「より多い」は必ずしも良くない：LLMの意見多様性で本当に重要なこととは？

最近、AI、特に「大規模言語モデル（LLM）」と呼ばれるものが、私たちの代わりにアンケートに答えたり、色々な人の意見をまとめてくれたり、世の中の動きを予測したりするのに使われ始めています。まるで、たくさんの人が集まった会議をAIが再現してくれるようなイメージですね。

でも、ここでちょっとした問題が起きています。AIが出す意見が、どうもみんな似たり寄ったりになってしまう傾向があるようなのです。これは「意見の均質化」と呼ばれています。AIの意見がみんな一緒だと、本当の意味で多様な意見を反映しているとは言えませんよね。

そこで、AIの意見にもっとバラエティを持たせようと、色々な工夫が試されてきました。例えば、「あなたは〇〇な立場の専門家です」のように、AIに特定の役割（ペルソナ）を与えて、その役割になりきって答えてもらう方法などです。しかし、これらの工夫がどれくらい効果があるのか、きちんと比べられてこなかったという課題がありました。なぜなら、それぞれの工夫がバラバラに試され、測る物差しも違っていたからです。実際には、これらの工夫は同時に使われたり、AIが進化する中でアップデートされたりするので、「この部分が効いたんだ！」と特定するのが難しかったのです。

そこで、今回の研究では、AIの意見の多様性を、もっと科学的に、しっかり理解しようと試みました。具体的には、AIに意見を出してもらうときの「入力の条件」、つまり、AIにどんな指示や役割を与えるか、という点と、AIとの「対話の構造」、つまり、AIとどういうやり取りをするか、という点を分けて、実験を行いました。例えるなら、料理でいうと、材料（入力条件）と調理方法（対話構造）を別々に変えてみて、味（多様性）がどう変わるかを見るようなイメージです。

この実験では、7種類のAIモデルと、100人の実際のユーザーからの質問を使って、色々な条件でAIに答えさせて、その意見の多様性を測りました。その結果、これまで「こうすれば多様な意見が出るはずだ」と考えられてきた常識に、ちょっと疑問符がつくことが分かったのです。特に、AIに与える「ペルソナ」、つまり役割設定を細かく、深くしても、必ずしもAIの意見が多様になるわけではない、ということが明らかになりました。もっと多様な意見を引き出すためには、ペルソナ設定だけでなく、AIへの指示の出し方や、AIとの対話の進め方といった、他の要素も重要になってくるようです。