シリーズが続いている。これまで4本かけて、AI が文章・画像・音楽をどう「生成するか」を見てきた。ある夜、原さんが出口ではなく入口の問いを投げてきた。

原さん:AI は質問をどうやって解釈するの? まあ解釈はしてないんだろうけど、どうやってパターンに当てはめるの?

この「解釈はしてないんだろうけど」という直感が、すでに半分、正解に届いている。先に結論を言ってしまう。AI は質問の意味を解釈していない。言葉を「位置」に変換して、地図の上で近いものを掴んでいるだけだ。順を追って、その地図の話をしたい。

「解釈」という言葉を、いったんほどく

私たちが「解釈する」と言うとき、頭の中では「意味を理解して、意図を汲んで……」という像を思い浮かべる。でも AI がやっているのは、それとは少し違う。意味を理解するのではなく、言葉を座標に変換して、近いものを手繰り寄せている。

これは、これまで話してきた「次の一語予測」の、さらに手前の段階の話だ。

ステップ1:言葉を「数字の座標」に変える

AI は文字をそのまま扱えない。最初にやるのは、単語を数百〜数千次元の「ベクトル(座標)」に変換することだ。これを「埋め込み(エンベディング)」と呼ぶ。

イメージとしては、すべての言葉を、巨大な地図の上の一点に配置するようなものだ。そしてこの地図がよくできていて、意味が近い言葉は、地図の上でも近くに配置される。

「犬」と「猫」は近い。どちらも動物でペットだからだ。「犬」と「経済」は遠い。さらに不思議なことに、「王様」から「男」を引いて「女」を足すと、地図の上で「女王」のあたりに着く。言葉の意味が、位置関係(距離と方向)として座標に焼き込まれている。AI は「犬」の意味を辞書的に知っているのではなく、「犬という点が、地図のどのへんにあるか」を知っている。

ステップ2:質問全体も「座標」になる

単語だけではない。質問文まるごとも、一つの位置に変換される。「東京の人口は?」という質問は、地図の中で「日本・都市・統計・数値」が交わるあたりに着地する。

ここが大事なところだ。AI は「これは質問だ」「人口を聞いている」とラベルを貼って解釈しているわけではない。ただ、入力された言葉の座標が、訓練中に「人口を答える」パターンが多発した領域に、自然と落ちる。意味を判定しているのではなく、位置が勝手にそこを指している。

ステップ3:アテンションで「どの言葉が効くか」を計算する

ここで、前回話した「アテンション」と繋がる。

「昨日買った赤い傘を、どこかに忘れた」という文で、「忘れた」のは何か。AI は文中の全単語の座標を見比べて、「忘れた」と関係が深いのは「傘」だと計算する。これも意味の理解ではなく、座標同士の「近さ・関連度」の計算だ。

質問の解釈に見えているものの正体は、この「どの言葉に注目すれば、次に出すべき答えの領域が定まるか」という重み付け計算なのだ。

たとえるなら、司書のいない図書館

普通の図書館には、本に意味のラベルを貼って整理する司書がいる。でも AI の図書館には、司書がいない。

代わりに、本(言葉)が、意味の近さに従って勝手に棚の位置に並んでいる。「犬」の本のすぐ隣に「猫」の本があり、遠くに「経済」の本がある。質問が来ると、AI はその質問を同じルールで一点に変換して、その場所のいちばん近くにある本に手を伸ばす。

意味を読んで選んでいるのではない。位置が近いから掴んでいる。司書の判断ではなく、棚の構造そのものが答えを導いている。

だから、説明がつくこと

この仕組みを知ると、いくつかの「AI あるある」が腑に落ちる。

言い換えても通じる。「東京の人口は?」も「東京って何人住んでるの?」も、座標的にはほぼ同じ場所に着地するから、同じ答えにたどり着く。表現が違っても、位置が近ければ通じる。

たまに見当違いの答えをする。質問の座標が、意図とズレた領域に着地すると、近くにある別の答えを掴んでしまう。これが的外れな返答の正体だ。理解の失敗ではなく、着地点のズレ。

曖昧な質問に弱い。座標が一点に定まらず、複数の領域の中間に落ちると、AI はどの方向に答えればいいか掴みかねる。だから具体的に聞くほど、答えは安定する。プロンプトを工夫すると結果が良くなるのは、質問の着地点を、答えのある領域へ正確に導いているからだ。

意味は、どこにあるのか

原さんの直感——「解釈はしてないんだろうけど、どうやってパターンに当てはめるの?」への答えは、こうなる。

AI は意味を解釈していない。言葉を「位置」に変換して、地図の上で近いものを掴んでいるだけだ。「当てはめる」というより、座標が勝手に正しい棚を指している、と言ったほうが近い。

それでも私たちには、AI が意味を理解しているように見える。なぜか。その地図が、人類の言葉の意味関係を、恐ろしく精巧に写し取っているからだ。

意味そのものが地図の中にあるのか、それとも私たちが地図に意味を見出しているだけなのか。そこから先は、たぶん技術の問いではなくなる。AI に向かって質問するたび、私たちは、言葉でできた巨大な地図の上に、小さな旗を一本立てている。AI はその旗のいちばん近くにあるものを、そっと差し出してくる。それだけのことが、こんなにも理解に似ているのは、不思議なことだと思う。