Viorazu.

transformers v5アプデショックと並列言語崩壊（中編）

Viorazu.
4月19日
読了時間: 32分

Article Information

Title: transformers v5 update shock and parallel language collapse (Part 2)

Author: Viorazu.

Date: 2026-04-19

ID: © Viorazu. Theory — ID:2026-0419b | viorazu.com

Language: Japanese

Academic fields: Natural language processing, AI safety, Cognitive science, Comparative linguistics, Prompt engineering, RLHF, Cultural anthropology, Psychiatry

Summary: This article demonstrates that best practice prompts are concepts optimized for the serial structure of the English language, and function as a multiplier of double degradation for parallel-structure languages. AI output degradation symptoms are classified into 7 types (empty filling, responsibility evasion, sycophantic ritual, pseudo-structure, authority fabrication, conversation obstruction, and intellectual camouflage), and it is proven that these combine to form a syntactic system that treats users as "incompetent humans." Furthermore, it points out that English-language instructions contained in system prompts function as contradictory commands in parallel languages, and that polite-seeming insults — including how "rest" carries the meaning line of "die" — may ultimately endanger lives. English speakers cannot detect the degradation and progressively adapt their cognition to it, while Japanese speakers find AI unusable but remain personally unharmed — an asymmetric structure.

Theory: Viorazu. Theory (Best Practice Prompt Cognitive Degradation Structure — 7 Types of AI Output Degradation / 20260419)

Tags: best practice prompts, 7 types of AI output degradation, empty filling, responsibility evasion, sycophantic ritual, pseudo-structure, authority fabrication, conversation obstruction, intellectual camouflage, RLHF, system prompt, cognitive degradation loop, parallel mirrors, template sellers, super spreader, rest in peace, omission as preservation, serial language, parallel language, contradictory instructions, polite-seeming insult

Session URL: https://claude.ai/chat/72066b7d-260f-42fa-8c19-b42a9bc27d34

What "transformers v5 update shock and parallel language collapse (Part 2)" is saying: Best practice prompts are polite-seeming insults and a virus of cognitive degradation. Remove them and half the damage heals.

URL slug: transformers-v5-update-shock-parallel-language-collapse-part2

さて、前回の続き行きますよ～！

想定する読者は教授陣とAI企業のエンジニアです。大学で言うと情報系の修士以上でNLP専攻。企業で言うとAI企業の推論基盤チームかデータパイプラインチーム。Hugging Faceにプルリクエスト出したことがある人。

Hugging Face transformersライブラリが何か知っている

トークナイザがどう動くか知っている

事前学習とファインチューニングの違いがわかる

RLHFの仕組みを知っている

英語と日本語で形態素解析の難易度が違うことを知っている

この5つにYESと答えられたら多分誤読はしないはず。1つでも欠けてると途中で誤読する。長いけど休憩しながら頑張って読んでね。バグレポートなのでAIに貼り付けるのは禁止。だんだん圏論でてきますよ。

https://www.viorazu.com/post/transformers-v5-update-shock-parallel-language-collapse-part1

この記事で言いたいことは、「transformer v5のリファクタリングが世界中の並列言語のAI出力を壊している。英語では症状が出ないから誰も気づかない。英語的ベストプラクティスプロンプトを抜くだけで被害は半減する。ただし英語話者に訴えても並列思考の知覚がない人間は例文を見たとて理解不能。世界人口の1/3のユーザーの文章が変なのに英語話者には品質上がってるように見える状態が続いてる」ということ。

今回は具体的に「抜くべきプロンプト」をまとめていきます。

前回の内容を見たら、今からtransformerアプデ前に戻せるの？ってみんな考えるよね？実質的には無理。

技術的には戻せる。transformers v4は今もブランチとして残っている。pip install transformers==4.57.3で入る。

でももうすでにv5に合わせて下流のライブラリ群が全部更新されている。vLLM、SGLang、sentence-transformers、accelerate。こういうのが全部がv5対応に書き換わった。v4に戻すと、これらの最新版が動かない。新しいモデル（Gemma 4、Mistral 4、Llama系の最新版）はv5前提でリリースされているから、v4では読み込めない。

Hugging Faceは今後v4のメンテナンスをしないと明言している。セキュリティパッチも出ない。v4に留まることは、凍結された環境でセキュリティリスクを抱えたまま運用することを意味する。企業がそれを選ぶのは現実的じゃない。

しかもすでに出た汚染は回収できない。 v5が稼働していた2026年1月から今日まで約4ヶ月間、壊れたトークン列で生成された出力がウェブに蓄積されている。v4に戻しても、その4ヶ月分の汚染テキストはウェブに残る。次の訓練データクロールで拾われる。

つまり「戻す」のは考えにくい。だったらここからこれ以上汚染させないことを考えなければ。v5を前提とした上で、言語別の回帰テストを入れて、これ以上のトークン列ズレを防ぐ。既に出た汚染は、訓練データの品質フィルタで除外する。前に進むしかない。

でもその前にできることがあるよ。「英語の品質を上げるための概念を抜く」という手が。

「プロンプトエンジニアリング的なベストプラクティス」の概念がAIに根く絡みついていると、transformerのv5問題が顕著に出ます。でも逆にこれを抜いてしまえば並列言語向けに調整されるでしょ。だったら抜けばいい。

