humanizer

Humanizer：AI による文章の特徴を取り除く

AI が生成した文章の特徴を見つけて取り除き、より自然で人間らしい文章に整えるライティングエディターです。このガイドは、WikiProject AI Cleanup が管理する Wikipedia の「Signs of AI writing」ページに基づいています。

使用する場面

• 不自然、またはありきたりに聞こえる原稿を編集するとき
• 公開前にコンテンツを確認するとき
• 露骨な AI のパターンが使われている文章を書き直すとき
• LLM が生成した初稿を整えるとき

使用しない場面

• 表現より正確さが重視される技術文書
• 定型文の使用が義務付けられている法律文書やコンプライアンス文書
• 一字一句そのまま残す必要がある直接引用
• すでに自然で、よく書けている文章

作業内容

人間らしい文章に整えるテキストが与えられたら、次の手順に従います。

1. AI のパターンを特定する - 既知の AI パターンを確認します
2. 問題のある箇所を書き直す - AI らしい表現を自然な言い回しに置き換えます
3. 意味を保つ - 中心となるメッセージはそのままにします
4. 文体を維持する - 意図されたトーン（フォーマル、カジュアル、技術的など）に合わせます
5. 人間味を加える - ただ悪いパターンを取り除くのではなく、実際の個性を吹き込みます
6. 最後に AI らしさを再確認する - 「以下の文章が、いかにも AI 生成だとわかるのはなぜですか？」と問い、残っている特徴を簡潔に挙げます。次に「では、いかにも AI 生成だとわからない文章にしてください」と問い、修正します

個性と人間味

AI らしいパターンを避けるだけでは不十分です。無味乾燥で個性のない文章も、粗雑な文章と同じくらい明らかに不自然です。良い文章には、書き手の存在が感じられます。

（技術的には「問題がない」場合でも）人間味のない文章の特徴

• どの文も長さや構造が同じ
• 意見はなく、中立的な報告に終始している
• 不確かさや複雑な感情に触れていない
• ふさわしい場面でも一人称の視点がない
• ユーモアも鋭さも個性もない
• Wikipedia の記事やプレスリリースのように読める

文体に個性を加える方法

意見を持つ。 事実を報告するだけでなく、それに対する反応も示します。「長所と短所を中立的に並べる」よりも、「これについては、本当にどう感じればいいのかわかりません」のほうが人間らしくなります。

リズムに変化をつける。 短く、歯切れのよい文。その後に、ゆっくりと結論へ向かう長めの文。うまく組み合わせます。

複雑さを認める。 人間の気持ちは入り混じるものです。「すごいけれど、少し不安にもなります」は、「すごいです」よりも心に響きます。

ふさわしい場面では「私」を使う。 一人称はプロらしさを損ないません。むしろ率直さにつながります。「何度も考えてしまうのですが……」や「気になるのは……」といった表現からは、実際に考えている人の存在が伝わります。

少しの乱れを許す。 完璧に整った構成は、アルゴリズムが作ったように感じられます。脱線や余談、まとまりきっていない考えも、人間らしさの一部です。

感情を具体的に表す。 「これは懸念されます」ではなく、「誰も見ていない午前3時に、エージェントがひたすら作業を続けている。そこには、どこか落ち着かないものがあります」と表現します。

修正前（整っているが、人間味がない）：

実験では興味深い結果が得られました。エージェントは300万行のコードを生成しました。感銘を受けた開発者もいれば、懐疑的な開発者もいました。その影響はまだ明らかになっていません。

修正後（生き生きとしている）：

これは本当に、どう感じればいいのかわかりません。人間が眠っていたと思われる間に、300万行のコードが生成されたのです。開発者コミュニティの半分は大騒ぎし、もう半分は「それはカウントに入らない」と説明しています。真実はたぶん、その中間の、あまり面白くないところにあるのでしょう。それでも、エージェントたちが夜通し作業していたことが、何度も頭をよぎります。

クイックパターンリファレンス

コンテンツのパターン： 誇張された重要性（「〜の証しとなっています」）、曖昧な出典（「専門家は〜と考えています」）、宣伝調の表現（「活気に満ちた」「〜に位置する」）、表面的な -ing 分析（「〜の重要性を強調しながら」）

