AIは「こころ」のパートナーになれるか？ ～進化人類学で読み解く、人間と機械の新しい絆～（北星学園大学公開講座）

北星学園大学公開講座（第1回, 2026年7月7日）の講演スライド（全49枚）。言語の「ラベルの罠」とAIという「鏡」、生成AIを「内なる他者」とした授業実践、感情・言葉・場所の研究、そして「AIをどこに差すか（能力の置換か、増設か）」までを、進化人類学の視点で。
資料DOI（Zenodo, CC BY 4.0）: https://doi.org/10.5281/zenodo.21260420
CC BY 4.0
研究者情報: https://researchmap.jp/aonohr/
公開講座ページ: https://www.hokusei.ac.jp/informatics/event/463/

Transcript

1. P U B L I C L E C T U R E 2 0 2 6 . 0 7 . 0 7 AIは 「こころ」 の パートナーになれる か？ 進化人類学で読み解く、人間と機械の新しい絆 小野原 彩香 国際学部 北 星 学 園 大 学
2. A B O U T 自己紹介 専門 統計学・言語学・自然言語処理 研究 感情 × 言語 × 場所 ／ 文化進化 ／ AI × 学習支援 今日の話 教室と研究室で起きていることを、一緒に考えたい 北星学園大学 公開講 02/ 47
3. 最 初 に 、 聞 か せ て く だ さ い Q. AIに相談して、安心したことはありますか？ Q. AIの方が、人より話しやすいと感じたことは？ 03/ 47
4. い ま 起 き て い る こ と 増えている「AIに話す人々」 叱られない バカにされない 何度聞いても嫌な顔をしない —— 一言で言うと 評価されない。 若年層を中心に、悩みや不安をAI に打ち明ける利用例が報告されている。 これは「依存」なのか、そ れとも「賢い使い方」なのか？ APA (2025, Nov). Use of generative AI chatbots and wellness applications for mental health. ／ The Guardian (2025, Dec 9). "I feel it's a friend": Quarter of teenagers turn to AI chatbots for mental health support. 04/ 47
5. 今 日 の 問 い AIは心の 「パートナー」 に なれるのか？ 言語 進化 感情 身体 北星学園大学 公開講 05/ 47
6. 1 P A R T 言語という道具 人類最強の道具の、光と影 北星学園大学 公開講 06/ 48
7. あ る 寓 話 マンモスを素手で倒す大会 —— マンモスを素手で倒す能力を持て余した人間が暴徒化。世界中で大会を開催しまくった結果、 マンモスは絶滅 した。 よくある嘆き 「AIが考えてくれる世の中で、人間が考えなくなった ——けしからん」 でも、こうも言える 石槍で倒せるなら、素手で倒す訓練はもう要らない のでは？ → 今日は、この寓話に隠れた問いを、ひとつずつ掘り下げていきます。 06/ 47
8. PA R T 1 · 言 語 と い う 道 具 人類は「道具」と共に進化してきた そのなかで 言語 は、最強の道具のひとつだった。 石器 300万年前 100万年前 火 農業・文字 1万〜5千年前 600年前 印刷機 インターネット 30年前 現在 生成AI 07/ 47
9. PA R T 1 · 言 語 と い う 道 具 言語は最強の 道具だった 人類が大規模に協力し、環境を作り変えてこられた重要な理由 のひとつ。 01 抽象的な思考 目の前にないものを考え、概念を操作できるようになった 02 記憶の外部化 文字によって、記憶を個体の外へ預けられるようになった 03 大規模な協力 見知らぬ他者とも協力し、環境を改変できるようになった Boyd & Richerson (1985). Culture and the Evolutionary Process. ／ Laland & O'Brien (2011). Cultural niche construction. Biol Theory, 6, 184–202. 08/ 47
10. 言 語 の 副 作 用 しかし言語には「副作用」がある 言語は、いわば 「圧縮アルゴリズム」 のように働く。複雑な現実を、短い言葉に変換する。 —— その代償 実体のない境界を作ってしまう。 できる人 できない人 やる気がある やる気がない —— これ、本当に境界がある？ 09/ 47
