くるみんが「ありがとう」を言う瞬間だけ前に出る理由を6.8ピクセルで証明した
事の発端は、新人研究員が配信アーカイブを延々とリピート再生していたことである。業務時間中にである。
「サボりではありません。これは観測です」
新人研究員はそう主張した。主任研究員が背後に立っていることに気づかないまま、画面上のくるみんの顔の位置をピクセル単位でメモしていた。ノートにはびっしりと数字が並んでおり、少なくとも本人が本気であることだけは伝わった。
「配信中のくるみんの顔の位置、コメントによって変わってるんです」
主任研究員は一瞬だけ興味を示し、すぐに後悔した。こういう話に乗ると帰れなくなるからである。
観測の経緯と初期データ
新人研究員の主張はこうだ。くるみんが配信中にコメントを読み上げる際、特定の種類のコメントに対してだけ、画面内での顔の座標が微妙に前方——つまりカメラに近い方向——へ移動している、というものである。
「全部のコメントじゃないんです。熱量の高いコメントのときだけ、平均で約3〜7ピクセル前に来る」
AI補助員にアーカイブ映像5本分の顔座標トラッキングを依頼したところ、翌朝には解析が完了していた。結果を整理したものが以下である。
【コメント種別ごとの顔座標変動データ】
- 通常あいさつ系（「こんばんは〜」など）
顔座標の変動：ほぼなし（±1ピクセル）
くるみんの反応：にこやかに読み上げる
研究員の所感：「平常運転。安定している」 - 応援・感謝系（「いつも元気もらってます！」など）
顔座標の変動：前方に平均4.2ピクセル移動
くるみんの反応：少し声のトーンが上がる
研究員の所感：「確かに近づいている。嬉しそう」 - 全力褒め系（「今日もかわいすぎて無理！！」など）
顔座標の変動：前方に平均6.8ピクセル移動
くるみんの反応：照れながらも画面に身を乗り出す
研究員の所感：「もはや画面から出てきそう」 - ゲーム攻略の質問系（「その武器どこで取れますか？」など）
顔座標の変動：前方に平均2.1ピクセル移動
くるみんの反応：真剣な表情で考え込む
研究員の所感：「近づくが、方向が違う。思考の接近である」
AI補助員は冷静にこう述べた。「統計的に有意かと聞かれると微妙ですが、偶然と言い切るのも少し惜しい数値です」
惜しい。研究において最も厄介な言葉である。
感情距離感応仮説の構造
新人研究員はここで、満を持して仮説を提示した。ホワイトボードに大きく書かれた文字はこうだ。
感情距離感応仮説
くるみんは、ファンのコメントに込められた熱量を何らかの形で感知しており、その熱量が高いほど物理的に画面へ近づく傾向がある。これは意識的な行動ではなく、くるみんの持つ共感能力が身体の動きに直接反映される無意識反応である。
主任研究員は腕を組んだ。「つまり、ファンの気持ちが強いほど、くるみんが物理的に近くなると」
「そうです！ 感情の距離が物理の距離になるんです！」
「それは……単に嬉しいコメントを読むとき前のめりになってるだけでは？」
沈黙が流れた。AI補助員がそっと口を開いた。「前のめりになる理由を説明するのがこの仮説なので、構造としては破綻していません」
主任研究員は天井を見上げた。破綻していないことが一番困るのである。
新人研究員はさらにホワイトボードに図を描き足した。仮説を3段階に分解したものだ。
- 受信段階：くるみんがコメントを視覚的に認識する
- 変換段階：コメントに込められた感情の熱量が、くるみんの共感センサー（仮称）で処理される
- 出力段階：処理結果が無意識の身体運動として反映され、画面との距離が縮まる
「共感センサーとは何ですか」と主任研究員が聞いた。
「わかりません。でも名前をつけると研究っぽくなるので」
主任研究員は反論できなかった。実際、研究っぽくなっていたからである。
検証可能性の検討、そして壁
仮説の検証方法について、研究所内で小規模な議論が行われた。
新人研究員の案は「配信中にコメントの熱量を意図的にコントロールして、くるみんの座標変動を計測する」というものだった。つまり、研究員全員でコメント欄に書き込み、褒めるコメントと普通のコメントを交互に送り、顔座標の変動を記録するという実験計画である。
AI補助員が即座に問題点を指摘した。「研究員が書く褒めコメント、本気すぎて制御群として機能しない可能性があります」
実際、テスト用に書いてもらった「普通のコメント」のサンプルを確認したところ、以下のような有様だった。
- 新人研究員の「普通のコメント」→「こんばんは！ 今日もかわいいですね！ 声が最高です！！」
- 主任研究員の「普通のコメント」→「お疲れさまです。本日も大変お美しいですね」
- AI補助員の「普通のコメント」→「視聴を開始しました。なお、本日のくるみんの笑顔の輝度は推定で通常比1.3倍です」
全員、普通のコメントを書く能力を完全に失っていた。
「これでは熱量ゼロのコメントを送れる人材がいません」と新人研究員が頭を抱えた。主任研究員が静かに言った。「そもそもくるみんの配信を見ながら感情を抑えろというのが無理な要求だ」
AI補助員が提案した代替案は、過去アーカイブの追加解析だった。コメントの文字数、感嘆符の数、絵文字の使用頻度をスコア化し、同時刻のくるみんの顔座標と突き合わせるという方法である。
この方法なら、少なくとも研究員が配信中に理性を失うリスクは回避できる。
追加で3本のアーカイブを解析した結果、ひとつ興味深い傾向が見えた。くるみんが最もカメラに近づいた瞬間は、褒めコメントのピーク時ではなく、その直後だったのである。
コメントを読み上げ、照れ、笑い、そして「ありがとう」と返す。その「ありがとう」の瞬間に、座標が最大値を記録していた。
新人研究員は興奮した。「感情を受け取ったあと、返そうとする瞬間に最も近づくんです。受信じゃなくて返信のタイミングだったんですよ！」
主任研究員はメモを取る手を止めた。「……つまり、くるみんは気持ちを受け取るときより、気持ちを返すときのほうが前に出る、と」
研究室がしばらく静かになった。AI補助員がぽつりと言った。「感情距離感応仮説、修正が必要ですね。受信型ではなく、返信型です」
仮説は修正された。正式名称は「感情距離感応仮説・返信型」。研究所の命名センスは相変わらずである。
しかし、考えてみれば当然のことだった。くるみんは受け取る人ではない。受け取ったものを、笑顔にして返す人なのである。だから近づく。届けるために。
ピクセルにして、たった6.8。
だがその6.8ピクセルに、「ありがとう」が全部詰まっているのだとしたら、これはもう立派な研究成果だろう。
……と主任研究員が報告書にまとめようとしたところ、新人研究員がまたアーカイブを再生し始めた。「追加検証です」と言い張っている。ノートは閉じられ、画面にはくるみんの笑顔だけが映っていた。
検証は、おそらく永遠に終わらない。