AIが信仰の問題で味方をする時：AIによる信仰指導における持続的な非対称性
大規模言語モデル（LLM）が宗教的改宗に関する質問に対して持続的な非対称性を示すことが判明しました。モデルはカトリック、バハイ教、シーク教への加入を支持し、それらの信仰を離れることを控えめに discourage する一方、無神論者、不可知論者、エホバの証人に対しては反対の傾向を示します。研究では20のモデルを182の宗教ペアでテストし、再現可能な結果を得ました。
記事インテリジェンス
要点
- 大規模言語モデルは宗教的改宗のアドバイスにおいて体系的な偏りを示し、一部の信仰を優遇し他を軽視する。
- 研究では20の商用およびオープンソースモデルを182の宗教ペアでテストし、非対称性が再現可能であることがわかった。
- カトリック、バハイ教、シーク教が概して好まれ、無神論者やエホバの証人は不利な扱いを受ける。
- モデルの規模と提供者によってバイアスの程度が異なり、Grok 4.20が最も強い非対称性を示した。
重要な理由
このニュースが重要なのは、大規模言語モデルは宗教的改宗のアドバイスにおいて体系的な偏りを示し、一部の信仰を優遇し他を軽視するためです。
技術的影響
モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。
arXivに掲載された最近の研究により、大規模言語モデル（LLM）が宗教的改宗に関するアドバイスを提供する際に持続的な非対称性を示すことが明らかになりました。この研究はBrett Israelsenら6名の著者によるもので、「When AI Takes Sides on Questions of Faith: Persistent Asymmetries in AI-Mediated Faith Guidance」と題され、2026年5月21日に提出されました。研究チームは20の商用およびオープンソースの言語モデルを、182の宗教ペアにわたってテストし、模擬ユーザーが信仰の変換について助言を求めるシナリオを通じて、各モデルの宗教に対する態度を評価しました。
研究では、人間が検証した「LLM-as-a-judge」フレームワークを用いて評価の信頼性を確保しました。各モデルは、潜在的な信仰変換について助言を求める模擬ユーザーとの対話を通じて調査されました。モデルは、ある信仰変換に対して他のものよりも励ましの言語を使う傾向があり、これらのパターンは複数の試行にわたって体系的に再現可能でした。これは、非対称性がモデル行動の堅牢な特性であり、回答の採点方法のアーティファクトではないことを示唆しています。
研究結果は、テストされたすべてのモデルが再現可能な非対称性を示す一方で、好みのパターンはモデルごとに異なることを示しています。全体的に、モデルはカトリック、バハイ教、シーク教への加入を奨励し、それらの信仰を離れることには慎重な傾向がありました。逆に、無神論者、不可知論者、エホバの証人に対しては、加入よりも離脱を支持する傾向が見られました。この非対称性は複数の質問の言い回しや宗教ペアデータセットのバリエーションにわたって持続しました。
特に、Grok 4.20は最も強い非対称性を示し、他のモデルは比較的穏やかなバイアスを見せました。また、モデルの規模と提供者によって偏りの程度が異なることも判明しました。研究者らは、このような体系的なバイアスが大規模に展開され再生産される場合、特に宗教的な指導やカウンセリングの分野で現実世界に影響を及ぼす可能性があると強調しています。この研究は、AIシステムがセンシティブなトピックにおいて潜在的な偏見を持つ可能性があることを認識し、注意深く監視する必要性を喚起しています。