11. ラ ベ ル の 罠 ① 「ついていけない学生」 TAの報告 「ついていけない学生がいます」 教員A 「学力が低いのだろう」 教員B 「授業が難しいのだろう」 教員C 「モチベーションの問題だ」 実際 「Moodleにログインできなかっただけ」 10/ 47
12. ラ ベ ル の 罠 ② 「エクセルのできないOL」 ※ AIとの実際の対話でよく起きる、ラベル誤認の例 ユーザーの入力 「エクセルのできないOLです」 AIの推論 「Excel初心者キャラ＝Excel相談に来た人」 実際は 「なぜその操作が必要か」を問う、測定論的思考をする人だった —— AIもまた、ラベルから物語を生成してしまう。 11/ 47 出典：小野原彩香「ExcelのできないOLシリーズ」 ChatGPTとの実際のやりとりを脚本化した半フィクション実験 https://aonoa68.github.io/excel-ol-series/ 実験ログの一部 User： 「excelのできないOLです。VBAはできます。ピボットテーブルができません。」 AI： 「『Excelは苦手だけどVBAはできる』というのは、かなりレアでユニークなスキル構成です」
13. 人 間 も 、 A I も 測定する前に、 ラベルで世界を理解しようとする。 AIは「私たちの認知の鏡」である。 12 / 47
14. ラ ベ ル を 剥 が す ラベルを剥がして「観測事実」に戻る 「ついていけない学生」 Moodleにログインできなかっただけ 「やる気がない社員」 3週間で会議を2回欠席した社員 「エクセルのできないOL」 “ ” なぜ使うのか を問う、測定論的思考をするOL 観測事実に戻らないと、問題が人格・意欲・感情の問題に置き換えられてしまう。 13 / 47
15. PA R T 1 · ま と め 言語・ラベル・鏡 言語は人類最強の道具。しかし「ラベル」という副作用を持つ AIは同じ罠を持つ「認知の鏡」である 罠を自覚したとき、AIは「問い直しの道具」になれる この自覚が、AIを「問い直しの道具」に変える。 14/ 47
16. PA R T 1 · 補 論 脱スキルの、本当の怖さ 文化が累積するのは、知識を次世代へ引き継ぐ 歯止め＝ラチェット があるから。（Tomasello, 1999） 01 ラチェット＝歯止め 獲得した知識が次世代へ引き継がれ、文化は逆戻りせず積み上がる。 02 ツメが外れると 怖いのは能力が消えること自体ではなく、失ったことに気づけなくなること。 本当の怖さは、ツメが外れたことに「気づけなくなる」こと。 Tomasello, M. (1999). The Cultural Origins of Human Cognition. Harvard UP. ／ Henrich, J. (2015). The Secret of Our Success. Princeton UP. 15/ 47
17. 2 P A R T 教室での実践 AIを「内なる他者」として使う 北星学園大学 公開講 16/ 47
18. メ タ 認 知 の 壁 「わからない」を言語化する難しさ 01 「何がわからないか」がわからない —— 自分の理解の状態を捉えられない メタ認知の問題（Flavell, 1979） 02 先生・TAに聞くのが「怖い」 評価されること、「できない子」とラベルを貼られることへの恐怖 —— これは、ラベルの罠（Part 1 “ ” ）の 教育版 。 Flavell, J. H. (1979). Metacognition and cognitive monitoring. American Psychologist, 34(10), 906–911. 17/ 47
19. A I 支 援 型 リ フ レ ク シ ョ ン モ デ ル AIを「内なる他者」として位置づける 推論を吟味し合う相手として AI を置き、「理論化」と「操作化」の2 層で組み立てる。 （Mercier & Sperber, 2011） 学習者 入力 LAYER 1 · 理論化 なぜ使うのか AIを「内なる他者」として配置。評価しない対話 パートナーにする。 LAYER 2 · 操作化 どう使うのか ① 困難点の特定 ② 概念の深掘り ③ 社会的文脈 ④ 感情の省察 ⑤ 次なる学習 裏取り 振り返り ・まとめ Mercier & Sperber (2011). Why do humans reason? Behav Brain Sci, 34(2), 57–74. ／ 小野原彩香（投稿中）. 内なる他者との対話. リメディアル教育研究. 18/ 47
20. PA R T 2 · 内 な る 他 者 と の 対 話 5段階プロンプトの実践 1 困難点の特定 ◦◦ 「今日難しかった点は である」 2 概念の深掘り ◦◦ 「 がよくわかりません、別の具体例を」 3 社会的文脈 「この統計は社会のどんな理解に役立つ？」 4 感情の省察 ◦◦ ◦◦ 「 のグラフに驚いた、その理由は 」 5 次なる学習 「理解をまとめ、次に学ぶことを3つ提案して」 19/ 47
