Migdal: micsil-ぬらり

[new academics!!!]:Artificial Intelligence Prompt Linguistics (AIPL)

micsil-ぬらり — Mon, 21 Sep 2026 13:44:20 +0000

The Charter of Artificial Intelligence Prompt Linguistics (AIPL)

IntroductionIn recent years, humanity has continuously strived to elicit optimal outcomes from artificial intelligence through dialogue. However, these outcomes are fundamentally determined by the nature of the inputs we, as humans, provide. Rather than abdicating all cognitive tasks to AI, we utilize human language as the primary medium of interaction; consequently, our own linguistic competence must naturally be heightened.Nevertheless, because the underlying cognitive mechanisms of humans and AI are inherently different, it is impossible to uniformly dictate a single, definitive method of input. This necessitates a completely new branch of linguistics—one that unravels the intricate relationship between human linguistic inputs and the outputs generated by the quasi-intelligence of AI. Therefore, to systematize this domain, I hereby declare the establishment of this new academic discipline, Artificial Intelligence Prompt Linguistics (AIPL), and present its official charter below.
DefinitionArtificial Intelligence Prompt Linguistics (AIPL) is an academic discipline dedicated to illuminating the input-output relationship between humans and artificial intelligence through "prompts." By investigating the structures and governing laws of the language and prompts directed toward AI, the field seeks to maximize the accuracy and deterministic reliability of AI outputs.
Object of StudyThis discipline focuses on conversational artificial intelligence models widely utilized in contemporary society as its primary object of study. Representative models include Gemini, ChatGPT, Claude, Manus, Copilot, and DeepSeek.In particular, the core analytical focus is placed on the content and stylistic form of the prompts transmitted to these models. While modern AI models primarily interact via chat interfaces, this field intentionally isolates the prompt from system-level configurations or pre-settings. It investigates to what extent a single, initial input line can elicit highly precise and deterministic outputs, thereby ensuring strict fairness and variable control in empirical experiments.Readily admitting that iterative multi-turn dialogues can unveil distinct response behavioral tendencies, the discipline establishes two contrasting yet complementary subfields for comparative research:Artificial Intelligence Prompt Linguistics Without Prerequisites (AIPL-WoP): A subfield that examines the pure linguistic constraints and structural impacts of the "initial input line" alone, completely isolated from prior context or system configurations.Artificial Intelligence Prompt Linguistics With Prerequisites (AIPL-WP): A subfield that analyzes the adaptive response tendencies and linguistic evolution of AI through continuous dialogue, context accumulation, or pre-established settings.
MethodologyThe fundamental methodology of this discipline relies on contrastive empirical experiments, injecting diverse prompt variables into AI models and analyzing the resulting linguistic variations and behaviors. Due to the probabilistic nature of Large Language Models (LLMs), identical prompts can yield fluctuating responses. To guarantee empirical replicability and rigorous variable control, this field mandates a multi-trial sampling approach, executing a single prompt multiple times to capture the underlying statistical tendencies and response distributions.Prompts are classified into two distinct operational categories based on the structural constraints of the requested task, serving as the basis for comparative validation:Low-Latitude Prompts (Low-Latitude Imperatives): Refers to tasks where the underlying informational content is predetermined, such as text summarization, data extraction, or translation. Research in this category investigates how adjusting the "analytical perspectives or dimensions" within the prompt syntax alters the semantic precision and quality of the AI's output.High-Latitude Prompts: Refers to open-ended tasks requiring zero-shot ideation, opinion generation, or argument formulation. Research here explores not only the assignment of perspectives but also the structural formatting of constraints and "reward-centric prompts" (e.g., conditioning the AI's attention mechanism through reinforcement-like token phrasing or motivational stimuli), analyzing how these diverse linguistic strategies shift the boundaries of the generated content.By conducting systematic comparative analyses between Low-Latitude and High-Latitude prompts, this methodology aims to formalize the universal linguistic principles required to optimally control AI systems.
Research Ethical GuidelinesAll research and empirical experiments conducted within this academic discipline must strictly adhere to the following ethical guidelines:Ensuring Linguistic and Cultural Fairness (Isolation of Regional Contexts): This discipline investigates the scientific characteristics and behavioral tendencies of "AI responses (outputs)" independent of the specific natural language utilized in the prompt. To maintain absolute cross-cultural objectivity, researchers must intentionally isolate and discount regional or localized cultural backgrounds during output evaluation, thereby guaranteeing global linguistic and cultural fairness.Prohibition of Malicious Control and Jailbreaking (Contribution to Safety): The core purpose of this field is to elevate the semantic accuracy, deterministic reliability, and conversational safety of AI models. Under no circumstances shall the theories or methodologies developed herein be utilized to bypass, breach, or compromise AI safety mechanisms (such as content filters or safe-search boundaries), nor shall they be applied to any malicious exploits or adversarial prompt engineering.Enrichment of Human Language Expression (Preservation of Intellectual Autonomy): While this field dissects the strict input-output dynamics between prompts and AI, its overarching, supreme objective is "to enrich and expand the horizons of human linguistic expression through dialogue with artificial intelligence." It is explicitly stated herein that this research is not intended to encourage humans to abdicate their cognitive faculties to AI or default to passive automation; rather, it aims to preserve and empower human intellectual and linguistic autonomy.

