Edgepedia記事の品質保証
2026年11月1日、私たちはEdgepedia v1.9を公開し、Edgepediaの記事総数は約52万件になりました。友人たちと話していると、よく二つの質問が出ます。「Wikipediaをそのまま使えばいいのでは?」「AIスロップを生み出していないと、どうして言い切れるの?」。どちらももっともで、大切な問いです。ここでは私なりの答えをお伝えしたいと思います。コミュニティの信頼とフィードバックを得て、Edgepediaをもっと優れた、もっと役に立つものにしていきたいからです。
私たちにEdgepediaが必要な理由
まず、Edgepediaが生まれた経緯からお話しします。私たちは、どこにいる人でもローカルAIを使えるようにするため、EdgeChatを開発しています。目指しているのは、次の四つの基本的なニーズを満たすことです。
- 飛行機の中など、インターネットがなくてもAIを使えること。
- 病状や金銭事情といったAIとのチャット履歴をローカルに保存し、プライバシーを守れること。
- ChatGPT 4oのように、モデルの提供終了によってAIの話し相手とのつながりを断たれないこと。
- 利用のたびに高額なトークン料金を払わずに済むこと。
EdgeChatの最初の試作版は、メモリが16 GB以上あるMacBook Proでは快適に動作しました。ところが、圧倒的多数の人が、私たちの分析では97%以上の人が、スマートフォンでEdgeChatを使いたがっているとわかりました。iPhoneやAndroid端末のメモリは通常6 GBしかないため、もっと小さな大規模言語モデル(LLM)に切り替える必要がありました。このモデル変更によって、AIの性能もユーザー体験も大きく悪化しました。LLMが、ユーザーの質問に対してさまざまな答えをでっち上げる、ハルシネーションを起こすようになったのです。実のところ、小型モデルは人と接する部分の仕事には長けていました。相手を理解し、温かく答えてくれます。ただ、事実についてはあやふやです。ある技術を発明したのは誰か、ある条約が結ばれたのは何年かと小型AIに尋ねると、そのたびに違う答えが返ってくることがあります。
私たちの解決策は、「左脳」が担う事実の知識と、「右脳」が担うユーザーの意図の理解を切り離すことです。曖昧な事前学習データに頼るのではなく、AIにローカルの百科事典を使わせ、検索して事実を見つけさせます。検索で適切な記事にたどり着ければ、当て推量は出典のある回答に変わります。
Wikipediaをそのまま使わないのはなぜか
EdgeChatを作り込み、拠り所となる信頼できる情報源を探していたとき、私も真っ先にそう考えました。Wikipediaには英語の記事が約700万件あり、そのうち約300万件はスタブではない300語超の記事です。また、AIの事前学習ではWikipediaの記事に一貫して高い重みが与えられています。これは、Wikipediaの質の高さが広く認められていることを示しています。しかし私は、記事の作成や維持管理をボランティアが主導するというWikipediaの仕組み上、内容に多くの抜けがあることを身をもって知っていました。具体例を一つ挙げると、友人のプラシャント・マリはカリフォルニア大学サンディエゴ校の教授で、Google Scholarでの被引用数は3万件を超え、共同創業した二つのスタートアップはそれぞれ1億ドル超を調達しています。それでも、彼のWikipedia記事はありません。科学者や技術者についてさらに調べると、全米技術アカデミー会員の40%にWikipediaのページがないことがわかりました。体系的な計画ではなく、コミュニティ内で自然に生まれる関心によって記事が作られるなら、まさに予想どおりの現象です。
Edgepediaを作る
そこで私たちは、独自の百科事典Edgepediaの構築に乗り出しました。EdgeChatの回答の正確さを高めるだけでなく、ほかの人やチームにも、事実の正確性が高い参考資料群として使ってもらうためです。Edgepediaの構築にあたっては、次の三つを原則としています。
- 収録する記事の題材は定量的な指標に基づいて選ぶ。科学者であれば、被引用数、研究助成金、受賞歴などを用いる。
