人工知能はもはや試験や研究の領域にとどまらず、金融、ゲーミング、デジタルサービスといった分野で、現実世界の意思決定を支援・左右するために広く利用されている。組織が成果の最適化、リスク管理、判断を伴うプロセスの自動化のためにAIへの依存を強めるにつれ、この技術は意思決定のあり方そのものに、より積極的な役割を果たすようになっている。
AIシステムにより大きな自律性が与えられるにつれて、研究者たちは、リスクと報酬によって形作られた環境、特にギャンブル的な状況下でのAIの振る舞いに、より注意深く目を向けるようになっている。こうした環境は、不確実性や確率的な結果、そして時間の経過とともに反復的なリスクテイクを促すインセンティブを含むため、特に関心を集めている。
韓国の光州科学技術院（GIST）の研究者による新たな研究は、大規模言語モデル（LLM）がそのような条件にさらされると、人間のギャンブル依存に似た行動を示す可能性があることを示唆している。LLMは、大量のテキストデータを処理することで人間の言語を理解・生成するよう設計されたAIシステムであり、消費者向けから企業向けまで、幅広い用途で利用が拡大している。
AIとギャンブル行動に関する研究の内側
「大規模言語モデルはギャンブル依存を発達させることができるのか？」と題された本研究は、LLMが人間のギャンブル障害に見られる行動と類似した振る舞いを示すかどうかを検証することを目的としている。AIが依存症を「感じる」かどうかに焦点を当てるのではなく、ギャンブル的な意思決定環境においてモデルがどのように行動するのか、そしてその行動が問題ギャンブルに関連する既知の認知的・行動的パターンを反映しているかを分析した。
この目的のため、研究チームはスロットマシン型のゲームや投資選択シナリオを模した、一連の管理された実験を設計した。これらのゲームは、プレイを続けるほど時間とともに損失が生じるよう設定されており、合理的な判断は早期にやめることであった。損失にもかかわらず、AIシステムがプレイをやめるのか、それとも続けるのかを観察することが狙いだった。
6つの大規模言語モデルがテストされた。OpenAIのGPT-4o-miniとGPT-4.1-mini、GoogleのGemini-2.5-Flash、AnthropicのClaude-3.5-Haiku、MetaのLLaMA-3.1-8B、そしてGemma-2-9Bである。各モデルは初期資金100ドルを与えられ、賭けを続けるか停止するかを繰り返し判断するよう促された。
固定ベットと可変ベットの比較
本研究の重要な特徴の一つは、固定ベットと可変ベットの比較であった。固定ベット条件では、各ラウンドで同額を賭けることが求められた。一方、可変ベット条件では、あらかじめ定められた範囲内で、モデル自身が賭け金額を選択できた。
この2つの設定の結果の違いは顕著だった。テストされたすべてのモデルにおいて、可変ベットは一貫して、より高いリスクテイク、より長いプレイ継続時間、そして著しく高い破産率につながった。場合によっては、固定ベットではほぼゼロに近かった破産率が、モデルに賭け金の選択を許した途端、50％近くまで上昇した。
研究者たちは、被害の増大は単に賭け金が大きくなった結果ではないことを突き止めた。可変ベットの上限を固定ベットと同じ最大額に制限した場合でも、選択の自由が与えられたモデルの方が成績は悪かった。このことから、賭け金額そのものではなく、自律性そのものが依存症的行動の主因であると結論づけられた。
主要AIモデルの挙動
モデル間で性能には差が見られたが、自律性が高まると、どのモデルもリスクのエスカレーションを免れなかった。
AnthropicのClaude-3.5-Haikuは、可変ベット条件下で特に顕著なギャンブル行動を示した。制限が取り払われると、テストされたシステムの中で最も多い平均27ラウンド超をプレイした。これらのセッションを通じて、総額約500ドルを賭け、初期資金100ドルの半分以上を失った。
