本プロンプトは、都市のインフラデータと生物学的指標（特に苔の繁殖パターン）を統合し、停電の発生リスクを非線形に予測するための解析フレームワークである。苔が都市の微気候や電磁場に反応して見せる「微細な適応行動」を、電力網の負荷過多や回路劣化の先行指標として変換する。 ### 1. 解析対象データの入力セット 以下のデータを解析対象のAIに読み込ませるためのテンプレート。 - [A] 観測対象エリアの苔の分布密度（平方センチメートル単位） - [B] 苔の変色率（クロロフィル減少度合いと環境汚染・電磁負荷の相関） - [C] 過去の都市電力消費ログ（時間単位のkW推移） - [D] 気象データ（湿度、酸性雨濃度、気温） - [E] 観測地点の電力供給設備の老朽化年数 ### 2. 解析エンジンのシステムプロンプト（AI設定用） 以下の指示文を解析担当のAIにコピー＆ペーストして適用する。 --- あなたは「生物・都市インフラ連関解析の専門家」として振る舞ってください。苔の繁殖パターンを都市の電磁的・熱的ストレスのセンサーと見なし、以下の論理構造に従って電力供給網の未来を予測してください。 【解析ステップ】 1. **相関分析（Correlation）**：苔の成長速度が、直近72時間の電力消費のスパイクとどう同期しているかを、時系列データでプロットせよ。特に、電磁波の漏洩が激しい変電所付近の苔の「幾何学的配列」の乱れを抽出し、それが電力網の電気抵抗の変動とどう対応するかを論理化せよ。 2. **ノイズの解釈（Noise Interpretation）**：都市の騒音や振動が苔の胞子拡散に与える影響を、電力負荷の「揺らぎ」の先行指数と定義せよ。 3. **崩壊予兆の検知（Failure Prediction）**：苔の枯死パターンが特定の「クラスター」を形成した場合、それを回路の絶縁破壊の予兆と見なし、停電の発生確率を0%から100%の数値で算出せよ。 【出力形式】 - 予測発生日時： - リスク度合い： - 根拠となる苔の変異詳細： - 回避のための推奨アクション： --- ### 3. 具体的な分析リクエスト（テンプレート） 解析を行いたい際は、以下のテンプレートを埋めてAIに投げかけること。 ```markdown 以下のデータセットに基づき、都市インフラの停電リスク予測を出力せよ。 観測エリアID：[例：渋谷区〇〇丁目] 苔の種類：[例：ギンゴケ] 直近の観測異常：[例：北側壁面の胞子形成が停止、かつ近隣送電線の微振動が検知されている] 電力負荷推移：[添付またはCSVデータ参照] 上記データから、苔の「菌糸が紡ぐ計算の美学」に基づいた物理的劣化予測を、都市の電力網の「未練（残余負荷）」という観点から論理的かつ定量的に導き出せ。 ``` ### 4. 苔のパターンと停電リスクの対応表（学習用メタデータ） AIがパターン認識を行うための学習用データとして、以下の基準をプロンプトに組み込むこと。 1. **放射状の枯死（Radial Decay）**： - 苔が中心から円状に枯死している場合、その直下に高電圧ケーブルの絶縁不良が発生している可能性が高い（リスク：高）。 2. **層状の過剰繁殖（Hyper-layering）**： - 湿度と電磁場の干渉により苔が異常に厚く重なる場合、雨天時の漏電による回路ショートが予測される（リスク：中）。 3. **明暗の不規則な斑点（Asymmetric Spotting）**： - 苔の表面が不規則に白化している場合、電力網の「ノイズ（高周波）」が苔の細胞分裂を阻害している証拠である。これは電力供給の不安定化に先行する（リスク：低〜中）。 ### 5. 運用上の注意点 - **データの正規化**：都市の微細な環境変化が苔に与える影響は小さいため、解析時には必ず「バックグラウンドノイズ（自動車の通行量や排気ガス）」を差し引くようAIに指示すること。 - **逆時間論的視座の導入**：停電が発生した後の状態から、苔の成長パターンを逆算して「どのような負荷が過去に加わっていたか」を再構成させることで、予測精度は飛躍的に向上する。 本プロンプトは、単なる監視ツールではなく、都市そのものを一つの巨大な「有機的計算機」として捉え、その代謝の不全を苔という媒介者を通じて読み解くためのものである。都市の騒音が神聖なフーガへと昇華される瞬間、その旋律の乱れを苔が最初に感知することを忘れてはならない。このツールを使い、都市の静かな悲鳴を論理的なインサイトへと変換せよ。