
AIっぽさの正体は、比喩の多さではなかった
最近、躺在废墟里 Lieflat(@lieflat_3)さんの記事「跑完520万字和50万次判断,我做了可能是全网最硬核的「去AI味」Skill。」を読みました。中国語の X Article です。
原文はこちらにあります。
AIっぽい文章というと、「たとえ話が多すぎる」「飾りが過剰」と感じる人が多いはずです。ところが著者が人間の文章とAIの文章を並べて数えたところ、比喩の目印となる語は人間の方が約2.4倍多かったそうです。
その実験を手始めに、四つのことを順に説明します。測り方、最初の実験が失敗した理由、三つの測り方の組み合わせ、そして数字を自分の仕事に持ち帰るときに確認すべき点です。
【発端】 比喩が多いという直感を疑った実験

「AIは比喩を使いすぎる」という思い込みが、データで崩れたところが出発点です。
著者は2か月かけて2回の実験をしました。2回合わせて1,169本の記事、約520万字の中国語を使っています。
1回目は、AIが書いた300本と人間の329本を比べました。人間側は財務レポート、AI側は業界の雑談、というように題材がずれていたので、著者はここで問題に気づきました。
数字の密度に差が出ても、AIの癖なのか題材の違いなのか区別できません。そこで2回目は、同じ題、同じ事実、同じ長さのペアで比べ直しました。
比較の条件をそろえたことが、この実験でいちばん大事な設計です。
【基礎】 AIっぽさは人間との差

「AIっぽさ」は印象ではなく、同じ条件で並べたときの差として定義できます。
著者の定義は単純です。AIの書き癖が「AIっぽさ」であり、良い人間の文章を基準にして、AIの文章との差を見ます。
リポジトリの説明では、差を示す指標として「倍率」と「効果量」が使われています。倍率は、AI側の頻度を人間側の頻度で割った値です。
効果量(Cliff's δ)は、ランダムに選んだAIの文章が人間の文章より多い確率から、少ない確率を引いた値です。絶対値0.33以上を有意とみなしています(リポジトリ)。
差を見るので、「人間より少ない」特徴も結果に出ます。冒頭の比喩の話は、まさにそれにあたります。
【違い】 禁止語リストから比率の計測へ

「この語を使うな」という経験則から、「どの特徴が人間と何倍違うか」という計測に変わりました。
従来の対策は、禁止語の表を作るか、「AIっぽさを消せ」というプロンプトを足すことでした。著者のリポジトリは、この方法に二つの問題を挙げています。
一つ目は、禁止語を避けても、読めばAIだと分かる文章が残ることです。二つ目は、規則を詰め込んで直させると、自然な表現まで消してしまうことです。
根拠
経験則の方法:個人の語感と個別の観察
計測の方法:人間とAIの対照データ
基準
経験則の方法:「使うな」という語の一覧
計測の方法:人間比の倍率と効果量
外れた場合
経験則の方法:気づきにくい
計測の方法:反対向きの結果が出れば規則を降格できる
リポジトリで実際に降格された例では、「AIは具体情報を概括に置き換える」という仮説が、最初は24.7%で支持されました。
対称的な条件で調べ直すと、反対方向も26.0%ありました。そのため、規則から外されています。
【仕組み】 弱点を補い合う三層の測り方

一つの測り方では取りこぼすので、性質の違う三つを重ねています。
第一層はPythonのスクリプトです。句読点、文の長さ、節の数など、数えて出せる90項目を処理します。
原文によると、文の特徴だけで人間とAIを97.6%の精度で分類できたそうです。
第二層は、モデルに文脈を読ませる判定です。たとえば、読点が3つ並ぶ理由が製品仕様の列挙なのか、無意味な並べ立てなのかを見分けます。
第三層は人間の盲読です。比喩が的に当たっているかどうかは、モデル同士の判断が割れたため、最後は人が一つずつ読んでいます。
リポジトリでは、6つの大規模モデルの共通判断が0〜40%だったと書かれています。
第二層の判定に「Jev」を使い、速さと費用面が助けになった、というのが原文の一文です。提携の有無は確認できていないので、この記事では特定のモデルの評価には立ち入りません。
「文脈を読んで分類する層」の役割だけを見ます。
数字の読み方
原文を読むうえでは、次の点に注意が要ります。
97.6%などの数字:この記事では、公開リポジトリと照合できていません。READMEの本文では97.6%を確認できませんでした。
総字数の食い違い:原文は冒頭で520万字、結びで538万字と書いています。どちらが正しいかは、私には判断できません。
判定の件数:原文は50.7万回と書き、READMEの内訳は43.1万回と増補約11万回です。足し合わせても一致しないので、約50万回の規模という程度に受け取るのが安全です。
誤判定:README自身が、語義判定の誤りは15〜30%あり、方向は信頼できるが細かいパーセントは信頼できないと書いています。
【具体例】 層をまたぐと結論が反転する冒頭のコロン

