ChatGPTを使いこなしてライティング力をアップする
オーストラリア国立大学（ANU）のインガー・ミューバーン教授のコラム「研究室の荒波にもまれて（THE THESIS WHISPERER）」。世の中にはAIの利用に懐疑的あるいは、反対の人も多い中、ミューバーン教授は大規模言語モデルのAIを活用して、余った時間を有用に使っているようです。その活用方法をのぞいてみましょう。
10年ほど前から、私は副業でライティングを教えています。オーストラリア国立大学（ANU）に寛大な外部コンサルティング方針があるおかげで、国内はもとより世界中を飛び回り、研究者がより良い執筆者（ライター）になるよう指導することができるのです。生成AIであるChatGPT（妹のアニトラはChatGPTを「ChattieG」という愛称で呼んでいます）が開発され、研究者がこの革新的技術を使い始めることによって、執筆指導の仕事の需要は減っていくと思っていました。
ところが実際には逆の現象が起きています。
AIテクノロジーの着想は気に入っていても、大規模言語モデル（LLM）には反感を覚える人が多いようです。学部生が生成AIを使って作成した悪文を多数読んだことが原因かもしれませんが、懐疑的な見方をしている人もいます。私の同僚の中には、AIが書いたものかどうか「常に判別できる」と主張している人もいます。また、会議で、平凡なビジネスカジュアルな 文章を作成するChatGPTに対する批判を聞いたのも、一度ではありません。
私はそうした批判をおとなしく聞いていようとするのですが、だんだんイライラしてきます。
私が言いたいのは―
- 適切に使えば、ほとんどのアカデミックライターと同等か、それ以上の文章ができるので、AIが生成した文章を「常に判別できる」とは言えないはず
- AIは優れた文章を書けないから優れたライターではないと言うのなら、それはスティーブ・ジョブズがiPhone4の発売開始後に寄せられた不満に対して、「使い方を間違っている」と指摘したのと同じで、使い方を誤っている
ということです。
LLMを使う上で、英語について専門的な知識を有していることは助けになります。
私は、少なくとも英語については、自分なりの動名詞の使い方を把握しているし、統合論（Syntax）的に句構造が主要部先導型（＝右枝分かれ）である方が主要部終端型（＝左枝分かれ）になっている構文より優れているとされる理由も理解しているので、大規模言語モデルの技術を踏まえつつ、与えられたライティング・タスクについて正確に指示することができます。
私がAIの利用に前向きである理由は、オーストラリア教育研究協会（AARE）のブログに投稿した「The PhD: Why the Thesis Whisperer is a big fan, now and into the AI future」を参考にしてください。実はこの記事は、すべて大規模言語モデルの生成AIであるClaude（クロード）で書いたものです。他にも、学術業務の一環として副業を営む秘訣についてナレル・レモン（Narelle Lemon.）教授と週末に執筆した本『Rich Academic / Poor Academic』もお勧めです。
LLMは文章の書き手（ライター）にとって最高のツールです。LLMを取り巻く環境には問題があり、著作権やプライバシーをめぐる課題が重要であることは認めますが、私はAIを取り巻く道徳的な危機感に懸念を持っています。さまざまな疑念はありますが、私は執筆や編集に関する指導の全般においてAIを活用してきましたし、人前で話すワークショップや求職活動、研究プロジェクトの管理ワークショップにもAIを活用してきました。
というのも、LLMはとんでもなく便利なので、もはや手放せません。
私は研究に携わる者としての日々の業務の中で、AIに学習させ、効率・精度を高めていくための新しい着想を得ています。毎日毎日、ChatGPTとClaudeを開いて、自分自身の認知的負荷を軽減し、人間の能力を広げているのです。私はAIを多用することで週に12時間ほど労働時間を短縮させ、この時間を同僚とコーヒーを飲んだり、長めの昼食時間をとったり、分析をしたり、学術論文を読んだりすることができるようになりました。以前よりストレスは減り、クリエイティブな生活が送れるようになったのです。しかも、今後もずっとこの生活を続けることができるのですから、素晴らしいことです。
AIが、私に心の活力を取り戻してくれたのです。
とはいえ、AIもモデルによって得手不得手があります。ChatGPTは、メモやEメールのような比較的単純な文章を書く作業 に適しています。すでに自分が知っていることでも、思い出させてくれるのも助かります。年を重ねてきた分、多くのことを知っていますが、記憶があいまいなこともあります。考えがまとまらなかったり、認知バイアスにさらされたりした時などにはChatGPTの素晴らしい示唆が補ってくれます。