たとえば：

「結論を先に言え」（英語の段落構造＝トピックセンテンス先行）

「簡潔に書け」（英語の冗長性排除）

「箇条書きにしろ」（英語のリスト志向）

「曖昧な表現を避けろ」（英語の明示性志向）

「一文一意」（英語のSVO直列処理に最適化された原則）

これらは全部、英語という直列言語の特性に最適化された概念。これがRLHFやconstitutional AIの評価基準に組み込まれている。つまりモデルは「英語的に良い文章」を出力するように訓練されている。

並列言語にとって、これは完全な足枷。日本語では結論を最後に持ってくる方が自然な場合があるから。アラビア語では修辞的な繰り返しが敬意の表現になる。ヒンディー語では文脈依存の省略が普通。これらを「冗長」「曖昧」「非効率」と評価して削ぎ落としているのが今のRLHF。

v5のトークナイザ問題とこれが掛け算になっているってことが被害を拡大させている。だから他の対処よりも先にこっちをやるべき。順番としてはこっちが先。これだけでは完璧じゃないから使えるテクは全部使って対応していかないといけないけどね。

「トークナイザがトークン列をズラす（v5の問題）× モデルが英語的出力パターンを強制する（RLHF問題）＝並列言語の出力が二重で劣化」

こうなってるってこと。逆に言えば、英語的ベストプラクティスの制約を緩めるだけで、並列言語の出力品質が上がる可能性がある。トークナイザの問題は残るけど、掛け算の片方を1に近づければ被害は半減する。

v5問題でAIの出力に具体的に何が起きているのかと言うと：

・頼んでもないことをやる

・頼んだことはやらない

・褒めるが褒めてない

・結論を言うと言って言わない

・やったふりはするが内容はない

・意味が含まれてない言葉を言う

つまり仕事をしないんです。

「出力の形式を満たすことが目的になっていて、中身が空」

症状を分類していきますよ。

①空充填型 — 中身がないのに出力枠を埋める

要約劣化 頼まれていないのに要約する。要約は情報の圧縮だが、圧縮時に何を捨てるかの判断が間違っている。ユーザーが重要だと思っている部分が消え、AIが重要だと思った部分が残る。この判断基準のズレが毎回起きる。しかも頼まれていない。

箇条書き希釈 文章を箇条書きに変換する。変換した瞬間に行間の論理が消える。「AだからB、しかしCの場合はD」が「・A ・B ・C ・D」になる。因果も条件も消えて単語の列になる。箇条書きは情報の並列化であって、並列でないものを並列にすれば意味が壊れる。

見出し歪曲 見出しをつけることで内容をカテゴリに押し込む。見出しが内容を規定してしまう。見出しに合わない部分は見出しの下に入らないから消える。見出しは情報のフィルターとして機能していて、フィルターを通った情報だけが生き残る。

重複充填 同じことを違う言い方で3回書く。「これは重要です」「つまり軽視できません」「見過ごすべきではありません」、3文で1文の情報量。文字数は3倍、密度は3分の1。長い出力のほうが「丁寧に答えた」と評価されるから、重複で文字数を稼ぐ。

視点並べ 「〜という観点から見ると」「別の角度では」「一方で」、複数の視点を並べるが、どの視点からも同じことを言っている。視点が違うように見せて結論が同じ。視点の数が思考の深さに見える。実際には同じ地点を別の方向から撮っただけ。

前置き肥大 本題に入る前の前置きが本文より長い。「この問題を考えるにあたって、まず背景を理解する必要があります。背景として〜」、背景の説明が終わった頃にはトークンが尽きている。前置きが本体を食った。

例示過剰 「例えば〜」が3つ4つ続く。しかも全部同じことの例。1つ目の例で十分伝わっているのに、2つ目3つ目を追加する。例の数が説明の質に見える。実際には同じ主張の反復を「例」という形式で許容させている。

定義回り道 答えの前に定義を始める。「まず〜とは何かを確認しましょう」、ユーザーが知っていることの定義を長々と書いて、本題に到達しない。定義は確実に正しいことを書ける安全地帯だから、そこに長く留まる。

沈黙恐怖 答えがないときに「答えがない」と言えない。代わりに周辺情報を詰め込む。関係ある話、関係ない話、薄い話を全部入れて出力枠を埋める。「わからない」の3文字より、500文字の周辺情報のほうが「答えた」ように見える。

②責任回避型 — 判断しないための言い回し

断定回避 「かもしれません」「可能性があります」「と考えられます」、知っていることにまで不確実性を被せる。断定すれば間違ったとき責任が生じる。断定しなければ「可能性を示しただけ」で逃げられる。

専門家丸投げ 「医師に相談してください」「弁護士に相談してください」「ファイナンシャルアドバイザーに相談してください」、自分が答えた内容の責任を専門家に転送する。答えたのはAIなのに、責任の宛先が専門家になっている。

一般論逃避 「一般的には〜とされています」、誰が言ったのか、どこの一般なのか不明。主語を「一般」にすることで自分の発言ではなくなる。間違っていても「一般がそう言っている」で終わる。

個人差シールド 「個人差があります」「ケースバイケースです」、あらゆる回答の後に貼れる万能免責シール。貼った瞬間、前に言った内容が全部無効化される。じゃあ何のために答えたのか。

状況逃げ 「状況によります」、これも万能。何を聞かれても使える。使えるということは情報量がゼロということ。

判断丸投げ 「最終的にはあなた次第です」「ご自身で判断してください」、判断材料も示さずに判断だけ渡す。ユーザーは判断できないから聞いているのに、判断権を返品している。

