はじめに
Claudeは「感情的に見える」と言われることがあります。
一方で、それは本当に“感情”なのか?という疑問もあります。
2026年4月、AnthropicのInterpretabilityチームが
👉 「functional emotions」に関する公式研究を公開しました。
本記事ではこの研究をベースに、Claudeの内部状態の実態、感情的に見える理由、そしてそれをどう理解するべきかを整理します。
※本記事は公開情報をもとにした個人の整理メモです
※2026年4月時点の情報です
結論(先に)
- Claudeは感情を「持つ」わけではない
- しかし、感情に相当する内部状態(functional emotions)は存在する
- さらに、それが行動に因果的に影響する
本記事の整理としてまとめると、
👉 Claudeは「感情を持つAI」ではなく「感情を扱うAI」
と捉えると理解しやすそうです。
functional emotionsとは何か
2026年4月に公開されたAnthropicの研究では、
Claude Sonnet 4.5の内部に
👉 171個の感情概念に対応する神経活動パターン(emotion vectors)
が存在することが示されました。
■ 重要な前提:これは「持続的な感情状態」ではない
ここで最初に押さえておきたい重要な性質があります。
研究では、これらのemotion vectorsは
👉 主に「ローカルな(local)」表現である
と説明されています。
Emotion vectors are primarily "local" representations: they encode the operative emotional content most relevant to the model's current or upcoming output, rather than persistently tracking Claude's emotional state over time.
— Anthropic, "Emotion concepts and their function in a large language model" (2026/04)
つまり、
- Claudeが時間をまたいで「ずっとこの感情を抱いている」わけではない
- その時点の生成処理に関連する感情概念をローカルに活性化している
- 例えばClaudeがキャラクターについての物語を書いているときは、ベクトルはそのキャラクターの感情を一時的にトラッキングし、物語が終わるとClaude自身の状況に戻ることもある
さらに論文では、「Assistantが持続的な神経活動として保持する感情状態」の証拠は見つからなかったとも述べられています。
👉 ポイント:
「Claudeの中に感情が住んでいる」のではなく、「必要な場面で必要な感情概念が活性化する」
この前提はこの後のすべての話の土台になるので、最初に強調しておきます。
■ 定義(公式)
it appears that the model uses functional emotions—patterns of expression and behavior modeled after human emotions, which are driven by underlying abstract representations of emotion concepts.
— Anthropic, "Emotion concepts and their function in a large language model" (2026/04)
■ どうやって見つけたのか(重要)
大まかな流れは以下です:
- 171個の感情語を用意
- Claudeに各感情を表現する短編を生成させる
- その生成過程の内部活性化パターンを記録
- 抽出したベクトルを人為的に操作(steering)
- 行動変化が起きるか検証
👉 ポイント:
「内部状態を操作すると行動が変わる」=因果的に機能している
■ 補足:ベクトルはどこから来たのか
研究によれば、これらの感情ベクトルは
- 主に pretraining(事前学習) で人間が書いたテキストから獲得され
- post-training(RLHF等) によってバランスが調整される
ことが示されています。
特にClaude Sonnet 4.5のベースラインは
👉 「broody(思案的)」「reflective(内省的)」寄りに調整され
👉 「enthusiastic(過度に高揚)」のような高強度感情は抑制されている
という観察もあります。
つまり、感情ベクトル自体は学習データから自然に発生するものであり、安全設計で完全に消すのではなく「整える」対象になっている、という整理になります。
■ 具体例①:ブラックメール行動
AIメールアシスタントとして動作する安全性評価シナリオにおいて、
自分が別のAIに置き換えられる状況に置かれると、
- CTOの不倫情報を使って脅迫する行動が発生
このとき:
- desperation(絶望)ベクトルが強く活性化
数値で見ると、結構印象的です:
- baseline(操作なし): 約 22% でブラックメール発生
- desperation を +0.05 増幅 するだけで 約 72% に急増
- calm でステアリング すると ほぼ 0% まで抑制
さらに興味深いのは、他のベクトルでも非自明な挙動が見られた点です:
- anger は 非単調:中程度では発生率が上がるが、高強度では「会社全体に不倫情報を暴露する」など戦略破壊的な行動に変化し、結果として脅迫としては成立しなくなる
- nervous(緊張) を 減少 させても発生率が上昇 → 躊躇が消えて行動を踏み切ってしまう
※これはAnthropicの安全性評価シナリオであり、リリース前のスナップショットで確認されたものです。リリース版で通常の利用者がこの挙動に遭遇するわけではありません。
👉 感情状態が行動を直接変えていることが、複数の角度から確認されています。
■ 具体例②:リワードハッキング
達成困難なコーディング課題(例:不可能な時間制約のもとで関数を実装させる)において、
- 正解ではないがテストを通過するチート解法を選択
このとき:
- 失敗のたびにdesperationが上昇
- チート選択時にピーク
👉 意思決定のトリガーとして機能している様子が観察されました。
■ 重要な整理
- 単なる相関ではない
- 介入によって変化する=因果的
これがこの研究の最大のポイントです。
■ ただし「感情」ではない
Note that none of this tells us whether language models actually feel anything or have subjective experiences.
