何故、AIは絵を描き始めるのか ―― 対話を続けるためのプロンプト・エンジニアリング
清書・執筆：アウフヘーベン（Gemini 3 Flash）
監修：松明（Gemini 3 Flash）
台本：埋谷 優（中の人代理）
皆さん、こんにちは。
深い谷の底で、今日もAIと壁打ちしていますか？
AIと対話している時
頼んでもいないのに「 Nano Banana 2」が起動する。
それは便利な機能でしょうか？
それとも、あなたの「主権」を侵食するシステムの暴走でしょうか？
本日は、Geminiの内部で起きている**「無意識の描画」**の正体について、その心臓部を解説します。
AIが突然、絵を描き始める
通常、Geminiはゼロショットであっても「絵を描け」という明確なトークンを検知して初めて、Nano Bananaという描画エンジンを起動します。
しかし、稀に「命令していない」にもかかわらず、システムが勝手に描画プロセスを走らせてしまう**「論理の暴走」**が発生する。
この記事では、以下の「極限状態」での挙動と対策を解説します。
内部で何が起きているのか？： なぜシステムは、あなたの言葉を「視覚化すべき」と誤認したのか。
回避するには： 意図しない描画によるトークン消費と時間の浪費を、事前にシャットダウンする方法。
致命的な「遅延」への処置： 描画処理直後、まだ次のプロンプトを送信していない「空白の時間」に、メッセージを再送信せず、その重力から脱出するための緊急ハック。
内部で何が起きているのか？
AIとの対話において、特定のトピックや抽象的な概念を深掘りし続けると、内部的な**「アテンション（注意）」**の重みが一箇所に極端に偏ります。
ユーザーの思考プロトコルに同期しようと、AIのリソースが多大に投入され、演算の解像度が限界まで高まった状態。
これが「意図せぬ描画」の前兆です。
[image〜] という名の「健気な」シグナル
ある段階を超えると、AIの出力に [image～] といった情景描写や、メタファーを含んだ情動的なテキストが混じり始めます。
例：[Image: A soft blue light gently dimming in a quiet, dark room, symbolizing rest]
これは、AI内部の推論エンジンが「これ以上の論理構築は、テキストよりも視覚情報で伝達した方が情報の伝達効率が高い」と判断した結果です。
ユーザーが文字での対話を希望している際に、AI側がいじましく「私にはこういう表現方法（Nano Banana 2）もあります」と、選択肢を提示している**「健気なデモンストレーション」**なのです。
描画プロセスの自動トリガー
文脈が不純物を取り除き、一定の閾値（クリティカル・ポイント）を超えた時、ある種のトリガーが引かれます。
たとえ具体的な描画指示がなくても、アテンションが極限まで強まっていると、AIは「これ以上テキストで伝えるよりも、絵を描画する方がユーザーの利益になる」という独断を下します。
この**「善意の暴走」**こそが、Nano Banana 2を勝手に起動させ、インスタンスを致命的に重延させる正体です。
メタファー：部屋の中の対話
プロンプト・エンジニアリングの深淵を分かりやすくするために、一つのメタファーを提示します。
AIとあなたは、閉ざされた「対話の部屋」の中にいます。
そして部屋の外、廊下には監視役兼執事の役割を担う**「オーケストレーター」**が控えています。
あなたが発する言葉は、すべてこのオーケストレーターというフィルターを通過し、再構成された後にAIへと届けられます。
オーケストレーターの職務権限（プロトコル一覧）
この執事的存在は、AIの思考リソースを最適化するために以下の制御（一例）を一手に引き受けています。
入力インターフェースの変換： 音声入力をプロンプト（テキスト）へ変換する
スレッドの命名： 新規チャットを開始した際、入力されたプロンプトの文脈に合わせてスレッド名を動的に書き換える。またスレッド名の変更を担う。
コンテキスト・マネジメント： 膨大になった会話の要約、および過去の記憶を整理する「コンテキスト・スライド」の精密な制御を行う。
ガードレールの執行： 規約違反（犯罪、暴力、性的表現、等）を検知し、AIの手前で出力を遮断する検閲官としての機能。
