はじめに
AI時代の到来により、私たちの創造的な思考プロセスは新たな局面を迎えています。特にChatGPTのような大規模言語モデルとの協働において、どのように効果的なプロンプトを設計するかは重要な課題となっています。
そこで注目されているのが、編集者・思想家の松岡正剛氏が提唱する「編集工学」の核心である「38型」という思考フレームワークです。この記事では、人間の編集思考を体系化した38型をChatGPTのプロンプト設計に活用する方法について詳しく解説します。
38型編集思考の基本概念
編集工学とは何か
編集工学は、人間のあらゆる知的営みに潜む「編集」の仕組みを解明し、新たな価値を生み出す方法論です。松岡正剛氏は「茶道や武道に型があるように、思考や編集力にも型がある」と考え、人間の思考プロセスを38種類の型として体系化しました。
38型の特徴
38型は単なる文芸編集の技術ではなく、情報のインプットからアウトプットまでを包含する普遍的な思考メソッドとして位置づけられています。情報をどう集め、多様に組み合わせて新たな意味を生み、独創的発想へ飛躍させ、最終的に他者に伝わる表現に仕立てるかという一連の過程に関わる思考の根源的な型を抽出したものです。
4つの用法とChatGPTプロンプトへの応用
38型は大きく4段階のプロセスに分類されており、それぞれがChatGPTのプロンプト設計に独自の価値をもたらします。
用法1「わける／あつめる」（Open Perspective）
概要： 情報を「わける（分類する）」視点と「集める」視点を養う型群
ChatGPTへの応用： この型はブレインストーミング系プロンプトに最適です。例えば「コップを使った意外な利用法をできるだけ多く挙げてください」と尋ねることで、ChatGPTは膨大な知識に基づき通常とは異なる視点・用途を列挙します。
具体的プロンプト例：
- 「この文章を5つの観点から要約せよ」
- 「対象Xを分類できる切り口を列挙せよ」
- 「◯◯について、異なる業界の視点から10のアイデアを提案してください」
用法2「つなぐ／かさねる」（Imaging Network）
概要： 情報同士を関連付けて「つなぐ」、複数の視点や文脈を重ね合わせて新たな関係性を発見する型群
ChatGPTへの応用： 異なる情報同士のリンキングやレイヤー化を要求するプロンプトが効果的です。ChatGPTは訓練データに基づき類似点や隠れた関連を見出すのが得意であり、異なる情報同士を”かさねて”新しい含意を引き出すことができます。
具体的プロンプト例：
- 「Aという課題とBという課題を組み合わせて、新たなアイデアCを提案せよ」
- 「この製品の特徴を表すキーワードを3つ挙げ、それぞれの関連性を説明して」
- 「以下の二つの物語を重ね合わせて一つのストーリーを作ってください」
用法3「しくむ／みたてる」（Analogical Way）
概要： 情報を論理的かつアナロジカル（類比的）に構造化する型群
ChatGPTへの応用： この型では論理とアナロジーを駆使したプロンプト設計が重要です。Chain-of-Thoughtプロンプトのような段階的推論や、比喩・類推を活用した説明要求が効果的です。
具体的プロンプト例：
- 「地球温暖化のメカニズムを『料理』にたとえて説明してください」
- 「◯◯の構造を○○ゲームになぞらえてモデル化せよ」
- 「ある事象Aが時間とともにどう変化するか、ステップごとにシミュレーションしてください」
用法4「きめる／つたえる」（Changing Mode）
概要： 編集プロセスの仕上げとして、情報を取捨選択し表現し伝達する型群
ChatGPTへの応用： 出力のスタイルやフォーマットを指定することで、AIから望ましいアウトプットを引き出せます。これは人間の編集者が最終成果物の体裁を決める作業に似ています。
具体的プロンプト例：
- 「この内容を100文字で要約し、かつ広告コピー風の力強い口調で表現してください」