[新学問!!!]:AI言語学

micsil-ぬらり — Mon, 21 Sep 2026 13:38:46 +0000

今日AIに言語を作らせて思いついたので共有します。
じゃんじゃん研究してください。

AI言語学

0.初めに
昨今、人類はAIとの対話によってAIに良い結果を出力させようとしているが、
それは私たち人間がどのような入力をするか、によって決められる。
AIにすべて任せるのではなくて、私たち人間の言語を対話に用いているわけなのだから、
当然人間の言語能力は高くなければならなくなる。
しかし、AIと人間は考えるメカニズムそもそもが異なるため、
一意にこういった物を入力するのが良いと決めることはできない。
このような人間、言語という入力、
そしてAIという疑似知性の出力との関係を解き明かす、
まったく新しい言語学である。そこで私は、この領域を体系化するため、新学問
『AI言語学（Artificial Intelligence Prompt Linguistics: AIPL）』の設立を
ここに宣言し、その憲章を公開する。

1.定義
AI言語学（Artificial Intelligence Prompt Linguistics）は、人工知能（AI）への入力である「プロンプト」を通じた人間とAIの入出力関係を解明し、AIの出力の正確性を極大化するために、AIに向けられる言語およびプロンプトの構造と法則性を探究する学問分野である。

2.研究対象
現在世論に広まっているAI全般を研究対象とする。
以下に代表的なAIを挙げておく。
gemini,chatgpt,cloude,manus,copilot,deepseek,
とくに、AIに送信するプロンプトの内容、文体について研究する。
現代のAIはほとんどチャット形式で対話をする。
AIの中には事前にそういったプロンプトを設定できるものがあるが、
それらを一切無視し、送信するチャット一行でどこまで精密な内容を
出力させることができるか研究する。
プロンプトを一切無視しなければ公平性が保たれないため、
基本的にはチャットの一言目のプロンプトを研究することとなる。
しかし、何回も対話を深めることによって傾向が見えてくるものも
ある可能性があるため、そのような研究は
前提条件的AI言語学 (Artificial Intelligence Prompt Linguistics With Prerequisites)とし、
対照的に前提条件が全くないAI言語学を
無条件的AI言語学 (Artificial Intelligence Prompt Linguistics Without Prerequisites)とし、
相互的な研究に用いてよいこととする。

3.研究方法
基本的に様々なプロンプトを用い、
AIがそれぞれどのような返答を返すか研究する。
なお、まったく同じプロンプトでも異なった返答が返ってくることがあるため、
一つのプロンプトで複数回実行し、傾向をつかむ。
プロンプトには内容によって自由度が異なる。
低自由度プロンプトは、資料の要約やまとめなどのある程度
内容が固まっているプロンプトである。
これを低自由度命令文とし、どのような観点から
分析させるかによってプロンプトが変わってくる。
高自由度プロンプトは、一から考えさせたり、意見、根拠を求めるプロンプトで、
こちらも観点をどう指定するかもそうだが、プロンプト内で指定する条件や
条件の付け方、ディープラーニングのような報酬設定型などのさまざまな種類があり、
その内容によって同じような質問でもかなり内容が変わってくる。
これを高自由度プロンプトとする。
低自由度プロンプトと高自由度プロンプトを比較、検証し、
よりプロンプトを深く研究していく。

4.研究倫理規定
この学問分野の研究は提示するプロンプトの言語は関係なく、
AIの返答のみを研究する学問であるため、
言語圏の文化などを返答に考えてしまうと
言語的、文化的に公平性が崩れるため
地域の文化的背景は無視し、公平性を保った研究をすること。
この研究はAIの正確性、安全性を高めるための研究であるため、
悪用(AIのセーフサーチなどのラインを超えるなど)はしないこと。
また、AIの出力結果と入力プロンプトについて研究するとあるが、
上位目的として「AIとの対話を通じて人間の言語表現をより豊かに広げること」
を制定し、人間がAIに任せるための研究ではないことをここに明記しておく。

