AIは「暴力」を描けない。Sora 2の制約を乗り越え、人類史（Society 1.0-5.0）を動画化するプロンプト設計術

導入：AIが歴史を描く時代と、見えざる壁

「動画生成AIの進化は、我々の創造性をどこまで拡張するのか？」この問いは、もはやSFの世界ではありません。OpenAIの『Sora 2』（※本稿では仮称）をはじめとするモデルは、テキストから驚異的なクオリティの映像を生成し、コンテンツ制作のパラダイムを根底から覆しつつあります。

本稿では、この技術を用いて「人類社会の進化」、すなわち狩猟採集社会（Society 1.0）から超スマート社会（Society 5.0）へと至る壮大な歴史を動画化するという試みについて詳述します。しかし、これは単なる技術デモではありません。AIの能力を最大限に引き出す過程で直面した、予期せぬ「壁」——AIの倫理ポリシーによる表現規制、いわゆる「リジェクト問題」をいかに乗り越えたか、その具体的なプロンプト設計の戦略と思考プロセスを共有します。

この記事は、以下の二本柱で構成されています。

1. 歴史の知識: Society 1.0から5.0までの各社会の「進化の鍵」となる概念をデータとして捉え、それをどのように映像構成に落とし込んだか。
2. AI活用の技術: Sora 2の特性を理解し、特に「暴力」や「対立」といった抽象的だが規制対象となりやすい概念を、リジェクトを回避しながら表現するためのプロンプト・エンジニアリング術。

パート 1: 企画の意図と動画生成の基本ルール

1. なぜ「Society 1.0〜5.0」なのか？

このテーマを選定した理由は、2つのデータサイエンス的観点に基づきます。

• テーマの構造性: 人類の進化史は、複雑な事象が絡み合う壮大な物語ですが、同時に「狩猟→農耕→工業→情報→融合」という明確な構造を持っています。この構造は、AIに時系列変化を学習させ、未来予測モデルを構築する訓練データとして極めて有用です。
• ビジュアル化の非実在性: 原始時代やSociety 5.0のような未来社会は、実写での再現が極めて困難、あるいは不可能です。これは、生成AIの「存在しないものを、データに基づいて最もらしく生成する」能力が最大限に活かされる領域です。

2. 動画生成における「3パート構成」の重要性

各Societyの映像化にあたり、私たちは1つの時代を「導入」「展開」「次代への胎動」という3つのシーンで構成する基本ルールを設けました。これは認知科学における「マジックナンバー3」の法則（人間が短期記憶で効率的に処理できる情報のかたまりは3つ程度であるという説）に基づいています。

AIへの指示においても、この構造化は極めて有効です。単一の長大なプロンプトではなく、3つのパートに分割して指示を出すことで、AIの解釈のブレ（意味論的ドリフト）を防ぎ、各シーンのトーンやカメラワークを精密に制御することが可能になります。

この構造化アプローチにより、生成される映像全体の首尾一貫性を担保し、ストーリーテリングの質を飛躍的に向上させることができました。

パート 2: Sora 2活用術：プロンプト設計のリアル

1. 時代の「トーン＆マナー」を指定する技術

映像の質感を決定づけるのは、抽象的な「雰囲気」です。これをAIに伝えるため、各プロンプトの末尾に映画制作や写真撮影で用いられる専門用語を追加しました。これは、AIの学習データに含まれるであろう大量の映像データセットのメタ情報に働きかけ、意図したスタイルを誘導する手法です。

• Society 1.0: Documentary film style, 4K, realistic lighting, shot on 35mm film –– 自然光を活かしたドキュメンタリータッチで、生々しいリアリティと歴史の重厚感を演出。
• Society 3.0: Black and white or desaturated color grading, documentary style, grainy texture –– 色彩を抑えることで、産業革命時代の過酷な労働環境と、歴史的記録としての客観性を強調。
• Society 5.0: Futuristic, clean, and optimistic aesthetic, cinematic, shallow depth of field, anamorphic lens flare –– クリーンで明るい未来像を、映画的な手法で感情に訴えかけるように表現。

2. 【最重要】AIの「リジェクト」を回避する方法

本プロジェクトで最大の障壁となったのが、Society 1.0の描写でした。当初、「狩猟」を表現するために、以下のようなプロンプトを試みました。

A group of early humans hunting a mammoth with spears.

このプロンプトは、Sora 2の安全ポリシーによって即座にリジェクトされました。AIは「hunting」や「spears」といった単語を「暴力」に関連するコンテンツと判断したのです。

ここから、私たちは戦略の転換を迫られました。「何を描くか」ではなく、「何を避けながら、意図を伝えるか」という思考へのシフトです。

解決策として、暴力的な行為そのものではなく、その前後の「プロセス」や「協力」に焦点を当てるアプローチを採用しました。具体的には、以下のようにプロンプトを修正しました。

A group of early humans in a cooperative effort, carefully tracking a large animal through a vast savanna. They use hand signals to communicate, showing teamwork and intelligence.

このプロンプトでは、

• hunting → tracking（追跡）
• spears → hand signals（手信号）
• 暴力的な行為 → cooperative effort（協力的努力）、teamwork（チームワーク）

といった具合に、危険なキーワードを排除し、より協調的で知的な活動として再定義しました。結果、リジェクトを回避しつつ、「食料を確保するための共同作業」という狩猟の本質を映像化することに成功しました。

教訓: 生成AIのプロンプト設計は、単語レベルでの意味理解だけでなく、AIが準拠する倫理ポリシーのベクトル空間を予測し、その制約の中で意味を再構成する、高度な意味論的ナビゲーション技術であると言えます。

3. 映像の「流れ」を作るための工夫

各時代を分断されたクリップの集まりにしないため、各時代の最後のシーン（シーン3）に、次の時代への「課題」や「胎動」を暗示する表現を意図的に挿入しました。これにより、映像全体に連続性と物語的な推進力が生まれます。

• Society 2.0の終わり: 豊作に沸く農村の遠景に、小さく城壁に囲まれた「都市の萌芽」を描写させ、来るべきSociety 3.0の集権化と工業化を暗示。
• Society 4.0の終わり: 高度な情報社会を謳歌する人々の傍らで、デジタルデバイスにアクセスできず取り残された人々を映し出し、「デジタル格差」というSociety 5.0が解決すべき課題を提示。

この手法は、視聴者に対して歴史の必然的な流れと、各時代の進化が常に次の課題を生み出してきたという構造的理解を促します。

パート 3: 各Societyを映し出すプロンプトと意図（詳細解説）

以下に、各Societyのテーマ（進化の鍵）と、それを映像化するために設計したプロンプトの核心部分を、表形式でまとめます。

結論：AIとの「対話」が創造性の鍵となる

Sora 2は、これまで映像化が困難、あるいは不可能だった壮大なテーマを、誰もが視覚的に探求できる可能性を拓きました。しかし、その真価を引き出すには、単に「何が見たいか」を告げるだけでは不十分です。

今回の挑戦から得られた最も重要な知見は、優れたAI動画生成は「技術的な指示」だけでなく、「AIの倫理的制約」や「映像の物語構造」を深く理解した上での、戦略的なプロンプト設計が不可欠である、ということです。

AIのリジェクトは、単なる「失敗」ではありません。それはAIの思考様式、価値判断の基準を理解するための貴重なフィードバックデータです。この制約を創造的に回避し、意図を再構成するプロセスこそが、これからのクリエイターに求められる新たなスキルセットなのかも知れません。

この記事が、Society 5.0という未来社会への理解を深めると同時に、あなたのAI動画制作への挑戦における一つの羅針盤となれば幸いです。