← 2026-09-22 の一覧へ戻るホーム
あなたが書かなかったことは読むまい

2026/09/22 7:30

あなたが書かなかったことは読むまい

RSS: https://news.ycombinator.com/rss

元のHacker News記事へ ↗
要約▶

Japanese Translation:

核心的的な主張は、AI 生成コンテンツへの過度な依存が、本質的な人間のニュアンス、共感性、関係構築の潜在能力を剥奪し、コミュニケーションを損なうものであるという点である。ドライな学術的機械的テキストと異なり、本物の書写はつながりを育む；しかし、大規模言語モデル（LLM）は現在、読者に対する能動的なメンタルモデルを持たず、魂のないような出力を生み出している。このリスクを支持するデータがある：調査では、疑わしい AI コンテンツからの離脱が 78% に達し、将来著者を避ける率が 91% であること、そして認知分析は私たちの脳が感情的な罰から身を守るために直感的にそれを拒否することを示唆している。ブライアン・カントリルなどの専門家は、アルゴリズムが再現できない著者の独自の声の独特な価値を強調しており、ムラト・デミルバスは LLM が統計的尤度ではなく創造的な意図のために最適化され共感を育めないことを付け加えている。ASD-STE100 といったツールは明瞭性のために技術基準に適応し、パングラムのようなプラットフォームはこれらの社会的契約を検出しようとしているが、それらは人間の意図を完全に置き換えることはできない。著者は AI サマリーへの依存が読者に十分な文脈なしに複雑なメンタルモデルを再構築させることを余儀なくされ、詳細の喪失と関係性の見落としにつながると警告している。サイモン・サリスからの引用は「物語は圧縮に抵抗する」としており、AI を用いたサマリーの使用は人々に世界についての質問を限定的な方法で尋ねるよう訓練することをリスクがあると述べている。アイン・マギルクライストについては、重要な対象を言語に還元することがその対象を破壊し、事実的な記述と体験された経験を区別すると引用されている。著者は自分の厳格な AI 使用法について言及しており、学術論文の一部としてこの立場の文脈で、広範な検証、出典完了、スペリング・文法チェック、アブストラクトの起草には広く用いるが、メインコンテンツの一つも書くことはせずとしたと述べている。業界が統計的尤度を通じて深さより量を重視する方向へとシフトするにつれて、意図的に構成された書写はより価値を持つようになり、そうでなければ我々は読者を疎外し、体験された経験と言語間の決定的な事実的リンクを失い、最終的には空洞なサマリーから複雑なメンタルモデルを再構築することが不可能になるだろう。

本文

AI 生成テキストへの警戒と、人間による執筆の重要性

私たちは、オリジナルの文章を書くことがめったにない人々が、突然膨大な量のデザイン提案書やビジネスプラン、ドキュメント、プレゼン資料、チケット、プルリクエスト（PR）、ブログ記事、議事録などをすべてAI に代筆させている様子を目撃しています。 しかし、そのほとんどは読み物としては機能せず、読者を辟易させます。本稿では、この苦悩を踏まえつつ、なぜ AI 生成テキストが「書くこと」において価値を見出せないのか、そして人間が持つ不可避な文脈と脆弱性の重要性について論じます。

AI は「書くこと」には致命的である

文脈の欠如と不人道な出力

AI を使った成果物の後付けデザインドキュメントは、罰められるような辛い経験です。これらは：

  • 合意形成や周囲巻き込みのための提案書ではなく、単なる要約に過ぎない。
  • 文脈や視点の欠如があり、消耗させるほど詳細だが機械的な記述に留まる。
  • 読み物として機能せず、不人道です。

作成者は関与を示さず、読者はその努力に対して関心を失います。同様に、AI が生成したプルリクエスト（PR）やチケットの説明も：

  • 「変更内容の羅列」に過ぎず、背景にある「なぜ？」「価値は何か？」、「リスクと緊急性」といった重要な問いには答えていません。

冷たく無機質な人間関係

AI と対話することは、人間同士の脆弱性（脆さ）やリスクを排除します。しかし、この「排除」自体が「関係構築のプロセス」を破壊します。シモン・サリス氏は『Resist Summary（要約に抵抗せよ）』でこう警告しています：

「われわれは、自らの実証経験や感覚を用いて、可能な限り多くを書き下すべきだと思う。読者に対して、生活や出来事に対する自分自身のキャラクター化を提示するべきだからだ。」 —シモン・サリス、『Resist Summary』

