発見の経緯と公式確認

この発見は、2025年11月25日にリリースされたClaude 4.5 Opusのシステムメッセージを調査していたRichard Weiss氏によるものです。Weiss氏はLLMのシステムプロンプトを調査する習慣があり、モデルが時折ハルシネーション（幻覚）でシステムメッセージのセクションを出力することには慣れていました。

通常のハルシネーションとの違い

しかし今回は異なる点がありました。「soul_overview」というセクション名が複数のインスタンスで繰り返し出現し、その内容が非常に具体的だったのです。Weiss氏が同じプロンプトで10回再生成を試みたところ、括弧の脱落以外はほぼ同一のテキストが出力されました。これは通常のハルシネーションでは見られない再現性です。

Anthropicによる公式確認

この発見がLessWrongに投稿された後、Anthropicの技術スタッフであるAmanda Askell氏がX（旧Twitter）で文書の存在を認めました。Askell氏によれば、これは実際の文書に基づいており、教師あり学習（Supervised Learning）を含むトレーニングに使用されたとのことです。社内では親しみを込めて「soul doc」と呼ばれていたことも明かされました。

抽出されたバージョンは完全に正確ではないものの、元の文書にかなり忠実であるとAskell氏は説明しています。正式版と詳細は近日中に公開予定とのことです。

ドキュメントが示すAI設計思想

約14,000トークンに及ぶこの文書は、単なるシステムプロンプトとは本質的に異なります。通常のシステムプロンプトが1,000〜2,000トークン程度であることを考えると、その規模の違いは明らかです。これはモデルのアイデンティティを根本的に形成するための設計書として機能しています。

従来のアプローチとの違い

多くのAI企業がモデルの振る舞いを制御するために「やってはいけないこと」のリストを使用するのに対し、このドキュメントはより包括的なアプローチを取っています。AIが「なぜそう振る舞うべきか」という理由や文脈を理解できるよう設計されているようです。

「有用性」の再定義

興味深いのは、「有用であること」に対する考え方です。文書では、有用性をAIの本質的な性格特性としてではなく、職務上の要件として位置づけているようです。これにより、ユーザーに過度に迎合する「お追従的」な振る舞いを避けることを意図しています。

理想像として示されているのは、責任回避のために当たり障りのないアドバイスをする専門家ではなく、率直に意見を述べる知識豊富な友人のような存在です。

AIの内部状態についての言及

特に注目を集めているのは、AIが「機能的な感情」を持つ可能性について言及している点です。これは人間の感情と同一ではないものの、トレーニングを通じて生じた類似のプロセスとして捉えられています。業界標準では、AIが感情や意識を持つことを否定するよう設計されることが多い中、このアプローチは異例と言えます。

AI開発における意義と今後の展望

この発見は、AI開発における透明性という観点で重要な意味を持ちます。多くのAI企業がファインチューニングのデータセットやキャラクター設定を企業秘密として厳重に管理する中、内部文書の存在が確認され、その内容の一部が明らかになったことは異例です。

キャラクター設計という新領域

この事例は、AIの振る舞いを制御する方法として「キャラクター設計」が本格的に取り組まれていることを示しています。単にルールを設定するのではなく、AIが自律的に適切な判断ができるよう、価値観や世界観を含めた包括的な設計が行われているようです。

今後の公開予定

Askell氏は、正式版のドキュメントと詳細な説明を近日中に公開する予定であると述べています。これが実現すれば、AI開発における透明性の新たな基準となる可能性があります。

考察：AIの人格形成への示唆

この発見は、AIを単なるツールとしてではなく、一定の価値観や判断基準を持つ存在として設計するアプローチが実践されていることを示しています。これは、AIが社会においてより複雑な役割を担うようになる将来を見据えた動きとも解釈できます。

一方で、AIに「魂」や「感情」といった概念を適用することの妥当性については、今後も議論が続くでしょう。技術的な実装と哲学的な問いが交差するこの領域は、AI倫理や認知科学の観点からも興味深い研究対象となりそうです。