AIが言葉を理解する前に、『世界の見方』を教える必要がある

『世界観』『活動の図式』って、この論文では具体的にどんなものを指してるの？

記事の説明だけ読むと「世界観」「活動の図式」は抽象的に聞こえますが、実は日常の会話で私たちが無意識に使ってるものです。 たとえば「明日の会議、資料を忘れずに」と言われたとき、あなたの頭には一連の流れが浮かぶ。会議という場所、そこに誰がいるのか、資料がなぜ必要なのか、どんな結果が期待されるのか。これ全体が「活動の図式」。AIはこの映像を持たない。言葉「会議」「資料」の統計的な共起パターンしか知らず、その言葉が指す現実の動きや因果関係を体験していません。 「世界観」はもっと大きい層。人間関係はこう機能する、仕事にはこういう流れがある、季節が変わると人の行動が変わる、という無数の小さな「図式」が積み重なった、世界がどう動いてるかという全体像です。私たちはこれを生きることで身につけている。 論文が言いたいのは、AIに「犬」という言葉を学習させるだけでは足りない。犬を飼うとはどんな活動か、どんな世話が必要か、人間と犬の関係はどう機能するのか—その背景を明示的に教える必要があるということなのかもしれません。

ChatGPTと話すときに『あ、ズレてるな』って感じるのって、実はこの『共有できてない世界観』のせいってこと？

そういうことなんだと思います。ChatGPT と話していてズレを感じるのは、相手が言葉の意味を本当には握っていないからじゃなくて、あなたとの間に「世界観の土台」が存在していないから。 人間同士なら、同じ社会で生きているから暗黙のうちに共有できている。「朝、出勤する」と言ったら、相手は一連の活動の文脈を自分の経験から想像できる。その経験の層があるから、短いテキストでも「そっか」と腑に落ちる。でも ChatGPT には、その「経験に基づく世界モデル」がない。毎回、データから確率的に単語を並べているだけ。 だからズレが起きる。あなたが「これくらい分かるよね」と省略した部分を、AI は省略を埋める手がかりを持っていないんです。同じ言葉を返しているように見えても、背後にある世界観が異なっている。 逆に言えば、対話が成立するには、意図的に「ここを前提ね」と世界観を明示的に交わす必要が出てくる。条件や背景を詳しく説明するほど、実は AI の返答の精度は上がる。それは手間に見えるけど、実は両者の間に「共有できた地盤」を作るプロセスなのだと言えそうです。

AIが『意味を理解していない』という指摘は前からあったけど、この『5段階の階層』という考え方は、従来の議論とどう違うの？

従来の「AIは意味を理解していない」という批判は、もっぱら語彙や文法のレベルで議論されてきた気がします。つまり、単語の定義や文法ルールを知っているだけで、その背後にある「もの」や「状況」を知らないのでは、という指摘ですね。 この論文が踏み込んでいるのは、そうした個別の言葉の問題ではなく、意味が生まれるプロセス全体の構造を捉えようとしている点です。5段階の階層というのは、テキストから世界観まで遡って、「意味はここに根ざしている」と明示しているわけです。 換言すれば、従来は「AIは物体を知らない」という指摘で終わっていたのが、この論文は「物体だけじゃダメ。その物体がどう動いて、どんな場面を作り出して、それをどう物語として説明するのか。その全体を共有していないと、テキストレベルの対話は成立しない」と言い直している。 つまり、問題は「足りない部分の積み上げ」ではなく、「階層全体が連動している構造」を認識することなのかもしれません。AIに足りないのは知識ではなく、知識がどう組み織られているかという設計図そのものなのだと言えそうです。

要するに、AIの限界って『データから確率的に言葉を拾ってるから』じゃなくて、『人間みたいに世界を体験してないから』ってこと？

その通りですが、少し更新が必要かもしれません。 「データから確率的に言葉を拾ってる」というのは、AIの *動作メカニズム* を説明しているだけで、本当の問題ではない。重要なのは、その背景にある *欠落* なんですよね。 人間が「雨の日の朝は体が重い」と言ったとき、私たちは湿度、気圧、季節の記憶、過去の体験を無意識に一気に呼び起こす。その全体が一つの「世界観」として存在している。だからテキストだけで意味が通じる。 AIは、そうした *身体と環境への根ざし* がない。学習データには「雨の日は気分が沈む」という統計的な相関は含まれていても、実際に雨に打たれた感覚、くじけそうになりながら傘をさした経験、そういった *活動の実感* はない。 「体験してないから」という言い方が正確です。ただし「体験」とは、単なる情報ではなく、世界との *継続的な相互作用* を指しているんだと思う。AIが今のままでは、その相互作用のプロセス自体を持ちようがないということなのかもしれません。

共有された『世界観』が必要だっていう話なら、逆に、社会や文化が違う人間同士でも『完璧な対話』って実は難しいんじゃないの？

人間同士でも完璧な対話が難しいという指摘は、実はこの論文の論理をさらに先に進めた指摘だと思います。記事が言う「世界観の共有」は、絶対的な一致ではなく、ズレを認識しながら進む営みなんでしょう。 たとえば、都会育ちと田舎育ちの人が「地域コミュニティ」について話す時、同じ言葉を使っていても、頭に浮かぶ『場面』は異なっている。でも人間は、そのズレに気づき、「あ、あなたはそういう背景で育ったんだ」と補正しながら対話を続ける。 AIが現状で躓くのは、このズレを認識できないところです。文脈から『確率的に次の言葉』を予測するだけなので、相手の世界観がどの程度自分と異なっているのかを感知できない。 逆に言えば、人間同士の対話が機能するのは、完璧な共有ではなく、「ズレがあるらしい」と気づく能力があるからかもしれません。その試行錯誤の過程で、お互いの『世界観』の輪郭が少しずつ見える。AIに足りないのは、実は完璧な共有ではなく、共有の『不完全さに向き合う力』なのかもしれません。