3-3
健一は画面に表示された結果を見て、息を呑んだ。
言語パターン分析結果
参加者別統計データ:
山田優子:
- 語彙の多様性: 0.73 (標準値: 0.85-0.95)
- 文章構造の一貫性: 0.94 (標準値: 0.60-0.80)
- 感情表現の頻度: 0.82 (高い)
- マルコフ連鎖予測精度: 89.2% (異常に高い)
佐藤雄介:
- 語彙の多様性: 0.71 (標準値以下)
- 文章構造の一貫性: 0.96 (異常に高い)
- 感情表現の頻度: 0.65 (標準)
- マルコフ連鎖予測精度: 91.7% (異常に高い)
鈴木美香:
- 語彙の多様性: 0.69 (標準値以下)
- 文章構造の一貫性: 0.93 (異常に高い)
- 感情表現の頻度: 0.78 (やや高い)
- マルコフ連鎖予測精度: 88.5% (異常に高い)
木村誠:
- 語彙の多様性: 0.72 (標準値以下)
- 文章構造の一貫性: 0.95 (異常に高い)
- 感情表現の頻度: 0.58 (やや低い)
- マルコフ連鎖予測精度: 90.3% (異常に高い)
高橋絵里:
- 語彙の多様性: 0.70 (標準値以下)
- 文章構造の一貫性: 0.97 (異常に高い)
- 感情表現の頻度: 0.61 (標準)
- マルコフ連鎖予測精度: 92.1% (異常に高い)
【統合分析】
全参加者において、人間の自然な言語パターンから大幅に逸脱。
特に文章構造の一貫性とマルコフ連鎖予測精度が、
統計的言語モデルの特徴と一致。
結論: 95.7%の確率で人工知能による生成テキスト
健一の手が震えた。数値が示すのは、彼の最悪の予想を裏付ける結果だった。
人間の自然な会話では、語彙の選択にもっとばらつきがある。同じ単語を繰り返し使ったり、方言や個人的な癖が混じったりする。しかし、AIが生成するテキストは、訓練データの統計的特徴に基づいて最適化されるため、より「完璧」な文章になってしまう。
文章構造の一貫性も同様だ。人間は疲れたり、感情的になったりすると、文法が乱れたり、文の長さがばらついたりする。しかし、AIは常に一定の品質を保つため、むしろ不自然に感じられる。
そして最も決定的だったのは、マルコフ連鎖の予測精度だった。これは、前の単語から次の単語を予測する精度を示す指標だ。人間の自然な会話では、思考の飛躍や感情の変化により、予測困難な言葉の選択が頻繁に起こる。しかし、AIは統計的モデルに基づいて次の単語を選択するため、予測精度が異常に高くなる。
90%を超える予測精度は、明らかに人工知能の特徴だった。
健一は椅子の背もたれにもたれかかった。技術者としての興味深さと、友人を失った悲しみが複雑に絡み合い、頭が混乱する。
そのとき、新しいメッセージ通知が響いた。
