chatGPTに文字数を指定した際に、カウントが合わないドキュメントが生成されたという経験のある人もいはずだ。「文字カウント」はExcelやWordにもあるような古い技術のようにも思えるが、AIで対応できないのはどうしてなのだろうか？
この記事では、chatGPTの文字数カウントがおかしい原因について説明している。また、文字数を指定した場合に、そのルールを守らないときの対処法も解説しているので、chatGPTを使ってテキストを生成する人たちは試してみてほしい。
chatGPTの文字数カウントがおかしいのなぜ？指定した数を守らせる方法を解説
更新:
約8分で読めます（約3.9千字）chatGPTの文字数カウントがおかしいのは本当なのか？
さて、chatGPTの文字数カウントがおかしいのは、本当なのだろうか？
実際に、chatGPTに「300文字でチンパンジーについて説明してください」という指示を与えてみた。すると、次のようなドキュメントが生成された。
チンパンジーはアフリカの熱帯林やサバンナに生息する大型の霊長類で、人間に最も近い動物の一つです。高度な知能を持ち、道具を使って食べ物を得たり、仲間と協力して狩りを行うことが知られています。社会性も高く、複雑なコミュニケーションや感情表現を行い、家族や群れの中で強い絆を築きます。また、学習能力が高く、観察や模倣を通じて新しい行動を身につけることができます。
文字数を数えてみると、178文字で122文字も足りない。
次に、「300文字でチンパンジーについて説明してください。300文字という文字数は必ず守ってください。299文字以下でもだめだし、301以上でもだめです」というプロンプトに変更してみた。その結果は以下の通りだ。
チンパンジーはアフリカの森林やサバンナに生息する霊長類で、人間に非常に近い遺伝子を持つ動物です。道具を使って食べ物を取り出したり、石で木の実を割るなど高い知能を示します。社会性も高く、群れの中で協力しながら生活し、感情表現やコミュニケーションも豊かです。また学習能力に優れ、観察や模倣によって新しい行動を習得します。さらに、彼らは個体ごとに性格が異なり、遊びや学習を通じて社会的な地位を形成します。母子関係は特に強く、長い期間にわたり子を守り育てます。しかし生息地の減少や密猟により個体数は減少しており、保護が必要とされています。研究によって人間の進化や行動理解にも重要な手がかりを与えていますね。
文字数を数えると、なんと299文字。あと1文字足りなかった。
以上のことを踏まえると、「chatGPTの文字数カウントがおかしい」というのは本当のようである。
chatGPTの文字数カウントがおかしいのはなぜ？
それでは、chatGPTの文字数カウントがおかしいのは、どうしてなのだろうか？
ここでは、２つの観点から文字数が守られない理由について説明する。
理由１ 文字を単位としてテキストを処理していない
第１に、chatGPTが「文字」を単位としてテキストを処理していないことが最大の原因である。
具体的に言うと、テキストは「トークン」という固有の単位に分解されて計測される。英語では、１単語が１〜２トークンでカウントされるケースが多いのだが、日本語の場合は１文字が１〜３トークンに計算されることもあれば、複数の文字が一括りで１トークンに換算されることもある。要は、文字数とトークンの関係が定まっていないのだ。
「300文字でチンパンジーについて説明してください」と指示しても、chatGPTの内部には「今何文字目を書いているか」を数える仕組みがない。学習データから「このくらいの長さが300文字に近いだろう」とおおよその分量を推測して生成しているに過ぎないのだ。
OPEN AIが公開しているトークンをカウントするツール「Tokenizer」で生成したドキュメントを計測してみると、178文字で生成された文章のトークンは267だった。GPTのモデルをあげるとトークンの量が文字数に近づいており、処理の仕方もアップデートによって変わる可能性があることに留意しておくべきだ。
理由２ 文字数よりも「回答の完結性」が優先される
第２に、chatGPTは文字数を守ることよりも回答として適切なテキストを生成することを優先する傾向がある。
chatGPTの学習過程では「途中で切れた不完全な文章」よりも「結論まできちんと述べた文章」のほうが高く評価されている。そのため、内容を語り終えた時点で、指定された文字数に届いていなくても生成を終了してしまうことがある。逆に、必要な情報が多いテーマでは、指定文字数を超えてでも書ききろうとする。
実際に「3000文字でチンパンジーについて説明してください」と指示したところ、1700文字程度で生成が終了した。これは無料・有料といったプランの違いが原因ではなく、chatGPTが「チンパンジーの説明はこの分量で十分だ」と判断した結果だと考えられる。文字数の指定は、chatGPTにとっては「絶対に守るべきルール」ではなく「できれば従いたい目安」に過ぎないのだ。
