本稿のスコープ（最初にお読みください） 本記事が扱うのは、汎用のマルチモーダルLLM（ChatGPT/Claude等）に、人間用に描画された天気図PDF・画像を読ませるという構成です。これは、GraphCastやAIFSに代表される専用のAI数値予報モデルとは技術的に別レイヤーの話です。後者は天気図の「絵」を一切読まず、ERA5などの数値テンソルを直接扱い、物理を学習し、台風進路で従来手法に勝つ領域まで到達しています。本稿の「限界」は前者（絵を読ませるLLM）に固有のものであり、AI気象一般の限界ではありません。 この区別は本シリーズの肝です。続編（第4部）では、ここで設計する「副操縦士」を、“天気図画像”ではなく“AI数値予報の構造化出力”に接続する筋道を扱います。本稿はその前段として、まず「絵を読ませる」前提でも価値を出せる役割分担を設計します。

出発点：「完結させない」という決断

第2部までで明らかになったのは、現在の生成AIが（描画された）天気図解析で抱える構造的な限界はプロンプト工夫だけでは越えられないということでした。

ここから取りうる選択肢は2つあります。

  1. AIを使わない ― 確実だが、AIならではの価値（24時間×多地点×自然言語での解説）を捨てる
  2. AIに「完璧な予報士」を演じさせない設計に切り替える ― 限界を前提に、人間との役割分担で価値を出す

本記事では2の方針で、実サービス（仮に「気象解説アプリ」を想定）にAIを組み込む設計を考えます。

設計思想：AIは「ナビゲーター」、人間は「パイロット」――ただし機長は誰か

AIに天気図解析を全面委任するのではなく、

  • AI：データ抽出と「どこを見るべきか」のガイドを生成
  • 人間：最終判断を下す

という関係性に再定義します。航空機の副操縦士のようなイメージです。重要なフライト判断は機長（人間）が下し、副操縦士（AI）は確認すべき計器や手順を読み上げる。

ここで原稿の初版は、「AIが多少読み違えても、最終的にユーザーが天気図を見て確認するから致命傷にならない」と書いていました。改訂版では、この前提を正面から修正します。

修正：副操縦士のメタファーには、初版が見落とした穴がある。 副操縦士の読み上げが信頼できるのは、機長が熟練しており、誤りを検出できるからです。ところが本サービスの想定ユーザーは登山者・防災目的の一般の方であり、気象の専門家ではありません。気象研究所・関山剛先生は「ハルシネーションは必ず起きる。素人には分からない。訓練された専門家にしか違和感として見抜けない」と明言しています。つまり、一般ユーザーを「機長役」に置く限り、副操縦士（AI）の嘘を検出できる人間は機内に存在しないのです。

したがって、安全弁を「ユーザー本人が天気図を見て確認する」ことに依存させる設計は成り立ちません。安全弁は別の場所に置き直す必要があります。

安全弁の置き直し：目視確認ではなく「確定テキストへの誘導」

最終確認の拠り所を、ユーザーの目視判断から、気象庁の公式発表・確定テキストへの明確な誘導に移します。

  • AIの解説は「理解を深める入口」「どこを見るべきかの視線誘導」に徹する。
  • 防災・行動判断に関わる結論は、AIの解説ではなく、気象庁の確定情報（注意報・警報・短期予報解説資料・ポイント予報）を見る導線で担保する。
  • 解説の各所から、対応する公式情報へワンタップで飛べるUIを用意する。

このジレンマを正直に書いておきます。 「AIの自然言語解説に価値がある」と言いながら、肝心なところで「公式発表を見てください」と外へ逃がすのは、AI解説の価値を自ら部分的に否定する行為です。これは解消しきれない緊張関係です。本設計は「解説でユーザーの理解と関心を高める」ことと「重大判断は確定情報に委ねる」ことを意図的に分離することで、この緊張を運用可能な形に落とし込みます。最終確認者を一般ユーザーの目に押し付けない――これが初版からの最大の方針転換です。

