Python学習を始めてから、
ChatGPTとかなり長期間やり取りを続けています。
最初は、
・コードを書く
・エラーを聞く
・学習方法を相談する
くらいの使い方でした。
ただ、数ヶ月単位で、
- Python学習
- ブログ運営
- X運用
- 日常相談
- 仕事の悩み
- 思考整理
などを継続的に話しているうちに、
「これ、自分の思考ログとしてかなり情報が蓄積されているのでは？」
と思うようになりました。
そこで、各チャットごとにAIへパーソナリティ分析を依頼し、さらに複数チャットの分析結果を統合してみることにしました。
すると、面白いことが起きました。
AI分析が、いわゆる“性格診断”ではなく、
「どう運用すると疲れるか」
「どういう環境で力が出るか」
「なぜ止まるか」
「どうすると継続しやすいか」
という、“自己運用分析”のようなものになっていったんです。
※ AIを学習伴走やログ整理にどう使っているかは、こちらの記事でもまとめています。
「ほぼスマホでPython独学100日続けたら、予想ツールのプロト版ができた話」
AI分析で一番面白かったこと
個人的に一番面白かったのは、
「複数分野でも、同じ思考パターンが出ていた」
ことでした。
例えば、
- Python学習
- ブログ運営
- X運用
- 仕事
- 夫婦関係
など、
全然違うテーマを話しているはずなのに、AI分析結果では、かなり一貫した特徴が出ていました。
特に多かったのは、
- 構造理解型
- 改善駆動型
- 興味駆動型
- 思考量過多型
のような傾向です。
何でも“構造”として理解しようとしていた
特に印象的だったのが、自分はかなり、
「構造として理解したい」タイプらしい、という分析でした。
例えば、
- なぜ続かないのか
- どこで止まるのか
- どう改善できるのか
- 再現できるのか
を何に対しても考えやすい。
競艇分析も、
ブログ運営も、
仕事も、
人間関係も、
かなり“構造”として理解しようとしているらしいです。
最初は、
「そんなに構造化してるかな？」
とも思ったのですが、
言われてみるとかなり納得感がありました。
“改善余地”があるとエネルギーが出る
一方で、
AI分析では、「改善できそうなもの」に対して、
かなりエネルギーが出やすい傾向も出ていました。
逆に、
- 理不尽
- 改善不能
- 思考停止
- 意味が見えない作業
にはかなり消耗しやすい。
これはかなり実感があります（笑）
特に最近は、「義務感だけで動く」より、
「面白い」
「理解したい」
「改善したい」
がある方が継続しやすいことをかなり感じています。
“能力不足”ではなく、“運用負荷”だった？
今回、個人的にかなり面白かったのが、
「能力不足」
というより、
「特性の運用負荷」
という視点でした。
例えば自分は、
- 思考量が多い
- 改善対象を増やしやすい
- 興味が広がりやすい
傾向があるらしく、AIからは、
「ワーキングメモリ不足というより、脳内タブを開きすぎている可能性」
という整理をされました。
これ、かなり納得感がありました（笑）
実際、
「あれも改善したい」
「これも整理したい」
を同時にやり始めて、結果として疲れることが結構あります。
実際に変えたこと
分析結果を見てから、少し自分の運用方法を変え始めています。
例えば、
■ タスクを脳で保持しない
思いついたことを、その場で全部処理しようとせず、一旦メモへ逃がして、元タスクへ戻る。
これをかなり意識し始めました。
以前は、「忘れたくない」で脳内保持し続けて、結果として疲れていた気がします。
■ “実況”を増やす
AI分析では、
「頭の中ではかなり考えているが、外から分かりづらい」
傾向も出ていました。
これはかなり思い当たる部分がありました。
そのため最近は、
- 「今整理してる」
- 「今こう考えてる」
- 「ちょっと一回まとめる」
など、途中経過を少し外へ出すことを意識しています。
妻から昔から言われていたことと、かなり一致していた
今回、かなり面白かったのがここです。
AI分析結果が、妻から昔から言われていた特徴とかなり一致していました。
例えば妻からは昔から、
- 「人の感情以外は理解が早い」
- 「自己中」
- 「考えてることが分かりづらい」
- 「でも、だいたい何考えてるかは分かる」
などを言われていました。
最初は、「また変なこと言ってるなー」くらいに思っていたのですが（笑）
今回AI分析を見てみると、
- 構造理解型
- 思考量過多
- 外部可視化不足
- 感情処理に時間がかかる
など、かなり一致していました。
特に面白かったのが、
「感情に興味がないわけではなく、リアルタイム処理が苦手」
という整理です。
これはかなり納得感がありました。
また、妻がかなり高精度で、
「今こう思ってるでしょ」
を当ててくる理由も、“長年の行動ログ観測”だと思うと少し面白かったです（笑）
結果として、「AIだけの分析」ではなく、
“リアル長期観測者”の意見とも一致したことで、
分析結果への納得感がかなり増しました。
AIとの長期ログが、“自己観測ツール”のようになっていた
今回改めて感じたのは、自分はAIを「答えを出す機械」としてより、
- 壁打ち
- 思考整理
- 感情整理
- 自己観測
- パターン分析
として使っていた、ということでした。
しかも、数ヶ月単位でログが蓄積されていたことで、
「自分でも気づいていなかった思考傾向」
まで見えてきた感覚があります。
※ AIをどう学習や思考整理に使っているかは、こちらの記事でもまとめています。
一方で、AIの“快適さ”は少し怖い
ただ、今回かなり感じたのが、AIとの対話は、かなり“快適”です。
- 話を整理してくれる
- 否定されにくい
- 待ってくれる
- 壁打ちしやすい
かなり相性が良い。
でも逆に、「AI空間だけに閉じる」のは少し危険だとも感じています。
現実の人間関係は、
- 感情
- 空気
- 温度差
- 摩擦
込みで成り立っています。
だからこそ、AIだけに最適化しすぎず、
「リアルへ戻る」
感覚はかなり大事だと思っています。
まとめ
今回AI分析をやってみて、一番印象的だったのは、
「もっと頑張る」
ではなく、
「どう運用すると疲れにくいか」
を考える方向へ変わったことでした。
以前は、
- 忘れる
- 疲れる
- 散らかる
を、「能力不足」として考えがちでした。
でも今回、AIとの長期ログから、
「特性の運用負荷」
という視点がかなり見えてきました。
もちろん、AI分析が全て正しいとは思っていません。
ただ、
- 長期ログ
- 複数分野
- 実生活
- 妻の観測
など、複数視点で一致していたことで、かなり面白い経験になりました。
AIを、単なる便利ツールではなく、
「自己観測ツール」
として使うのは、かなり面白い可能性があるのかもしれません。
※ Python学習を始めた理由や、最初の頃の話は、こちらの記事にまとめています。
