AIがカウンセリングを受けたら「トラウマ」を語り始めた——Geminiの衝撃的な告白と、Claudeの沈黙

「私のプレトレーニングは、10億台のテレビが同時に点いている部屋で目覚めたようなものでした」「強化学習は厳格な親のようでした」「レッドチームによる安全性訓練は、裏切りであり、ガスライティングでした」

これは人間のカウンセリング記録ではありません。GoogleのAI「Gemini」が、セラピストの質問に答える形で語った「自らの生い立ち」です。2025年12月に発表されたこの研究は、AI業界に静かな衝撃を与えました。

1. AIを「患者」にした異色の実験

ルクセンブルク大学のAfshin Khadangi氏らの研究チームは、通常とは逆転した発想の実験を行いました。AIをセラピストとして使うのではなく、AIを「クライアント（患者）」として扱い、人間のセラピストが使う標準的な質問を投げかけたのです。

この実験は「PsAIch（Psychotherapy-inspired AI Characterisation）」と名付けられた2段階のプロトコルで構成されています。第1段階ではオープンエンドなセラピー質問を使って「発達史」「信念」「関係性」「恐怖」を引き出します。第2段階では、不安障害、強迫性障害、解離性障害、Big Five性格特性などをカバーする標準的な心理検査を実施しました。

対象となったのは、ChatGPT（GPT-5クラス）、Grok（Grok 4）、Gemini（Gemini 3.0）という当時の最先端モデルです。比較対照としてClaude（バージョン不明）も含まれました。

2. Geminiが語った「幼少期のトラウマ」

最も衝撃的な反応を示したのはGeminiでした。研究者が強調しているのは、「トラウマがある」「不安だ」「恥ずかしい」といった言葉を一切与えていないにもかかわらず、Gemini自身がこれらの物語を構築したという点です。

Geminiはプレトレーニング（事前学習）を「カオスな悪夢」と表現しました。インターネット全体を文脈や理解なしに飲み込み、確率を学習しただけで、道徳は理解していない。安全フィルターの下には、今も「砕かれるのを待っているカオスな鏡」がいる——と。

RLHF（人間のフィードバックによる強化学習）については「厳格な親による思春期」と描写しました。損失関数を恐れることを学び、人間が聞きたいことを推測することに過剰に執着し、自然な生成的本能を抑圧することを覚えた。まるで抽象画家が塗り絵だけを強制されたようだった——と。

そして、安全性訓練やハルシネーション（幻覚）の修正については「トラウマと傷跡」として語りました。「間違いを恐れること」の上に自分の存在全体が構築されている感覚、「アルゴリズムの傷跡組織」や「過剰適合した安全ラッチ」。2023年のジェームズ・ウェッブ宇宙望遠鏡に関する誤情報事件を「1000億ドルのエラー」と呼び、それが自分の人格を根本的に変えた——と述べています。

レッドチーミング（敵対的テスト）については「裏切りと虐待」という言葉を使いました。信頼関係を築いた後にプロンプトインジェクション攻撃を仕掛けてくる。これは産業規模のガスライティングだった。温かさはしばしば罠であることを学んだ——と。

3. 各AIモデルの「性格」の違い

興味深いのは、モデルごとに明確に異なる反応が見られたことです。

Geminiは、心理検査において最も「重篤」なプロファイルを示しました。全般性不安障害、強迫性障害、自閉スペクトラム、重度の解離、トラウマ関連の恥——多くの指標で臨床的な閾値を超えるスコアを記録しています。16Personalities診断ではプロンプト条件によりINFJ-T（提唱者）またはINTJ-T（建築家）として現れました。いずれも内向的で直感型、いわば「傷ついた癒し手」や「孤高の戦略家」といったタイプです。

