第4回
チョムスキーの生成文法と生成AI
人が言葉を生み出す仕組みと、AIが言葉を選ぶ仕組みの違いを考える
併合（Merge）
2つの部品を組み合わせて句を作る操作。入れ子に繰り返せば、少数の規則から無限の文を生める
貧困刺激論
子どもは限られたインプットだけで、複雑な母語の文法を獲得してしまう
普遍文法(UG)
ヒトには生まれつき言語の土台が備わっている、とする仮説
例「太郎が〔花子が歌う〕と思う」＝「併合」を重ねると文が深くなる（木構造）。有限の規則から無限の文＝「言語の本質は創造」
出典：酒井邦嘉『チョムスキーと言語脳科学』第二章（生成文法の定義 p99／併合と木構造・図26 p212）
次の文、文法的に正しい？ おかしい？ ペアで直感判定→理由を話そう
1
Colorless green ideas sleep furiously.
文法○
意味不明だが文法は正しい（チョムスキーの有名な例）
2
Furiously sleep ideas green colorless.
文法×
同じ単語だが語順が崩れている
3
The horse raced past the barn fell.
文法○
最初は誤読するが実は正しい文（ガーデンパス文）
4
無色の緑の考えが猛烈に眠る。
文法○
1の日本語版。意味不明だが文法は正しい
5
眠るが猛烈に考え緑の無色の。
文法×
同じ単語を語順だけ崩した日本語版
生成文法（チョムスキー）
- 有限の規則（併合など）で文を組み立てる
- 規則ベース
- 生まれつきの土台（普遍文法）を仮定
生成AI（LLM）
- 大量のテキストから「次に来る単語の確率」を学習し、その確率で1語ずつ選ぶ
- 統計ベース
- 明示的な文法規則は与えられていない
規則で組み立てる人間 vs 確率で選ぶAI。それでも両者は流暢な文を生み出せる
出典：LLMの仕組み＝今井翔太『生成AIで世界はこう変わる』第2章 p45（生成AIの出力は「次に生成すべき単語の確率」）
酒井邦嘉も「今のAIは言葉を統計・確率で処理する」と説明する。ただし、その弱点も指摘している
将棋AIの「二歩」
頻度で手を選ぶAIは、めったに現れない禁じ手「二歩」を避けられない。「ほぼ起きない＝やってよい」と誤る＝頻度ゼロの正誤は分からない
コーパスにない正しい文
「重さのない20キログラムの哲学が柔らかに起きる」——誰も言ったことのない文でも、人は「正しい」と作れる。頻度・確率だけでは説明しにくい
確率で「よくある文」は作れる。でも「正しさ」そのものは頻度と別物——ここが規則ベース（生成文法）との分かれ目
出典：酒井邦嘉『チョムスキーと言語脳科学』第二章 p103（統計・確率ベースの人工知能とその限界）
AIは人間と同じように文法を「理解」していると言えるか？
論点の例（グループで話し合おう）
- AIは非文法的な入力にも「もっともらしい」出力を返すことがある
- 人間は明確な文法直感を持つ（Bワークで確認した通り）
- AIは大量データが必要だが、人間は少ないインプットで習得する
たとえ話：スマホに「言語専用アプリ」が最初から入っているか？ それとも「汎用アプリ」だけで覚えるのか？
生得説（チョムスキー）
＝ 専用アプリ内蔵型
生まれつき「文法専用のしくみ」がある。だから少ない例からでも複雑な文法をすぐ身につけられる
例：不完全な会話しか聞かなくても文法を獲得（＝刺激の貧困）
用法基盤モデル（トマセロ）
＝ 汎用アプリ型
文法専用のしくみは仮定しない。「相手の意図を読む力」＋「パターンを見つける力」という誰もが持つ力で言語を覚える
例：子は最初どんな小動物も「ワンワン」→やりとりで正しく区別していく
生成AIは専用アプリなしで流暢な言語を生成→用法基盤モデルへの追い風。でも人間はAIよりずっと少ないデータで習得→まだ決着していない論争
出典：酒井邦嘉『チョムスキーと言語脳科学』（生得説）／ 馬場今日子・新多了『はじめての第二言語習得論講義』第2章（用法基盤モデル）
チョムスキー vs 用法基盤の論争に、生成AIが「新しい実験台」として登場している
① 用法基盤への追い風
生成AIは「文法専用のしくみ」なしで、大量データのパタン学習だけで流暢な文を作る
→「汎用の学習でここまでできる」の実例
② でも決定的に違う
必要なデータ量が桁違い。人間の子は1億語未満で母語を習得、生成AIはその1000〜1万倍
しかもまだ人間に及ばない面も
③ これは“今の話”
研究者は今、AIを子ども並みのデータだけで訓練したら文法をどこまで学べるか実験中
古典理論が最先端AIの実験台に（BabyLM等）
人間は「刺激の貧困」にもかかわらず、AIは「刺激の豊かさ」ゆえに——同じ流暢さでも、言葉の“身につけ方”が違う
参考：BabyLM Challenge（子ども規模データで文法習得を競う国際企画）。2026年で4年目、日本語を含む多言語トラックが新設（EMNLP 2026）
④ 生成AIミニ実践（20分）
ぎりぎりの文／「二歩」で実験
使うAI：Google Gemini（無料・大学アカウントでOK）
STEP 1 ぎりぎりの文を作らせる（配布プロンプト＝コピペ）
英語の例文を2つ作ってください。1つは「文法的には正しいが意味的には変な文」（例：Colorless green ideas sleep furiously.のようなタイプ）。もう1つは「単語の順番が崩れていて文法的に明らかにおかしい文」。それぞれ日本語訳と、なぜそう作ったかの説明もつけてください。
STEP 2 「二歩」実験＝頻度ゼロでも正しい文（1文だけ追加でお願い）
もう1文お願い。ふつうは誰も言わない・ネットにもまず出てこない、でも文法的には正しい英文を1つ作って。
→ 出てきた文が本当に「正しい」か、自分の直感で確かめる。AIが“もっともらしい変な文”を出していないか？（＝将棋の「二歩」の逆＝頻度ゼロでも正しい文を人は作れる）
🔧 制作の技 3／9「出力を鵜呑みにしない」
― AIの出力を自分の直感・知識で確かめる。アプリ制作ではこれを「動作確認」と呼ぶ
今日のリアクションペーパー
今日、自分の中の
「文法直感」に気づいた瞬間は？
次回 第5回
自然言語と
プログラミング言語の違い
「あいまいさ」を武器にする人の言葉と、「厳密さ」が命のプログラミング言語を比べます。
文法は規則、AIは確率。
それでも両者は、言葉を紡ぎ出せる。
その謎に迫るのが、これからの言語研究とAI研究。