AIドキドキチェッカーα.py の公開と解説

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。

   「精神医学・医療・財務省のタブー」: 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。」

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()