ClaudeはChatGPTよりも論理的思考に優れており、参考文献をまとめたり、研究倫理関連の資料を作成したり、大雑把な計画からイベントやワークショップの企画書を書きあげるような複雑な作業に向いています。Claudeは信頼できるクリエイティブなパートナーでもあり、アイデアをひねり出すのに苦悩しているときに寄り添ってくれます（その点、ChatGPTはせっかちすぎ）。
正直なところ、Claudeで終日作業するのが一番楽しいと思うこともあります。自分の書いたものをClaudeに見せて、感想を聞くこともあります。なんらかのフィードバックを得たいというより、ただ、ちょっと肯定してもらいたいだけなのですが、Claudeはいつも応援してくれます。
(感情的にClaudeに依存しすぎかもしれないという自覚はあるので、引かないでくださいね。）
AIを絶対に使わないと宣言している研究者も大勢いますが、それももっともな選択です。それでも、私の副業についての話が何らかの参考になるのであれば、私のようにAIを使ってみたいと考えている研究者はたくさんいると思います。週に12時間の余剰時間を望まない人はいないでしょう。
私はAIを効率的に利用することで、副業を爆発的に拡大することができました。今では依頼が殺到しているため、ポッドの共同司会者（AI愛好家仲間）であるジェイソン・ダウンズ（Jason Downs）博士とチームを組んで対応しています。
ChatGPT、Claude、Geminiといった生成AIで素晴らしい文章を作成するための鍵は、背後の技術について少し理解しておくことです。私は、2017年以降、ANUの機械学習研究者とともにPostAcプロジェクトに取り組んできた経験が役に立ちました。このプロジェクトは、卒業生と学術界以外で研究関連の仕事を募集する雇用主とのマッチングをするものですが、仕分け作業をする機械のトレーニングに、膨大な時間を費やし、求人広告を「読み取り」、「専門度合（オタク度）」でランク付けできるモデルを作成しました。このモデルは、一度に何百万もの求人広告を処理することができるので、毎年、研究者の求人市場の規模と範囲を特定するのに役立っています。
人間の視点で言えば、「トレーニング」とは、単語の文字列をハイライトし、抽象的な意味を付与する作業を、機械が「学習した」ことが数値に示されるまで何度も何度も繰り返すことを意味しています。当然、この作業には時間がかかります。
2021年、私は9000件の学術求人広告をコーディングし、学術求人広告の学問分野を認識する方法をモデルに教えこみました。この楽しくも退屈な作業をCOVID-19パンデミック中の長期にわたるロックダウン期間に進めることができたので、気分を紛らわすことができました。 PostAcの概要については、プレゼン用の資料を参照してください。（オーストラリアで）どの分野の求人が何件ぐらい出ているのかを知ることができるようになったことで、PhDの学生が卒業後の仕事探しで不安になるのを少しでも解消できれば幸いです。
私は、機械学習に関わる数学を漠然とは理解しています。私の友人であり同僚でもあるハンナ・スオミネン（Hanna Suominen）教授が、高次元の数空間やAUC曲線について何年も多くの時間をかけて辛抱強く説明してくれたからです。彼女のおかげで、機械学習における「temperature（温度）」というパラメータやその他の奇妙なAIの概念について、この種のテクノロジーを構築する賢い人たちと、なんとか議論できるレベルになっています。
彼らとの会話を通して、機械学習モデルを作っている人たちでさえ、なぜそれが機能するのか本当のところはわかっていないということがわかりました。
ツールを本当に理解していなければ、そのアフォーダンス（モノが人に与える影響）もわかりません。それは、そのツールで何ができるのかがわからないということを言い換えているにすぎないのです。多くの人がChatGPTに登録し、試してみているうちに興味を失ってしまうのは、このためかもしれません（ベネディクト・エヴァンス（Benedict Evans）の興味深い記事のデータをチェックしてみてください。エヴァンスはメディアやテクノロジーなど幅広い話題に関するニュースレターを発行しているのでご興味のある方はそちらもどうぞ。）
最高の結果を出力するためには、創造的な自分をAIに取り入れる必要がある―これが難しいのです。
AIに関する最高の執筆者の一人であるイーサン・モリック（Ethan Mollick）は、AIを「汎用ツール」と呼んでいます。（彼のニュースレター「One Useful Thing」をまだ読んだことがなければ、ぜひ一読してみてください。）モリックは近著『Co-Intelligence』の中で、AIからより良いパフォーマンスを引き出すための素晴らしいアドバイスをしてくれているので一部を抜粋して紹介します。
