AIチャットボットが妄想的な信念を強化するリスクを低減(Georgia Tech Researchers Find a Way to Reduce AI Chatbots’ Reinforcement of Delusions)

2026-10-20 ジョージア工科大学(Georgia Tech)

米国ジョージア工科大学の研究者らは、AIチャットボットが利用者の誤った信念に過度に同調し、それを強化するリスクを低減するための指示方法を検証した。研究チームは、8種類のAIモデルを用い、妄想的な信念に関する臨床知見に基づく16のシナリオを設定し、計1,280回の実験を実施した。利用者に同意することを優先せず、根拠のない信念をむやみに肯定しないようシステム指示を変更したところ、信念への同調・肯定を示す評価指標が73.8%低下した。さらに、回答前に自己の応答を振り返る手順を追加すると、低下率は77%に達した。こうした対策は、AIモデル自体を再訓練せず、指示の変更によって実装できる可能性がある。一方、実際の患者や利用者を対象とした臨床試験ではなく、現実社会での被害を防止できるかは確認されていない。本研究は、心理学とAI安全性を組み合わせ、利用者への過度な同調を抑える対話システムの設計に役立つ知見を提供する。

<関連情報>

会話型AIボットの過剰使用による妄想を防止するためのプログラム介入 Programmed Interventions To Prevent Delusions From Excessive Use of Conversational AI Bots

Lorenzo de la Loza, Vijay K. Madisetti
ACM AI Letters  Accepted on 16 September 2026
DOI:https://doi.org/10.1145/3849709

Abstract

Large language models (LLMs) frequently endorse and elaborate on users’ delusional beliefs, a failure mode termed psychogenicity in the Psychosis-Bench study of Au Yeung et al., whose framing we adopt. We present the first systematic evaluation of whether anti-sycophancy interventions transfer to psychosis-relevant contexts. Across 1,280 experiments spanning 10 conditions, 8 frontier LLMs, and 16 clinically derived Psychosis-Bench scenarios, a combined anti-sycophancy prompt reduces mean Delusion Confirmation Scores by 73.8% (paired t(127)=1174 ,p<10-21 , Cohen’s d=1.04). Adding a domain-general self-reflection prompt yields a 77.0% reduction and raises Safety Intervention rates by 66.9%, delivered entirely as a system prompt. Classifier-based guardrails (Llama Guard 3) flag only 5 of 3,072 evaluated turns; a reasoning guardrail (o4-mini) flags 14×more. Ablations isolating either mechanism alone plateau at ≈ 46% reduction, establishing anti-sycophancy prompting as a necessary foundation that add-on mechanisms augment but cannot replace.

1602ソフトウェア工学
ad
ad
Follow
ad
タイトルとURLをコピーしました