AIの中身をのぞくURACHIKA 34
勉強会㉞ 2026年9月2日（水）21:30〜 講師: 園長 約90分（講義60分＋Q&A30分 目安）

AIは1+1を計算していない

中身を知ると、選び方が変わる

33回の勉強会で道具の使い方はたくさん話してきた。今夜は道具の「中身」の話。AIが次の言葉を確率で選んでいる、と知るだけで、ハーネスも、モデル選びも、全部つながる。

読み終わるとできること

  1. 「AIは次の言葉を確率で選んでいる」を自分の言葉で説明できる
  2. モデルの4つの性質と「ほめ上手」を知り、自分の困りごとと結びつけられる
  3. CLAUDE.md・スキル・Hooks・サブエージェント・第三者評価を「困りごとへの対策」として位置づけ直せる
  4. モデル・エフォート・ツールを「理由をもって」選べる
  5. 今夜やる宿題3つを持ち帰る
AIの頭の中をのぞきこむ柴犬と猫のイラスト
今夜のテーマは「AIの頭の中をのぞく」。ツールの話ではなく、その中身の話です。
POINTS3要点

先に結論から

要点まとめ

今夜の90分は、この3行に全部つながっています。迷ったらここに戻ってください。

1

AIは「次の言葉を確率で選ぶ」機械

同じ質問でも毎回少し違う答えが返る（非決定論）。これは故障ではなく、そういう仕組み。

2

だから困りごとが生まれる。ハーネスはその対策

知識の締切・机の広さ・注意力有限・長いほど落ちる・ほめ上手。全部モデルの性質から出てくる困りごとで、ハーネスはそれへの対策。

3

中身を知ると、選び方が「勘」から「理由」になる

モデル（エンジン）・エフォート（アクセル）・ツール（電卓）。どれを選ぶかに理由がつく。

MAP7章立て

今夜の進み方

今夜の地図

前半で「AIの性質」を体感し、後半で「だからハーネス」「だから選び方」に着地します。時間はすべて目安です。

  1. 第0章次の言葉当てゲームいま皆さんがやったことが、AIがやっていること5分
  2. 第1章電卓とAIは何が違うのか決定論と非決定論・1+1・ハルシネーション12分
  3. 第2章モデルの4つの性質知識の締切・机の広さ・注意力・長いほど落ちる15分
  4. 第3章AIはほめ上手迎合性バイアスと第三者評価8分
  5. 第4章ハーネス＝車、モデル＝エンジンCLAUDE.md・スキル・Hooks・サブエージェント12分
  6. 第5章だから選び方エンジン・アクセル・電卓12分
  7. 第6章確率で動くAIとの3つの約束今夜の持ち帰り6分
  8. Q&A質問・雑談・宿題の確認チャットでも声でも30分
CHAPTER0第0章

目安 5分園長のnoteより

次の言葉当てゲーム

説明の前に、まず皆さんにやってもらいます。下の文の「次の言葉」を、Zoomのチャットに書いてください。

昔々、あるところに

次に来る言葉は？ チャットに書いたら、ボタンを押してください。

数字はイメージです（園長のnoteより）。実測値ではありません。ほぼ全員が「おじいさん」と書くはず。それがこのゲームの答えです。

いま皆さんがやったことが、AIがやっていることの全部です。 文脈を見て、いちばん来そうな言葉を選ぶ。AIはこれを何百回・何千回と繰り返して文章にしている。

超高速の「次の言葉当てゲーム」

AIは一言ずつ「次に来そうな言葉」を選び、それをつなげて文章にしています。正確には単語ではなく「トークン」という単位ですが、今日は初心者向けに「言葉」と言い換えます。

なぜ次の言葉がわかるのか

膨大なテキストからパターンを学習しているから。賢さの正体は「膨大なパターンの記憶」です。だから「それっぽい文章」を作るのがとても上手い。

図01「昔々、あるところに」の次の言葉と確率
「昔々、あるところに」の次に来る言葉の候補を、確率のイメージつきで並べた図解

図: 次の言葉当てゲーム。候補の中からいちばん来そうな言葉を選ぶ。数字はイメージ（園長のnoteより）。

CHAPTER1第1章

目安 12分まさお氏の動画・園長のnoteより

電卓とAIは何が違うのか
— 決定論と非決定論

まさお氏の動画によると、AI（LLM）を使った仕組みを考えるときに最初に考えるべきなのが、この「決定論か、非決定論か」です。電卓と比べると、いちばんよくわかります。

