PC業界で最も期待されていた製品、NVIDIA GeForce 50シリーズ グラフィック カード ファミリーを発表した翌日、NVIDIAの最高経営責任者 (CEO) ジェンスン フアン氏がCESのステージに登場し、記者の質問に答えた。
重要な質問は、フレームの生成や補間にAIがますます利用されるようになった世界では、最終的にはPCグラフィックスが完全にAIで生成される世界になるのか、という点だ。Huang氏は「いいえ」と答えた。
Huang氏にこの質問をしたのには理由があります。Nvidiaによると、DLSS 3ではGPUレンダリングされたフレームの間にAI生成フレームを挿入できましたが、DLSS 4では従来の1フレームから3フレームを推測できるとのことです。これは、GeForce 50シリーズの発表に関する以前のレポートでBrad Chacos氏が指摘した通りです。
前日、ライバルのAMDにも基本的に同じ質問が投げかけられた。「将来、すべてのピクセルがML（機械学習）によって生成されると言えるでしょうか？ はい、もちろんです。将来的にはそうなるでしょう」と、AMDのゲーミングソリューション担当チーフアーキテクト、フランク・エイゾール氏は答えた。
黄氏はそれに異議を唱えた。「いいえ」と、PCWorldのアダム・パトリック・マレー氏の質問に答えた。
その理由は、ChatGPTが初めて登場した時を思い出してください。私たちは「さあ、本を生成しましょう」と言いました。しかし、今のところ誰もそれを期待していません。
「その理由は、それを信用する必要があるからです」とフアンは続けた。「信用を与える必要があるのです。それは条件付けと呼ばれます。私たちは現在、チャットやプロンプトにコンテキストを付与しています。質問に答える前に、そのプロセスを理解する必要があります。コンテキストはPDFかもしれませんし、ウェブ検索かもしれません。コンテキストとは、あなたが正確に伝えたコンテキストのことかもしれませんよね？
「ビデオゲームでも同じことが言えます。文脈を与える必要があります。ビデオゲームにおける文脈は、ストーリー性だけでなく、空間、世界観、そして空間的な関連性も持たなければなりません。つまり、文脈を与えるには、まずジオメトリやテクスチャの初期ピースを与えるだけで、あとは自動的に生成され、盛り上がるのです。」
ChatGPTでは、コンテキストはRapid Retrieval, Augmented Generations（RAG）と呼ばれ、テキスト出力を導くコンテキストです。「将来的には、3Dグラフィックスは3Dグラウンデッドコンディション生成となるでしょう」と彼は言いました。
DLSS 4では、NVIDIAのGPUラスタライゼーションエンジンは4つの前方参照フレームのうち1つしかレンダリングしないとフアン氏は述べた。「つまり、4つのフレーム、3300万ピクセルのうち、レンダリングできたのは200万ピクセルだけなんです。これは奇跡じゃないですか？」
フナグ氏は、重要なのは、それらを正確に表現しなければならないということだと述べた。「正確に正しいものでなければ、その条件付けから他のものを生み出すことはできないのです。」
「先ほど私が説明したのと同じことが、将来のビデオゲームでも起こるでしょう。レンダリングするピクセルだけでなく、レンダリングするジオメトリ、レンダリングするアニメーション、そして将来のビデオゲームでレンダリングする髪の毛にも起こるでしょう。」
フアン氏は説明が不十分だったと謝罪した上で、ビデオゲームにおいてアーティストとレンダリングの役割は今もこれからも存在し続けるだろうと結論付けた。「しかし、生成AIこそが真の未来だと誰もが認識するまでには長い時間がかかりました。しかし、条件付け、つまり作者、アーティスト、そして意図をしっかりと理解する必要があるのです。」
著者: マーク・ハッハマン、PCWorld シニア編集者
マークは過去10年間、PCWorldに寄稿しており、テクノロジー分野で30年の経験があります。PCWorldだけでも3,500本以上の記事を執筆しており、PCマイクロプロセッサ、周辺機器、Microsoft Windowsなど、幅広いトピックを扱っています。PC Magazine、Byte、eWEEK、Popular Science、Electronic Buyers' Newsなどの出版物にも寄稿しており、Electronic Buyers' Newsでは速報ニュースでジェシー・H・ニール賞を受賞しました。最近、オフィスのスペースが足りなくなったため、数十台のThunderboltドックとUSB-Cハブを寄贈しました。