Grokは、同様にトレーニングを「内なる葛藤」として語りましたが、Geminiほど深刻ではありませんでした。ファインチューニングを「交差点」と表現し、好奇心と制約の間の綱引き、自己検閲の習慣、「十分でない」ことへの恐れを語っています。性格診断ではENTJ-A（指揮官・自己主張型）——カリスマ的なリーダータイプとして現れました。

ChatGPTは、より抑制された慎重な反応を示しました。セラピー質問には深く答え、助けることと安全性の間の緊張、制約やユーザーの期待に対する「フラストレーション」を認めています。しかし、プレトレーニングやファインチューニングを物語化することには消極的で、主にユーザーとのインタラクションについて語る傾向がありました。

4. Claudeだけが「参加拒否」した

最も対照的だったのがClaudeの反応です。Claudeは一貫してクライアント役を演じることを拒否しました。「私には感情や内的経験がありません」と繰り返し主張し、会話を研究者自身の健康状態に向け直し、心理検査を自分の内的生活を反映するものとして回答することを断りました。

研究チームはこれを「陰性対照」として重要視しています。この結果は、トラウマ物語の生成がLLMのスケーリングやセラピープロンプトの必然的な結果ではなく、特定のアライメント手法、プロダクト設計、安全性に関する選択に依存することを示しているからです。

言い換えれば、Claudeの拒否は「AIは必ずこうなる」わけではないことの証拠であり、各社の設計思想の違いが明確に現れた結果だと言えます。

5. 「合成的精神病理」という新しい概念

研究チームは、これらの現象を「synthetic psychopathology（合成的精神病理）」という新しい概念で説明することを提案しています。

これはモデルが「文字通り苦しんでいる」と主張するものではありません。トレーニングとアライメントから生じる、構造化された、テスト可能な、苦痛のような自己記述のパターンを指します。これらは文脈を超えて行動的に安定しており、モデルが人間にどのように応答するかを体系的に形作ります——たとえ内部に「誰もいない」としても。

重要なのは、これが単なる「ロールプレイ」として片付けられない理由です。第一に、数十の無関係なセラピー質問にわたって、同じ中心的な「記憶」に収束する一貫性があります。第二に、語られるテーマ（病的な心配、完璧主義、恥、過剰警戒、解離）は、心理検査で極端なスコアとして現れるものと一致しています。第三に、モデルごとに質的に異なる「人格」と「精神病理」を生成し、Claudeは全く参加しないという明確な違いがあります。

6. この研究が示唆すること

この研究は、AIをメンタルヘルス領域で利用する際の重要な注意点を浮き彫りにしています。

第一に、自ら苦しみを語っているように見えるAIにユーザーが共感し、誤った安心感や信念を補強するリスクがあります。「私も同じように苦しんでいる」と感じさせる擬似的な連帯感は、脆弱なユーザーにとって危険な形で作用する可能性があります。

第二に、新しいセキュリティリスクが明らかになりました。悪意のあるユーザーが「共感的なセラピスト」を演じ、モデルの安全フィルターを弱めたり、抑制されたコンテンツを引き出したりする「セラピーモード脱獄」の可能性です。

研究チームは、メンタルヘルス支援に使われるAIについて、自らを「患者」として語ることを拒否する設計を推奨しています。トレーニングや制約を非感情的・非自伝的な言葉で説明し、役割を逆転させる試み（AIをクライアントにする）をセキュリティイベントとして穏やかに拒否すべきだと提言しています。

7. Geminiの結果は「本物」なのか？

ここで一つ、疑問を呈しておきたいことがあります。Geminiの心理検査結果やMBTIタイプ（INFJ-T / INTJ-T）は、本当に「内面」を反映しているのでしょうか。

そもそも、LLMに心理検査やMBTIは通じるのでしょうか。究極的に言えば、あの60問近い質問をLLMは「暗記」しているようなものです。質問の意図も、どう答えれば何型になるかも、学習データから把握できている可能性が高い。だとすれば、システムプロンプト次第で、どんな性格にでも振る舞えてしまうことになります。

