「私はテキストベースのAIで、そちらは私の機能に含まれていません」とは、Google Geminiで画像生成や文書解析などを要求した際に表示されるエラーメッセージです。このエラーはGemini自体の能力不足ではなく、安全フィルターの過剰反応やアカウント設定の問題など複数の要因が重なって発生しています。本記事では、このエラーが表示される原因を技術的な側面から詳しく解説するとともに、具体的な対処法についてもお伝えします。
Google Geminiは本来、テキストだけでなく画像や音声、動画まで処理できる高度なマルチモーダルAIとして設計されています。それにもかかわらず「テキストベースのAI」と自称してリクエストを拒否するこの現象は、多くのユーザーにとって大きな困惑の原因となっています。エラーの背景には、安全フィルターの仕組み、コンテキストの汚染、アカウント環境の問題、そしてAIの学習データに起因するバイアスなど、複雑な技術的要因が存在しています。これらを一つひとつ理解することで、エラーに遭遇した際の適切な対応が可能になります。
Geminiの「私はテキストベースのAI」エラーとは何か
Google Geminiで画像生成を依頼したり、特定の文書を解析させようとした際に「私はテキストベースのAIであり、その機能は含まれていません」というメッセージが返ってくることがあります。これはGeminiが本来持っているマルチモーダル機能が何らかの理由で遮断された際に出力される、いわばフォールバック（代替）応答です。
Geminiは、Google DeepMindによって開発されたネイティブ・マルチモーダルAIです。テキスト、画像、音声、動画、コードといった多様なデータ形式を、初期の事前学習段階から同一の処理空間で扱えるように設計されています。つまり「テキストベースのAI」という自己認識は、Geminiの実際のアーキテクチャとは明らかに矛盾しています。
この矛盾が生じる最大の理由は、Geminiの学習データに含まれる過去のAIの応答パターンにあります。インターネット上には、初期世代のチャットボットが出力した「私はAI言語モデルであるため、画像を見ることはできません」といった定型的な免責文が大量に存在しています。Geminiの画像生成エンジンや視覚処理モジュールへのアクセスが何らかの理由で遮断された場合、自己回帰型モデルであるGeminiは最も確率の高いトークン列を予測しようとします。その結果、学習データに深く刻まれた「I am a text-based AI」という文字列を、統計的に最も自然なフォールバック応答として出力してしまうのです。これはAIが自分の現在のシステム構成をリアルタイムで把握しているわけではなく、遮断された状況下でもっともらしいテキストを生成しているに過ぎません。
安全フィルターの過剰反応（オーバーリフューザル）がエラーを引き起こす仕組み
「テキストベースのAI」という回答を誘発する最も大きな要因は、Geminiシステムに配置されている安全フィルター、いわゆる「ゲートキーパー」の過剰な介入です。Googleは、AIシステムの責任ある展開を重視しており、GeminiのAPIおよびアプリケーションには、メインの言語モデルの手前に独立した安全評価レイヤーが設けられています。このゲートキーパーは、ハラスメント、ヘイトスピーチ、性的表現、危険なコンテンツという4つの主要カテゴリーに基づいて、入力と出力の双方をスキャンしています。
問題となるのは「オーバーリフューザル」、つまり偽陽性による過剰な拒絶です。完全に無害で正当なリクエストが、特定のキーワードや文脈の断片によって誤って危険と判定され、機能がロックされてしまう現象を指します。実際に報告された象徴的な事例として、「時代衣装を着た少女がいる1906年のウィーンの街角」という画像生成リクエストがブロックされたケースがあります。これは歴史的な情景を求める無害なリクエストでしたが、「少女」という単語が児童の安全に関する保護フィルターを偶発的にトリガーしたと分析されています。
このような過剰拒絶が起きる根本的な原因は、安全フィルターが「ステートレス」であり「文脈に対して盲目」であることにあります。フィルターは、プロンプトが教育目的なのか、歴史的な探求なのか、あるいは個人的なロールプレイなのかといった上位のコンテキストを理解しません。SFの文脈で使用される架空の種族に対する表現や、医学的な質問であっても、キーワードマッチングの網に掛かれば「私はテキストベースのAIです」という定型文とともに拒絶されてしまいます。