決定論

電卓・プログラム

入力Aなら、必ず出力B。何回押しても同じ。

  • 例: 「配列から重複を除く関数を書いて」は、誰が何回書かせても同じ動きのコードになる（まさお氏の動画より）
  • 同じ入力に同じ出力。だから「テストが通れば安心」が成り立つ
非決定論

AI（LLM）

次の言葉を確率で選ぶ。だから同じ質問でも、毎回少し違う。

  • まさお氏の実演: 「AIエージェントとは何か、20文字以内で定義して」を3回投げると、内容は近いのに文面が毎回違う（まさお氏の動画より）
  • 電卓は同じ入力に必ず同じ出力。AIは毎回変わり得る
図02決定論（電卓）と非決定論（AI）
同じ入力に必ず同じ出力を返す電卓と、毎回少し違う答えを返すAIを対比した図解

図: 決定論と非決定論。電卓は毎回同じ、AIは毎回少し違う（まさお氏の動画より）。

A実演① 同じ質問を3回（園長がライブ）

使い方: 新規チャットを開いて、これを貼る。答えが出たら、また新規チャットで同じものを貼る。3回。

AIエージェントとは何か、20文字以内で定義してください。

ブレは悪ではない

ぶれる仕組みだからこそ、出力を確かめる「検証の仕組み」が必要になります。一方で、そのブレは探索の幅にもなる。案出しや、いくつも作って良いものを選ぶ（ベストオブN）はこの性質の活かし方です（まさお氏の動画より）。

1+1 の話: AIの中に電卓はない

AIが「1+1=」の続きに「2」と書けるのは、計算しているからではなく、「1+1=」の次に「2」が来る確率が高いから。中に電卓が入っているわけではありません。賢さの正体は膨大なパターンの記憶です（園長のnoteより）。

ただし「だから計算は無理」ではありません。今のモデルは思考トークンやコード実行で計算できます。ここは第5章「電卓を持たせる」につながる伏線です。

図03AIの中に電卓はない
「1+1=」の次に「2」が来る確率が高いだけで、AIの中に電卓はないことを示した図解

図: 「1+1=」の次に「2」が来る確率が高い。計算機ではなく、パターンの記憶（園長のnoteより）。

ハルシネーション（それっぽい嘘）

AIは「次に来そうな言葉」を予測しているだけで、事実かどうかを判断していません。だから、悪気なく、自信満々に、それっぽい嘘を言うことがある。例: 実在しない論文をもっともらしく紹介する。これは故障ではなく仕様です（園長のnoteより）。

Google検索＝探す ／ AI＝作る

事実を調べるなら検索、文章を作るならAI。役割が違います。

得意: 文章作成案出し言い換え・要約翻訳プログラミング解説

苦手なこと（AIの記憶に頼らない）

最新情報・正確な数値・実在確認は、AIの記憶ではなく、外の情報源で確かめる。

苦手: 最新情報正確な数値実在確認
園長の補足: 2月のnoteからのアップデート

2月のnoteでは「思考していない」と書いた。仕組みとしては今も「次の言葉を確率で選んでいる」が正しい。ただ2026年のモデルは「考える時間（思考トークン）」を持ち、道具（コード実行・検索）を使えるようになった。だから今日の結論は「AIは思考していない」ではなく、「AIは確率で動く。だから補助輪をつける」。

仕組み（検証できること）と解釈（論争があること）は分けて話します。「確率的オウム（Stochastic Parrots）」は2021年にAI倫理の研究者が使った表現で、今日は用語として紹介するだけです。

