テキストにおける人間の価値観の識別と理解：調整可能なLLMベースのアーキテクチャ

自律的なインテリジェントシステムが増加するにつれ、科学コミュニティは従来の効用最大化モデルに代わり、倫理的・道徳的考慮を含む意思決定メカニズムの創出に注力しています。これを達成するには、意思決定が人間の価値観にどの程度合致しているかを評価することが鍵となります。そのための有望な研究として、大規模言語モデル（LLM）を用いてテキストから明示的または暗黙的な人間の価値観を識別するアプローチが注目されています。

本論文では、Eduardo de la Cruz Fernández氏らが、テキスト中の人間の価値観の強度を検出し定量化するLLMベースのアーキテクチャを提案しています。このアーキテクチャは、特定の価値理論や複雑なプロンプトエンジニアリングに縛られる従来の手法の限界を克服します。アーキテクチャは3つの調整可能なモジュールで構成されます。最初のモジュールは任意の理論的枠組みの基礎テキストから構造化された価値仕様を生成し、2番目のモジュールはその仕様を用いてテキストをラベル付けし、3番目のモジュールは修辞的・意味的証拠に基づいて支持または抵抗の等級を割り当てます。このモジュール化アプローチにより、概念化と検出のタスクが分離され、様々な理論に適応可能な価値仕様に基づくスケーラブルで再現可能なプロセスが実現します。

研究者たちは複数のLLMを用いてこのアーキテクチャを実装し、ValueEvalデータセットで評価しました。実験では良好な検出性能が示され、パイプラインの汎用性が確認されました。この研究はICAART 2026の会議録（第5巻、4096-4103ページ）に掲載されており、論文は8ページ、1図を含みます。さらに、再現性を促進するためのコードとデータへのリンクも提供されています。このアーキテクチャは、手動でのプロンプト設計に依存する従来の手法から、自動化された理論非依存の手法への転換を示しています。価値仕様の生成は事前定義された価値リストに依存せず、あらゆる倫理理論の中心的なテキストを解析することで動的に構築されます。このため、システムは異なる文化、分野、枠組みに柔軟に適用でき、AIの倫理的整合性研究に新たなツールと方法を提供します。