本文
最近、古い鑑定手法（数値解析法）を行っている業者が、「最新のAI（ディープラーニング）を導入した」と宣伝するケースが増えています。 技術的な観点から断言しますが、「伝統的な数値解析法」を「ディープラーニング」で真にAI化することは、論理的に不可能です。
今回は、この「AI筆跡鑑定」という宣伝文句に隠された「技術的な矛盾」を、エンジニアリングの視点で解剖します。
1. ロジックが定まっていないものは、AI化できない
AI（人工知能）とは、魔法の箱ではありません。 「入力（A）」に対して「正解（B）」を導き出すための「法則性」を学ぶプログラムです。エンジニアの世界には「Garbage In, Garbage Out（ゴミを入れてもゴミしか出てこない）」という鉄則があります。
しかし、従来の「数値解析法」はどうでしょうか？ 以前の記事でも証明した通り、「個人の変動範囲」という定義自体が曖昧で、他人の筆跡まで含んでしまうような「穴だらけの論理」です。
「論理的に定まっていないもの」を、AIは学習できません。 矛盾したデータを大量に読ませても、AIは混乱するだけです。彼らが行っているのは、AIによる識別ではなく、単なる「矛盾した手計算を、コンピュータに高速でやらせているだけ」に過ぎません。
2. 「数値解析」と「ディープラーニング」の致命的なミスマッチ
彼らは「ディープラーニング（深層学習）を使っている」と謳いますが、ここにも大きな技術的誤認があります。
ディープラーニング（CNN等）は本来、画像データそのものから「特徴量（線質、微細な震え、リズム）」をAIが自力で発見する技術です。 しかし、数値解析法は、人間があらかじめ定規で測った「座標点（X,Y）」をAIに入力します。
- 本来のAI： 画像全体を見て、人間が気づかない「微細な特徴（生体反応）」を見つける。
- 矛盾したAI： 人間が決めた「座標（主観）」しか見ない。
人間が勝手に決めた「ここがハネの頂点だ」という主観的な座標データをAIに学習させている時点で、それはディープラーニングの特性を無意味にしています。 これは「最高級の食材（AI）を使って、インスタント食品（座標計算）を作っている」ようなもので、明らかな技術的ミスマッチです。
3. 「矛盾」を見抜くたった一つの質問
もし業者が「うちは数値解析法で、ディープラーニングを使っています」と言ってきたら、こう聞いてみてください。
「そのAIは、何を学習しているのですか？ 『座標』ですか？ それとも『画像（筆跡）』そのものですか？」
もし「座標（数値）」と答えたら、それはディープラーニングの名を借りたただの統計計算ソフトです。 実態のない「AI」というバズワード（流行語）に、惑わされないでください。
結論：BSHAM™だけが「AIの適格性」を持つ
AI化ができるのは、「ロジックが自然科学に基づき、完全に定義されているもの」だけです。
私たちBSHAM™（脳科学AI筆跡鑑定）は、「脳の運動プログラム（ジッター・速度・筆圧）」という、生物学的に定義された明確な信号を解析対象としています。 ロジックが完璧だからこそ、AIはその真価を発揮し、人間を超える識別能力を持てるのです。
論理が破綻した土台（数値解析法）の上に建つAIは、欠陥住宅と同じです。 「雰囲気」ではなく、「中身のロジック」で鑑定所を選んでください。
