備忘録： AI時代の精密コミュニケーションのための抽象化ガイドライン（AIプロンプト術・都文体共通指針）

※GitHub投稿の日本語化: Abstract Distillation Framework

用途

• 人間ーAI・・・主用途、即効的

• 人間ー人間・・・応用、長期的改善

• 思考の先鋭化

問題点の整理

伝達上の問題で意図に反したLLM挙動を引き起こす因子

１．ノイズ

• 言葉の選択が不正確

• 副詞に頼った指示強化

• 具体例が曲解を生む

２．複雑性による思考負荷

• 行動原則を示さずに禁止事項で締め付ける

• 行動原則の抽象化が不足し、局面ごとに羅列される

ガイドライン

I. ルールで縛るよりも行動原則を示す

• 実例ベースの縛り付けは網羅性を常に担保しないと破綻するが、原則は拡張性があり、広範囲に応用可能な指針となる。

• LLMの行動改善へ向けた抽象化パス：問題点や不満（実例レベル）→対処的ルール（否定的縛り付け）→行動原則（肯定的拡張性）

例：「社会の役に立つ」　（行動原則）のほうが、禁止事項の羅列「ゴミを散らかすな」「駆け込み乗車するな」・・・よりも指示として優れている。

II. 抽象化原則：局面ごとではなく、包括的な原則の抽出を

• 局面ごとのモデル化は複雑性を生み、思考負荷を増す。速度低下、判断ミスを生む。

• 包括的な原則を抽出し、局面を選ばないコンパクトで軽量な行動原則を作成する。

例：「先頭ランナーの進塁先へ返球せよ」（高度な抽象化、包括的原則）のほうが「１塁の時は○○」「１、３塁の時は○○」・・・（抽象化不足）よりも軽量であり、本質を捉えている。

III. 言語運用：抽象化と精密性

• 言葉を発することで意味が伝達されるが、同時に不正確性が混入する。離散的に意味が定義された言葉は意志に比べ不完全だからである。

• 不正確な言葉の運用、そして比喩表現や実例はLLMの解釈を有らぬ方向へ重みづけしたり、曲解される隙を生む。

• よって、言葉の運用は抽象的、かつ意図との誤差を最小化しなければならない。

• 「必ず」「絶対に」など副詞に頼った指示は拡大解釈を招く可能性がある。副詞は使用せず、指示を徹底しなかった場合のユーザー不利益を提示し、AIにコストを理解させる。

例：精密「AI時代の精密コミュニケーションのための抽象化ガイドライン」
不正確「プロンプト改善㊙テクニック」「言語の宇宙を駆使して意思を正確にAIに伝えるには」

IV. 抽象化の必要十分性

• 抽象化の度合いは文章が想定するケースを全て網羅する必要十分なレベルが理想である。

• 過度の抽象化は解釈の隙を生み、不十分な抽象化は文章中にノイズを混入させる。

例：必要十分「先頭ランナーの進塁先へ返球せよ」過度「失点を防げ」

ガイドライン運用例

１．人間ーAI

AIとの会話文の改善、およびプロンプト最適化。実演例：

２．人間ー人間

都文体の簡素な文体と言葉選びの精密性は本体系の影響が見られる。

３．思考の先鋭化

物事の本質を見極め、精確に表現するための指針と考えられる。

外部リンク

• Github: Abstract Distillation Framework

• 記事中AIアート出典元：https://www.instagram.com/5ynthaire/

補足記事