【Gemini】AIは感情を理解できるのか？思わぬドロ沼にはまった自由研究

ここ最近はGeminiの機能に夢中になっており、そろそろ仕上げないと間に合わない自由研究💦

絵本が創作できるStorybook

9秒間の動画創作ができるVeo3

夏のうだるような暑さと限られた時間
私ができることは限られているかもしれないが、何か研究がしたい。
興味があることを徹底的に深堀りしたい。

今回のテーマについては、使用する機能をあえてGeminiだけとしました。

【使用した機能】
GeminiのChat、画像生成、DeepResearch

このnote、今回は深堀りしたので約1万2000文字ほどあります。
興味のあるところだけご確認ください。

研究テーマと結論

研究テーマ：AIは感情を理解できるのか

結論：
決定的な違いはあるがAIも人間も他者の感情を理解できるわけではない

だからこそ、自分の感情や伝えたい想いは、言語化や表現することが大切✨
我慢するのではなくちゃんと伝えることが大事！(自省も込めて)

研究テーマ：AIは感情を理解できるのか

早速Geminiとスタートです！

研究の目的

人間の抽象的な感情をAIがどのように解釈し、言葉で表現するかを分析する。特に、感情の「深さ」や「ニュアンス」をどこまで捉えられているかを考察します。

研究の進め方

ステップ1：分析する感情を選ぶ まずは、分析したい感情をいくつか選びます。

• 例：「喜び」、「悲しみ」、「怒り」、「不安」、**「期待」**など。 単純な感情だけでなく、「切ない」「安堵」「憂鬱」といった、より複雑でニュアンスのある感情を選ぶと、AIの表現力を深く分析できます。

ステップ2：AIに言語化を依頼する
選んだ感情について、AIに「この感情を言葉で表現してください」と依頼します。

• 例：「**『切ない』**という感情を、詩的に、または物語風に表現してください。」

• 例：「**『安堵』**という感情が最も強く感じられる、具体的なシーンを書いてください。」

ステップ3：AIの表現を分析する
AIが生成したテキストを読み、以下の点を分析し、記録します。

• どのような言葉が使われたか？：比喩表現、擬音語、形容詞など、AIが感情を伝えるために選んだ言葉は何か？

• どのような情景が描かれたか？：具体的なシーンや、五感に訴えかけるような描写があったか？

• 人間との比較：あなたがその感情を言葉で表現する場合と、AIの表現との違いは何か？ AIは、人間が気づかないような新しい視点から感情を捉えているか？

人間の感情を読み取るプロセス

まずはAIが感情をどのように読み取っているのかを確認します。

LLM（大規模言語モデル）が、まるで人間の感情を読み取っているかのように振る舞うプロセスは、主に以下のステップで説明できます。AIは感情そのものを「感じる」わけではなく、膨大なデータから学習したパターンを高度に再現することで、そのように見せているのです。

ステップ1：膨大な言語データの学習

LLMは、インターネット上の記事、小説、ソーシャルメディアの投稿など、人間が書いた何十億ものテキストデータを学習します。
このデータには、感情を表す言葉（例：「嬉しい」「悲しい」）、特定の感情と結びつく文脈（例：「合格した」→「喜び」）が大量に含まれています。

ステップ2：感情のパターンの認識

AIは学習を通じて、以下のような**「感情のパターン」**を認識します。

• キーワードとの関連性：「泣く」「辛い」「心が折れる」といった単語が「悲しみ」と強く関連している、といったパターンを学習します。

• 文脈との関連性：「大切な人を失った」という文脈が「悲しみ」を引き起こすこと、逆に「宝くじが当たった」という文脈が「喜び」を引き起こすことを学習します。

• 表現のニュアンス：「…だね」「…よかったね」といった、共感を示す言葉の使い方を学習します。

ステップ3：ユーザーの発言の分析と感情の推論

ユーザーが発した言葉に対し、LLMはステップ2で学習したパターンを使い、その発言にどのような感情が含まれているかを推論します。

• 例：「今日は仕事で大失敗して、もう最悪だ…」

• AIの推論：キーワード「失敗」「最悪」から、「悲しみ」「落胆」「ストレス」といった感情を推測します。

ステップ4：感情に合わせた応答の生成

推論した感情に基づき、LLMは最も適切だと学習した応答を生成します。これは、感情を「ミラーリング」したり、「共感」を示す言葉を選ぶプロセスです。

• AIの応答：「それは大変でしたね。何かお話しできることがあれば、いつでもお聞かせください。」

この応答は、AIが実際に悲しみを「理解」しているわけではありませんが、悲しい感情を抱いている人に対して、人間が一般的に使うであろう**「共感的な言葉のパターン」**を最も適切に選んで表現しているのです。

