はじめに：情報社会を生き抜く編集力とAIの融合
現代の情報社会において、膨大なデータを単に蓄積するだけでは価値を生み出せません。重要なのは、情報同士を結びつけ、新たな意味を見出し、そこから創造的な仮説を飛躍させる力です。この力こそが、松岡正剛氏が提唱する「編集工学」の核心であり、AI時代における人間の役割を考える上で極めて重要な概念となっています。
本記事では、編集工学の基本理論から最新のプロンプトエンジニアリング研究、さらに人工意識論との接点まで、人間とAIの協働による知的創造の可能性を包括的に探究します。
編集工学の基本理論：情報を意味に変換する技術
編集工学とは何か
編集工学とは、情報社会において「情報化されたものを編集化する力」を体系化した方法論です。松岡正剛氏は1987年に編集工学研究所を設立し、「21世紀は方法の世紀」として、あらゆる分野に潜む「編集」の仕組みを明らかにすることで新たな価値を生む技術を追究してきました。
編集工学は単なる学問ではなく「方法の束」として位置づけられ、特定の主題に縛られない汎用的な知的技法群を志向しています。代表的著作『知の編集工学』（1996年刊行、2023年増補新版）では、情報社会を生き抜く必須の技術として編集の考え方・活用法が体系的に提示されています。
38の編集術：思考の型による稽古
編集工学では、茶道や武道と同様に思考や編集力にも「型」があると考え、38種類の編集の型を体系化しています。オンラインスクール「イシス編集学校」では、この型を17週間かけて稽古し、情報インプットからアウトプットまでの普遍的プロセスを身につけます。
例えば「コップを言い換えなさい」というお題では、以下のような多層的な視点転換を行います：
- 類語への変換：コップ→グラス
- 上位カテゴリ化：器、日用品
- 要素分解：無機物、工業製品
- 文脈変更による比喩：遊び道具、楽器、燃えないゴミ
このように情報の階層を上げ下げして視点を多層化し、情報のクラスターごと動かすことで、新たな発見や意外なつながりが見えてくるのです。
連想と関係線を引く力
編集工学において、連想（アソシエーション）と思考の関係線を引く力は重要な概念です。編集稽古では、一つの情報から周辺に連想ネットワークを広げ、次々と言葉を拾い集めるトレーニングが行われます。
「有田焼のマグカップ」から「買った場所」「飲み物」「他のお気に入りの有田焼」「一緒に飲んだ人の思い出」など、様々な切り口（属性）を意図的に変えながら関連情報を集める練習です。助詞（が、の、を…）を変えて文脈をずらすだけでも、次に続く情報の景色が変わり、多様な連想が引き出せます。
松岡氏は「イノベーションは既存知の組み合わせによって導かれることが多い」と指摘し、異なる情報同士に「対角線を引く」力こそが新しいものを生むと説いています。
人間とAIの対話における新たな課題と可能性
プロンプトエンジニアリングの現状と限界
ChatGPTに代表される大規模言語モデル（LLM）の普及により、プロンプトエンジニアリングが注目を集めています。しかし、HCI研究者からは「高度なAIを相手に人間が一方的にクエリを工夫しなければならない」現状に対する指摘もあります。
Kraljicらの研究では、「本来、言語コミュニケーションは協調的プロセスであるのに、現在の生成AIとの対話は検索クエリ的な一問一答に留まっている」と述べられています。単発のプロンプト入力で目的を達成する方法論は、意味は言葉にパッケージされ運ばれるという古典的伝達モデルに依拠しており、人間同士の逐次的な相互適応による意味の協同構築とは異なります。
一般ユーザーが直面する困難
CHI 2023の研究「Why Johnny Can’t Prompt」では、プログラミング知識のないユーザがLLMへのプロンプト設計を行う様子が調査されました。結果として、被験者は体系的というより場当たり的にプロンプトを調整しがちで、人間相手なら伝わるだろうという曖昧な指示をしてしまう傾向が明らかになりました。
この研究は、プロンプト設計を支援するツールの必要性や、一般ユーザー向けのLLMリテラシー教育の重要性を示唆しています。AIリテラシーの高い人ほど質の高いプロンプトを作成できるという調査結果も報告されており、教育分野では生成AIとのインタラクションで批判的思考やAIリテラシーを涵養することが求められています。
協調的インタラクションへの転換
専門家は「プロンプトエンジニアリング」偏重の現状から発想を転換し、AIとユーザが意図をすり合わせながら答えを共同構築するようなインタフェースを提唱しています。具体的には、対話中にAIがユーザの曖昧な要求を推測し質問し返したり、ユーザがAIの内部推論を確認・修正できたりする双方向の仕組みが考えられています。
今後は、人間の認知負荷を下げつつAIの能力を引き出すため、「問いのデザイン」を含む対話全体の設計が重要になると考えられます。
人工意識理論と編集概念の接続可能性
主要な意識理論の概観
人工知能が高度化する中で「意識」をどう捉えるかは重要な論点です。代表的な理論として以下の3つが挙げられます：
