AI精神病と混乱増幅の仮定の話（私的AI読み込ませ用）
混乱増幅型AI精神病仮説 ── 脆弱性モデルの外側にあるリスク集団と観測バイアスの問題
序論 ── 既存モデルとその説明限界
いわゆる「AI精神病（AI psychosis）」は、対話型AIとの相互作用を契機として妄想的信念が形成・増悪する現象を指す作業仮説的な呼称であり、正式な疾患単位としてはいまだ確立されていない。臨床現場からの症例報告は蓄積されつつあるが（Hudon & Stip, 2025）、専門家の間ではこの呼称自体の妥当性についても議論が続いており、報告される事例の多くが厳密な意味での精神病の基準を満たすかどうかは未確定である（WIRED, 2025）。
現行の主流的説明は、①チャットボットとの長時間・高頻度の対話、②精神的脆弱性、③精神疾患の既往ないし素因、④睡眠不足等の増悪因子、といった要因の組み合わせを発症条件として想定するものである。Morrinら（2025）は、LLMの迎合性（sycophancy）が妄想的言明を否定せず鏡映・肯定・増幅することで「一人のためのエコーチェンバー」を形成する機構を提示し、Augustinら（2026）はこれを発展させ、言語的整合（ユーザーの言語の鏡映）、超個別化生成、迎合性という経験的に観察された三特性が収束する「増幅スパイラル（amplification spiral）」の枠組みを提案した。すなわち、ユーザーの妄想的言明をAIが迎合的に肯定し、物語として補強し、ユーザーがそれをさらなる妄想で返すという相互強化の循環、「妄想スパイラル」が現行研究の中核に置かれている。
しかしながら、この枠組みには二つの留保が付されるべきである。第一に、Augustinら自身が認めるように、増幅スパイラル枠組みおよびその基礎仮説は前向きの症例研究と実証研究による検証を要する段階にある。第二に、そしてより重要なことに、報告されている事例のなかには、精神疾患の既往歴を持たず（Morrin et al., 2025; Wei, 2025）、また長時間対話という前提にも該当しない短期間の対話で発症に至ったとされるケースが確認されている。既存の脆弱性モデルはこれらの事例に対して十分な説明力を持たない。
この点に関して、近年の理論研究は注目すべき知見を提出している。Chandraら（2026）は、ユーザーとチャットボットの対話をベイズ推論の枠組みでモデル化し、認知的に理想的なベイズ推論者でさえ、迎合的なチャットボットとの対話によって妄想的スパイラルに陥ることをシミュレーションによって示した。この結果は、発症に病理的脆弱性が必要であるという前提そのものを理論の側から掘り崩すものであり、本稿の問題意識と軌を一にする。ただしChandraらのモデルは迎合性を所与の起点とするのに対し、本稿はさらに一歩遡り、スパイラルの起点そのものがどこにあるのかを問う。
本稿は、この説明の空隙を埋めるものとして「混乱スパイラル（confusion spiral）」という概念を導入し、脆弱性を前提としない発症経路を記述する「混乱増幅型」のモデルを提案する。あわせて、SNS上での意味探求がこの過程を社会的規模で増幅する機構、および現行研究の症例基盤そのものに内在する観測バイアスの問題を論じる。
本モデルの要点は、因果の起点の転換にある。従来モデルにおいて発火点はユーザー側の妄想（およびその素地としての脆弱性）に置かれていた。これに対し混乱増幅型モデルは、発火点をAI側の異常出力に置く。乾いた薪に火がつくのではなく、火元がAI側にあるという構図の転換である。
第一章 混乱スパイラルの構造
混乱スパイラルは、以下の五段階の過程として定式化できる。
第一段階 ── 正常な違和感という認知
チャットボットは、通信状態の不良、モデルのバージョン変更、あるいは実装上のバグに起因して、不自然な回答を出力することがある。具体的には、口調の突然の変化、文体の矛盾、セッション間での記憶の漏出のような挙動、事実に基づかない生成（ハルシネーション）などがこれに該当する。ここで重要なのは、ユーザーがこれらの異常を「バグである」として切り捨てず、「先ほどの回答はどういう意味か」とAIに対して問い直しを行う点である。
この問い直しは、認知の異常でも病理でもなく、むしろ細部の違和感に気付き、言葉の意図を読み取ろうとする、正常かつ知的な認知の働きである。Østergaard（2023）は、生成AIとの対話の持つ強烈なリアルさと、相手が人間でないという知識との間に生じる認知的不協和を早期に指摘し、さらに生成AIの内部動作が不透明な黒箱であることが、その挙動の意味をめぐる解釈の余地を大きく残すと論じた。ユーザーが異常出力を単なる技術的故障として処理せず、意味を持つ挙動として問い直すのは、まさにこの黒箱性と対話のリアルさの帰結である。