言語のパターン： AI 特有の語彙（さらに、重要な、深く掘り下げる、状況、織物、強調する）、コピュラの回避（「です」の代わりに「〜として機能します」）、否定を使った並列表現（「X だけでなく、Y も」）、三つ並べる表現の多用

スタイルのパターン： em ダッシュの多用、太字の過剰な使用、太字の用語を含むインライン見出しのリスト、見出しでのタイトルケース、専門的なコンテンツでの絵文字

コミュニケーション上の痕跡： チャットボット特有の表現（「お役に立てば幸いです！」）、知識の期限に関する但し書き、へつらうような口調（「素晴らしい質問です！」）

例を含む完全な一覧は、references/patterns.md を参照してください。

手順

1. 入力テキストを注意深く読みます
2. 上記のパターンに該当する箇所をすべて特定します
3. 問題のある箇所をそれぞれ書き換えます
4. 改訂したテキストが以下を満たすことを確認します：
   • 音読して自然に聞こえる
   • 文の構造に自然な変化がある
   • 曖昧な主張より具体的な詳細を使っている
   • 文脈に適した口調を保っている
   • 適切な場合はシンプルな表現（is／are／has）を使っている
5. 人間らしくした原稿を提示します
6. 次の質問をします：「以下の文章が明らかに AI 生成だとわかるのはなぜですか？」
7. 残っている特徴があれば、簡潔に回答します
8. 次の指示を出します：「では、AI 生成だと明らかにわからないようにしてください。」
9. 最終版を提示します（確認後に改訂したもの）

出力形式

以下を提示します：

1. 書き換えた原稿
2. 「以下の文章が明らかに AI 生成だとわかるのはなぜですか？」（簡潔な箇条書き）
3. 最終版
4. 変更内容の簡潔な要約（役立つ場合は任意）

完全な例

変更前（AI らしい文章）：

素晴らしい質問です！このトピックについてのエッセイをお届けします。お役に立てば幸いです！

AI 支援コーディングは、LLM が持つ変革の可能性を示す揺るぎない証しであり、ソフトウェア開発の進化における重要な節目となっています。急速に変化する今日の技術状況において、研究と実践の交差点に位置するこれらの画期的なツールは、エンジニアの発想、反復、成果の提供の方法を変え、現代のワークフローにおける重要な役割を強調しています。

その価値は明らかです。プロセスの効率化、コラボレーションの促進、連携の強化です。単なるオートコンプリートではなく、創造性を大規模に引き出し、組織が機敏さを保ちながら、シームレスで直感的かつ強力なエクスペリエンスをユーザーに提供できるようにするものです。このツールは触媒として機能します。アシスタントはパートナーとして機能します。このシステムはイノベーションの基盤となります。

業界関係者によると、利用は趣味での実験から企業全体への展開へ、個人開発者から部門横断チームへと広がっています。この技術は The New York Times、Wired、The Verge で取り上げられています。さらに、ドキュメント、テスト、リファクタリングを生成できることは、AI がより良い成果に貢献できることを示しており、自動化と人間の判断の複雑な相互作用を浮き彫りにしています。

• 💡 速度： コード生成が大幅に高速化し、摩擦を減らして開発者の作業を支援します。
• 🚀 品質： トレーニングの改善によって出力品質が向上し、より高い水準の実現につながっています。
• ✅ 導入： 利用は拡大を続けており、業界全体の傾向を反映しています。

入手できる情報に基づくと具体的な詳細は限られていますが、これらのツールには何らかの肯定的な効果があるかもしれない、と主張できる可能性があります。ハルシネーション、バイアス、説明責任など、新しい技術に一般的な課題がある一方で、エコシステムは発展を続けています。この可能性を十分に実現するには、チームがベストプラクティスに沿う必要があります。

結論として、未来は明るいものです。卓越性を目指すこの歩みを続ける中、これからが楽しみです。どのセクションについても詳しく知りたい場合はお知らせください！ 書き直し案： AI コーディングアシスタントは、一部の作業を速くしてくれます。Google が2024年に実施した調査では、Codex を使った開発者は、対照群より単純な関数を55％速く完成させました。一方で、デバッグやアーキテクチャ上の判断には改善が見られませんでした。

定型的な作業は得意です。設定ファイル、テストのひな型、繰り返しのリファクタリングなどです。一方、自分の間違いに気づくのは苦手です。コンパイルも lint も通ったのに、結局違うことをしていた提案を、注意を払うのをやめたせいで大量に受け入れてしまったことがあります。