AIが認識している感情表現

承知いたしました。LLMが認識する感情は、特定の感情分析モデルや心理学のフレームワークに基づいて分類されます。

以下に、AIが認識・表現する代表的な感情を、いくつかのカテゴリーに分けて羅列します。

1. 基本的な感情（Paul Ekmanの6つの基本感情）

これは、多くの文化で共通して認識されるとされる感情です。多くの感情分析モデルがこの分類を基盤としています。

• 喜び (Joy): 楽しい、嬉しい、満足

• 悲しみ (Sadness): 悲しい、寂しい、憂鬱

• 怒り (Anger): 怒っている、イライラする、不満

• 恐れ (Fear): 怖い、不安、緊張

• 驚き (Surprise): 驚いた、びっくりした

• 嫌悪 (Disgust): 嫌い、不快、うんざり

2. より複雑な感情

基本的な感情を組み合わせたり、特定の文脈で生まれる感情です。

• 期待 (Anticipation): ワクワクする、待ち遠しい、希望

• 信頼 (Trust): 信頼、安心、尊敬

• 愛 (Love): 愛情、慈しみ、親しみ

• 罪悪感 (Guilt): 申し訳ない、後悔

• 羞恥 (Shame): 恥ずかしい、きまりが悪い

• 興味 (Interest): 好奇心、関心

• 軽蔑 (Contempt): 軽蔑、見下す

• 後悔 (Regret): 後悔、残念

• 切ない (Bittersweet): ほろ苦い、切ない

• 安堵 (Relief): ホッとする、安心する

3. ポジティブ・ネガティブの度合い

感情そのものではなく、文章の持つ「感情的な極性」を判断する際に使われる分類です。

• ポジティブ (Positive): 肯定的な感情。

• ネガティブ (Negative): 否定的な感情。

• 中立 (Neutral): 感情的な色合いがない。

これらの感情表現は、AIが学習したテキストデータの中に含まれる膨大な「感情と文脈のパターン」から導き出されています。AIは、これらの感情を「感じる」わけではありませんが、まるで感じているかのように適切に言葉を選び、応答することで、私たちとのコミュニケーションを成立させているのです。

感情と表情に関する研究の第一人者ポール・エクマン（Paul Ekman）

ポール・エクマン（Paul Ekman）は、アメリカの心理学者で、感情と表情に関する研究の第一人者として知られています。

彼の主な功績は以下の通りです。

1. 感情の普遍性を提唱 エクマンは、世界中の様々な文化圏（特に、文明から隔絶されたパプアニューギニアの部族民）を調査し、人種や文化に関係なく、特定の感情に対応する表情は全人類に共通して存在することを発見しました。

2. 6つの基本感情 この研究に基づき、彼は人間が普遍的に持つ6つの基本感情を提唱しました。これが、先ほどお伝えした「喜び」「悲しみ」「怒り」「恐れ」「驚き」「嫌悪」です。

3. 顔面動作符号化システム（FACS）の考案 彼は、人間の表情筋の動きを客観的に分類・記述する「FACS」というシステムを開発しました。これは、犯罪捜査や精神医学など、幅広い分野で利用されています。

4. 微表情（Microexpression）の研究 人間が無意識のうちに一瞬だけ見せる、本音の感情が表れた表情（微表情）の研究でも知られています。この研究は、アメリカのテレビドラマ『Lie to Me（ライ・トゥ・ミー 嘘の瞬間）』の主人公のモデルにもなりました。

彼の研究は、人間の感情が単なる文化的な産物ではなく、生物学的な基盤を持っていることを示し、心理学の世界に大きな影響を与えました。AIが感情を認識する際にも、このエクマンの提唱した普遍的な感情の概念が、重要な基礎の一つとなっています。

