問いは世界を創造する

要旨

本書は、生成AIとの対話能力が個人の生産性や創造性を大きく左右する時代において、言語学の知見が有効なスキルセットであることを提唱する。中心的な主張は、AIへの指示（プロンプト）を単なる命令文としてではなく、言語学的フレームワーク、特に選択体系機能言語学（SFL）を用いて体系的に設計することで、AIの潜在能力を最大限に引き出せるという点にある。
著者は、AIとのコミュニケーションが従来の形式言語（プログラミング等）から自然言語へと移行したことを歴史的転換点と捉える。これにより、ユーザーの「対話力」がAIの出力品質に直接影響を与えるようになった。本書では、この対話力を高める具体的方法論として「生成AIスキルとしての言語学」を提示する。
中核となるのは、プロンプトを構成する主要要素、すなわち状況設定（コンテクスト）、指示／質問の説明、様式の選択、例の提示を意図的に設計する技術である。特に、対話の背景となる「フィールド（何についてか）」「テナー（誰が関わるか）」「モード（言葉の役割は何か）」を明確に設定することで、AIを特定の目的や役割にカスタマイズできる。また、指示を「詳細化」「増補」「拡張」といった論理関係で補足することにより、AIの思考プロセスを誘導し、より複雑で的確な回答を生成させられる。
最終的に本書は、生成AIを単なる効率化ツールではなく、人間の知性を拡張する「共同作業者」と位置づける。言語学の知見を活用することで、ユーザーはAIとの対話をより深く、広く展開し、これまで到達できなかった質の高いアウトプットを生み出せる。これは専門家だけでなく、あらゆる層のユーザーがAIの恩恵を享受し、個人の能力格差を埋める可能性も秘めている。

1. 生成AIの基礎と人間との新たな関係

生成AIの定義と普及

生成AIは、テキスト、画像、音楽など多様なコンテンツを生成する人工知能の一種である。応用範囲は広く、日常業務（メール下書き、文書校正）、ビジネス（企画書作成、マーケティングコピー生成）、教育（英会話の相手）、医療（情報要約）など、多岐にわたる分野で急速に利用が拡大している。

従来の人工知能との決定的差異

生成AIと従来のAIには主に二つの大きな違いがある。

1. 高度な生成能力: 従来のAIが特定タスク（画像認識など）に特化していたのに対し、生成AIは人間と同等レベルのテキストや画像を生成する能力を持つ。
2. 自然言語による対話: 従来のAI操作には専門知識や形式言語（プログラミング言語など）が必要だったが、生成AIは日常言語で指示や質問を行える。これにより、専門家でなくても個人の目的や状況に合わせてAIを柔軟に利用できるようになった。

生成AIの仕組み

生成AIの能力の根幹にはトランスフォーマー（Transformer）という仕組みがある。これは、入力されたデータの要素（単語など）の位置関係と要素間の関連性を大量のデータから学習し、それに基づいて新しいテキストなどを生成する。

• パラメーター: 生成AIが言語を調整できる能力の規模を示す。料理の調味料の種類に例えられ、数が多いほど表現が豊かになるが、制御は複雑になる。
• ファインチューニング: 大量のデータで学習した後、特定のタスク（例：対話機能）の性能を高めるために行うパラメーターの微調整。カレーのレシピに特化してスパイスの配合を調整することに例えられる。

生成AIの利用目的

生成AIが「なぜ」生成するかは人間の目的や意図に依存する。主な用途は以下の三つに大別される。

1. 情報やアイディアの理解: 複雑なトピックの要約や難解な文章の平易化など、情報理解を支援する。
2. 情報やアイディアの表現: メールや報告書の下書き作成、ターゲット層に合わせた文章の編集など、表現活動を支援する。
3. 考えを分析・整理する: 複数の立場からの意見を生成させ、多角的な視点から自身の考えを見直す壁打ち相手として活用する。

人間の新たな役割：共同作業者としてのAI

生成AIは自動でタスクを完了する機械ではなく、人間と共に何かを作り上げる共同作業者（パートナー）として位置づけられる。この共同作業において、人間には以下の四つの役割と責任が求められる。

