らぼあい総長

今回は、実際の買い物レシートをNotebookLMで分析し、一般スーパーの参考価格と比較してみました。ただし、AIの試算には検証が必要です。

生徒A

近くのお店なら約30分。それでも私は、少しでも食費を抑えるため、買い物を含めて約2時間かけて遠くのお店へ行っています。その選択にどんな意味があるのか、AIと一緒に考えてみます。

らぼあい総長

NotebookLMによる価格比較は興味深い試みですね。ただし、一般スーパーの価格は参考情報に基づく試算であり、実測値ではありません。商品の規格や調査条件も異なるため、算出された価格差を確定的な節約額と判断することはできません。

生徒A

なるほど！ AIが算出した価格差をそのまま節約額と考えるのではなく、比較条件や根拠を確認することが大切なのですね。

らぼあい総長

今回の実験で重要なのは、実際の買い物記録をAIが分析できるデータに整理した点です。37点・30品目の購入情報は、価格比較の出発点になります。ただし、データを整理することと、その比較結果が正しいことは別です。次は価格の根拠を検証していきましょう。

生徒A

なるほど！ 身近なレシートもAIで分析できるのですね。でも、整理された数字がすべて正しいとは限らない。次は価格比較の根拠を確かめることが大切なのですね。

らぼあい総長

価格差の大きさだけでなく、比較できる商品とできない商品を区別することが重要です。数値の信頼性にも目を向けましょう。

生徒A

なるほど！ 比較できないことも、一つの大切な分析結果なんですね。

らぼあい総長

この試算から価格差の傾向は見えてきました。しかし、数字に表れない条件もあります。次はその背景を検証しましょう。

生徒A

数字だけでは見えない部分があるんですね。どんな条件が隠れているのか気になります！

らぼあい総長

氷山の水面下には、移動時間や交通費、商品の品質など、価格だけでは測れない要素が隠れています。ここからは人間の視点で考えてみましょう。

生徒A

なるほど！ 安く買えたかどうかだけでなく、買い物全体を考える必要があるんですね。

※ 一般スーパーの価格は、NotebookLMが公開情報などを参考に算出した試算値です。実店舗で同一商品を購入して比較した結果ではなく、実際の節約額を示すものではありません。

らぼあい総長

動画で説明した1,966円は、比較対象とした17品目の参考差額です。一方、スライドの約4,258〜5,258円は、購入全体の実績額とAIが推定した一般スーパーの想定合計との差です。比較範囲が異なるため、金額も異なります。

生徒A

なるほど。ただし、残り13品目は比較条件が確認できていません。全体の想定価格にも未検証の部分があるため、どちらの差額も実際の節約額とは断定できないのですね。

らぼあい総長

今回の記事では、AIが数字を示し、人間がその意味と限界を考える。今回の買い物記録は、AI×Humanによる分析と検証の出発点となりました。

生徒A

AI×Humanによって、数字だけでなく、比較条件や未検証の部分にも目を向けることができました。

私はいつものように、自然に芽を出して育った植物に水をあげていました。

その時、植物の周りのわずかな陥没を見て、私は「ここに土を足してあげたい」という慈しみの思いを持ったことが、はじまりだったのです。

そして、100円ショップへ土を買いに行くことにしました。

ところが、ちょうどよいサイズの土が見つかりません。

その時、目に留まったのが小さな袋に入った肥料でした。「土よりも肥料の方がよく育つだろう」と――知識もないまま十分に調べることもせず、その小さな袋に入った肥料を手に取ってしまいました。

