アストロマップを使って、新しいことをする人が増えています。地図のスクリーンショットを撮って ChatGPT に貼り付けるのです。「私の地図はリスボンについて何と言っていますか？」返ってくる答えは流暢で、具体的で、あたたかい。ラインの名前を挙げ、距離を見積もり、その土地でのあなたの未来について筋の通った物語を語ってくれます。
居心地が悪いのは、その流暢さと正確さがまったく無関係だということです。根拠のある答えでも、でっち上げの答えでも、読み心地は完全に同じです。
そこで正直に整理します。ChatGPT がアストロカートグラフィーで本当に得意なこと、どこでどう失敗するのか、そしてどんな AI からでも「実際に行動に移せる」解説を引き出す方法について。
短い答え
はい、ChatGPT はアストロカートグラフィーについて十分に語れます。いいえ、あなたの地図のスクリーンショットを確実に読むことはできません。
これは別々の能力であり、その差こそがこの記事のすべてです。
アストロカートグラフィーの概念はよく文書化されています。数十年分の書籍、記事、フォーラムの議論が学習データに入っています。金星ディセンダントラインの意味、MC と IC の違い、オーブについて実践者の意見が分かれる理由——こうした質問には、たいてい手堅い答えが返ってきます。説明する側については、正当に優秀です。
あなた個人の地図を読むのは、まったく別の作業です。ほとんど同じに見える細い色つきの線が十数本ある中から、どれがどの惑星のどのアングルかを特定し、それぞれが特定の都市からどれだけ離れて通っているかを測る必要があります。これは精密な情報抽出を画像モデルに任せるということで、密度が高くコントラストの低い画像からの精密抽出こそ、画像モデルが推測に頼る領域です。しかもモデルは「これが月なのか金星なのか判別できません」とは言いません。どちらかを選び、その上に自信のある段落を組み立てます。
スクリーンショットを貼ると、実際に何が起きるのか
失敗の仕方は、列挙できるほど予測可能です。
ラインの取り違え。 ほとんどの計算ツールは似た配色で線を描きます。ツールによっては金星も月も、淡い緑・青・銀のいずれかで描かれます。圧縮されたスクリーンショットのピクセルから読むモデルは、これを日常的に取り違えます。「あなたの金星ラインはポルトガルを通っています」から先の話は、それが月のラインだったなら全部無価値です。
アングルの混同。 惑星が合っていても、アングルが違っていることはよくあります。MC ラインと IC ラインはどちらも縦向き、AC ラインと DC ラインはどちらも曲線です。これを混同するのは細かいニュアンスの誤りではありません。金星 MC と金星 DC はまったく別の人生領域を指しますし、ラベルのない、あるいは切れた画像からこの二つを確実に見分ける手段をモデルは持っていません。
でっち上げの距離。 これが一番たちの悪い失敗です。モデルは「あなたは木星ラインからおよそ100km の位置にいるようです」と言います。この数字には何の根拠もありません。スクリーンショットから地図投影法を測ることはできないからです。数字を出すのは、良い答えとは数字を含むものだからです。ラインからの距離は、解説を実際に左右する数少ない要素のひとつであることを考えると、捏造された距離は「距離なし」より有害です。
同意しすぎる答え。 「バリに引っ越そうと思っているのですが、私の地図はそれを支持していますか？」と聞けば、たいてい「はい」と返ってきます。チャットモデルは有用さと同意の方向に訓練されていて、質問に埋め込まれた希望を映し返します。あなたがすでに持っている計画をいつも肯定してくれる解説は、解説ではありません。文章のうまい鏡です。
出生時刻の不確かさという概念がない。 アングルのラインは、出生時刻が4分ずれるごとに経度でおよそ111km 動きます。出生時刻があいまいなら、ラインは数百km ずれている可能性があります。まともな鑑定は「その時刻にどれくらい自信がありますか」と尋ねるところから始まります。スクリーンショットはその情報を運べませんし、ChatGPT のほうから尋ねてくることもありません。
これはモデルの出来が悪いという話ではありません。密度の高い技術的な画像からの精密抽出という、現在の画像モデルが単純に信頼できない作業を渡してしまった、という話です。しかも、自分の推測をあなたの出生データと突き合わせて検算できない領域で。
汎用 AI が本当に得意なこと
公平であることは大事です。役に立つ側の半分は、本当に役に立つからです。
