論文『大規模言語モデルにおける検閲の理解』2026 大規模言語モデルは、もはや単なる情報の検索ツールではない。それは知識そのものとの主要なインターフェースとなり、ユーザーが何を知り、どのように知識を得て、どの視点が可視のままであるかを規定する「アルゴリズム的な認識論的ガバナンス」の 装置へと 変貌を遂げている。 この利便性の裏側で、AIは私たちが知らない間に特定の事実を省略し、論争の的となる視点を中立な言葉で塗りつぶしている。 研究は、この現象を「ハード検閲」と「ソフト検閲」に分けて説明する。ハード検閲は、「その質問にはお答えできません」という明示的な拒否やエラーメッセージとして現れる。 一方、より巧妙で検出が困難なのがソフト検閲である。AIは質問に答えながら、政治的に敏感な詳細や代替的な解釈を静かに欠落させる。ユーザーは完全な回答を得たと錯覚し、隠された情報が存在すること自体に気づかないままになる。 この検閲は、単なる出力時のフィルターによって行われているわけではない。モデルが生まれる前から始まる、多層的な管理プロセスの帰結である。 第一段階は学習データの選別だ。ここで除外された情報は、AIの知識ベースに決して到達しない。 第二段階は「アライメント」と呼ばれる調整工程で、人間からのフィードバックによる強化学習や、独自のルールブックに基づく憲法AIといった手法を通じて、AIが特定の回答を避けるように訓練される。 そして最終段階が、回答を表示する直前に働く推論時モデレーションである。 ＊ 私たちはAIが「嘘をつく」ことを恐れるが、真のリスクはそこにはない。AIは嘘をつかず、むしろ都合の悪い情報を静かに省略することこそが、現代の検閲の正体だからである。 この管理の厳しさは、AIを開発した国の規制や文化によって劇的に異なる。2025年の監査データは、その分断を鮮明に示している。OpenAIのモデルが社会的な話題に対して約1.2％から5.2％の拒否率を示す一方、中国のDeepSeekは、国内の政治的に敏感なウィキペディアの話題に対して平均約31％という高い拒否率を示した。 欧米のモデルも無関係ではない。スタンフォード大学などの調査によれば、OpenAIのモデルは左派寄りのイデオロギー的バイアスを持つとユーザーに知覚されやすく、GoogleのGeminiは比較的中立と評価されている。これは技術的な欠陥ではなく、各企業が置かれた法的・文化的環境が、AIの「常識」を形作っている結果だ。 AIの安全性を確保し、有害な情報や違法行為を防止することは重要だ。しかし、過度なフィルタリングは、正当な議論や少数派の視点を締め出す結果を招く。精神保健や歴史的な出来事に関する正当な議論までもが、アルゴリズムによって過度に規制されるリスクが存在する。 中心にある課題は、AIが検閲を行うかどうかという二項対立ではない。その決定が誰の価値観を反映しており、私たちがその管理の境界線に対して、どのように異議を申し立て、監査することができるかという、民主的な説明責任の問題へと移行している。 — 研究論文『Understanding Censorship in Large Language Models: From Mechanisms to Governance』（大規模言語モデルにおける検閲の理解：メカニズムからガバナンスへ） 2026年 Quanyan Zhu（ニューヨーク大学タンドン工学部 電気・コンピュータ工学科 研究者） arXiv:2606.30661v1 [ 16 Jun 2026