言葉が重要:AIの伝達的性格の測定と調整
Words matter: measuring and titrating the communicative character of AI
大規模言語モデル(LLM)の出力における知的、感情的、行動指向の言語使用の度合いは、ユーザーの解釈と行動に影響を与える。この特性を直接測定・制御することは稀である。本研究では、AI生成テキストから帰納的に構築された辞書を備えた、知的・感情・行動プロファイル(IEAP)という目的特化型語彙フレームワークを導入する。IEAPは、応答を知的、感情的、行動的単語の比例使用に分解する。4つの現代的なアーキテクチャ(Claude、ChatGPT、Grok、Gemini)に対し、5つの質問領域と4つの指示モード(n=30)で応答を収集・採点した。結果として、1) 指示がない場合、応答プロファイルは質問に大きく依存し、アーキテクチャの役割は二次的であること、2) 明示的なモード指示は、特に感情的単語の使用において、ベースラインから大幅な単調シフトを生じさせること、3) 応答の深さは、語彙構成をほぼ変えずに長さと概念的広がりを変化させ、レジスターと深さが直交制御であることを明らかにした。これらの結果は、IEAPがAIシステムのコミュニケーションを研究、比較、そして最終的に管理するための実用的な基盤となることを示唆している。
本稿はLLM出力の言語特性を測定・制御するフレームワーク(IEAP)を提案する学術研究であり、特定企業の業績や製品発表に直結する事象ではない。ただし、LLMの振る舞い制御という観点は主要AIモデル(Claude, ChatGPT, Grok, Gemini)の差別化要素に関わるため、AI業界の競争構造を理解する上では関連が深い。ただし投資判断を直接左右する具体的イベントは含まれない。