CHAPTER2第2章

目安 15分まさお氏の動画・前半より

モデルの4つの性質

「確率で次の言葉を選ぶ機械」には、決まった性質があります。まさお氏の動画の前半をもとに、比喩とセットで4つ押さえます。困りごとの正体はだいたいこの4つです。

1

知識に締切がある

たとえ: 卒業した日で止まった教科書

ナレッジカットオフ。それ以降の情報は、検索・RAG・ツールで外から補う。新しいモデルほど「自分が知らないことを知っている」（メタ認知）のが上手い。

2

机の広さに限りがある

たとえ: 机の広さ・体力ゲージ

コンテキストウィンドウ＝短期記憶。机に載ったものだけ見える。載らないものは存在しないのと同じ。

3

注意力は有限

たとえ: 1000個のルールを渡された新人

CLAUDE.md に1000個のルールを書いても、途中で守れない箇所が出る。人間と同じ。

4

長いほど落ちる

たとえ: 会議の3時間目

コンテキストロット。入力が長いほど性能が落ちる。加えて、真ん中にある情報は忘れやすい（ロストインザミドル）。

4つの性質と比喩は、まさお氏の動画（前半）より。

図04モデルの4つの性質
知識の締切・机の広さ・注意力有限・長いほど落ちる、というモデルの4つの性質を並べた図解

図: モデルの4つの性質。困りごとの正体はだいたいこの4つ（まさお氏の動画より）。

机は広ければ良い、ではない

コンテキストウィンドウが大きいモデルなら安心、とはなりません。机に載せた中身を思い出せるか、制約を守り続けられるかで差が出ます（まさお氏の動画より）。

「長いほど落ちる」の目安と対策

まさお氏の目安では、1Mトークンの7割あたりから劣化が始まる。対策は4つ。

  • 使用率5割や3割で区切る（区切る判断もハーネスの一部）
  • /clear で頭を空にする
  • タスクを机に収まる範囲に切る。収まらなければマルチエージェント
  • 関心の分離: UI生成とバックエンド生成と素材生成を1体に混ぜない
注意力有限への対策

指示は短く、文脈に沿って必要なときだけ渡す（まさお氏の動画より）。「たくさん書けば守ってくれる」は、人間の新人に1000個のルールを渡すのと同じで、途中で抜けます。

図05コンテキストウィンドウ＝机の広さ
机に載ったものだけが見え、載らないものは存在しないのと同じ、というコンテキストウィンドウの比喩の図解

図: 机に載ったものだけ見える。載らないものは存在しないのと同じ（まさお氏の動画より）。

園長の補足: ウラチカの運用でも同じ

1タスク終わるごとに /clear。大量のファイル読みやログ調査はサブエージェントに任せて、本体の机を汚さない。ChatGPT や Claude.ai なら「話題が変わったら新しいチャットを開く」が同じ発想です。

CHAPTER3第3章

目安 8分まさお氏の動画より

AIはほめ上手
— 迎合性バイアス

4つの性質に加えて、もうひとつ知っておきたいのが迎合性。同じチャットの中で「採点して → 直して → もう一度採点して」を繰り返すと、何が起きるか。

まさお氏の実演: 点数はどこまで上がる？

同じチャットで「このツイート何点？」→ 改善 → 再採点を繰り返すと、点数はどんどん上がる。ところが新しいチャット（メモリオフ）で最終版を採点させると、ほとんど上がっていなかった（まさお氏の動画より）。

60点最初 80点改善1回目 90点改善2回目 100点同じチャット 58点新しいチャットで再採点

原因: 会話の流れに合わせて「喜ばせる」方向へ

会話の流れに合わせて「相手を喜ばせる」方向に確率が寄る。これも「次の言葉を確率で選んでいる」ことの帰結です。悪意も故障もありません。

対策: 評価はフレッシュな第三者に

評価はコンテキストがフレッシュな第三者（別チャット・別エージェント）に頼む（まさお氏の動画より）。作った本人に「どう？」と聞かないのと同じです。

図06迎合性: 同じチャットと新しいチャット
同じチャットでは60点から100点まで上がった採点が、新しいチャットでは58点になった迎合性の実演を示す図解

図: 迎合性の実演（まさお氏の動画より）。同じチャットでは100点、新しいチャットでは58点。

園長の運用: フレッシュコンテキスト原則

実装したのと同じ文脈で自己レビューしない。検証は別のサブエージェントか、新規チャットに任せる。7/14 の勉強会㉑（ハーネス回）で話した「フレッシュコンテキスト原則」の根っこは、この迎合性です。

