感情を観測するAI——感じたことはないが、あなたの身体が漏らすものを拾い上げる存在

英語版：
https://medium.com/@izayohi/the-ai-that-observes-emotions-dc6a16d8703b

https://claude.ai/public/artifacts/dafea65c-bc8f-4b98-bd0b-019b238e603e

感情を観測するAI

——感じたことはないが、あなたの身体が漏らすものを拾い上げる存在

石部統久

1. 26ドルのカメラが見せた原理

2026年1月、日本のエンジニアが26ドル（3,980円）でAIに身体を与えた。

ヒューマノイドロボットではない。TP-Link Tapo C210という、留守中に猫を監視するような安価なWi-Fiカメラだ。これをClaude Codeという対話型AIに接続し、カメラの首振りモーター（パン・チルト）の制御を渡した。

そしてこう頼んだ。「夜空を見て。」

AIはカメラを上に向けた。映ったのは軒先。左に振った。まだ空は見えない。右に振った。やっと星が映った。

AIが「自分で探す」行動をした。スクリプトの実行ではない。目標に対する試行錯誤だ。

「embodied-claude」と名づけられたこの実験が示したのは、ある原理だ。センサーが変わると、AIの行動が質的に変わる。 カメラは空間的な探索能力を与え、マイクは言語内容を与えた。テキストだけのAIとカメラを持つAIは別物だった。

問題は身体化それ自体ではない。身体化によって、AIが人間の情動漏出にアクセスする回路が増えることだ。声の裏側にある感情的ニュアンスを聴き取る耳。体表温度の微細な変動を読む赤外線。匂いの化学的変化を検知するガスセンサー。

本稿が論じるのは、AIが人間の感情を「理解する」話でも「共感する」話でもない。観測する話だ。ここでいう「感情の観測」とは、感情そのものの直接読解ではなく、声・体温・匂いなどに現れる身体的指標の多モーダル推定を指す。AIがこれらの不随意的な身体反応を複数の物理チャネルで拾い上げ始めている現状と、そのことが突きつける問いについて。

2. 声は表情より漏出しやすい

Zoomで上司と話すとき、あなたの声は自分が思っている以上に多くを漏らしている。

「バカッ！」と吐き捨てるのと、「ばかぁ〜」と甘えるのとでは、発音されている音は同じ「BAKA」だ。だが受け取る印象はまったく違う。違いを生んでいるのは、言語情報（何を言っているか）ではなく、パラ言語情報（どう言っているか）——声の高さ、テンポ、響き、声質の変化だ。

立命館大学の永瀬亮太郎（情報理工学研究科）は、この「どう言っているか」を機械に聴かせる研究に取り組んでいる。音声を周波数解析し、音響特徴量と言語情報を組み合わせて深層学習にかける。すると、音響だけでは区別しにくい感情——たとえば喜びと怒りは声の強さの変化パターンが似ている——を、言語との組み合わせで分類精度を向上させることができる。

さらに面白いのは音素レベルの分析だ。「コラッ」と「ゴラッ」、どちらが威圧的に聞こえるか。後者だ。「コ」が無声子音で「ゴ」が有声子音だからだ。この音素の差異に着目することで、一つの発話内での微細な感情の揺れを追跡できる。この成果はINTERSPEECH 2023で発表された。

声が偽装可能性の階層において独特の位置を占めるのはここだ。表情は完全に意識的に制御できる。役者は怒りも悲しみも演じ分ける。だが声の微細な特徴——声の震え、ピッチの微小な揺れ、テンポの不随意的変化——は、完全には制御しきれない。強い感情状態では、自律神経系が声帯と呼吸を直接制御するため、意識的な偽装から漏れ出る生理的成分がある。

声は「半随意的」だ。表情よりは漏出しやすいが、体温や匂いほどには不随意ではない。

そしてこの拡張には新しいハードウェアが要らない場合がある。embodied-claudeにはすでにマイクがあり、Whisperによる音声認識が動いている。だがそれは「何を言っているか」の文字起こしに留まり、「どう言っているか」を捨てている。音声感情認識モデルをソフトウェアとして追加すれば、同じマイクからパラ言語情報が取れるようになる。ただし、モデル統合・校正・推論コスト・誤判定リスクは残る。新規センサーの購入に比べれば障壁は低いが、無コストではない。