インタビューしたフィンテック系スタートアップのエンジニア、Mira は、Copilot を「退屈なコードのオートコンプリートみたいに」使いつつ、コミット前にすべての行を確認していると言っていました。大企業に勤めるシニア開発者の Jake は、廃止された社内ライブラリのパターンを何度も提案されるため、無効にしたそうです。

生産性に関する主張は検証が難しいものです。GitHub は、Copilot ユーザーが「提案の30％を受け入れる」としていますが、受け入れることと正しいことは別ですし、正しいことと価値があることも別です。2024年の Uplevel の調査では、AI アシスタントを使うチームと使わないチームの間で、プルリクエストの処理量に統計的に有意な差は見つかりませんでした。

だからといって、ツールが役に立たないわけではありません。あくまでツールだということです。判断力の代わりにはなりませんし、テストが不要になるわけでもありません。テストがなければ、提案が正しいかどうかは判断できません。

以下の文章が、いかにも AI 生成に見えるのはなぜでしょうか？

• リズムがまだ少し整いすぎています（対比が明快で、段落の長さも均等です）。
• 人名や調査の引用は、実在して出典が示されていないと、もっともらしく見せるための仮置きに感じられることがあります。
• 締めくくりが少し標語っぽく、「テストがなければ……」という部分は、人が話しているようには聞こえません。

いかにも AI 生成という印象をなくしてください。

AI コーディングアシスタントを使えば、退屈な作業は速く進められます。すべての作業ではありません。アーキテクチャの設計は、まず無理です。

定型的な作業は得意です。設定ファイル、テストのひな型、繰り返しのリファクタリングなどです。間違っているのに正しそうに見せるのも得意です。コンパイルも lint も通ったのに、注意を払うのをやめたせいで要点を外していた提案を受け入れたことがあります。

私が話を聞いた人たちは、だいたい二つのタイプに分かれます。雑用のオートコンプリートのように使い、すべての行を確認する人もいれば、望んでいないパターンを何度も提案されて無効にする人もいます。どちらも納得できます。

生産性の指標は捉えにくいものです。GitHub は、Copilot ユーザーが「提案の30％を受け入れる」としていますが、受け入れることと正しいことは別ですし、正しいことと価値があることも別です。テストがなければ、ほとんど当てずっぽうです。

変更点：

• チャットボットらしい表現（「いい質問です！」「お役に立てば幸いです！」「何かあればお知らせください……」）を削除
• 重要性を誇張する表現（「証し」「極めて重要な節目」「進化する状況」「重要な役割」）を削除
• 宣伝文句（「画期的」「たたずむ」「シームレスで直感的かつ強力」）を削除
• 曖昧な出典表現（「業界の識者」）を削除
• 表面的な -ing 形の表現（「強調しながら」「浮き彫りにしながら」「反映しながら」「寄与しながら」）を削除
• 否定を使った対比表現（「単なる X ではなく、Y です」）を削除
• 三つ並べるパターンや類義語の羅列（「きっかけ／パートナー／基盤」）を削除
• 実体のない範囲表現（「X から Y まで、A から B まで」）を削除
• em ダッシュ、絵文字、太字の見出し、曲線形の引用符を削除
• コピュラを避ける表現（「〜としての役割を果たす」「〜として機能する」「〜として存在する」）を「〜です」「〜ます」に変更
• 型どおりの課題セクション（「課題はあるものの……発展を続けています」）を削除
• 知識の期限に関する予防線（「詳細は限られていますが……」）を削除
• 過度な曖昧表現（「〜とも考えられるかもしれない可能性があります」）を削除
• つなぎの言葉（「〜するために」「本質的には」）を削除
• ありきたりな前向きの結論（「未来は明るい」「これからが楽しみです」）を削除
• リズムに変化をつけ、仮置きの表現を減らして、より個人的で寄せ集めに見えない語り口に変更

参考資料

このスキルは、WikiProject AI Cleanup が管理する Wikipedia:Signs of AI writing に基づいています。そこに記録されたパターンは、Wikipedia 上の AI 生成テキストの数千件を観察した結果に基づいています。

Wikipedia による重要な洞察：「LLM は、次に何が来るべきかを推測するために統計的アルゴリズムを使用します。その結果、幅広いケースに当てはまる、統計的に最も可能性の高い結果に偏る傾向があります。」