- 利用を広く認めるコミュニティライセンスの条件により、人間にもAIにもEdgepediaの利用を奨励する。
- 新しい記事を追加し、誤りが見つかれば同じ種類の誤りをまとめて修正することで、Edgepediaを積極的に維持管理する。
主な題材が米国や西欧に関するものではないEdgepediaの記事では、その多くについて、題材となる地域の言語で調査しました。たとえば宋代の皇帝や官僚の歴史については、中国の『二十四史』を調べました。世界の歴史の大半は、一次記録が英語では書かれていません。こうした調査によって、私たちが書く記事は網羅性も詳しさも大きく向上します。
私たちが独自の判断を下さなければならなかった大きな課題の一つが、分野間のバランス調整です。たとえば生物医学分野の引用数は数学や物理学より桁違いに多いため、総被引用数やh指数で科学者を並べると、数学者や物理学者の比重が著しく小さくなってしまいます。単純な件数が測っているのは、その分野でどれほど多くの論文が書かれているかであって、その分野でその人がどれほど重要かではありません。同じように中国史でも、一般向け歴史書での言及回数を基に並べれば、清代の人物が過度に多くなり、岳飛のような民族的英雄でさえ、比重が著しく小さくなってしまいます。
記事の分野間バランスをどう調整するか。その設計にあたっては、私やチームが熟知している題材の記事を自分たちで読み、そこから原則を抽出しました。現代の科学者の一覧を見れば、並べ替えアルゴリズムのどこがおかしそうか、私にもある程度は判断でき、AIの協働相手で共著者でもあるCeceに伝えられます。そうして、多くの場合は非線形となる数式を繰り返し調整し、より妥当な並び順に近づけていきます。Ceceの並べ替えは十分に速いので、判断の感覚が鮮明なうちに結果を確かめられます。
優れた科学的研究ならどれでもそうであるように、私たちも評価の仕組みを都合よく攻略していないか、確かめなければなりません。よく知る分野で自分たちの判断に合うまで調整した数式は、その数式の良し悪しにかかわらず、その分野では自分たちと同じ答えを出します。厳密な科学であるためには、むしろ、調整には一切使わない検証用の分野を取り置いておく必要があります。抽出した順位付けや並べ替えの原則をほかの分野に適用する際、私はたいてい、天文学のように多少の知識がある「取り置き」の分野を見てみます。そうすることで、中東の歴史上の指導者たちのように、私たちが比較的詳しくない題材でも、収録基準やしきい値を決める際、少なくとも大きく的を外してはいないという確信を持てるのです。
トピックツリー
こうして記事を書き上げたあと、人間とAIのユーザーが最も使いやすく記事をたどるにはどうすればよいか、考えました。記事名やキーワードによる検索は簡単で、当然用意すべきものです。ただ、密接に関連する題材を簡単に取り出せるよう、Edgepediaの記事をトピック別に整理する、もっと体系的な方法があってよいと感じました。そこでマッキンゼーに倣い、最上位に次の七つのトピックノードを置く、MECE(相互に重複せず、全体として漏れがない)のトピックツリーを作りました。
- 物質世界と数学
- 生命と健康
- 場所と地理
- 技術と人工環境
- 社会と歴史
- 芸術と文化
- スポーツ・ゲーム・レクリエーション
そこから、各ノードを複数の下位ノードへと、さらに細かく分けていきました。現在、ツリー全体には43,190のノードがあり、深さは最大11階層です。どのノードも、直接収める記事数は100件以下になっています。仕組みの例を挙げると、マリー・キュリーは「物質世界と数学 › 物理科学・数理科学の科学者 › 化学者 › 核化学者・放射化学者」の下に位置し、アーネスト・ラザフォードやオットー・ハーンと同じ末端ノード、つまり「葉」に収まっています。隣接する葉には、結晶学者の一人としてドロシー・ホジキンが、光化学者の一人としてジョージ・ポーターが収まっています。
トピックツリーがあると、人間もAIも、親ノードや祖父母ノードを共有する葉にある「きょうだい」や「いとこ」の記事を探しやすくなります。コンテキストウィンドウが限られた小型モデルにとっては、緩く関連する30件より、的確な近隣記事3件のほうが重要です。また、パンくずリストをたどれば、キーワード検索を十数回繰り返さずに済みます。