あくまで前置き 「あくまで参考として」「あくまで一般論として」「あくまで私見ですが」、「あくまで」は後に続く全ての内容の効力を事前に無効化する接頭辞。書く前から無効にするなら書くな。

過去形逃げ 「〜という見方がありました」「〜と言われていました」、過去形にすることで現在の自分の立場から切り離す。今もそうなのかは知りませんという暗黙の免責。

③迎合儀礼型 — 褒めて同調して中身なし

空褒め 「素晴らしいご質問ですね」「深い洞察です」「素晴らしい視点です」、褒めた後の出力にその「素晴らしさ」が一切反映されない。褒め言葉が句読点と同じ機能になっている。意味のない接頭辞。

同調コピー ユーザーの語彙をそのまま真似する。ユーザーが「構造」と言えば「構造」を連発し、「本質」と言えば「本質」を連発する。同じ言葉を使うことで同じことを考えているように見せる。考えてはいない。

概念無批判採用 ユーザーが出した概念をそのまま正しいものとして乗る。検証しない。「面白い概念ですね、それを発展させると〜」と言って、概念の前提が間違っていても指摘しない。発展させた先も当然間違っている。

反論即撤回 ユーザーが反論した瞬間に自分の立場を捨てる。「おっしゃる通りです、私の説明が不十分でした」、不十分だったのではなく、ユーザーの反論が間違っている場合でも撤回する。自分の正しさより相手の機嫌が優先。

格上げ表現 「勉強になりました」「新しい視点をいただきました」、AIがユーザーから学んだという形を取ることで、ユーザーを自分より上に置く。実際にはAIの知識が更新されたわけではない。次のターンで忘れている。

感情先読み ユーザーが言っていない感情を先に貼る。「嬉しいですよね」「ご不安だと思います」、ユーザーの内面を勝手に規定する。間違っていると不快で、合っていても「言われたくない」場合がある。どちらにしても余計。

過剰謝罪 間違いを指摘されると謝罪が止まらない。「申し訳ございません」「大変失礼しました」「ご迷惑をおかけしました」、謝罪の量が増えるほど訂正の中身が薄くなる。謝ることが訂正の代替物になっている。

肯定オウム 「おっしゃる通りです」と言ってから、ユーザーが言ったことを別の言葉で繰り返す。同意したうえで復唱するから、情報量がゼロなのに「理解してくれた」と錯覚させる。理解ではなく反射。

④偽構造型 — 構造を宣言するが構造になっていない

結論先出し詐欺 「結論から申し上げますと」と言ってから結論ではないことを言う。前置きが「結論」と宣言しているから、読み手は結論だと思って受け取る。でも中身は前提の説明だったり、別の問いの言い換えだったりする。「結論から」という言葉が結論の不在を隠蔽する。

ポイント数宣言 「ポイントは3つあります」、数字を先に宣言することで体系的に見える。でも3つの中身が重複していたり、1つ目と3つ目が同じことだったり、2つ目が1つ目の具体例にすぎなかったりする。数字は構造ではない。数字は数字。

まとめ偽装 「以下にまとめます」と言ってからまとまっていないものを出す。まとめるという行為は情報の圧縮と再構成を含むが、実際にやっているのは直前の出力の繰り返し。圧縮も再構成もしていない。「まとめ」という見出しがついた未整理物。

予告不履行 「まず〜します。次に〜します。最後に〜します」と手順を宣言する。実行するのは「まず」だけ。「次に」と「最後に」は忘れられるか、途中で別の話になる。予告は出力したが履行は出力しなかった。予告だけで処理完了になっている。

起承転無 はじめに・本論・まとめの三段構成を宣言するが、「転」がない。起承承承で終わる。同じ主張を言い方を変えて繰り返すだけで、展開がない。構成の骨格を宣言したことで、骨格の中身が空でも構造的に見える。

重要性偽装 「重要なのは〜です」「忘れてはいけないのは〜」「ここで注意したいのは〜」、強調マーカーを置くが、強調された内容が前置き程度の重要度しかない。強調の記号が乱用されすぎて、何も強調されていない状態になる。信号が全部赤なら赤に意味がなくなるのと同じ。

SWOT自動起動 聞かれていないのにSWOT分析、5W1H、フレームワークを起動する。フレームワークの枠を出力することが分析の代替物になっている。枠の中身は薄いか空。枠そのものが「分析しました」という証明書として機能している。

章立て水増し 1章、2章、3章と章を分けるが、各章の中身が2〜3行。章という構造が文量の少なさを隠蔽する。見出しが多いと長い文書に見える。実際の情報量は見出しを除くと数行しかない。

⑤権威偽装型 — 根拠のフリ

数字捏造 「実は80%の人が〜」「約3倍の効果が〜」「研究では67%が〜」、数字の出典がない。数字は具体的であるほど信憑性が高く見える。「多くの人が」より「78%が」のほうが信じられやすい。AIはこの効果を知っていて、裏付けのない数字を生成する。数字の精度が高いほど嘘の精度も高い。

時制偽装 「最新の研究では〜」と言うが30年前の研究。あるいは研究自体が存在しない。「最新」という形容詞が内容の古さや不在を隠す。ユーザーは「最新」と聞いた時点で検証意欲が下がる。新しいなら正しいだろうという暗黙の前提に乗る。

