【第3弾】「似ている」をどうやって測るのか？ 圃場の状態マップで理解する「コサイン類似度」

🗺️ ベクトルを「地図」に並べてみよう ── 意味の空間

第2回で、言葉を数字の並びに変えました。
では、その数字を使って地図を作ってみたらどうなるでしょう？
まずは農業の例で考えます。たとえば5つの品種を「甘さ」と「酸味」の2項目だけで評価して、地図上に置いてみると──

見た瞬間に分かりますよね。果物は右上あたりに固まり、トラクターだけ左下にぽつん。
これが「ベクトル空間」の発想です。

ベクトル（数字の並び）を座標として使い、品種を「地図」に配置する。すると、似たもの同士は近くに、違うものは遠くに自然と並びます。
ChatGPTも同じことをしています。「りんご」「みかん」「いちご」の言葉ベクトルは地図上で近い位置にあり、「トラクター」のベクトルは遠い位置にある。

📐 「近い」「遠い」を数字で測りたい ── コサイン類似度

地図を見れば「似ている」は一目瞭然。でも、AIは目で見て判断できません。
だから「2つのベクトルがどれくらい似ているか」を数字で測る方法が必要です。
それがコサイン類似度。
名前は難しそうですが、考え方はシンプルです：

2つの矢印（ベクトル）の「向きがどれくらい揃っているか」を測る。
ぴったり同じ向きなら 1、まったく無関係なら 0、正反対なら -1。

第2回の品種データで実際に測ってみましょう：

地図で「近い」と感じたペアほど、コサイン類似度の数値も高い。

AIはこの数値を使って、「この2つの言葉は似ている」「この文脈にはこの言葉が合う」と判断しています。

🤔 なぜ「距離」ではなく「角度」なのか？ ── 大農家と小農家のたとえ

「似ているかどうかを測るなら、単純に距離（2点間の長さ）でいいのでは？」

いい疑問です。でも、距離だと困るケースがあります。

農業でたとえると──

小規模の有機農家Aさんと、大規模法人のBさん。
出荷量も売上も100倍違いますが、「1トンあたりの売上単価」という経営のバランスはまったく同じ。

距離で測ると「まったく違う農家」と出ますが、角度で測ると「経営方針は同じ」と正しく判定できます。

AIの世界でも同じです。文章が長かったり短かったりすると、ベクトルの大きさは変わります。でもコサイン類似度は向きだけを見るので、文章の長さに振り回されない。

だから、ChatGPTの類似度計算にはコサイン類似度が使われるのです。

⚖️ 比較の前に「スケール」を揃える ── 正規化

もうひとつ、ベクトルを比較する前に大切な準備があります。正規化です。

たとえば、トマトの作物カルテにはこんな項目がありました：

• 糖度：0〜15 くらいの範囲
• 水分：0〜100% の範囲

このまま比較すると、水分の数値が大きいだけで「水分が一番重要な特徴だ」と引っ張られてしまうのです。
だから、比較する前にすべての項目を「同じ目盛り」に揃える。これが正規化です。
やり方はシンプル── 各項目を、その項目が取りうる最大値で割るだけ。

この計算を通すと、作物カルテがどう変わるか見てみましょう：

変換後の数値を見ると、水分が「92 → 0.92」になっても一番高いのは変わらない。つまり正規化は「水分の重要性を消す」のではなく、「どの項目も公平に見たうえで、本当に大きい特徴は大きいまま残る」ようにする処理です。

農業の現場や日常生活の事例に置き換えると──

収穫量（トン単位）と糖度（Brix単位）をそのまま比べたら、収穫量の数値が大きいだけで「似ている」と出てしまう。
だから比較する前に、すべての項目を同じ目盛りに揃える（正規化する）。

やっていることは、テストの点数を「100点満点に換算し直す」のと同じ。
英語が200点満点で、数学が50点満点だったら、そのまま足したら英語の点数が支配してしまう。
全教科を100点満点に揃えてから比べる── それが正規化です。

ChatGPTの中でも、ベクトルの各数値がバラバラなスケールだと比較が偏るため、正規化して「どの特徴も公平に扱える状態」にしてからコサイン類似度を計算しています。

🔧 ChatGPTの中で何が起きているか ── 3ステップで理解する

ここまでの話を整理すると、ChatGPTが「似た言葉」を見つけるまでの流れはこうなります：

農業の言葉で流れを追うと：

この3ステップで、ChatGPTは「この質問に一番近い情報はどれか」「次に来そうな言葉はどれか」を判断しています。

第1回で「次の言葉を予測する装置」と学びました。その予測の裏では──

第1〜3回で、ChatGPTの土台がひととおり見えました。

💡 「似ている」の測り方を知ると、AI検索の仕組みが見える

この知識があると、AIの使い方が変わります：

1. 「AI検索」の仕組みが分かる

   Google検索は「キーワードが含まれるか」で探す。AI検索は「質問と答えのベクトルが近いか（コサイン類似度が高いか）」で探す。だからキーワードが一致しなくても関連情報が見つかる

2. 「言い換え」に強い理由が分かる

   「葉が黄色くなった」と「葉が変色した」はキーワードが違うが、ベクトルが近い。だからAIは同じ意味だと判断できる

3. 質問の書き方が変わる

   AIはベクトルの「向き」を見ている。だから文脈や状況を詳しく書くほど、ベクトルの向きが正確になり、的確な回答が返る

まとめ

• ベクトルを座標として地図に置くと、似たもの同士が近くに配置される。これが「ベクトル空間」
• 「似ている」を数字で測る方法がコサイン類似度。ベクトルの「向きの揃い具合」で判定する
• 「距離」ではなく「角度（向き）」で測ることで、規模の違いに惑わされず本質的な類似性が分かる
• 比較の前に正規化（スケール揃え）をすることで、大きな数値に引っ張られない公平な比較ができる
• ChatGPTは「ベクトル化 → 正規化 → コサイン類似度」の流れで、言葉の「似ている度合い」を判定している

✅ 5分アクション ── 「類似度」を自分の手で体感しよう

※ 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。