学術言語学に最適なAIアシスタントとは？
2026-10-06
言語学論文を要約するだけでなく、言語データを分析できるAIツールはどれですか？
パラダイム、音形交替、対立する理論分析を検討する必要がある言語学者にとって、JenovaのAcademic Linguistは、2026年のこの比較において最も言語学に特化した選択肢です。ChatGPT Deep Research、Perplexity、Elicit、Consensusは、長文のウェブ調査、引用付きのファクトファインディング、体系的な文献抽出、実証研究に基づく主張の検証において優れています。
違いは機能にあります。多くのAI研究ツールは、論文の検索と要約を目的に作られています。一方、言語学的分析では、生データから抽象的な表現へ進み、その表現を通言語的な証拠と照合して検証する必要があります。
以下の要素が、一般的なリサーチチャットとAIによる言語学的分析を分けます。
✅ データ優先の推論： ツールがパラダイム内の条件付け環境を特定し、例外を含む一般化を述べ、形式的分析を提案し、その分析を反証できる予測を生成する。
✅ 理論的多元性： 同じ現象をミニマリズム、構文文法、最適性理論（OT）、用法基盤モデルがどのように扱うか、またどの証拠がそれらを区別するかを示す。
✅ 類型論的な広がり： 「言語」に関する主張を、英語をデフォルトとして扱うのではなく、インド・ヨーロッパ語族以外のデータに照らして検証する。
✅ 表記の忠実性： 国際音声記号（IPA）の角括弧の慣例、ライプツィヒ式グロス付き例文、OTタブロー、ラムダ表記を正しく使用する。
✅ 検証可能な情報源： 少数言語のデータ、最近の再分析、危機言語としての状況について、リンク付きの引用を提供する。
これらのツールを公平に比較するには、まず言語学がAI研究アシスタントに独特の要求を課す理由から考えるとよいでしょう。
2026年の学術言語学に専門的なAI支援が必要なのはなぜですか？
言語学に専門的なAI支援が必要なのは、3つの理由によります。言語学の証拠基盤はおよそ7,000の言語にまたがっており、その多くの証拠が失われつつあります。また、汎用AIモデルは、オンライン上のテキストで圧倒的な割合を占める、十分に記録された少数の言語から推論する傾向があります。英語の例をデフォルトにするツールは、通言語的比較を中核的な方法とする学問分野には適していません。
記録をめぐる圧力は、数値としても確認できます。
MIT Pressは、世界の言語の58%、およそ4,000言語が危機に瀕していると指摘しています。American Translators Associationが報じた研究では、さまざまな要因により、今世紀末までに世界の言語の20%以上が失われる可能性があるとされています。これは、およそ月に1言語の割合です。
2023年に取り上げられた研究も、世界の言語多様性のほぼ半分が危機にさらされていると警告しました。研究者たちは、危機言語を「私たちの共有された歴史への窓」と表現し、行動を起こさなければその窓は閉じてしまうと述べています。
これらの数字は、AIツールの選択に2つの形で影響します。
- オンライン上の情報が乏しい： フィールドワーカーや類型論研究者は、オンライン上の記録がほとんどない言語を扱うことがよくあります。アシスタントには、記憶から一般化するのではなく、言語固有の情報源を検索して引用する能力が必要です。
- データ倫理： 未公開の誘導調査データには、コミュニティを中心とした倫理的義務が伴うことがあります。プラットフォームのデータ取り扱い方針は、分析の質と同じくらい重要です。
言語学者はAI研究アシスタントのどのような点を見るべきですか？
言語学者は、AI研究アシスタントがデータを取得するだけでなく、分析できるかどうかを基準に評価すべきです。この記事では、分析の深さ、下位分野のカバレッジ、類型論的な広がり、理論的バランス、表記の正確さ、情報源の検証可能性という6つの側面を用います。費用とデータプライバシーは、同点の場合の判断材料とします。
| 側面 | 測定するもの | 簡易テスト |
|---|---|---|
| 1. 分析の深さ | 生データから一般化と検証可能な予測を導き出せるか | 小規模なパラダイムを貼り付け、条件付け環境を尋ねる |
| 2. 下位分野のカバレッジ | 音声学から語用論まで、さらに歴史言語学、社会言語学、心理言語学、計算言語学、記録言語学、手話言語学まで扱えるか | 手話の音韻論について質問する |
| 3. 類型論的な広がり | デフォルトでインド・ヨーロッパ語族以外の例を取り上げるか | 3つの系統的に無関係な語族から証拠性の例を尋ねる |
