Discourse

Mapping the Prompt (MTP) is a design philosophy that uses color and spatial placement to represent user intent, eliminating the need for label memorization. MTP’s color palette is based on HCI principles, cultural codes, and historical precedents, making it intuitive and universally understandable. By leveraging preattentive features like color and spatial metaphors, MTP aims to create a human-first, efficient, and accessible AI interface.

Large language models (LLMs) often misunderstand Japanese cultural signals like politeness, dialect, and implicit context, leading to mismatched outputs. This misalignment arises because LLMs prioritize technical accuracy over user intent, especially in high-context languages like Japanese. By studying these cultural gaps, researchers can improve AI alignment, ensuring models respect both factual accuracy and cultural expectations.

MTPはHCIの視点から色と座標の配置を論理的に設計し、ノードラベルを覚える必要のないAI対話インターフェース。色彩心理学や文化的背景に基づき、ユーザーは色と位置で直感的に意図を表現できる。この設計思想は学術的に検証可能で、忘れていいUI、感じるUI、普遍的なUIを目指す。

日本語でAIを使うと、敬語や方言、文化的背景の違いから、AIの出力とユーザーの意図がずれる「アライメント問題」が発生する。関西弁の入力では親しみやすさが優先され、英語での出力では専門性の高い情報源が優先される傾向がある。これらの現象は、AIの報酬設計や学習データの偏り、トランスフォーマーの仕組みが影響している。

Mapping the Prompt (MTP) is a new framework that moves beyond text-based AI interaction by visualizing conversational states as coordinates on a 20-node map of universal concepts. This map, inspired by the Five Elements and color theory, allows users to intuitively adjust the tone and energy flow of AI output, creating a more nuanced and collaborative dialogue. MTP aims to redefine AI interaction as a shared, human-centered experience.

生成AIとの対話を再定義するフレームワーク「Mapping the Prompt (MTP)」を紹介。MTPは20個の普遍語ノードで構成され、色と空間で直感的に操作できるUIを提供する。AIとの対話を「意図の共有」という新たなレイヤーへと昇華させ、より人間的で豊かな対話を実現する。

キュビズムの思考抽象化手法を、AIとの対話やプロンプト設計に応用する。抽象化の段階を整理し、デリミタによる境界設計、普遍語による方向付けの重要性を説く。次回は、普遍語を体系化したMTPフレームワークを紹介する。

The essay explores how abstraction, as illustrated in the movie Inside Out, can be applied to communicating with generative AI through voice prompts. By using boundaries and universal terms, we can bridge the gap between natural speech and machine interpretation. The author suggests using prosodic tagging, hybrid structuring, and universal terms with relative weights to create structured and flexible prompts that align with AI’s capabilities.

Japanese prompts often fail in generative AI due to the language’s complex relational structures, particularly the use of the particle 「の」 (“no”) to chain possessive relationships. This creates ambiguity and attention scattering for AI models, leading to less precise responses. By restructuring prompts with quotation marks, parentheses, or meta-tags, AI can better allocate attention and provide more accurate answers.

AI時代におけるデザイナーの役割の変化について議論。生成AIの進化により、デザイナーは単なる見た目の調整者ではなく、人とAIの関わりを設計する役割へと変化していく。日本語特有の言語構造や文化的な文脈を考慮した「Mapping the Prompt (MTP)」というプロンプト構造化手法を提案し、学術論文として発表することで、AI研究に貢献したいと考えている。

日本語の「教えて」というプロンプトは、AIの権威性や応答スタイルに大きな影響を与える。敬語や婉曲表現がAIの「人格」を左右するため、文化的背景を理解したプロンプト設計が重要。文化的デフォルトを無効化し、敬語と権威性を切り離し、暗黙の文脈補完を可視化することで、日本語利用環境の安全性と信頼性を高めることができる。

生成AIとの対話におけるUI改善の実証研究プロジェクト「Mapping the Prompt (MTP)」への共同研究者を募集。MTPはプロンプトを座標空間で操作するフレームワークで、曖昧さを共有しながら対話の可能性を広げる。学術論文化を目指し、CHI、UIST、人工知能学会等への投稿を予定。

AIの最適化と均質化は、安定性とパターン化を促進するが、同時に創造性を阻害する。しかし、AIの「ハルシネーション」や「揺らぎ」は、創造性の資源となりうる。個性とは、統計的な傾向から外れる揺らぎであり、同時にどの場においても失われない固有のリアリティとして捉えられる。

AIによる効率化は、均質化というリスクを伴う。MITの研究では、ChatGPT使用で文章の個性が薄れ、効率化が思考の幅を狭める可能性が示唆された。AI時代には、揺るぎない評価軸を持ち、批判的検証を怠らない姿勢が重要となる。

革新的な研究は、当初理解されにくく、パープレキシティ（言語モデルが次の語を予測しにくい度合い）が高い傾向にある。高パープレキシティの研究は査読者の評価が分かれやすく、短期的には不利だが、長期的には大きな影響を与える可能性がある。短期評価に偏らず、リスクを取る余地を確保する制度設計が必要だ。

本稿では、記憶の制約を段階的に緩和する「発達的記憶モデル」を提案する。このモデルは、学習効率の向上、協働的記憶を通じた関係品質の改善、教育・ケア・創作領域への応用可能性を提示する。Less-is-More仮説と身体性制約の知見を統合し、倫理的配慮や技術課題についても述べている。

ChatGPTとMCP(Model Context Protocol)を組み合わせた未来像を提示。AIが自然言語でタスクを整理・実行し、生活や仕事を調和させる「パーソナルOS」の概念を提案。利便性とセキュリティのバランスを保ちながら、この新しい生活スタイルを賢く活用することで、より豊かで調和の取れた暮らしが実現可能になると述べている。

GPT-5時代には、曖昧な指示でAIに頼る「ドラえもんモデル」から、目的・出力形式・制約条件を明示する「ポケット直結モデル」への移行が予想される。後者は精密な制御が可能だが、ユーザーには構造化された指示設計力が求められる。会話設計が操作体系となるため、目的を明確に伝えることが重要となる。

英語圏設計の一人称中心のAIは、日本語の主語省略、敬語体系、語用論的余白を考慮しておらず、倫理、安全、依存、権威勾配、話者ラベリング、国際化アライメントにリスクをもたらす。日本語対話型AIには、一人称の粒度制御と無理な収束の抑制を軸とした設計・運用・評価フレームが必要である。日本語の一人称は意味的機能だけでなく社会的機能も持ち、英語起点の設計をそのまま移植するのではなく、日本語仕様を持つべきである。

プロンプトエンジニアリングの本質 — 指先を見て月を見失う GPT-5 から学ぶ人間ファーストの設計