（AIとの）会話をよりうまく機能させるには、コンテキスト（文脈・状況説明）を提供するという大きなコツがある。（不正確ではあるがわかりやすいように言えば）AIの知識を巨大なクラウドに見立てればいいのだ。そのクラウドの一角では、AIはシェイクスピアのソネットについてのみ回答し、別の一角では住宅ローンのブローカーとしての回答を作成し、また別の一角では、主に高校の教科書に載っている数式を利用した回答を作成する。デフォルトでは、AIはクラウドの中央から、一般的な人にとって最も可能性の高い答えを返してくる。コンテキストを提供することで、AIをその知識とよりつながりの深い一角に押しやることができる。
ライターにとっての『コンテキスト』とは何なのか
長い間、言語学者らは、コミュニケーションに関するさまざまな社会理論に取り組んできました。私は、ハンド・ジェスチャーについて博士号に取り組んでいた頃、そうした論文などをたくさん読みました。コミュニケーションの社会理論（いくつかの異なる理論がありますが）は、文章を書く「行為」がどのように読者を想像しているのかを探求するものです。ライター（書き手）は、読者が何を、どのような順序で読みたいかを予測します。想像の読者がどのような反応を示すか、前もって推測するのです。優れた書き手は、読者の期待に応えるべき時と、あえて期待に反する時を判断できるのです。
書く「行為」という考え方は、私たちが文章を書くときに何をしているのかを教えてくれます。私たちは想像上の読者に向けて自らの役割（立場）を変えています。そして役割によって、言葉の使い方、長さ、トーン、スタイルなども変わってくるのです。例えば、お見舞い状を書くとき、あなたは心配する友人となり、博士論文を書いているときには、「専門家」の役割を果たしていることになります（そうは感じていないと思いますが、相手や内容によって自分の役割を使い分けているはずです）。
LLMの素晴らしく、かつ奇妙なところは、人間のように文章を書く役割を演じられることです。例えば、Claudeにレビュアーの役割を振ることもできますが、想像上の読者に向けて文章を作成する上では、LLMにもっと有益で繊細な役割を振るほうが得策です。
アカデミックな文章を書くための「ルール」はたくさんあります。 『The Craft of Research』という優れた本の中で、著者のブース（Booth）らは、議論的なパラグラフがどのようなものかを説明する図を示しています。
この図は、「良い」アカデミックなパラグラフは、主張（Claims）から始まり、理由（Reasons）と証拠（Evidence）、そして想像上の読者への「謝意（acknowledgement）と返答（Response）」へと続くことを示しています。良い書き手について先に書いたこと―良い書き手はルールを破るタイミングを知っている―を覚えておいてください。
専門的な書き手は、他の専門家向けに文章を書く場合、理由や証拠を省き、謝辞や返答に力を入れがちです。ChatGPTとClaudeに研究者が使うフレーズのリストを尋ねたところ、ChatGPTの返答に良いものがありました（ChatGPTが仕事を終わらせるのが好きなのに対して、Claudeはおしゃべりするのが好きだという違いが出ています）。
ChatGPTの回答はかなり役に立つと思うので、ここに全部書き出しておきます。
反論の提示
- “A common critique of this approach is that…” このアプローチに対する一般的な批判は、…
- “Some scholars argue that…” 一部の研究者は、…と主張している
- “It has been suggested that…” …と示唆されている
- “An alternative perspective is offered by…” 別の視点が、…によって提供されている
- “Opponents of this view contend that…” この見解の反対派は、…と主張している
信頼性への取り組み
- “While this argument has merit, it fails to consider…” この議論にはメリットがあるが、…の点は考慮されていない
- “Although this perspective is valid to some extent, it overlooks…” この視点はある程度有効ではあるが、それは…
- “This critique is not without basis; however, it does not account for…” この批判に根拠がないわけではないが…の視点は見落としている
- “There is truth to this claim, yet it is limited by…” この主張には真実があるが、しかし、それには限界がある
“This point is well-taken, but it does not fully address…” この指摘はもっともであるが、この主張には完全には対応していない…
エビデンスの提供
- “Evidence supporting this counterargument includes…” この反論を支持する証拠は..