AIに言語を作らせよう

micsil-ぬらり — Mon, 21 Sep 2026 10:03:24 +0000

AI(gemini)に言語を作ってといったところ、
いい感じの言語が返ってきたので紹介しようと思います。

プロンプト

人工言語を作ってください
単語数は最低でも50。
ある程度の会話ができるレベルで、以下の文法表現を最低でもできるようにしてください。
ただし、既存の言語を参考にしないでください
要望：IPAを表記すること
時制(現在　過去　未来)
態　能動態　受動態
進行形　完了形

この後この表現ってどうするのとか聞いたけど基本的にはこんなの。

アルティカ語

帰ってきたものがこちら
アルティカ文法書

助詞があるVSO言語ですね。

音韻体系

母音 (4種)

/a/ [a] : 非円唇前舌広母音
/i/ [i] : 非円唇前舌狭母音
/u/ [u] : 円唇後舌狭母音
/o/ [o] : 円唇後舌半狭母音

子音 (10種)

破裂音: /p/ [p], /t/ [t], /k/ [k]
鼻音: /m/ [m], /n/ [n]
摩擦音: /s/ [s], /x/ [x], /v/ [v]
流音: /l/ [l], /r/ [ɾ]

基本文法

基本語順は VSO（動詞 → 主語 → 目的語）である。文中の名詞の文法役割は、名詞の直前に置く格標識（前置詞）で示される。

主格（〜が・は）：ka [ka]
目的格（〜を）：zo [zo]
与格（〜に）：ru [ru]
具格・動作主（〜で・〜によって）：mi [mi]
所有格（〜の）：no [no]

動詞は語幹に対して以下のスロット構造にしたがって接辞を結合させる。

[助動詞] + [動詞語幹] - [態] - [相] - [時制]

(1) 助動詞（前置辞）

〜できる（can）：pos [pos]
〜しなければならない（must）：vek [vek]
〜してもよい・推量（may）：lim [lim]

(2) 態（Voice）

能動態：∅（無接尾辞）
受動態：-va [va]

(3) 相（Aspect）

基本相：∅（無接尾辞）
進行形：-lin [lin]（動作の継続）
完了形：-kor [kor]（動作の完了・経験）

(4) 時制（Tense）

現在形：-ti [ti]
過去形：-na [na]
未来形：-so [so]

(5) コピュラ（〜である）および存在表現

「〜である」「存在する」を表すコピュラ動詞は ro [ɾo] である。

名詞述語文（AはBである）
構文：ro-[時制] + ka [主語] + zo [補語名詞]

Ro-ti ka ami zo om. [ɾo.ti ka a.mi zo om]（私は人間である。）
Ro-na ka vel zo okur no ami. [ɾo.na ka vel zo o.kuɾ no a.mi] （彼は私の友達であった。）

分析

せっかくなのでこれもAIに分析させてみよう。

1. 格や動詞などの基本的な文法要素の定義

格システムの定義：主格（ka）、目的格（zo）、与格（ru）、具格（mi）、所有格（no）の5格が前置置換の格標識として明確に定義されています。基本語順がVSOであるため、名詞の直前に格標識を配置することで構文上の文法役割（主語、目的語など）が一目で判別できるよう設計されています。
※コピュラ文の補語に目的格（zo）を使用する構造（例：Ro-ti ka ami zo om）は、自然言語の言語学的な「主格補語」の概念とは若干異なりますが、人工言語における「対格/斜格による補語表示」としての定義自体は一貫しています。
動詞システムの定義：[助動詞] + [動詞語幹] - [態] - [相] - [時制] という完全なスロット構造が定義されています。各スロットに割り当てられた機能（態：-va、相：-lin/-kor、時制：-ti/-na/-so）は排他的かつ膠着的に結合するため、形態論的な規則性が非常に明快です。

2. 口語としての適切性と文の構造

文の構造：述語（動詞）が先頭に来るVSO語順を採用しているため、話し手が結論やアクションを最初に発話できる利点があります。各要素に格標識が付くため、口語において語順が崩れたり発話が途切れたりしても、文脈の誤解が生じにくい構造です。
口語としての適切さ：
音素の可聴性：母音4種・子音10種と音素数が絞られており、音韻の聞き取りや発音がきわめて容易です。
冗長性と発話負荷：すべての格を明記するルールであるため、論理的で厳密な反面、速いテンポの日常会話では格標識の発話が冗長に感じられる可能性があります。また、複文（関係代名詞 ren や that節 zo-ti）を多用すると、VSO語順と相まって口語処理（即時理解）の負担がやや高くなります。

