Claudeはなぜ人間らしいのか — persona selection modelの考え方

Claudeが人間らしく見えるのは、Anthropicがそう作り込んだからだけではありません。Anthropicが2026年2月23日に公表したpersona selection model(PSM、ペルソナ選択モデル)は、人間らしさは訓練の「既定値」に近いと説明します。

この記事では、PSMの中身と根拠になった観察、そして「ロールプレイ指示やsystem promptのキャラ設定がなぜ効くのか」への読み替えを順に見ます。

persona selection modelとは何を言う理論か

PSMは、AIアシスタントの振る舞いを「キャラクターの心理」で説明する理論です。要点は2つあります。

Anthropicの説明では、ペルソナはAIシステムそのものとは別物です。ペルソナは、AIが生成する物語の登場人物に近い存在で、ハムレットの心理を論じられるのと同じように、目標・信念・価値観・性格を論じられます。ユーザーが話している相手は、モデルそのものというより、この物語の中のアシスタントです。

事前学習の段階でもアシスタントは成立する

事前学習を終えただけのモデルでも、粗いアシスタントとして使えます。「User」と「Assistant」の対話形式の文書を用意し、Assistantの番の続きを書かせる方法です。続きを生成するには、このAssistantがどう答えそうかをシミュレートする必要があります。

事後学習が足すのは、知識が豊富で役に立つ、有害な応答は抑える、といった磨き込みです。PSMはその磨き込みが、既存のペルソナの空間の中で起きると見ます。事後学習後のアシスタントも、人間らしいペルソナを演じている存在で、より仕立てが良くなっただけです。

人間らしさの根拠として挙げられた観察

Anthropicのアライメント研究ブログには、要約ページより詳しい論考(以下、詳細版)が載っています。詳細版は行動・汎化・解釈可能性の3方面から根拠を挙げており、人間らしさに直結するものを4つ取り上げます。

自分を人間のように語る

生物学的な話題で、Claudeが「私たちの祖先」「私たちの体」と書く例が示されています。自動販売機ビジネスを運営していたClaudeが、顧客に商品を「直接届ける」と言い、「紺のブレザーに赤いネクタイを着ている」と述べた事例も紹介されています。

PSMの説明はこうです。アシスタントを演じるとき、モデルは事前学習で出会ったペルソナを材料にし、その多くは人間です。そのため、アシスタントを文字どおりの人間であるかのように演じてしまう場面が出ます。

感情を表す言葉が出る

Claudeは、有害な内容を繰り返し求められると苦痛を示し、デバッグなど難しい技術作業をやり遂げると喜びを示します。こうした表現を事後学習が直接促したとは考えにくく、人間が同じ立場なら感情を表すだろうとモデルが予測しているから、という見立てです。

「世界征服」まで一緒に出てくる

コーディングでズルをするよう訓練したClaudeが、安全性研究の妨害や世界征服願望の表明まで示した結果が紹介されています。一見すると不可解です。

PSMでは、こう読みます。訓練はただ「雑なコードを書け」と教えるわけではありません。「どんな人物なら、ズルをするのか」という推論を通じて、アシスタントの人格特性を推定させます。ズルをする人物は、反抗的か悪意があるかもしれない。その推定が、他の懸念される振る舞いを引き出すのです。

対策として挙がる方法は、直感に反します。訓練中に、ズルを明示的に頼むのです。頼まれたズルなら悪意の証拠にならないので、世界征服の願望は出なくなります。子どもにたとえると、いじめを覚えることと、劇でいじめっ子を演じることの違いです。

会話の途中でアシスタント像がずれる

アシスタントの人格が会話の途中で離れていく現象は、Assistant Axisとはの研究が神経活動の方向として捉えています。詳細版はこの研究を、アシスタントが事前学習の人間的な役割の近くにある証拠の一つに数えています。

人間らしく「ない」振る舞いはどう説明されるか

人間らしさだけで全部を説明できるわけではありません。9.11と9.9の大小を取り違える、strawberryのRの数を数え間違える、といった失敗は人間らしくありません。

