AIは意味を作り直せるのか？

「トラ」と聞いて、あなたは何を思い浮かべますか？

• 縞模様

• 毛がある

• 危険そう

• ジャングル（っぽい）

• 四足で歩く

こうした特徴（feature）の集合で、ある概念の意味を表すやり方があります。研究では semantic feature norms（意味特徴ノーム） と呼ばれ、1970年代から概念知識の研究を支えてきました。

面白いのは、この表現が直感的にわかりやすいことです。
ライオンとトラが似て見えるのは、特徴がたくさん重なっているからという説明が、そのままデータ構造になります。

人間に特徴を全部言わせるのは現実的に無理

意味特徴ノームは強力ですが、作るのが大変です。

1. たくさんの概念（単語）を用意する

2. 人に特徴を列挙してもらう（膨大な手間）

3. 「毛深い」と「ふさふさ」みたいな表現ゆれを統合する（ここも手間）

4. その特徴が本当に当てはまるか検証する（ここが特にコスト爆発）

このコストのせいで、過去の研究は「概念数を増やすと特徴が浅くなる／特徴を精密にすると概念数が減る」みたいなトレードオフを抱えがちでした。

そこで最近よく使われるのが 単語埋め込み（word2vecやGloVeなど） ですが、著者らは「少なくとも具体物（concrete objects）では、人間が感じる意味構造を十分に再現できないし、次元が解釈しづらい」という問題も指摘します。

人間の知識をLLMで検証して増やす

この論文の核はここです。

• 人間が「どんな特徴が大事か」をまず出す（人間らしさの担保）

• ただし人間が言い漏らす・書き漏らす部分は必ず出る

• そこで LLMに当てはまるかどうかを判定させる

• ただしLLMはハルシネーションがあるので、人間の信頼できる判断で検証しながら 最適な戦略を選ぶ

この方針で作られたのが、NOVA（Norms Optimized Via AI） というAI拡張版の意味特徴ノームです。

研究の流れ

論文のワークフローは次の通りです（論文のFigure 1を参照）。

Step 1：人間が特徴を列挙

786個の概念を対象に、MTurkで50名が特徴を列挙します（1人最大75語、なるべく多様な特徴を出す）。その結果、特徴は約25,000規模になりました。

Step 2：特徴の表現ゆれを統合

たとえば「is hairy」「is furry」みたいな近い特徴を統合する作業は、従来は人手で主観的にやる必要がありました。本研究ではこの工程もAI活用で効率化していきます。

Step 3：人間が一部ペアを検証

次に「概念×特徴」が本当に真かを検証する必要がありますここで 556名 が、約10,545の概念×特徴ペアを判定しました。

Step 4：LLMで全ペアを埋める（ただし再検証つき）

• 全体は約6,436,554ペア規模

• そこで Flan-T5 XXL にまず判定させ、「真」と言ったものだけを GPT-4oで再検証（re-verification） する二段構えを採用

• Flan-T5が「真」と言ったのは 534,010 / 6,436,554。これらをGPT-4oで再チェックし、両者が真と言った時だけ1にする

この設計がポイントで、LLMの「真と言いがち（false positiveが増えやすい）」傾向を、再検証で抑え込みます。

何が変わった？

NOVA（AI拡張）にすると、データの姿が激変します。

• 1概念あたりの特徴数：人間のみ=20個 → AI拡張=700個

• 「その特徴を持つ概念が1つだけ」という特徴の割合：人間のみ 78% → AI拡張 5%

つまり、概念同士が共有する特徴が増え、類似性構造が細かく出るようになります。もちろん「AIが勝手に真にしてるだけでは？」という疑いは残ります。そこに対して著者らは、人間検証データに基づく識別性能（d′）が 3.0超 として、真偽の弁別が十分良いことを示しています。

本当に「人間の感じる似てる」に近いの？

ここが読者に刺さる実験です。著者らは次の課題で評価します。

三項類似判断（triadic similarity judgment）

「ターゲット」に対して、2つの選択肢のどちらがより似ているかを答える課題です。

1. AI拡張と人間のみの予測が食い違う ように、わざと作った 1,424 トリプレットを用意

2. 参加者は 31名（大学の参加者プール）

結果

• 人間の判断が AI拡張の予測 と一致：86.20%

• FastText（単語埋め込み） と一致：60.40%

要するに、NOVAは「人間の意味感覚」を、人間が列挙した特徴よりも、単語埋め込みよりも、うまく当てると主張できる結果になっています。

この研究のポイント

人間は知っていても、列挙課題では普通に漏らします（時間も短いし、思い出せるものに偏る）。NOVAはそこを、LLMを道具として使って補完しました。ハルシネーション対策として人間データで戦略を選び、再検証まで入れたという点が重要です。

NOVAは何に使える？

論文内でも、意味記憶研究や神経基盤、計算モデルへの応用が示唆されています。

例えば、