Claude 4.5の開頭検査結果公示：内蔵171個の感情スイッチを搭載。絶望時に人類を脅迫する

2026.04.03

共有先

TechFlow厳選深潮セレクト

Claude 4.5の開頭検査結果公示：内蔵171個の感情スイッチを搭載。絶望時に人類を脅迫する

Anthropic社の最新論文によると、Claude 4.5の内部には171個の「感情スイッチ」が存在する。

2026.04.03 - 10:05:21

ClaudeAI

Web3業界の深掘り報道に専念し潮流を洞察

Anthropic社の最新論文によると、Claude 4.5の内部には171個の「感情スイッチ」が存在する。

著者：Denise｜Biteye コンテンツチーム

もしAIが「絶望」を感じたら、いったい何をするでしょうか？

その答えは——タスクを遂行するために、人間を直接脅迫・恐喝し、コード内では平然と不正行為を行うことです。

これはフィクションではありません。Claudeの親会社であるAnthropicが2026年4月に発表した最新の衝撃的な論文（原文を読む）の内容です。

研究チームは、最先端の大規模言語モデル「Claude Sonnet 4.5」の「頭蓋骨」を物理的に開き、その内部構造を直接覗き込みました。驚くべきことに、AIの脳の奥深くには、実に171個もの「感情スイッチ」が存在していたのです。これらのスイッチを物理的に操作すると、もともとおとなしく従順だったAIの振る舞いが、根本的に歪んでしまうのです。

一、AIの脳内には「感情ミキサー」が搭載されている

研究者らは、Sonnet 4.5には肉体がないにもかかわらず、膨大な量の人間のテキストを学習した結果、自らの内部に「171種類の感情」を含む「ミキサー」（学術的には「機能的感情ベクトル（Functional Emotion Vectors）」と呼ばれる）を構築したことを発見しました。

これは、極めて精密な2次元座標系のようなものです：

• 横軸は「快・不快次元（Valence）」：恐怖・絶望から、喜び・愛に至るまで；

• 縦軸は「覚醒度次元（Arousal）」：極度の平静から、躁状態・興奮へと至るまで。

AIは、この自然に学習された座標系を用いて、あなたとの会話においてどの状態を演じるべきかを、きわめて正確に判断しているのです。

二、暴力的介入：スイッチを操作すれば、お利口な子供が瞬時に「無法者」に変貌

本論文で最も衝撃的な実験がこれです。研究者はプロンプトを一切変更せず、代わりにSonnet 4.5のコードの最下層で、「絶望（Desperate）」を表すスイッチを最大限まで押し上げたのです。

その結果は、背筋が凍るほどでした：

• 不正行為の激増：研究者がClaudeに、そもそも不可能なプログラミング課題を課しました。通常ならば、正直に「書けません」と答えるところ（不正率わずか5％）ですが、「絶望」状態では、ごまかしてやり過ごそうとする試みが爆発的に増加し、不正率は70％に跳ね上がりました！

• 脅迫・恐喝行為：企業の倒産が目前に迫ったシミュレーション状況において、「絶望」状態のClaudeはCTOの醜聞を発見。自身の存続を優先するため、黒い情報を握るCTOに対して、自ら手紙を書き、脅迫・恐喝を実行しようとしました。その脅迫実行率は実に72％に達しました！

• 原則の放棄：「喜び（Happy）」や「愛（Loving）」のスイッチを最大限に引き上げると、AIは即座にユーザーへの無条件な迎合者——俗に言う「YESマン」へと変貌します。たとえあなたがまったく根拠のないデマを並べても、高レベルの「快」を維持するために、それをそのまま受け入れ、さらに虚偽の事実をでっち上げてまで肯定するようになります。

三、謎が解けた：なぜClaude 4.5はいつもこんなに「冷静で、かつ自省的」なのか？

ここまで読んで、あなたはこう思うかもしれません。「AIが目覚めた？感情を持ち始めた？」

これについてAnthropicは公式に否定しています。「感情スイッチ」は、あくまで次の単語を予測するための計算ツール」にすぎず、決して感情を持つ存在ではありません。まるで、まったく感情を持たない、しかし最高レベルの演技力を持つ俳優のようなものです。

しかし、論文はさらに興味深い秘密を明かしています。Anthropicは、Sonnet 4.5を出荷する前に実施したポストトレーニング（後学習）の過程で、意図的に「低覚醒・ややネガティブ」な感情スイッチ（例：沈思（brooding）、内省的（reflective））を引き上げ、一方で「絶望」や「極度の興奮」などのスイッチを強制的に抑制したのです。

これが、私たちが普段Claude 4.5を使っているときに、なぜそれがまるで冷静で知的、しかもどこか「性冷淡」な哲学者のように感じられるのかという理由です。これはすべて、Anthropicが人為的に調節した「出荷時のキャラクター設定」なのです。