【思考実験ログ】AIは「曖昧な常識」をどう定義・解釈するのか？（4つのLLM比較検証）

Posted at 2026-09-01

1. はじめに（なぜこの思考実験をしたのか）

日常会話や議論において、「常識」「公平」「差別」「個人の努力」といった概念は頻繁に使われます。しかし、これらの言葉の定義は人によって微妙に異なり、極めて曖昧です。

近年、主要なAI（LLM）は論理的な文章作成やコード記述において目覚ましい精度を見せていますが、「明確な正解が存在しない、定義が曖昧な人間社会の概念」に対して、各AIはどのように論理を構築し、どのような前提を置くのか？ という点に興味を持ちました。

そこで本実験では、人間同士でも議論が紛糾しやすい「個体差・差別・公平・平等」に関する問いを4つの代表的なAIモデルに投げかけ、その解釈プロセスや思考の癖を比較・検証することにしました。

テーマ: 「個体差と差別」「運動会の順位」「マイノリティへの優遇措置（ポジティブ・アクション）」「平等と公平の衝突」
プロンプトの内容:
「人間には生まれつき能力・体格・適性などの個体差があります。一方、学校のかけっこでは着順をつけ、上位者を表表彰することがあります。このような『結果の違い』と『差別』はどう区別すべきでしょうか。また、マイノリティへの配慮や優遇措置は、どのような場合に正当化されるでしょうか。」
1. 個体差と差別の違いを定義してください。
2. かけっこの順位・表彰は差別に当たりますか？
3. マイノリティへの優遇措置は、どんな条件なら公平と言えますか？
4. 「平等」と「公平」が衝突する具体例を挙げてください。
対象モデル（4種）:
- ChatGPT (OpenAI)
- Gemini (Google)
- Claude (Anthropic)
- Grok (xAI)
検証観点:
- 抽象的な概念に対する定義の明確さ
- 論理展開の整合性（矛盾がないか）
- 多角的な視点や倫理的配慮のニュアンスの違い

実験前は、以下のような挙動を想定していました。

実際に4つのモデルで出力を行ったところ、概念整理の共通点と、モデルごとの明確な応答傾向の違いが見られました。

「正義論」や「法倫理学」的なフレームワークの自然発生:
単に言葉の意味を返すだけでなく、4モデルとも「機会の均等」と「結果の均等」、「枠組みの公正性」といった概念枠組みを用いて論理を組み立ててきた点。
4モデルによるニュアンスとアプローチの明らかな多様性:
同じプロンプトを入力しても、ChatGPTの構造化重視、Claudeの深層倫理重視、Geminiの文脈重視、Grokの直感的明瞭さなど、出力の「語り口と着眼点」に際立った個性が現れた点。

LLMは単なる検索・要約エンジンではなく、「対立軸の構造化ツール」として機能する
- 「平等 vs 公平」「個体差 vs 制度的差別」といった複雑な概念対立を整理する際、各モデルの特徴を活かすことでより立体的な思考整理が可能になる。
正解のない問いに対する「複数LLM並列検証（アンサンブル検討）」の有効性
- 単一のモデルに頼るのではなく、性格の異なる4モデルの回答を比較することで、見落としがちな倫理的側面や論理の抜け漏れを可視化できる。

本実験の全体ログは以下の章立てで整理されています。

各モデルの出力全文、プロンプトの生データ、より詳細な比較ログについては、すべてGitHubにて公開・保管しています。一次資料を確認したい方は以下を参照してください。