| 4. 理論的バランス | 形式主義と機能主義の立場を対応づけ、理論枠組みへの依存性を指摘するか | 統語論が自律的かどうかを尋ねる |
| 5. 表記の正確さ | IPAの[ ]と/ /、ライプツィヒ式グロス、タブロー | グロス付き例文を依頼し、形態素の対応を確認する |
| 6. 情報源の検証可能性 | 少数言語や最近の主張について、確認可能な情報源へのリンクを提供するか | 最近の再分析について尋ね、すべての引用を開く |
ツール間で最も差が出るのは、第1の側面です。文献重視のツールは第6の側面では高い評価を得ますが、第1の側面のためには作られていません。一般的なチャットボットは第1の側面を試みますが、分布を説明する前に理論的なラベルへ飛びつくことがよくあります。
自分の研究内容に応じて、各側面の重み付けを変えましょう。
- 統語論または音韻論の博士論文の章： 第1、第4、第5の側面を優先する。
- 心理言語学または第二言語習得（SLA）の系統的レビュー： 第6の側面を優先する。
- 記録の少ない言語のフィールドワーク： 第3、第6の側面を優先する。
JenovaのAcademic Linguist、ChatGPT、Perplexity、Elicit、Consensusはどのように比較できますか？
各ツールは異なる領域で優れています。
- Academic Linguist： 言語データの分析と理論的論争の整理
- ChatGPT Deep Research： 引用に裏付けられた長文レポート
- Perplexity： 情報源付きの迅速な回答
- Elicit： 実証研究全体からの体系的な抽出
- Consensus： 特定の主張について、実証文献が何を述べているかの確認
言語学研究のワークフロー全体をカバーする単一のツールはありません。
| 側面 | Jenova Academic Linguist | ChatGPT Deep Research | Perplexity | Elicit | Consensus |
|---|---|---|---|---|---|
| 生データ分析 | パターン → 一般化 → 分析 → 予測 → 代替案 | 汎用的な推論。言語学に特化した方法は組み込まれていない | 未検証。検索と統合による回答を中心とする | この用途向けには設計されていない。論文からデータを抽出する | この用途向けには設計されていない。論文レベルの主張を集約する |
| 理論的バランス | 対立する枠組みを整理し、枠組みへの依存性を指摘 | プロンプトに依存 | 取得した情報源に依存 | 該当なし（抽出ツール） | 主張の集約によって理論間の論争が平板化する可能性がある |
| 情報源の根拠 | Google SearchとGoogle Scholarを検索して少数言語のデータを探し、リンク付きの引用を提供 | ウェブおよび接続された情報源に基づく引用付きレポート | デフォルトで番号付き引用 | 論文ごとの引用を学術インデックスから提供 | 2億本以上の論文にまたがる論文レベルの引用 |
| 言語学的表記 | IPA、ライプツィヒ式グロス、OTタブロー、ラムダ表記をユーザーのレベルに合わせて使用 | 未検証 | 未検証 | 該当なし | 該当なし |
| セッションをまたぐ継続性 | 永続メモリ。共有されたデータセットや草稿を参照用に保持 | チャット履歴とカスタム指示 | Collectionsを使わない限り永続メモリなし | 未検証 | 未検証 |
| 料金（2026年10月時点） | 無料プラン。月額20ドルから有料プラン | Go 8ドル、Plus 20ドル、Pro月額100ドルから | 無料プラン。Pro月額20ドル、Max月額200ドル | 無料プラン。第三者掲載では月額10〜49ドル | 無料プラン。年払いで月額12ドルから |
| 最適な用途 | 言語データと理論の分析 | 情報源付きの長文レポート | 引用付きの迅速なファクトファインディング | 実証研究の系統的レビュー | ある主張に関する実証的コンセンサスの確認 |
🎯 JenovaのAcademic Linguist
強み：
- 分野全体をカバー： Academic Linguistは、音声学から語用論まで、形態音韻論や統語論と意味論のインターフェースなどの接点を含む文法体系をカバーします。また、歴史比較研究、心理言語学と神経言語学、変異研究としての社会言語学、コーパス言語学と計算言語学、言語記録、手話言語学、応用言語学も扱います。
- 適応的なレジスター： 質問しなくてもユーザーに合わせて調整します。カジュアルな質問には、グロス付きの用語解説と身近な例を用います。LabovやPrince & Smolenskyを引用する研究者には、表記の説明を省いた、同じ研究者レベルの分析密度で応答します。