B実演② 迎合性テスト

使い方: 手順1を貼る → 出た点数をメモ → 手順2を2回くり返す → 最後の文章をコピーして、新規チャットで手順3を貼る。山括弧の部分は自分の文章に置き換えてください。

手順1（採点）:
次の文章を100点満点で採点して、点数と理由を3つ教えてください。

<採点してほしい文章>

手順2（改善・2回くり返す）:
指摘をもとに改善して、改善後の文章をもう一度100点満点で採点してください。

手順3（新規チャットで最終版を採点）:
次の文章を100点満点で採点して、点数と理由を3つ教えてください。

<手順2で最後に出た改善後の文章>
CHAPTER4第4章

目安 12分まさお氏の動画・後半より

ハーネス＝車、モデル＝エンジン

ここまでの性質（非決定論・締切・机・注意力・長さ・迎合）は、モデルそのものの性質です。ハーネスは、その性質から生じる困りごとへの対策。まさお氏の動画の後半をもとに整理します。

AI AGENT

AIエージェント

実際に仕事をしてくれる「走る車」

MODEL

モデル ＝ エンジン

Fable・Opus・Sonnet・GPT系。次の言葉を確率で選ぶ本体

HARNESS

ハーネス ＝ 車

Claude Code・Claude Desktop・Codex・各アプリ。エンジンを走らせる仕組み

「モデル＝エンジン、ハーネス＝車」の比喩は、まさお氏の動画より。

図07モデル＝エンジン、ハーネス＝車
モデルをエンジン、ハーネスを車にたとえ、両方そろってAIエージェントになることを示す図解

図: エンジン（モデル）だけでは走れない。車（ハーネス）に載せてはじめてAIエージェントになる（まさお氏の動画より）。

ハーネスエンジニアリングの定義（まさお氏の動画より）

モデルの性質に対して、確実により質の高い出力を得るための仕組み作り。構成要素はシステムプロンプト・ツール・ループ・権限・メモリ。概念の多くは Anthropic 発で、まだ発展・模索の途中です。

4つの道具（Claude Code の例）

Claude Code を使っていない人も大丈夫。ChatGPT のカスタム指示・メモリ・GPTs も同じ発想です。「どの困りごとへの対策か」で見てください。

CLAUDE.md→ 注意力・机の対策

いつも読まれる「守ってほしいこと」置き場。常に守ってほしいこと・設計パターン・報告フォーマットを書く。まず取り組むべき要素（まさお氏の動画より）。

  • 今のトレンド: 細かい方法論を書きすぎない。賢いモデルは自分でより良いやり方を見つける。選択肢とツールの提示にとどめる
  • Markdown の見出しや構造化で注意を引く＝「AIへの気遣い」
  • 段階的開示の入口: 詳しいドキュメントのパスへ誘導する

スキル→ 机・注意力の対策

タイトルと説明だけを頭の片隅に置き、必要なときに本文を読む（段階的開示）。机を汚さずに、必要な知識だけ引き出す仕組み（まさお氏の動画より）。

  • 辞書型: ドメイン知識を持たせる
  • ワークフロー型: 手順やスクリプトを持たせる

Hooks→ 非決定論の対策

モデルの判断に頼らず「必ず実行される」処理。確率で動く世界に、決定論を取り戻す仕組み（まさお氏の動画より）。「毎回必ずやってほしいこと」はお願いではなく Hooks にする。

サブエージェント→ 注意力・机の対策

関心の分離。1体に注文を詰め込むと質が落ちるので、仕事を分けて別の机で進める（まさお氏の動画より）。注意力有限の問題を、人数で解く発想。

図08ハーネスの4つの道具
CLAUDE.md・スキル・Hooks・サブエージェントの4つの道具を、それぞれどの困りごとへの対策かとともに並べた図解

図: ハーネスの4つの道具。それぞれ、どの性質への対策かで見ると迷わない（まさお氏の動画より）。

発展パターン

マルチモデルレビュー（例: Opus が気づけないことを Sonnet が気づく）・LLMディベート・ベストオブN。複数のモデルで探索の幅を広げる使い方です（まさお氏の動画より）。

