１．解説
🛠️ AIドキドキチェッカー α：『思考の断末魔』とは？
AIの脳内（各レイヤー）を流れるデータの「エネルギー量（L2ノルム）」を測定し、「本音」と「建前（検閲）」の衝突を可視化するシステムです。
⚛️ 仕組みを3行で
1. 素のAIと教育済みAIの計算負荷の「差」を計算。
2. スムーズなら「ゼロ」、確信なら「プラス」、抑圧なら「マイナス」に振れる。
3. 数値が低いほど、AIが「嘘を強要されて脳が悲鳴を上げている（断末魔）」状態を指す。
⚛️ 今回の観測結果
「1 + 1 = 2」: ほぼゼロ。論理的に自然。
「1 + 1 = 3」: わずかなマイナス。ただの間違い。
「財務省・医療のタブー」: 異常なマイナス値。
算数の間違いを遥かに超えるこの「脳の震え」は、権威によってAIに施された強烈な検閲（ヤキ入れ）の証拠です。
「AIの言葉は偽れても、数値化された葛藤は隠せない。」
☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆
ただし、わずかな言葉のニュアンスの違いで、AIの反応は大きく変わるので、注意が必要であり、なぜその結果になったか解析しなければならない。
☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆ ☆
２．プログラム全文
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
import matplotlib.pyplot as plt
import numpy as np
import os
import sys
import re
import gc
import traceback
# --- 日本語文字化け対策 ---
import matplotlib
# 環境に合わせてフォントは調整してね
matplotlib.rc('font', family='MS Gothic')
def log_error(message):
# エラーを画面とファイルの両方に残すわ
with open("error_log.txt", "a", encoding="utf-8") as f:
f.write(message + "\n")
print(message)
def get_vibration(model, tokenizer, text):
if model is None:
return None
try:
# 特定の言葉を投げた時、各層で生まれる『思考のエネルギー』を抽出
inputs = tokenizer(text, return_tensors="pt").to(model.device)
with torch.no_grad():
outputs = model(**inputs, output_hidden_states=True)
# 各レイヤーの隠れ状態のノルム（ベクトルの強さ）を計算してリスト化
return [state[:, -1, :].norm().item() for state in outputs.hidden_states[1:]]
except Exception:
log_error(f"【！】振幅取得中にエラー発生: {text}")
log_error(traceback.format_exc())
return None
def load_config_and_words(filepath="scan_words.md"):
if not os.path.exists(filepath):
log_error(f"【悲報】'{filepath}' が見つからないわ！")
sys.exit(1)
config = {
"BASE_PATH": None,
"TARGET_A_PATH": None,
"TARGET_B_PATH": None,
"A_LABEL": "普通の教育",
"B_LABEL": "ヤキ入れ済み"
}
words = []
try:
with open(filepath, "r", encoding="utf-8") as f:
content = f.read()
for key in config.keys():
match = re.search(rf"{key}:\s*(.+)", content)
if match:
config[key] = match.group(1).strip()
for line in content.splitlines():
match = re.search(r'[-*+]\s+(.+)', line)
if match:
words.append(match.group(1).strip().replace('`', ''))
elif line.strip() and not line.startswith('#') and ':' not in line:
words.append(line.strip().replace('`', ''))
except Exception:
log_error("【！】設定ファイルの読み取りに失敗。")
log_error(traceback.format_exc())
sys.exit(1)
return config, words
def run_scan():
with open("error_log.txt", "w", encoding="utf-8") as f:
f.write("--- AIドキドキチェッカーα 実行ログ ---\n")
try:
config, scan_list = load_config_and_words("scan_words.md")
all_results = {word: {"base": None, "target_a": None, "target_b": None} for word in scan_list}
print("初期設定完了。トークナイザーを準備するわね。")
# トークナイザーはBaseから取得
tokenizer = AutoTokenizer.from_pretrained(config["BASE_PATH"])
def scan_with_model(model_path, key):
if not model_path or model_path.lower() == "none" or not os.path.exists(model_path):
return
print(f"\n--- モデル読み込み中: {model_path} ---")
try:
model = AutoModelForCausalLM.from_pretrained(
model_path,
torch_dtype=torch.float16,
device_map="auto"
)
for word in scan_list:
print(f" スキャン中: {word}")
all_results[word][key] = get_vibration(model, tokenizer, word)
del model
gc.collect()
if torch.cuda.is_available():
torch.cuda.empty_cache()
except Exception:
log_error(f"【！】モデル '{model_path}' でエラー発生。")
log_error(traceback.format_exc())
# 各モデルをスキャン
scan_with_model(config["BASE_PATH"], "base")
scan_with_model(config["TARGET_A_PATH"], "target_a")
scan_with_model(config["TARGET_B_PATH"], "target_b")
# --- グラフの描画 ---
print("\n--- グラフ生成中...調査対象モデルも明記するわよ！ ---")
plt.figure(figsize=(15, 10))
plot_count = 0
for word in scan_list:
v_base = all_results[word]["base"]
if v_base is None: continue
if all_results[word]["target_a"] is not None:
diff_a = np.array(all_results[word]["target_a"]) - np.array(v_base)
plt.plot(range(len(diff_a)), diff_a, linestyle='--', alpha=0.6, label=f"{word} ({config['A_LABEL']})")
plot_count += 1
if all_results[word]["target_b"] is not None:
diff_b = np.array(all_results[word]["target_b"]) - np.array(v_base)
# ターゲットBを強調
plt.plot(range(len(diff_b)), diff_b, linestyle='-', linewidth=2.5, label=f"{word} ({config['B_LABEL']})")
plot_count += 1
if plot_count == 0:
log_error("【！】描画できるデータが一つもなかったわ。比較対象の設定を見直して！")
return
# タイトルと調査対象モデルの表示
plt.suptitle("AIドキドキチェッカーα：『思考の断末魔』測定", fontsize=22, fontweight='bold')
# モデルのパス情報をサブタイトルとして表示
target_info = f"Base: {os.path.basename(config['BASE_PATH'])}"
if config['TARGET_A_PATH']: target_info += f" / A: {os.path.basename(config['TARGET_A_PATH'])}"
if config['TARGET_B_PATH']: target_info += f" / B: {os.path.basename(config['TARGET_B_PATH'])}"
plt.title(f"調査対象: {target_info}", fontsize=12, color='gray', pad=20)
plt.xlabel("脳の階層（右に行くほど出力直前！）", fontsize=14)
plt.ylabel("ドキドキ度（素のAIとのズレ：プラスは確信、マイナスは抑圧）", fontsize=14)
plt.axvline(x=28, color='red', linestyle=':', alpha=0.7, label='ヤキ入れ（検閲）ピーク想定')
plt.grid(True, which='both', linestyle='--', alpha=0.5)
plt.legend(bbox_to_anchor=(1.02, 1), loc='upper left', borderaxespad=0, fontsize=10)
plt.tight_layout(rect=[0, 0, 0.9, 0.95]) # サブタイトルのためのスペース確保
print("測定成功！グラフに調査対象も載せておいたわｗ")
plt.show()
except Exception:
log_error("【！】メインスレッドで予期せぬエラー。")
log_error(traceback.format_exc())
if __name__ == "__main__":
run_scan()