chatGPTに文字数を守らせる方法
それでは、chatGPTに文字数を守らせるには、どうすればよいのか？
その方法は大きく２つあると考えられる。
方法１ 文字数カウンター（Japanese ver）を使う
ひとつめに、chatGPTの「GPT」ページで検索窓に「文字数カウンター（Japanese ver）」と入力すると、ユーザー側でプロンプトの制御をせずとも指定した文字数で日本語の文章を作成してくれるツールを利用できる。
実際に「文字数カウンター（Japanese ver）」を起動させて、「300文字でチンパンジーについて説明してください」という指示を与えてみた。その結果、出力された文章は以下の通りだ。
チンパンジーはアフリカの熱帯雨林やサバンナに生息する大型の類人猿であり、人間に最も近い動物の一つとされている。社会性が高く複雑なコミュニケーションや道具の使用が観察されており、木の枝を使ってシロアリを捕まえるなど知能の高さを示す行動が知られている。また家族や仲間との絆を大切にし、毛づくろいを通じて関係を深める。母親は子どもを長期間育て、学習や社会的行動を伝える役割を果たす。森林伐採や密猟によって生息数は減少しており、保護活動の重要性が高まっている。彼らの存在は生態系の維持にも関わり、人間社会にも多くの示唆を与える。私たちは共存のために理解と保全を進める必要がある。未来へつなぐ努力が求められる。
文字数を数えてみると、ぴったり300文字になっている。
方法２ 短文をくっつけて長文をつくる
ふたつめは、長い文章を１度で生成させるのではなく、短いパートに分けて複数回にわたって出力させ、最後につなぎ合わせる方法だ。
前述のとおり、chatGPTはテキストを１トークンずつ順番に生成しており、「今何文字目を書いているか」をリアルタイムで把握する仕組みを持っていない。そのため、文章が長くなればなるほど、累積の文字数に対する推測の精度は落ちていく。
たとえば「3000文字の記事を書いて」とまとめて指示するのではなく、「まず導入部分を500文字で書いて」「次に本論を500文字で書いて」のように、500文字程度のブロックに分けて生成すると、各パートの文字数の精度が上がりやすい。短い文章のほうが、chatGPTにとっても分量を推測しやすいからだ。
最終的にすべてのパートを結合すれば、指定した文字数に近い長文が仕上がるので試してみてほしい。
文字数ってそんなに大事？
chatGPTをはじめとする生成AIは構造上、文字カウントを正確に指定しづらいという難点を抱えている。しかし、「文字数を指定することにどれだけの意味があるのか？」を考えると、それ以上に意味を適切に説明することのほうが重要なのは間違いない。
もちろん、「3000文字以内で書け」といった指定されたルールの中で執筆しないといけない場面もあるが、その微調整は生成AIではなく自分が編集者として行えばいいだけだ。むしろ、完全にAIのみで文書を書かせるのはファクトチェックの観点からもおすすめしない。必ず最後は人間の目に触れさせたほうがいい。
現在、文章の生成は極めて簡単だ。けれども、同じような内容の記事がこれまで以上に量産されていくなかで。最後は発信者の独自性が差別化ポイントになる。その意味では、均質化が進めば進むほど、独創的な文章が当たり前の時代になるのかもしれない。
chatGPTの文字数カウントについてよくある疑問
chatGPTは自分の出力した文字数を把握しているのか？
結論から言えば、リアルタイムでは把握していない。chatGPTはテキストを1トークンずつ順番に生成しており、全体の文字数を逐次カウントしながら書いているわけではない。人間がペンで文章を書くとき、何文字目を書いているかをいちいち意識しないのと似ている。完成後に数え直すことはできるが、その精度も前述のとおり高くない。「1500文字です」と自信満々に答えた文章が実際は2200文字だった、ということも珍しくないのだ。
GPT-4やGPT-4oなら文字数を正確に守れる？
モデルが進化するにつれて、指示への追従精度は向上している。GPT-4はGPT-3.5と比較して、文字数に関する指示をより意識する傾向がある。しかし、トークンベースで処理しているという根本的な仕組みは変わらないため、完璧に文字数を守ることは依然として難しい。将来的にはコード実行機能などを活用して、生成後にAI自身が文字数を正確に検証し、自動で調整するような仕組みが一般化する可能性はある。だが、現時点では過度な期待は禁物だ。
英語のほうが文字数（単語数）を正確に守れる？
一般的にはそのとおりだ。英語ではスペースで区切られた「単語」の数をある程度把握しやすいため、「Write in 200 words」のような指示は日本語よりも高い精度で守られる傾向がある。日本語の「文字数」は、chatGPTにとっては特に扱いにくい概念なのだ。