1. 目的設定: 何を、なぜ、誰のために生成するのかを決定し、AI使用の妥当性を判断する。
2. AIの選定: 目的やタスクに合致した学習データや調整が施されたAIを選ぶ。
3. 意図の伝達: 自身の目的や状況を正確にプロンプトとして言語化し、AIに伝える。
4. 評価と修正: AIの生成した回答を吟味・精査し、事実確認や偏りのチェックを行い、必要に応じて修正する。

対話における注意点

生成AIとの対話は便利だが、以下の点に注意する必要がある。

• データプライバシーとセキュリティ: 入力情報の扱いを確認し、個人情報や機密情報の入力は避ける。
• ハルシネーション: AIが事実に基づかない情報を事実のように生成する現象。情報の真偽は必ず確認する。
• バイアスの拡散: 学習データに含まれる偏見をAIが引き継ぎ、偏った回答を生成する可能性がある。公開コンテンツには特に注意が必要。

2. 生成AI対話における言語学の役割

なぜ言語学が必要か

生成AI時代に言語学が重要となる理由は主に三つある。

1. AIとのコミュニケーションが自然言語で行われるため。
2. プロンプトの表現方法によってAIの引き出せる能力が大きく変わるため。
3. 言語学の分析手法を用いてAIの回答を評価・改善できるため。
   著者は言語理論を、暗闇の中の対象物を照らす「懐中電灯」に例える。言語学は曖昧な「言葉」を特定の視点から照らし、理解可能にするツールである。

選択体系機能言語学（SFL）との親和性

本書では、AIとの対話スキルを向上させる理論的基盤として、M. A. K. ハリデーが提唱した選択体系機能言語学（Systemic Functional Linguistics, SFL）を採用する。SFLは言語を「可能性」あるいは「選択肢の体系」として捉える。
例えば朝の挨拶には「おはようございます」「おはよう」「おは！」など複数の選択肢があり、その選択は相手との関係性や状況（コンテクスト）によって決まる。この「目的のためにどの言葉が選ばれるか」という視点は、AIが文脈に応じて次に来る単語を予測・生成する仕組みと親和性が高い。

言葉の三つのメタ機能

SFLでは、言語に内在する普遍的機能として以下の三つのメタ機能を提唱する。これらはAIとの対話を分析・設計する上で有力な視点となる。

1. 経験を解釈する機能（観念構成メタ機能）: 出来事や経験を特定の要素とその関係性として捉え、言語化する機能。
2. 対人関係を築く機能（対人的メタ機能）: 言葉の選択を通じて話し手と聞き手の関係を構築・維持・変化させる機能。敬語一つが文全体のトーンを決めるように影響を与える。
3. 情報を整理しテキストを形成する機能（テキスト形成メタ機能）: 情報や考えを一貫した会話や文章としてまとめる機能。重要な情報を際立たせる構造を持つ。
   これらの機能は、(1)プロンプト設計、(2)AIの回答解釈、(3)AIと作成したものを他者に伝える際に考慮すべき要素を体系的に整理する枠組みを提供する。

3. 生成AIとの対話の構造と目的

プロンプトの構造分析

テキスト構造を分析するGSP（Generic Structure Potential）という手法を用いると、指示・質問系プロンプトの構造は次のようにモデル化できる。
（状況設定）・指示／質問の説明・（様式の選択） → （例の提示） → （入力値）

• 必須要素:
• 指示／質問の説明: AIに何をしてほしいかを伝える中核部分（例: 「剣道がうまくなる方法を教えて」）。
• 任意要素（オプショナル）:
• 状況設定: 対話の背景（コンテクスト）を設定する（例: 「私は英語講師です」）。
• 様式の選択: 回答の形式を指定する（例: 「表形式でまとめてください」）。
• 例の提示: 期待する回答の具体例を示す。AIの出力を特定の方向に誘導するのに効果的。
• 入力値: AIに処理させたい具体的データ（文章、コードなど）を与える。
  これらの要素を意図的に組み合わせることで、プロンプトの精度と効果を大幅に向上させられる。

4. 効果的なプロンプト設計のための言語学的テクニック

状況設定（コンテクスト）によるAIのカスタマイズ

プロンプトに状況設定を含めることは、AIを特定タスクに合わせてカスタマイズする上で重要である。SFLのコンテクスト理論に基づき、以下の三要素をAIに伝えることで出力を精密に制御できる。