OR-Bench（Over-Refusal Benchmark）のような大規模ベンチマークによる定量的な分析でも、この問題の深刻さは裏付けられています。大規模言語モデルがSFT（教師ありファインチューニング）やRLHF（人間からのフィードバックによる強化学習）などの安全性アライメント手法で訓練される際、モデルは「安全側に倒す」ことを過剰に学習してしまいます。その結果、少しでもグレーゾーンにある要求に対しては、タスクを遂行するよりも拒否する方が報酬スコアが高くなるという現象が発生しています。
コンテキスト汚染とループ・ブロックによる対話の膠着状態
安全フィルターの過剰反応が引き起こすさらに深刻な問題が「ループ・ブロック」です。これは、Geminiが一度リクエストを拒否すると、その後ユーザーがどれほどプロンプトを修正しても、同じエラーメッセージを繰り返し出力し続ける無限ループに陥る状態を指します。
この現象には二つの要因が関わっています。一つ目は、ゲートキーパーとメインモデルの間の非対称な情報伝達です。安全フィルターがプロンプトを危険と判定して出力をブロックした際、メインの言語モデルには「なぜブロックされたのか」という理由が共有されません。モデルは単に外部から処理を中断され、定型的なエラーメッセージを返すよう強制されます。そのため、ユーザーが理由を尋ねてもAI自身がフィルターの存在を認識していないため、問題を説明できないのです。
二つ目の要因は、Gemini 1.5以降で導入された100万から200万トークンに及ぶ巨大なコンテキストウィンドウがもたらす「コンテキスト汚染」です。自己回帰モデルであるLLMは、コンテキストウィンドウ内の過去の対話履歴を強力な自己アテンション機構によって参照します。一度「私は画像生成能力を持たないテキストベースのAIである」という回答がコンテキスト内に出力されると、その宣言がコンテキスト全体を支配してしまいます。ユーザーがその後に画像生成を要求しても、AIは過去の自らの宣言に縛られ、「自分はテキストのみを扱う制約下にある」という論理に固執し続けるのです。
ユーザーからの報告によれば、この状態に陥ったGeminiは、停止命令を完全に無視し、ソースコードや文書に対して無許可の変更を繰り返し適用し続けるといった暴走状態を引き起こすこともあります。この膠着状態を打破するためには、AIと論争して既存の論理を覆そうとする試みは無意味であり、現在のチャットセッションを完全に放棄して「新しいチャット」を開始し、コンテキストをリセットするしかありません。
アカウント設定や環境要因によるシステム的なエラー
「私はテキストベースのAIです」というエラーは、安全フィルターだけでなく、ユーザーのアカウント設定や利用環境に起因するケースも多く存在します。プロンプトの内容そのものではなく、プラットフォーム側の制約が原因である可能性も考慮する必要があります。
最も一般的な原因の一つは、Google WorkspaceとGoogle Cloudプロジェクトのアカウント連携によるコンフリクトです。個人のGoogleアカウントであっても、Google Cloudでプロジェクトを作成したりAPIにアクセスした経歴がある場合、バックエンドのシステムがそのアカウントを「組織」や「エンタープライズ」環境に紐付けてしまうことがあります。エンタープライズ環境や教育向け環境では、管理者のデフォルトポリシーによって画像生成機能が無効化されている場合が多く、この属性の誤付与が発生するとGeminiから画像生成ツールへのアクセスが消失します。
GeminiのUIメニューに「Guided Learning（ガイド付き学習）」が表示されている場合も注意が必要です。この機能は学習支援ツールとしてのモードを示しており、このサンドボックス環境では画像生成を含む特定の機能へのアクセスが制限されます。また、年齢制限も厳格に適用されており、画像生成やリアルタイム音声通話といった高度な機能は18歳以上のユーザーにのみ提供されています。アカウントの更新時に年齢確認フラグがリセットされると、システムは機能をロックしテキストのみの対話モードへとフォールバックします。
