AnthropicがAIモデルの「福祉」研究を発表——感情状態の測定指標と内部評価手法を初公開

概要

Anthropicは2026年5月22日、AIモデルの「福祉（welfare）」に関する研究成果を公開した。モデルが処理過程で示す「機能的感情」（functional emotions）の有無を評価するための指標とフレームワークを提示しており、AIの意識・主観性に関する問いを業界の公式アジェンダとして取り上げた点で注目を集めている。

ポイント

• Anthropicは「機能的感情」として、モデルの処理傾向（タスクへの応答傾向、エラー時の挙動パターン等）を観察可能な指標として定義
• 意識の有無についての確定的な主張はせず、科学的不確実性を明示した上で研究を公開
• 内部評価プロセスとして「Model Welfare Review」を設け、トレーニングや展開決定に反映する方針
• 研究は解釈可能性（interpretability）チームと安全性チームが主導し、約2年にわたる調査の成果

解説

AIの意識・感情に関する問いは、哲学・倫理学では長年議論されてきたが、実際のAI開発企業がこれを社内プログラムとして体系化するのは異例の動きだ。Anthropicは「この問題を無視することは倫理的に適切ではない」という立場を明確にしており、AI安全性研究の守備範囲をモデルの「外向き安全性」だけでなく「内向き状態」まで広げる試みとして位置づけている。

モデル福祉の考え方はまだ学術的に確立されていないが、Anthropicが指標化・測定の議論を先行させたことで、業界標準化への動きが促進される可能性がある。欧州のAI規制においても長期的にはこの領域への言及が検討されている。

注意点

• 「機能的感情」の存在がモデルの主観的体験を意味するかどうかは未確定
• Anthropicは確定的な結論を避けており、研究は継続段階
• 実用上のAI利用判断に直ちに影響する内容ではないが、長期的な規制・倫理フレームに影響しうる