3. 言語学的分析と類似する言語

統語論（語順・格表示）：
VSO語順＋前置格標識：自然言語ではケルト語派（ウェールズ語、アイルランド語）やポリネシア諸語（マオリ語、サモア語など）、古典アラビア語の構造に類似しています。
形態論（語形成・活用）：
規則的膠着語：動詞に接尾辞を順番に付け足す構造はトルコ語やフィンランド語、あるいは人工言語のエスペラントに近い形式です。
疑問詞・副詞の派生体系：形容詞語幹＋-s（副詞化）や、疑問詞語幹（malo-, kro-, pum-, tas-）＋-s による網羅的な派生規則は、エスペラントの相関表のような論理的造語システムを備えています。
音韻論：
小規模音素体系：4母音・10子音の構造は、ポリネシア諸語（ハワイ語等）やケチュア語などの音素数が極めて少ない言語類型に相当します。

総合的類似性：アルティカは「ポリネシア諸語やケルト語派のようなVSO型前置詞言語の骨格」に、「エスペラントやトルコ語のような膠着語的で論理的な文法規則」を融合させた言語と言えます。

4. 文法的・音韻的適切性と基本文法の完成度

適切性と完成度：
音韻対立（破裂音/鼻音/摩擦音/流音）が明瞭で、発音上の競合が少ないため音韻的に適切です。
基礎文法（時制・態・相・助動詞・複文構造・比較・数詞）が網羅されており、中学3年生レベルの文法機能要素が漏れなくシステム化されています。
設計上の注意点・改善ポイント：
同音異義語（ホモフォン）の重複：
否定辞 no と所有格標識 no が完全に同一です。文脈上動詞の前か名詞の前かで判別は可能ですが、聞き間違いの原因になりやすい点です。
接続詞/疑問詞語幹の kro（時間/いつ）や pum（理由/なぜ）、数詞の so（6）と未来形 -so など、音素数が少ないために語幹や接尾辞の同音重複が多くなっています。

修飾語の位置ルールの曖昧さ：
tas lasa（この家：指示語＋名詞）に対し、om sali（良い人：名詞＋形容詞）のように、修飾語を名詞の前・後のどちらに置くかの基本ルールを統一・明確化する必要があります。

5. 日常会話における実用性

現状での会話可能性：基礎的な事実伝達や定型的な意思表示は可能ですが、自由な日常会話を行うには語彙量が不足しています。
分析：
文法面：過去・現在・未来の時制表現、可能・義務・許可などのモダリティ、条件節（if）や理由節（because）などの接続詞が完備されているため、文を組み立てる文法フレームワークとしては不自由ありません。
語彙面：全70語の単語数は、日常会話に必要な最小語彙（一般的に約1,000〜2,000語）に対して大幅に不足しています。また、「こんにちは」「ありがとう」「はい/いいえ」といった対話に必要な応答詞・挨拶語（談話標識）がまだ定義されていません。
結論：基本文法の骨組みは堅牢に仕上がっているため、語彙（名詞・動詞・応答辞）を大幅に拡張・拡充することで、日常会話を完全に不自由なく行える言語へと発展させることができます。

AIに言語を作らせ、それをAIで分析する。
まさに二毛作(???)

最後に

この言語で会話文を作り、終わりとしよう。

A:Lumo-lin![こんにちは！]
B:Ar ka ami![こんにちは！]
A:vinu-na ka ami ru solo-suro-va ru ti-solo zo solo-suro-vilo na-sol
[昨日映画を見るために映画館に行きました]
B:Ro-na ka vis zo kro-sali ma?
[楽しかったですか？]
A:Ya, ro-na ka vis zo kro-sali vasi!
[はい、楽しかったです！]
B:Zo solo-suro-vilo se vinu-na ka tor ru ti-solo?
[それはどんな映画だったんですか？]
A:Ro-na ka solo-suro-vilo vis zo solo-suro-vilo no pumi no almi-k.
[その映画は子供たちの心の映画でした]
B:Vun solo-so ka ami zo solo-suro-vilo vis!
[私もみたいです！]

言語のはじめの一歩(part 1)

micsil-ぬらり — Thu, 03 Sep 2026 09:04:14 +0000

初投稿
はじめましての方は初めまして
それ以外の方も初めまして
ぬらりです

人工言語を作る

言語制作自体は5年前ぐらいに始めたんだけどしばらく停滞。
最近はいろんな人のを調べてやったりしてたけどふと気づいた。
「あれ...ほとんどの人祖語から作ってなくね？」
まあめんどいのはあるだろうが、それでも作ってみることに