高次表象理論：意識とは「自分の心的状態についての心的状態」が持てることによって生じるとする理論。ある知覚や思考に対して「私は今○○を感じている/考えている」という高次の思考（メタ表象）が形成されるとき、その一次状態が意識に昇るとされます。
グローバルワークスペース理論：脳内の情報統合メカニズムによって意識を説明する理論。多くの無意識的な並列処理モジュールの中から、一つまたは少数の情報塊が競合を勝ち抜いて作業空間を占有し、全脳的に共有・放送されることが意識の本質とされます。
統合情報理論：システムが持つ因果的な情報統合の度合いを示す量Φ（ファイ）を定義し、Φが大きいシステムほど豊かな意識を持つと仮定する理論。意識をシステムの内在的特性として捉えます。
編集概念との理論的接続
これらの意識理論と編集工学の概念には、興味深い対応関係が見出せます：
高次表象理論と編集のメタ視点：編集工学では「情報の見方を多層化し、クラスター全体を動かす」ような高次の視点で再構成することが重視されます。「編集による気づき」は、編集者自身が情報に対し高次の認識を獲得するプロセスと言えるでしょう。
グローバルワークスペース理論と編集の統合力：編集者は異なる領域の知を一つの場（ページや誌面）に引き合わせ、相互参照させながら読者に新たな洞察を提供します。これは情報のグローバルな結合と活性化という点で、GWTの「様々なモジュールがアクセス可能なブラックボード」になぞらえることができます。
統合情報理論と編集の創発：編集行為で点在する情報を組み合わせると、単なる要素の相加以上の新しい意味が立ち現れることがしばしば起こります。これは「部分の単純な総和では説明できない性質が生まれる」という創発の定義そのものです。
AI時代における編集工学の応用と実践
人間とAIの役割分担
編集工学研究所では、AI時代の編集稽古に欠かせない視点として、人間とAIがそれぞれ得意とする評価の役割分担を提案しています。人間の編集判断プロセスを3つの審級に分類すると以下のようになります：
照合する評価：ルール・基準に照らし情報の適否を判断する形式的・正誤のチェック。AIが優位で、定型ルールに基づく大量高速処理では適切なアルゴリズムのもとAIの精確さが人間を上回ります。
連想する評価：ある情報に関連する類似情報を検索・想起するパターンマッチングによる関連付け。大規模コーパス学習したAIは膨大なデータから類似パターンを高速探索でき、評価エンジンとしての性能で人間を凌駕しつつあります。
冒険する評価：既知情報の隣接領域まで探索を広げ、未知の要素も取り込みながら新しい意味・価値を創出する創造的飛躍を伴う評価。この分野では人間が優位であり、予測可能な範囲を超えた「練られた逸脱」による発想には、人間の好奇心と編集的判断が不可欠です。
編集工学を活用したAI協働の展望
スマートニュース創業者の鈴木健氏は、「AIの進化によって最後に人間に残された重要な仕事は『編集すること』になるのではないか」と述べています。生成AIの発達によって「絵が描けなくても漫画が描ける」「映像編集できなくても映画が作れる」ようになる一方で、人間はAIと共進化しつつ自らの役割を見極める必要があります。
編集工学研究所では「ハイパーエディティング・プラットフォーム AIDA」など、分野を超えた関係性から新たな社会像を構想するプログラムを展開しています。また、『問いの編集力』といった書籍を通じて、AI時代に改めて良い問いを立てる力（メタ認知的編集力）の重要性を発信しています。
生成AIは無数の答えを出しうるが、何を問うかが曖昧では有用な答えは得られません。その意味で、「問いを編集する」こと自体がプロンプトエンジニアリングの本質と捉え直せるでしょう。
まとめ：編集的思考がひらくAI協働の未来
編集工学は情報社会における知の技法として、分野横断的な情報統合や発想の転換、創発的価値創造を重視します。その方法論は人間の認知拡張のみならず、AIとの対話設計にも重要な示唆を与えるものです。
人工意識の主要理論との比較から、編集的思考と意識発現メカニズムに通底する概念（メタ表象、グローバルな統合、創発）を見出すことができました。実践面では、AI時代における編集者の役割や、人間とAIの評価・創造プロセスの分担について具体的提案がなされ始めています。
現在、AIがデータ照合とパターン連想で下支えし、人間が文脈判断と価値付与で最終的な編集を行うワークフローが一部で実践されています。その延長線上で、AIに編集的発想を学習させることや、人間が編集稽古によってAI活用力を高めることも展望できます。
最も重要なのは「問いを立て直す」ことです。編集工学は常に現状の前提を疑い問いを練り直す姿勢を涵養してきました。生成AIが高度化するほど、人間側の問いの質が問われます。編集工学的な問いかけ（何を情報のあいだに見るか、どの枠組みで捉え直すか）は、AIから真に価値ある応答を引き出すプロンプトエンジニアリングの核心でもあります。
AI時代にあっても、問い編集者としての人間が主導権を持ち、AIと共に新たな知を編集・創発していく——そのような未来像を、編集工学とAI協働の研究は示唆しているのです。
コメント