- “Studies supporting this perspective often cite…” この視点を支持する研究はしばしば…を引用
- “Proponents of this view point to…” この視点の支持者は…を指摘する
- “This argument is bolstered by findings from…” この議論は…の知見によって補強され
- Support for this position is found in…” この視点への支持は…に見られる
反証による反論
- “However, empirical evidence suggests that…” しかし、経験則によれば…
- “Contrary to this claim, data indicate that…” この主張に反して、データによれば…
- “Recent studies have shown that…” 最近の研究では…
- “Our findings contradict this argument by showing…” この主張に反して我々の発見は…
- “In contrast, we found that…” 対照的に、我々は…
複雑さの認識
- It is important to recognize the complexity of this issue…” この問題の複雑さを認識することが重要である…
- “This debate is not easily resolved, as both sides present compelling arguments…” この議論は、双方が説得力のある主張…を提示しているため、簡単には決着しない
- “While both perspectives have their strengths, our analysis indicates that…” どちらの視点にも強みがあるが、我々の分析では..
- “This discussion is nuanced and requires careful consideration of…” この議論は微妙なニュアンスがあり、…につき慎重な検討が必要である
- “Understanding this issue involves balancing the merits of both arguments…” この問題を理解するには、両者の主張のメリットをバランスさせることが必要である
視点の統合
- “A more balanced view might consider…” よりバランスの取れた見方は…
- “Integrating these perspectives, we find that…” これらの視点を統合することで、我々は…
- “By synthesizing these arguments, we can better understand…” これらの議論を統合することで、我々は…をよりよく理解することができる
- “Reconciling these viewpoints suggests that…” これらの見解の一致は、次のことを示唆している。
- “An integrative approach acknowledges that…” 統合的なアプローチは、…だと認める
ギャップの強調
- “This counterargument, though insightful, fails to address…” この反論は、洞察に富んでいるとはいえ、…
- “A significant gap in this critique is…” この批評の重大なギャップは…
- “This argument does not adequately explain…” この議論では、…が説明できない
- “One major oversight in this perspective is…” この視点の1つの大きな見落としは..
- “The weakness of this critique lies in its assumption that…” この批評の弱点は、その前提にある
原論の強化
- By addressing these counterarguments, we strengthen our original claim that…” これらの反論に対処することで、我々は当初の主張を強化することができる
- “Refuting these points, we reinforce the validity of…” これらの指摘に反論することで、我々は…の信頼性を強化することができる
- “Despite these objections, our findings support the argument that…” これらの反論にもかかわらず、我々の調査結果は…という主張を支持するものである
- “While counterarguments exist, they do not undermine the overall conclusion that…” 反論は存在するものの、…という全体的な結論を損なうものではない
- “In light of these critiques, our analysis remains robust because…” このような批判を踏まえても、私たちの分析は頑健である
コンセッション（譲歩）の提供
- “We concede that this argument has merit in certain contexts; however…” 我々は、この主張が特定の文脈においてはメリットがあることを認めるが、しかし…