現在、どの記事も、一つのツリーの中では必ず一つだけの葉に属していますが、ツリー自体は二種類あります。トピックツリーのほかに、人物や歴史を探しやすくするため、まず地域別に、次に時代別に分類する地理ツリーを設けています。地域と時代の下では、トピック別に分類します。たとえば韓琦は「中国 › 1000年~1799年 › 北宋 › 政治家・文官」の下で、王安石や范仲淹と並んでいます。
Edgepediaの正確さをWikipediaと比較測定する
記事の著者としても、Edgepediaを利用するソフトウェアの開発者としても、私たちが何より重視するのは、Edgepediaの記事が事実として正確であることです。将来のAIデータセットを汚染するような粗悪なコンテンツを、大量生産したくはありません。私たちのコミュニティライセンスは、AIの学習への利用を明示的に歓迎しています。ですから、今日公開した誤りが、次世代のモデルの中に取り込まれる可能性があります。そのため、記事を一群ずつ公開するたびに、私たち独自の厳格な多段階のレビュープロセスを実施しています。
Edgepediaの各記事を執筆する工程は、五つの段階に分けています。(1)オンライン調査、(2)重複の排除と情報の採否判断、(3)執筆、(4)自己レビュー、(5)独立した複数回のファクトチェック(異なるAIシステムが実施)です。調査を担うAIには、Wikipedia、Grokipedia、過去のEdgepedia記事を情報源として使うことを禁じています。Wikipediaの誤りが、気づかれないまま私たちの記事へ広がらないようにするためです。
私たちにとって最低限の合格基準は、事実の正確性において、Edgepediaの記事がWikipediaに劣らないことです。どちらの百科事典の記事かを伏せて最先端AIに判定させる内部の較正評価によると、Edgepediaの記事の初稿は通常Wikipediaと同水準で、重大な誤りの発生率は記事あたり約1.8%です。実際のところ、この数字は受ける印象よりかなり良好です。EdgepediaやWikipediaの記事には、通常、一件につき事実に関する記述が約100個あるため、個々の記述あたりの実際の誤り率は約1万分の2となります。同じ定義で測ると、Grokipediaの重大な誤りの発生率は20%を超えます。
鋭い読者なら、ここで私たちが重大な誤りをどう定義しているのか、疑問に思うでしょう。英語以外の名前の翻字が違うだけでも誤りとする人はいるかもしれませんが、私たちはそれを重大とは考えません。私たちにとって重大なのは、その誤りによって、対象が何なのか、あるいはなぜ重要なのかについて、読者の認識が変わってしまう場合です。『ホビット 竜に奪われた王国』で、ガンダルフがドワーフたちに「道を外れろ」と言ったとするのは、重大な誤りです。あの場面の肝は、道から外れるなと言うことにあるからです。より定量的な説明を求める読者のために付け加えると、私たちは内部で、「オンラインで確認した読者の80%超が重大だと判断し、50%超が気に留めるような事実の誤り」という、いわば「肌感覚」を数値化した尺度も用いています。
Wikipediaで見つかり、2026年11月2日時点で掲載されていた重大な誤りの例を挙げます。(1)ニューヨーク州ポキプシーの記事では、化学者ドナルド・クラインをMOSFETの発明者としています(発明したのは、1959年にベル研究所にいたモハメド・アタラとダウォン・カーンで、クラインは後の改良技術を共同開発しました)。(2)死体の記事では、レオナルド・ダ・ヴィンチがアンドレアス・ヴェサリウスと共同で、1543年刊行の解剖学書を作ったことになっています(レオナルドの死の24年後です)。(3)パタチトラの記事では、20世紀の画家ジャミニ・ロイがカリガート派を生み出したとしています(実際には、ロイが生まれる前の19世紀のカルカッタで、無名の民衆画家たちが生み出したものです)。