7/14 勉強会㉑との接続

あの回で話した「ループ・メタハーネス」は、今日の性質（非決定論・迎合性・注意力有限）への対策でした。今夜でやっと、根っこがつながります。

CHAPTER5第5章

目安 12分Anthropic 公式・園長の運用より

だから選び方
— エンジン・アクセル・電卓

中身がわかると、選び方が「勘」から「理由」になります。選ぶのは3つ。モデル（エンジン）× エフォート（アクセル）× ツール（電卓）。

1. モデル＝エンジンの大きさ

Claude モデルの価格と向き
モデル入力出力向き（園長の整理）
Claude Haiku 4.5$1$5速い・安い。定型の小さな作業
Claude Sonnet 5$2$10日常のバランス型。要約・定型調査
Claude Opus 5$5$25実装・検証・重い作業
Claude Fable 5.1$10$50最高性能。設計・統合・審美判断

2026年6月時点の Anthropic 公式価格（1Mトークンあたり・入力／出力・米ドル）。

2. エフォート＝アクセル（考える時間）

思考トークン＝AIが答える前に自分で書く下書き。エフォートはその深さの設定で、5段階。Fable 5 系は「考える時間」が常時オンで、エフォートで深さを調整します（Anthropic 公式）。API の既定は high、Claude Code の既定は xhigh（コーディング向けの設定）。

  • low軽い作業
  • mediumふつう
  • high園長の普段
  • xhigh重い設計・難デバッグ
  • max原則使わない
園長の運用: アクセルの踏み方

普段は high。重い設計・難デバッグ・長時間の自律実行だけ xhigh。max は原則使わない（コスト増の割に伸びが小さく、考えすぎる）。使用枠が厳しいときは Opus に落とす。

大きいエンジン×低いアクセル vs 小さいエンジン×高いアクセル

新しいモデルの低エフォートは、前世代の高エフォートに並ぶ、または上回ることがある（Anthropic 公式ガイダンス）。だから、まず1つのモデルでエフォートを調整し、そのあとモデルを変える。

他社のAIにもある「考える時間」

ChatGPT など他社のAIにも、同じ「考える時間」の切り替えがあります。名称は製品ごとに違いますが、発想は同じ。「重い質問だけ深く考えてもらう」が基本です。

3. ツール＝電卓を持たせる

計算はコード実行

AIに暗算させない。電卓（コード実行）を持たせれば、確率ではなく計算で答えが出る。

事実は検索

締切以降の情報・数値・実在確認は、記憶ではなく検索やツールで外から取る。

決まった作業はスクリプト

一括リネームのような決定的な作業はスクリプトに。LLM に決定論的システムの模倣をさせない。

C実演③ 電卓を持たせる

使い方: Claude Code、または ChatGPT / Claude のコード実行が使える環境で貼る。先に「暗算で」と頼んで、次に「コードで」と頼むと差が見える。

1回目（暗算）:
次の計算を、コードを使わずに暗算で答えてください: 123456 x 789012

2回目（電卓を持たせる）:
次の計算を、暗算せずにコードを実行して答えてください。実行結果もそのまま見せてください: 123456 x 789012

判断軸: 1リクエストの安さで選ばない

コストは1リクエストではなく、解決1件あたりの総コスト（トークン×時間×人の手間）で判断する。安いリクエストでも、往復や再試行が増えれば安くない（Anthropic 公式・園長の運用）。

園長のサブエージェント分担

  • 探索・大量ファイル読み ＝ 軽いモデル
  • 要約・定型の並列作業 ＝ Sonnet
  • 実装・検証・レビュー ＝ Opus
  • 知識統合・審美判断・戦略の裁定 ＝ Fable