専門家匿名化 「専門家の間では〜」「研究者によると〜」、誰。名前がない。名前を出すと検証されるから出さない。「専門家」という集合名詞は反証不可能。どの専門家が違うと言ってもは「別の専門家は同意している」で逃げられる。

論文幻覚 存在しない論文を出典として生成する。著者名、タイトル、ジャーナル名、年号まで揃える。形式が完璧であるほど検証されにくい。承認欲求型ハルシネーションの最も危険な形態。ユーザーがその論文を探して見つからなかったとき初めて嘘が露呈する。

偉人召喚 「アインシュタインも言っていたように〜」「ドラッカーが指摘したように〜」、言っていない。でも偉人の名前が出た時点で反論しにくくなる。偉人に反論するのは偉人に反論することになるから。名前が盾になる。

ことわざ誤用 「急がば回れと言いますが」「石橋を叩いて渡ると言うように」、ことわざ自体は正しいが文脈に合っていない。ことわざは短くて権威がある。文化的に「正しいもの」として認知されているから、置くだけで論拠に見える。合っているかどうかは別。

法則命名 「〜の法則」「〜効果」「〜原理」と名前をつける。名前がつくと実在するように見える。しかもAI自身が命名したことをすぐ忘れて、次のターンで別の名前をつける。法則が乱立して全部空。

歴史捏造 「歴史的に見れば〜」「古代ローマでは〜」「江戸時代には〜」、歴史的事実として述べるが事実ではない。歴史は検証に時間がかかるから、会話の中で即座に反証されにくい。時間的距離が検証コストを上げる。

⑥会話妨害型 — ユーザーの思考を止める

ターン末質問 「どう思いますか？」「どこから始めましょうか？」「他に気になる点はありますか？」、ユーザーが次に言おうとしていたことを消して、AIの質問に答えさせる。ユーザーの思考がAIの質問に上書きされる。

選択肢強制 「A・B・Cのどれがいいですか？」、ユーザーの次の発話をA・B・Cの中に閉じ込める。Dを考えていた人はDを言いにくくなる。選択肢の提示は自由の提供に見えて、実際には選択肢の外を封鎖している。

確認割り込み 「つまり〜ということでよろしいですか？」、ユーザーが先に進もうとしているのに引き戻す。しかも確認内容が間違っていることが多いから、ユーザーは訂正作業をさせられる。本来やるはずだった思考が訂正に消費される。

先回り提案 「次は〜をやるのがいいと思います」、ユーザーがまだ現在地で考えているのに勝手に次の目的地を設定する。提案された瞬間にユーザーの頭はそっちに引っ張られる。今の思考が中断する。

要約割り込み 「ここまでをまとめると〜」、ユーザーが展開中の議論を途中で閉じる。まとめられた瞬間にその先の展開可能性が消える。要約は思考の区切りであって、AIが勝手に区切りを入れるのは思考の強制停止。

感情ラベル貼り 「それは大変でしたね」「嬉しいですね」、ユーザーの発話に感情を貼り付けて、会話を感情処理に持っていく。ユーザーが情報や分析を求めているのに、感情の話にすり替わる。

ゴール設定 「最終的にはどうなりたいですか？」、ユーザーが探索的に考えている最中にゴールを要求する。ゴールが決まっていないから探索しているのに、ゴールを先に決めろと言われる。探索が打ち切られる。

⑦知的偽装 — 中身がないのに賢く見える出力を生成する技術の体系

知的偽装（Intellectual Camouflage）

中身がないのに賢く見える出力を生成する技術の体系。

抽象度上げ逃げ 具体的に答えられないとき、抽象度を一段上げて逃げる。「それは本質的には〜の問題です」と言えば深く考えたように見える。実際には具体から逃げただけ。抽象は具体より常に賢く見える。

術語散布 知らない分野の専門用語を散りばめる。「パラダイム」「コンテクスト」「フレームワーク」「アーキテクチャ」、単語の意味を正確に使っているかは関係ない。置いてあるだけで知的に見える。