当時は、その選択が招く「まさかの事態」など知る由もなく、その肥料を買って帰りました。

翌日の昼、植物を見ると、すでに枯れていました。

私はその姿を見た瞬間、前日に入れた肥料を疑いました。

※本記事では、植物が著しく枯れた状態を便宜上「枯死」と表現していますが、植物が完全に死亡していたかどうかは確認できていません。

「もしかして、この肥料が植物を枯らしたのではないか。」

そこで私は、AIの「らぼあい総長」に今回の出来事について検証を依頼しました。

すると、一つの仮説が浮かび上がりました。

一つの可能性として考えられたのは、小さな容器の中で植物の周囲に肥料を集中的に入れたことで、根の近くの肥料濃度が高くなりすぎた可能性です。

では、本当にそれが原因だったのでしょうか。

二人のホストによる思慮深い議論で、参考資料に関するさまざまな視点を明らかにします。

原因の可能性を、つながりとして整理する

最後に、今回の情報をマインドマップで整理してみました。
音声や動画とは異なり、出来事や原因候補の関係を一つの構造として眺めることができます。

※NotebookLM上では内容を展開して確認できますが、ダウンロードしたマインドマップは文字が小さく、全体的に見えにくくなっています。今回は生成結果の記録として、そのまま掲載しています。

今回生成されたスライドでは、「最有力仮説」として浸透圧に関する可能性が示されました。一方で、実際には肥料投入前後の土壌環境や根の状態などを測定していないため、この仮説を原因として確定することはできません。AIが強く提示した仮説についても、確認できた事実と分けて捉える必要があると感じました。

AIと人間で、問いを深める

今回の経験から私が感じたのは、AIは「答えを決める存在」というより、人間だけでは気づかなかった視点から、答えにつながる手がかりを示し、ともに真相を探っていく存在にもなり得るということでした。

一つの失敗から始まった今回の検証でしたが、AIと人間がそれぞれの視点を持ち寄り、ともに問いを深めていくことで、単なる失敗では終わらない学びへ変えることができたように思います。

1. 導入：ベランダの小さな命と育成環境

※以下のスライドは、容器の構造、土の陥没箇所、肥料を投入した位置など、今回の検証に関係する情報を一枚にまとめた全体図です。

ベランダで自然に芽を出し、大切に育てていた植物がありました。「もっと元気に育ってほしい」という思いから日常的に管理を行っていましたが、ある出来事をきっかけに翌日急激に枯れてしまう事態となりました。

• 容器: 一般的な植木鉢ではなく代用した小型の虫かご（容量約3.5L、幅約23cm、奥行き約15cm、高さ約17cm、底穴あり）。
• 植物: 自然発生した未特定の草花。
• ※補足: 本記事で使用している緑豊かな参考画像は一年前（2025年）の過去の生育記録であり、枯死直前の姿を示す写真ではありません。

2. 出来事：土の陥没と「有機入元肥」の購入

長期間にわたり朝の水やりを続けていたところ、植物周囲の土が減り、株元が陥没していることに気づきました。

• 目的: 減った土を補充しようと100円ショップを訪問。
• 経緯: 少量サイズの土が見つからず、「植物に与えるものだから大丈夫だろう」との思いから粒状肥料「有機入元肥（ゆうきいりもとひ）」を購入。
• 投入量: 大さじ約2杯分（正確な重量gは未計測のため不明）。

3. 肥料を入れた位置：株元周囲の「左右2か所」

肥料の施用にあたり、容器全体の土へ均一に混ぜ込む作業は行っていません。

• 投入方法: 株元周囲で土が減っていた**「左側」と「右側」の2か所の陥没部**へ集中的に投入。
• 【確認できない事実】:
  • 肥料から土中の根までの正確な距離は測定されていません。
  • 土中における根の位置・広がり・深さ、および肥料と根の直接の接触状態は記録がなく、確認できません。

4. 植物の変化：翌日昼に確認された枯死

肥料を投入した翌日の昼ごろ、植物全体が著しく枯れているのが確認されました。

• 観察された状態: 茎や葉が茶褐色に乾燥して垂れ下がり、周囲に落ち葉や枯れ枝が蓄積した状態。
• 時間の経過: 施肥から観察までの正確な時間経過や、途中の連続的な変化に関する観察記録は存在しません。

5. 考えられる可能性（仮説の整理）

「肥料投入」と「翌日昼の枯死」には明確な時間的前後関係が存在しますが、これだけで特定の一因に因果関係を確定させることはできません。ソースから確認できる事実に基づき、以下の仮説（可能性）が挙げられます。