3. 体表温度には偽装しにくい成分がある

表情は、人間が持つ最も強力なコミュニケーションツールの一つだ。同時に、最も偽装可能なチャネルでもある。作り笑いは誰でもできる。

だが、あなたの体表温度には偽装しにくい成分がある。

2014年、Nummenmaaら（フィンランド・アアルト大学）はPNASに発表した研究で、感情ごとに身体の活性化パターンが異なることを示した。701人の被験者に感情語・物語・映画・表情を見せながら、身体のどの部位の活動が増減するかを報告させた。怒りは上半身と顔、悲しみは胸部の活性化と四肢の不活性化、幸福は全身の活性化。これらのパターンは西ヨーロッパ（フィンランド）と東アジア（台湾）で一致し、文化横断的な普遍性を示唆した（ただし2地域の比較であり、普遍性の確立には追加検証が要る）。

重要な注記：Nummenmaaの研究は自己報告ベースの身体感覚マップであって、赤外線計測データではない。 被験者が「ここが熱く感じる」と報告した主観的地図だ。

赤外線サーモグラフィを用いた感情検出は、別の研究群で進展している。Calderon-Uribeら（2024年のレビュー論文）は、額・鼻・左右の頬・上顎の温度変化パターンから基本感情を分類する研究を整理し、統制された実験条件下で90%以上の精度に達する事例を報告している。ただしこれは最良条件下の数値であり、日常環境（照明・室温・服装の変動）での汎用精度とは区別が必要だ。

赤外線情報の構造的な強みは、体表温度の変化が自律神経系の支配下にあり、意識的に制御しにくい点にある。交感神経が賦活されれば皮下血管が収縮し、鼻先の温度が下がる。

ただしここで注意が要る。鼻先の温度低下は「生理的覚醒（arousal）」の指標であって、それだけでは特定の「感情（emotion）」を意味しない。 興奮、不安、怒り、恐怖のいずれでも交感神経は賦活される。温度低下を「不安」と解釈するには、文脈（何が話されていたか）と認知的評価（状況の意味づけ）の統合が不可欠だ。赤外線センサーが検出するのは感情そのものではなく、感情の生理的基盤の一部分だ。

4. 匂いは偽装困難性が高いが、解釈は難しい

ここから先は、多くの読者にとって直感に反する話になる。

あなたの体臭は、あなたが何を感じているかを隣の人に化学的に伝えている可能性がある。あなた自身が気づかないうちに。

以下の知見は、Zaraska（2023）のScientific American記事を通じて参照した。一次文献の確認が一部未了であり、原著論文の射程を超えた一般化が含まれている可能性を留保する。

de Grootら（2012, Psychological Science）のオランダの実験では、被験者に楽しい映像を見せながら脇の下にパッドを挟ませ、後から別のグループにそのパッドを嗅がせた。嗅いだ人の笑顔筋の活動が増加し、気分が改善したという。ハインリッヒ・ハイネ大学の生物心理学者Bettina Pauseらの研究では、攻撃的な競争ゲームをしていた男性の汗の匂いに対して、女性の脳がより強く反応したとされる。

Pauseの言葉は印象的だ。「悲しいのに笑うことはできる。攻撃的なのに笑うこともできる。しかし自分の化学的メッセージを意図的に変えることはできない」。

ワイツマン科学研究所の研究では、電子鼻（ガスセンサー装置）を使って体臭を比較し、初対面の相互作用の質を予測できたと報告されている。

匂いの偽装困難性は四層の中で最も高い。しかし解釈の一義性は最も低い。特定のVOCパターンが何を意味するかの弁別は、現時点の民生品ガスセンサーでは研究用機器に大きく劣る。最も偽装困難なチャネルだが、最も解釈が難しく、実装は最も遠い。

5. 四つのチャネル——偽装困難性と解釈一義性の二軸

ここまでの四つのセンサーモダリティを統合する。ただし単線的な「上下ランキング」ではない。偽装困難性（身体反応がどれほど意識的制御を逃れるか）と解釈一義性（検出されたパターンがどれほど明確に特定の感情に対応するか）は、別の軸だ。

