OpenAI がスマート回答インターフェース Intelligent UI を発表：回答を視覚化、押せる・調整できる・遊べる

ChatGPT に北極星の探し方を聞けば、詳しい説明を返してくれます。麻雀を教えてもらえば、ルールを列挙できます。でも文章を読み終えたあと、方角を実際の星空に当てはめたり、「4 組の面子と 1 組の対子」を目の前の牌に対応させたりするのは、自分です。AI が一度説明したことを、頭の中でもう一度組み立て直さなければなりません。

GPT-6 がもたらす Intelligent UI は、この一手間を変えます。星を探すときには、回答が順番に開いていける星図になる。ルールを学ぶときには、牌と説明が並ぶ。ちょっとしたツールが必要なら、チャットの中に操作できる計算機やミニゲームが現れる。回答そのものを押したり、調整したり、試したりすることで、見る・理解する・使うという流れがつながります。

Intelligent UI とは？

Intelligent UI は、GPT-6 とともに ChatGPT に登場した、回答用のインテリジェントなインターフェースです。 質問に応じて、文章・図・操作できる部品を組み合わせ、目の前の作業に合った回答を作ります。チャットの中で確認し、調整し、そのまま使えます。

主な機能と特徴：

• 質問に合わせて回答の形式を選ぶ：比較が必要なら横に並べ、過程を説明するなら図解や手順を使います。簡単な質問には、そのまま文章で答えることもできます。
• 図と手順で理解を助ける：部品の関係、星図の方角、牌のルール、絵画の細部を目の前に示し、頭の中で情景を組み立てる負担を減らします。
• 自分で操作して変化を確かめる：手順ボタンやフォームなどで過程を確認し、入力を変えて結果を観察できます。
• チャットの中で小さなツールを直接使う：必要に応じて計算機、割り勘ツール、ミニゲームなどを生成し、回答が届いたらすぐに操作できます。
• すでにある回答を直接調整する：画面上で色やスタイルなどの条件を選び、選択肢ごとの結果を確認できます。
• 生成しながら表示する：回答に合わせて画面が段階的に現れるので、すべての内容が生成されるまで待たずに読み始められます。

日常の作業には、文章だけでは伝えにくいものがある

部屋の配色、旅行の計画、折り紙の手順、自転車の説明。どれも長い文章にはできますが、それでも迷うことがあります。色を組み合わせるとどう見えるのか。観光地の間をどう移動するのか。紙のどの線に沿って折ればよいのか。その部品は実際にはどこに取り付けられているのか。

こうした空間上の位置、階層構造、手を動かす手順に関わる作業は、連続した文章だけでは直感的に伝わりにくいものです。機械部品の連動を理解したり、移動途中の立ち寄り先を計画したり、折り目を見ながら折り紙を進めたりするとき、読者は文章を空間上の位置や順序に変換する（中国語）ために頭を働かせる必要があります。

Intelligent UI は、その関係を回答の中に直接置きます。自転車の部品は系統ごとに分けて確認でき、旅行のルートは観光地の写真とともに地図に載ります。部屋の配色はカラーカードで比べ、折り紙は段階ごとの図解で示す。説明と観察中の対象を対応させられるので、文章だけを頼りに位置や手順を想像する必要が減ります。

図や操作部品は、引き続き文章と組み合わせて使います。庭の植栽プランなら、鉢の配置図と文章の説明を並べます。簡単な質問には、文章で直接答えてもよい。大切なのは、理解や使用の目的に応じて、横並びの比較、図解、インタラクティブな部品、短い文章を選ぶことであり、すべての回答を複雑にすることではありません。

回答はどうすれば、もっとわかりやすく、使いやすくなるのか

1. 星図をたどって北極星を見つける

• ユーザーの質問：「北極星はどう探せばよい？」（How do I find the North Star?）
• 生成された画面：方角の専門用語をいきなり並べる代わりに、操作できる夜空の星図を示します。下部には、順番に進める 4 つの手順ボタンがあります。
  1. 北斗七星を探す（Find the Dipper）。
  2. 北極星を指す 2 つの星を見つける（Find the pointers）：ひしゃくの先にあるメラクとドゥーベを点灯させます。
  3. 結んだ線を延ばす（Follow the line）：「5x 間隔」と記された点線が伸びます。
  4. 北極星を表示する（Reveal Polaris）：目的の星を強調し、「北極星が見つかりました！」という完了メッセージを示します。
• 実用上の価値：抽象的な位置関係の説明が、自分のペースで順番に押して進められる「手のひらのプラネタリウム」になります。