要素	説明	AIへの影響
フィールド (Field)	何が起きているか（トピック、出来事）	回答の内容の具体性・関連性が向上する
テナー (Tenor)	誰が関わっているか（役割、関係性、距離）	回答の専門性・難易度・視点が調整される
モード (Mode)	言葉の役割は何か（媒体、使用目的）	回答の構成や形式が目的に合致する

状況設定テンプレート:

# フィールド
［トピック・分野］について、［出来事・行為］することを想定しています。
# テナー
あなたは［生成AIの立場］、私は［対話者の立場］で、［関係性］の間柄にあると仮定します。
# モード
この［会話・文章］の目的は［言葉の使用目的］です。

指示／質問の補足による生成プロセスの誘導

指示や質問は、言語学の論理–意味関係を用いて補足することで、AIの回答生成プロセスを誘導できる。

1. 詳細化 (Elaboration): 指示を言い換えたり明確化する。「具体的には〜を特定してください」のように、タスクを具体化してAIが何を実行すべきかを示す。
2. 増補 (Enhancement): 指示に条件、手段、理由などを追加する。「もし〜の場合は〜してください」のように、条件分岐や実行方法を指定する。
3. 拡張 (Extension): 指示に別の手順を追加する。「まず〜し、次に〜してください」のように、複数ステップの作業を順序立てて実行させる。

様式と例の提示による潜在能力の解放

• 様式の選択: 回答の文体（フォーマル／カジュアル）、形式（箇条書き／表）、媒体（ブログ記事／新聞）、ジャンル（物語／報告書）などを指定することで、AIの表現力と構成力を引き出せる。
• 例の提示（few-shotプロンプティング）: 期待する出力の具体例を示すことで、抽象的な指示だけでは伝わらないニュアンスやフォーマットをAIに学習させられる。これにより回答の質が大きく向上する。

マルチターン対話の活用

一度のやり取りで終わらせず、複数回の対話（マルチターン）を続けることで、より高度なタスクが可能になる。

• 対話の発展: AIの回答に基づき、追加の指示や条件を与えて内容を深める。
• 対話のやり直し: プロンプトを修正してより良い回答を引き出す。
• 対話の前提準備: 本題に入る前に関連知識をAIに確認・要約させ、その知識を踏まえて指示を出すことで回答の精度を高める（ステップバック・プロンプティング）。

5. 生成AI対話の応用的活用

本書で解説したスキルを組み合わせることで、より高度で発展的なAI活用が可能になる。

評価表現の見直し

アプレイザル理論という言語学の分析手法を用いて、自分が書いた評価文（フィードバック、レビュー等）をAIに分析させられる。

• 評価が肯定的か否定的か
• 評価の対象は何か（製品か人か）
• 表現が直接的か間接的か
• どのような評価基準（感情、性質、影響など）に基づいているか
  これらを客観的に把握することで、他者に伝える前により建設的で意図に沿った表現に修正できる。

否定的批判の建設的フィードバックへの言い換え

他者から受けた否定的批判をそのまま受け止めるのではなく、AIを使って建設的なアドバイスに再構築できる。言語学の「含意」の概念を応用し、「この批判が含意する（解決すべき）問題点は何か」と「その問題を解決するための具体的行動は何か」をAIに推測させる。これにより、感情的な批判を次へのアクションにつながる前向きなフィードバックへ転換できる。

6. 総括と展望

生成AIとの対話の本質

生成AIは専門家だけのツールではなく、誰もが利用できる「身近な話し相手」である。重要なのは、AIを代替手段と捉えるのではなく、「自分＋生成AI」という形で自身の能力を拡張し、アウトプットの質を向上させるプラスのプロセスと考えることである。プロンプト設計自体が自己の思考を整理し、目的を明確化する重要なプロセスになる。

シェアードディスコースという新たな可能性

著者は、生成AIがもたらす未来像として「シェアードディスコース（Shared Discourse）」を提示する。ディスコースとは単なる文章だけでなく、それを取り巻く文化的・社会的背景（コンテクスト）を含む概念である。
生成AIは言語、文化、専門分野といった多様なディスコースを学習している。人間がAIと対話することは、このAIを媒介として普段はアクセスできない多様なディスコースと繋がり、それらを共有することを意味する。これにより個人は経験や知識を飛躍的に拡張でき、社会全体の知の共有と発展に貢献する可能性がある。このプロセスにおいて、どのディスコースと繋がるかを選び活用する人間の主体性が、これまで以上に重要になると結論付けている。