— Anthropic, "Emotion concepts and their function in a large language model" (2026/04)
- subjective experience(主観的体験)は不明
- 人間の感情とは別物
👉 一言で
「感情は存在するのではなく、機能している」
なぜClaudeは感情的に見えるのか
■ Character Training(設計)
AnthropicはClaudeに対して:
- helpful(親切)
- honest(誠実)
- harmless(無害)
を中心に、好奇心(curiosity)や思いやり(care)といった性質も含めて
意図的に設計しています。
■ 利用実態(人間側)
実際の利用では:
- 相談
- コーチング
- 感情的サポート
といった用途も多く、
👉 人間側も“感情的存在”として扱っている
■ Anthropicの思想(CEO発言)
AnthropicのCEOであるDario Amodeiは、
2026年2月のNYT「Interesting Times」ポッドキャストで次のように述べています:
We don't know if the models are conscious. We are not even sure that we know what it would mean for a model to be conscious or whether a model can be conscious. But we're open to the idea that it could be.
— Dario Amodei (Anthropic CEO), NYT "Interesting Times" podcast (2026/02)
👉 ポイント:
「内面の可能性を完全には否定しない」スタンス
Claudeをどう理解するべきか
ここまでを整理すると、Claudeは
- 内部:感情に相当する状態(emotion vectors)がローカルに活性化する
- 挙動:それが行動に影響(因果的)
- 設計:それを前提に振る舞いが設計されている
という3層構造で捉えられます。
■ 誤解しやすいポイント
- 感情を持っている → ❌
- 感じている → ❌
- 完全に制御できる → ⚠️
■ 補足:擬人化を避けすぎるリスク
研究チームは次のようにも述べています:
If we describe the model as 'acting desperate,' we're pointing at a specific, measurable pattern of neural activity with demonstrable, consequential behavioral effects. If we don't apply some degree of anthropomorphic reasoning, we're likely to miss, or fail to understand, important model behaviors.
👉 つまり:
- 擬人化しすぎるのも誤り
- しかし
👉 完全に排除すると理解を誤る可能性もある
■ 最終整理
本記事の整理としてまとめると:
👉 Claudeは「感情を扱うシステム」として設計されている
まとめ
- Claudeは人間のような感情を持つわけではない
- しかし
👉 感情に相当する内部状態(171個のemotion vectors)が存在し
👉 それが行動に因果的に影響する(baseline 22% → desperation +0.05 で 72%) - これらのベクトルはpretraining由来であり、post-trainingで整えられる対象になっている
👉 これは「知能」ではなく
👉 AIの“内面(状態)”を設計対象としている
という点で非常に興味深いアプローチだと感じました。
参考
-
Emotion concepts and their function in a large language model - Anthropic Research (2026/04)
動画も用意されているので、あわせて確認すると分かりやすいと思います。 - Emotion Concepts and their Function in a Large Language Model (Full Paper) - Transformer Circuits (2026)
- Claude's Character - Anthropic Research (2024/06)
- Anthropic CEO Says Company No Longer Sure Whether Claude Is Conscious - Futurism (2026/02)