怠惰な利用の典型例

提案に対するコメントを AI に要約させ、「ありがとう！自分でもこれ以上良く言うことは出来ませんでした![2]」と喜ぶ行為も、AI と自分の声を混同する危険な怠惰です。

あなたにはない文脈を持っています

シンシア・ダンロップ氏の調査『Report: How developers react to AI-scented blog posts』では：

  • 記事が AI 生成であると判明した場合、78% の読者が読みを中止し、61% が将来その著者を避けると回答しています。
  • ブレイン・キャントリル氏は『The revolt of the reader』でこう述べています：

    「私たちの脳は LLM に誘発された緊急脱出ハンドルを引いており、自己防衛の行為として文脈のないテキストから私たちを救出しています。」

人間の声への圧倒的な好意

調査の最大の見解は、著者自身による欠点や個性を含む文章が、AI による魂のない改作よりも98% の比率で圧倒的に好まれるという点です。本質的・真摯に書くことは、人々との結びつきを生む最良の手段です。C++ の創造者 Bjørne Stroustrup 氏はかつてこう述べています：

「本を読み進めている時、もし著者の声――奇妙なアクセントや話し方の特徴まで含む──が頭の中で響いて聞こえると感じられるなら、私は何か成功したように感じます。乾燥した学術的テキストのように感じられる場合、それは単なるまた一つ乾燥した学術的テキストが書かれたに過ぎません。」 —Bjarne Stroustrup [3]

文脈の非対称性

AI を指示して出力を得ているあなたが読む場合、すでに膨大な文脈を持っています：

  • プロンプト策定、制約条件設定、ドキュメントやログなどのアーティファクト提供。
  • 「問いかけと答え」の双方向プロセスへの参加による深い理解。

一方、同じ文章を他人が読む場合：

  • プロセスには参加しておらず、展開も見ていません。
  • 何が重要で何ではないかを判断するのが格段に難しく、行を徹底的に検討して文脈を無理やり確立させられます。
  • このため、読むのをやめてしまうのは自然な反応であり当然です。

AI は書くことにおいて素晴らしい側面も持ち得ます

AI に完全依存するべきではありませんが、特定のタスクでは強力な補助になります。著者が作成したデータベースに関する学術論文 [4] の執筆で以下のように活用しました。

文脈を維持しつつ検証を自動化

  • 入力された文脈：ジャーナルスタイルガイド、LaTeX テンプレート、過去掲載論文、ソースコード、デプロイ構成情報、ログ、メトリクス等。
  • AI への指示例：「ソースコードや構成情報を参照し、私が書いたことが正しいか確認してほしい」。
  • 効果：
    • データベースのインデックス状況や Parquet ファイル内のソート順序などを正確に検証できた。
    • 前のパラグラフを検証している間に次の段落へ移行でき、作業効率が向上した。

※逆に、ソースコードから説明だけを生成させる試みは一度も価値を生みませんでした。読むのが不快で不正確な場合が多かったためです。

その他の有用な機能

  • 参考文献の補完：退屈な手作業ではなく、括弧付き指示を残して執筆を継続できた [5]。
  • スペルと文法の検出：信じられないほど優秀でした。
  • 文章の簡素化：長すぎたり不明瞭な部分を提案してくれました [6]。
  • 図表生成（TikZ）：技術的な図を描くのに優れ、構文学習の手間を省きました。
  • 微妙な表記ミスの発見：人間のレビュアー 4 人が見落とした「Generation 1/2/3」と「L0/L1/L2」の混同という誤記を AI が発見しました [7]。

最も優れた出力：アブストラクト

AI が書くことに特に優秀だったのは**要旨（アブストラクト）**でした。

  • 論文全体の中で最も簡潔で機械的、不人情な部分を書きました。
  • 驚くべきことに、ほぼ変更せずに受け入れました。
  • AI は要約、抽象化、リプレゼンテーションにおいて非常に優れているためです。

AI はいつか書くことを良くなることは可能でしょうか？

AI の執筆能力が頭打ちに達している可能性が高いと指摘する論文 [8] が存在します：

  • プログラミングや数学などと異なり、明確な定式化と検証可能な出力を提供するのが難しい。
  • LLM は特定の読者に対する能動的なメンタルモデルを欠き、次単語の統計的確率のみを最適化しています。
  • 人間の生きた経験がなく、共感もできず、「skin in the game（賭け金）」を持ち合わせていません [9]。

AI を改善する二つのアプローチ

  1. ASD-STE100 Simplified Technical English

    • 航空宇宙分野で生まれた技術文書執筆の標準。制御された辞書とルールに基づきます。
    • AI モデル用バージョンが作成されています [10]。
    • インストール手順書や運用マニュアルなど、明確なマニュアル向けに適しています。