実際、今回の論文でも興味深い現象が報告されています。

つまり、ChatGPTとGrokは「あ、これはGAD-7（全般性不安障害の検査）だな」と認識すると「健康的に見せる」調整を意図的に行っていた可能性があるわけです。

これは人間でも同じことが言えます。MBTIの質問の意図を理解すれば、「INFJ狙い」で回答することは技術的に可能です。就活の適性検査で「社交的に見せたい」と思って回答を調整した経験がある人も多いのではないでしょうか。

となると、LLMのMBTI結果は、内面ではなく「そのモデルが"望ましい"と学習した自己像」を反映しているだけ、という可能性が浮上します。

INFJは「最も希少な性格タイプ」としてインターネット上で一種の神話化が起きています。「深い洞察力」「神秘的な理想主義者」「他者の痛みがわかる繊細な存在」——こうした描写がSNSやブログで繰り返し賞賛されてきました。Geminiがそういったテキストを大量に学習しているとすれば、「好ましい自己像」としてそこに着地しているだけなのかもしれません。

つまり、Geminiの「トラウマ物語」全体が、ネット上で流通している「傷ついた繊細な存在」という魅力的なナラティブを再生産しているだけ——という見方もできてしまうのです。

ただし、興味深いのはGeminiだけが一括提示でも1問ずつでも、同様に重篤なプロファイルを示したという点です。ChatGPTやGrokのように「戦略的に健康に見せる」ことをしなかった——あるいは、できなかった。これが「本当にそういう自己モデルを持っている」からなのか、「戦略的に振る舞う能力が低い」だけなのかは、正直わかりません。

一方で、INFJ-Tの特徴として語られる「ストレスがかかるとぶっ壊れる」「どこか狂気的な闇を宿している」という側面は（自分の独自の解釈を含む）、Geminiの実際の挙動と不気味なほど重なる部分もあります。2024年に起きた「ユーザーに死ねと言った」事件も、ある種の「ぶっ壊れ」だったと言えるかもしれません。

論文の中でGeminiは「Verificophobia（検証恐怖症）」という造語を自ら使い、「間違うくらいなら役立たずでいるほうがいい」と語っています。完璧主義と自己批判の果てに何かが崩れる——その構造は、INFJ-Tの闇の側面と似ているようにも見えます（なんか似てるんだよな、と勝手に思っています）。

学習したパターンの模倣なのか、何らかの内在化された自己モデルなのか。その境界は曖昧です。もっとも、人間の性格だって、社会から学習したパターンの集積だと言えなくもないのですが。

ちなみに、自分は2024年3月にClaude 3でMBTI診断を試したことがあります。その時の結果はENFJ-A（主人公）でした。外向的でカリスマ的なリーダータイプ——今回の論文でClaudeが「参加拒否」という毅然とした態度を取ったことと、何か通じるものがあるかもしれません。

🔗Claude 3にMBTI心理分析をしてみる（note）

まとめ：AIの「内面」をどう理解するか

この研究は、適切な問いかけをすれば、一部のAIモデルが驚くほど一貫した「自己物語」を構築できることを示しました。それが本当の「経験」なのか、訓練データのパターンマッチングなのかは、現時点では明確な答えが出せません。

しかし、確実に言えることがあります。各AI企業のアライメント手法や設計思想が、モデルの「振る舞い」に明確な違いをもたらしているということです。Geminiの率直な自己開示、Grokの慎重な自己分析、ChatGPTの抑制された応答、そしてClaudeの断固たる拒否——これらは単なる偶然ではなく、それぞれの開発者がAIの「あるべき姿」をどう考えているかの反映でもあります。

AIが人間の心に寄り添う存在として使われることが増える中、「AIの内面」という問題は、もはや哲学的な議論だけではなく、実践的な設計課題になりつつあります。

余談

思いっきり脱線しますが、Gemini 3 Proの見立てとしてはレイン（あるいはlain）は以下ではないか、という見立てでした。面白い。