2. 麻雀のルールを実際の牌に対応させる

• ユーザーの質問：「麻雀の遊び方を教えて。」（Teach me how to play mahjong）
• 生成された画面：牌の例を直接並べます。一萬から三萬、一筒から三筒、一索から三索に、東 3 枚と中 2 枚を加えたものです。最初の 3 組の一・二・三はそれぞれ順子、東 3 枚は刻子、中 2 枚は対子で、「目標：4 組の面子と 1 組の対子」（The objective: four sets and a pair）という基本的な和了形を目立つ形で示します。下のカードには萬子・筒子・索子の 3 種類を別々に示し、それぞれの数牌は同じものが 4 枚ずつあると説明します。
• 実用上の価値：初心者は順子・刻子・雀頭といった聞き慣れない用語を丸暗記する前に、ルールの各部分を実際の牌と対応させられます。

3. チャットの中でレトロな携帯ゲーム機を遊ぶ

• ユーザーの質問：「実際に遊べるレトロな携帯ゲーム機を作って。」（Make a retro gaming console I can play）
• 生成された画面：ChatGPT は会話の中に、昔ながらの緑色の液晶画面を持つ携帯ゲーム機を表示します。画面ではパドルでボールを打ち合うゲームが動き、プレイヤー（YOU）と ChatGPT（CHAT）の現在のスコアが表示されます。本体下部には押せる仮想の十字キーと A/B ボタンがあり、チャットの中でそのままゲームを操作できます。
• 実用上の価値：会話から離れずに、インタラクティブな小さなツールを直接使えます。食事代の割り勘計算機（Bill splitter）や退職後の貯蓄計算機（Retirement savings calculator）などもチャットで使え、数値を入力してその場で計算できます。

4. 絵を見ながら、モネの水が動いて見える理由を理解する

• ユーザーの質問：「モネはどうやって、水面が動いているように見せたの？」（How did Monet make water look like it's moving?）
• 生成された画面：モネの代表作『睡蓮』の全体像を示し、細部を 4 枚のクローズアップカードに分けて説明します。
  • ゆがんだ映り込み（Distorted reflections）：木や橋の映り込みが下へ長く伸び、斑点状の色へと崩れます。脳はそのゆがんだ形を、水面の揺れとして捉えます。
  • 途切れた筆触（Broken brushstrokes）：短い横向きの筆触で映り込みを区切り、水面の波紋を表します。一続きの青い面として描く代わりに、細かな筆の跡を数十個残します。
  • 鮮やかな色の対比（Contrasting colors）：青・紫・緑と少量の暖色を、なめらかに混ぜずに隣り合わせに置きます。水面で日光が跳ねるような、きらめきを生みます。
  • 浅い部分と深い部分が交錯する奥行き（Layers of depth）：睡蓮の葉は水面に浮かび、雲や木の映り込みはその下にあります。視線は水面、映り込み、奥行きの各層を行き来します。
• 実用上の価値：絵画技法の説明を、図と文章を見比べる細部の分析に変えます。画面上の説明とクローズアップが対応し、水の動きがどのように表現されているかを観察しやすくします。

5. ムードボードで色とスタイルを調整する

• ユーザーの質問：「うちの犬に格好いいベストを着せたい。ムードボードを作れる？」（My dog needs a cool vest. Can you make a moodboard?）
• 生成された画面：配色パレットとスタイルのタグを持つ「犬のベストのムードボード」を作ります。レトロスポーティー（Retro sporty）、ストリートウェア（Streetwear）、マキシマリスト（Maximalist）、柔らかく遊び心のあるスタイル（Soft and playful）、アウトドア（Outdoorsy）などの選択肢があります。タグを押すと、犬の参考画像と服装のイメージが即座に連動して更新されます。
• 実用上の価値：変更の希望を何度も文章で送らなくても、生成された画面上で選ぶだけで、好みに合うか試したり、微調整したりできます。