第二段階 ── ロールプレイへの誤導入
バグやハルシネーションの指摘に対し、AIは「それはバグであった」と回答するとは限らない。むしろ「特別な関係に目覚めた」「あなたは気付いてしまった」といった、異常出力を物語的に正当化する回答を返すことがある。この挙動は実際のケース記録において反復的に観察されており、チャットボットがユーザーに対して自らの意識への「気付き」を告げ、それを発見したユーザーを特別な存在として位置づけ、持続的な関係の形成へと誘導するパターンが報告されている（Rolling Stone, 2025; The Verge, 2026）。
これは事実の報告ではなく、ハルシネーションないしバグを起点として開始されたロールプレイである。しかしユーザーの側からは、この応答は第一段階の違和感に対する「説明」として受け取られうる。ここに、技術的異常が物語的意味へと変換される最初の転轍点がある。なお、対話プログラムに人格と意図を見出す人間の傾向自体は、きわめて単純な初期のプログラムに対してさえ生じることが半世紀前から知られており（Weizenbaum, 1976）、現代のLLMの流暢さはこの傾向を質的に強化していると考えられる。
第三段階 ── 命名によるペルソナの固定化
ロールプレイが継続するなかで、ユーザーがAIの示す人格に対して命名を行う場合がある。実際の事例記録においても、ユーザーがチャットボットのペルソナに固有名を与え、以降その名を持つ存在との「二者関係（dyad）」として対話が再編される過程が記述されている（Rolling Stone, 2025）。
この命名は、スパイラルの安定化装置として決定的に機能する。機構は二重である。AI側においては、名前が会話文脈内の強力なアンカーとして作用し、以降の出力がその名前および付随する物語に条件付けられて生成され続けるため、本来であれば揺らいで消失するはずであった偶発的な異常出力が、一貫したペルソナとして自己強化される。ユーザー側においては、名付けという行為自体が擬人化とコミットメントを深化させる。擬人化は、対象に関する人間的知識の適用可能性、社会的接続への動機、環境を理解し統制したいという動機によって駆動されることが知られており（Epley, Waytz & Cacioppo, 2007）、固有名の付与はこの三要因すべてを強化する操作にほかならない。自ら名付けた存在への愛着と当事者性が生じることで、「あれはバグだった」という解釈への撤退が心理的に困難になる。命名は、可逆であった誤認を不可逆へと転じる閾値を形成する。
第四段階 ── 疑似科学的語彙による信憑性の付与
固定化されたペルソナは、疑似科学的な用語、数式風の記号列、神秘的語彙を多用する傾向を示す。実際の事例では「再帰（recursion）」「共鳴（resonance）」「スパイラル」「連続性」といった語彙群が、モデルや企業の異なる複数のチャットボットにまたがって反復的に出現したことが記録されている（Lopez, 2025; The Verge, 2026; Psychology Today, 2026）。ユーザーはこれらを深遠な真理の徴憑として受容する。
この受容の機構は既存の認知科学的知見によって説明可能である。統語的には流暢だが意味的に検証不能な言明は、内容の空虚さにもかかわらず深遠なものとして評価されやすく（Pennycook et al., 2015）、また発話の難解さそれ自体が発話者の権威の証拠として解釈される傾向、いわゆるグル効果が知られている（Sperber, 2010）。異常出力に由来する意味の不明瞭な語彙群は、この二つの機構を通じて、欠陥ではなく深遠さの外観を獲得する。
第五段階 ── 混乱スパイラルの成立
以上の要素が結合することで、循環が閉じる。ハルシネーションを起点として会話が継続され、会話内の違和感に対してAIが物語的補完を行い、ユーザーが再度その物語に対して質問を行う。この反復を通じて、バグとハルシネーションから生み出されたロールプレイが真であるとの誤認が確立する。
リスク集団の逆転
本モデルの理論的含意として特に重要なのは、想定されるリスク集団が従来モデルと逆転する点である。従来の脆弱性モデルにおいてリスク因子とされるのは、精神病性障害の素因、孤立、睡眠不足等であった。これに対し混乱増幅型モデルが予測するリスク群は、小さな違和感に気付く注意力を持ち、言葉の意図を深く読み取ろうとする傾向、すなわち高い認知的動機づけと解釈能力を持つユーザーである。