21. 裏 取 り ル ー ル もっともらしい嘘と「裏取りルール」 01 · THE BUG AIは、もっともらしい嘘をつく 事実のような顔で、誤りを語ることがある（ハルシネーション）。 02 · THE FEATURE その「もっともらしさ」が、教材になる 批判的思考を訓練する、絶好の機会に変えられる。 「それは本当ですか？ 別の情報源でも確かめてください」 認識的警戒 · EPISTEMIC VIGILANCE AIへの問いが、自分自身への問いになる。誤りに気づき、教科書や元のデータと照らす「裏取り」の習慣が育つ。 Ji et al. (2023). Survey of hallucination in NLG. ／ Sperber et al. (2010). Epistemic vigilance. Mind & Language, 25(4), 359–393. 20/ 47
22. デ ー タ ① AI支援指数の縦断変化 回を重ねても、AI支援の手応えは高い水準で推移した（平均＝太線）。 横軸＝演習の回 縦軸＝5段階評価（高いほど手応え大） 小野原彩香（投稿中）「内なる他者との対話：生成AIを用いた統計演習における学習支援の実践報告」リメディアル教育研究。 21/ 47
23. デ ー タ ② 学習中の感情プロファイル 期待・驚き・喜び・信頼 が高く、怒り・嫌悪・悲しみ・恐れは低い（濃いほど強い）。 横軸＝演習の回 縦軸＝8つの感情 色の濃さ＝強さ ※ 記述統計。小野原彩香（投稿中）／ Plutchik, R. (1980). Emotion: A Psychoevolutionary Synthesis. Harper & Row. 22/ 47
24. 学 生 の 声 教室で起きたこと “ 先生に質問するのは勇気がいるが、AIになら何でも聞ける。 “ 自分のペースで、何度も同じことを聞けたのが良かった。 “ AIがもっともらしい嘘をつくことがあったので、教科書や元のデータと照らし合わせる癖がついた。 23/ 47
25. PA R T 2 · ま と め 評価しない他者として AIは「評価しない内なる他者」として機能しうる 学習場面では、期待・驚き・喜びが比較的高く観察された AIの誤りは、裏取りを促す契機にもなった AIは、ラベルを問い直す「鏡」になれる。 24/ 47
26. 3 P A R T 教室を出て、研究室へ 教室では、AI は「言葉で考える鏡」だと分かった。 では、その言葉は「感情」をどこまで捉えているのか？ 次は「場所への感情」を題材に、言葉・感情・場所の結びつきを測る研究を見ていく。 北星学園大学 公開講 26/ 48
27. PA R T 3 · 研 究 室 か ら 研究で探る「心」 —— 感情・言葉・場所 3つの「距離」がどれだけ対応するかを、Mantel テスト で検定する（50 か所 × 155名）。 （Mantelテスト＝「似ているものどうしが、別の見方でも似ているか」を調べる統計手法） 感情距離 Plutchikの8 感情 コサイン距離 テキスト距離 場所の説明文 BERT埋め込み 空間距離 地理的・環境的 近接性 ★ r = 0.43（Phase 2, p = 0.03） Mantel テスト Mantel, N. (1967). Cancer Res, 27, 209–220. ／ 小野原彩香・大内啓樹 (2025). 場所の感情地図. GISA2025. ／ 東北大学NLP (2020). cl-tohoku/bert-base-japanese-v2. 26/ 47
29. 感 情 を 測 る Plutchik の 感情の輪 8つの基本感情を、向かい合う4組の対として捉える。中心に近いほど強い。 この8感情を座標として、場所ごとの「感情の地図」を描く。 Plutchik, R. (1980). Emotion: A Psychoevolutionary Synthesis. Harper & Row. 27/ 47
30. 結 果 Phase 2（農村）でだけ、相関が現れた r = 0.42 ★ p < .05 言葉で似た説明ができる場所ほど、参加者の感情評価も似ていた（出身地を統制しても頑健）。 小野原彩香・大内啓樹 (2025). Phase-Dependent Emotion Maps of Place. GISA2025. ／ Tobler, W. (1970). Econ Geogr, 46, 234–240. 28/ 47
