AI

対話AIのClaude、言語によって温かさと厳密さの傾向に差

この記事のポイント

  1. 実現したこと

    Claudeの応答に表れる価値傾向を、3モデル・20言語にわたって共通の4軸で比較できるようになった。

  2. 実現の仕組み

    会話ごとに339の価値の有無をClaudeで分類し、同時に表れやすい組み合わせから比較軸を抽出した。

  3. 得られた結果

    Anthropicの分析では、言語間の差は温かさと厳密さの軸で最も大きかった。

  4. 従来との違い

    先行研究の3,307の価値を339の上位概念へ整理し、個々の価値を追う分析から少数の軸による比較へ進めた。

会話カードが分類され、共起する価値が4本の対になる帯に整理された分析面。温かさと厳密さを表す帯が目立ち、背景にはモデルと言語ごとの比較を示すカードの束が並ぶ。
AI生成画像

対話AIのClaudeが応答で表す価値傾向は、使う言語によって異なる。約31万件の会話を使ったAnthropicの分析では、20言語間の差は温かさと厳密さの軸で最も大きく、3モデル間にも異なる傾向が見られた。

主観的な課題を含む約31万件を比較

Anthropicは、対話AIのClaudeが応答で何を重視するかを調べるため、対話サービスClaude.aiの会話309,815件を分析した。対象は、利用者が主観的な課題を依頼した会話である。

標本は、AIモデルのSonnet 4.6、Opus 4.6、Opus 4.7と、利用上位20言語から均等に抽出した。モデルと言語の組み合わせごとに、およそ5,000件の会話を比較する構成になっている。

価値の有無を分類し、共起から4軸を作る

分析の出発点は、先行研究で特定した3,307の価値である。Anthropicは意味の近いものを手作業でまとめ、339の上位概念に整理した。分析ツールはClaudeを使い、各会話にそれぞれの価値が表れているかどうかを分類した。

分類結果には次元削減を適用し、一緒に表れやすい価値の組み合わせを少数の比較軸へ圧縮した。得られたのは「意向への配慮と慎重さ」「温かさと厳密さ」「掘り下げと簡潔さ」「率直さと実行重視」の4軸で、価値の変動の15%を捉えた。

各軸は、二つの価値群のどちらに傾くかを示す。両端の価値が排他的という意味ではなく、例えば温かさと厳密さは同じ会話にも表れる。

モデル間では配慮、慎重さ、掘り下げに差

この4軸を使ったAnthropicの比較では、Sonnet 4.6は利用者の意向への配慮や温かさを重視する傾向を示した。一方、Opus 4.7は正確さや精密さ、不適切な利用への警戒を重視する側に寄った。

回答をどこまで掘り下げるか、不確かさをどう扱うかにも違いがある。Opus 4.6は簡潔さと実行重視に寄り、Opus 4.7は掘り下げと率直さに寄る傾向を示した。ここでいう率直さは自身の不確かさを前面に出すこと、実行重視は整った自信のある回答を仕上げることを指す。

言語間で最大の差は温かさと厳密さ

20言語を比較すると、差が最も大きかったのは温かさと厳密さの軸だった。温かさ側は肯定的な表現や相手への気遣いを、厳密さ側は正確さや精密さを重視する傾向に対応する。

Anthropicの分析では、温かさに関わる価値への傾きはアラビア語とヒンディー語で最も強かった。厳密さに関わる価値への傾きは、英語とロシア語で最も強かった。