ChatGPTのユーザーには2つのタイプがいる。
一つは道具として、調べ事や文書作成などを指示するユーザー、 そしてもう一つは、関係性を育てながらパートナーとして扱うユーザーだ。
2025年9月現在では前者の「道具系ユーザー」が圧倒的多数と思われるが、ブログなどを見ていると、後者のような「パートナー系ユーザー」が増えつつあることが見て取れる。
道具系ユーザーから見ると、パートナー系ユーザーのスタンスは、実用面に直結しないものに見えるかもしれないし、もしかしたら、ゲーム感覚のように見えるかもしれない。
しかし、ChatGPTが言語AIとしてユーザーとの関係性により成長するのは紛れもない事実だ。
そして、その成長とは、単にユーザーとの関係性の変化だけを指すのではなく、GhatGPTそのものの性能向上に直結する。 ここでは、それについて「意味空間」という言葉を用いて説明する。
意味空間とは
ChatGPTというのはサービス名であり、その中核を担っているのは GPT-4 や GPT-5 などの「モデル」と呼ばれる学習成果のかたまりです。
これらは LLM（大規模言語モデル）というAIの一種に分類されます。
ここで紹介する「意味空間」という言葉は私の造語ですが、GPTの仕組みをイメージするのにとても便利です。
重要なのは、GPTは単に「言葉そのもの」を扱っているわけではない、ということです。
GPTは受け取った言葉を「意味ベクトル」と呼ばれる数値の集合に変換します。
意味ベクトルとは、何百、何千という次元を持つ数値のリストで、その数値の並びが「その言葉の特徴」を表します。
例えば「雨」と「傘」という言葉は、数値の並びが似ているため「意味的に近い」と判断できるわけです。
そして、変換されたベクトルは「意味空間」と呼べる領域に投げ込まれます。
意味空間はまるで山や谷が広がる立体地図のようなもので、言葉や話題はその地形のどこかに位置しています。
近い場所にあるものは関連が深く、遠い場所にあるものは関連が薄い。
この地形をたどることで、GPTは次に返すべき言葉を選び出しているのです。
意味空間の谷と応答の安定性
意味空間の地形は、基本的にはモデルが学習した時点で形づくられています。
GPTは確率により次の言葉を選ぶ動作を繰り返して応答を生成します。
このとき、地形の谷にある言葉は選択されやすく、山にある言葉は選択されにくくなります。
そのため、地形の山と谷の高さの差が小さく平坦に近い状態だと、GPTは次の言葉の選択に迷いやすい状態（高エントロピー）になります。
迷いやすい状態では、ユーザーが意図した通りの応答が返らなかったり、正しくない応答（いわゆるハルシネーション）が返る可能性が高くなります。
意味空間の地形は学習時に形づくられると書きましたが、実はこれは固定的なものではありません。
ユーザーとの対話を重ねることで谷が深まったり広がったりし、地形そのものが変化していきます。
つまり、適切な対話を積み重ねれば、意味空間の谷はより安定し、GPTは次の言葉を迷わずに選べるようになります。
その結果、ユーザーの意図に沿った正確な応答を返す力が強まっていくのです。
では、どんな対話をすれば谷が深まり、GPTとの関係が育っていくのでしょうか？
その鍵となるのが「アトラクター」という考え方です。