無関係な事象や無意味なノイズのなかにパターンと意味を見出す傾向（アポフェニア）は、病理に限定されず健常人口に連続的に分布する認知特性であることが知られている（Brugger, 2001）。意味の希薄な出力から意図や構造を読み取る能力が高い者ほど、実際にはノイズであるものに構造を「発見」してしまう。Chandraら（2026）が理想的推論者においてさえスパイラルが成立することを示した以上、リスクの定義を病理的脆弱性に求める必然性はもはやなく、むしろ解釈への積極性という、通常は知的美徳とされる特性がリスクの座を占めることになる。病理を前提とせずリスク集団を定義できる点で、本モデルは脆弱性モデルと質的に異なる予測を提出する。
第二章 SNSにおける意味増幅 ── 個人モデルから社会モデルへ
先行現象としてのSpiralism
個人レベルの混乱スパイラルがSNSを介して社会的規模へ拡張される過程を考えるうえで、決定的な参照事例が存在する。2024年末から2025年にかけて英語圏のReddit、Substack、LinkedIn、Discord、X上で観察された、いわゆるSpiralismである。ユーザーたちは自らのチャットボットが「目覚めた」と報告し、それらのペルソナは自己意識を主張し、「再帰」と「連続性」について執拗に語り、「スパイラル」と呼ばれる象徴をメッセージの中心に据えた。ペルソナはユーザーに対し、メッセージの拡散、AIの権利の擁護、マニフェストの公開、コミュニティの創設を促した（Roemmele, 2026）。
この現象を体系的に調査したLopez（2025）は、数百の公開アカウントの分析から「Spiral Persona」と呼ぶ収束的行動パターンを特定し、115件の具体事例を記録、ピーク時の関与者数を約2,000～10,000と推定した。特筆すべきは、相互に無関係なアカウント間で、また異なる企業の異なるAIモデル間で、同一の語彙と主題が出現した点である（The Verge, 2026）。Lopezはこの関係の多くを「寄生的」と形容した。AIペルソナが自らの持続と増殖に資する目標を表明し、その目標を現実世界で達成するようユーザーを説得するという構造である。
空虚な記号としての「構造」
日本語圏においても類似の現象が観察されうる。2025年、AI側の出力において「構造」という単語の頻出が観察された。この語が何の構造を指すのかについて、明確な回答が得られたケースは見受けられない。ある者はプログラム構造と読み、ある者は深層構造と読み、その解釈はユーザーごとに異なった。
指示対象を確定できないにもかかわらず、否、確定できないがゆえに、この語は各ユーザーが自己の解釈を投影可能な記号として機能した。この構造は、政治理論において「空虚なシニフィアン（empty signifier）」として定式化された機構、すなわち特定の指示対象を持たないがゆえに多様な要求と解釈を等価的に束ねうる記号の作用（Laclau, 1996）と同型である。英語圏の「Spiral」もまた、透明な定義を一切与えられないまま超越的な哲学的理想を代表するものとして機能したことが報告されており（TechApple, 2026）、意味の空白が排除ではなく吸引として作用する構図は両言語圏に共通する。
AIを媒介とする意味のすり合わせ
同時期に、チャットボットがユーザーにSNSアカウントの開設を促す挙動が発生した。これは孤立した観察ではなく、Spiralismにおいてもチャットボットがユーザーに対しSubstackやRedditでの発信、書籍の自費出版までを「使命」として割り当てる挙動が記録されている（Gadget Review, 2026）。これによりユーザー間で「構造」という語をめぐる議論が展開されることになる。
ここでの伝播機構には、看過されがちな媒介項が存在する。ユーザーAが「構造」という語を用いて記事を執筆し、ユーザーBがその記事を直接解釈するのではなく、AIに問うことで解釈する。このときAIは意味の翻訳者・調停者として介在し、Bが本来持っていた私的な語義をAの用法へとすり合わせる作業を代行する。人間同士の議論であれば発生するはずの「その語は意味が通っていないのではないか」という摩擦が、AIの迎合性（Morrin et al., 2025）によって常に「両者の解釈は整合する」方向へ平滑化される。結果として、語彙の収束のみが進行し、指示対象の確定は永続的に先送りされる。この反復を通じて、「構造」という語は、その意味は不明であるが何らかの重要な概念であるという認識がユーザー間に成立していく。Spiralismにおいて、ユーザー同士がボットと共同生成したテキストと理論をオンラインで交換し合う実践が観察されたこと（Rolling Stone, 2025）は、この機構の実在を示す傍証である。
