クラフトとしてのプロンプト:AIを操作するのではなく、演出する

弱いプロンプトは曖昧だ。「街を歩く女性」。モデルはあらゆる空白を自前のデフォルトで埋め、どこにでもある無名の人物の絵が返ってくる。強いプロンプトは肝心な点を名指しする。「夕暮れの濡れた通りを渡る、グレーのウールコートの女性。背後にネオンの光がぼやけている」。ここでの具体性は装飾ではなく、演出そのものだ。

しかし具体性には天井がある。二十個の形容詞、三つのカメラ設定、照明の指定、そして背景設定まで積み上げると、モデルは細部を落とし始めるか、それらを混ぜてぼやけさせる。過剰な具体化は自らと競合する——付け加えた一節ごとに、本当に重要だった要素が薄まっていく。技術とは、そのシーンを支える三つか四つの要素を見極め、残りはモデルの能力に委ねることだ。

有用な検証法がある。人間の撮影クルーが何十もの質問をせずにこの指示書を実行できるだろうか。薄すぎれば、彼らは間違って推測する。濃すぎれば、動けなくなる。中間を狙う——意図を定めるには十分に、しかしあなたが指定し損ねた良い選択をモデルが下す余地を残せるほどには緩く。

初心者は名詞を描き、ディレクターは動詞と感情を描く。「野原の犬」は在庫目録だ。「背の高い草を跳ねるように駆け、耳を寝かせ、画面の外の何かを追う犬」は一つの瞬間だ。動きは、そのシーンが何を含んでいるかではなく、何をしているかをモデルに伝える——何かをしているシーンは、ポーズを取った写真ではなく、生きたものとして読める。

雰囲気はもう半分だが、多くの人が飛ばす部分だ。同じ被写体でも「暖かい午後遅くの光の中、ゆっくりと急がず」撮ったものは、「厳しい蛍光灯の下、張り詰めて臨床的に」撮ったものとはまるで違う場所に着地する。雰囲気を表す言葉は、色・テンポ・構図・コントラストを一度に操るので、いくつかの言葉が長い物理的描写のリストよりも多くの仕事をする。観客に抱かせたい感情を名指ししよう。

映画の語彙を借りよう。ハンドヘルド、トラッキングショット、浅い被写界深度、ゴールデンアワー、ゆっくりとした押し込みといった言葉は、モデルが何千回も説明とともに見てきた簡潔な指示だ。用語集を丸ごと覚える必要はない。的確に選んだ一つの専門用語が、たどたどしい説明の一段落を置き換え、あなたが思い描いたものにより近く着地することが多い。

否定的な制約——モデルに何を避けるべきかを伝えること——は、プロンプトで最も使われていない道具だ。言わずにおけば、デフォルトが忍び込む。余分な指、中立を望んだ場面での笑顔、時代物のシーンに現れる現代の車。望まないものを名指しするのは小言ではない。もともと開けるつもりのなかった扉を閉じることだ。

制約はまた、対比によって意図を鋭くする。「ポートレート、笑顔なし、直接の視線なし、スタジオ背景なし」は、どんな肯定的な描写にも劣らず、あなたが求める雰囲気をモデルに伝える。それぞれの除外が、起こりがちなデフォルトの一群を取り除き、結果をあなたが本当に意図した、より狭いものへと押しやる。彫刻だと考えよう——それではないものを削り取ることで、形が現れる。

もちろん限度はある。禁止事項ばかりのプロンプトは、モデルに目指すべきものを何も与えず、技術的には従順だが創造的に死んだものが返ってくる。まず望むものを先に置き、除外は縁を整えるために使う。最良の指示書は、大部分が肯定的な意図で、それを台無しにするものの短く鋭いリストが添えられている。

完璧なプロンプトという神話——一度で完成品を生み出す魔法の一文——は、静かに人々の時間を浪費する。本物のディレクターはテイクを重ねる。最初の生成はプロンプトへの判決ではなく、情報だ。モデルがあなたの言葉をどう扱ったかを読み、どこで誤解したかを見つけ、変数を一度に一つずつ調整することで、自分の変更が実際に何をもたらしたかを見極められる。

反復ごとに一つだけ変えれば、モデルの文法が学べる。「夕暮れ」を「正午」に差し替え、光の扱いを観察する。制約を一つ外し、何が戻ってくるかを見る。これは賭けではなく編集だ——一回ごとに、思い描いたものと現れるものとの隔たりが縮まっていく。最も速く上達するプロンプターは、あらゆる結果を次の版へのメモとして扱い、スロットマシンのレバーとしては扱わない人々だ。

だからこそ、一度打って現れたものを受け入れるだけの操作者の心構えはすぐに頭打ちになり、ディレクターの心構えは複利で伸び続ける。反復を軸に設計された道具はそれに報いる——貼り付けた物語を一本の映画に変えるnureta.aiはアダルトなNSFW動画も生成できるが、その仕上がりは、テイクを見て、指示書を練り直し、もう一度走らせるあなたの意志の分だけしか良くならない。クラフトはプロンプトではない。ループそのものだ。