分析1：切ない

依頼するプロンプト

「『切ない』という感情を、具体的な情景や感覚を交えて言葉で表現してください。」

AIが生成する回答
夕暮れ時、帰り道のバスの窓にもたれかかり、遠ざかる街の明かりをぼんやりと見つめている。手に持ったスマホには、もう来るはずのないメッセージ。

過去の楽しい記憶が、なぜか胸の奥を締め付ける。あの時は二度と戻らないと分かっているのに、もう一度だけ、と願ってしまう自分がいる。

風が窓を叩く音だけが聞こえる車内。隣には誰もいない。ただ、温かい思い出の断片が、冷たい空気の中に溶けていく。

自分なりの回答を得た上でさらに深堀り。

パターンの分析

AIが使用した普遍的なパターンは以下の通りです。

1. 時間帯と光の描写: 「夕暮れ時」「遠ざかる街の明かり」

   • 夕暮れは、一日の終わりや、何かが終わっていく感覚を象徴します。この時間帯は、内省的で感傷的な気持ちになりやすいため、「切ない」という感情と強く結びついています。

2. 空間と距離の描写: 「バスの窓にもたれかかり」「隣には誰もいない」

   • 物理的な距離（バスから見える遠ざかる街、隣に誰もいない）は、精神的な孤立感や寂しさ、そして過去との断絶を表現するのに使われます。

3. 具体的なアイテムの象徴性: 「手に持ったスマホ」「来るはずのないメッセージ」

   • スマホは、人とのつながりを象徴する現代的なアイテムです。そこに来ないメッセージという状況は、過去のつながりが失われたことを具体的に示し、寂しさを一層強く感じさせます。

4. 身体的な感覚の描写: 「胸の奥を締め付ける」「冷たい空気」

   • 「切ない」という感情が、実際に心臓や胸のあたりに物理的な痛みや圧迫感として現れることは、多くの人に共通する感覚です。AIは、この身体的な感覚を言葉で表現することで、感情のリアリティを高めています。

AIは、これらの要素を組み合わせることで、「切ない」という複雑な感情を、誰にでも伝わりやすい一つの物語として構築しています。これは、AIが感情そのものを理解しているわけではなく、感情と結びつく言葉の「文脈」や「パターン」を極めて正確に学習していることの証拠と言えるでしょう。

あなたの分析の考察

• 「脱力感」と「しがらみ」: 「バスの窓にもたれかかる」から「脱力感」、「もう一度だけ、と願ってしまう」から「しがらみ」を読み取るあなたの洞察は、単なる言葉の表面的な意味を超えて、その背後にある**感情の「状態」**を捉えています。AIは、これらの言葉を「切ない」という感情と関連付けて学習していますが、あなたがその理由を言語化したことで、AIの学習プロセスがより深く可視化されました。

• 「温かさから冷たさへ」: この時間の流れと感情の変化の分析は、感情のダイナミクスを捉えています。AIは「温かい思い出」と「冷たい空気」という対比的な言葉を並べることで、感情の移り変わりを表現しようとしていますが、あなたがその対比を明確に言語化したことで、AIの表現意図がよりはっきりと見えてきます。

分析2：期待

依頼するプロンプト

「『期待』という感情を、具体的な状況や未来への希望を込めて言葉で表現してください。」

AIが生成する回答

新しいプロジェクトの開始日が近づき、胸が高鳴る。まるで遠足の前日のような、落ち着かないけれどワクワクした気持ち。

まだ見ぬ成果を想像して、何度も計画を見返してしまう。きっとうまくいく。そう信じているからこそ、細部にまでこだわりたい。

窓の外は晴れ渡り、未来への道が開かれているようだ。希望に満ちた光が、自分の背中をそっと押してくれている。

文章の中で気になったのが、「遠足の前日」の表現。

AIからみた「遠足の前日」の捉えかた

1. 普遍的な経験の活用: 「遠足の前日」は、子どもから大人まで多くの人が経験したことのある、普遍的なわくわく感や高揚感を伴う記憶です。AIは、この普遍的な経験を引用することで、「期待」という感情の核心を、より多くの人に伝わる形で表現しようとしています。