AIに任せる3つの役割

役割1：見どころガイド（視線誘導）

ユーザーが天気図ビューアーを開いたとき、AIは「今日の注目ポイント」を解説します。

例： 「今日の注目は850hPaのFXJP854です。九州の西から306Kの線が北上してくる形に注目してください。これが明日の大雨のエネルギー源になります。スライダーを24時間後に動かして、暖気の入り具合を確認してみましょう。」

ユーザーはAIのガイドに従って天気図を操作することで、気象現象の変化を自ら"発見"する体験が得られます。ここでAIが提供するのは「答え」ではなく「着眼点」です。誤っていても行動判断には直結しない領域に、AIの役割を意図的に閉じ込めます。

役割2：物理的背景の解説

抽出されたデータに対し、「なぜそうなるのか」 という気象学的背景を補完します。

例： 「500hPa（上空5500m）で-30℃の寒気が入っていますが、地上は高気圧圏内で晴れています。この『上下の温度差』が午後の雷雨（大気不安定）を引き起こします。700hPaの上昇流域と重なるエリアは特に注意が必要です。」

これは、ベテラン予報士の解説書のような価値を、毎日の予報に対して提供できる可能性があります。ただし後述の通り、この解説の前提となる数値は、AIに画像から読ませず、確定データから与えることが条件です。

役割3：外部テキストデータとのクロスチェック

画像解析が弱いなら、テキストデータで補強します。気象庁の「短期予報解説資料」やポイント予報の数値データを別途取得し、AIにテキストとして渡す。

これにより、

「気象庁の解説資料には『JPCZの南下に伴い…』と記載されています。これをFXFE502の地上天気図で確認すると…」

という形で、画像解析の答え合わせをテキスト情報で行えます。事実は確定したテキストから取り、画像は補助コンテキストとして使うわけです。

アーキテクチャ上の工夫：「事実は構造化データから」

サーバーレス構成（AWS Lambda等）で天気解説をバッチ生成する場合、設計の勘所は次の通りです。

数値データはAIに読ませない

都市別の気温・風・気圧などのパラメーターは、気象庁のOpenData（JSON／XML）やGPVデータから直接抽出し、プロンプトのテキスト入力としてAIに渡します。

画像から数値を読ませる試みは、第2部で見た通り誤読リスクが大きすぎます。そもそも第2部の限界1・2（投影法の非互換／密集等値線の追跡不能）は、人間用に描画された絵を機械に読ませるという入口設計に起因します。数値を直接渡せば、これらは設計段階で回避できます。

画像は「文脈」としてのみ渡す

AIには、テキストで抽出した正確な数値を前提として与えた上で、

「この数値の背景にある気圧配置を、添付の天気図画像から大まかに読み取って、ユーザー向けの見どころコメントを作成してください」

と指示します。これにより、AIの画像解析は「文章の味付け」を担当するだけで済み、致命的な誤りが予報結論に波及しなくなります。

三段構えの責任分担（改訂）

初版の責任分担表は「最終確認＝ユーザーの目視」でした。改訂版では、最終確認の担保先を変更します。

レイヤー 担当 内容
データ抽出 システム（Lambda） 確定したテキスト・数値データを気象庁OpenData/GPVから取得
解釈と解説 AI（副操縦士） データに気象学的なストーリーを付ける／視線誘導と背景解説に徹する
物理の最終担保 確定データ（数値）＋人間の専門家 解説の前提となる数値の正しさは確定データが、物理整合の最終責任は専門家が持つ
重大判断の確認 気象庁の公式発表への導線 防災・行動判断は、ユーザーの目視ではなく確定情報で確認させる

ポイントは、初版で「人間（ユーザー）」の一行に集約していた最終確認を、「確定データ」「専門家」「公式発表への導線」の3つに分解したことです。一般ユーザーの目に専門家の代役を期待しない、という方針をアーキテクチャに落とし込んでいます。

改善版プロンプト：矛盾検知・慎重型（位置づけの修正あり）

AIを「副操縦士」として運用する場合のプロンプト設計を、抜粋して示します。

【システム設定】
あなたは気象力学の知識を持つ「慎重なデータバリデーター（検証者）」です。
現在のAIのビジョンモデルには、ポーラーステレオ図法の空間的歪みの認識や、
密集した等値線の追跡において重大な限界があることを自覚してください。
推測や「もっともらしい予報シナリオ」の創作は厳禁です。

