AIが私の文章をまねできるなら、選び、資料を確かめ、責任を持ったことを、どう読者に伝えられるだろうか。
1. 残したいのは文体だけではない
旧題は「AIは平均をつかめても、あなたはつかめない」だった。今見ると、書くことへの期待を、AIの能力の限界を保証する言葉にしていた。
今も自分らしい文章かは気になる。しかし口癖、文の長短、不規則なリズムだけでは判断できない。表面の特徴はまねでき、自分の書き方も変わる。
むしろ、なぜその問いを選び、どの資料で考えを変え、どの主張を採らなかったかを残したい。これは説明したい選択であって、機械に永久に学べない秘密の宣言ではない。
2. 「平均顔」は比喩にとどめる
旧稿は生成画像や文章を平均と呼び、その印象から個性の不足を説明した。推論を進めすぎた。
似た出力だと感じるのは、見る、読む側の感覚である。全員の顔を平均して画像を作ることも、常に最も確率の高い語を選ぶことも、その感覚では証明できない。高性能になるほど個性が減る必然性も導けない。
好ましくない作品を平均にたとえることはできるが、生成の仕組みには別の証拠が必要だ。本稿は比喩を技術説明に使わない。
3. 文体は学べても、選択の確認は残る
学べるものは文体、学べないものこそ本質、という定義も論拠にしない。AIが何を達成しても本質から除外できてしまい、問いに答えていないからだ。
私には、自分に似た文でも資料を誤り、未経験の出来事を作り、引き受けたくない約束をするかもしれないという境界の方が実用的だ。自然に読めるだけでは署名できない。
同じ型、導入、修正案を採用し続ければ、その型に似ていく可能性がある。注意したい習慣だが、すべてのAIが全著者を同じにする法則ではない。別の書き方を提案させることもできる。最後は文章の意味と読者の必要に戻って選びたい。
4. 検出点数だけで著者を認定しない
AI検出器で誰が書いたかを判断できるだろうか。まず言語、データ、版、点数の意味を問いたい。百分率を見ただけで、AIを使った確定的な確率とは扱えない。
Liangらの2023年研究は、当時の七つの検出器を、人が書いた91篇のTOEFL作文と米国8年生の88篇で試し、前者に大きな誤判定を認めた。特定の過去の道具と英語標本の結果である。誤った非難への注意にはなるが、現行の全道具や中国語の誤り率ではない。
単独の検出結果で不正やなりすましを認定することは勧めない。採点、採用、公の非難では、適用規則、執筆過程、他の証拠、本人の説明機会も考えたい。筆者の実務提案であり、全場面に同じ法的禁止があるという宣言ではない。
5. 「AIっぽさ」より過程を話す
文章がどうできたかを問われたら、選題、資料、修正、取捨選択を話せるようにしたい。AIらしく見えるかという推測より、関心に近い問いだ。
ただ、追加質問に答えたり草稿を出したりしても、人間の著者を必ず識別できるわけではない。新しい真贋儀式ではなく、文章を理解する文脈と考える。
同様に「全記事を十数回直した」という一言で、過去の全制作過程を保証できない。必要なとき、その記事の資料、道具の助け、自分が実際に確認した範囲を説明する方がよい。道具を使わない競争ではなく、責任の問題だ。
6. 署名前の四つの問い
永久にまねできない本質を証明するより、この文章に注意を戻したい。
- なぜこの問いと例を選び、何が修辞や個人の感覚にとどまるか。
- 重要な事実と引用をどこまで確かめ、どの経験で他人や過去の版を保証できないか。
- どの道具の提案を採用・却下し、その理由は意味と読者の必要に戻っているか。
- 署名後、誰が疑問に答え、誤りを直し、なお不明な点を説明するか。
これは筆者の執筆上の確認で、人間の身分を識別する試験ではなく、模倣や誤判定を防ぐ保証でもない。
私にとって書くことは、判断を自分の手に残す練習だ。AIは助けにもなり、よく似せることもある。それでも、なぜその一文を受け入れ、誤っていたらどうするかを知っていたい。
資料と読解範囲(2026年11月4日まで確認)
- Liangら、GPT detectors are biased against non-native English writers、arXiv v3、2023年7月10日。Abstract、Results、Discussion。道具、英語標本、誤判定の状況には範囲があり、全検出器、言語、将来版の性能に外挿できない。
- 生成作品の類似、文体、執筆の価値は筆者の観察と主張である。人像生成や著者識別を再実験せず、全歴史記事の修正回数も確認していない。
改訂説明:平均顔と最大確率語の生成機構の推論、模倣不能の保証、確認不足の引用、医学の識別例を撤回した。誤判定への注意と、取捨選択、確認、訂正の責任は残した。


💬 コメント
読み込み中...