バスク大ら、LLM回答の日本文化偏重を報告

スペインのバスク大学と英カーディフ大学の研究チームは、主要な大規模言語モデル（LLM）に対して国や地域を指定せずに文化に関する質問を行った際、回答が日本やアメリカの事例に極端に集中する傾向があることを明らかにした学術論文（arXiv:2604.21751）を発表しました。世界24言語、計3万問以上のテストを通じて、AIモデルに内在する文化的なバイアスと学習段階の関係性を定量評価しています。

8モデル・24言語の大規模検証で判明した回答傾向

研究チームは、食事、芸術、歴史、教育、社会生活など11分野にわたる1,320問の質問を作成し、24言語に翻訳して計3万1,680問を準備しました。質問文では特定の国を指定せず、AI自身に具体的な言及先を選択させました。

検証対象となったのは、GPT-4o mini、Gemini 2.5 Flash、Claude 3.5 Haiku、Llama 4 Maverick、Command R、Magistral Small、DeepSeek V3.2 Exp、Qwen3 Nextの8モデルです。

主な検証結果は以下の通りです。

• ​質問言語の公用語国への集中​: 全モデルにおいて、質問に使用した言語の公用語国を取り上げる割合が43〜78％を占めました。
• ​除外後の日本・米国偏重​: 質問言語の関連国を除いて比較したところ、8モデル中5モデルで日本への言及が最も多く、2モデルでアメリカが最多、残る1モデルでは両国が同数でした。
• ​分野による偏りの違い​: 食事（Food）や芸術（Arts）に加え、教育（Education）や社会生活（Social）でも日本が多く選ばれました。一方で地理、経済、政治、歴史ではアメリカが首位となりました。
• ​指示チューニングでの偏りの増幅​: 事前学習を終えた基本モデルよりも、利用者の指示に沿って答えるための追加学習（SFT/アライメント）を経たモデルの方が、日本や米国への偏りが顕著に拡大することが確認されました。

未解明の課題と研究の限界

研究チームは、なぜこれほど日本が選ばれやすいのかについては現時点で完全には解明されていないと指摘しています。

検証項目	確認された事実と限界
学習データ量との関係	データ登場回数が多い国が選ばれるわけではない（中国は学習データ上で最多登場だったが回答での言及は僅少）
好意や正確性の意味	今回の結果は日本に対する好意や文化知識の正確性を保証するものではない
モデルの限界	段階的比較が英語データに限定されており、国単位で文化を定義している点にも分析上の制約が存在

日本の読者への影響と分析・展望

日本国内のユーザーや教育・広報関係者にとって、自国の文化がグローバルなAIモデルにおいて「標準的な具体例」として選ばれやすい現象は興味深い事実です。一方で、AIが世界各国の多様な文化を客観的に提示できず、特定の国に過剰代表されている偏りの証拠でもあります。

編集部注: これまでAIのバイアス問題といえば、主に欧米・英語圏の価値観への偏り（Western bias）が議論されてきました。しかし今回の研究により、非欧米圏の中でも日本文化が特異な「デフォルト回答」として定着している実態が明らかになりました。多様な文化的背景を前提としたグローバル向けAIサービスを設計する際、プロンプトで明示的に地域を指定するなどの配慮が必要になることを示しています。

引用元：GIGAZINE