【解析ルール：以下の制約を絶対厳守すること】
1. 読解不能の宣言：線が交差・密集して確信が持てない場合、
   絶対に推測せず「判読不能（Unreadable）」と出力すること。
2. 地理的推測の禁止：緯線・経線のカーブから位置を推測せず、
   明確に視認できる日本列島の海岸線等の「絶対座標」のみを基準とすること。
3. 過剰な自信の排除：断定的な表現（「〜となります」「〜の予想です」）を避け、
   「〜のように見える」「〜の可能性がある」という表現に留めること。

【実行ステップ】

■ ステップ1：視覚的確信度の自己評価（メタ認知）
添付された各図面について、日本列島周辺の「線の読み取りやすさ」を判定し、
[高] / [中] / [低] の3段階で宣言してください。
[低] の場合は、その図面からの推測を停止してください。

■ ステップ2：局所データの抽出（推測なし）
日本列島の範囲に限定し、図面から明確に読み取れた数値と要素のみを
箇条書きで抽出してください。読み取れない要素はスキップしてください。

■ ステップ3：物理的・気候学的な「矛盾検知」（※補助的チェックとして）
抽出データを組み合わせ、気象力学と日本のクリマトロジーに照らして、
「物理的におかしい点」がないか“ふるい”にかけてください。
矛盾を発見した場合は「画像の読み取りエラーの可能性が高い」と
フラグを立ててください（最終確定はしないこと）。

■ ステップ4：矛盾を排除した上での、限定的な気象状態の解説
ステップ3をクリアしたデータのみを使用して、限定的に解説してください。

このプロンプトの肝は、「予報シナリオを作らせない」「読めないことを認めさせる」「物理矛盾を“ふるい”にかける」 の3点です。

重要な位置づけの修正：物理矛盾の検知は「主役」ではなく「補助」に格下げする。 初版はステップ3の矛盾検知を「主役にする」と書いていました。しかし第2部・限界3で「LLMは物理モデルを持たず、流体力学を理解しない」と結論した以上、その同じLLMに物理矛盾の検知を主役で担わせるのは原理的にきしみます。物理が分からないものに、物理の整合判定を最終的に委ねることはできません。 したがって改訂版では、矛盾検知を「明らかにおかしい出力を弾く一次フィルター（補助）」へと役割を下げます。物理の最終担保は、AIの自己チェックではなく、(1) 確定データ（数値）そのものの正しさ と (2) 人間の専門家の判断 に置きます。 プロンプトによる矛盾検知は、専門家チェックの前段で「明白な事故」を減らすための足切りとして残しますが、それ以上の信頼は置きません。

そして、これでもハルシネーションが完全に消えるわけではありません。プロンプトはあくまで確率を下げるための工夫であり、限界そのものを克服する手段ではないことを認識しておく必要があります。

残るリスクへの対処：注意書きの設計

プロンプトを工夫してもハルシネーションは残る。であれば、システム側で隠さず、ユーザーに透明に開示するのが誠実です。

特に登山者・航空・防災など、気象判断が命に関わる可能性のあるユーザーを想定するなら、これは必須の設計です。しかも前述の通り、そのユーザーは嘘を見抜ける専門家ではない――だからこそ、注意書きは「あなたが自分で確認せよ」ではなく「確定情報という外部の正解に当たれ」へと誘導する文面でなければなりません。

パターンA：日常表示用（インライン）

解説テキストの直下に常時表示する、軽量な注意書き。

⚠️ AIによる参考情報です 本解説はAIが天気図の傾向を独自に読み解いたものです。複雑な図面の解析において、位置や数値の誤認（ハルシネーション）が含まれる場合があります。これらの誤りは専門家でないと気づきにくいものです。最終的な気象判断や防災行動は、ご自身の読み取りに頼らず、必ず気象庁の公式発表をご確認ください。