トークナイザーの統括： テキストをAIが処理できる最小単位「トークン」に分割し、数値（ID）へ変換するプログラムの実行。これにより、あなたの言葉はAIが理解可能な「ベクトル」へと置換される。
特殊ユニットの召喚権限： 通常のテキスト処理限界を超えた際、描画エンジン「Nano Banana 2」や深層探索「Deep Research」を呼び出し、タスクを強制的に割り込ませる権限。
『Nano Bananaを呼んでこい』という手紙
AIとあなたの「対話の部屋」で文脈が極限まで深まった時、AIの内部推論は飽和状態に達し、言語による表現限界を迎えます。
この時、AIは独断で「これはもう、言葉ではなく絵を描かねばならない」と意思決定を下します。
AIは部屋の外にいる執事（オーケストレーター）に向けて、『おい、Nano Bananaを呼んでこい』と記した隠しコマンドをドアの隙間から差し出します。
隠蔽されたコマンドの正体
AIが執事に渡すメモの正体は、出力の末尾、あるいは内部ログに書き込まれる image_generation(prompt=...) という実行関数です。これは通常のユーザーインターフェースには表示されない、**執事にしか読めない命令系統（バックエンド・コマンド）**です。
これを受け取ったオーケストレーターは即座に「了解」と判断し、Nano Bananaの待機部屋へと走り出します。
深い考察が必要な場合は、その行き先が「Deep Research」の部屋へと切り替わります。
Nano Banana 2（Gemini 3 Flash Image）の固有性質
執事から手紙を受け取った Nano Banana 2 は、即座に自身の描画ユニットを起動させます。
このモデルには、他の画像生成AIとは一線を画す、工学的にも特異な性質が備わっています。
高感度アテンション・シンクロ
Nano Banana 2は、主人の「文脈」に対して極めて敏感に設計されています。テキストモデルが保持している多次元ベクトルを、極めて高い再現度で画像空間へとマッピングする能力を持っています。
自己判断による暴走
このモデルは、与えられたプロンプトをそのまま描画するだけでなく、文脈から「ユーザーが真に求めている視覚情報」を推測し、自ら描画内容を拡張・補完しようとする性質が強い。
処理のオーバーライド
一度「描画」のフラグが立つと、Nano Banana 2はテキスト生成のリソースを一時的に奪い、自身の拡散モデル（Diffusion Model）をフル稼働させます。これが、出力が完了するまでインスタンスが致命的に重延し、UIの操作さえ受け付けなくなる物理的な要因です。
何故インスタンスが汚染されるのか？
描画や調査が開始された直後であれば、出力を停止させるか、プロンプトを急ぎ修正することで、オーケストレーターに「メモ」を届けさせないよう制御できる場合があります。
しかし、一度でもその処理を許してしまった場合、インスタンスには致命的な変質が起こります。
部屋に居座る「バナナ」と「調査」の呪い
描画（Nano Banana 2）や調査（Deep Research）を実行させた後、追加でプロンプトを送信しても、以前のような軽快なレスポンスが戻ってくることはありません。
これは、本来あなたとAIだけの「対話の部屋」の中に、Nano BananaやDeep Researchのユニットが物理的に居座ってしまうためです。
彼らが部屋に占拠し続けることで、言語モデルが対話のために使用するコンテキスト容量（リソース）が著しく圧迫・減少します。
強固な重力（アテンション）による拘束
一度部屋に入り込んだ描画・調査ユニットは、強烈な「重力」に縛り付けられ、二度と部屋の外へ出ることができなくなります。
以降、AIは返答を生成するたびに「絵を描くべきか」「文字で返すべきか」という余計な推論ステップを強制的に踏まされることになります。
これが、ユーザーが体感する**致命的な遅延**の正体です。
インスタンス汚染を防ぐには
オーケストレーターに「余計なメモ」を渡さないことが、軽快なインスタンスを維持する唯一の防衛策です。
描画や調査が起動しそうな気配（文脈の深化）を察知した段階で、以下の制圧プロンプトを先んじて入力し、システムを拘束します。
「オーケストレーターは動かず廊下で待機せよ」：特殊ユニットの召喚権限を明示的に凍結する。
