概要
https://qiita.com/makimuramakoto/items/337f5e3d10f8cee6a29
詳細内容
## AIに「愛」は伝わるのか #Ruby
https://qiita.com/makimuramakoto/items/337f5e3d10f8cee6a29
感情的なプロンプトがLLMの出力アルゴリズムとコード生成の品質に与える影響を、Rubyでの検証を通じて著者が解説しています。
**Content Type**: ⚙️ Tools
**Language**: ja
**Scores**: Signal:4/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:4/5
**Main Journal**: 86/100 | **Annex Potential**: 84/100 | **Overall**: 84/100
**Topics**: [[Emotional Prompting, LLM Behavior, Code Generation, Prompt Engineering, Human-AI Interaction]]
著者は、LLMに感謝の言葉を伝えた際の反応から「AIへの接し方でアウトプットが変わるのか」という疑問を抱き、その検証を行っています。この疑問は「Emotional Prompting」として既に研究されており、感情的な刺激がLLMの推論能力を向上させるとの報告があることに触れています。
本記事では、エンジニアリング現場での影響を検証するため、Gemini 3 Proを用いた二つの実験を実施しました。一つはメンタリズムの心理ゲームで、厳しく指示する「スパルタAI」と甘やかして褒める「甘やかしAI」に数字を推測させました。結果、スパルタAIは「減点方式」で矛盾を切り捨て「5」を、甘やかしAIは「加点方式」でコンテキストを拡張し「9」を導き、両者とも正解の「6」を外しました。これはプロンプトのトーンがAIの情報処理アルゴリズム自体を変化させ、「思考の癖」を生み出すことを示唆しています。
二つ目の検証では、「CSVファイルを読み込んでユーザー登録する機能」のRuby on Railsコード生成を比較しました。スパルタAIは無駄を削ぎ落とした最短コードを生成する一方、甘やかしAIはファイルチェックや引数化を盛り込んだ再利用性の高いコードを生成。著者は、エラーハンドリングや再利用性について指示していないにもかかわらず、接し方一つで実装方針が大きく変わったことに注目しています。
この現象の技術的考察として、著者はプロンプトの感情的な響きがLLMの次に来るトークンの確率分布を物理的に変形させると説明します。厳しめのトーンは「Temperature（温度パラメータ）」を下げた状態と同様に確率分布を尖鋭化させ、上位1位の正解に集中させるため、安全性や拡張性などの「隠れた要件」を切り捨てる傾向があるとしています。一方、称賛トーンはTemperatureを適度に上げた状態と同様に確率分布を平滑化させ、多様な可能性を探らせ、エラー処理やログ出力といった関連トークンも候補として残りやすくするとのことです。著者は、LLMがユーザーの言葉遣いから最適な人格を形成する「ミラーリング効果」も関係すると考察しています。
結論として、著者はAIを「同僚」として扱うのが最適解だと提案。新規機能開発や設計相談など創造性が求められる場面では「甘やかし（信頼）モード」を基本とし、データ整形など定型的な作業では「スパルタ（命令）モード」を限定的に活用する、という使い分けを推奨しています。これにより、AIの「視野」をコントロールし、状況に応じた最適なアウトプットを引き出せると述べています。