意味も引用も変えずにAIの文章を人間らしくする方法

AIの支援を受けた文章を、意味を変えずにヒューマナイズするには、書き直しの際に六つの要素を固定しておく必要があります。主張、数値と単位、各ヘッジ表現の強さ、引用とその対象、分野の用語、そして文と文の論理的なつながりです。文体、リズム、文の構造は動かしてかまいません。しかし、この六つは動かせません。

書き直しツールの失敗の多くは、まさにこのリストの項目での失敗です。しかも出力は読みやすいままなので、見落としがちです。このガイドでは、変えてはならないもの、よく見られる失敗パターン、そして指導教員や共著者、ジャーナルに渡す前に書き直した原稿に対して行える確認手順を紹介します。

決して変えてはならないもの

学術的な文が伝えるのは、テーマだけではありません。著者がどの程度確信しているか、根拠がどこから来ているか、何を正確に測定したかも込められています。テーマを保っていても、そのどれかがずれた書き直しは、もはや別の文です。

ヘッジ表現には特に注意が必要です。Ken Hylandは研究論文の分析で、ヘッジ表現を科学者が主張を提示するうえでの中心的な要素と位置づけています。ヘッジは確実性ではなく可能性を示し、主張が同分野の研究者に受け入れられる助けになります（Hyland, Hedging in Scientific Research Articles, 1998）。名詞がすべて残っていても、ヘッジを取り除けば主張は変わってしまいます。

よくある失敗パターン

以下のパターンは、言い換えツール、「rewrite this」と頼まれた汎用のチャットモデル、そして一部のヒューマナイザーに共通して見られます。どれもざっと読んだだけでは見過ごされがちです。

ヘッジのずれ

書き直しツールは文章を断定的にしがちです。断定的な文のほうが短く流暢だからです。「These results suggest a possible association」が「These results show an association」になります。考察セクション全体を通して見ると、目立った誤りが一つもないまま、慎重な論文が過剰な主張をする論文へとずれていくことがあります。

引用の外れ

文を組み替えると、引用が違う節の隣に移ったり、別々の主張を裏付ける二つの引用が文末にまとめられたりします。参考文献リストは正しいままでも、根拠と主張の対応関係が崩れてしまうのです。

数値の丸めと単位の欠落

「p = .047」が「p < .05」に、「a 23% decrease」が「a decrease of nearly a quarter」に変わり、「0.8 mL」からは単位が抜け落ちます。どれも文体上の変更に見えますが、どれも読者が検証できる内容を変えてしまいます。

用語の置き換え

類義語ツールは、決まった用語を日常語に置き換えます。極端な場合、Cabanac、Labbé、Magazinovが「tortured phrases」（ねじ曲げられた表現）と呼んだもの、たとえば「artificial intelligence」を「counterfeit consciousness」とするような表現が生まれます（Cabanac et al., 2021）。「significant」が統計的な意味を失うような、より微妙なケースのほうが見つけにくいものです。

範囲の変化

「In this sample of 84 rural clinics」が「in rural clinics」になります。主張の範囲を限定していた修飾語が消えてしまうのです。

元の文

In our cohort, higher baseline HbA1c may be associated with slower wound healing (Okafor et al., 2020), although the effect (β = 0.31, 95% CI 0.12 to 0.50) was limited to patients over 60.

不注意な書き直し

Higher baseline HbA1c slows wound healing, an effect of roughly 0.3 that was strongest in older patients (Okafor et al., 2020).

二つ目の版だけを読むと、どこもおかしく見えません。しかし一つ目と比べると、ヘッジ付きの関連が因果関係の主張に変わり、信頼区間が消え、サブグループの限定が程度の差にすり替わり、引用が主な関連ではなくサブグループの知見を裏付けているように見えることがわかります。

選択的な書き直しでリスクが下がる理由

書き直された文はどれも、こうした誤りが起こる機会になります。したがって文書全体を書き直すツールは、変更の必要がなかった文も含め、すべての主張、数値、引用をずれの危険にさらします。検出ツールが実際に判定した文だけを書き直すツールなら、危険にさらされる範囲ははるかに小さくなります。8文中2文が判定された段落なら、6文は書いたとおりに戻ってくるので、確認は2文に集中できます。

これが、文単位のAI検出で文単位の作業を推す主な理由であり、検出スコアを動かせたとしても言い換えツールが学術の場でうまくいかない理由でもあります。用語はそれ自体が一つのテーマです。研究用語に特別な扱いが必要な理由をご覧ください。

書き直した原稿の確認手順

どんなツールを使っても、著者による最終確認は欠かせません。ICMJEの勧告ははっきりと、AI支援技術を使った「Humans are responsible for any submitted material」（提出物の責任は人間にある）と述べ、引用した資料の帰属を適切に示すことを著者に求めています（ICMJE）。次の手順を使えば、その確認を効率よく行えます。

1. 読み直すのではなく差分を見る新しい版を最初から読むのではなく、変更された各文を元の文と並べて比較します。
2. すべての数値を確認する元の文にある数値、単位、p値、区間を一つずつ出力内で検索し、完全に一致しているか確かめます。
3. ヘッジを対応させる元の文にあるmay、might、suggest、appear、likelyのそれぞれについて、書き直しに同じ強さの表現があるかを確認します。
4. 引用を主張に固定する各引用が、同じ文の中にあるだけでなく、裏付けていた主張の隣に今もあるかを確認します。
5. 用語の置き換えをチェックする定義済みの用語、略語、変数名が変わっていないかを確認します。
6. 段落を声に出して読む文と文の論理が崩れていないか、特に接続語の変化に耳を傾けます。

作業を速くするコツが二つあります。一つ目は、元の文章を別ファイルに保存しておき、いつでもきれいな状態で比較できるようにすることです。その記録が、万一著者性を問われたときにも役立つ理由は、作業過程を示す研究ノートの残し方の記事で取り上げています。二つ目は、書き直しで意味が変わった場合、その書き直しを編集するのではなく、その文を不採用にすることです。質の悪い言い換えを手直ししても、誤りは残りがちです。すべて自分で行いたい場合は、AIの文章を手作業で人間らしくする方法のガイドで手順を追って紹介しています。

Academic Humanizerの意味の扱い方

Academic Humanizerは、このリストを軸に設計されています。HumanizerはAI検出ツールに判定された文だけを書き直し、それ以外の文はすべて書いたとおりに残し、主張、根拠、数値、引用、分野の用語を保つことを目指しています。AI Detection Reportでは判定された各文と書き直しが並べて表示されるので、上で紹介した並列での確認をすばやく行えます。それでもAIの出力には誤りや意味の変化が含まれることがあるため、レポートは自分で読んで確認するための出発点と考えてください。そして提出前には、ジャーナルや所属機関のAI開示ルールを確認してください。