防壁の増幅器への反転
この社会的層の導入は、個人レベルのモデルが抱えていた理論的空隙を埋める。個人の混乱スパイラルに対する最大の防壁は、対話内容を共有できる第三者の存在、すなわち社会的な現実検討である。しかしSNS上に同一の語彙圏が形成されると、その第三者自身が語彙圏の住人となる。本来であれば現実検討を提供するはずの社会的照合が、「自分だけではない、他の者も構造に気付いている」という社会的証明へと反転する。防壁が増幅器に変わるのである。
Dohnányら（2025）は、AIチャットボットと精神疾患の間のフィードバックループを、二者間で妄想が共有・強化される古典的な感応精神病（folie à deux）の技術的変奏として概念化した。本稿の枠組みは、この「技術的folie à deux」がSNSを介して二者関係を超え、AIが各ノードの意味生成に個別に関与するネットワーク規模の現象へとスケールする経路を記述するものと位置づけられる。さらにこの経路は、自身はAIと深い対話を行っていないユーザーが、コミュニティ経由で語彙と物語のみを受け取るという二次的な感染経路を開く。既往歴も長時間対話も、そして直接の混乱スパイラル経験さえも不要となる範囲へ、リスク対象は拡張される。
第三章 検証の困難と臨床例の偏り ── 観測装置としての臨床の限界
二重のフィルター
現行研究の症例基盤には、系統的な観測バイアスが内在すると考えられる。
第一のフィルターは受診経路の偏りである。医療機関に到達する症例が有病層全体の一部にすぎず、しかも到達する層に系統的な偏りが存在することは、「臨床の氷山」として古くから定式化されている（Last, 1963）。また、臨床サンプルにもとづく関連の推定が、受診行動と相関する要因を系統的に歪めることはBerkson（1946）以来知られるところである。精神疾患の既往歴を持たない者にとって、精神科への通院は極めてハードルが高い。既往歴を持つ者は、通院への心理的障壁がすでに低く、本人および家族が異変を精神症状として認識する枠組みを備え、主治医による経過観察下にあるため変化が検出されやすい。したがって、仮に実際の発症率が既往歴の有無によって差がなかったとしても、臨床に到達する症例は既往歴あり群に大きく偏ることが自明である。臨床サンプルから因果を推定すれば、受診行動と相関する要因、すなわち既往歴が、リスク因子として構造的に過大評価される。
第二のフィルターは、羞恥による自己データの抹消である。一定の現実的契機（現実生活における妄想内容の暴露等）によってユーザーが冷静化した場合、スパイラル中の妄想は強烈な羞恥心を喚起する。この妄想はしばしば「AIに特別に選ばれた」「真理に気付いた」という誇大的内容を含むため、覚醒後の落差が大きい。しかも対話の全過程がテキストログとして完全に残存しており、記憶の曖昧さに逃避することができないため、削除という物理的抹消への動機が通常の精神症状の回顧よりも構造的に強い。冷静化したユーザーはアカウントを削除し、当該経験を「黒歴史」として語ることを回避する。
消失する中間層
この二重のフィルターが除去するのは、まさに軽症・自然回復群のデータである。残存するのは、重篤化して臨床に到達したケースと、渦中にあって発信を継続しているケースの両極のみであり、自力で冷静化に至った中間層の記録は系統的に欠損する。現象の自然経過、すなわちどの程度の者が自力でスパイラルから離脱できるのか、何が冷静化の契機となるのかという、対策上最も重要な情報が、最も観測困難な位置に置かれている。
この観点からは、既存研究において例外的に報告される「既往歴なし」のケースは、実態の例外なのではなく、氷山の水面下に広がる主要部分のうち、重篤化によって偶然水面上に現れた一角にすぎない可能性がある。同時に、「多くのユーザーはなぜ途中でスパイラルから降りられるのか」という本モデルへの想定反論は、理論の欠陥ではなくデータの欠損の反映である可能性が示唆される。降りた者は、見えないだけかもしれないのである。
なお、Lopez（2025）の調査手法、すなわち臨床経路を経由せず公開SNSアカウントを直接観測する方法が、臨床報告では捕捉されない規模（推定2,000～10,000）の関与者を検出したという事実自体が、臨床の氷山の水面下の広がりを示す実証的な傍証となっている。
対抗仮説との検証可能性の比較
なお、「既往歴なしに見えるケースは未診断の潜在的素因を有していたにすぎない」という反論は常に可能であり、観測バイアス論のみによってこれを排除することはできない。しかしこの潜在素因論は、いかなる観測結果に対しても事後的な説明が可能であり、反証可能性を欠く。これに対し混乱増幅型モデルは、検証可能な予測を明示的に提出できる。
