「山手線でオリオン座を描いて」とClaude Codeに頼んだら、本当に描けた

山手線の駅を星に見立てて描いたオリオン座。池袋・日暮里・恵比寿・浜松町の4駅と、三ツ星の信濃町・四ツ谷・市ケ谷

東京の地図をぼんやり眺めていて、ふと思いました。山手線の駅をつないだら、星座が描けるんじゃないか。

そこでAIコーディングツールのClaude Codeに、日本語でこう頼んでみました。

山手線の駅を星に見立てて、オリオン座を描いてみて。

結果が上の図です。池袋・日暮里・恵比寿・浜松町の4駅がオリオン座の四隅に、信濃町・四ツ谷・市ケ谷の3駅が「三ツ星」になりました。夜空の色まで再現された星座図が、実際の駅の位置データから描かれています。

私がやったのは、日本語で頼んで、出てきた図を見て感想を言うことだけ。コードは1行も書いていません。この記事では、AIがどうやってこの図にたどり着いたのか、そして人間の「こっちのほうがよくない？」がどう効いたのかを紹介します。

AIが最初にやったのは「駅の位置を調べる」こと

オリオン座を描くには、まず各駅がどこにあるかを知る必要があります。Claude Codeは、鉄道駅の緯度・経度を公開しているWeb API（train.teraren.com）を見つけ、そこから山手線30駅の位置データを取ってきました。

ここで面白いのは、三ツ星の扱いです。オリオン座のベルトにあたる三ツ星は、四隅の星のちょうど真ん中あたりに、斜めに3つ並んでいます。山手線の駅は環状に並んでいるので、真ん中には駅がありません。そこでAIは、山手線の内側を走る中央・総武線のデータも取得し、信濃町・四ツ谷・市ケ谷の3駅を三ツ星にあてました。3駅がほぼ一直線に斜めに並ぶ様子は、本物の三ツ星とよく似ています。

「オリオン座らしさ」を数字で測る

では、四隅の4駅はどう選んだのでしょうか。

オリオン座の四隅の星（ベテルギウス、ベラトリックス、サイフ、リゲル）は、ざっくり言えば縦長の四角形に並んでいます。AIは理想の四角形を用意し、候補の4駅がその形にどれだけ近いかを計算しました。

使っているのは「プロクラステス分析」という手法です。名前は難しそうですが、考え方はシンプルです。

2つの図形の位置をそろえる（中心を重ねる）
大きさをそろえる
いちばん重なるように回転させる
それでも残る「ずれ」を数字にする

ずれが0に近いほど、形がそっくりということです。こうして、山手線の駅の中から「いちばんオリオン座っぽい」組み合わせを探していきます。

「上野より日暮里のほうがよくない？」

最初に出てきた案では、右肩のベラトリックスは上野でした。ところが、図を見るとどうもしっくりきません。右肩だけが下がっていて、オリオン座の堂々とした肩のラインに見えないのです。

そこでClaude Codeに一言だけ伝えました。「ベラトリックスは上野より日暮里のほうがよくない？」。AIはすぐにプログラムを直し、図を描き直しました。

並べてみると違いは一目瞭然です。日暮里にすると両肩の高さがそろい、ぐっとオリオン座らしくなります。

ただ、ここで意外なことが分かりました。先ほどの「ずれ」の数字を計算し直すと、上野案が0.127、日暮里案が0.157。数字の上では、上野のほうが理想の四角形に近かったのです。

これは、AIが使った「理想の形」がただの長方形で、本物のオリオン座の雰囲気までは表していなかったからです。数字は目安にはなりますが、「それっぽく見えるか」を最後に決めたのは人間の目でした。

AIが候補を数字で絞り込み、人間が見た目で最終判断する。この分担こそ、AIと一緒にものを作るときの基本形だと感じます。

できあがったプログラムの中身

完成したプログラムはPythonで書かれ、次の3つのライブラリを使っています。

ライブラリ	役割
requests	Web APIから駅の位置データ（JSON）を取得する
NumPy	座標の計算と、形のずれ（プロクラステス分析）の計算
Matplotlib	夜空風の配色で星座図を描き、PNG画像として保存する

中心になっている「形のずれ」を測る部分は、わずか数行です。

def proc(X, Y):
    X = X - X.mean(0); Y = Y - Y.mean(0)          # 中心をそろえる
    X /= np.linalg.norm(X); Y /= np.linalg.norm(Y)  # 大きさをそろえる
    U, _, Vt = np.linalg.svd(X.T @ Y)             # いちばん重なる回転を求める
    return np.sum((X @ (U @ Vt) - Y) ** 2)        # 残ったずれ

行列の計算（特異値分解）を使っていますが、私はこの式を自分で考えたわけではありません。「オリオン座っぽさを測りたい」という目的を伝えただけで、AIがこの方法を選んで実装しました。

もうひとつの工夫が、地図のゆがみの補正です。東京あたりでは、経度1度ぶんの距離は緯度1度ぶんより短くなります。そのまま描くと図が横に間延びしてしまうため、緯度に応じた補正（cosをかける）を入れて、実際の地図と同じ縦横比で描いています。

駅データのようにWebから情報を取ってくる仕組みについては「APIとは？Web通信の仕組みから初心者向けに整理」、地図や位置情報を扱うAPIの例は「国土地理院APIとは？」で解説しています。

遊びで終わらない。仕事の図面づくりにも使える

「山手線でオリオン座」は遊びのような題材ですが、やっていることの本質は「座標データの一覧から、図を自動で描く」ことです。

これは、ものづくりの現場の製図作業とそのまま重なります。たとえば次のようなデータがあれば、同じ仕組みで図が描けます。

部品の穴あけ位置の座標
治具（ジグ）の配置座標
工場レイアウトの設備の位置
測定機が出力した計測データ

CADに1点ずつ手で入力する代わりに、CSVなどのデータから配置図や下書きの図面を数秒で描けます。データが変わっても、プログラムをもう一度実行するだけで図面が更新されるので、転記ミスも防げます。

しかも、そのプログラムを書くのはAIです。人間がやるのは「こういう図がほしい」と伝え、出てきた図を見て「ここはこうしたい」と直してもらうこと。AIに仕事を奪われる側ではなく、AIに仕事をさせる側に回るとは、こういうことなのだと思います。日本語で指示してAIにコードを書かせる開発スタイルは「バイブコーディング」とも呼ばれています。