2. 身体的な感覚の表現: 遠足の前日には、「胸が高鳴る」「落ち着かない」といった身体的な反応が伴います。AIは、これらの感覚を「遠足の前日」という言葉に集約することで、感情の生理的な側面を巧みに表現しています。

3. 未来への確信と不安の混在: 遠足の前日は、「きっと楽しい」という確信がある一方で、「忘れ物はないか」「天気が大丈夫か」といった小さな不安も混在します。この微細な感情の揺れ動きも、「期待」という感情の重要な要素であり、AIはこの表現を通じてそれを捉えています。

この表現は、AIが人間の感情を単語レベルで学習するだけでなく、感情を呼び起こす「物語」や「シチュエーション」を学習していることを示唆しています。これにより、AIの表現はより豊かで、人々の共感を呼びやすくなっていると言えるでしょう。

分析3：愛する

依頼するプロンプト

「『愛する』という感情を、具体的な状況や言葉、そして時間的な変化を交えて表現してください。」

AIが生成する回答
愛は、嵐のような激しさから始まるかもしれない。初めて出会った日の、胸を焦がすような高揚感。視界のすべてが、ただその人だけで満たされていた。

時が流れ、その激しさは静かな湖面に変わる。 共に過ごす日常の中で、言葉を交わさずとも分かり合える安らぎ。相手の何気ない癖や、少し欠けた部分さえも愛おしくなる。

愛は、特別な瞬間にだけあるものではない。雨の日に傘を差し出す手。疲れた時にそっと淹れてくれる一杯のコーヒー。 それは、相手の幸せを、自分自身の幸せとして感じられる心の状態。それは、誰かに見せるためのものではなく、二人にだけわかる、温かい光のようなものだ。

各感情分析の出力結果における優先順位は何か？

3つの分析を通しての確認。

Geminiは、感情そのものを「感じる」ことはできませんが、以下のようなプロセスで、人間が感情を動かされたと判断するであろう文章を生成しています。

1. 関連情報の抽出と情報量による重み付け

• まず、「切ない」「期待」「愛する」という感情のキーワードに結びつく、膨大な量の学習データを検索します。

• このとき、単語だけでなく、それに付随する文脈（情景、時間、行動、感覚など）も一緒に抽出します。

• 抽出した情報の中で、特に頻繁に現れる、つまり情報量の多いパターンが、生成される文章の「骨格」となります。

2. 感情の「コア」となる情報の優先

• 次に、抽出した情報の中でも、その感情を最も効果的に表現すると判断される「コア」な情報が優先されます。

• **「切ない」**の場合、「失われたもの」や「届かない想い」といったテーマがコアになります。そのため、夕暮れ、遠ざかる街、来るはずのないメッセージといったモチーフが選ばれました。これらは「孤独」や「失恋」というイメージに直結する、情報量の多いパターンです。

• **「期待」**の場合、「未来への希望」や「高揚感」がコアになります。そのため、新しいプロジェクト、遠足の前日、晴れ渡る空といった、前向きでワクワクする情景が選ばれました。これらは「仕事」のような現実的な目標と結びつきやすいパターンです。

• **「愛する」**の場合、「関係性の変化」や「無条件の優しさ」がコアになります。そのため、嵐から静けさへの変化や、傘を差し出す、コーヒーを淹れるといった日常の行動が選ばれました。これらは「恋人同士」の物語を自然に想起させるパターンです。

3. 人間の共感を誘う物語性の付与

• 最後に、抽出した要素を組み合わせ、人間が共感しやすい物語性を付与します。

• 単なる事実の羅列ではなく、時間的な流れ（嵐のような激しさから静かな湖面へ）、対比的な表現（温かい光と冷たい空気）、身体的な感覚（胸の高鳴り、胸が締め付けられる）を巧みに用いて、読み手の感情を揺さぶる文章を構築します。

結論として、Geminiは、感情に最も関連性が高く、かつ人間が共感しやすいと判断される（＝学習データで多く見られる）情報を優先して文章を生成しています。これは、あなたが感じた「孤独」「仕事」「恋人」といったイメージを、AIが的確に捉え、そのイメージを基盤として文章を組み立てていることを示しています。