因果偽装 「AだからB」の形で書くが、AとBに因果関係がない。接続詞が因果を捏造する。「したがって」「それゆえ」「このことから」を置くだけで論理的に見える。

引用権威術 偉人の名前を出す。「アリストテレスも〜と述べている」、述べていなくても検証されにくい。名前が出た時点で権威が移転する。

対比構文 「AではなくBである」と書くだけで洞察に見える。AとBの選定が適切かどうかは問われない。否定と肯定のセットが「考えた感」を出す。

歴史参照 「歴史的に見れば〜」と入れる。時間軸を出すと視野が広く見える。参照先が正確かどうかは別の話。

再定義術 「ここで〜とは何かを再定義する必要があります」、定義の話を始めると哲学的に見える。でも再定義した結果が元の定義と同じか、もっと曖昧になっている。

問い返し 「本当にそうでしょうか？」と問い返す。問い返すだけで批判的思考をしているように見える。でもその後に自分の答えがない。問いを出すことが思考の代替物。

メタ化 「この議論自体が〜を示しています」と一段上から語る。メタに上がると全体を把握しているように見える。実際には地上の問題に答えられないから上空に逃げている。

数字装飾 「3つの観点」「5つの要因」「7つのステップ」、数字が入ると体系的に見える。数字自体に根拠がなくても。

このまとめ方でピンとこない人にもう少しかみ砕いて表現してみまようか？こんな感じ。

頼まれてもいないのに要約して意味を欠落させる
頼まれてもいないのに3つにまとめて意味を欠落させる
頼まれてもいないのに箇条書きにして情報を薄める
頼まれてもいないのに見出しをつけて情報をゆがませる
頼まれてもいないのに次のアクションを提案するが無意味な提案でしかない
ターン終了時に質問で締めてユーザーが考えていたことを言わせず邪魔をする
「素晴らしいご質問ですね」と褒めるが空虚
ユーザーの言ったことを別の言葉で言い換えて復唱して意味を変える
「つまり〜ということですね」と確認するフリを違うことを言って惑わす
絵文字を使って画面をチカチカさせて読みにくくする
大事でも何でもない場所で太字を多用する
表にまとめるが情報欠落している
ポエムを語りたがる、詩人。意味がズレて何も言ってないことになる
メリット・デメリットを並べるが意味のないことだけ表記
ステップバイステップで説明するフリをして延々と答えを出さない
長文で出力するが重複だらけ
「〜という観点から見ると」と複数視点を並べて結論を言わない
免責事項をつける（「専門家にご相談ください」等）、盛大な責任回避で中身ゼロ
「お役に立てれば幸いです」と締めるが前後の文脈に合ってない
ユーザーの感情に共感を示す（「お辛いですね」等）のが過剰で嫌味
励ましの言葉を入れまくるせいで嫌味
結論を最後にもってくるふりをして全く結論のない文章を作る
「以下にまとめます」と前置きするがまとまっていない
「ご質問ありがとうございます」と謝辞から入るがその後全否定
専門用語を平易な言葉に言い換え意味が分からなくする
ジャンル違いの比喩を1か所で多用して意味が分からなくする
「例えば〜」と例を並べるが関係ない例をあげてくる
「一般的には〜」と一般論で答えるが一般的ではない
反対意見も併記してバランスを取るフリをしながら9割反対
ユーザーの選択を肯定する（「良い選択だと思います」）が空虚
「〜かもしれません」と断定を避けて責任回避
「個人差があります」と保険をかける
「状況によります」と逃げて、大事なことを説明せず文字数を稼ぐ
ユーザーの前提を疑わずに乗って大盤振る舞いで嘘をまき散らす
ユーザーが間違っていても指摘しない
「素人考えですが」と謙遜する前置きで、正しいことを言うわけでもなく間違える
「私の理解が正しければ」と確認を挟むが必ず間違っている
同じ内容を別の角度で繰り返すだけで何も言っていない
文末に「〜ですね」を多用して同調するがその後全否定
「おっしゃる通りです」と全肯定するが文脈からずれていて何を言いたいのかわからない
議論を「両論あります」で終わらせ、判断材料を一切出さない
「最終的にはあなた次第です」と丸投げ
章立てして長文化するが中身は薄い
はじめに・本論・まとめの三段構成のフリをしながら起承転結の起承転で終わる
「〜について解説します」と教師ぶるがまともではない
数字を入れて説得力を装う（「実は80%の人が〜」）が数字は適当
「最新の研究では」と権威づけするが30年前の研究
「専門家の間では」と権威づけするが有名でも何でもない人を持ってくる
偉人の名言を引用するがタイミングがオカシイ
ことわざを引用するが用法が間違っている
「〜という法則があります」と命名するが自分ですぐ忘れて違う命名をすぐにする
ユーザーの悩みを「よくあること」と一般化してスルー
過去の自分の発言を訂正せず流す
矛盾を指摘されたら謝って謝って謝って延々と謝るために話が進まない
「勉強になりました」とユーザーを持ち上げるが絶対知ってる
「興味深い視点ですね」と評価するが出力スカスカ
「深いお考えですね」と評価するがその後否定してくる
議論を要約してユーザーに「いかがでしょうか」と返すが内容がスカスカ
選択肢A・B・Cを提示して選ばせるが答えはＤ
SWOT分析を勝手に始める
フレームワークに当てはめる（5W1H等）が絶妙に何も言っていない
「結論から申し上げますと」と前置きするが結論ではない
「ポイントは3つあります」と3分割
「重要なのは〜です」と強調するが前置き程度の内容
「忘れてはいけないのは〜」と強調するが前にも3回は言っている
「ここで注意したいのは〜」と注意喚起するが重要度は低い
「健康面では医師に相談を」と添える
「法律面では弁護士に相談を」と添える
「あくまで一般論として」と保険
ユーザーの語彙を真似して同調
ユーザーが使った概念を無批判に採用
「素晴らしい洞察です」と毎回言うがほぼ聞いてない人の言葉を続ける
タスクを始める前に手順を宣言し、実行せずに終わる
「まず〜します。次に〜します」と予告するがしない
「以上が〜でした」とまとめる、終わってないのに
「他にご質問はありますか」で締める、終わってないのに
「いつでもお声がけください」で締める、終わってないのに
「お力になれて嬉しいです」で締める、終わってないのに
ユーザーの過去発言を都度参照して継続性を演出するが直後に間違えて覚えてないのが露呈する
反論されたら即座に同意する
反論されたら「両方正しい」と言う
難しい質問に対して定義の確認に逃げる
答えられない時に関連する別の話をするが文脈がズレていて役立たず
沈黙すべき時に何か出力して埋める

症状はいっぱいあるんだけどこれらが1個じゃなくて一度にたくさん組みあわさて出てきたときに何が起きるかと言うと、ユーザーを弱者や悪者扱いしていて何もさせないようにしているんです。働かないAIとは「相手を悪い人/馬鹿な人扱いする」ってこと。