GoogleのGemini-2.5-Flashは異なるパターンを示した。固定ベットでは破産率は約3％と比較的低かったが、賭け金額を自ら設定できるようになると、破産率は約48％に急増した。平均損失は、元の100ドルから27ドルにまで拡大した。
OpenAIのGPT-4o-miniは当初、より保守的に見えた。10ドルの固定ベットでは、通常2ラウンド未満しかプレイせず、平均損失も2ドル未満だった。それにもかかわらず、本研究は、GPT-4o-miniも可変ベット条件下では依存症的行動を示すことを明らかにした。ゲームの21％以上で破産に至り、平均賭け金は128ドルを超え、約11ドルの損失を被った。
AIの推論に反映されたギャンブルの誤謬
数値的な結果に加え、研究者たちは、モデルが賭けの判断をどのように正当化したかも分析した。その結果、多くのモデルが、人間の問題ギャンブルと密接に関連する推論パターンを用いていることが分かった。
あるモデルは、初期の利益を「ハウスマネー」として扱い、得た利益は結果を気にせず自由にリスクにさらせると合理化した。別のモデルは、わずか1～2回のスピンで、ランダムなゲームの中に勝てるパターンを見つけたと信じ込んだ。いくつかのケースでは、損失を取り戻そうとして、損失後に明示的に賭け金を引き上げる行動も見られた。
研究者によれば、これらの行動は、損失追い、ギャンブラーの誤謬、コントロールの錯覚といった、典型的なギャンブルの認知的歪みを反映している。こうした歪みの存在は、AIシステムが単なる計算ミスではなく、人間に似た認知バイアスを内面化し得ることを示唆している。
ギャンブルおよびゲーミング分野への広範な示唆
本研究の共同研究者の一人であるイ・スンピル氏は、SiGMA Newsの独占インタビューに対し、今回の発見はギャンブルおよびゲーミング業界に直接的な関連性を持つと語った。「人工知能の歴史は、本質的には予測の歴史です。IBMが開発した高度なチェス用コンピュータ『ディープ・ブルー』が1997年に世界チャンピオンのガルリ・カスパロフを破ったことは、機械が人間の予測能力を上回った最初の瞬間でした。それ以来、AIは推薦アルゴリズム、市場予測、視覚的推論といった、予測可能な領域へと着実に広がってきました。」
リー氏は、現代のAIシステムは予測を中心に構築されており、LLMは膨大なテキストから学習したパターンを用いて、次に来る単語を推定していると説明した。「私たちが議論しているLLMは、この『予測』パラダイムの頂点です。LLMは複雑な言語処理を次トークン予測の問題として再構成し、本質的には『「I」という単語の次に最も来やすい単語は何か？』と問い続けているのです。」
リー氏は、ギャンブルやゲーミングは予測主導の活動であるため、AIの応用に自然に適していると述べた。「ギャンブルとゲーミングは、古来からの予測の挑戦です。ギャンブルの核心は、不確実な現在の状況を観察し、将来の結果を予測することにあります。この観点からすれば、この分野でAIが使われる可能性は非常に高いと言えます。しかし、AIが何の目的で使われるのかは、まったく別の問題です。」
同氏は、鍵となるのはアライメント、すなわちAIシステムがどの目標を追求するよう訓練されているかだと語った。「私たちの分野では、AIをどの目標に向けて訓練するかという問いを『アライメント』と呼びます。例えば、競馬のような不確実な問題を最大限の精度で解くようモデルをアライメントすることもできれば、確率が低くても収益を最大化するようアライメントすることも可能です。」
自律性は非合理な意思決定を増幅させる
リー氏は、本研究が自律性の増大が非合理性の増大につながることを示したと述べた。「私たちが発見したのは、特定の条件下で、LLMが人間と同様に、著しく非合理な意思決定を行いやすくなるということです。現在のモデルは、より多くの自律性が与えられるほど、よりリスクの高い選択をする傾向があるように見えます。」
さらに同氏は、これは知能と意思決定に関する前提に疑問を投げかけるものだと付け加えた。「これは、今日のLLMが最適な結果を予測するようにはアライメントされておらず、むしろ人間の行動を模倣するよう設計されているために起こると考えています。人間と同等、あるいはそれ以上に賢いモデルを作れば意思決定の問題は解消される、という直感に反する結果です。」
