友人の協力のもとAI家庭教師を作っています。
NotebookLMに大量の資料を入れ、Gemでロードして、
そこから問題を出してもらう仕組みです。
ここまでは、かなりうまくいきました。
ですが――
ある問題が出てきました。
問題が「偏る」
満遍なく問題を出してほしいのに、
どうしても特定の分野に寄ってしまう。
・同じ問題が良く出る
・「重要」のタグを張ったのに全く出てこない問題がある
なぜなのか。
明確な答えはわかりません。
ですが、いくつかの仮説があります。
仮説①：AIは「重要そうなもの」を優先している
大規模言語モデル（LLM）は、内部的には「確率」で動いています。
つまり、
「それっぽいもの」
「出現頻度が高いもの」
「文脈的に関連性が高いもの」
を優先しやすいわけです。
NotebookLMに大量の資料を入れた結果、
AIは「よく出てくる概念」や「強調されているテーマ」を
“重要だ”と判断している可能性があります。
その結果、出題が偏る。
これはAIのバグというより、AIの特徴に近く、データ整理の手法の再検討が必要かもしれません。
仮説②：検索＋生成の偏り
NotebookLMやGeminiは、単純なランダム出題ではありません。
おそらく内部では
- 文脈検索（Retrieval）
- 生成（Generation）
が行われています。
この「検索部分」が特定の文脈を優先してしまうと、
生成される問題も自然と偏る。
つまり、
AIが間違っているのではなく、
取りに行っている情報が偏っている
可能性がある。
仮説③：ランダム性が本当のランダムではない
人間は「ランダム＝均等」と思いがちです。
でもAIのランダムは、確率分布に従った揺らぎです。
例えば、
60%の確率でA分野が出やすい状態なら、
体感ではかなり偏って感じます。
しかも、モデルは「安定した回答」を好む傾向があります。
そのため、出し慣れた形式を繰り返す可能性があります。
仮説④：プロンプト設計の問題
実はこれが一番怪しいかもしれません。
「ランダムに満遍なく出して」という曖昧な指示は、AIにとって曖昧です。
AIは「均等」という概念を厳密には持っていません。
例えば、
- 各単元から同数出題
- 難易度を3段階で均等
- 出題履歴を記録して未出題を優先
ここまで具体化しないと、AIは“感覚的な均等”で処理します。
そしてそれは、人間の期待とはズレる。
仮説⑤：Geminiの内部最適化
これは完全な推測ですが、
Geminiは「学習効果が高そうな問題」を内部的に選んでいる可能性もあります。
つまり、
・理解確認しやすい問題
・説明しやすい問題
・一般的な例題
を優先しているかもしれない。
だとすれば、
AIは“効率最適化”をしている。
しかし、家庭教師としては偏りなく触れることも重要です。
ここにズレが生まれる。
AIは万能ではない。設計がすべて。
今回わかったこと。
AIは
「何でも均等に出してくれる魔法の存在」
ではない。
AIは
- 入れた情報に影響され
- 指示の精度に影響され
- 内部アルゴリズムに影響される
つまり、
データ整理も含めた設計者の思考がそのまま反映される。
これはAI家庭教師を作っていて本当に強く感じています。
これからやること
対策として考えているのは：
- タグを付与する
- 明示的に配分比率を指定できるデータの形に変える
- ランダム性を強制するロジックをプロンプト外で持つ
AIに任せきらない。
AIと一緒に設計する。
AIを作ると、AIの限界が見える
使う側のときは、「AIってすごい」で終わります。
でも、作る側に回ると
「AIって、思ったより素直」だと気づきます。
偏るのは、AIが悪いのではなく、
設計が曖昧だから。
AI家庭教師を作ることは、
同時に “人間の曖昧さ”と向き合うこと なのかもしれません。