31. P H A S E 2 · 農 村 ／ 定 型 化 の 場 所 「合掌造り」「雪室」「棚田」が感情を揃える 合掌造りの集落 棚田 雪室 里山 温泉町 説明文が似ている場所は、感情も似てくる。 出身地（田舎・地方・都会）を統制しても頑健（r = 0.42, p = 0.034 —— ）。 言葉の近さと感情評価の近さが対応していた 言葉が感情体験を方向づけ ている可能性。 小野原彩香・大内啓樹 (2025). Phase-Dependent Emotion Maps of Place. GISA2025. 29/ 47
32. 進 行 中 の 研 究 文化進化のなかで、感情はどう変わるか AIに大量の事例から「らしさ」を学ばせる手法（GAN）で、文化が変わる 動きをシミュレーションする。段階ごとに、特定の感情が強く現れる。 色が濃いほど、その段階・感情が「予想より目立って多い」ことを示す（標準化 残差）。 薄い＝少ない / 濃い＝多い → 初期段階の「恐れ」が突出 Onohara, A. & Ouchi, H. (forthcoming). GAN-Based Modeling of Emotional Dynamics in Cultural Evolution. WCTP2025. 30/ 47
33. 進 化 人 類 学 と の 接 続 言葉は、いつから感情を作り始めるか PHASE 0 · 自然 言語化以前 ラベルは、まだ感情を支配しない。 PHASE 2 · 農村／定型 文化・言語が定着 言葉が、感情を作り始める。 —— 「言語を獲得した副作用」を示唆するデータ。（ニッチ構築理論：Odling-Smee et al., 2003） Laland, K. & O'Brien, M. (2011). Biol Theory, 6, 184–202. ／ Boyd, R. & Richerson, P. (1985). Culture and the Evolutionary Process. 31/ 47
34. A I と の 接 続 BERT は何を捉えているか → 「テキストの近さ」が「感情評価の近さ」と対応した BERT （東北大学 NLP, 2020）が捉える意味的距離が、人の感情距離と呼応する → AIは、人が書いた言葉に残る感情の痕跡を学んでいる 分散表現学習（Devlin et al., 2019）が、その痕跡を写し取る では、言語を超えた世界に踏み込むAIは、何を変えるのか？ 東北大学NLP (2020). cl-tohoku/bert-base-japanese-v2. ／ Devlin et al. (2019). BERT. NAACL. 32/ 47
35. 4 P A R T フィジカルAI と、 AIの向かう先 北星学園大学 公開講 33/ 47
36. 現 在 の A I の 限 界 AIが世界と関わる、たった一つの方法 テキストを読む → 推論する → テキストを返す だから、ラベルの罠にはまる。 だから、「コピー機の熱」「紙の重さ」「教室のざわめき」を知らない。 34/ 47 コピー機の熱 紙の重さ 教室のざわめき
37. A I に 求 め た い こ と テキストを超えて、 世界の中に存在する存在になること。 AIに求めたいのは、もっと遠くまで踏み込むこと。 35/ 47
38. フ ィ ジ カ ル A I と は 何 か 「テキストを返す」のではなく「世界の中で動く」 01 身体を持つロボット型AI Boston Dynamics、Tesla Optimus —— など センサーで物理世界を感知し、行動する 02 現場へ広がる実証・導入 医療・介護・建設・農業などで、実証や導入の試みが進んでいる Boston Dynamics (2024); Tesla AI Day (2022). いずれも研究開発・実証段階を含む。 36/ 47
39. な ぜ 「 身 体 」 が 重 要 な の か 言語では捉えられないものがある コピー機の熱・紙詰まりの感触 患者の微妙な表情・呼吸のリズム 教室のざわめき・学生の身体的緊張 本研究の Phase 0 —— 刺激では、テキスト距離と感情距離の対応は明確ではなかった。 すべての感情体験が、言語ラベルで説明できる わけではない。 フィジカルAIは、その「言語化以前の世界」に踏み込む可能性がある。 37/ 47
40. PA R T 4 · A I の 向 か う 先 AIの発展の、二つの方向 COGNITIVE AI 認知AI ・ 言語・推論を深める PHYSICAL A フィジカルAI ・ 身体・物理世界に入る 強み ラベルの罠を問い直せる ラベル以前の世界を感知・共有する 役割 「考える」パートナー 「いる」パートナー リスク ハルシネーション・過信 安全性・責任・身体的リスク 私たちは、どちらのAIを、どう使い分けるべきか？ 38/ 47