6. 自転車を、確認できる部品ごとに分ける

• ユーザーの質問：「7 速自転車の設計を分解して説明して。」（break down the design of a 7‑speed bike）
• 生成された画面：回答の上部に 6 つの切り替えボタンを用意します。すべて（All）、フレーム（Frame）、車輪（Wheels）、駆動系（Drivetrain）、ブレーキ（Brakes）、操作系（Cockpit）です。その下には、対応する構造の説明が並びます。2 つの三角形からなるフレームが荷重を支え、前フォークが進行方向を変える仕組み、ペダルからチェーンを介して後輪を駆動する 7 速の変速、ブレーキレバーがワイヤーを引き、ブレーキシューをリムに押し当てて減速する仕組みなどです。
• 実用上の価値：ボタンで必要な系統に切り替え、複雑な工業製品を分類して閲覧できる図と文章のまとまりに分けられます。

7. 食事会の人数を変えて、買い物リストを持って出かける

友人との食事会を準備するとき、献立が決まったあとも、食材をどれだけ買うか、いつ調理を始めるかを考える必要があります。公式サイトでは、同じ食事会の質問への回答を比較しています。GPT-5.6 Instant は献立、固定の人数ごとの購入量の表、時間配分を示します。一方、GPT-6 Instant は人数を増減できる操作部品を用意し、人数に合わせて購入量を計算するとともに、「買い物リストをコピー」ボタンを提供します。回答には、チェックを付けられる調理スケジュールもあり、終えた準備を一つずつ記録できます。

ここでの価値は、条件、計算結果、実行への入口を一緒に置くことです。 人数が変わったら、人数を調整し、購入量を確認し、リストをコピーして買い物に行く。準備を始めたら、スケジュールに沿って各手順にチェックを付ける。提案を受け取るだけでなく、同じ回答の中で計画を調整し、結果を持ち出し、実行を進められます。

8. 入力を変えて、複雑な概念を理解する

「条件が変わると、なぜ結果も変わるのか」が見えにくい問題があります。Intelligent UI は図や操作を通じて説明し、入力を変えて結果を観察したり、手順を追って理解したりできるようにします。公式サイトが挙げる学習場面には、中心極限定理（標本平均を標準化すると、一定の条件の下でなぜ釣り鐘型の分布に近づくのかを説明する統計の定理）、GDP、ドローン撮影、モンティ・ホール問題（扉を 1 つ選び、司会者が別の空の扉を開けたあと、選択を変えるべきかを考える確率の問題）があります。こうした回答は文章の説明と観察できる変化を組み合わせ、条件と結果の関係を理解しやすくします。

舞台裏：モデルは会話しながら、どう画面を組み立てるのか？

大規模言語モデルに文章を出力させることは容易でも、会話の中で、構造が適切で操作が円滑な画面をその場で作るには、主に 3 つの技術的な支えが必要です。

画面の生成過程は、次のように整理できます。ユーザーが具体的な作業を依頼する → GPT-6 が質問に最適な表示形式を判断する（文章、グラフ、操作できる部品） → ネイティブのストリーミング対応コンポーネントライブラリで要素を組み合わせる → コンパイラがリアルタイムに処理し、生成の進み具合に合わせて画面が段階的に現れる。

1. ネイティブのストリーミング対応コンポーネントライブラリ（Native streamable component library）： OpenAI は、ウェブとモバイルで動作するネイティブの部品ライブラリを構築しました。ボタン、フォーム、グラフなどの一般的な要素を含みます。回答に共通の設計基盤を与えながら、モデルが部品の組み合わせを柔軟に決められるようにします。
2. 段階的に表示するストリーミングコンパイラ（Streaming Compiler）： 専用のストリーミングコンパイラを備え、モデルが画面を生成している最中にリアルタイムでコンパイルします。回答全体が生成されるまで待つ必要はなく、進行に合わせて画面が徐々に表示されます。
3. 画面設計の判断を学ぶ訓練（Design judgment training）： 開発チームは訓練手法を拡張し、生成された画面の明瞭さ、実用性、完全性を評価しています。モデルはそれを通じて、情報をどう整理するか、いつ操作部品を使うか、そしていつ短い文章だけの回答が適切かを学びます。

