AIは言葉をどうやって「数字」にしているのか？ 栽培台帳で学ぶ「ベクトル」入門
農業者のためのAI教養講座｜書籍『ChatGPTはどのように動いているのか？』を農業の言葉で読み解く 第2回
第1回で、ChatGPTの正体は「次に来そうな言葉を確率で予測する装置」だと分かりました。
でも、ここでひとつ疑問が浮かびます。
「コンピュータは数字しか扱えないのに、どうやって”言葉”を処理しているの？」
答えは意外とシンプルです。言葉を「数字の並び」に変換してから処理しているのです。
この「数字の並び」のことを、専門用語でベクトルと呼びます。
「ベクトル」と聞くと高校数学を思い出すかもしれませんが、安心してください。今回使うのは数式ではなく、トマトの栽培台帳です。
この記事は、書籍『ChatGPTはどのように動いているのか？』を農業の言葉で読み解く 全13回連載の第2回 です。
第1回を先に読むと、今回の内容がスムーズに理解できます。第1回のポイント：ChatGPTは「次に来そうな言葉を予測する装置」。
🍅 トマトの「状態」をどう伝えるか？ ── 1つの数字では足りない
あなたが営農指導員に「今年のトマトの状態」を伝えるとします。
もし1つの数字だけで伝えるなら、こうなります：
「糖度は8.5です」
…これだけで「トマトの状態」が分かるでしょうか？
分かりませんよね。糖度が高くても、酸味がなければぼんやりした味になるし、皮が硬ければ食感が悪い。色が薄ければ見た目で売れない。
つまり、トマトの状態を正確に伝えるには、複数の数値をセットで伝える必要があるのです：
📋
トマトの栽培台帳 ── 5つの数値で「状態」を表す
↑ この「数字の並び」こそがベクトルです。
これが「ベクトル」の正体です。
難しい数学ではありません。「あるものの状態を、複数の数値の並びで表したもの」── それがベクトル。農家の皆さんがすでにやっている「栽培台帳」と、まったく同じ発想です。
ベクトル ＝ 複数の数値をセットにしたもの。
高校数学では「矢印」で習ったかもしれませんが、AIの世界では「特徴を数値の並びで表現する方法」として使われています。数式は忘れてOK。「栽培台帳の数字版」だと覚えてください。
💬 ChatGPTは「言葉」も同じようにしている
トマトの状態を数字の並びで表せるなら、言葉もそうできないか？
ChatGPTは、まさにそれをやっています。
たとえば「りんご」という単語を、こんな数値の並びに変換しています：
「りんご」 ＝[0.82, -0.15, 0.44, 0.91, -0.33, 0.67, …]（実際には数百〜数千個の数値が並ぶ）
これだけ見ると意味不明ですよね。でも、栽培台帳と同じ発想で考えると分かりやすくなります：
🌾 農業の場合
トマトの栽培台帳
- 糖度 8.5
- 酸度 4.5
- 水分 92
- 硬さ 3.0
- 赤色度 7.8
→ 5つの特徴で状態を表現
🤖 AIの場合
「りんご」の言葉の意味台帳
- 果物っぽさ 0.91
- 甘さの連想 0.82
- 赤色の連想 0.67
- 乗り物っぽさ -0.15
- … ×数百項目 …
→ 数百の「意味の特徴」で言葉を表現
トマトの品質を「糖度・酸度・水分…」で表すように、AIは言葉を「果物っぽさ」「甘さの連想」「動物っぽさ」…のような意味的な特徴の数値で表しています。
もちろん、AIの場合は人間が「糖度」「酸度」と名前をつけたわけではありません。AIが膨大なテキストを読む中で、自動的に「こういう特徴軸があると便利だ」と発見したものです。
第1回で「ChatGPTは次の言葉を予測する」と学びました。
でも予測するためには、まず言葉を数字に変えないとコンピュータは処理できない。
その「言葉→数字」の変換方法が、今回学んでいるベクトル化です。
つまり：ベクトル化（今回）→ 予測（第1回）の順番で動いています。
