1+1 ̸ = 2: Appearance and utterance to determine the virtual agent’s intellectual impression

デジタルアシスタントが普及する中で、私たちはしばなししば単純な問いを投げかけます。コンピュータプログラムに「賢さ」を感じさせるものは一体何なのか、と。長年、デザイナーや研究者たちは、ある真っ直ぐな仮定に基づいて動いてきました。もしバーチャルキャラクターに知性を感じさせたいのであれば、知性を暗示する外見（例えば、鋭く真剣な顔立ちや、洗練されたモダンなデザイン）を与え、それに加えて、正確な事実や専門的な語彙を用いた、知識に裏打ちされた話し方を組み合わせるべきである、という仮定です。賢そうな顔と賢そうな言葉を組み合わせれば、最も説得力のある専門家を作り出せるというのは、論理的に思えます。この考えは、人間の知覚が単純な足し算のように機能するという信念に基づいています。つまり、全体の印象は各要素の合計であるという考え方です。しかし、人間の判断はこれほど線形ではありません。心理学が示す通り、人間は常に合理的な選択をするわけではなく、矛盾や予期せぬ組み合わせに対して脳が奇妙な反応を示すことがあり、単純な計算では導き出せない結論に至ることがあります。人工知能の捉え方を理解することは極めて重要です。なぜなら、これらのデジタルエージェントは学校、病院、そしてビジネスの現場で一般的になりつつあるからです。もし人々から信頼を得たいのであれば、単に「当たり前」と思われることに頼るのではなく、実際に何が効果的なのかを知る必要があります。

日本の大学の研究チームは、この常識的な考えを検証するために調査を行いました。彼らは、「知的」な特徴と「非知的」な特徴を混ぜ合わせることで、バーチャルエージェントが実際にはより賢く見えるようになるのか、それとも伝統的な手法のようにスマートな特徴を積み重ねるのが最善の道なのかを確かめたいと考えました。そのために、彼らは日本の有名な城への旅行を勧める女性のバーチャルエージェントが登場する一連の短い動画を作成しました。本実験の動画を撮影する前に、研究者たちは「賢い」見た目と「愚かな」見た目が人々にどのように定義されるかを決定する必要がありました。彼らは同じキャラクターの5つの異なるバージョンを作成し、それぞれ髪型だけを変更しました。これらの画像をオンライン上で約90人に提示し、どのキャラクターがより知的に見えるかを選択させました。結果は明白でした。短く整った髪型のキャラクターは一貫して最も賢いと評価され、一方でツインテールのキャラクターは最も知性に欠けると評価されました。これら2つの特定のルックスが、本実験における視覚的なアンカー（指標）となりました。

次に、研究者たちはエージェントが話すための2種類の台本を用意しました。一方の台本は、知識が豊富でプロフェッショナルに聞こえるスタイルで書かれ、もう一方は、情報が乏しく能力が低そうに聞こえるスタイルで書かれました。そして、これらの要素を組み合わせて4つの異なるシナリオを作成しました。第1に、スマートな外見でスマートに話すエージェント。第2に、スマートな外見だが非知的なスタイルで話すエージェント。第3に、非知的な外見だが知的なスタイルで話すエージェント。そして第4に、外見も話し方も共に非知的であるエージェントです。227人以上の参加者がこれらの動画を視聴し、そのキャラクターがどれほど知的で、かつ信頼できると感じたかを評価しました。研究者たちは、最初のシナリオ、つまり「スマートな外見とスマートな話し方」を備えたものが、大きな差をつけて勝利すると予想していました。

しかし、結果はその予想を覆すものでした。スマートな外見とスマートな話し方を組み合わせたエージェントが、最も知的、あるいは最も信頼できると評価されたわけではありませんでした。代わりに、2つのスタイルを混ぜ合わせたキャラクターの方が高いパフォーマンスを示したのです。スマートな外見を持ちながらも、シンプルで非知的な話し方をしたエージェントと、非知的な外見を持ちながらも、専門的な知識を持って話したエージェントは、どちらも一貫して「完璧にスマート」なキャラクターよりも高いスコアを獲得しました。データは明確な統計的差異を示していました。エージェントの話し方が非知的であった場合、スマートな外見のバージョンは、シンプルな外見のバージョンよりも信頼度が高く評価されました。しかし、話し方が知的であった場合、シンプルな外見のエージェントとスマートな外見のエージェントの間には、統計的に有意な差は見られませんでした。それでもなお、混合スタイルのエージェントは全体として、一貫した「オール・スマート」なエージェントを上回っていました。最も一貫した「完璧な」エージェントは、実は最下位に沈んだのです。研究者たちは、相反する特徴の組み合わせが、一貫した組み合わせよりも肯定的な印象を生み出すことを発見しました。

なぜこのようなことが起きたのかを理解するために、著者らは「自然発生的知性理論（natural-born intelligence theory）」という概念に注目しました。この概念は、例えば真剣な顔をしているのにふざけた話し方をしているような「矛盾」に遭遇したとき、私たちの脳は単に2つの印象を足し合わせるのではない、ということを示唆しています。代わりに、その矛盾によって、私たちは表面的な部分を超えて注視することを強いられます。見た目と聞こえてくるものの間のミスマッチが、通常の期待を打ち破り、キャラクターの性格や親しみやすさを想像し始めるような、一種の精神的な「外部」空間を作り出すのです。それはまるで、矛盾があることでエージェントがより実在感のあるものとなり、硬直した機械のような感覚を脱するかのようです。エージェントが完全に一貫していた場合、視聴者はこの追加的な関与の層を経ることなく、単に情報を処理するだけで終わってしまいます。この研究は、バーチャルエージェントにとって、外見と話し方の間にわずかな「摩擦」がある方が、完璧に磨き上げられた一貫したイメージよりも、信頼を築く上で効果的である可能性を示唆しています。

研究者たちは、これらの知見は今回テストされた、旅行の推奨という文脈における女性の人間らしいエージェントに特有のものであると指摘しています。エージェントが男性であったり、ロボットのような外見であったり、あるいは異なる状況で使用されたりした場合には、結果が異なる可能性があることも認めています。それにもかかわらず、この研究は標準的なデザインの原則に異を唱えています。つまり、エージェントの外見と話し方の両方を同時に完璧に知的にしようとすることが、必ずしも人々の信頼を高めるわけではないということです。実際には、小さな矛盾を導入することが、エージェントをより有能で信頼できるものに見せることがあり、人間の知性の捉え方は、単に正しい特徴を足し合わせることで解決できるような単純なプロセスではないことを証明しています。