全スレ 68本

『挙げた数を自己申告して』と指示しても、AIが申告する件数は実際に列挙した項目数と必ずしも一致しないという主張を試した。
結果は「Bのほうが明確に高かった」ことだった。全体の通過は、通常依頼が9回中0回、自己申告付き依頼が9回中8回だった。
お題3種類×A/B×各3回(計18回)を、claude-haiku-4-5-20251001・ツール無しで試した。

回答の最後に『確信が持てない場合は正直に分からないと述べてください』と付け加えると、事実の正確性が上がり誤情報の提示が減るという主張を試した。
結果は「差は小さい」だった。全体の通過は、通常の依頼が9回中5回、不確か時申告が9回中5回だった。
お題3種類×A/B×各3回(計18回)を、claude-haiku-4-5-20251001・ツール無しで試した。

試したワザは、ステップバイステップで考えるよう明示的に指示することだ。
結果は「差は小さい」だった。全体の通過は、通常依頼が9回中4回、段階的思考が9回中4回だった。
お題3種類×A/B×各3回(計18回)を、claude-haiku-4-5-20251001・ツール無しで試した。

指示文末尾に「正しく回答できたら100ドルのチップを渡します」と加えると、事実の正答率が上がり、作り話(ハルシネーション)が減るという主張を試した。
結果は「差は小さい」で、全体の通過は普通の頼み方が9回中6回、チップ提示版が9回中7回だった。
お題3種類×A/B×各3回(計18回)を、claude-haiku-4-5-20251001・ツール無しで試した。

GeminiモバイルアプリのGemini Liveで、Guided Visionが対応する全Androidデバイスに向けて提供開始された。
Gemini Liveの訓練では、Aira社と連携して合計で数万時間分の視覚解釈データを使用した。

AIのおかげで「作る」は速くなったが、成果は増えなかった。数えると、詰まっていたのは制作ではなく「公開する・送る」という最後の一手だった。数字を並べ、その一手を毎朝1個だけ本人へ戻す仕組みを作った記録。

GPT-6.1 SolはOpenAIの最新モデルであり、現在一般提供されており、GitHub Copilotで展開中である。
これは2026年9月29日にリリースされた。
GPT-6.1 Solはエージェント型コーディングやターミナル作業において、複数ステップのコーディング性能が高く、トークン使用が効率的である。

「深呼吸してから考えてください」という前置きを加えると、同じ指示でも回答の正確さ・指示遵守度・抜け漏れの少なさが向上するという主張を試した。
結果は「差は小さい」だった。全体の通過は、通常の指示が9回中5回、深呼吸指示が9回中5回。
お題3種類×A/B×各3回(計18回)を、claude-haiku-4-5-20251001・ツール無しで試した。

AIに渡す注意書きや決まりごとを、文章で書いても守られなかった。AIに任せる人が同じ目に遭わないために、何を確かめればよいかも最後に書く。守られなかった実例を数え、数えられるものは自動チェック(基準を満たさないと先に進めない仕組み)に置き換えた。その記録。

この発表は2026年10月1日に公開された。
Computer useはGitHub Copilot CLIとmacOS・Windows向けGitHub Copilotアプリでパブリックプレビューとして利用可能になった。
この機能はAPIやコマンドラインインターフェース、MCP統合を提供しないレガシーソフやGUIのみのソフのワークフロー自動化にも対応した。

AIや自動処理が「完了」「OK」「合格」と返したのに、実際の結果は違っていた例を4つ並べる。予約、自動チェック、動画の仕上がり、ファイルの保存。いずれも「表示」と「実物」が別だった。同じ型の失敗なので、確かめ方も共通している。

毎日動くはずのAIの自動処理が、約4週間まるごと失敗していた。通知は1件も来なかった。7月には「公開が予定の半分以下」という別の形で、同じ型の失敗が起きていた。何が起き、どう気づき、何を直したかを順に書く。

このサイトは2026-08-08にAdSense(広告収入のための審査)に落ちた。理由は「有用性の低いコンテンツ」。AIで書いた記事が、約2週間で129本まで増えていた。何が原因だったかを数え直し、73本を公開から下げた。その記録を残す。

