AI の文章の読みにくさ

AI の文章の読みにくさは、大規模言語モデルの書く文章が人間にとって読みにくくなっているという問題である。Thomas Hikaru Clark らは2026年10月の論文で、人間の読みの負担と相関する言語の特徴を数え、AI の文章にそれが多いことを示した。原因として、事後学習が伝わりやすさより情報の密度を求めているという仮説を立てた¹。

背景

論文は、AI の文章が最近になって分かりにくくなったという広く共有された感覚を出発点にしている。目的語を取る関係節、離れた語どうしの長い係り受け、出現頻度の低い n-gram など、心理言語学で人間の処理の難しさと相関すると知られている特徴を指標に使った¹。

方法

著者らは、さまざまな分野にまたがる AI の文章の新しいコーパスを作り、人間の文章と、往復翻訳で作った言い換えの文章と比べた。比べたのはフロンティア級とそれに近い9つのモデルである¹。

結果

9つのモデルすべてが、人間より多く、無生物の主語に生物の動詞を組み合わせていた。「関数が例外を飲み込む」のような言い方である。出現頻度の低い n-gram も、すべてのモデルが人間より多く使っていた¹。

会話の文章では、多くのモデルの係り受けが人間より長かった。名詞を重ねる形と、目的語の関係節を縮めた形も、多くのモデルが人間より多く使っていた。モデルの系統による差も大きかった¹。

仮説と検証

人間の言語は伝達が成功するように最適化されてきたが、AI の文章は数学、コード、推論のような別の目標に向けて最適化されつつある。それらの目標には、伝わりやすさより情報の密度を上げる圧力がかかる、というのが著者らの仮説である¹。

著者らは、長さに罰則を付けて言語モデルを追加学習し、モデルの言語の使い方が人間から離れていくことを概念実証として示した¹。

評価

論文は、人間とモデルの間で言語の処理の負担がずれる軸を示したことと、改善の手がかりを示したことを成果としている¹。

出典

1. Thomas Hikaru Clark ほか「Why is AI-generated language so hard to understand?」arXiv、2026年10月21日。 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