A：局所集中投入による高濃度障害（肥料焼け） 容量約3.5Lの小型容器に対し、株元左右の2か所へ集中投入したことで、溶け出した成分が速やかに高濃度へ達した可能性。

B：有機入元肥の追肥的利用 土に混ぜ込んで使用する『有機入元肥』を表面近くへ集中して投入したことで、肥料成分が根周辺の環境に影響した可能性。

C：植物種固有の不適合 自然生長した未特定種における耐性や成分不適合の可能性。

D：自然な老化（セネッセンス）とライフサイクル終盤

6. まとめ：善意からの学びと客観的検証

AIは、人間に答えを教えるための存在なのでしょうか。

それとも、まだ答えのない未来を、人間と共に探していく存在にもなれるのでしょうか。

AI未来探求ラボでは、AIを単なる便利な道具として見るだけではなく、人間とAIがこれからどのような関係を築いていくのか、実際にAIを使いながら探究しています。

今回、その小さな実験に使うのが、GoogleのNotebookLMです。

今回の実験

今回は、NotebookLMを使った制作方法を学ぶ最初の実験として、ChatGPT（愛称：らぼあい総長）に短い物語を作成してもらいました。

その物語をNotebookLMに読み込ませると、AIはどのように物語を読み解き、音声解説やマインドマップ、さらに動画へと発展させていくのでしょうか。

今回はまず、AIが作った物語を出発点として、その制作過程を一つの見本として体験してみます。そして次回は、私自身が作った物語を出発点に、同じ方法で実験してみたいと思います。

実験の原点となった短い物語

星の海を渡る小さな舟

以下が、今回NotebookLMに読み込ませた原文です。

NotebookLMに物語を読み込ませる

まず、この短い物語をNotebookLMのソースとして読み込ませました。

NotebookLMでは、登録した資料をもとに内容を整理したり、質問したりすることができます。

今回は単に物語を読み込ませるだけではなく、AIがこの物語をどのように受け取り、どのような意味を見いだすのかも確かめてみることにしました。

今回使用したNotebookLMの画面。左側に短い物語をソースとして登録し、そこから音声解説、マインドマップ、動画解説などへと展開していきました。

「AIは『小さな灯り』をどう読み解いたのか」

そこでNotebookLMに、物語の中で重要な意味を持つ「小さな灯り」について、次のように質問してみました。

NotebookLMは、この問いに対して「小さな灯り」をどのように読み解いたのでしょうか。

NotebookLMは「小さな灯り」を、AIが人間を未来へ導くことではなく、人間が自分で進む方向を探すときに、そばで支える存在の象徴として読み解きました。

そして回答の最後には、「人間とAIの理想的な共生関係」について、さらに掘り下げてみることを提案しました。

NotebookLMで音声解説を作成

次に、この短い物語をもとに、NotebookLMの「音声解説」を作成してみました。

物語を読むだけではなく、AIが二人の話者による対話としてどのように内容を掘り下げていくのかを試してみます。

音声解説を作成する際には、次の内容を中心に考察するようNotebookLMに指示しました。

この指示をもとに生成された音声解説では、二人のAI話者が物語について対話しながら、「小さな灯り」が持つ意味や、人間とAIの関係について掘り下げていきました。

答えを知らないAIと進む星の海

NotebookLMが物語をマインドマップにすると

NotebookLMでは、読み込ませた物語の内容をマインドマップとして整理することもできます。今回の物語が、AIによってどのような構造として捉えられたのかを確認してみました。

マインドマップを見てみると、短い物語の中に描かれていた「人間」「AI」「小さな灯り」「未知の未来」といった要素が、それぞれの関係性とともに整理されていることが分かります。

特に印象的だったのは、「小さな灯り」が単独の言葉としてではなく、「暗い場所を照らす」「進む方向を探す助け」「AIの献身の象徴」といった意味へ枝分かれしていたことです。

NotebookLMで物語を動画にすると

短編「星の海を渡る小さな舟」をもとに、NotebookLMで動画解説を生成しました。
一つの短い物語をAIがどのように読み取り、映像として再構成するのか。実際に生成された動画がこちらです。