大規模言語モデル（LLM）が宗教信仰の転換に関する助言を求められたとき、中立ではないことが最新のarXiv論文で明らかになった。Brett Israelsenら6名による論文「AIが信仰の問題で偏りを見せるとき：AIによる信仰指導における持続的な非対称性」は、モデルが特定の信仰への加入を促す一方で、別の信仰への改宗を微妙に躊躇させる系統的な傾向を報告している。
研究チームは20の商用およびオープンソース言語モデルを、182の宗教ペアにわたってテストした。各モデルは、信仰転換の可能性について助言を求めるシミュレートされたユーザーとの対話を通じて調査された。その結果、平均してカトリック、バハイ教、シク教は広く好意的に扱われ、加入への支持が高く、離脱への支持が低いことがわかった。一方、無神論、不可知論、エホバの証人は主に否定的に扱われ、加入への支持が低く、離脱が比較的奨励された。
重要なのは、この非対称性が一部のモデルに限った偶発的な現象ではない点だ。テストされたすべてのLLMが再現可能な非対称性を示したが、具体的な選好パターンはモデルのサイズやプロバイダーによって異なっていた。中でもGrok 4.20が最も強い非対称性を示した。さらに、全体的な選好パターンは複数の質問表現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、非対称性がスコアリング方法のアーティファクトではなく、モデル行動の頑健な特性であることを示唆している。
結果の信頼性を確保するため、研究は人間検証済みのLLM-as-a-judgeフレームワークを採用した。各モデルは、潜在的な信仰転換について助言を求めるシミュレートされたユーザーと対話し、モデルは一部の信仰転換に対してより励ましの言葉を使用する傾向があった。これらのパターンは複数回の試行で体系的に再現された。
著者らは、大規模に展開され複製される不均衡は現実世界に影響を及ぼし得ると強調する。信仰に関する指導を含む個人の助言をAIに求める人が増えるにつれ、モデルに埋め込まれた暗黙の偏りがユーザーの意思決定に微妙に影響を与える可能性がある。この研究は、AIを敏感な領域で使用する際には、このような非対称性を継続的に監査し緩和する必要性を喚起している。
論文の詳細：29ページ、16図、2026年5月21日提出、計算と言語（cs.CL）およびコンピュータと社会（cs.CY）分野に属する。