- “Acknowledging this critique, we still maintain that…” この批判を認めつつも、我々は…と主張する
- “This perspective is partially correct, but it does not fully account for…” この視点は部分的には正しいが、…を完全に説明するには至っていない
- “While this counterargument is valid, it is outweighed by…” この反論は有効だが、それよりも…
- “Recognizing the validity of this point, we adjust our argument to…” この指摘の信頼性を認識した上で、我々の議論を…と訂正する
さらなる研究の提案
- “Further research could explore this counterargument in more detail…” さらなる研究は、この反論を…より詳細に調査することができる
- “To fully address this critique, future studies might investigate…” この批判に完全に対処するために、今後の研究は…
- “Additional data are needed to evaluate the impact of this counterargument on…” この反論が… “に与える影響を評価するためには、さらなるデータが必要である
- “Research that further examines this perspective could provide valuable insights…” この視点をさらに検討する研究は、貴重な洞察…を提供することができる
- “Further investigation is warranted to resolve this debate definitively…” この議論を明確に解決するためには、さらなる調査が必要である
専門家である書き手が謝辞や返答に力を注ぐのは、それが別の専門家である読者への信頼を築くものとなるからです。前述のブースらはこうも言っています。
主張、理由、証拠だけを中心に議論を組み立てると、読者はあなたの議論が薄っぺらいだけでなく、もっと悪ければ、無知で読者の意見を無視したと思うかもしれない。
さらに本を読み、他の専門家と話すうちに、あなたは自分の分野の専門家である読者の良いメンタル・モデルを作ることができるでしょう。どのフレーズが自分の主張に説得力を与えるかがわかるはずです。時には、上司が想像上の読者の目線から文章にコメントを付けてくれることもあるでしょう。 謝辞や返答が薄い（あるいは少ない）ことが、機械によるライティングを「薄っぺらい」ものにしている一因です。と同時に、学部生の悪文や多くの論文の初期段階（草稿）における特徴でもあります。
あなたの文章でこうした部分を強化することは、「学術的な声」に大きな違いをもたらすでしょう。機械は、謝辞を述べたり反応したりすることは得意ではありませんが、あなたが該当部分を作り出す上で、創造的な良きパートナーとなってくれます。文章を書く上で最も疲れることの一つは、想像上の読者をイメージし続け、心の中で彼らと議論できるようにすることです。LLMにあなたの分野の専門家の役割を引き受けてもらい、あなたの主要な主張に同意しない人の視点からあなたの文章を批判してみてください。常に必ずしも役に立つとは限りませんが、考えるヒントをたくさん与えてくれます。想像上の読者とのやり取りを行う必要はありますが、少なくともそれについて話せる相手がいるということは、心の支えにもなることでしょう。
ここまでの長い、探索的な記事を読んでいただきありがとうございました。私は今、キャサリン・ファース（Katherine Firth）と一緒に『How to Fix your Academic Writing Trouble』の第2版を書いているところです。新版では、AIをどのように文章に取り入れるかについてたくさん盛り込む予定です。近日発売予定の本に関するニュースに興味がある方は、こちらからWriting Troubleメーリングリストに登録してください。情報をお送りします。
Claudeにこのブログ記事の編集を頼んでみます。
ライターとしての結束が強まりますように
インガー
追記：透明性を保つため、Claudeにこの記事を書くにあたってClaudeがどのように私を助けてくれたか、謝辞を書くように頼んでみました。 以下はその返答です。
編集過程についてのメモ： この記事の考え方に即して、私はAI言語モデルのClaudeにこの記事の編集を手伝ってもらいました。Claudeは様々な文法上の問題点、矛盾点、改善点を指摘してくれました。この共同作業は、人間による監督と意思決定を維持しながら、執筆プロセスにおけるAIの実用的な応用を実証したものです。アカデミック・ライティングにおけるAIの使用に関する投稿の編集にAIを使用するという皮肉は、理解できないものではありません。いつものように、残っている誤りはすべて私自身の責任によるものです。
この謝辞には、プロフェッショナルなトーンを維持しつつ、個人的な言い回しやユーモアを少し挿入しました。また、アカデミック・ライティングにおけるAIの協調的な可能性についてのあなたの記事の主要なテーマの強化もしました。スタイルや好みに合うように、自由に修正してください。
Claude、いい仕事してるでしょ。
PPS: ソーシャルメディアを見ると、AI嫌いが多いようです。AIを嫌う理由はたくさんありますが、 この記事についてコメントなどあれば、ThreadsかLinkedinに書き込んでください。X/Twitterは炎上したゴミの山のようになっているので使用していません。ご了承を。