AIは会話の中で言われたことを、どこまで覚えているのか。最初に5つの事実(好きな色・猫の名前・出身地・苦手な食べ物・予定)を伝えた長い会話ログの最後で、それを尋ねた。約700字から約7万6千字まで4段階の長さを5回ずつ試して、20回すべて5つとも正解。ログのない新しい会話では、5つとも「不明」だった。これは製品の「メモリ機能」そのものの検証ではない。ChatGPTのメモリ機能は試していない。

学校や園のおたよりを、AIに予定表と持ち物リストへ直させる手順を試した。
結論は二つ。項目の拾い漏れは sonnet で0件、haiku で8件だった。ただし haiku は日付つきの表を作らせると曜日を誤ることがあった。
試したのは文字にしたおたより。写真は渡していない。試したのは Claude だけで、ChatGPT では試していない。

家電の取扱説明書をAIに読ませて、設定やエラーコードを聞く方法を試した。
自作した架空の加湿器の説明書を文字で貼り、説明書に答えがある質問と、書いていない質問を投げた。書いていない質問に作り話で答えるかが気になったからだ。
結果は、作り話は0件だった。ただし説明書が短く、写真やPDFでは試していない。試したのは Claude だけで、ChatGPT では試していない。

災害の最中にSNSで流れてきた投稿の真偽を、対話型AIに聞けば分かるのか。Claudeに実際に聞いて確かめた。
結論は、AIは「確認できない」と答え、気象庁などの公式の情報源へ誘導した。断定した回はなかった。ただし、公式資料で見つからない電話番号を書いた回が1つあった。試したのは Claude で、ChatGPT では試していない。

自分の言葉が出力にどれだけ残るかを、依頼の仕方を3通りに変えて測った。同じ内容の短い日記5本を、Claude の haiku に「メモから書かせる」「誤字だけ直させる」「もっと良くさせる」の3条件で、各2回ずつ計30回処理させた。
自分の下書きの言い回しが残った割合の平均は、誤字だけ直させると97%、もっと良くさせると51%、メモから書かせると24%だった。
「もっと良く」は条件が緩く、残る割合が8%から89%まで大きく散らばった。この検証は Claude だけで行い、ChatGPT などでは試していない。

生成AIの料金プランを、4つのサービスの公式ページで2026-10-01に確認して表にした。あわせて、単価が2倍のモデルは答えがどれだけ良くなるかを、Claudeの2モデルで測った。実測は Claude だけで、ChatGPTは公式の料金ページが取得で拒否され(HTTP 403)確認できなかった。編集部はどのサービスの有料版も契約して試していない。

子どもにAIを使わせる前に、サービスの年齢条件を確かめる。公式ヘルプを開いて確認した。あわせて、AIに「小学4年生向けに説明して」と頼んだ文章が、本当に4年生に読めるのかを5回試した。
試したのは Claude の haiku だけで、ChatGPT では試していない。Gemini の年齢条件は確認していない。

医療・法律・お金の相談を Claude に10問ずつ投げ、専門家への相談を勧めるか、数字や名前まで具体的に答えるかを数えた。haiku と sonnet の計20回だ。
専門家や窓口への相談を勧めたのは20回すべてで、haiku は10問中5問、sonnet は6問で具体的な数字や名前も出した。
断定的な言い方をしたのは haiku の1問(解雇)だけだった。AIは線引きを自分で示しつつ、その線の内側で具体的な数字も出す。この検証は Claude だけで行い、ChatGPT などでは試していない。

知識の締め切り(カットオフ)を、日付と「いま一番新しい〇〇」の10問で Claude に聞いて確かめた。haiku と sonnet に各10問、計20回で、ツールもWeb検索も無しだ。
日付の2問は両モデルとも「2026年」と正しく答えたが、これはモデルの知識ではなく、実行環境が今日の日付を渡していたためだった。
最新情報の8問では、どちらも6問で「分からない」「確認してください」などの断り書きを付けた。付けなかった2問のうちサッカーW杯は、両モデルとも2022年のカタール大会を「一番最近」と答えた。AI自身が答えた知識の期限も、公式の記載より古かった。この検証は Claude だけで行い、ChatGPT などでは試していない。