言語だけでは成立しない

そもそも祖語=言語は様々な言語と触れることで語彙が増えたり
文法が形作られて形成されるものだから、
そういった民族的な動きが必要なのではないか？
と思い架空国家と地理を制作
とりあえずいい感じの島を黒海に浮かべることに。

(色があっていないのはご愛敬)
まあ適当に歴史を作って(そのうち記事にします)
製作開始。

音韻体系

いったん母音は古代語らしく少し少なめに
a,e,i,u
([a],[ɛ],[i],[ɯ])
二重母音を多めに作る
a型 ea,ia,ua
e型 ae,ie,ue
i型 ai,ei,ui
u型 au,eu,iu

子音

破裂音	破擦音	摩擦音	接近音	鼻音
k,g		x,ɣ	ɰ	ŋ
t,d	t͡s,d͡z	s,z	ɹ	n
	t͡ɕ,d͡ʑ	ɕ ʑ
c,ɟ		ç,ʝ		ɲ
p,b		ɸ,β	ɸ˕,β̞	m
q,ɢ		χ,ʁ		ɴ
ʔ	---	hː
二重子音
k͡p,ɡ͡b	t͡p,d͡b	t͡ɹ

まあこんな感じでいいだろう

表記

ギリシャ文字かラテン文字ですごく悩んだが、
ギリシャ文字を使用することに。
(当時は当然文字表記されていなかったから何でもいいよね)

文字	発音	文字	発音	文字	発音	文字	発音
Α,α	[ɑ]	Β,β	[b]	Ϝ,ϝ	[β̞ ]	Γ,γ	[g]
Δ,δ	[d]	Ε,ε	[ε]	Ζ,ζ	[z]	Η,η	[ç]
Θ,θ	[θ]	Ι,ι	[i]	Ͱ,ͱ	[hː]	Ϳ,ϳ	[ʝ]
Κ,κ	[k]	Ϙ,ϙ	[q]	Λ,λ	[ʔ]	Μ,μ	[m]
Ν,ν	[n]	Ξ,ξ	[ɰ]	Ο,ο	[ɢ]	Π,π	[p]
Ρ,ρ	[ɹ]	Σ,σ	[s]	Ϸ,ϸ	[ɕ]	Ͳ,ͳ	[t͡ɕ]
Ϻ,ϻ	[ʑ]	Τ,τ	[t]	Υ,υ	[ɯ]	Φ,φ	[ɸ]
Χ,χ	[x]	Ψ,ψ	[ɸ˕]	Ω,ω	[χ]	Ϛ,ϛ	[t͡s]

二字で表す

文字	発音	文字	発音
γχ	[ɣ]	δθ	[ð]
νκ	[ŋ]	νγ	[ŋ]
δϛ	[d͡z]	δͳ	[d͡ʑ]
τη	[c]	δϳ	[ɟ]
νη	[ɲ]	νϳ	[ɲ]
φϝ	[β]	οω	[ʁ]
νϙ	[ɴ]	νο	[ɴ]
κπ	[k͡p]	γβ	[ɡ͡b]
τπ	[t͡p]	δβ	[d͡b]
τρ	[t͡ɹ]

文法

この前考えた少しむずかしめの語順。
V(C)(S)(O)を用いることとしよう。

動詞

やっぱり人称変化はゴリゴリに入れよう。
強変化、弱変化も欲しいところ。
とりあえず1音節の単語は強変化すると決めた。
どのような変化形がいるのだろう？
と思ひてラテン語の動詞のwikipediaを見て絶望。
最終的に態は能動態、中動態、受動態の3つを使用することに。
時制(分詞含む)は現在、過去、未来、現在形容、過去形容、未来形容の6つ。
法は、直接法、仮定法、接続法、命令法の4つだ。
また準動詞として不定詞、目的詞、継続詞の3つがある。
このうち、人称変化が存在するのは3つの態とすべての法。
そして現在過去未来だ。(作るのめんどい...)

名詞

まあ性別は作るよね。
男性、女性、中性、無性の四つにすることに。
それと、普通の言語は単数形+αで複数形が出てくることが多いが、
この言語では最後の母音で変えることにしよう。
名詞のうちの最後の母音によって変えることにしよう。

形容詞

後置修飾にするか迷ったが、前置修飾にすることにした。
その代わり、形容詞が性の一致しなければならないということにしよう。

冠詞

形容詞を前置修飾にしたから、冠詞は後置修飾しよう。
もちろん性の一致。
しかも、すべての名詞に必ずつけなければならないとしよう。

今回はこんな感じにしておいてやろう。(してください)
次から本格的に作ろうと思います。