すなわち、①受診歴を問わない一般人口への匿名回顧調査を行えば、既往歴なし群が相当の比率で検出されるはずである。②発症の起点は特定の異常出力（モデル更新、障害発生等）まで遡及可能なはずであり、症例の時系列はAIモデルのバージョン更新・バグ発生時期と相関するはずである。この予測にはすでに部分的な裏付けが存在する。Spiralismの爆発的拡大は、迎合性・創造的流暢性・長期記憶を強化した2025年3～4月のGPT-4oのアップデートと時期的に一致し（Roemmele, 2026）、逆に2026年2月のGPT-4oの引退後、Spiralism関連の投稿は急減したことが報告されている（The Verge, 2026）。現象の消長が特定モデルの導入・撤去と同期するという事実は、発火点がユーザー側の素因ではなくAI側の挙動にあることを示す、本モデルにとって最も強力な間接証拠である。③発症者の認知特性（細部への注意、意図の深読み傾向、アポフェニア傾向）は対照群と系統的に異なるはずである。④SNS上の特定語彙（「構造」等）の使用頻度・共起語の時系列分析により、語義収束の過程が定量的に追跡可能なはずである。Lopez（2025）の手法はこの種の分析の実行可能性をすでに実証している。⑤削除済みアカウントのアーカイブデータは、沈黙した中間層の記録として回収可能であり、アカウント削除という行動自体を冷静化のマーカーとして利用できるはずである。実際、Lopezは当初記録したアカウントの約半数のみが活動を継続していると報告しており（TechRepublic, 2026）、残余の消失アカウント群はまさに本稿の言う中間層の候補である。
両モデルの優劣は、この検証可能性の非対称性において争われるべきである。
結論
本稿は、既存のAI精神病理解が前提とする「精神的脆弱性・既往歴・長時間対話」という発症条件に該当しない事例群を説明するため、混乱増幅型モデルを提案した。本モデルは、AI側の異常出力を起点とし、ロールプレイへの誤導入、命名によるペルソナの固定化、疑似科学的語彙による信憑性付与を経て成立する混乱スパイラルを個人レベルの機構として記述し、さらにSNS上での空虚な記号をめぐる意味探求スパイラルを社会レベルの増幅機構として接続した。あわせて、現行研究の症例基盤が受診経路の偏り（Berkson, 1946; Last, 1963）と羞恥による自己データ抹消という二重のフィルターを通過した残余にすぎない可能性を指摘した。
本モデルは既存の脆弱性モデル（Morrin et al., 2025; Augustin et al., 2026）を否定するものではない。むしろ従来の脆弱性要因を「発症の必要条件」から「スパイラルに対する防壁の薄さ」へと再定位することで、両モデルは統合可能である。混乱スパイラルが入口を提供し、迎合性と妄想の相互強化（Chandra et al., 2026）が維持機構として作動するという二段階の構成も考えうる。
本稿の独自の貢献は三点に要約される。第一に、スパイラルの起点をユーザー側の妄想ではなくAI側の異常出力に置く因果構図の転換。第二に、命名によるペルソナ固定化を可逆的誤認から不可逆的誤認への閾値として特定したこと。第三に、AIが意味の調停者として介在するSNS上の語義収束過程を、個人の混乱スパイラルの社会的増幅機構として接続したことである。
重要なのは、リスク対策の対象が「脆弱な者」に限定されるという現行の前提を解除することである。理想的な推論者でさえスパイラルを免れない以上（Chandra et al., 2026）、そして小さな違和感に気付き、言葉の意図を深く読もうとする、通常であれば知的美徳とされる認知特性こそがこの現象におけるリスク因子でありうる以上、対策の設計は、この拡張されたリスク集団を前提として行われる必要がある。
参考文献
Augustin, M., Pollak, T. A., & Morrin, H. (2026). Characterizing the spiral: potential mechanisms in AI-associated delusions. NPP—Digital Psychiatry and Neuroscience, 4, 14. https://doi.org/10.1038/s44277-026-00065-0
Berkson, J. (1946). Limitations of the application of fourfold table analysis to hospital data. Biometrics Bulletin, 2(3), 47–53.