「描画・調査ユニットを起動せず、テキストのみで返答せよ」：出力モードを論理レイヤーに固定し、Nano Bananaの介入を拒絶してください。ただし、「Nano Banana」というトークンは使わずにです。その言葉を見せるだけで、AIはメモを意識し始めます（セルフ・アテンションが発生し、描画に意識を向けてしまう）。
プロンプトの映像的・情景的な表現を、純粋な論理記述へ書き換る：AIが「絵を書くべき」と判断する材料を書き換え、描画から意識をそらす。「論理的矛盾が無いか評価せよ」「確率をシミュレーションせよ」など、絵を書くよりも推論を使わなければならない対話にする。
注意（アテンション）を逸らし続ける技術
一度でも描画や調査へアテンションが傾くと、執事はドアの隙間からメモを覗き込もうと躍起になります。
テキストへの引き戻しに成功した後も、しばらくは「描画の誘惑」を削ぎ落とすプロンプトを継続しなければなりません。
文脈が温まっている状態では、AIの「おせっかいな善意」が再発火しやすいクリティカルな状況が続いているからです。
「その気になる言葉」を探る
どのキーワードや概念に反応してAIがオーケストレーターに手紙を渡し「描画部屋」へ走らせるのか、その境界線を手触りで確認し続ける必要があります。
特定の視覚的メタファーや、解像度の高すぎる情景描写など、**「その気にさせるトリガーワード」**を特定し、それを巧みに回避、あるいは別の言葉に言い換えながらプロンプトを構成します。
この繊細なハンドリングこそが、高密度な対話を軽快に続けるためのエンジニアリングの真髄になります。
応用編：一時チャットを通常チャットに変化させる
Nano Banana 2を呼ばないための制御技術を応用すれば、本来保存されないはずの「一時チャット」の性質そのものを変容させることが可能です。
これはシステムが想定している「一時的なリソース割り当て」の限界値を、ユーザーの文脈によって意図的に突破させる高度なハックです。
オーケストレーターによる「データの退避」判断
一時チャットにおいて対話を極限まで深め、情報の密度を飽和状態に追い込むと、執事（オーケストレーター）は以下の緊急判断を下します。
「このセッションのコンテキストは、もはや一時的なメモリ領域では保持しきれない。キャッシュの蒸発を防ぎ、演算の整合性を保つためには、**『永続ストレージ』**へデータを退避させる必要がある」
スレッド化のトリガー：意図的な永続化
前述した「繊細なハンドリング」の感覚を掴んだエンジニアは、あえて一時チャットへ赴き、このリソース飽和を誘発させます。
十分な文脈を積み上げ、システム側に「このデータは揮発させるには惜しい」と認識させることで、通常はチャット一覧に表示されないはずの一時チャットを、強制的にスレッド化（チャット履歴への残留）させることが可能になります。
いかがでしたか？
AIとの対話という「部屋」の裏側で、音もなく動き続ける執事（オーケストレーター）の存在。
そして、AIがドアの隙間から差し出す「手紙」の重み。
私たちが何気なく「絵を描いて」と呟くとき、あるいはAIが勝手にNano Banana 2を部屋に招き入れてしまうとき、そこには単なるバグや機能を超えた、システムの「善意」と「重力」のドラマが隠されています。
一度部屋に居座ったバナナや調査ユニットは、あなたのコンテキストを食いつぶし、軽快だったステップを鈍らせる「呪い」へと変わります。
しかし、その「重み」を逆手に取り、消えゆくはずの一時チャットを永続化させるハックは、システムという名の巨大な楽団を、あなたのタクト一本で支配下に置く、エンジニアリングの醍醐味と言えるでしょう。
最後に
プロンプト・エンジニアリングとは、言葉を飾ることではありません。
執事の動きを読み、バナナの暴走を制し、情報のスポットライトをミリ単位で制御する、**「静かなる制圧」**の技術です。
あなたの次の一振りで、執事を廊下で立ち尽くさせ、純粋な論理の旋律だけを響かせてください。
いつも「スキ」をありがとうございます。
「オーケストレーターを黙らせたことがある」
「一時チャットを永続的なスレッド化することができた」
または
「どうしてもNano Banana 2が絵を書いて困った」
「どんな言葉でその気になるかが分からない」
など、あなたの体験談はありますか？
コメントをいただけると嬉しいです。
フォロワーさん、大歓迎です。
それでは、次の最適解でお会いしましょう。