📊 なぜ「複数の数値」が必要なのか？ ── 1つの数字の限界
「そもそも、なぜ複数の数値が要るの？ 1つの数字じゃダメなの？」
いい質問です。試してみましょう。
1つの数値だけ
「糖度8.5」
甘いことは分かるが、酸味・硬さ・色は不明。同じ糖度でも全然違うトマトがある。
情報不足 ❌
3つの数値
「糖度8.5 / 酸度4.5 / 硬さ3.0」
味の方向性はだいたい掴める。でも色や水分量の情報がない。
まあまあ △
5つの数値
「糖度 / 酸度 / 水分 / 硬さ / 赤色度」
味・食感・見た目をカバー。「この品種の特徴」が立体的に見えてくる。
かなり正確 ✅
数値が増えるほど、対象の特徴を正確に捉えられる。
ChatGPTの場合は、1つの単語を数百〜数千の数値で表現しています。人間の感覚では想像しにくいですが、「5項目の栽培台帳が、数千項目に拡張されたもの」と考えれば同じことです。
この「何項目で表すか」を、専門用語では「次元」と呼びます。
次元 ＝ 栽培台帳の項目数。
5項目で評価するなら「5次元」。100項目なら「100次元」。
ChatGPTは言葉を「数百次元〜数千次元」で表している ── つまり、ものすごく細かい栽培台帳で言葉の意味を捉えている、ということです。
⚖️ 数字にすると「比較」ができるようになる
ベクトル化の最大のメリットは、「比較」ができるようになることです。
トマトの品種AとBの栽培台帳を並べれば、「どの項目が近くて、どこが違うか」が一目で分かります。同じことを、AIは言葉で行っています。
| 比較対象 | 果物っぽさ | 甘さ | 赤色 | 乗り物っぽさ |
|---|---|---|---|---|
| りんご | 0.91 | 0.82 | 0.67 | -0.15 |
| みかん | 0.89 | 0.75 | -0.10 | -0.18 |
| トラクター | -0.20 | -0.30 | 0.10 | 0.95 |
数字を見ると一目瞭然ですね：
- 「りんご」と「みかん」は数値パターンが似ている → 意味が近い
- 「りんご」と「トラクター」は数値パターンが全く違う → 意味が遠い
ChatGPTが「りんご」の話をしているときに「みかん」を連想できるのは、ベクトルが近いからです。「トラクター」が出てこないのは、ベクトルが遠いから。
第1回で「ChatGPTは次に来そうな言葉を予測する」と学びました。その予測の裏側では、ベクトルの近さが重要な手がかりになっているのです。
A圃場とB圃場の土壌データ（pH、EC、窒素、リン、カリウム…）が数値パターンとして似ているなら、「同じ管理方針が使えるかもしれない」と判断できます。
AIも同じ。言葉をベクトルに変換して、「数値パターンが似ている＝意味が近い」という判断をしています。
🔧 AIのベクトル化はどう行われているのか？
ここまでで「言葉を数字の並びにする」ことの意味は分かりました。では、実際にどうやって変換しているのか？
ざっくり言うと、次の流れです：
1
大量のテキストを読ませる
インターネット上の膨大な文章（本、記事、会話…）をAIに読み込ませる。
2
「一緒に出てくる単語」のパターンを記録する
「りんご」の周りには「果物」「甘い」「赤い」がよく出てくる。「トラクター」の周りには「畑」「エンジン」「馬力」が多い。このパターンを学習する。
3
パターンから「数値の並び」を自動生成する
同じ文脈で使われる言葉は「近い数値パターン」に、違う文脈の言葉は「遠い数値パターン」になるように、AIが自動的にベクトルを決めていく。
4
結果として「意味の近さ」が数字で測れるようになる
「りんご」と「みかん」のベクトルは自然と近くなり、「りんご」と「トラクター」は自然と遠くなる。人間が教えなくても、文脈の統計パターンから意味が浮かび上がる。
ポイントは、人間が「りんごは果物だ」と教えたわけではないということです。