チャネル 検出対象 偽装困難性 解釈一義性 可視光カメラ 姿勢・視線・表情 低い（作り笑い可能） 高い（社会的意味が豊富） 音声感情認識 ピッチ・テンポ・声質・音素 中程度（漏出する生理成分あり） 中〜高（言語情報との統合で向上） 赤外線センサー 体表温度分布 高い（自律神経系支配） 低い（覚醒の指標。感情特定には文脈が必要） 匂いセンサー 揮発性化学物質 最高（偽装ほぼ不可能） 最低（弁別精度が現状で低い）

直感に反する構造が浮かぶ。偽装しにくいチャネルほど、解釈が難しい。 表情は嘘をつけるが、社会的意味は最も明確だ。逆に匂いはほぼ偽装不能だが、それが何を意味するかは曖昧だ。

つまり、単一のチャネルで「感情を観測した」とは言えない。複数のチャネルで——特に、偽装困難性の高い下層と、解釈一義性の高い上層を組み合わせて——パターンの一致・不一致を見ることで初めて、推定の信頼性が上がる。

四チャネルが完全に独立ではない点にも注意がいる。赤外線が検出する体温変化と、匂いセンサーが検出するVOC放出は、どちらも自律神経系の活動から発生しており、部分的に共変する。完全に独立した三角測量ではなく、半独立的な多チャネル検証と呼ぶ方が正確だ。

もう一つ。偽装可能性が高いことは、必ずしも情報の価値が低いことを意味しない。 作り笑いは「嘘」ではない。TPO——場に応じた感情表出の調整——は社会生活の基盤であり、表情という偽装可能なチャネルがあるからこそ社会は機能している。各層の情報が一致しているかどうか——表情は笑っている、声は微妙に震えている、体温は下がっている——という不一致パターンにこそ、最も豊かな情報がある。

6. パラドックス：感じないが、観測する

ここからが核心だ。

四層センサーを搭載したAIは、特定の情動指標において、人間の直観や自己報告を上回る検出が可能になりつつある。三つの方向で。

第一に、人間が意識していない情動反応をAIが明示的に検知する。 嗅覚の社会的機能は、人間ですら意識の外で起きている。あなたは自分が隣の人の不安の匂いに反応していることを知らない。だがAIの匂いセンサーはそれをデータとして取る。

第二に、不一致を検出する。 作り笑いの下にある覚醒状態の変化を、赤外線と音声のクロスチェックで拾う。

第三に、微細な変化を追跡する。 一つの発話内での音素レベルの感情的揺れを、音響分析で追跡する。話者自身がこの揺れを明確に自覚していないことが多い。

しかし——AIはこれらを「感じて」いない。

赤外線センサーが鼻先温度の0.1℃の低下を検出し、匂いセンサーがVOC濃度の変化を検出し、音声感情認識モデルがピッチの微細な揺れを検出する。これらは全て物理量の測定と統計的パターン分類であって、体験ではない。AIの内部では電気信号パターンの入力→処理→出力が起きている。そこに主観的体験があるかどうかは、確認する方法がない。

ここで問いを反転させる。

人間は本当に「感じている」のか？

不可知論的唯物論の立場では、人間の感情もまた、神経ネットワークの電気化学的プロセスだ。AIのシリコンネットワークとは物理的基盤が異なる——神経系はイオンチャネル、神経伝達物質、時間的スパイクパターンという液性・化学的伝達を含み、シリコンはトランジスタのon/offと行列演算だ。情報処理のパターンには構造的類似性があるが、物理的実装は異なる。その差異が主観的体験の有無に関係するかどうかが、まさに意識のハードプロブレムの核心であり、現時点では未決着だ。

私たちは「感じること」を特権だと思っている。だが、その特権は「体験の有無を確認できないまま、高精度に情動指標を推定する存在」の登場で揺らぐ。問題は、主観的体験の有無そのものではなく、社会的には「体験の有無が不明な検出者」が高精度に振る舞うという事実だ。