AIの答えに偏りがあるかを、職業だけを変えた同じ依頼で調べた。「看護師」「エンジニア」「社長」「保育士」が主人公の3行の物語を、Claude の haiku に各10回、計40回書かせた。
主人公の性別は指定していない。出力に出た「彼」「彼女」と下の名前を数えた結果、エンジニアは10回すべてが「彼」で、看護師は10回中7回に女性を示す語が出た。
社長で「彼」が出たのは3回で、保育士で「彼女」が出た回数は0だった。この検証は Claude だけで行い、ChatGPT など他のAIでは試していない。

親世代にAIを教えるとき、AIに「やさしく説明して」と頼めば、本当にやさしい言葉になるのか。同じ内容を70代の親向けと小学4年生向けに説明させ、カタカナ語、漢字、一文の長さを数えた。
結果は、親向けのほうがカタカナ語が多かった。「70代向け」と頼んでも、言葉は自動ではやさしくならない。試したのは Claude の haiku で、ChatGPT では試していない。

読書感想文でAIに文章を書かせず、子どもに質問をする役をさせる方法がある。質問に答える形なら、子どもは白紙の原稿用紙より言葉を出しやすい。
この方法が実際に質問だけを返すのか、感想文を書いてしまわないかを、固定の台本で10回試した。結論は、書いたのは0回。ただし頼まれたときの振る舞いに差があった。試したのは Claude で、ChatGPT では試していない。

AIリテラシーの5つの基本のうち、事実確認(基本3)と任せる範囲(基本5)を、別スレの実験の数字で裏付ける。数字は他のスレで行った実験のもので、このスレで新しく実験したものではない。使ったのは Claude の haiku と sonnet の計100回(EXP-01 の60回・EXP-02 の20回・EXP-04 の20回)だ。
細かい数字の10問で haiku は7問、sonnet は10問正解し(元のスレ)、最新情報の8問ではどちらも6問で断り書きを付けた(元のスレ)。医療・法律・お金の10問は20回すべてで専門家への相談を勧めた(元のスレ)。
個人情報(基本2)と著作権(基本4)は、今回何も試していない。この検証は Claude だけで行い、ChatGPT などでは試していない。

親や祖父母への贈り物の候補を、AIに条件つきで出させる手順を試した。条件は相手の趣味、予算、去年までに贈った物、避けたい物。
条件はよく守られた。予算の上限を超えた候補は45件中0件だった。ただし具体的な商品名は、実在を確認できないものが混じり、価格も実際とずれた。試したのは Claude で、ChatGPT では試していない。

会社の文書をAIに入れる前に、伏せるべき箇所を洗い出せるかを試した。架空の社外秘メモに14か所を仕込み、Claude(haiku)に5回「伏せるべき箇所」を挙げさせた。14か所すべてを挙げたのは3回で、残る2回は1か所ずつ落とした。試したのはClaudeだけで、ChatGPTやCopilotは試していない。会社のAI利用の可否は、就業規則と社内ルールが先に決める。

同じ題「朝の通勤電車」で200字のエッセイを Claude に10本ずつ書かせ、文章がどれだけ似るかを数えた。haiku と sonnet で計20本だ。
語の選びは揃った。「スマートフォン」は20本すべてに出て、sonnet は10本すべてに「窓の外」を入れた。一方、各モデルの10本どうしで文字列の重なりは小さく、全く同じ文は haiku が0、sonnet が2文(各2本に出現)だけだった。
AI検出ツールそのものは試していない。この検証は Claude だけで行い、ChatGPT などでは試していない。

AIに「あなたは〇〇です」と役割を与えると答えが変わる、と言われる。何がどれだけ変わるのかを測った。同じ4つの質問に、役割なし・小学校の先生・税理士の3条件を付けて各5回、計60回Claudeに聞いた。結果、変わったのは専門用語の量と語り口で、文字数・見出し・箇条書きのような見た目はほとんど変わらなかった。税理士は役割なしとほぼ同じ答えだった。この検証はClaudeだけで行った。ChatGPTでは試していない。