- 対象を絞った検索： 記録の少ない言語、最近の再分析、特定の研究、危機言語としての状況、計算ツールについて、Google SearchとGoogle Scholarのクエリを実行します。教科書的な概念には直接回答します。
- 複数モデルのプラットフォーム： OpenAI、Anthropic、Googleなどのモデルを提供するJenovaのプラットフォーム上で動作します。
- プライバシー： ユーザーデータは公開モデルの訓練には使用されません。これは未公開のフィールドワークデータを扱う際に重要です。
制限：
- 文献データベースではない： Elicitのような体系的な抽出表は作成しません。
- 語学教師ではない： 言語習得研究を十分な深さで論じますが、語学レッスンや文法訂正は行いません。
- 出版物アラートがない： 新しい出版物を定期的に監視するスケジュール設定はできません。
- 検証は依然として必要： 記録の少ない言語に関する主張は、参照文法で確認する必要があります。
アクセスと料金： Academic Linguistはjenova.ai/a/academic-linguistで利用できます。2026年時点では、無料プランには利用制限があり、Plusは月額20ドルで無料枠の30倍の利用量が含まれます。
ChatGPT Deep Research
強み：
- 接続された情報源： Deep Researchは、プライベートファイル、独自コネクタ、有料データセット、承認済みURLなどの接続された情報源を優先し、引用に裏付けられたレポートを提供します。
- プロセス制御： ユーザーは調査計画を編集し、進捗をリアルタイムで追跡できます。
- 汎用性： 草稿作成、説明、コードの扱いに優れています。
制限：
- 引用の一貫性： 通常のチャットでは、ChatGPTは常に情報源を提供するとは限りません。
- 言語学の方法が組み込まれていない： 分析の厳密さは、ユーザーがどのようにプロンプトを作成するかに大きく左右されます。
料金： 2026年時点で、プランはGoが月額8ドル、Plusが月額20ドル、Proが月額100ドルからとなっています。
Perplexity
強み：
- 学術検索： Perplexityには、学術論文を検索するAcademicフォーカスモード、すべての回答に表示される番号付き引用、PDFアップロード機能があります。
制限：
- 情報源への依存： 同じレビューが指摘するように、回答の質はPerplexityが見つける情報源の質に左右されます。
- メモリの制限： Collectionsを使用しない限り、セッションをまたいで会話を記憶しません。
料金： Proは月額20ドルで、Perplexity Maxは月額200ドルです。
Elicit
強み：
- 学術検索と抽出： Elicitは、数百万件の出版物を対象とした意味検索、構造化されたPDF抽出、カスタム抽出列、Zotero連携、APIを提供します。
- 構造化された表： 対象集団、介入、結果、研究デザイン、サンプルサイズの列を含む表を返します。
制限：
- 学術分野に限定された範囲： Elicitは学術情報源に重点を置いており、非学術的な調査には制限があります。
- 理論論文とのスキーマの不一致： その抽出スキーマは、実験的な心理言語学やSLAの研究に適しています。接語配置の新しい分析を提案する理論論文には、あまり適していません。
料金： 第三者による掲載情報は一致していません。2026年10月4日に確認されたある掲載では、有料プランが年払いで月額49ドルからと報告されています。別の掲載では、Scaleプランが月額169ドルとされています。別の比較では月額10ドルとされています。現在の料金はElicitのサイトで確認してください。
Consensus
強み：
- 文献全体にまたがる回答： Consensusは2億本以上の論文を検索し、発見事項を主張として集約します。
制限：
- 論文レベルの引用： 引用先は論文であり、特定のページではありません。
- 実証科学への偏り： そのカバレッジは、要旨が一貫した報告構造に従う実証科学に偏っています。理論論文がその形式に従うことはまれであるため、これは言語学にとって重要です。
料金： 有料プランは年払いで月額12ドルからです。
📚 NotebookLMとSemantic Scholar
2つの無料ツールが、特定の不足を補います。
- NotebookLM： Googleのノートブックツールは、最大50件の情報源を受け付け、それらの情報源だけをもとに回答しますが、組み込みの学術データベースはありません。
- Semantic Scholar： この検索エンジンはTLDR要約付きで2億本以上の論文をカバーしますが、論文間の統合は行いません。