- 概念の説明。 アストロカートグラフィーの地図の読み方をまだ学んでいる段階なら、ChatGPT は語彙についての辛抱強く正確な家庭教師です。ライン、アングル、オーブ、リロケーションチャート、パラン。
- 正確に説明した選択肢の比較。 テキストで「A 市は土星 MC ラインの近く、B 市は金星 AC ラインの近く。今は燃え尽きていて、これから2年は楽をしたい」と伝えれば、比較の推論はしばしば思慮深いものになります。正しい事実を与えられたからです。事実からの推論は得意なのです。
- 意思決定の壁打ち。 トレードオフを言語化し、何を最適化したいのか問い返し、あなたの理屈に負荷をかける——相手役としてのチャットモデルは正当に価値があります。占星術の本をたくさん読んだ賢い友人が価値あるのと同じ意味で。
パターンはこうです。事実をこちらが与えたときに強く、画像から事実を抽出させようとしたときに弱い。
どんな AI からでも良い解説を引き出す方法
対処法は、そのまま導かれます。スクリーンショットを送らない。構造化された事実を送る。
- まともな計算ツールで地図を作る。 拾ってきた画像ではなく、出生データからライン位置を計算するものを使ってください。
- 事実をテキストで書く。 例:「金星 DC ラインはリスボンの東およそ80km を通っています。土星 IC ラインはドイツ中部を通っています。出生時刻は出生証明書からのものなので正確です。」この一文一文が、推測をひとつずつ消していきます。
- 出生時刻の確度を明示する。「正確」「15分以内」「母の記憶頼り」——これによってアングルのラインにどれだけ重みを置くべきかが変わりますし、どんな AI もそれを踏まえて推論できます。伝えさえすれば。
- 狭い質問をする。「金星 DC ラインから80km の場所に住むのと、ライン上に住むのとでは、何がトレードオフになりますか？」のほうが「リスボンは私に合っていますか？」より役に立ちます。
- 一度は反論する。「この引っ越しに反対する一番強い論拠は何ですか？」と聞いてみてください。次にあなたが何を言っても同意に崩れるなら、また鏡と話しています。
原則は「ゴミを入れればゴミが出る」に尽きます。スクリーンショットから幻覚を見るのと同じモデルが、正確なテキストからは擁護できる解説を返します。抽出の工程を、推測ではなく計算するツールを使って、あなたが代わりに済ませたからです。
計算されたパイプラインが変えること
これは DeepAstro のコパイロットで取った方針で、違いは「より賢いモデル」ではなく構造にあります。都市について質問すると、AI にはあなたの実際に計算された地図データが渡されます。近くにあるライン、それぞれまでの計算された距離、各ラインがどのアングルにあるか、そしてあなたが申告した出生時刻の精度から導かれた確度。スクリーンショット鑑定が失敗する抽出の工程が、そもそも存在しません。ラベル付きデータとして受け取ったラインを取り違えることはできませんし、数値として与えられた距離をでっち上げることもできません。
それが解決しないことについても、同じくらい明確にしておきます。事実は計算されていますが、解釈は依然として解釈です。占星術の主張は実験的に検証されておらず、実践者の間でも意見の分かれる点は多く、完璧なデータから推論する AI であっても、別の占星術師なら異議を唱えるような枠組みでラインの意味を語ることはありえます。計算されたパイプラインが保証するのは、AI が語っているのがあなたの地図だということだけです。その記述が絶対に正しくなるわけではありませんし、あなたの代わりに決断させるべきものでもありません。
どんな AI にもできないこと
どんな AI も——私たちのものも含めて——移住を決める入力のほとんどを持っていません。
ビザの選択肢、貯金、キャリアの地理的制約、パートナーが動く気があるか、親の健康、子どもに必要な学校。こうした制約は、どんなラインよりも多くの都市を候補から消します。
土地を代わりに感じることもできません。月のラインの近くで人が語る肩の力の抜けかたも、きつい土星の場所での摩擦も、現地で数日過ごす体に現れるもので、出力ウィンドウの中には現れません。
そして、試しに滞在してみることの代わりにもなりません。ある街での2週間は、間違った移住に比べれば安上がりですし、どんなモデルにも作れない種類の証拠を生みます。あなた自身の証拠です。AI は候補リストを作り、問いを研ぐために使ってください。そのあとで、実際にラインの上に立ちに行きましょう。