文法ベースの手法、著者分析においてAIに匹敵または凌駕

マンチェスター大学の新しい研究は、言語分析タスクにおいて複雑なAIが常に優れた結果を生み出すという前提に疑問を投げかけています。アンドレア・ニーニ博士が率いる研究者チームは、高度なAIシステムと同等以上の性能を発揮する文法ベースの著者検証手法「LambdaG」を開発しました。

LambdaGの仕組み

LambdaGは、大規模な機械学習モデルに依存するのではなく、文法のパターンを分析します。以下の特徴を測定することで、個々の執筆スタイルの統計的プロファイルを構築します：

• 機能語の使用（「it」「of」「the」などの単語）
• 文の構造
• 句読点のパターン
• その他の文法的習慣

研究者らは、これらの特徴が各著者にとっての独特な行動の署名を作り出すと説明しており、それは個人が独自の筆跡や歩行パターンを発達させるのと似ています。

性能結果

この研究では、LambdaGを実用的なシナリオを反映するように設計された12の実世界の執筆データセットでテストしました：

• メール
• オンラインフォーラムの投稿
• 消費者レビュー

ほとんどのケースで、LambdaGはニューラルネットワークベースのアプローチを含む、いくつかの確立された著者検証システムよりも高い精度を達成しました。この手法は、ほとんどのテストデータセットにおいて主要なAIシステムと同等以上の性能を示しました。

AIシステムに対する主な利点

現在の多くの著者検証システムが膨大なデータセットで訓練された複雑なAIモデルに依存している一方で、LambdaGは以下の実用的な利点を提供します：

• より高い透明性：ブラックボックスとして動作する多くのAIモデルとは異なり、どの文法的パターンが判断に影響したかを示します
• 低い計算コスト：大規模なAIモデルに必要な広範な計算リソースを必要としません
• 説明可能性：結論に対する明確な説明を提供し、法的調査などの重要な場面に適しています

潜在的な応用分野

研究者らは、この手法のいくつかの実用的な使用例を特定しています：

• 法言語学
• 犯罪捜査
• オンライン虐待の検出
• 学術的誠実性の監視

ニーニ博士は次のように述べています：「著者分析のような問題を解決するには複雑なAIが必要だという前提が広がっていますが、私たちの研究結果はそれが必ずしもそうではないことを示しています。言語が実際にどのように機能するかという科学に基づいてアプローチを構築することで、同等の、そしてしばしばより優れた結果を達成しつつ、より透明性を高めることができます。」

この研究はHumanities and Social Sciences Communicationsに掲載され、DOIはhttps://doi.org/10.1057/s41599-025-06340-3です。