（ネガティブ）：こちらはAIが直接理解できるよう英語で指定するのが一般的です。
# 訳: 低品質、ぼやけている、最悪の品質、変形、モノクロ
neg_prompt = "low quality, blurry, worst quality, deformed, monochrome"
# 関数を呼び出して画像を生成
image_output = generate_image_with_negative(pos_prompt, neg_prompt)
# 結果の表示
print("✅ ステップ3：ネガティブプロンプトを使った生成が完了しました！")
image_output
# 【ステップ 3】ネガティブプロンプト機能の追加
# =================================================================
def generate_image_with_negative(pos_prompt, neg_prompt):
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 日本語のメインプロンプトを処理（1行）
final_prompt = process_prompt(pos_prompt)
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
print(f"ポジティブ命令 (作りたいもの): {pos_prompt}")
print(f"ネガティブ命令 (作りたくないもの): {neg_prompt}")
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# AIに命令（今回はネガティブプロンプトも引数に追加する）（5行）
image = pipe(
final_prompt,
negative_prompt=neg_prompt,
num_inference_steps=50
).images[0]
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
return image
# ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
# 2. ネガティブプロンプトの実行
# 作りたいもの（ポジティブ）：このプロンプトは日本語でもOKです。（1行）
pos_prompt = "青い空の下で走っているカラフルなユニコーン"
# ↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑↑
# 作りたくないもの（ネガティブ）：こちらはAIが直接理解できるよう英語で指定するのが一般的です。
# 訳: 低品質、ぼやけている、最悪の品質、変形、モノクロ
neg_prompt = "low quality, blurry, worst quality, deformed, monochrome"
# 関数を呼び出して画像を生成
image_output = generate_image_with_negative(pos_prompt, neg_prompt)
# 結果の表示
print("✅ ステップ3：ネガティブプロンプトを使った生成が完了しました！")
image_output
高校生でも活用できる？AIツール①
1. Gemini (ジェミニ) by Google 🧠
GeminiはGoogleが開発したAIで、Google検索やGoogleサービスと連携できるのが最大の強み。最新の情報に基づいた正確な回答や、学習に役立つ情報整理が得意。
Geminiの大きな特徴の一つは、画像を取り込んで理解し、それに基づいて回答する能力を持っていることです。
最新のネット情報に基づく相談や情報分析
GeminiはGoogleが開発したAIで、Google検索やGoogleサービスと連携できるのが最大の強み。最新の情報に基づいた正確な回答や、学習に役立つ情報整理が得意。
Geminiの大きな特徴の一つは、画像を取り込んで理解し、それに基づいて回答する能力を持っていることです。
最新のネット情報に基づく相談や情報分析
高校生でも活用できる？AIツール②
2. ChatGPT (チャットジーピーティー) by OpenAI ✍️
ChatGPTは、OpenAIが開発したAIで、自然な文章作成能力と創造性に優れています。文章の校正、アイデア出し、ブレインストーミングのパートナーとして活用できます。
ChatGPTの主な強みは、自然な会話能力と高度な文章生成・処理能力です。特に、創造的な作業や複雑なテキスト処理において威力を発揮します。
アイデア出しや高品質な文章・物語の生成
ChatGPTは、OpenAIが開発したAIで、自然な文章作成能力と創造性に優れています。文章の校正、アイデア出し、ブレインストーミングのパートナーとして活用できます。
ChatGPTの主な強みは、自然な会話能力と高度な文章生成・処理能力です。特に、創造的な作業や複雑なテキスト処理において威力を発揮します。
アイデア出しや高品質な文章・物語の生成
TOPIC！Gemini VS ChatGPT どっちの方がプログラムを作りやすい？
今回の実習は全てChatGPT、Geminiに作ってもらっています。
この2つの生成AIを使った所感をトピックとして掲載します。
①開発者の意図を組んでくれるのは”Gemini”
作り手が何をしたいのか、どのようなものを作り上げようとしているのか・・・
その”意図”を理解しているのはGeminiだと感じました。
文脈の認識: 複数のステップにわたる会話の流れや、
あなたが過去に示した傾向（例：「エラー回避を最優先」「教育的な価値」）といった長期的な文脈を維持し、
それを次の回答に反映させる能力が優れています。
とGeminiは答えていました。
ChatGPTの場合、あくまでも言われたパーツを生成するだけだったので、
エラーが出た際に修正するのが難しかったです。
②文章力や自然な文章力については圧倒的にChatGPT
これに関しては間違いなくChatGPTに軍配が上がります。
ChatGPTは”テキストベース”の学習に焦点を当てており、言語へのとても深い理解があります。
メールを1から作成する、作ったメールの文章を添削するなどはお手の物です。
また、人間によるフィードバック (RLHF)も行っているのが非常に優秀な点です。
対してGeminiの場合、「文章の完璧さ」よりも「タスクの解決」や「マルチモーダル（画像などとの統合）」に学習リソースを割いています。
この2つの生成AIを使った所感をトピックとして掲載します。
①開発者の意図を組んでくれるのは”Gemini”
作り手が何をしたいのか、どのようなものを作り上げようとしているのか・・・
その”意図”を理解しているのはGeminiだと感じました。
文脈の認識: 複数のステップにわたる会話の流れや、
あなたが過去に示した傾向（例：「エラー回避を最優先」「教育的な価値」）といった長期的な文脈を維持し、
それを次の回答に反映させる能力が優れています。
とGeminiは答えていました。
ChatGPTの場合、あくまでも言われたパーツを生成するだけだったので、
エラーが出た際に修正するのが難しかったです。
②文章力や自然な文章力については圧倒的にChatGPT
これに関しては間違いなくChatGPTに軍配が上がります。
ChatGPTは”テキストベース”の学習に焦点を当てており、言語へのとても深い理解があります。
メールを1から作成する、作ったメールの文章を添削するなどはお手の物です。
また、人間によるフィードバック (RLHF)も行っているのが非常に優秀な点です。
対してGeminiの場合、「文章の完璧さ」よりも「タスクの解決」や「マルチモーダル（画像などとの統合）」に学習リソースを割いています。