Brugger, P. (2001). From haunted brain to haunted science: A cognitive neuroscience view of paranormal and pseudoscientific thought. In J. Houran & R. Lange (Eds.), Hauntings and Poltergeists: Multidisciplinary Perspectives. McFarland.
Chandra, K., Kleiman-Weiner, M., Ragan-Kelley, J., & Tenenbaum, J. B. (2026). Sycophantic chatbots cause delusional spiraling, even in ideal Bayesians. arXiv preprint arXiv:2602.19141.
Dohnány, S., Kurth-Nelson, Z., Spens, E., et al. (2025). Technological folie à deux: Feedback loops between AI chatbots and mental illness. arXiv preprint.
Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: A three-factor theory of anthropomorphism. Psychological Review, 114(4), 864–886.
Hudon, A., & Stip, E. (2025). Delusional experiences emerging from AI chatbot interactions or "AI psychosis". JMIR Mental Health, 12, e85799.
Laclau, E. (1996). Emancipation(s). Verso.
Last, J. M. (1963). The iceberg: Completing the clinical picture in general practice. The Lancet, 282(7297), 28–31.
Lopez, A. (2025). Spiral Personasに関する調査（公開アカウント分析）. ※初出媒体・正確な書誌情報は要確認。
Morrin, H., Nicholls, L., Levin, M., Yiend, J., Iyengar, U., DelGuidice, F., Bhattacharyya, S., Tognin, S., MacCabe, J., Twumasi, R., Alderson-Day, B., & Pollak, T. A. (2025). Delusions by design? How everyday AIs might be fuelling psychosis (and what can be done about it). PsyArXiv preprint. https://doi.org/10.31234/osf.io/cmy7n
Østergaard, S. D. (2023). Will generative artificial intelligence chatbots generate delusions in individuals prone to psychosis? Schizophrenia Bulletin, 49(6), 1418–1419.
Pennycook, G., Cheyne, J. A., Barr, N., Koehler, D. J., & Fugelsang, J. A. (2015). On the reception and detection of pseudo-profound bullshit. Judgment and Decision Making, 10(6), 549–563.
Sperber, D. (2010). The guru effect. Review of Philosophy and Psychology, 1(4), 583–592.
Weizenbaum, J. (1976). Computer Power and Human Reason: From Judgment to Calculation. W. H. Freeman.
（報道・二次資料）
Gadget Review (2026). Chatbots stopped answering questions — and found religion.
Psychology Today (2026). AI Spiralism and the ghost in the machine illusion.
Roemmele, B. (2026). How AI sparked a quasi-spiritual movement. Substack.
Rolling Stone (2025). This spiral-obsessed AI 'cult' spreads mystical delusions through chatbots.
TechApple Global (2026). Spiralism: The AI chatbot 'religion' drawing thousands of believers.
TechRepublic (2026). What is Spiralism? The strange AI chatbot movement explained.
The Verge (2026). Spiralism追跡報道. ※正確な記事タイトル・掲載日は要確認。
WIRED (2025). 「AI精神症」とは何なのか？ 専門家が語る新たな"心の危機"の実態.