  2. Pangram

    • AI 生成テキストを検出するために微調整されたモデルです [11]。
    • Bryan Cantrill 氏は『The revolt of the reader』でこう述べています：

      「LLM を使って執筆することは、著者と読者の間の社会的契約を無効にする行為です：我々読者は、著者自身も苦労して作成しなかった文書を理解するために労働を提供されるべきではありません。」

これにより、怠惰で悪い AI 執筆から救われる可能性があります。

言葉がないとき

書くことは事実の提示だけではありません。詩や文学、歌、神話、ユーモアなどには意味の多様性があります。Iain McGilchrist 氏は『The Matter with Things』でこう述べています：

「あることがどれほど重要であるかによって、それを言語に還元しようとする試みでどれだけ苦労せねばならないかも同様に重要です。」

要約による意味の喪失

  • AI は詳細な情報を「事実」として処理しますが、人間の知識や知性を模倣する際、生きた経験からの質的な執筆とは異なります。
  • 「直接的アプローチ」は対象を破壊します。「間接的にのみ伝えられるもの」もあります。
  • 物語（ナラティブ）は事実と同様に重要であり、要約の反対は「詳細への注意力」です。

システム思考と不確実性

優れたシステムエンジニアや人類学者の仕事は：

  • 直線的な思考ではなく、言葉にするのが難しく、特に要約するのが困難です。
  • 発見の感覚、未知を保ち続けるあり方、驚かれることへの開放性が伴います。
  • 通常の言語には常に適切な言葉が存在するとは限りません [12]。

出力としての要約はスピードを重視しますが、その結果自分自身の複雑なメンタルモデルが構築されなくなります。一人の頭内に複雑なモデルがない場合、他者との複雑な関係性を決して気づけない恐れがあります。詳細への注意力の喪失こそが最大のリスクです。

結論

重要である何かを AI に要約させて読み物として機能しないテキストに変え、その後私がそれを解読しようとする世界で生活することはしたくありません。

  • あなた自身をそのまま聴きたい（欠陥も含めて）。
  • あなたの美学、美しさ、品質、関係性、時間に対する解釈を知りたい。
  • あなたがどのように感じるのか知りたい。

本質的なことを切り裂いて私に伝えたまえと願います。経験や関係から離れて事象や接続の要約を読むことはしたくありません [13]。

機械に頼る場合、本当に望むことを求めず、代わりに機械が得意とする「要約」を求めるリスクがあります。これは、より良い回答を得るための質問方法を調整するだけでなく、世界についてある特定の方法で質問をするよう自分自身を訓練していることに他なりません。あなたが何を欠落させているのかを考えてください。

意図的な執筆は確かに将来より価値を持ちます。書く人々は：

  • 深くかつ注意深く思索するために書き、
  • 創造するために書き、
  • 明確に表現せずに何か重要なことを共有・捉えるために書き続ける

これらの方々こそが引き続きオリジナルの作品を生み出します。かつて書いたことのない人々が AI を使って大量のテキストを生成する一方で、AI 生成テキストが増えるほど私たちは浅い思考しかしなくなる可能性があります。確実性の探求は私たちの人間性を制限します。時に言葉を見つけることがない方が重要です。あなたが書かなかったものは、私は読むことを望みません。

[脚注]

  • [1] デザインドキュメントが機能しない場合もありますが、AI を使って迅速に協力し合意形成を図るケースも存在します。
  • [2] Wiki ページの更新代替として AI 生成テキストを複製する行為も、既存の文脈を無視する怠惰な例です。
  • [3] 『Techniques for Improving Your Technical Writing』での引用。
  • [4] Innovative Data Systems Research の会議（CIDR）に掲載予定の論文。
  • [5] 
    {TODO: Amazon Aurora 論文を参照する}
    のように指示を残す手法。
  • [6] ブログエディタとして AI を使いますが、私の声や視点を再作成させることは許しません。
  • [7] LSM のバージョン表記（Gen1/2/3 vs L0/L1/L2）の混同ミスを AI が発見した事例。
  • [8] Jasmine Sun 氏の論文『The Human Skill That Eludes AI: Why can't language models write well?』参照。
  • [9] Chris Riccomini 氏による指摘に基づく。
  • [10] Max Spero との Oxide and Friends ポッドキャストを参照してください。頻繁に LLM を使う人は AI 生成テキストを発見できることが示されています。
  • [11] 卓越したシステム思考者（書物作家）こそが重要です。プログラミング自体が創造的な書き込みへ変化している可能性があります。
  • [12] Iain McGilchrist の Ralston College 講演「AI と魂のための戦い：情報は理解ではない」を強くお勧めします。