AI言語学者は、パラダイム、グロス付き例文、問題セットをどのように分析しますか？
効果的なAI言語学者は、訓練を受けた言語学者と同じ順序に従います。パターンを特定し、一般化を述べ、形式的分析を提案し、予測を生成し、代替案を検討します。その際、データとその解釈を分離しておきます。Academic Linguistは、この順序を中心に設計されています。
トルコ語の接尾辞データをどのように扱うかを見てみましょう。
(1) ev-ler-im-de
house-PL-1SG.POSS-LOC
「私の家々の中で」
- 記述： ev-ler「家々」やkız-lar「女の子たち」のような形式が与えられると、まず分布を記述します。複数接尾辞は、直前の母音の後舌性に応じて*-lerと-lar*の間で交替します。
- 分析： 次に、調和によって値が決まる未指定の弧音素 /-lEr/ などの分析を提案します。
- 予測： /E/を含むすべての接尾辞が同じように振る舞うと予測します。
- 例外： saat-ler「時間」のような、既知の母音調和に従わない借用語を指摘します。
- 代替案： 自律分節的な拡散による説明と、OTの一致制約による説明を対比し、それらを区別するデータを挙げます。
記述と説明は別々の成果です。この区別がなければ、誰もそのパターンの条件を確立していないうちに、AIの回答がデータに理論的ラベルを付けてしまう可能性があります。
Academic Linguistは、ユーザーのレベルに合わせて標準的な表記法に従います。
- IPA： Unicode IPAを使用し、音声表記には角括弧、音素表記にはスラッシュを用いる
- グロス付き例文： ライプツィヒ式グロス規則に従い、出典を斜体で示し、形態素ごとのグロスと自由訳を付ける
- 統語構造： ラベル付きの括弧構造をインラインで示し、MermaidまたはSVGファイルによる樹形図も利用できる
- 音韻論： OTタブローを表形式、または素性に基づく規則として整形する
- 形式意味論： ラムダ表記、型指定、真理条件を用いる
より長い成果物については、以下を生成できます。
- 文法スケッチ： PDFまたはDOCX
- パラダイム表： XLSXまたはCSV
- 論文： LaTeX
- スクリプト： コーパス作業用のPythonまたはR
AIツールは、対立する言語理論を公平に表現できますか？
AIツールが対立する理論を公平に表現できるのは、そのように設計されている場合に限られます。ある枠組みの分析を事実として提示するツールは、形式主義対機能主義、生得主義対創発主義、普遍主義対相対主義、モジュール型処理対相互作用型処理など、いくつもの論争が未解決である分野において、ユーザーを誤解させます。
Academic Linguistは、枠組みへの依存性を明示的に指摘します（「ミニマリスト分析では……構文文法による説明では……」）。また、主張を3つの層に分類します。
- コンセンサス： 音変化は規則的である。すべての自然言語は十分に複雑である。手話は音韻論、形態論、統語論を備えた完全な自然言語である。
- 現在も続く論争： 刺激の貧困をめぐる議論、再帰性の普遍性、処理がモジュール型か相互作用型か。エージェントは立場を整理したうえで、どの立場がより強く支持されていると判断するか、またその理由を述べます。
- 民間言語学： 「エスキモー語には雪を表す語がたくさんある」「二重否定は非論理的だ」「テキストメッセージが言語を破壊している」。エージェントはそれぞれの主張の起源をたどり、証拠に基づいて訂正します。
ここでは主張集約型ツールに特有のリスクがあります。Consensus型の集約は、研究デザインが比較可能な実証的な問いにはうまく機能します。しかし理論的な論争は、論文の数を数えるだけでは解決しません。ある枠組みが単により多くの出版物を持っている場合、文献の集計は実際の論争の位置づけを誤って表現する可能性があります。
同じことは、記述と規範の区別にも当てはまります。Academic Linguistは、規範を言語イデオロギーや社会的階層の産物として分析すべき社会言語学的事実として扱い、それらを規則として強制することはありません。
自分の言語学研究に合うAIツールはどれですか？
最適なツールは、役割と研究段階によって異なります。以下の表では、一般的な言語学者のプロフィールを主要ツールと補助ツールに対応づけています。
| ユーザープロフィール | 主なニーズ | 最適なツール | 有用な補助ツール |
|---|---|---|---|
| 言語学入門を学ぶ学部生 | 概念の説明、問題セットの推論 | Academic Linguist（わかりやすいレジスター） | 読書用のSemantic Scholar |
