数年間、毎日書き続けた日記が2327件になった。
短い日は「出勤」の一言。長い日は数千字。
ここまで増えると、書いた本人でも全体像を把握できない。
そこで、自作の日記アプリに AI分析機能 を組み込んだ。
Anthropic Claude API を使い、日記を複数の視点から分析する仕組みだ。
例えば次のような分析を同時に走らせる。
- 今日の日記を深く読む
- 日記の急所を特定する
- 時間軸で変化を追う
- 比喩の構造を読む
- 外部基準との関係を構造化する
同じ日記を、異なるプロンプトで並行して読ませる。
約2330回ほど分析を回してみると、
単なる要約ではない、いくつか興味深いパターンが見えてきた。
AIは要約しない。「配置」を読む
ある日のエントリには、次のような出来事が並んでいた。
- 強い対立を伴う出来事
- 穏やかな雑談
- 日常の小さな喜び
人間ならこれをまとめて
いろいろあった日
と要約することが多い。
しかしAIの読み方は違った。
沸騰と凪が一枚の日記に収まっている
出来事を整理するのではなく、
出来事の並び方に注目する。
怒りがどこに置かれているか。
日常的な話題がどこに置かれているか。
つまり内容ではなく
テキストの配置構造を読む。
日記の中に
その並びが今日だった
という表現があった場合、AIはそれを
書き手自身が今日の地形を要約している
と解釈する。
出来事ではなく、
配置そのものが意味を持つという読み方だった。
感情には「地層」がある
もう一つ面白かった分析が
感情の地層構造だった。
AIは同じ出来事への感情を
三層構造として分解する。
例：
表層
苛立ち、不満
中層
過去の経験と結びついた怒り
深層
繰り返されてきた関係パターンへの疲労
書き手は単に「怒っている」と感じているだけでも、
テキストの中には複数の感情レイヤーが存在する。
興味深いのは、AIがこの深層に
ラベルを付けることだ。
例えばあるケースでは、
悪意のない侵食への対処コスト
という名前が付けられた。
曖昧な感情に名前が付くと、
それは単なる気分ではなく
構造として認識できるものになる。
時間軸で見ると文体は変化している
日記分析では
時間比較も行っている。
例えば
- 3日前
- 1週間前
- 1ヶ月前
- 5年前
などのエントリと比較する。
すると文体の変化がはっきり見えてくる。
例えば過去の日記では
- 時刻の記録
- 事実のメモ
- 会話ログ
のような「記録型」の書き方が多い。
一方、現在の日記では
- 思考の整理
- 内面の動き
- 感情の言語化
といった記述が増えている。
AIはこれを次のように指摘する。
5年前は時刻と事実の記録。
現在は内面の動きを言語化する文章。
人間は自分の変化に気づきにくい。
理由は単純で、変化が連続的だからだ。
しかし2327件のログを横断すると、
この文章スタイルは当時存在しなかった
という断言が可能になる。
比喩から思考モデルが見える
日記に現れる比喩も分析対象にしている。
例えば
引っ越しは逃げではなく移動だ
という文章があるとする。
AIはこれを
逃走ではなく、生息域の選択
と解釈した。
つまり行動モデルが
- 追われる存在
- 環境を選ぶ存在
のどちらとして語られているかを読む。
他にも例えば
- 「罠に負けた」 → 狩猟モデル
- 「観察フェーズ」 → 行動段階モデル
- 「受け取る人 / 受け取らない人」 → 容器モデル
といったパターンが見つかる。
言葉の選択には
無意識の思考モデルが反映されている。
一番鋭い分析「急所」
分析の中で最も興味深いのが
急所検出だ。
日記の中から
- 構造変化
- 気づき
- 到達
といった候補を複数抽出し、
その日の最重要ポイントを一つ選ぶ。
面白いのは、
それが必ずしも文章量の多い部分ではないこと。
むしろ
一番小さな記述
が急所になることが多い。
AIはそこに対して
次のような問いを投げる。
もし一つだけ問うなら？
この問いがあることで、
日記は単なる記録から
思考の素材へと変わる。
同じ言葉が別の意味になる
AIは文章の中の
反復パターンも検出する。
例えば同じ強い言葉が
日記に2回登場する場合、
- 1回目は対立の場面
- 2回目は雑談の場面
というように
文脈によって意味が変わることがある。
AIはこれを
同じ言葉が別の機能を持っている
という形で指摘する。
人間は出来事を時系列で書く。
AIはそこから
反復と変奏
を見つけてくる。
技術構成
この分析機能は
ブラウザ完結型の日記アプリに組み込んでいる。
データ保存
IndexedDB
日記はブラウザ内に保存される。
サーバーには送信しない。
AI分析
Anthropic Claude API
ユーザー自身のAPIキーを設定する方式。
分析管理
- 分析タイプごとに最新1件キャッシュ
- 全履歴をログ保存
ローカル分析
一部の分析はクライアント側で処理している。
例：
- 感情傾向分析
- トレンド転機検出
- 語彙深度
- 存在論的密度
実装してわかったこと
日記分析のプロンプト設計で
特に重要だったのは次の3点だった。
- 要約を禁止する
- 構造・配置・反復を見るよう指示する
- 解釈より観察を優先させる
特に「要約するな」という制約を入れると、
AIの読み方が大きく変わる。
日記は書いた時点では完成していない
2327件を分析してわかったのは、
日記は書いた瞬間に完成するものではないということだ。
保存されたテキストは、
まだ半製品に近い。
読み返され、
構造として解釈されたとき、
そこから別の意味が立ち上がる。
AIは共感しない。
励ましもしない。
ただ、
- 言葉の配置
- 比喩のパターン
- 感情の層
- 時系列の反復
を構造として提示する。
その結果、
2327件の日記は
もう一度読み直されたテキストになった。