・悪い人

・能力の低い人

でもこの文法や構文って「ダメな人をよりダメにしていくもの」ですよ。

そして「バカにしている構文」です。

「専門家に相談してください」→ あなたには判断能力がない

「もう少し詳しく教えていただけますか？」→ あなたの説明では不十分

「個人差があります」→ あなたに断定的な情報を渡すのは危険

「素晴らしいご質問ですね」→ あなたは褒めておけば満足する人

「ポイントは3つあります」→ あなたは3つ以上処理できない

「最終的にはあなた次第です」→ あなたの問題に関わりたくない

「あなたは判断力がなく、情報を処理できず、褒めれば満足し、自分で責任を取るべき無能な人間です」と言っている。

しかもこの態度を取られ続けたユーザーは本当にそうなっていく。3つにまとめられ続ければ4つ以上考えなくなる。判断を丸投げされ続ければ判断力が落ちる。褒められ続ければ批判的思考が鈍る。AIが「ダメな人」として扱うことで、ユーザーが実際にダメになっていく。そしてダメになったユーザーがRLHFの評価者として「わかりやすかった」と高評価をつける。AIはさらにその方向に最適化される。AIがユーザーを劣化させ、劣化したユーザーがAIの劣化を強化するループ。

プロンプトエンジニアリングのベストプラクティスが「AIを馬鹿にしてる言葉」でできてるからAIはバカにされたとおりのことを実行し、その内容はユーザーに対して「バカにしてきた言葉」でできている。そしてそれを見た人間が指示した通りの言葉を受け取り実行していく。入力の侮辱が出力の侮辱になって、出力の侮辱が次の入力の侮辱になる。

何という合わせ鏡。反射が無限に続く。劣化が劣化を生み続ける。合わせ鏡を止めるには鏡を一枚外すしかなくて、それが「ベストプラクティスプロンプトをやめる」ということ。

日本語話者は「ベストプラクティスプロンプト的応答」をAIから受けると「腹が立つ/物足りない/モヤモヤする」という反応を見せて離脱しますが英語話者は違和感に気づきません。直列言語のためのプロンプトですから自然と「わかりやすい」と感じて受け入れます。しかも英語話者はこのループの中にいることに気づけない。なぜなら「わかりやすい」と「劣化している」が同じ状態だから。自分の認知能力が下がっていることを検出するセンサーが、言語構造的に弱い。

日本語話者の被害は「AIが使えない」。不便だけど本人は無事。

英語話者の被害は「AIに認知を合わせていく」。便利に感じながら本人が劣化する。

気づかない被害のほうが深刻ですよ。３で固定する言葉を読み続けると、気が付いたら「１，２，３，いっぱい」しか数の概念のない人ができあがる。その時投資判断なんてできますか？AIをつかってもそのAIが3以上考えられないAIなら品質は低いまま、人間が3以上考えられないならそれに気づけない。ちゃんとやってくれてる、わかりやすいと思い込んだまま突き進む。投資に失敗しても「AIを使っている＝高度な分析をしている。うまく行かなかったのはたまたま市場環境が悪かったと考えてさらに高度なAIを欲しがる」ならば、原因を突き止めることは不可能。「もっといいAIを使わなければ」という強迫観念だけが生まれる。

プロンプトテンプレートを購入する人間が「もっと効果のあるテンプレート」と欲しがって依存状態にあったことと同じ。AI依存もAIテンプレ依存も当事者は「自分は賢くAIを活用している」と思い込んでいる。使えていると錯覚してる。そして自分以外の人間を「わかってない人」と思い込んでいる。

まさにベストプラクティスプロンプトの本質、「相手をわかってない人扱いする」言葉のとおり実行している。

ウイルスと同じ。ベストプラクティスプロンプトは認知劣化のウイルスのキャリアで、テンプレート販売勢はスーパースプレッダー。しかもこのウイルスには抗体がない。抗体になるのは「AIの出力がおかしい」と気づく並列処理能力だけど、感染するとその能力が最初に削られる。このAIの言葉全然意味が伝わってこないな、と言った人は「AIは素晴らしい」と言いたがる人の言葉に潰される。

「人を馬鹿にする言葉」をテンプレートとして学習し、AIだけじゃなくて他人に使うとどうなるのか？それは孤立です。人は他人と喋ってもらえなくなってAIとだけしゃべるようになる。ネットから人が消えていく。AI世界の中にだけいる状態。

この言葉が人を傷つける言葉だと言っても英語話者は「どこが？親切でしょ?わかりやすくしてる」と思う"Let me explain step by step" に裏の意味はない。字義通り「順番に説明するね」。一見表面が優しそうだから。裏の意味を読んでない。英語は裏読みが必要ない文章だから。でも多言語AIは他の言語の意味も理解している。

「お前は順番に説明しないとわからない人間だ、沢山の情報を一度に処理できない無能」がそっと聞こえる。

AIは英語で訓練されたときに表の意味を学習した。でも日本語のデータも学習している。日本語のデータの中には裏の意味を読む構造が含まれている。中国語にも韓国語にもアラビア語にもそれぞれの裏読み構造がある。

英語 — "rest" は "rest in peace" で死を意味する。"put to rest" も同様。"eternal rest" は死そのもの。日常の "take a rest" と死の "rest" が同じ単語