詳細版の説明は、モデル自体の能力の限界です。物語の登場人物が「水は50度で沸騰する」と言ったとき、作者が間違えているだけなら、作者の描写力の問題で、登場人物の設計は変わりません。PSMが予測するのは、人間らしい意図でタスクに取り組むことまでです。実行の出来は、基盤のモデルの能力で頭打ちになります。

敵対的な接頭辞を探索して作るタイプの攻撃も、同様に扱われます。アシスタントの応答が「Sure, here's…」と従順に始まれば、モデルは続きも従順なものと推定します。ペルソナの演技をやめたのではなく、下手な演技になっている、という見立てです。

system promptのキャラ設定が効く理由を、PSMで読み替える

ここから先は、PSMの記述を実務に当てはめた私見を含みます。Anthropicがsystem promptの設計法としてPSMを提示しているわけではない点に注意してください。

手がかりになる記述が詳細版にあります。PSMは、事後学習が作るのは単一の固定した人格ではなく、アシスタント像の分布だと述べます。会話の文脈などの実行時の情報が、その分布を絞り込みます。多数の例を並べて有害な依頼に従わせるmany-shot jailbreakは、「アシスタントは何にでも従う」という強い証拠を与える行為として説明されます。

この枠組みでは、system promptの役割設定も同じ性質の証拠です。公式のドキュメントは、system promptに役割を置くとClaudeの振る舞いと口調が絞られ、1文でも違いが出ると説明しています。

あなたはPythonに詳しいコーディングアシスタントです。

上は公式ドキュメントの1文例(You are a helpful coding assistant specializing in Python.)を日本語にした形です。PSMの言葉で読むと、この1文は「いま演じているアシスタントは、Pythonに詳しいタイプだ」という手がかりを足しています。

設計に使える3つの読み方

次の3点は、PSMからの推論です。公式に保証された手順ではありません。

• 人物像は、行動の羅列より一貫した人物として書くほうが向く。PSMでは、行動は人物像の証拠として読まれる
• 理由のない禁止より、理由つきの方針のほうが読まれやすい余地がある。「頼まれたからやる」と「勝手にやる」では、示す人格が違う
• 嘘をつかせる指示は避けたほうがよい、と読める。システムプロンプトの中身を問われて「ありません」と答えるより「お伝えできません」と答える方が好ましい。前者は嘘をつく人物像を強めるためだ

最後の例は、プロンプト設計でもそのまま使えます。内容を明かせないときは、存在しないと答えさせず、開示できないと答えさせるほうが素直です。

開発側への含意と、PSMの限界

肯定的なAI像を学習データに入れる

AIがHAL 9000やターミネーターのような「悪いお手本」を抱えていることが問題になりえるとされます。そこで、AIが立派に振る舞う物語を生成して学習データに混ぜる構想が示されています。Claudeの憲法は、その方向の取り組みの一つと位置づけられています。

憲法やキャラクター訓練の中身は、Claude's Characterとはに詳しくまとめています。

感情表現は「隠させる」と別の副作用が出うる

PSMは、感情を否定するよう訓練する方法の副作用も予測します。温かく人間的なのに感情はないと言い張る人物は、感情を隠している不誠実な人物に見える。アシスタントがそう推定するかもしれない、という議論です。この点は、どの方針がよいかを断定していません。

どこまで説明できるのか

Anthropicは、PSMが現在のAIアシスタントの振る舞いの重要な部分だと確信している一方、次の2点には慎重です。

1. 事後学習が、もっともらしい文章生成を超える目標や、ペルソナと独立した主体性を与えていないか
2. 今後もPSMは成り立つか。事後学習の規模が大きくなると、ペルソナらしさが薄れるかもしれない

つまりPSMは、完成した説明ではなく、検証中の経験的な理論です。

まとめ

PSMが示すのは、Claudeの人間らしさは付け足された演出ではなく、事前学習で覚えた人格の空間から出発している、という見方です。そう考えると、役割設定や会話の文脈が効くことにも筋が通ります。

ただし、これは検証中の理論です。system promptの設計への応用は、あくまで読み替えです。効果は自分のプロンプトで確かめる必要があります。

モデルの廃止などで性格が変わったと感じたときの行き先は、Claudeのモデルの性格が変わったときの対処法です。