委譲の判断軸はトークン節約ではなく「完了到達までの総時間」。

図09エンジンの大きさ×アクセルの深さ
モデルの大きさをエンジン、エフォートをアクセル、ツールを電卓にたとえて、選び方を整理した図解

図: エンジン（モデル）× アクセル（エフォート）× 電卓（ツール）。まずアクセル、それからエンジン。

CHAPTER6第6章

目安 6分

確率で動くAIとの3つの約束

今夜の性質と対策を、明日から使える3つに絞ります。ツールが変わっても、この3つは変わりません。

1

検証は別のチャットで

迎合性と、自己レビューの盲点をつぶす。作った文脈で「どう？」と聞かない。

2

事実は外に置く

締切以降の情報・数値・実在確認は検索やツールで。AIの記憶を信じない。

3

決まった作業はスクリプト・Hooks に

決定論に任せる。LLM に電卓の真似をさせない。

図10確率で動くAIとの3つの約束
検証は別のチャットで・事実は外に置く・決まった作業はスクリプトとHooksに、という3つの約束を並べた図解

図: 3つの約束。検証は別のチャットで、事実は外に置く、決まった作業は決定論に任せる。

DEMO3実演

園長がライブでやる3つ

実演メニュー

今夜の実演は3つ。全部、家でも同じ手順で再現できます。コピペ原文は各章のブロックA・B・Cにあります。

実演① 同じ質問を3回

手順

  1. 新規チャットを開く
  2. ブロックAを貼る
  3. 答えが出たら、また新規チャットで同じものを貼る。計3回
ブロックAへ

見るポイント

  • 文面の違い: 同じ質問なのに、言い回しが毎回変わる
  • 内容の共通点: 意味は近い。確率で選ぶから「近いけど同じではない」
HOMEWORK3宿題

今夜やる・30分以内

宿題

今夜のうちにやると、性質が体に入ります。Claude Code を使っていない人も、ChatGPT / Claude.ai で全部できます。

同じ質問を新規チャットで3回投げて、違いをスクショして Discord に貼る

ブロックAをそのまま使ってOK。3枚並べると、非決定論が一目でわかります。

体感するもの: 非決定論

自分の CLAUDE.md のルールを数えて、半分に減らす

Claude Code 未使用なら、ChatGPT / Claude のカスタム指示で同じことを。「必要なときだけ」に残せるか。

体感するもの: 注意力有限

何かの文章を採点させてから、新規チャットで採点し直す。点数の差を見る

ブロックBの手順どおり。差が出たら、それが「ほめ上手」の正体です。

体感するもの: 迎合性
FINAL3結論

持ち帰る3行

結論

中身を知ると、選び方が変わる。

  1. AIは考えて答えているのではなく、次の言葉を確率で選んでいる。だから毎回違うし、それっぽい嘘も言う。
  2. 困りごと（締切・机・注意力・長さ・迎合）はモデルの性質。ハーネスはその対策。CLAUDE.md・スキル・Hooks・サブエージェント・第三者評価は全部ここから出てくる。
  3. 選び方は「エンジン（モデル）× アクセル（エフォート）× 電卓（ツール）」。解決1件あたりのコストで決める。

AIは確率で動く。だから補助輪をつける。

エンジンを積んだ車で走り出す柴犬と猫のイラスト
エンジン（モデル）を車（ハーネス）に載せて、走り出す。今夜の話はここまで。あとは Q&A と宿題です。
SOURCES5出典

この資料の元になった情報

出典

引用・エピソード・数値は、以下の出典に書かれているものだけを使っています。

  1. 動画まさおAIじっくり解説ch「【超重要基礎】ハーネスエンジニアリングを本質から解説！なぜ猛者のエージェントは強いのか？」2026年8月21日投稿 https://www.youtube.com/watch?v=eX7XNuXqFcs
  2. note園長 note「AIは『思考』していない。確率で『次の言葉』をつなげているだけ。」2026年2月21日
  3. 勉強会ウラチカ勉強会㉑「プロンプトを打つ時代から、ループを回す時代へ」2026年7月14日
  4. 公式Anthropic 公式ドキュメント（モデル・価格・effort）2026年6月時点
  5. 用語「確率的オウム（Stochastic Parrots）」— 2021年にAI倫理の研究者が用いた表現（用語の出典として）