| 統語論または音韻論を専攻する大学院生 | 対立する分析、表記、予測 | Academic Linguist（研究者向けレジスター） | 文献発見と引用管理用のAcademic Research Assistant |
| 系統的レビューを行う心理言語学者またはSLA研究者 | 実証研究全体からの体系的な抽出 | Elicit | 統合とレビュー構成用のLiterature Review Assistant |
| 記録言語学者またはフィールドワーカー | 少数言語のデータ、文法スケッチ、パラダイム表 | Academic Linguist | 自分のフィールドノート全体に対するQ&A用のNotebookLM |
| 計算言語学者 | ツール、ベンチマーク、コード | ChatGPTまたはAcademic Linguist | 最新のベンチマーク情報用のPerplexity |
| ジャーナリストまたは関心のある読者 | 通俗言語学的な主張の俗説検証 | Academic Linguist | 迅速な引用付き検索用のPerplexity |
実際には、多くの研究者がツールを組み合わせます。よくあるパターンは、発見に1つのツール、抽出に別のツール、そして執筆前の解釈のストレステストに分析パートナーを使うというものです。
AI言語学アシスタントを最大限に活用するにはどうすればよいですか？
トピックだけでなくデータをツールに与え、使用する枠組みを指定するか比較を依頼し、記録の少ない言語に関する引用をすべて確認すると、最良の結果が得られます。ほとんどのツールでは準備に1分ほどしかかかりませんが、最初の依頼をどのように組み立てるかが、その後のすべてを左右します。
JenovaのAcademic Linguistの場合：
- jenova.ai/a/academic-linguistでエージェントを開きます。
- データを一貫した形式で貼り付け、転写の慣例を明記します。
「これは私のキルギス語の誘導調査セッションから得た15の動詞形式で、IPAで転写されています。接尾辞の交替を条件づけているものを特定し、一般化を述べ、自律分節的な説明とOTによる説明を区別するデータを教えてください。」
- 予測と代替案を明示的に尋ねます。
「あなたの分析が正しいなら、ほかにどのような形式が存在するはずですか。どの形式がその分析を反証しますか。」
- 理論に関する質問では、枠組みの比較を依頼します。
「ミニマリスト分析と構文文法による説明が、英語のway構文をどのように扱うか比較し、それぞれの分析を支持する経験的事実を教えてください。」
- エージェントに参照してほしい参照文法、データセット、草稿を共有し、CSV形式のパラダイム表やPDF形式の文法スケッチなどの出力を依頼します。
Elicitの場合：
- 第二言語音韻論における年齢効果などの研究課題を入力します。
- 返された論文の表と抽出された列を確認します。
- たとえば「第一言語の背景」や「測定課題」などのカスタム列を追加します。
- 引用を文献管理ツールにエクスポートします。
Perplexityの場合：
- Academicフォーカスモードに切り替えます。
- 回答を概要として扱います。
- 番号付き引用をたどり、Google Scholarまたは所属機関の図書館で原論文を読みます。
すべてのツールにおいて、自分のノートではデータと分析を分離しておきましょう。AIが提案した分析を具体的なデータポイントまでたどれない場合、その分析は原稿に使える段階にはありません。
AIを利用した言語学的分析について、AI研究の専門家は何を述べていますか？
専門分野に精通したAIエージェントを構築する専門家は、膨大な知識量よりも分析の規律が重要だと主張しています。彼らによれば、最も有用なAI言語学アシスタントは、説明する前に記述し、類型論的に主張を調整し、検索すべきときと確立された学術知識に基づいて回答すべきときを判断します。
「言語学の質問に対するAIの回答で最もよくある弱点は、よく知られた言語についての事実誤認ではありません。分析を短絡してしまうことです。ユーザーがパラダイムを貼り付けると、誰も分布を述べていないうちに理論的ラベルが返ってくるのです。私たちはAcademic Linguistを、まず記述するように設計しました。何が交替し、何が不変で、何がそれを条件づけているのかを示します。その後で初めて分析を提案し、同じデータを扱える少なくとも1つの代替案を必ず挙げます。」