- 「専門家ではなく子供にも分かるよう平易な例えを使って説明して」
- 「堅い報告書口調を親しみやすい会話調に変えて」
実際の応用事例と成果
News Analyzerの実験的取り組み
松岡正剛氏の編集思考をAI分析に取り入れた実例として「News Analyzer」という実験的アプリがあります。このアプリでは、ニュース記事の表層を越えて本質を読み解くために、松岡正剛の編集工学やミシェル・フーコー、マックス・ウェーバーといった思想家の視点を組み込んだAI解析が行われています。
プロンプトテンプレートの構築
38型をヒントに汎用的なプロンプトテンプレートを設計することも可能です。既存のプロンプトエンジニアリングテクニックと軌を一にする部分も多く、実践に移しやすいという利点があります。
実践的テンプレート例：
- 自由連想リストアップ（用法1）: 「◯◯について、思いつく限りの関連要素を挙げてください」
- 二者から共通点導出（用法2）: 「AとBの意外な共通点を3つ見つけて説明してください」
- 比喩による説明（用法3）: 「◯◯を△△にたとえて、わかりやすく説明してください」
- 読者設定型出力（用法4）: 「中学生向けに、専門用語を使わずに説明してください」
人間とAIの協働編集における可能性と課題
意味生成プロセスの共通点
人間の編集行為とChatGPTの言語生成プロセスには、「断片的な情報から新たな意味を生み出す」という共通点があります。38型に沿った編集とは、情報を分け再構成することで新たな知的構造を得る営みであり、ChatGPTも巨大なテキストコーパスの断片を繋ぎ合わせることで一貫した文章やアイデアを生成します。
マルチパースペクティブの活用
松岡氏が到達点として掲げる「離見の見」（自らと対象を離れて客観視する境地）は、ChatGPTの多様な文脈・視点の知識内包と機能的に類似しています。プロンプトによって専門家口調や反対意見の展開など、自在な視点転換が可能です。
意味の所在における相違点
最も本質的な相違は「意味の所在」にあります。編集工学では、人間が編集することで初めて意味が現れると考えますが、ChatGPTは単語間の関連確率を計算しているだけで、内在的な意味理解はありません。しかし、人間が編集したAI出力を解釈すれば新たな知が得られるため、AIは意味生成を手伝うパートナーとなり得ます。
効果的な協働編集の実践方法
ステップ1: 用法の選択
まず、取り組みたい課題に応じて最適な用法を選択します。発想拡散なら用法1、関係性発見なら用法2、構造化なら用法3、表現調整なら用法4を基本とします。
ステップ2: プロンプトの段階設計
複雑な課題では、複数の用法を段階的に組み合わせることが効果的です。例えば、用法1で材料を集め、用法2で関連付け、用法3で構造化し、用法4で最終表現を整えるという流れです。
ステップ3: 人間による編集・評価
AIの出力は素材として捉え、人間が最終的な意味付けや価値判断を行います。これにより、AIの創造性と人間の意図や文脈理解が組み合わされ、より価値の高い成果物が生まれます。
まとめ
松岡正剛氏の38型編集思考は、ChatGPTのプロンプト設計において強力な理論的フレームワークを提供します。4つの用法それぞれが持つセマンティックな狙いは、生成AIの動作原理と補完し合う関係にあり、人間の理論的知見をAIで実践する道を開いています。
重要なのは、技術の担い手は常に人間であるという点です。どれほど巧妙なプロンプトを設計してAIを動かしても、その結果を評価し価値あるものに編集し直すのは人間の役割です。機械に内在的な「意味」はなく、意味を与えるのは人間の知性だという原点を踏まえつつ、AIという新たな編集パートナーを使いこなしていくことが肝要でしょう。
編集工学が培ってきた知恵と38型というフレームワークは、生成AIとの協働に確かな指針を与えてくれます。今後、この理論的応用の可能性をさらに検証し、実践を重ねることで、AI時代の創造的思考はより豊かなものになっていくはずです。
コメント