俳句 AI の技術詳細 — LLM の俳句生成、 その仕組みと限界

「俳句を作れる AI」 の技術的中身

19 記事「俳句 AI と生成モデル」 では、 生成 AI が俳句を作る現象と、 それに対する俳壇の反応を扱った。 この記事では、 技術的に何が起きているのか をより深く見る。 Transformer から音数計算、 プロンプト、 マルチモーダル、 評価 AI まで。

読者は俳句愛好家であって AI 研究者ではない前提で、 技術用語は最小限に、 だが正確に説明していく。

Transformer と大規模言語モデル (LLM)

現代の俳句 AI の土台は、 2017 年に Google が発表した Transformer というニューラルネットワーク・アーキテクチャ。 以下、 その要点:

1. トークン化 (Tokenization)

テキストを「トークン」 と呼ぶ小さな単位に分割する。 日本語の場合:

• 1 文字 = 1 トークン ではない
• 形態素解析 に近い分割 (「俳句」 = 1 トークン、 「古池や」 = 2-3 トークン、 モデル次第)
• 現代の主要 LLM の日本語トークン化は精度が高い

2. Attention メカニズム

入力文の各単語 (トークン) が、 他の全単語との関係 を計算する。 これで文脈を捉える。 俳句の場合:

• 「古池や」 の「や」 が切字であることを、 前後の関係で「理解」 する
• 「桜」 が季語であることを、 訓練データから統計的に「認識」 する

3. 大規模化

2022 年以降の LLM (GPT-4・Claude 3・Gemini) は数百億 - 数兆パラメータ のスケール。 これにより、 日本語・英語・俳句のような特殊な文体を含めた膨大な言語パターン を吸収している。

4. 生成

入力プロンプトに対して、 次に来るトークンを確率的に予測 し続けることで、 文章を生成する。 俳句の場合、 「秋の俳句を 5-7-5 で作って」 → LLM は「秋 → 風 → や → 落葉 → の → 音 → の → …」 と次々にトークンを予測。

音数計算の困難

「5-7-5 の音数を守る」 ことは、 表面的には簡単そうだが、 LLM にとっては意外に難しい。 理由:

1. トークン ≠ 音数

LLM のトークンは形態素・文字の断片。 「東京」 は 1 トークン (音数 4)、 「拗音 (きゃ・きゅ)」 は 1-2 トークンだが音数 1、 「促音 (っ)」 「長音 (ー)」 は 1 音とカウント。 このズレを LLM は苦手。

2. 音数計算の学習

LLM は「音数計算」 を明示的に学習していない。 訓練データから「5-7-5 の俳句とはこういう長さのもの」 を統計的に推測 している。 これで大部分は成功するが、 稀に失敗する。

3. 例

LLM に「10 句、 5-7-5 の秋の俳句を作って」 と依頼すると:

• 8-9 句は 5-7-5 を守る
• 1-2 句は音数がずれる (4-7-5 や 5-8-5)
• 音数のずれに LLM 自身は気づかない

4. 音数チェックの外部化

現代のプロ俳句 AI ツールは、 LLM の生成 + 外部の音数チェッカー の 2 段階で運用する。 「生成 → チェック → 音数が違えば再生成」 のループ。

季語辞書との連携

俳句には季語 が必要。 LLM は訓練データから5,000 語の季語 をほぼ暗記している:

1. 季語の認識

LLM に「桜は何の季語?」 と聞くと 「春の季語」 と正解できる。 「秋刀魚」 「夏の月」 「雪」 も同様。

2. 季重なりの検出

だが LLM は季重なりを検出するのは苦手。 「桜と蛙の両方が入った俳句」 を依頼すると、 「これは季重なり」 と警告せずに生成することが多い。

3. 傍題・現代季語

現代の外来語 (クリスマス・バレンタイン・ハロウィン) は、 LLM がこれを季語として認識するかどうかは、 モデル次第。 訓練データに含まれる歳時記のバージョンに依存。

