私たちの意思決定の進め方は適切か、を議題にした会議が、いつもと同じ顔ぶれで、いつもと同じ進め方で開かれることがあります。自分を見直しているつもりで、見直す目のほうは一度も替わっていません。
再帰性とは、システムや思考が自分自身を参照し、その参照を通じて自分を変えていく仕組みのことです。この記事では、再帰性の定義と、プログラミング、数学、言語、芸術、組織での現れ方を確かめたうえで、同じAIに自分の出力を点検させる頼み方は、点検する目が替わらない限り、再帰というより同じ場所での反復に近い、という見方を示します。
再帰には、自己参照と段の変化の二つが要ります
再帰性（recursiveness、reflexivity）は、哲学、社会学、認知科学、システム論など多くの分野で使われる言葉です。自分の考え方を考えるメタ認知や、組織が自らのあり方を見直す自己改革が、身近な例です。
定義を巡っては議論があります。研究者のVitale（1989）は、二つの基準を示しました。
- 自己参照性: 対象Aが、自分の中にAを含むこと
- レベルの段階性: 中に現れるAが、元のAと少し違うこと（無限後退を防ぐため）
数学の漸化式は両方を満たします。一方で、引数が変わらない再帰は二つ目を満たさない、とVitaleは論じました。これには、プログラミングでは引数の有無にかかわらず再帰と呼ぶ、などの批判もあります。心理学の側からは、自分に帰ってくる構造、自分で自分を定義する入れ子の構造、手順として書き表せること、という、より広い基準も提案されています。
プログラミングと数学では、止める条件と変化が組み込まれています
プログラミングの再帰は、関数が自分の中で自分を呼ぶことで、呼び出しを止める基本ケース（階乗ならn＝0で1を返す）と、引数を変えて基本ケースに近づきながら自分を呼ぶ再帰ケースの二つが要ります。木構造の探索や、問題を分けて解く方法（クイックソートなど）では、問題の形とコードの形が一致し、簡潔に書けます。その代わり、呼び出しのたびにメモリ上のスタックを使うため、深くなりすぎるとスタックオーバーフローが起きます。フィボナッチ数列を素直な再帰で書くと同じ値を何度も計算し、n＝30で80万回を超える呼び出しが発生する、という例もあります。
数学では、自然数そのものが再帰で定義されます。ペアノの公理は、0は自然数、自然数nの次も自然数、という形で、有限の規則から無限の自然数をとらえます。図形の一部が全体と似た形をくり返すフラクタルも再帰で、大きな三角形の中央を抜き、残った三つの三角形に同じ操作をくり返すと、シェルピンスキーの三角形ができます。
言語、芸術、組織では、再帰が限界とともに現れます
言語学者チョムスキーは、人間の言語の核に再帰性があると主張しました。太郎は［花子が［犬が吠えるのを見た］と言った］と信じている、のように文の中に文を埋め込めるため、限られた単語と規則から無限の文を作れる、という考えです。ただし、埋め込みが深くなると、文法的には正しくても人間には理解しにくくなります。人の作業記憶には限りがあるからです。芸術では、絵の中に同じ絵が小さく現れ続けるドロステ効果や、二つの手が互いを描き合うエッシャーの描く手が、自己参照を目に見える形にしています。
組織や個人では、再帰性は考える枠組みそのものを考え直す力として働きます。ただし、内省だけが続き、行動に移す仕組みがないと、分析が止まらない状態や、現状維持の言い訳に変わる恐れもあります。反省点を出し尽くして満足し、翌月も同じ反省会を開くのは、基本ケースのない再帰関数と同じで、止まらないうえに、何も返しません。
同じ目で点検しても、段は変わりません
AIに文章や企画を作らせるとき、自分の出力を読み直させ、点検させ、書き直させる、という頼み方がよく使われます。形の上では、出力が自分の出力を参照する再帰です。
ここでVitaleの二つ目の基準を当ててみます。点検しているのは、元の文章を書いたのと同じAIで、同じ会話の中にいて、同じ前提を持っています。書いた段階で見落とした前提は、点検する段階でも、同じように見落とされる可能性が高い。これは、自分の答案を自分で採点するのに似ています。採点者が答案と同じ思い込みを持っている限り、思い込みによる誤りには丸が付きます。中に現れるAが元のAとほとんど同じなら、それは段の変わる再帰というより、同じ場所での反復です。
では、段を変えるには何を変えればよいのでしょうか。一回目は正確さ、二回目は読みやすさ、と点検の観点の言葉を替えるのは一つの方法です。けれど、観点の言葉を替えても、点検する側の前提が同じなら、変化は小さいかもしれません。より確実なのは、点検する側の前提そのものを入れ替えることです。
- 立場を入れ替える: この案に反対している立場の人として、論理の弱点を挙げさせる
- 外の基準を持ち込む: 自分で書いた評価基準や、読者の実際の声を渡して、それに照らして点検させる
- 新しい材料を足す: 最初に渡していなかった資料を加え、結論が変わるかを確かめさせる
- 止める条件を先に決める: 何ができたら終わりか、何回で打ち切るかを最初に書く
もっとも、同じAIによる自己点検がまったく役に立たないわけではありません。単純な誤字や数字の転記ミスのように、書いた時点の前提とは関係のない誤りなら、読み直すだけで見つかることもあります。どの種類の誤りなら同じ目で見つかり、どの種類なら別の目が要るのかは、AIの性能や課題によって違い、はっきりした線はまだ引けません。
あなたがAIに出力を見直させるとき、見直す側に、書いた側と違う前提を一つでも渡していますか。あなたの組織の振り返りの場で、見直す目は、見直される仕事をした人たちと、どこか違っているでしょうか。
この記事の背景にある考え方は、拙著『ChatGPT はじめてのプロンプトエンジニアリング』の4章2節「3つの推論パターン」に書きました。演繹、帰納、仮説検証をAIで再現したうえで、AIの回答に意図的に反論や批判を促し、見落とした前提や矛盾を洗い出す、という項があり、その頼み方の例として「この結論の論理的欠陥を指摘してください」という一文を挙げています。この節を読むと、AIに見直させるときに、同じ目でなぞらせるのではなく、反対側から崩させる頼み方を、自分で組み立てられるようになります。
AIの答えが物足りないとき、疑うべきはAIか、自分の言葉か。
『ChatGPT はじめてのプロンプトエンジニアリング』
AIは言葉でしか動かない。プロンプトを暗記するのをやめ、構成要素に分解して、自分の言葉で意図を込める力を鍛える本です。
読み終えたとき、手元に残るもの
- 必須、任意、形式の三つに分けたプロンプトの構造
- 回答の質を変える、意図を込めた生きたプロンプト
- 発注と検収は人が担う、AIとの役割分担
- 章末の演習プロンプト26題
4刷重版。全国の大学図書館65館が所蔵しています（2026年10月時点）。