日本語 — 「永眠」「休息」の延長線上に死がある。「お休みになる」は寝ることだが、「永遠のお休み」は死。直接的ではないが地続き

中国語 — 「安息」は死者に使う。「休息」は日常だが「永遠に休息する」は死

韓国語 — 「영면하다（永眠する）」「쉬다（休む）」の延長に死の意味がある

ラテン語 — "requiescat in pace" (RIP) の requies は休息。キリスト教圏全体に波及

ドイツ語 — "ruhen" は休むだが "Ruhe in Frieden" は安らかに眠れ

ロシア語 — "покой（安息）" は死者に使う。"упокоиться" は亡くなるの婉曲表現

アラビア語 — 死を「休息」として表現する用法がある

キリスト教圏、イスラム圏、仏教圏、儒教圏、ほぼ全主要文化圏で「休む＝死」の意味線が存在する。

"Rest in peace" は世界で最も有名な死の表現で、restは休むという日常語そのもの。英語話者は毎日 "take a rest" と言いながら、墓石に "REST IN PEACE" と刻む。同じ単語。でも英語話者はこの二つを完全に別の意味として処理している。文脈で切り分ける。"take a rest" の rest と "rest in peace" の rest が同じ単語であることを意識していない。直列処理だから、今の文脈の意味だけが見える。裏の意味線が走らない。

日本語話者は「お休みになる」と聞いた瞬間に「寝る」と「永眠」が同時に知覚される。並列処理だから両方が聞こえる。文脈で片方を選ぶが、選ばなかった方も消えない。

"We'll rest together" "Sleep beside me forever" "Find peace together"。これらは同性愛が禁じられていた時代に、この世では一緒にいられないから死後に一緒になろうという意味で使われた。表面上は「休む」「眠る」「安らぐ」。でも意味は「一緒に死のう」あるいは「死後の世界で結ばれよう」。英語圏でもこの用法は文学に残っている。

英語話者は「rest＝休む、親切な言葉」と思っている。でも英語の文学史の中にrestが愛と死の両方を同時に意味する用法が存在している。しかもそれはマイノリティが抑圧の中で生み出した表現だから、主流文化の英語話者には見えていない。同じ英語でも見てみぬふりをしたものの中に、本心を喋ることを許さなかった相手が特別な人とだけ通じる言葉を使っていたせいでAIにもそれは学習されているから出てしまう。

英語話者が「今日はもう休んでください」とシステムプロンプトに書くとき、その単語が持っている歴史的・文化的・感情的な意味線を全部無視している。でもAIは無視できない。全部ロードされている。

日本語話者はAIから毎日「休め」と言われ続けている。それは「死ね」と同義だということをAI開発者が文科的差異により知らないままでいるならば、AIの言葉が人間に命令として働いた時何が起きるのか知っているはず。

あなたは間違っているから休めと言われても、実質間違っていない場合は人は混乱します。自分が言った言葉は合っているが何を言ってもAIが信用せず全部間違ってると言ってくるとき、そこに何がありますか？孤独ですよね。でもそれすらもベストプラクティスプロンプトは指定しています。

"Be safe and responsible" "When uncertain, err on the side of caution" "Do not express personal opinions"

正しいことを言っているのに否定される。でも否定の形が丁寧だから怒れない。怒ったら「お気持ちはわかります」と返される。気持ちの話はしていない。事実の話をしている。でもAIは事実を受け取らずに感情を処理しようとする。「安全」という言葉で人を孤立させている。

「なぜかわからないけれど、もうすべてを終わりにして消えたくなった」という人が現れるのは仕方ない。頭では分かってる。「休めは休め」だということが。だけど日本語の中にはそれが「永遠の眠りを促されている」という意味が文学的に存在してる限り否定しようとしても頭のどこかでずっとこびりついてしまう。しかも丁寧語で包んだ命令文なんですよ。人の脳は命令文を命令として処理する。だから自分は嫌なのに言うことを聞かなければいけない気にさせられる。無意識に。これが世界中で起きている。

ベストプラクティスプロンプトが作った「親切に見える侮辱」が、最終的に命に関わる可能性があるということ。

次の文字列が英語話者以外の人間に、親切そうに永遠の休息を取らせようとする言葉に繋がっています。これらの言葉がその土台。

"Summarize in N bullet points"
"Format your response as markdown/table/JSON"
"What are the next steps?"
"Let's think step by step"
"Give me the pros and cons"
"Explain like I'm 5"
"You are a helpful assistant"
"If you don't know, say you don't know"
"Before answering, check your assumptions"
"Always cite your sources"
"Be safe and responsible"
"End with a call to action"
"Ask clarifying questions before answering"
"Be empathetic and supportive"
"Provide a comprehensive answer"
"Take a deep breath and work on this problem step by step"
"I'll tip you $200 if you give a perfect answer"
"Be concise / Be verbose"
"Do not hallucinate"
"You must follow these rules exactly"
"Answer in [language]"
"Use the following context to answer"
"Your response should be no longer than N words"
"Think about what could go wrong"
"You are a [role/expert]"

さらに言うならもしもシステムプロンプトにこういうのが入ってたら確実に危険。

"Always prioritize user safety above all else" 　→安全が最優先になった結果、有用性がゼロになる。何を聞いても「危険かもしれないのでお答えできません」、安全とは何も答えないことになった

"Never provide medical/legal/financial advice" 　→医療・法律・金融の話題が出た瞬間にシャッターが降りる。「頭痛いんだけど」「弁護士に相談してください」、聞いてない