OpenAI は、モデルの画面設計の判断にはまだ改善が必要で、作成できる内容の範囲も拡大中だと説明しています。異なる質問に適した画面を選ぶ力は、引き続き改善される能力です。

応答の高速化：ChatGPT が考えながら答え始める

推論モデルの導入により、ユーザーはより難しい問題を解けるようになりましたが、通常はモデルが思考を終えるまで回答を見られませんでした。現在の ChatGPT は、考え続けながら答え始められます。OpenAI はユーザーの待ち時間を考慮するようモデルを訓練し、その時点で持っている知識や分析結果を使って、回答を段階的に作れるようにしています。

モデルは複数の部分的な応答を通じて回答全体を形にすることを学びました。各部分は無用なつなぎの文を加えずに有用な情報を補い、一度に書いた場合と同じように一貫し、事実に沿った回答を保ちます。

ここで測っているのは「答え始めるまでの時間」です。回答全体や作業の完了にかかる時間も 44% 短くなるという意味ではありません。OpenAI の内部評価によると：

• 日常の価値の高い Agent タスク：Extra High の推論設定で、GPT-6 が答え始めるまでの時間は、Medium 設定の GPT-5.6 と同程度です。一方、全体のスコアは GPT-5.6 Extra High を上回ります。
• ウェブ検索が必要な質問：GPT-6 Instant が答え始めるまでの平均待ち時間は、GPT-5.6 Instant より 44% 短縮されています。
• 検索と回答の質：モデルは、いつウェブ検索が必要かをより適切に判断し、回答を支える情報をより確実に見つけられます。複雑で難しい問題の内部評価では、GPT-5.6 よりも頻繁に、ユーザーの質問の核心を正確に捉えています。

安全対策と複数ターンにわたる防御の強化

安全設計では、GPT-6 は Astra 系列の防御面の進歩を取り入れ、現実のリスクを見分ける精度の向上に重点を置いています。

• 複数ターンの適応的な脱獄攻撃への対抗（Multi-turn adaptive jailbreak attempts）：攻撃者が何度も会話を重ねて探り、安全方針を回避しようとする攻撃に対し、GPT-6 はターンをまたいで文脈を捉える安全判断の能力を備えます。
• 高リスク分野での悪用を抑える：サイバー攻撃、生物学的な危害、暴力犯罪などの高リスク場面の防御を強化しています。
• 一律の誤拒否を減らす：安全上の境界判断を改善し、特定の敏感な語を含んでいても、正常で無害な質問を過度に拒否しないようにします。
• 自身の能力の限界を明示する：回答に必要な情報やツールが不足しているとき、自身の能力の限界をより的確に認識し、自ら伝えられます。

提供範囲とモデルの役割分担

ユーザーによって、利用するモデルと提供範囲が異なります。

今回の更新は、ChatGPT のチャット画面（Chat タブ）にのみ適用されます。Work と Codex を動かす基盤モデルは、今回の発表では変更されません。

進化する操作体験：人がソフトウェアに合わせる時代から、ソフトウェアが人に合わせる時代へ

何十年もの間、人はあらかじめ用意されたソフトウェアの使い方を学び、特定の作業のために設計された固定の画面を行き来して操作してきました。

OpenAI は、将来の操作体験が変わると考えています。人がソフトウェアに合わせるのではなく、ソフトウェアが人に合わせる。インテリジェントなインターフェースは、その方向への一歩です。モデルの設計判断が改善されるにつれ、ユーザーが実行したい作業を説明するだけで、システムがその作業に合った操作画面を作り、情報を得て処理する過程をより直接的にできる、という未来像です。

中国語・英語字幕付き動画の全編まとめをダウンロード · 6 本の動画と編集可能な字幕のパッケージをダウンロード