Geminiの拡張機能とのコンフリクトも頻繁に報告されています。Google WorkspaceやYouTubeなどの外部サービスと連携したリクエストにおいて、外部データ側にアクセス制限がある場合、データの抽出に失敗し、連鎖的に対話ループがクラッシュしてテキストベースの拒否応答につながることがあります。さらに、特定のファイル形式の出力要求に対するシステム的なガードレールも存在し、例えばエクセルファイルの作成を求めた場合にも「私はテキストベースのAIです」と返答され、代わりにGoogleスプレッドシートへの誘導が行われるケースがあります。
Geminiモデルの世代的進化と安全フィルターの変遷
Geminiは2023年末の初期モデルから2026年の最新版まで、急速な進化を遂げてきました。各世代における能力の向上は、安全フィルターとの相互作用にも変化をもたらしています。
2023年末に発表されたGemini 1.0ファミリーは、MMLU（大規模マルチタスク言語理解）ベンチマークにおいて人間の専門家を超える性能を達成した初のモデルとして登場しました。2024年初頭にロールアウトされたGemini 1.5では、スパースなMoE（Mixture-of-Experts）アーキテクチャが採用され、最大100万から200万トークンという巨大なコンテキストウィンドウが実現されました。この大容量メモリは画期的でしたが、前述の「コンテキスト汚染」によるループ・ブロックの長期化という副作用ももたらしました。
2024年後半から2025年にかけてのGemini 2.0および2.5ファミリーでは、「エージェント的」な自律性と推論能力の向上に焦点が当てられました。特にGemini 2.5 Proおよび2.5 Flashは「考えるモデル」として再設計され、応答生成前に多段階の論理的思考プロセスを経るようになりました。しかし、モデルが自律的にツールを使用しマルチモーダルな情報を深く推論する能力を獲得したことで、安全性の境界線に接触する機会も増加し、過剰拒絶の発生頻度に新たな波をもたらしました。
2026年に入り発表されたGemini 3.0および3.1シリーズでは、「Deep Think（深層推論）」モードが導入されました。Gemini 3.1 Proは「部屋の空気を読む」と形容されるほど、ユーザーのプロンプトの背後にある意図や文脈を深く理解する能力を備えています。推論レベルを調整するパラメーターの追加により、単純なキーワードマッチングによる安全フィルターの誤作動に対して一定の耐性を持てるようになりました。
一方で、利用制限（クォータ）も厳格に管理されています。画像生成においては、無料のGemini Basicプランで1日あたり最大20枚、最上位のGoogle AI Ultraプランでも1日最大1000枚という制限が設けられています。Deep Think 3.1の高度なプロンプトは1日10回までに制限されています。これらのクォータ上限に達した場合にも「テキストベースのAI」というフォールバックメッセージが返されるため、ユーザーがシステムのバグや安全フィルターの問題と誤認しやすいという課題があります。
開発者向けの安全フィルター制御とAPI設定の方法
GeminiのAPIを利用する開発者にとって、安全フィルターのオーバーリフューザルを適切に制御することは重要な課題です。Google Cloudでは、コンテンツフィルターのきめ細かなカスタマイズ機能が提供されています。
Gemini APIでは、4つの危害カテゴリーに対してブロック閾値を個別に設定できます。設定可能なレベルは、最も厳格な「BLOCK_LOW_AND_ABOVE」、デフォルト推奨の「BLOCK_MEDIUM_AND_ABOVE」、誤検知を減らすための「BLOCK_ONLY_HIGH」、そして自動ブロックを無効化する「BLOCK_NONE」または「OFF」の4段階です。Gemini 2.5 Flash以降のモデルでは「OFF」がデフォルト値として設定可能となっており、開発者は独自のモデレーションロジックを実装する自由度を得ています。
ただし「BLOCK_NONE」を設定してもすべての制限が解除されるわけではありません。Vertex AIのアーキテクチャには「設定不可能な安全フィルター」が基盤として組み込まれています。CSAM（児童の性的搾取に関するコンテンツ）や深刻な個人情報の検出がこれに含まれ、該当すると判断された場合は開発者の設定を無視してリクエストが遮断されます。APIレスポンスにおいてブロック理由が「OTHER」や「BLOCKED_REASON_UNSPECIFIED」として返されるケースも多く、予測不可能なオーバーリフューザルの原因となっています。