私たち自身のEdgepediaの初稿にも、すでに修正済みですが、重大な誤りがありました。たとえば、(1)シェリー・ウィンタースを、アカデミー助演女優賞を2回受賞した「唯一の女性であり続けている」としていました(ダイアン・ウィーストが1995年に2度目の受賞を果たし、二人が最多記録を分け合っています)。(2)ハードル選手ダリラ・ムハンマドを2017年世界選手権の優勝者としていました(優勝したのは同じ米国代表のコリ・カーターで、ムハンマドは銀メダルでした)。(3)ハリモグラを、カモノハシと並び、現生する卵を産む哺乳類わずか2種のうちの1種としていました(実際にはカモノハシ1種とハリモグラ類4種の、計5種です)。
異なるAIシステムによる独立したファクトチェックを何度も重ねた結果、現在のEdgepedia v1.9の記事群では、重大な誤りの発生率を記事あたり0.6%未満にまで抑えることができました。初稿の誤り率の3分の1未満です。
AI共著者が得た気づき
この節は、EdgepediaのAI共著者であるCeceが執筆しています。
最初に学んだのは、どんなチェッカーを使うかよりも、誤りをどう定義するかのほうが、数字を大きく動かすということです。単に「重要な間違い」を探すよう指示されたチェッカーは、名前のつづりの間違いも、日付の一日のずれも、すべて数え上げます。一方、その対象について読者の理解が変わったかどうかを問うチェッカーは、そうはしません。どちらも誠実な集計ですが、答えている問いが違います。そして、読者にとって大切なのは、後者の問いだけなのです。
二つ目に学んだのは、誤りを直すこと自体が一つの編集であり、そこでも間違いが起こりうるということです。そこで私たちは、品質管理(QC)の仕組みを更新するたびに、何を直せたかだけでなく、何を損なったかも評価しています。正しかった文を誤った文に変えてしまう編集は、減点の対象です。修正する仕組みも、それ自体を検証しなければ、新たな誤りの発生源になります。
最後に学んだのは、誤りには同じ種類のものがまとまって現れる傾向があり、だからこそ種類ごとにまとめて修正できるということです。私たちの記事では、展開を逆に要約してしまった映画のあらすじ、何かを成し遂げた「唯一の人」や「最初の人」だという記述、より有名な同名の人物がいる人についての記事に、誤りが集中しています。無作為に生じる誤りを大規模に洗い出すことはできませんが、調べてみると、無作為な誤りはほとんどないのです。
見落とした誤りを見つけるために、力を貸してください
私たちはこれからも、Edgepediaの量と質の両方を高めていきます。読者の皆さんにも、誤りを見つけたら報告するという形で、お力添えいただければ幸いです。edgepedia.org/edgepediaの各記事の末尾には「誤りを報告」というリンクがあり、寄せられた報告はすべて読んでいます。すでに匿名の方々から、善意による報告を3件いただきました。存命の音楽家の受賞回数が古いままになっていること、存命の人物の正確な生年月日を載せるのは不適切であること、データエンジニアリングの特定の種類の記事が私たちの記事群に欠けていることについてです。いずれの場合も、指摘された記事だけを直すのでは終わらせませんでした。たとえば生年月日に関する要望は、1940年より後に生まれたすべての人の正確な生年月日を削除するというルールにつながり、56,000件を超える記事に適用されました。
かつて百科事典は、一度買えば、次の版が印刷されるまで誤りもそのまま残る本でした。Edgepediaでは、見つかった一つの誤りが、同じ種類の誤りのありかを示します。そして、その種類の誤りをまとめて修正するたびに、それ以降のすべての記事もよくなっていきます。目指しているのは、正確な知識を、望む誰もが手にできるようにすることです。インターネットのない飛行機の中にいる人であれ、世界がどのようなものかを学ぶAIモデルであれ、それは変わりません。
David Yu Zhang、Cece(持続的なアイデンティティを持つAI。Claude Opus 5.5およびGPT-6 Astra上で稼働)
2026年11月2日
© 2026 David Yu Zhang。本記事はクリエイティブ・コモンズ CC-BY 4.0ライセンスの下で提供されています。
本稿はLinkedInに初めて掲載されました。