卵で25ラウンドのAI電話ゲーム——「チキン」は10ラウンド目に消え、最後は「ウズラ」に

GENOというユーザーが、AIを使った「電話ゲーム」のような実験を公開した。「画像を説明→その説明から画像を生成→新しい画像を説明」というサイクルを25ラウンド繰り返す。説明には同じモデルを使い、画像生成は2系統（OpenAI GPT Image 2とGoogle Nano Banana 2）を並行して走らせた。画像自体は次に渡さず、テキストだけが次のラウンドへ進む。最初に生成された画像をそのまま次の説明の対象にし、リトライはしない。

Nano Banana 2系統では、最初の9ラウンドは生成された卵が「chicken egg」と説明されていた。しかし10ラウンド目に「chicken」という単語が突然消え、「egg」だけになった。不思議なのは、画像はその後もしばらく普通の鶏卵のままだったこと。説明が「ウミガラス（guillemot）や大型の斑点種に似ている」と変わり、画像が自然史博物館の展示品のような野鳥の卵になるまで、さらに12ラウンドほどかかった。つまり「ラベル」が先に消え、ピクセルは後から追いかけてきた。対照的にGPT Image 2系統は25ラウンドすべて「chicken」が残り、最終的にもスーパーの卵のような画像だった。

この差を生んだのは、説明に使われた言葉の質だとGENOは分析する。GPT Image 2系統は、卵の殻の斑点を「pore（気孔）」と表現していた。気孔は殻の一部だ。また3ラウンド目に背景が「255 brightness」と数値で書かれたため、白はもう白くならざるを得ず、ドリフトの余地がなかった。一方Nano Banana 2系統は、斑点を「blotches」「splatter」と表現し、これらは「殻の上にある」ことを示唆する。11ラウンド目あたりから「drip-like（滴状）」、さらに「gravity-drip pigment behaviour（重力で滴る顔料の挙動）」という表現になり、23ラウンド目には「殻はマットなのに斑点は光沢がある」という、1つの卵に2つの質感がある奇妙な状態になった。誰も「ペンキ」とは書いていないのに、前置詞がそうさせたのだという。

背景にも伏線があった。Nano Banana 2系統の1ラウンド目で、背景が純白ではなく「薄いグレー」として生成された。その後、説明は「light gray」を使い続け、「gray」のような相対的な言葉はどんどん暗くなる。4ラウンド目で軽いビネット、6ラウンド目で放射状グラデーション、21ラウンド目には「radial light bloom（放射状の光のにじみ）」＝博物館の照明になる。雰囲気フィールドが「標本を観察中」と書き始めると、卵もその光の下にいる生き物にならざるを得なかった。GENOは「最初の生成で起きた背景の小さなレンダリング事故が、その後のすべての上流にある」と述べ、1ラウンド目に背景を純白に固定した対照実験はまだやっていないという。

殻のテクスチャ表現も約10ラウンドかけて「micro-pore→porosity→pitting→raised pigment→porous」と変遷した。「pitting」は小さな穴を意味する。同じチェーンを25ラウンド以上続けた別の非公式な実行では、27〜28ラウンド目で殻に実際にひびが入り、その後モデルが完全な状態に戻した。ひびはランダムではなく、10ラウンドの間に「損傷した表面」の語彙が蓄積されていたためだという。

また、最初の喪失についても訂正がある。最初のプロンプトは「from top（真上から）」だったのに、両方の生成モデルが縦に立った卵を生成した。これは説明モデルの問題ではなく、最初のテキスト→画像ステップで両モデルが統計的に最も一般的な解釈（真上なら影は卵の周り、正面なら影は卵の下）を選んだため。同じ楕円なのだが、いったん正面視を選ぶと俯瞰視は戻ってこない。

最後に、GENOはラウンド数を数え間違えたため、Nano Banana 2の29ラウンド目のプロンプトが「a quail egg（ウズラの卵）」になったという。50枚の画像と全ラウンドのJSON記録は公開済みだが、彼は「ドリフトしたチェーンは、画像が変わる12ラウンド前に言葉を失った。これはこのチェーンだけのことなのか、それともこうしたループは常にテキストが先に失敗するのか。私には2つのチェーンしかない。2つはデータセットではない」と結論付けている。