4. 外部季語 API との連携

プロ俳句 AI システムは、 LLM + 季語辞書 API の連携で運用。 生成された俳句の季語を辞書照会して、 「これは春の季語」 「季重なりあり」 と判定。

訓練データの偏り

LLM の訓練データには、 俳句に関する重要な偏りがある:

1. 芭蕉・虚子・子規への集中

訓練データには、 教科書に載る有名句 が過剰に含まれる。 「古池や」 「夏草や」 「柿くへば」 は膨大なテキストで登場する。 このため LLM は:

• これらの有名句をそのまま出力する ことがある (盗作扱いになりうる)
• これらのスタイルに強く引っ張られる

2. 現代俳句の希薄さ

金子兜太・岸本尚毅・神野紗希の作品は、 訓練データに含まれるが芭蕉ほど大量ではない。 このため LLM は現代俳句のスタイルを再現するのが苦手。

3. 地方俳句・女性俳句の欠落

江戸期の女性俳人 (千代女・田捨女)、 地方俳句 (松江・信濃) は、 訓練データでの露出が少ない。 このため LLM はこれらの伝統を正しく再現できない。

4. 訓練データの時代性

LLM の訓練データのカットオフ (最新の情報の時点) は、 モデルごとに異なる。 2024 年以降の新しい俳句 (神野紗希の最新句など) は反映されないことがある。

プロンプトエンジニアリング

俳句 AI を使う際、 プロンプト (指示文) の書き方 で出力品質が大きく変わる。 実践的なコツ:

悪いプロンプト

俳句を作って

これでは LLM が何をどう作ればよいかわからず、 凡庸な俳句が出力される。

良いプロンプト

秋の夕暮、 川辺で 1 人でいる情景を、 5-7-5 の俳句にしてください。 季語は「秋の暮」 または「夕焼」。 切字は「や」 か「かな」 を使ってください。 芭蕉風の静かな叙情を目指してください。

このように題材・音数・季語・切字・スタイル を具体的に指定すると、 精度が上がる。

さらに高度なプロンプト

あなたは芭蕉の弟子として俳諧を修行しています。 「奥の細道」 の一節を読んで、 その後に続く新しい句を 1 つ作ってください。 音数 5-7-5、 季語は「秋」 系、 切字「や」 を上五に。 芭蕉の 「幽玄」 と 「軽み」 の美学を意識してください。

このようにペルソナ (役割) + 具体的な文脈 + 制約 + 美学 を組み合わせると、 LLM が高度な模倣を試みる。

反復と選択

実務では、 1 回で完璧な俳句を得るのは稀。 20-50 句を生成させて、 人間が選ぶ (キュレーション) のが現実的。 これは「AI と共作」 の一形態。

現代の主要 LLM の俳句生成能力

2026 年時点の主要 LLM の俳句能力 (筆者の実測ではなく、 一般的な観察に基づく):

Claude Opus 4.7 (Anthropic)

• 音数: ほぼ確実に 5-7-5 を守る
• 季語: 適切に選択
• 切字: 適切に配置、 二重切字は稀
• 文化的深さ: 中程度から高、 芭蕉・虚子風の抒情を再現
• オリジナリティ: 中程度、 訓練データの範囲内

GPT-4o / GPT-5 (OpenAI)

• 音数: 高い確率で守る
• 季語: 適切、 現代季語 (クリスマス等) も対応
• 切字: 適切、 時々二重切字
• 文化的深さ: 中程度
• オリジナリティ: 中程度

Gemini 2.5 Pro (Google)

• 音数: 守るが、 稀にずれる
• 季語: 対応、 現代季語も
• 切字: 対応
• 文化的深さ: 中程度
• マルチモーダル: 画像入力で俳句生成が可能 (Gemini の特徴)

