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

到達目標：生成文法の基本的な考え方を説明でき、生成AIとの違いを自分の言葉で言える

今日の流れ（100分）

1

前回から返す・ペア・目標の逆算

18分

5

D ディスカッション＋③ミニ講座

9分

2

A 生成文法（併合の例）

9分

6

④ ディクテーションアプリ

15分

3

B 直感判断＋ガーデンパス文

10分

7

物語を読む＋毎日15分

22分

4

C 生成AIは確率で選ぶ

8分

8

manaba・次回予告

6分

A チョムスキーの生成文法とは

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）

A 併合（Merge）をくり返すと、文はどこまでも深くなる

1

花子が歌う。

Hanako sings.

2

太郎が〔花子が歌う〕と思う。

Taro thinks [that Hanako sings].

3

次郎が〔太郎が〔花子が歌う〕と思う〕と言った。

Jiro said [that Taro thinks [that Hanako sings]].

4

先生は〔次郎が〔太郎が〔花子が歌う〕と思う〕と言った〕ことを知っている。

The teacher knows [that Jiro said [that Taro thinks [that Hanako sings]]].

5

私は〔先生は〔次郎が〔…〕と言った〕ことを知っている〕と信じている。

I believe [that the teacher knows [that Jiro said [that …]]].

〔〕を1つの部品として、もう一段くっつける。これを何回でもくり返せる＝少ない規則から無限の文

B 文法性の直感判断ワーク

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

B 3番の文：どこで読み違えるのか（ガーデンパス文）

The horse raced past the barn fell.

読み違え（よくある読み方）

The horse raced past the barn
＝「馬が、納屋の前を走り過ぎた」

raced を「走った」（文の動詞）と読む
→ 最後の fell が余って、文が壊れたように見える

正しい読み方

The horse [raced past the barn] fell.
＝「納屋の前を走らされた馬が、倒れた」

raced past the barn は馬の説明（＝which was raced past the barn）
→ 文の動詞は fell

意味を考える前に、文の組み立て（どれが主語で、どれが動詞か）を直感で探している

C 生成AIは「確率」で言葉を選ぶ

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」）

C 確率ベースの「限界」（酒井の指摘）

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」

二歩は、将棋のルールで禁止された反則（指したら負け）。プロの対局記録にはほとんど出てこない。
記録の「よく出る手」だけで学んだAIには、「めったに出ない手」と「指してはいけない手」の区別がつかない

言葉なら：見たことのない正しい文

ネットで一度も使われていない文は、AIには「ありそうにない＝おかしい」に見えやすい。でも人は、初めて見る文でも文法が正しいか分かる。
例：「重さのない20キログラムの哲学が柔らかに起きる」

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）

D ディスカッション

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

③ ミニ講座：生得説 vs 用法基盤モデル

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）。スマホのたとえは授業用

③ 生成AIはこの論争にどう絡む？

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。子どもが13歳ごろまでに聞く言葉は約1億語（1日およそ2万語）。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 ディクテーション練習アプリを作る（15分）

前回のディクテーションを、毎日1分でできる道具にする。英文はGeminiが5つ考えてくれる

1

プロンプトをコピー

ミニアプリ帳第4回「ディクテーション」

2

Geminiに送る

コードを全部コピー → メモ帳に貼る

3

保存

ファイルの種類「すべてのファイル」
名前は dictation.html → OneDrive

4

使ってみる

▶聞く → 書く → 答え合わせ
合っている単語は緑、違う単語は赤

app.html・habit.html・compare.html と同じ名前にしない（前のアプリが消える）

manaba →「アンケート」→「第4回宿題：目標の逆算と物語で15分」の「ミニアプリ帳第4回」から開く

振り返りと次回予告

manaba（5分・いま出す）

① 直した目標と、今週の「何を」
② リアクション：
「文法直感」に気づいた瞬間は？

manaba →「アンケート」→「第4回宿題：目標の逆算と物語で15分」

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。

授業ふりかえり

30秒・匿名・任意

forms.gle/H9sAVYsEXayABJRn9

金4　国際コミュニケーション演習a

スマホで読み取って、5問に答える

今日わかったこと・できたこと
わからなかったこと・困ったこと
次回も続けてほしいこと・やってみたいこと

氏名もメールアドレスも記録されません。成績には一切使いません。
次回の授業をよくするためだけに使います。