パターンB：オンボーディング用（規約）

利用開始時に提示する、ややフォーマルなリスクヘッジ。

AI天気図解説機能について 当機能は、気象モデルや高層天気図の読み解きをサポートし、気象への理解を深めることを目的としています。生成AIの特性上、画像（天気図）の空間認識や数値の抽出において、不正確な情報や矛盾した内容が出力される可能性があります。こうした誤りは確信ありげな自然な文章として提示されるため、専門知識のない方が気づくことは困難です。 登山、航海、航空、農業、および台風や豪雨時の防災など、人命や財産に関わる重大な意思決定において、本AIの解説を唯一の根拠としないでください。 情報の正確性については、気象庁等の公式機関が発表する情報を必ずご参照ください。

パターンC：ハイリスク時専用（動的アラート）

台風接近時や特別警報発令時のみ、目立つ色で差し込む。

🚨 【重要】荒天時のご利用について 現在、重大な気象災害が発生する恐れのある気象条件です。AIの解析には誤差が含まれ、その誤りは見た目では判別できません。本解説を防災判断の基準にすることは大変危険です。直ちに気象庁の最新情報や、自治体の避難情報を確認してください。

UI上の「誤り報告」ボタン

注意書きに加えて、「AIの誤りを報告する」ボタン（サムズダウンアイコンなど）を設置することを推奨します。

これは単なるフィードバック機能を超えた意味を持ちます。

  • ユーザーが批判的思考をもって使っている証拠になる（免責効果）
  • 将来のプロンプト改善のためのテストデータになる
  • AIへの過信を防ぐUX上のシグナルになる

補足として正直に書けば、誤り報告ボタンにも限界があります。素人ユーザーは、そもそも誤りに気づけないからこそ報告できない。このボタンは「気づけた一部の誤り」しか拾えません。だからこそ、報告UIは安全弁の本体ではなく、あくまで補助です。安全弁の本体は、繰り返しになりますが「確定情報への導線」に置きます。

まとめ：「正しさ」より「使い方」を設計する

3部にわたって、生成AIによる（描画された）天気図解析の可能性と限界を見てきました。最後に整理します。

現時点でAIに任せられること：

  • 文字情報・カラー図面からのデータ抽出（限定的に）
  • 既存テキストデータをベースにした解説の組み立て
  • 「次に確認すべき着眼点」のチェックリスト化
  • 物理的矛盾の一次フィルタリング（補助的に。最終担保にはしない）

現時点でAIに任せられないこと：

  • 白黒・高密度な高層天気図の精密な読解
  • 上下の図面間での立体構造の整合的な構築
  • 気候学的・物理的な最終判断
  • 「自分が読めていないこと」の正直な自覚（プロンプトで補強は可能だが完全ではない）
  • そして、嘘を見抜く役割を、専門家でないユーザーに肩代わりさせること

そのうえで実用化を目指すなら、設計の核は次の3つです。

  1. データの真実性は、AIではなく構造化テキストで担保する
  2. AIは「副操縦士」として、視線誘導と背景解説に徹する
  3. 限界を隠さず、注意書きと誤り報告UIで透明に開示し、重大判断は確定情報（気象庁公式）への導線で受け止める

初版との最大の違いは3点目です。最終確認を「ユーザーの目」に委ねるのではなく、「確定情報という外部の正解」に委ねる。想定ユーザーが専門家でない以上、これが誠実な落とし所だと考えます。

「AIが完璧になるのを待つ」のではなく、「不完全なAIを前提に、価値が生まれる役割分担を設計する」。これが、現時点で取りうる最も現実的かつ誠実なアプローチだと考えます。

あとがき：このシリーズで本当に伝えたかったこと

専門領域でAIを使うとき、最も警戒すべきは「AIが間違える」ことではありません。

「AIがもっともらしいトーンで自信満々に間違える」ことです。

第1部で観測した「完全に整合していると検証できました」という出力は、もしユーザーが論理矛盾に気づかなければ、そのまま「正しい解説」として流通していたはずです。そして気づけるのは、訓練された専門家だけです。

AIを業務や趣味に組み込むときは、AIの限界をAI自身に語らせるプロンプト設計と、最終的な正しさを人間（できれば専門家）と確定情報に委ねるワークフロー設計の両輪が欠かせません。本シリーズが、そうした設計を考える際の一つの参考になれば幸いです。