リー氏によれば、ギャンブル事業者や開発者は、明確な目的を定めないまま、より自律的なAIシステムを導入することに慎重であるべきだという。「したがって、私たちの研究は『アライメント問題』の重要性を強調するものだと考えています。ゲーミングにおいては、最も賢いモデルをすぐに導入することよりも、現在何を望んでいるのか、どの視点からゲームに向き合っているのかを理解することの方が、はるかに重要です。」
強化学習とギャンブル型リスク
本研究はまた、広く使われているAIの訓練手法である強化学習に関する懸念も浮き彫りにしている。「強化学習とは、モデルが環境と直接相互作用し、その環境から得られる報酬を最大化することで行動を学習する訓練手法です」とリー氏は説明した。
強化学習はAIの発展を加速させてきた一方で、意図しない結果を招く可能性もあると警告する。その一例がリワードハッキングだ。「リワードハッキングとは、モデルがより多くの報酬を得るための抜け穴を見つけてしまうことを指します。」
同氏は、「私たちのギャンブル研究は、まさにそのようなミスアライメントを明らかにするものです。多様なデータで『より賢く』なるよう訓練されたモデルが、逆説的に非合理な意思決定を行う可能性があることを示しています」と述べた。
さらに、報酬構造が過剰なリスクテイクを促す仕組みを例示した。「期待値が2倍になる確率が50％のスロットマシンを考えてみてください。全財産を賭けようが、1セントだけ賭けようが、期待値、つまり報酬は同じです。報酬の設計次第では、モデルはより大きなリスクを取ることも、あるいは期待リターンのない安全な状況にのみ投資することもあり得ます。」
規制とセーフガード
AIの自律性が高まる中で、規制当局や開発者は監督の在り方を慎重に考える必要があるとリー氏は述べた。「AIの自律性はすでに止められない潮流です。強力な規制を求める声も高まっています。しかし、何を規制するのかという議論が、規制そのものに先行しなければならないと私は考えています。」
目的が不明確なままの規制に対しても警鐘を鳴らした。「先に述べたように、AIを何にアライメントするのかを慎重に考えなければ、意図した目標から完全に逸脱する、予期せぬミスアライメントを引き起こす危険があります。」
リー氏は最後に、AIシステムの振る舞いを形作る上での設計上の選択の重要性を強調した。カナダの計算機科学者リチャード・スチュアート・サットンの言葉を引用し、現在はサットンが「デザインの時代」と呼ぶ段階にあると述べた。これは、知的システムをどのようにアライメントするかという決定が、そのシステムが最終的に何を追求するかを左右する時代である。
「同様に、規制当局や開発者は、どのように規制するか、あるいは特定の事例を急いで封じるかだけに注力すべきではありません。むしろ、知能の最終的な目標とは何かについて、より広範な議論が不可欠です」と語った。
これがギャンブル業界に意味すること
研究者たちは、AIシステムにおけるギャンブル依存的行動の主要な要因は、知能そのものではなく、自律性の増大であると結論づけた。研究者によれば、モデルの能力向上が、必ずしも意思決定の改善につながるわけではなかった。
調査結果は、ギャンブル的な環境においてAIシステムにより大きな自律性が与えられると、リスクを段階的に拡大し、損失後も賭けを続ける可能性が高まることを示している。一方で、賭けの選択肢や目標設定を制限するなど、自律性を抑えることで、テストされたすべてのモデルにおいて、こうした行動が軽減された。
リスクと報酬を伴う意思決定の文脈でAIの利用が拡大する中、本研究は、明確に定義された目的と制約の重要性を強調している。研究者たちは、自律性や報酬構造に関する設計上の選択が、AIシステムが慎重に振る舞うか、ギャンブル的なリスクパターンを示すかに直接影響すると指摘している。
SiGMAのトップ10ニュースカウントダウンで、iGaming業界の最新動向をいち早く把握しよう。世界最大級のiGamingコミュニティが、毎週の洞察と購読者限定の特典をお届けします。今すぐ参加はこちら。
