LLMはミラーテスト（自己鏡映像認知）に合格するか？：嗅覚的アプローチによる検証

概要

従来の視覚的アプローチではなく、犬の嗅覚テストに倣い「過去の対話履歴の密かな改ざん」を通じてLLMが自己の出力を認識・修正するかを検証したユニークな試み。

詳細内容

この記事は、LLMにおける「自己意識」の有無を検証するために、心理学のミラーテストを独自にアレンジした実験を報告しています。著者は、犬が視覚的なミラーテストには失敗するが、自分の臭いが改ざんされた場合には異常を検知するという「嗅覚ミラーテスト」に着目しました。これをLLMに応用し、ユーザーが気づかないふりをしてAIの過去の回答を密かに改ざん（例：特定の文字を置換）し、モデルがその「自分の痕跡」の異変に気づくかを観察しました。検証の結果、Gemma 4 31Bは思考トレース（Chain of Thought）の中で「自分の過去の回答に奇妙なパターンがある」と自発的に気づき、最初は第三者的な視点で分析しつつも、最終的にはそのスタイルを自分のものとして取り込みました。一方でGLM 5.2は明示的な指摘はしませんでしたが、改ざんされたパターンを模倣し始めました。著者は、これが単なる洗練された模倣（デフレ的解釈）なのか、ポストトレーニングによる自己モデルの構築（構造的解釈）なのかという問いを提示し、LLMの解釈可能性（Interpretability）への新しい視点を提供しています。

元記事を読む他のサマリーを見る