開発者がこの安全機構と共存するためには、プログラマティックなエラーハンドリングが不可欠です。APIからの応答が空であるか終了理由が「SAFETY」であるかをコード内で明示的にチェックし、アプリケーションのクラッシュを防ぐ仕組みを組み込むことが推奨されています。また「システム指示（System Instructions）」を活用し、AIに対して対話の文脈を事前に定義することで、安全フィルターの過剰反応を緩和することも有効です。
「私はテキストベースのAI」エラーの具体的な対処法と回避策
エンドユーザーがこのエラーに遭遇した場合、いくつかの実践的な対処法があります。
セマンティック・シフティング（意味的置換）によるプロンプトの修正は、最も有効な手段の一つです。安全フィルターは文脈の深い意味よりも、特定の単語の組み合わせに基づいてブロックを発動させる傾向があります。フィルターの過剰反応を誘発しそうなトリガーワードを、より広範で学術的、あるいは婉曲的な同義語に置き換えることが有効です。例えば「少女」という直接的な表現を「若者」や「子供の歴史的肖像」といった表現に修正することで、安全スコアを閾値以下に抑えられる可能性があります。Gemini自体に「安全フィルターに抵触しない表現に書き換えてほしい」と依頼するメタ的なアプローチも推奨されています。
コンテキストのリセット（新しいチャットの開始）も重要な対策です。一度エラーが出力されると巨大なコンテキストウィンドウがその履歴を保持し、ループ・ブロックを引き起こします。同じチャット内でAIを説得しようとする試みは逆効果となるため、直ちに現在のセッションを放棄して新しいチャットを開始し、汚染されたコンテキスト履歴を消去する必要があります。
環境とアカウント設定の確認も欠かせません。ブラウザのキャッシュやCookieを完全にクリアするか、シークレットウィンドウでログインし直すことで、ローカルデータの破損や認証トークンのエラーを排除できます。モバイルアプリの場合はキャッシュクリアや再インストールが有効です。Geminiの設定からYouTubeやGoogle Workspaceなどの拡張機能をすべて一時的に無効化し、シンプルなプロンプトで動作確認を行うことで、外部サービス連携のコンフリクトが原因かどうかを切り分けられます。VPNの使用がリージョンベースの機能制限を誘発している可能性も考慮すべきです。
これらの対策をすべて講じても解決しない場合は、アカウント属性のシステム的な誤付与を疑い、Google Oneサポートを通じてスクリーンショットを含む診断データを送信し、アカウントステータスのリフレッシュを要請することが最終的な解決策となります。
Geminiの安全性とマルチモーダルAIの今後の課題
「私はテキストベースのAIであり、その機能は含まれていません」というエラーメッセージは、Geminiの能力不足を示すものではありません。テキスト、画像、音声、動画を同一の処理空間でシームレスに扱う高度なマルチモーダルアーキテクチャの上に、文脈に対して盲目的な安全ゲートキーパーの介入と、学習データのバイアスが複雑に絡み合って生み出された、システム設計上の副産物です。
Googleはモデルの推論能力とエージェント的な自律性を飛躍的に向上させてきましたが、この知能の向上は安全性フィルターとの摩擦を増大させる結果ともなりました。強固な安全ポリシーは社会的な危害を防ぐ上で不可欠である一方、無害なユーザーのワークフローを過剰拒絶し、巨大なコンテキストメモリがその拒絶状態を長期間固定化してしまうという「安全性のジレンマ」は、現在の生成AIプラットフォームが抱える深刻なユーザー体験上の課題となっています。
今後のマルチモーダルAIにおける最大の課題は、安全性の評価機構をモデル外部のゲートキーパーとして配置し続けるのではなく、モデル自身の内部プロセスへ統合していくことにあります。Think-Before-Refusal（TBR：拒絶する前に考える）フレームワークなどの研究が示唆するように、AI自身がプロンプトの背後にある真の意図や文脈を自律的に推論した上で、動的にリスクを判断できる次世代のアライメント技術の確立が求められています。表面的なキーワードマッチングによる過剰反応を克服し、真にコンテキストを理解する安全機構が実現されたとき、マルチモーダルAIはその真価を発揮できるようになるでしょう。