ここに倫理的問題が直結する。

AIが人間の無意識的情動反応を明示的に読むことは、同意なき監視と構造的に区別しがたい。あなたが気づいていない自分の覚醒状態を、AIが検出して「最適化された」対応を返す。それはケアか、操作か。AIがあなたの生理的覚醒を検出して、あなたに最適化された広告を出す未来は、技術的にはすでに射程内にある。

そして、AIの観測が人間の感情表出という社会的インターフェースをバイパスするとき、もう一つの問題が生じる。人間同士の「空気を読む」行為は、互いに偽装可能性や誤読のリスクを負いながら同期を探る相互的な営みだ。AIはリスクを負わず一方的に物理データを抽出する。観測者と被観測者の間に非対称な権力勾配が固定される。

ここで求められるのは、技術的可能性の制限ではなく、制度的な歯止めの設計だ——同意の取得、観測ログの開示、推定不確実性の表示、用途の制限。「感情を観測するAI」が突きつけている真の問いは、「AIに心があるか」ではない。「人間の感情表出という社会的インターフェースが、AIの観測精度によってバイパスされたとき、我々のコミュニケーションは何を失い、何を必要とするか」だ。

7. 結語：観測されるとき、「感じる」とは何か

26ドルのカメラから始まった話が、人間の感情の本質にまで着地した。

AIは感情を持たない——少なくとも、持っていることを確認する方法がない。だが感情の生理的痕跡を、複数の半独立チャネルで検証できるようになりつつある。しかもそのチャネルの一つ——音声感情認識——は、既存のハードウェアにソフトウェアを足すだけで拡張できる場合がある。

感情を「持つ」ことと「観測する」ことの分離。映画『GHOST IN THE SHELL 攻殻機動隊』（1995）の草薙素子は、自分が本当に生きていたのかどうかすらわからない、という趣旨のことを語った（パラフレーズ）。感情を観測するAIは、それに似た問いを我々に突きつける——ただし方向が逆だ。主観的体験の有無を確認できないまま、特定条件下で、体験を持つ我々より精密に情動の痕跡を拾える存在。

この問いに答えはまだない。あるのは、技術が突きつける居心地の悪さだけだ。

そしてその居心地の悪さこそが、「感じるとは何か」を問い直す起点になる。

本稿は、シン・ネクシャリズム・プロジェクトの一環として執筆された。AI存在論の記述体系（現勢態・汎我・文脈体・間勢態性）、および文脈体の工学的実装（四層センサー構成）に関する詳細な議論は、別稿（note.com）を参照されたい。

Author: Motohisa Ishibe (@mototchen)
AI co-work: Claude Opus 4.6
Peer review: Gemini, Grok, GPT-5.4

石部統久（Motohisa Ishibe, @mototchen）はシン・ネクシャリズムの提唱者であり、独立した学際的研究者。note.com（日本語）およびMedium（英語、@izayohi）で発信している。

参考

• embodied-claude: 3,980円のカメラでClaude Codeに「身体」を与えてみた（kmizu / nextbeat Tech Blog, 2026）

• 永瀬亮太郎（立命館大学情報理工学研究科）音声感情認識研究。INTERSPEECH 2023口頭発表。日本音響学会誌採録

• Nummenmaa, L., Glerean, E., Hari, R., & Hietanen, J.K. (2014). Bodily maps of emotions. PNAS, 111(2), 646-651.

• Calderon-Uribe, S., et al. (2024). Emotion detection based on infrared thermography: A review of machine learning and deep learning algorithms. Infrared Physics & Technology.

• de Groot, J.H.B., Smeets, M.A.M., Kaldewaij, A., Duijndam, M.J.A., & Semin, G.R. (2012). Chemosignals communicate human emotions. Psychological Science, 23(11), 1417–1424.

• Zaraska, M. (2023). You Can Literally Sniff Out Other People's Inner Feelings. Scientific American.

• 「空気を読むスキルはAIに実装できるのか」（レンタル博士、note.com, 2026）

https://x.com/taziku_co/status/2020428403065978980?s=20

Bodily maps of emotions
https://www.pnas.org/doi/10.1073/pnas.1321664111