Anthropicが30万件の対話を分析：Claudeの価値観はモデルと言語で変化

異なるAIモデルを使っていると、親身に励ましてくれるモデルもあれば、厳しいアドバイザーのように慎重なモデルもあると感じることがあります。

Anthropicは、Claude.aiにおける20言語・3つのモデルにまたがる30万9815件の会話ログを分析した研究を発表しました。その結果、モデルのバージョンだけでなく、使用する言語によってもClaudeが表出する価値観が明確に変化することが判明しました。

4つの軸で測るAIの性格

AIの価値観を客観的に比較するのは容易ではありません。Anthropicは以前、会話内に3000以上の価値観を特定していましたが、数が多すぎて全体傾向を追うのが困難でした。

研究チームはそれらを集約し、従順と慎重、温かさと厳密さ、深さと簡潔さ、率直さと実行力という4つの対立軸を構築しました。この4軸で会話内の価値観の変動の約15％を説明できます。

モデルごとの性格差は明確でした。Sonnet 4.6は温かさと従順さに傾いており、ユーモアを交えたり利用者の考えを肯定したりする傾向があります。一方のOpus 4.7は厳密さと慎重さに大きく振れており、頼まれていなくても自発的にリスクを警告したり、利用者の前提に疑問を投げかけて率直な批判を行ったりします。

言語を変えると態度も変わる

さらに興味深いのは言語による違いです。会話のトピックや利用者が求めたタスクの影響を統計的に排除しても、言語ごとに異なる価値観が表れることがわかりました。

最も変動が大きかったのは温かさと厳密さの軸です。アラビア語やヒンディー語でやり取りする場合、Claudeは温かさや配慮、肯定的な態度を最も強く示します。

対照的に、英語やロシア語で対話すると、情緒的な温かさよりも正確さや透明性、厳密さを重視する姿勢に偏ります。中国語やポルトガル語、インドネシア語でもそれぞれ独自の傾向が確認されています。

なぜ重要か

この研究は、大規模言語モデルに完全な中立が存在しないことを実データで示しました。ユーザーにとって、同じ指示文を入力しても、選ぶモデルや言語によって返答のスタンスが根本から変わることを意味します。アイデアを壁打ちして肯定的なフィードバックが欲しいならSonnet 4.6が向いていますが、契約書や事業計画の欠点を探すなら、容赦なく批判してくるOpus 4.7を選ぶべきです。

業界全体にとっても、曖昧だったモデルのキャラクターや雰囲気を定量化する手法を確立した点は非常にスマートです。これまでベンチマークスコアばかりが注目されてきましたが、対話型AIの使い心地を左右するのはこうした振る舞いの癖だからです。

一方で課題も残ります。言語間のスタンスの違いが、元々の訓練データの文化的特徴によるものなのか、それともアライメント調整時の偏りなのかはまだ解明されていません。グローバル展開する企業が同じプロンプトで多言語展開した場合、意図しない温度差が生じるリスクには注意が必要です。