同じ記号でも、数え方が変わると結論の向きは逆です。
「:」の使い方がその例です。スクリプトで総数だけ数えたところ、人間の方がAIよりも多く使っていました。
人間は「某氏は言う:」と引用に使い、一文で列挙を導くことも多いからです。
この結果だけを見ると、「コロンはAIの癖ではない」と判断して、規則を捨てるところでした。著者もそう考え、一度は規則を削る寸前だったそうです。
そこで第二層で、数万個のコロンを文脈別に6種類へ分けました。すると、「結論を示すコロン」だけは、AIが人間の2.1倍以上でした。
固定の言い回しに絞ると、約4倍です。
整理すると、人間側の理由は他人の言葉を引くためで、AI側の理由は自分で結論を言うためです。結論を告げる前半をそのまま削っても、文意はほぼ変わらず、かえって簡潔になる場合があります。
【関連概念】 比喩、翻訳調、文体の均質化
数字の裏には三つの背景知識があり、それぞれが一次資料につながります。
比喩は身体経験に根ざす
認知言語学の古典『Metaphors We Live By』(LakoffとJohnson)は、比喩を単なる飾りではなく、人が物事を理解するための仕組みとして扱いました。物理的・社会的な経験をもとに、別の抽象的な事柄を理解するという考え方です(出版社の紹介)。
著者はここから、体を持たないAIは比喩を的確に使いにくいと推測しています。これは原文の解釈であり、検証済みの事実としては扱えません。
翻訳調
中国語には「欧化」と呼ばれる現象があり、英語などの影響で、名詞の前に長い修飾語を置いたり、被動表現を増やしたりする傾向が指摘されています(中国語の解説)。
著者の実験で通用した翻訳調は、「AではなくB」の対の言い回し(人間の3.4倍)と、超長い前置修飾でした。普通の受け身は、AIの文章でもほとんど増えていません。
文体の均質化
英語の研究でも、指示調整済みのモデルは名詞中心で情報が密な文体になる、と報告されています(PNAS)。創作文の分析では、人間の文章は多様に散らばり、AIの文章はモデルごとに固まる傾向が示されました(Nature系列誌)。
著者の結びの感想も同じ方向です。嫌われるAI味の正体は、モデルが収束して、文体が揃いすぎることかもしれない、というものです。
参考情報・参考書籍(PR)
本記事をより深く理解するために、概念マップスライドを作成しました。こちらをみることで理解の補助になるはずです。
『レトリックと人生』は、【関連概念】で触れた『Metaphors We Live By』を日本語で読むときの本です。比喩を、人が物事を理解するための仕組みとして考える参考になります。
関連記事
【まとめ】 自分の文章を測る前の三つの確認

数字を借りるときは、題材・言語・誤差の三つを先に確かめます。
この実験は中国語の文章で、対象は特定のモデル(原文はGPT-5.6とClaude Opus 4.6)でした。日本語にそのまま当てはまるとは限りません。
ここからは私の提案で、実際にやって効果を確かめたわけではありません。自分の文章を見直すときの目安です。
題材をそろえる:比べる文章は、同じ話題・同じ長さに限る。
総数ではなく役割を見る:コロンや読点は、数ではなく、何のために使っているかで分ける。
誤差を覚えておく:モデルによる分類は、方向は参考になるが、小数点以下までは信じない。
原文の最後には、著者が作った自動修正のskillの紹介もありますが、この記事では扱わず、関心があれば原文とリポジトリで確認できます。
ライセンスは CC BY-NC 4.0 で、商用利用は別の許諾が必要です。