研究者が大規模言語モデルを使って論文を書く際、AIはしばしば特徴的な痕跡を残す。「delve（掘り下げる）」「underscore（強調する）」「intricate（複雑な）」「pivotal（極めて重要な）」といった単語は、人間が書いたテキストよりもはるかに高い頻度で現れる。文章構造は予測可能なパターンに従う。「近年では…」といった書き出しや「XだけでなくY」といったつなぎ表現は、訓練された読者や検出ソフトウェアにとって、そのテキストがAI生成であることを示す。
ミネソタ大学統計学部の准教授であるJie Ding氏は、こうした痕跡を除去するツールを公開した。Academic Humanizerと名付けられたこのツールは、Claude CodeやCodexなどのAIコーディングエージェントに組み込める構造化プロンプト命令のセットで、学術原稿をAIの痕跡について監査し、人間らしく聞こえるように書き換える。
「仕事は、AIの痕跡をカジュアル化せずに除去し、一般的なヒューマナイザーが見逃す規律を強化することです。つまり、すべての主張には数値、図、または引用が伴い、どの動詞もその証拠より強くあってはなりません」と、ツールのGitHub上のREADMEには書かれている。
6層のクリーニング
Academic Humanizerは6つの層で動作する。第一に、一般的なAI痕跡カタログが過剰使用される単語（delve、intricate、tapestry、pivotal、foster、leverage、realm、seamlessなど）を除去する。第二に、学術特有の痕跡を標的とする：過剰主張の動詞、有意性の誇張、空の強調語、目新しさの水増し、定型的な書き出し。第三に、学術的慣習を保持する。第四に、すべての主張をその根拠に一致させ、根拠のない主張を排除する。第五に、声と発表の場を調整する。第六に、NSFやNIHの審査構造に合わせた資金提案モードを提供する。
READMEのbefore/afterの例がその効果を示している。Before：「近年、継続学習はますます注目を集め、目覚ましい成功を収めている。しかし、既存の手法は依然として重大な課題に直面している。本提案では、最先端技術を活用した新しい枠組みを提案し、これらの複雑な問題に深く掘り下げ、この分野に革命をもたらす変革的パラダイムへの道を開くものである。」After：「継続学習は重要だが、今日の手法は経験的なまま原理が不明確である。それが信頼性と進歩を制限している。本提案は、適応、ソフトな監視、分野横断的知識の3つの側面に基づく原則的な枠組みを構築する。」
倫理論争
反応は大きく分かれている。リスボン大学の医療情報学研究者Francisco Maria Calisto氏はNatureに対し、このツールを頻繁に使用していると語った。「これまで使った中で最高です」と彼は述べ、電子メールやコードドキュメント、そして原稿にも使用しているという。
バレンシア工科大学の植物生物学者Miguel Angel Blazquez Rodriguez氏は否定的だった。「好きではありません。欺瞞的です。」
カーネギーメロン大学の情報科学者Cassidy Sugimoto氏は懸念を表明した。「この使用例は科学にとって有害だと思います。心配しています。」
Ding氏自身はツールとその悪用を区別している。「私はツールと行動を分けて考えます」と彼はNatureに語った。「倫理的問題は、非開示とその背後にある意図であって、編集補助ツールの存在ではありません。」
メディアからの問い合わせを受けて、Ding氏はツールの説明を「通常のAI痕跡を除去する」から「明瞭さと声を研ぎ澄ます」に更新し、ツールがAI支援を開示する義務を免除するものではないことを明記する倫理ノートを追加した。
検出の軍拡競争
Academic Humanizerのリリースは、学術出版におけるAI利用の増加を背景としている。2026年2月にHe氏とBu氏がPNAS（DOI: 10.1073/pnas.2526734123）で発表した研究では、5,114のジャーナルと520万の論文を分析し、70%のジャーナルがAI開示ポリシーを採用しているにもかかわらず、AIによる執筆利用は急増しており、ポリシーの有無による統計的差異は見られないことが明らかになった。2023年以降に発表された75,000の論文のうち、AIの使用を明示的に開示したのはわずか約76件、約0.1%に過ぎなかった。著者らは、現在のポリシーは透明性の促進に「大きく失敗している」と結論付けた。
検出企業も対応している。2024年に元GoogleおよびTeslaのエンジニアによって設立されたブルックリン拠点のAI検出スタートアップPangram Labsは、Academic Humanizerをテストした。CEOのMax Spero氏は、初期テストでは「ほとんどのヒューマナイズされたテキストを検出したが、すべてではない」と述べており、Pangramはこのツールの出力を検出するためのアップグレード版を設計している。2025年のプレプリント（arXiv: 2501.03437）で、PangramはDAMAGEと呼ばれるモデルが19のAIヒューマナイザーおよびパラフレーズツールに対して堅牢であり、テストしたすべてのヒューマナイザーで90%以上の精度を達成したと主張している。
問題は、ヒューマナイザーと検出器の間の軍拡競争が科学的完全性に資するのか、それとも単に不正のコストを引き上げるだけなのかということだ。現時点では、Academic HumanizerはGitHubで引き続き入手可能であり、これが正当な編集ツールなのか欺瞞の道具なのかについての議論は収束する気配を見せていない。
雅子 訳
Sources
1. Nature News, “‘Humanizer’ tool erases signs of AI-written text” (7 July 2026). DOI: 10.1038/d41586-026-02105-3
2. Academic Humanizer GitHub repository: https://github.com/AIScientists-Dev/academic-humanizer
3. He, Y. & Bu, Y., “Academic journals’ AI policies fail to curb the surge in AI-assisted academic writing”, Proc. Natl Acad. Sci. USA 123, e2526734123 (2026). DOI: 10.1073/pnas.2526734123
4. Masrour, E., Emi, B. & Spero, M., “DAMAGE: Detecting Adversarially Modified AI Generated Text”, arXiv:2501.03437 (2025)