AI生成文の検出のための内在次元推定

（Intrinsic Dimension Estimation for Robust Detection of AI-Generated Texts）

田中専務

拓海先生、お時間よろしいですか。部下から「AIが書いた文章かどうかを自動で判定できる」と聞いて驚きまして、実際に役に立つのか知りたいのです。

AIメンター拓海

素晴らしい着眼点ですね！大丈夫、一緒に見ていけば必ずできますよ。今回の論文は、AIが書いた文章と人が書いた文章を統計的に見分ける新しい手法を示しているんです。

田中専務

AIが書いたかどうかを見分けるのに、どんな手がかりを使うのですか？言葉の使い方ですか、それとも文法の崩れでしょうか。

AIメンター拓海

良い質問です。普通なら単語の頻度や文法エラーを見ますが、本研究は別の視点、つまり「内在次元（intrinsic dimensionality）＝データが広がっている本質的な空間の次元」を見るんですよ。

田中専務

内在次元というと難しく聞こえます。要するに、文章がどれだけ多様に書かれているかを数字にするということですか？

AIメンター拓海

素晴らしい着眼点ですね！その通りです。もっと平たく言えば、文章を数学の点の集まりとして見ると、その集まりが作る“面”の厚さや複雑さを測るのが内在次元です。人の文章は少しだけ複雑さが高く、AIの文章は平均して小さくなるのです。

田中専務

これって要するにAIの文章は次元が低いということ？それで判別できるのですか。

AIメンター拓海

はい、要点はその通りです。ただし「次元が低い＝質が悪い」ではありません。AIはとても流暢に書けるが、統計的に見ると表現の“幅”がやや狭くなる傾向があるのです。その差を数値化すると検出に使えるのです。

田中専務

なるほど。それは現場導入でブレませんか。言語や文章の長さ、生成モデルが違うと結果が変わるのではないでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！この研究の強みはまさにそこにあります。手法は言語や生成モデル、文章ドメインに対して比較的安定で、検出の精度がモデル依存で大きく落ちにくいという点です。

田中専務

精度が安定するなら実務で使えるかもしれません。最後に、要点を簡潔にまとめてもらえますか。導入の判断材料にしたいので。

AIメンター拓海

大丈夫、一緒にやれば必ずできますよ。要点を三つにまとめます。第一に、人間の文章とAI文章は埋め込み空間の内在次元で明確に分かれる。第二に、この差は言語や生成モデルを超えて比較的安定である。第三に、実務的には約200語程度のテキストで十分に判定可能である、です。

田中専務

分かりました。自分の言葉で言うと、AIの文章は数学的に見ると使っている“表現の幅”が少し狭いから、その幅を測ることでAIか人かを見分けられる、ということですね。まずは試してみます。