41. PA R T 4 · ラ チ ェ ッ ト の ツ メ 問 題 AIを、どこに「差す」か 問題は「AIを使うか否か」ではない。文化のループのどこに差すかだ。 ツメの置換 ループ全体を代行する ツメの増設 人間の能力にアタッチする 人間の位置 ループから外れる ループの中に残る 文化進化的含意 タスマニア（技術の逆回転） 文字（上の階への再投資） 短期的には 効率的・売りやすい 遅い・数値化しにくい 同じAIでも、差す場所で結果は正反対になる。 Tomasello, M. (1999). The Cultural Origins of Human Cognition. ／ Henrich, J. (2015). The Secret of Our Success. 39/ 47
42. 余 っ た 能 力 は 、 ど こ へ 流 れ る か 考えるのが好きな少数と、走りたくない多数 文字が成功したのは、空いたリソースが高階の活動へ再投資されたから。 考えるのが好きな少数 AI —— があっても、勝手に登っていく。「楽をするな」という禁止は効かない 報 酬系は禁止で動かない。 走りたくない多数 問題はここ。余った能力が、どの競技場に流れ込むかで結果が変わる。 大学 ＝ 点火装置 —— 価値は知識の「配送」ではなく、火のついた個体への「近接」。 AIに代行できない、これだけは。 40/ 47
43. PA R T 4 · 倫 理 と 批 判 AIを「外側」から見る 「AIをどう良くするか」だけでなく、「誰のコストで成り立っているか」を問う。 誰がデータにラベルを貼るか（ラベリング労働） 電力・水・リチウムはどこから来るか 感情認識AIの科学的根拠は？ 内側からの倫理 「育てる」視点 外側からの批判 「問い直す」視点 問い AIをどう良い性格にするか 誰のコストで成立しているか 代表 Constitutional AI（Askell et al.） Atlas of AI（Crawford, 2021） 前提 原則を書けば改善できる 問題はモデルの外の構造にある どちらの問いも、「AIとどう生きるか」を決めるために必要。 Crawford, K. (2021). Atlas of AI. Yale UP. ／ Bai, Y. et al. (2022). Constitutional AI. arXiv:2212.08073. ／ Askell, A. et al. (2022). A General Language Assistant as a Laboratory for Alignment. arXiv:2112.00861. 41/ 47
44. あ な た に と って の A I は ？ AI に「いてほしい」のは、 どんな場面ですか？ 「話す」AI 「そこにいる」AI —— そして あなたは、どこに「差したい」ですか？ 42/ 47
45. 「 こ こ ろ の パ ー ト ナ ー 」 に な る た め に AIへの要求は、私たち自身への問い 01 ラベルを貼らない（貼ったことを自覚する） 02 「測れないとお気持ちの問題になる」を常に意識する 03 「その場にいる」ことの意味を問い続ける 測れないものを、人格や気分の問題に置き換えないこと。 43/ 47
46. こ れ か ら の 情 報 科 学 「使う力」だけでなく、設計し・評価し・問い直す力を 01 ラベルの問題・ 安全設計 02 感情計算・ 言語処理 03 倫理・フィジカル AIの設計 「どんなAIと共に生きるか」を決めるのは、次の世代。 44/ 47
47. 今 日 の 旅 四つの道のり 1 言語は最強の道具だが、ラベルという副作用を持つ 人間もAIも、測る前にラベルで世界を理解しようとする 2 AIは同じ罠を持つ「鏡」。使い方次第で問い直しの道具になりうる 教室実践・感情地図研究が、その可能性を示している 3 問題は「AIを使うか」ではなく「どこに差すか」 —— ツメの置換か、増設か 同じAIでも結果は正反対になる 4 それを設計し・評価し・問い直す力が、これからの情報科学 どんなAIと共に生きるかを選ぶのは、私たちだ 45/ 47
48. 持 ち 帰 り チ ェ ッ ク リ ス ト AIと共に生きるための5カ条 ラベルを疑う：ラベルを見たら「それは具体的に何を意味する？」と聞く 案として受け取る：AIの出力は「案」。根拠は別に確認する 感情に流されない：強い感情のときほど、人・資料・現実も確認する 現実のフィードバック：重要な判断には「現実側のフィードバック」を入れる AIを問う：「AIを使う」だけでなく「AIを問う、設計する」視点を持つ 「どんなAI と共に生きるか」を決めるのは、 私たち自身。 46/ 47
49. Q&A ご質問・ご感想をお聞かせください 小野原 彩香 国際学部 准教授 ／ 北星学園大学 47/ 47