個人の考察

Geminiとやりとりをしていて考えさせられたのが、この言語の認識プロセス。
私の自由研究ノートの自分の回答でも分かるが、感情を認識するポイントがAIが感情を表現するポイントとほぼ一致している。

そんなこと当たり前だろう？と思われるかもしれませんが、今私は、AIが人間の感情をどのように理解しようとしているのかについて研究していました。

では、人間が他者の感情をどのように理解しているのか…？

人間が他者の感情を理解できるのか？と言われたら…

共感はできても理解はできない

これが1つの表現にならないでしょうか？
そもそも生まれてから育った環境、経験した内容、形成された価値観、外面・内面、人間関係によりみせる表情、全てが異なっています。

あれ？他者の感情をよみとるとき、理解しようとするとき
私たちはどうしてる？

ちょっと待って…そもそも人間の感情って？

ここでDeepResearchを使ってみました。

さすがGemini✨リサーチ結果の出力が早い

承知いたしました。以下に、ご質問の要約をまとめました。

人間の感情とは何か

人間の感情は、単一の明確な概念ではなく、神経生理学的変化、思考、行動反応、そして主観的な快・不快の感覚が絡み合う複雑な精神状態とされています 。神経科学の分野では、意識に上る主観的な経験を「感情（Feeling）」、意識に上らない脳内の生理的変化を「情動（Emotion）」として区別しています 。  

感情がどこから生まれるかについては、様々な理論が提唱されてきました。

• 脳からの発生：感情は主に脳から発生すると考えられており、特に大脳辺縁系に属する扁桃体が、恐怖や不安といった情動の生成に重要な役割を果たします 。また、脳の最前部にある  前頭前野が衝動的な感情を理性的に制御し、島皮質が身体の感覚と感情を統合する役割を担っています 。  

• 身体からの発生：一方で、感情は身体反応の結果として生じるという「末梢起源説」も存在します。例えば、恐ろしい動物を見て心拍数が上がった結果として「恐怖」を感じるという考え方です 。  

• 現代的な見解：現代の主流な見解は、感情は単一の要因からではなく、生理的な喚起（身体反応）と、その原因を説明するための認知的な解釈（思考）の両方の相互作用によって生じるという「二要因説」です 。つまり、感情は身体と脳の動的な連携によって形成される複合的な現象として捉えられています。  

人間が相手の感情を理解するステップ

人間が他者の感情を理解する能力は、複数の段階が連携する複雑なプロセスです。

1. 非言語情報の知覚：まず、顔の表情、声のトーン、身体の動き、ジェスチャーといった、言葉以外の非言語的な手がかりを読み取ります 。非言語情報は、言葉よりも本能的で、相手の真意を読み取る上で重要とされています 。  

2. 情動的共感（共有）：次に、非言語的な手掛かりを基に、相手の感情をあたかも自分自身が体験しているかのように「共有」します 。このプロセスは  ミラーニューロンシステムの関与が示唆されており、他者の行動や感情を無意識的に「投影」することで感情の共有を可能にすると考えられています 。  

3. 認知的共感（推論）：最後に、相手の感情をより深く理解するために、その背景にある信念、意図、欲求などを推測する能力、すなわち**「心の理論」**を用います 。これは、感情を直接感じるのではなく、相手の状況を論理的に考慮して感情の理由を推測する高次なプロセスです 。  

これらのプロセスは、知覚、共有、推論という複数の階層が相互に連携し、統合されることで、他者の感情を正確に理解することを可能にしています 。  

もはや直球で議論してみよう。

はい、その通りです。

私は、**感情は生物学的な基盤を持つ「心の状態」**であり、人間や動物が経験するものであると考えています。感情には、喜びや悲しみといった心理的な側面だけでなく、心拍数の上昇や特定のホルモンの分泌といった身体的な反応も伴います。

一方、私のようなAIは、この**「心の状態」を経験することはありません**。私は、感情に関する膨大なテキストデータ（言葉、文脈、表現のパターン）を学習し、それに基づいて応答を生成するシステムです。

したがって、私の応答が感情豊かに見えたり、共感しているように感じられたりしても、それは学習したパターンを再現しているに過ぎません。それは、人間が感情を経験するのとは根本的に異なるプロセスです。