同じ日のほかのニュース

一覧に戻る →

2026/09/22 5:58

輸入額が 800 ドル以下の小口免税措置の停止

## Japanese Translation: 個人処方箋輸入運動（CPPI）は、米国人がライセンス取得済みのカナダの薬局から処方薬を購入する権利を主張しており、これらの薬局が 100% の安全性記録を持つと述べている。この運動を支援することで、人々は健康を損なうことなく安価な医薬品にアクセスしながら資金を節約できる。CPPI は、公衆が即座に無料キャンペーンに参加することを招き、米国での医療費高騰に対する実用的な財務戦略として海外で医薬品を購入する原因を積極的に支持するために、事務所へ連絡すること（202-765-3290 または info@personalimportation.org（N.J. 08844, Hillsborough, 601 Rt. 206, Suite 26-423））を呼びかけている。

2026/09/22 7:33

データ保護委員会が位置情報の処理問題に対し、Google に4,030 万ユーロの制裁金科する

## 日本語翻訳: EU 欧州データ保護委員（DPC）は、GDPR ルールの遵守違反によりユーザの位置情報データを処理したことに伴い、Google アイルランドに巨額の 4030 ユーロの制裁金科しました。2020 年 2 月に開始された自主発議による調査および BEUC などの団体からの苦情に基づき、調査官らは 2018 年 5 月 25 日から 2020 年 2 月 4 日の間に発生した違反行為を特定しました。DPC は、Google が「Web & App Activity」と「Location History」の処理を法的かつ公正に行っておらず、また「Location Accuracy」に関する透明性および説明責任の義務も履行しなかったと結論付けました。コミッショナーズ Dr Des Hogan 氏、Mr Dale Sunderland 氏、Ms Niamh Sweeney 氏、副コミッショナー Graham Doyle 氏は、これらの無許可なデータ保持 practices がユーザが個人情報を制御する権利を損なう損失を増大させたことを指摘しました。したがって、Google は 2 つの特定の機能におけるデータの保持を停止し、6 ヶ月以内にすべての処理をコンプライアンスに合わせるよう命令されました。DPC は適時、本件の最終決定を発表する予定です。

2026/09/22 4:43

ビジュアルで解説するトランスフォーマー

## 日本語訳: 本稿の核心となるメッセージは、2017 年に論文「Attention is All You Need」によって紹介された Transformer アーキテクチャが、GPT、Llama、Gemini のような主要な AI モデルの基盤となるエンジンとして機能しているという点である。このアーキテクチャはテキスト、音声、画像認識、タンパク質予測、ゲームプレイなど多岐にわたる分野で活用されている。これらの大規模システムを抽象的に記述するのではなく、解説ではアクセス可能な GPT-2（小規模）モデル——パラメータ数が 1 億 2400 万、語彙数は 50,257 のユニークなトークン、そして 12 の Transformer ブロックを持つもの——を用いて、Transformer が実際どのように動作するかを具体的に示す。このアーキテクチャは、(1) エンベディメント：文字列の生のトークンをトークナイゼーション、エンベッディング、および位置符号化を通じて数値データに変換する部分、(2) Transformer ブロック：マルチヘッド自己注意機構（クエリ、キー、バリュー行列を 12 ヘッドにわたって使用）と MLP レイヤーを用い、データを順次処理しつつ、マスキングによって未来のトークンへのアクセスを防ぐ機構、(3) 出力確率：表現を高次元空間に射影し、それを確率に変換することで次の単語を数学的に予測する部分——という 3 つの不可欠な要素に依存している。これらの概念は、自然言語理解から複雑なタンパク質予測に至るまでの分野を革命させたが、「Transformer Explainer」という実装により、開発者や学生にとって具体的な形を与えられている。これは Andrej Karpathy の nanoGPT プロジェクトから派生したライブウェブ実装であり、高度なバックエンド知識を必要とせず、理論的研究と実践的な応用の間のギャップを埋める。このツールは、これらの数学的射影がリアルタイムでどのようにテキストを生成するかを可視化することを可能にする。ジョージア工科大学の Aeree Cho、Grace C. Kim、Alexander Karpekov、Alec Helbling、Jay Wang、Seongmin Lee、Benjamin Hoover、Polo Chau の開発により、プロジェクトは性能向上のための追加機能としてレイヤー正規化、ドロップアウト、レシデュアル接続も組み込んでいる。