弓道×AI | リミナル・プラクティス

弓道射形は"数値化"で深く読める｜GeminiをCSV計測器にするプロンプト 弓道射形は"数値化"で深く読める｜GeminiをCSV計測器にするプロンプト この記事でわかること なぜGeminiを「計測器」として使うのか——設計思想と比較 計測プロンプトの全文と各パートの意図 実際に出力されたCSVデータの使い方 はじめに LLM（AI）を活用した射形解析では、その人特有の問題を洗い出すことができ、ディスカッションによって理解を深めることもできる。しかし「骨法」、すなわち関節の連鎖にまで踏み込んだ解析を行うには、今少しの工夫が必要だ。 そこで、「 弓道の射形の原因をAIで特定する方法｜Gemini×Claude×ChatGPTで"なぜ"を解く解析手順 」で簡単に紹介した精密解析を、具体的に解説していく。 動画を安定的に読めるGeminiでは、骨格レベルの解析は難しい。そして骨格の使い方に踏み込んだ解析を行えるClaudeは、現状では動画を扱えない。そこで考えたのが、Geminiを計測器として使って各部の動きを可視化し、Claudeで踏み込んだ解析を行う手法だ。本記事ではGeminiを計測器化するプロンプトの設計について解説する。 Geminiを使った"普通"の解析事例 最初に、Geminiに動画を渡して一般的な解析を依頼した結果を紹介する。 📋 一般解析プロンプト コピー 以下の2本の動画（正面・真横アングル）は弓道の射形の記録です。 【現在の課題】 離れで妻手が前に出る「前離れ」があり、それに引られて弓手を後ろに振ってしまう。 【確認したいこと】 この問題がどの節から始まっているか。原因の連鎖（現象→直接原因→より根本的な原因）を段階的に示してください。 以下のルールで解析してください： - 射法八節に沿って時系列で観察する - 「事実」と「推測」を分けて書く - 評価よりも動作の変化を優先する - 可能であれば「前の動作が後にどう影響しているか」を指摘する 返って...

弓道の射形の原因をAIで特定する方法 第3回 ／ 全3回 弓道の射形の原因をAIで特定する方法 Gemini×Claude×ChatGPTで"なぜ"を解く解析手順 射形の問題は「症状」としては見える。 離れで弓手が落ちる。妻手が前に出る。会が保てない。 しかし「なぜそうなっているか」まで辿り着けることは少ない。指導者に指摘されても「わかった気がするけど改善しない」という経験はないだろうか。意識して直そうとすると、今度は別の場所がおかしくなる——これが射形の厄介さだ。 第1回「弓道の射形をAIで解析するための撮影方法｜カメラ位置で精度が9割変わる」 では素材の作り方を、 第2回「弓道の射形をAIで解析する方法｜ChatGPT・Claude・Gemini、3つの役割と使い分け」 では3つのAIの役割と使い分けを解説した。第3回では、道場仲間のLinさんの体験を通じて、Gemini×Claude×ChatGPTを連携させた「精密解析フロー」をご紹介する。 Linさんの相談——「離れで妻手が前に出てしまう」 Linさんは弓道歴7年。現在は四段受審中だ。 離れで妻手が前に出てしまう「前離れ」に長年悩んでいる。指導者から何度か指摘されていたが、意識すると別の場所がおかしくなる——という状態が続いていた。 自分がAI解析をやっていると話したところ、相談を持ちかけてきた。そこで、まずは動画を一緒に見ることにした。 Step 0：AIの前に、人間の目で見る AIに渡す前に、まず自分の目で見る。これは第1回でも強調したことだ。 真横と斜め前の動画を一緒に見て、気になったことをそのまま伝えた。 「大三で妻手の上腕骨が外旋していない。肘頭が後ろに向かず、肘が前方に残ったまま引き分けに入っている。離れで肘が後ろ下に逃げる余地がないため、妻手が前に出ざるを得ない構造になっているのではないか」 上腕骨を外旋させることで、肘頭が後方に向き、引き分けの軌道が体の後ろ側に乗りやすくなる。肘が後ろへ通る道ができれば、妻手は前に出なくて済む。 しばらくは「上腕骨の外旋」を意識して稽古することになり、AI解析は次回に持ち越しとなった。 修正の手応えと新しい問題 数日後、Linさんから報告が来...

弓道の射形をAIで解析する方法｜ChatGPT・Claude・Geminiの使い分けとプロンプト例 第2回 ／ 全3回 弓道の射形をAIで解析する方法 ChatGPT・Claude・Gemini、3つの役割と使い分け 射形の静止画や動画を、今すぐ手持ちのAIに送ってみてほしい。 返ってくる指摘を読んで「それはなぜか？」とひとつだけ聞き返す。 この往復だけで、指導者に言われ続けてきた問題の「構造」が見え始めることがある。 たとえば離れが乱れる原因が、取懸けの手の内にあったとわかる——そういうことが起きる。 本記事は全3回シリーズの第2回だ。第1回「 弓道の射形をAIで解析するための撮影方法｜カメラ位置で精度が9割変わる 」では撮影条件の整え方を扱った。第3回「 弓道の射形の原因をAIで特定する方法｜Gemini×Claude×ChatGPTで"なぜ"を解く解析手順 」では実例を使って射形の詳細解析を扱っている。こちらも併せてお読みいただきたい。 スマホアプリとLLMは、何が違うのか 弓道専用のフォーム解析アプリもある。動画解析ができるものも登場しており、動作を数値化したり、お手本と並べて比較したりできる。それではなぜ、あえてLLMを使うのか。 答えは一言でいえる。 アプリは「ズレを検出する」。LLMは「なぜズレるかを仮説として提示する」。 そしてもうひとつ。LLMには 問いを変えれば解析の深さが変わる という性質がある。これはアプリにはない。 比較軸 スマホアプリ LLM（ChatGPT等） できること 関節角度の数値化、お手本との比較再生 観察→原因の連鎖を自然言語で追求 苦手なこと 「なぜそうなるか」の推論／側面からの有効な数値取得が難しい 奥行き・前後位置の判別（2D画像から3D空間を推測する限界）。横向き・斜めアングルの併用で補完できる／道着や弓で隠れた関節は推測になる 弓道特有の問題 核心情報（引き分けの深さ・矢線・肩甲骨の前...