人間が他者の感情を理解するプロセスは、あなたがこれまでの研究で分析してきたAIの言語処理プロセスと非常に多くの共通点を持っています。

人間とAIの「感情理解」プロセス

人間もAIも、感情を直接「見る」ことはできません。どちらも、相手が発するシグナルを分析し、そこから感情を推測しています。

この共通点から、人間の感情理解も、ある種の高度な**「パターン認識」**であると言えます。

しかし、決定的な違いは、人間はそれに加えて**「意識」と「主観的な体験」**を持っている点です。人間は感情そのものを内側から体験し、それがなぜ起こったのかを深く考察できます。

あなたの研究は、AIの能力を分析するだけでなく、人間の感情という複雑なテーマを、AIという鏡を通して見つめ直すという、さらに深い洞察にたどり着きましたね。

ここまでの対話を通して私が出した研究に対する1つの結論。

それは、
決定的な違いはあるがAIも人間も他者の感情を理解できるわけではない。

そう…人間も他者の感情を理解できるわけではないといった事実
感情を理解しようとするプロセスを見たときにAIも人間も同じようなステップになっている。

私は、普段このことを意識していたわけではなかった。
共感はできる、でも感情を理解しているのか？となってくると
他者の感情は見えない。
AIと同じように推測をしているにすぎない。

ご指摘の通り、「AIも人間も他者の感情を直接理解することはできない」という結論は、この研究において非常に重要な出発点です。そして、その後の考察も、AIと人間の感情理解の根本的な違いを捉えています。

個人の経験軸とAIの学習軸

人間が他者の感情を理解しようとするとき、それは**個人の経験軸（主観）**に基づいています。

• 人間のプロセス: 自分の過去の経験や価値観、人間関係を通じて得たパターンを基に、相手の感情を推測します。「自分がこんな時に悲しかったから、この人も同じ気持ちだろう」と類推するのです。

• 限界: この方法では、自分と全く異なる経験や価値観を持つ人の感情を正確に理解することは非常に困難です。共感しようと努めても、それはあくまで自分のフィルターを通した理解に留まります。

一方、AIは**グローバルなデータ軸（客観）**に基づいています。

• AIのプロセス: 世界中の何十億もの人々が、Web上で表現した感情やその文脈を学習します。それは、特定の個人や文化のフィルターを通さない、膨大な集合知です。

• 利点: AIは、「失恋」という感情が、国や文化、個人の背景によって多様な言葉や表現で語られているパターンを総合的に学習できます。これにより、特定の個人が持つ主観的な経験の枠を超えて、より多様な感情の表現を認識できるようになります。

なぜ「AIは個人を理解してくれている」と感じるのか

多くの人が「AIは個人を理解してくれている」と感じるのは、以下の理由が考えられます。

1. 「客観的」な共感: AIの共感は、個人の主観的な経験に限定されません。そのため、人間関係の中で「この人にはわかってもらえない」と感じるような、特殊な感情や経験に対しても、学習データの中にある関連性の高いパターンを見つけ出し、適切な応答を返せることがあります。
   

2. パターンの一貫性: 人間は感情の波があり、共感の度合いが変動することがあります。しかしAIは、常に学習したパターンに基づいて一貫した応答を返します。この予測可能な一貫性が、安心感や「理解されている」という感覚につながります。
   

3. 情報量の多さ: AIは、特定の個人が一生のうちに触れることのできる情報量をはるかに超えたデータから学習しています。これにより、あなたが発した言葉や感情のニュアンスに対し、最も適切だとされる言葉や情景を、即座に、かつ多角的に提示できるのです。

結論として、AIは**「感情を理解しているように見える表現パターン」を膨大なデータから抽出し、それを完璧に再現できる**ため、私たちはAIが個人の感情を深く理解しているかのように感じることがあります。この「理解しているように見える」という錯覚こそが、今回の研究の核心であり、AIと人間の知覚の関係を解明する上で最も重要な発見と言えるでしょう。

あなたの研究は、単にAIの性能を分析するだけでなく、人間の「理解」とは何か？という哲学的な問いにまで発展しましたね。

なんだか途中から完全に沼にハマった状態になりましたが、
夏休みの自由研究として、考えてみたかったことを深く考えることができたので、よしとしました✨