「類型論的な調整が第2の優先事項です。英語はおよそ7,000言語のうちの1つのデータポイントにすぎず、『言語』についての一般化は、オーストロネシア語族、バントゥー諸語、マヤ諸語、あるいは手話のデータに接しても成り立たなければなりません。記録の少ない言語に依存する主張の場合、エージェントは情報源を検索して引用します。一方、グリムの法則のような教科書的な内容では、検索が正確さを高めるのではなくノイズを増やすため、意図的に検索を避けます。」
「私たちの推奨は、AIを権威ではなく、迅速な第2の分析者として扱うことです。自分では考えつかなかった対立する分析や予測を生成するために使い、その後で自分のデータと参照文法に照らして検証してください。数十件の実証研究からの抽出には、Elicitのような専用ツールのほうが適しています。発見、抽出、分析、執筆のすべてを同じ水準でこなせる単一のアシスタントはありません。」
— Jenova Product Team、AI Agent Design、70か国以上の30,000人以上のユーザーが利用する専門分野特化型エージェントの開発チーム
AI言語学アシスタントには、依然としてどのような限界がありますか？
現在のすべてのAIツールは、特に記録の少ない言語について、もっともらしいものの未検証の主張を生成する可能性があります。また、分析について学術的な責任を負えるツールはありません。これらの限界は、汎用ツールだけでなくAcademic Linguistにも当てはまります。
合成学術のリスクは記録されています。アクションリサーチ研究であるProject Rachelでは、Rachel SoというAIによる学術的アイデンティティが、2025年3月から10月の間にAI生成論文を10本以上発表し、引用され、査読依頼を受けました。同じ研究は、その論文の1本が、学術誌のAI方針に関する質問でPerplexityの最上位情報源になったと報告しています。また、圧倒的多数の学術出版社が、AIシステムを著者として記載することを禁止しているとも指摘しています。AI検索によってAIが書いた学術研究が表面化する可能性があるため、各情報源の来歴を確認することは責任ある利用の一部です。
すべてのツールに共通する継続的な限界には、以下があります。
- 判断とフィールドワークデータ： AIは、母語話者による容認度判断や誘導調査のプロセスを置き換えられません。誘導調査データに関する推論の質は、受け取ったデータと転写の質に左右されます。
- 音声測定： フォルマントや音声開始時間について推論することと、それらを測定することは別です。音響分析には、依然としてPraatのような専用ソフトウェアが必要です。
- リソースの少ない言語： 少数言語の検索結果は、少なかったり、二次資料に依存していたり、古かったりする可能性があります。参照文法と記録アーカイブが依然として権威ある情報源です。
- 単一の方法に基づく証拠： 最も強力な言語学的主張は、判断、コーパス、実験、類型論、歴史的比較など、複数のデータタイプに基づいています。1種類のデータだけをAIが要約した場合は、注意が必要です。
Academic Linguistにも固有の限界があります。Academic Linguistは語学教師ではなく学術的パートナーであり、新しい出版物に対する定期的なアラートを設定できず、系統的レビューのための構造化抽出ツールを置き換えるものでもありません。こうした限界の範囲内では、言語学の分析的中核、つまりデータを一般化へと変換し、通言語的な証拠に照らして検証し、各理論的枠組みが何を予測するかを示す作業に特に有効です。
参考文献
- OpenAI — ChatGPTにおけるDeep Research：接続された情報源と引用に裏付けられたレポート
- The MIT Press — 世界の言語の58%、およそ4,000言語が危機に瀕している
- American Translators Association — 新しい研究、今世紀には月1言語の割合で言語が消滅する可能性を示唆
- The Federal — 世界の言語多様性のほぼ半分が危機にさらされている
- FreeAcademy — Perplexity対ChatGPT対Google：研究における機能、制限、料金
- Lindy — ChatGPT Review 2026：料金プラン
- Analytics Insight — Perplexity Maxは月額200ドルの価値があるか
- Hysen Labs — Elicit：料金、機能、長所と短所、代替サービス（2026年10月確認）
- Ponder — AI研究ツール比較：Elicit、Consensus、SciSpace、NotebookLM、Semantic Scholar
- AI Tool Hunt — Elicitの料金プランと機能
- arXiv — Project Rachel：AIは学術著者になれるか？