AIは膨大なテキストの中で「りんご」と「果物」が近い文脈に出てくるパターンを見て、自分でベクトルを調整したのです。
🌾 農業の場合だと「新人がベテランの横で3年間働いているうちに、言語化できない”土の良し悪し”が分かるようになる」のと似ています。明示的に教わったわけではなく、大量の経験からパターンを自分で掴んだイメージです。
💡 「数字にする」と知るだけで、AIの使い方が変わる
AIは言葉を「数字の並び（ベクトル）」に変換してから処理しています。
これは、トマトの状態を「糖度・酸度・水分・硬さ・色」で数値化するのとまったく同じ発想です。
数値にすることで、言葉同士の「似ている度合い」が計算できるようになる ── これがChatGPTの言語理解の土台です。
この知識があると、AIの使い方が変わります：
-
「AIが文脈を理解している」の正体が分かる
実は「言葉のベクトルが近い」かどうかを見ているだけ。
だから文脈を明確に伝えるほど、AIの精度は上がる -
「AIが間違える理由」が分かる
ベクトルが近い言葉を混同することがある。
「うどんこ病」と「うどん」のベクトルが近すぎれば、AIは混乱する -
「似た事例を検索する」機能の仕組みが分かる
RAG（検索拡張生成）やAI検索は、ベクトルの近さで「関連情報」を探している
まとめ
- AIは言葉をそのまま処理できない。まず「数字の並び（ベクトル）」に変換してから処理する
- ベクトルとは「あるものの特徴を、複数の数値で表したもの」 ── 栽培台帳と同じ発想
- 数値が多いほど（＝次元が多いほど）正確に特徴を捉えられる。ChatGPTは数百〜数千次元
- ベクトルにすることで「似ている度合い」を数字で計算できるようになる
- AIは人間に教わらず、大量のテキストの文脈パターンから自動的にベクトルを学んだ
✅ 5分アクション ── 「栽培台帳」と「言葉の台帳」を体験しよう
✅ 今日の5分アクション：ベクトル化を体感してみよう
- ChatGPT（無料版でOK）を開く
- 以下のプロンプトをコピーして貼り付ける
- AIが返す「数値化」を見て、「ベクトル化とはこういうことか」と実感する
0〜10のスコアにしてください。
表形式で出してください。①桃太郎トマト
②アイコ（ミニトマト）
③シャインマスカットその後、「どの2品種が最も似ているか」を、
スコアのパターンをもとに判定してください。
あなたはAIの仕組みを教える先生です。
以下の5つの単語を、「食べ物っぽさ」「乗り物っぽさ」「農業っぽさ」
「甘さの連想」「大きさの連想」の5つの軸で、
-1.0〜1.0のスコアにしてください。表形式で。
①りんご ②トラクター ③みかん ④田植え機 ⑤いちご
そのあと、「最もベクトルが近い（似ている）2つの単語」と
「最もベクトルが遠い（似ていない）2つの単語」を教えてください。
圃場A-Bは数値パターンが似ているので類似度が高く出るはず。「数値が近い＝コサインが近い＝管理方針が似ている」という感覚が掴めるはずです。AIもこれを言葉の世界でやっています。
📚 参考文献
- 📕 中西 崇文『ChatGPTはどのように動いているのか？』翔泳社、2026年。第2章前半「ベクトルによる言葉の数値化」
- 🔗 LLMの秘密：「次の言葉を予測するだけ」で人間のように振る舞う仕組み（Grune）
- 🔗 AIの歴史年表（Ledge.ai）── Word2Vecの登場とEmbeddingの進化
💬読者の声をお聞かせください
この記事に関するご質問・ご感想をお待ちしています。
最後までお読みいただきありがとうございます。
農業AI通信では、農家さんの「困った」を解決するAI活用情報を発信しています。
※ この記事はAIツール（ChatGPT・Claude等）を活用して作成し、編集部が内容を確認・編集しています。正確性には十分配慮していますが、最新情報は公式サイト等でご確認ください。
