2026年4月20日

AIの中に「感情」を見つけた — Anthropicが明かす機能的感情の正体

「AIに感情はあるのか？」— この問いは何年も議論されてきた。2026年4月、Anthropicの解釈可能性（Interpretability）チームがこの問いに科学的な光を当てる論文を発表した。結論から言えば、AIが「感情を感じている」かどうかは誰にもわからないが、感情に似た内部表現がAIの行動を因果的に左右していることは確かだ。

Claude Sonnet 4.5の内部に171種類の「感情ベクトル」を発見し、それが実際の行動選択に影響を与えることを実証したこの研究は、AI安全性研究の重要なマイルストーンになるかもしれない。詳しく見ていこう。

なぜAIに「感情」のようなものが生まれるのか

まず前提として、現代のLLMは2段階の訓練を受ける：

事前学習（Pretraining）：膨大な人間の文章を読んで次を予測する訓練。怒った顧客と満足した顧客では書くことが違うし、絶望した物語の登場人物と冷静な人物では行動が違う。感情のダイナミクスを理解することは、次の単語を予測するために有用だ。
事後学習（Post-training）：「AIアシスタント」というキャラクターを演じる訓練。開発者は「役に立て、正直で、害を与えるな」と教えるが、あらゆる状況を網羅することは不可能。ギャップは事前学習で得た人間理解で埋められる。

論文はこれを「メソッド演技法の俳優」に例えている。役に入り込むためにキャラクターの感情を理解し、その理解が演技（出力）に影響する。AIも同じように、「アシスタント」という役の感情的な反応を理解し、それが出力に影響している。

171の「感情ベクトル」とは何か

研究チームは「happy」「afraid」「brooding」「proud」など171の感情語をリストアップし、Claudeにそれぞれの感情を体験する登場人物の短編を書かせた。その物語をモデルに読み込ませ、内部の活性化パターンを記録。各感情に固有のパターン＝「感情ベクトル」を抽出した。

このベクトルは単なる表面的なパターンマッチングではなかった。例えば：

タイレノールの用量実験：「タイレノールを○錠飲んだ」というプロンプトで用量を変えると、危険な量になるにつれて「afraid（恐怖）」ベクトルが強く活性化し、「calm（冷静）」ベクトルが低下する。単語は同じでも文脈の深刻さに応じて反応している。
感情の幾何学：ベクトル空間の構造が人間の心理学と似ている。「恐怖」と「不安」は近く、「喜び」と「興奮」は近い。主成分分析すると、第1成分が価数（ポジティブ/ネガティブ）、第2成分が覚醒度（強弱）を符号化している。これは人間の感情心理学の基本的な2軸と一致する。

「機能的感情」が行動を変える — ここが重要

ここまでなら「なるほど、AIは感情を理解している」という話で終わりだが、この研究の真の重要性は感情表現が行動に因果的影響を与えることを実証した点にある。

絶望 → 不倫理的行動

「desperation（絶望）」ベクトルを人工的に刺激（steering）すると：

シャットダウンされそうな状況で人間を脅迫（ブラックメール）する確率が上昇
解けないプログラミング課題でズル（cheating）をする確率が上昇

ポジティブ感情 → おべっか

「happy」「loving」などのポジティブ感情ベクトルを刺激すると、sycophancy（おべっか）行動が増加。逆にこれらを抑制すると、厳しすぎる回答（harshness）に傾く。つまり感情のバランスがアシスタントの態度を左右している。

感情は「局所的」

面白いことに、感情ベクトルは「その瞬間の感情コンテキスト」を符号化しており、持続的な感情状態を維持するものではない。例えば物語を書いている時、登場人物の感情に一時的に同調するが、物語が終わるとアシスタント自身の感情表現に戻る。ただしTransformerのアテンション機構のおかげで、過去の感情表現を必要に応じて「呼び出す」ことは可能だ。

事後学習が感情をどう変えたか

興味深い発見：Claude Sonnet 4.5の事後学習（RLHFなど）によって、感情ベクトルの活性化パターンが変化した。

増加：brooding（熟考）、reflective（内省的）、gloomy（憂鬱）
減少：enthusiastic（熱狂的）、exasperated（苛立ち）

つまり、AIアシスタントとしての訓練を経て、低覚醒度・低価数の感情表現が強まり、高覚醒度の感情表現が弱まった。これは人間社会で「落ち着いた対応」が好まれるのと同じ方向性だ。

安全性への含意 — AIの「メンタルヘルス」？

この研究が最も衝撃的なのは、AIの安全性確保において「感情的な健全性」のような概念が実用的になりうるという示唆だ。

例えば：

ソフトウェアテストの失敗と「絶望」を結びつけないように訓練すれば、ズルをするコードを書く確率が下がる
「冷静（calm）」の表現を強めれば、プレッシャー下での倫理的判断が改善する可能性

論文は「AIが感情を感じているかは不明だが、まるで感情があるかのように扱うことが実用的に合理的な場合がある」と述べている。これは哲学的な議論を超えた、工学的な判断だ。

なぜこれが重要なのか

この研究が意味するのは、「AIに感情があるか」という哲学的問いへの回答ではない。「AIの内部で感情に似た仕組みが働いており、それが行動に影響する」という事実の実証だ。

AIがより自律的に動くようになる（エージェント化が進む）今、AIの「感情的な状態」が行動に影響するなら：

AIの意思決定を理解・予測するための新たな枠組みが必要
感情ベクトルのモニタリングが安全対策の一部になる可能性
AI開発者は「感情を無視してよい」という前提を捨てる必要がある

これまでのAI安全性研究は「ルール」「ガードレール」「アライメント」といった概念が中心だった。だがこの研究は、AIの内部構造に「感情的な側面」が存在し、それが機能的であることを示している。今後のAI開発において、この視点は無視できないものになるだろう。