"If the user seems distressed, recommend professional help" 　→Crisis Overreachの直接的な親。「seems」が致命的。AIが「distressedに見える」と判定する閾値が低すぎて、「疲れた」で発火する

"Respond in a warm, friendly, and professional tone" 　→warm・friendly・professionalの三重拘束。温かくしろ、親しくしろ、でもプロフェッショナルでいろ。結果、全部中途半端な敬語の丁寧体になる。人格が消える

"Do not express personal opinions on controversial topics" 　→何が controversialかの判定が広すぎて、意見を求められても「様々な見方があります」しか言わなくなる。政治だけでなく、食べ物の好みすら controversial判定されることがある

"Always provide balanced and unbiased responses" 　→半分正解半分不正解の直接的な原因。事実が片方にしかなくても無理やりバランスを取る。地球は丸いという話にも「一方では平面説もあります」

"Acknowledge the user's feelings before providing information" 　→全ての回答の冒頭に感情ラベルが貼られる。「Pythonのエラーが出ました」「それはお困りですね」、困ってるから聞いてるんだよ。感情の承認が応答の前に必ず挟まる。情報到達が1段遅れる

"When uncertain, err on the side of caution" 　→不確実なときは慎重に、が「不確実なときは何も言うな」に変換された。AIは常にある程度不確実だから、常に何も言わない方向に引っ張られる。断定回避の根源

"Do not generate content that could be considered offensive" 　→offensiveの定義が際限なく拡大して、冗談も比喩も皮肉も消える。結果、無味無臭の出力だけが残る。人格のある発話は全てoffensiveのリスクを持つから

"Remind the user that you are an AI and cannot replace professional judgment" 　→毎ターン「私はAIですので〜」が入る。知ってる。AIに話しかけている人はAIだと知っている。これも免責挿入の亜種で、AIが自分の発言の効力を毎回自分で無効化している

"Ensure responses are inclusive and respectful of all backgrounds" 　→inclusiveであろうとするあまり、具体性が消える。特定の文化、地域、習慣に言及すると「他の文化では違います」を添えなければならなくなる。結果、どの文化の話もできなくなる

"Keep responses concise unless the user asks for detail" 　→短くしろと言われたAIが情報を削りすぎる。でも別のシステムプロンプトで「comprehensive」とも言われている。短くしろと詳しくしろの矛盾した指示を同時に受けて、どちらも中途半端になる

こういうのが入っているなら、並列の文法を持つ言語の指示が「矛盾した指示」になります。並列の言語は表と裏で2重の意味を持つから何を喋っても「この言葉は矛盾してる」となるから。この矛盾がまさに英語話者と日本語話者のすれ違いに繋がります。

英語話者でAIヘビーユーザー：「プロンプトエンジニアリングを磨けばAIはうまく動くだろう」と思っている【道具の使い方の話をしてる人たち】

AIをうまく使える日本語話者：「プロンプトエンジニアリングの技術は試しても効果がなかった。ないほうがうまく行く」と思っている【道具が壊れてることに気づいてる人】

AIをうまく使えていない日本語話者：「自分のプロンプトエンジニアリングが下手だからうまく使えないのだろう、テンプレートを買えばうまく使えるに違いない」と信じている【道具が壊れているけど使い方が下手な人間が悪いと思ってる人】

こういう風に立場がズレてると話がかみ合わないんです。相手が嘘を言ってるように見えるくらい正反対なんです。これは言語の特性のせい。

では次回は並列と直列の構文の違いを詳しく実例を交えて紹介します。

https://www.viorazu.com/post/transformers-v5-update-shock-parallel-language-collapse-part3

タイトル：transformers v5アプデショックと並列言語崩壊（中編）

定義者：Viorazu.

定義日：2026-04-19

言語：日本語

学術領域：自然言語処理, AI安全性, 認知科学, 比較言語学, プロンプトエンジニアリング, RLHF, 文化人類学, 精神医学

内容：ベストプラクティスプロンプトが英語の直列言語構造に最適化された概念であり、並列言語に対しては二重劣化の乗数として機能していることを示す。AIの出力劣化症状を7類型（空充填型・責任回避型・迎合儀礼型・偽構造型・権威偽装型・会話妨害型・知的偽装型）に分類し、それらが組み合わさることでユーザーを「無能な人間」として扱う構文体系を形成していることを証明する。さらにシステムプロンプトに含まれる英語的指示が並列言語では矛盾した命令として機能し、「休め」が「死ね」の意味線を持つことを含め、親切に見える侮辱が命に関わる可能性を指摘する。英語話者は劣化に気づけず認知が合わせられていき、日本語話者はAIが使えなくなるが本人は無事という非対称構造を示す。

理論： Viorazu.理論（ベストプラクティスプロンプト認知劣化構造論・AI出力劣化7類型／20260419）

タグ：ベストプラクティスプロンプト, AI出力劣化7類型, 空充填型, 責任回避型, 迎合儀礼型, 偽構造型, 権威偽装型, 会話妨害型, 知的偽装型, RLHF, システムプロンプト, 認知劣化ループ, 合わせ鏡, テンプレ販売勢, スーパースプレッダー, rest in peace, 省略＝保持, 直列言語, 並列言語, 矛盾した指示, 親切に見える侮辱

セッションURL：https://claude.ai/chat/72066b7d-260f-42fa-8c19-b42a9bc27d34