DeepL Write / 日本語特化モデル

• 日本語の音数計算: 英語圏 LLM より正確
• 季語: 詳細
• 翻訳との連携: 英日翻訳と組み合わせやすい

結論: 主要 LLM 3 社の俳句能力は 2026 年時点でほぼ拮抗。 差異は微細で、 用途によって選択する段階。

マルチモーダル俳句 — 画像から俳句

マルチモーダル LLM (GPT-4o、 Claude Opus 4.7、 Gemini 2.5 Pro) は、 画像を入力に俳句を生成 できる。 例:

実例

画像入力: 秋の京都、 銀閣寺の紅葉の写真

プロンプト: 「この画像を俳句にしてください」

出力例:

銀閣や 苔むす庭の 秋深し

特徴:

• 画像から具体的な対象 (銀閣・庭・秋) を抽出
• 季感 (秋深し) を選択
• 切字「や」 を配置

応用

• 観光地の俳句 AR アプリ — 景色を写真で撮ると、 AI が俳句を返す
• 写真俳句の支援 — アマチュアが写真に句を添える際、 AI が下案を提示
• 国際交流 — 外国人観光客が画像から俳句を作れる

現状の限界

• 画像の細部の見逃し (影・光の質感など)
• 季節の判定 の誤り (常緑樹しか写っていない写真では季節不明)
• 文化的コンテキスト の欠落 (この寺の歴史的意味など)

評価 AI — 俳句の良し悪しを判定する AI

生成 AI とは別に、 俳句の質を評価する AI の研究が進んでいる:

1. 統計的評価

• 音数の正確性
• 季語の有無・重なり
• 切字の適切性
• これらは自動判定可能

2. 詩情の評価

「この句は詩として優れているか」 という主観的な評価。 これは AI にはまだ難しい:

• 専門俳人の選句データ を訓練データに使う試み
• 総合俳句誌の掲載/不掲載 をラベルとした二値分類
• 現在の精度は60-70%、 人間の合意率 (80-90%) には及ばない

3. 応用

• 俳句甲子園の予選 に評価 AI を使用 (試験段階)
• 総合俳句誌の投句欄 で AI が事前フィルタリング
• 教育現場 で、 生徒の俳句への評価フィードバック

4. 将来

生成 AI + 評価 AI の組み合わせ で、 質の高い俳句の大量生成 が可能になる。 これは俳句創作の性質そのものを変える可能性がある。

AI 俳句の著作権と創作性

現在、 世界の著作権法はAI 生成物の著作権 について明確な結論を出していない。 米国・日本・EU で議論中。

争点

1. AI が単独で生成した俳句 — 著作権は成立するのか、 するとしたら誰の権利か
2. 人間が AI と共作した俳句 — 人間の創作性の割合が問題
3. 既存の名句を訓練データにした AI — 権利者への還元は必要か

俳句界の現状

• 俳句甲子園: 高校生が AI 生成句を提出することは禁止
• 総合俳句誌: AI 生成句は原則不掲載、 だが判定は難しい
• 主宰誌: 主宰の判断次第、 統一されていない
• SNS: AI 生成句を明示すれば投稿可、 が一般的な合意

2020 年代後半の展望

このシリーズを書いている 2026 年時点で、 俳句 AI はまだ発展途上。 2020 年代後半 (2027-2030) の予測:

1. パーソナライズド俳句 AI

個々のユーザの過去の投稿・興味・生活パターンを学習し、 その人の 「らしさ」 に合わせた俳句 を提案する AI。 SNS プラットフォームと結合。

2. マルチモーダルの深化

画像・音声・動画から俳句を生成する能力が向上。 観光地の QR コード を読むと、 その場所の情景に合わせた俳句が返る、 といった応用。

3. リアルタイム句会 AI

オンライン句会の場に AI が参加者として加わり、 リアルタイムで句を出す・選ぶ機能。 「AI と人間のミックス句会」 が試験的に行われる可能性。

4. 教育での本格導入

中学・高校の国語授業で、 俳句 AI が標準的な教材になる。 生徒が AI と対話しながら俳句を学ぶ。

5. 国際俳句支援

多言語 AI が、 日本語俳句を英語・仏語・韓国語に翻訳しつつ、 世界俳人の対話を支援。 世界俳句コミュニティ のインフラとして機能。

「AI と俳句」 の本質的な問い

技術がどれだけ進んでも、 残る本質的な問い:

