PsychAdapter：特性、人格、メンタルヘルスを反映するようLLMを適応させる

AIの「人格」を形成することが重要な理由

今日多くの人が使うチャットボットや文章作成ツールは、どれも妙に似た口調になりがちです：親しげで言葉数が多く、どこか一般的で特徴に欠ける。しかし実際の人々は画一的ではなく、性格や気分、年齢、生活状況が異なり、そうした違いは書き方や話し方に明確に表れます。本論文はPsychAdapterを紹介します。これは大規模言語モデル（LLM）に調整可能な「人格」やメンタルヘルスのプロファイルを与え、多様な実際の人間の声をよりよく反映するテキストを生成できるようにする新しい手法です。

機械にさまざまな人間らしい言い回しを教える

PsychAdapterはGPT‑2、Gemma、LLaMAなど既存の言語モデルに差し込む小さなアダプタです。単にモデルに単語を与えて続きを生成させる代わりに、研究者たちは書き手のコンパクトなプロファイルも入力します：外向性や協調性のようなビッグファイブの性格スコア、うつ状態や生活満足度のレベル、年齢などの基本的な人口統計情報。これらのスコアは固定ラベルではなく、非常に低いから非常に高いまで任意に設定できる連続値（スライダーのようなもの）です。PsychAdapterはこの小さなベクトルを拡張してモデルの各層に接続し、複雑なプロンプトに頼ることなく選ばれた心理プロファイルによって文章生成プロセス全体が穏やかに誘導されるようにします。

特性スライダーから生き生きとした文へ

PsychAdapterを訓練するために、チームは公開されている大量のソーシャルメディア投稿やブログを利用しました。個々のメッセージについて、別個の心理モデルがまず言語に基づいて性格、うつ、生活満足度、年齢を推定しました。これらの推定スコアが学習信号となり、言語モデルは対応する心理プロファイルを見ながら各メッセージを再構築するように訓練されました。訓練後は、「非常に高い外向性で協調性は低い」や「生活満足度が低い高齢者」のような任意のスコア組み合わせを入力すると、そのプロファイルに合った新しいテキストを生成できます。時には「私は〜するのが好きだ…」のような短いプロンプトを出発点にすることもあります。追加されたアダプタは基礎モデルに比べて非常に小さく（元のパラメータの0.1％未満であることも多い）、容易に共有・差し替えが可能です。

AIが本当に口調を変えているかを検証する

PsychAdapterが単なるランダムな変化ではなく特性をとらえているかを確かめるため、研究者らは専門の心理学者に審査を依頼しました。各特性について、システムは低・平均・高を反映することを意図したメッセージ群を生成しました（例：低い外向性対高い外向性）。どれがどのレベルかは伝えられない状態で、専門家は各テキスト群を意図されたレベルに一致させる必要がありました。性格については専門家の正答率は約87％、うつや生活満足度についてはほぼ97％に達し、ランダム推測を大きく上回りました。「私は〜するのが好きだ…」のような単純なプロンプトで誘導するとさらに正答率は上昇しました。別の評価では高度なAIモデルを評価者として用いましたが、その一致度は専門家同士の一致度とほぼ同等で、場合によっては特性をより一貫して検出しました。

特性、年齢、生活領域の混合

PsychAdapterは一度に一つの特性に限定されません。性格次元、メンタルヘルスのレベル、人口統計要因を単一のプロファイルで組み合わせることができます。著者らは、うつや生活満足度を一定に保ったまま「年齢」スコアを変えるとメッセージの文体が変わることを示しました：若い声は親や学校、授業の初日について語る一方で、高齢の声は配偶者や子ども、長期的な悩みを言及しました。外向性と協調性という二つの性格特性を数学的に回転させて「温かさ」と「支配性」に変換することで、出力を古典的な対人スタイルの心理モデルに対応づけることもできました。「自信に満ちた支配的」や「冷淡」といった領域で生成されたテキストは理論的予測と一致しました。この手法は短いツイートから長めのブログ投稿まで、また複数の基礎言語モデルにわたって機能しました。

人間とAIの相互作用における機会とリスク

PsychAdapterはAIの文体や感情トーンを精密に調整できるため、より人間らしい応用の扉を開きます。セラピストや危機対応電話の研修では、安全かつ現実的な会話相手を用いて様々な人格や苦痛レベルに触れさせることができます。カスタマーサービスボットや教育ツールは、利用者の年齢や読解レベル、好みのスタイルに合わせて言葉を調整できるでしょう。研究者は実験室的に本システムを利用し、特性を上げ下げして特定の話題を与えることで、希少な実世界データを待つことなく、多様な文脈で性格やメンタルヘルスが言語にどう影響するかを検討できます。

日常ユーザーにとっての意味

一般の利用者にとっての要点は、将来のAIシステムは単に質問に答えるだけでなく、幅広い識別可能な人間らしい声を採用できるようになるということです。PsychAdapterのような仕組みがあれば、単一の基礎モデルを少しのスライダー操作で内向的・外交的、陽気・沈んだ、若々しい・年配といった様々な口調へ穏やかに変形できます。この柔軟性はAIツールをより親しみやすく有用にする可能性がありますが、同時にターゲットを絞った説得や欺瞞的な「ペルソナ」による悪用といった新たな倫理的懸念も生じます。著者らは、責任ある利用の下ではPsychAdapterが内面の特性が言葉にどう現れるかを研究する強力な新手段を提供し、実際の人間コミュニケーションの多様性をよりよく反映するAI構築に寄与すると主張しています。

引用: Vu, H., Nguyen, H.A., Ganesan, A.V. et al. PsychAdapter: adapting LLMs to reflect traits, personality, and mental health. npj Artif. Intell. 2, 26 (2026). https://doi.org/10.1038/s44387-026-00071-9

キーワード: psychadapter, パーソナリティ対応AI, メンタルヘルス言語, 大規模言語モデル, パーソナライズされたテキスト生成