Large language models accurately predict public perceptions of support for climate action worldwide
この事前登録された研究は、大規模言語モデル、特にClaudeが、国レベルの指標を用いて気候変動対策への支持に関する世界的な公衆の認識およびそれに伴う認識のギャップを正確に予測できることを示しており、従来の調査に代わる迅速かつ費用対効果の高い選択肢を提供すると同時に、社会的投影における系統的な下方バイアスを明らかにしている。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
大きな問題： 「サイレント・マジョリティ（静かなる多数派）」
大規模なパーティーを想像してみてください。そこでは、ほとんどの人が「散らかった部屋を片付けたい」と考えています。実際には、約89%の人々が政府に対して気候変動への対策をもっと強化してほしいと考えており、69%の人々が助けのために少しばかりのお金を出す用意があります。
しかし、ここに落とし穴があります。誰もその事実を知らないのです。
ほとんどの人は、「ああ、他の人たちはきっとソファに座ったまま、何もしないんだろうな」と思いながらそのパーティーに入ってきます。これは**「複数的無知（pluralistic ignorance）」**と呼ばれる現象です。誰もが「他の人は関心を持っていない」と思い込んでいるため、誰も声を上げたり貢献したりすることができません。全員が「誰かが始めるのを」待っており、沈黙と無策のサイクルを生み出しています。
新しいツール： 「スーパー・オラクル（超預言者）」
長い間、人々が「本当にどう思っているか」（そして「他人がどう思っていると推測しているか」）を知る唯一の方法は、あらゆる国の何千人もの人々に高価な調査票を送ることでした。これは、パーティーに集まったゲスト全員にインタビューするために、探偵チームを雇うようなものです。これには膨大な時間と費用がかかります。
この論文の著者たちは、新しい問いを投げかけました。「人工知能（具体的には大規模言語モデル、LLM）は、たった一度の調査も行うことなく、こうした人々の感情を推測する『スーパー・オラクル』になれるのではないか？」
彼らは4つの有名なAIモデル（GPT-4o mini、Claude 3.5 Haiku、Gemini 2.5 Flash、Llama 4 Maverick）を使い、125の異なる国々において、人々が互いの協力意欲をどれほど過小評価しているかを予測できるかどうかをテストしました。
結果： AIは正解を出した（大部分において）
研究者たちは、AIをテストを受ける学生のように扱いました。彼らはAIに対し、125カ国の実際のデータ（GDP、インターネット利用率など）を与え、「認識のギャップ（人々が『他人がこうするだろう』と予想していることと、実際に人々が行うことの差）」を推測させました。
- スター選手： 一つのモデル、Claudeは驚異的な正確さを見せました。誤差わずか5パーセントポイント程度で、認識のギャップの大きさを言い当てました。これは従来の統計的なコンピュータモデルと同等の精度でした。
- 準優勝： Llamaも素晴らしい成果を上げました。
- 苦戦したモデル： 他の2つのモデル（GPTとGemini）は精度が低く、実際よりもギャップが小さいと予測してしまう傾向がありました。
たとえ話： 近所の人たちが新しい公園のためにいくら支払う意思があるかを予想することを想像してください。最高のAIモデルは、近所の所得や人口統計を見て、「彼らは近所の人はあまり支払わないだろうと思っているが、実際には多く支払う用意がある」と判断しました。彼らは計算を正しく導き出したのです。
AIはどうやってそれをやったのか？ （「魔法」か「推論」か）
研究者たちは、AIが単に**「カンニング」**をしているのではないかと懸念していました。これらのモデルはインターネット上の膨大なテキストで学習しているため、最近発表された特定の調査結果を単に「暗記」している可能性があるからです。
これを検証するために、彼らは「違いを見つけるゲーム」を行いました。
- 「名前の入れ替え」テスト： 彼らはAIに、「これはフランスですが、ここにある経済統計はナイジェリアのものです」と伝えました。もしAIが単に「フランス＝X」という知識を暗記しているだけなら、Xと答えるはずです。しかし、AIはナイジェリアの統計に基づき、それに基づいて推測を行いました。これは、AIが単にスクリプトを復唱しているのではなく、**「推論」**していることを証明しました。
に - 「情報の欠落」テスト： 特定の事実（所得水準など）を取り除いた状態で、AIが依然として推測できるかを確認しました。最も優れたモデル（ClaudeとLlama）は、最も重要な手がかりは単純に**「人々は自分自身を助けるためにどれほど乗り気か？」であることに気づきました。人々が自分自身を助ける用意があるなら、他人も同様だと想定するのです。これは「社会的投影（social projection）」**と呼ばれる心理学的概念です。
結論： AIは単に答えを検索する辞書ではなく、人間が人間をどう考えるかという論理を用いて、賢い心理学者のように振る舞っていたのです。
AIはどこで最も効果を発揮するか？
AIはどこでも等しく優秀なわけではありません。
- 「ハイテク」ゾーン： 欧米などの富裕層が多く、インターネット利用率が高い国々では、AIは非常に正確でした。これは、特定の場所に関する膨大な図書室へのアクセス権を持つ探偵のようなものです。
- 「ローテク」ゾーン： 貧困層が多い国やインターネット普及率が低い地域では、AIの精度は低下しました。これは、AIが主に豊かな接続された国々のデータで学習されているためです。これは、辺境の村を訪れたことがなく、ステレオタイプに基づいて推測しなければならない探偵のようなものです。
結論： AIは、世界中の認識のギャップを測定するための、**素早く安価な「温度計」**になり得ます。
- 富裕国においては、高価な調査に取って代わることができます。
- 貧困国においては、問題がどこで最も深刻かを教えるための「概算」を提供し、後で本当の人間による調査員をどこに送るべきかを判断する材料となります。
極めて重要な点として、この論文は、AIが気候変動を解決できると主張したり、実在の調査を完全に止めるべきだと主張したりしているわけではありません。単に、AIは「私たちが考えていること」と「実際に起きていること」の間の目に見えないギャップを可視化し、会話をどこから始めるべきかを知るための強力な新しいツールである、と述べているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。