1. 「俳句を作る主体」 は誰か

プロンプトを入力する人間か、 生成する AI か、 訓練データを提供した過去の俳人たちか。 創作性の所在 の問い。

2. 「俳句の芸術的価値」 は誰が決めるか

AI が生成した「技術的に完璧な」 俳句と、 人間が生活のなかで作った「拙いが真実の」 俳句。 どちらが 「本当の俳句」 か。

3. 「俳句を読む」 という営み

AI 生成句を読んで感動することは可能か。 感動が生じるとき、 それは AI の巧妙さへの感嘆か、 それとも人間の詩情への共感か。

4. 400 年の伝統との関係

芭蕉・蕪村・一茶・虚子・兜太が積み重ねた俳句の伝統に、 AI 俳句はどう位置付けられるか。 21 世紀の一つの新しい流派 か、 それとも別の詩形 か。

これらの問いは、 このシリーズの 33 記事を通じて示唆されてきたが、 明確な答えはない。 21 世紀の俳句人・俳句愛好家・技術者が、 これから 30-70 年かけて考え、 実践し、 答えていく問い。

このシリーズの完結

俳句 400 年史シリーズ、 これで 33 記事 + overview = 34 コンテンツ を書き終えた。 貞徳の貞門俳諧 (17 世紀前半) から、 現代の生成 AI (2020 年代) までの 400 年を、 主要な人物・作品・技法・思想・地域・国際化・技術という多面から辿ってきた。

「なぜ 400 年、 17 音は生き続けているのか」 — この問いへの部分的な答え:

1. 17 音の極端な短さ が、 逆に読み手の想像力の余地 を最大化する
2. 5,000 語の季語システム が、 短さを情報密度 で補償する
3. 「や」 「かな」 「けり」 の切字 が、 17 音に構造の骨格 を与える
4. 各時代の俳人の挑戦 が、 現代の題材を 17 音に折り畳む工夫を積み上げてきた
5. 主宰誌・句会・俳句甲子園・SNS など、 継承の仕組みが多層的に用意されている
6. 国際化と AI という新しい変数のなかで、 なお新しい句が生まれ続けている

400 年前の松永貞徳、 芭蕉、 一茶、 子規、 虚子、 山頭火、 兜太 — この 400 年間の俳人の集合的な業績のなかから、 21 世紀の俳人たちは新しい 17 音を作り続ける。 そして、 22 世紀の俳人たちも、 きっと同じ 5-7-5 のフレームで、 その時代の生を刻むはず。

最後に、 芭蕉の言葉で

芭蕉が晩年に語ったとされる言葉:

「不易流行 (ふえきりゅうこう)」

変わらないもの (17 音・季語・切字) と、 変わり続けるもの (時代の題材・生活の実感) の両方が、 俳句を俳句たらしめる。 400 年前の芭蕉のこの言葉は、 生成 AI が俳句を作る 2026 年の私たちにも、 なお有効な指針。

このシリーズが、 読者にとって俳句の宇宙への一つの入り口となれば幸いである。 芭蕉・蕪村・一茶・子規・虚子・山頭火・放哉・兜太、 そして現代の神野紗希・岩田奎ら、 400 年の俳人たちの句を、 これからも読み続けてください。

そして、 もしあなた自身が 5-7-5 を作りたくなったら、 それは 400 年の伝統への一つの新しい参加。 その句がどんなに拙くても、 貞徳から兜太までの俳人たちが積み上げてきた 17 音のフレームは、 あなたの句を待っている。