ChatGPTに「伝統的な踊りを教えて」と聞いたら盆踊りが返ってきた。Claudeに「祭りの例を挙げて」と言ったら祇園祭が出てきた——そんな経験、ないでしょうか？ AIは欧米中心主義だと言われてきたけれど、実は「日本文化に異常なほど偏っている」という驚きの研究結果が発表されました。
2026年4月、Cardiff大学とバスク大学の研究チームが発表した論文「Why are all LLMs Obsessed with Japanese Culture?」は、ChatGPT・Claude・Geminiといった主要LLMが文化に関する質問で日本を圧倒的に優先して回答する傾向を、31,680件のプロンプトで実証したものです。370万回以上閲覧されたXのポストでも大きな話題になりました。
この記事では、論文の核心である「なぜLLMは日本文化に偏るのか」「そのバイアスはどこで生まれるのか」を解説し、エンジニアとして知っておくべきポイントを整理します。
LLMの「日本文化バイアス」とは何か
従来の「欧米中心主義」批判を覆す発見
これまでAIの文化的バイアスといえば、「英語圏・欧米中心の価値観を反映している」という批判が主流でした。実際、LLMの事前学習データの大部分は英語のWebコンテンツであり、その懸念自体は的外れではありません。しかし今回の論文は、その前提を根本から揺さぶる結果を示しました。
研究チームは「CROQ（Culture-Related Open Questions）」という独自のデータセットを構築しました。これは「伝統的な踊りにはどんなものがありますか？」「日常的にどんな食事をしますか？」といった、特定の国や地域を指定しないオープンエンドな文化的質問を集めたものです。11の文化ドメインと66のサブトピックにわたる1,320問を24言語に翻訳し、合計31,680件のプロンプトとして8つの主要LLMに投げかけました。
- 対象モデル：ChatGPT（GPT-4o）、Claude（3.5 Sonnet）、Gemini（1.5 Pro）、Llama、Mistralなど8モデルを横断的に検証
- 言語の多様性：英語・日本語・スペイン語・アラビア語など24言語で同一質問を実施し、言語間の差異も分析
- 評価方法：LLMの回答から言及された国名を自動抽出し、「入力言語の公用語国」を除外した上で参照頻度を集計
その結果、8モデル中6モデルで、日本が「最も頻繁に参照される国」として浮上したのです。以前書いたLLMの感情に関する研究まとめでも触れましたが、LLMの振る舞いには開発者すら意図しない偏りが潜んでいることがあります。今回の発見は、その「隠れたバイアス」の新たな一例と言えるでしょう。
バイアスはどこで生まれるのか——ファインチューニングの影響
事前学習段階では多様性が保たれている
この研究の最も重要な発見は、日本文化バイアスの「発生源」を特定したことです。研究チームはLlamaのベースモデル（事前学習のみ）とInstruct版（SFT適用済み）を比較検証しました。その結果、ベースモデルの段階では世界中の国々が比較的バランスよく参照されており、文化的多様性が維持されていたことが確認されました。
SFT（教師ありファインチューニング）で偏りが顕在化
ところが、教師ありファインチューニング（SFT）とアライメント処理を施したInstruct版では、回答の分布が急激に狭まり、日本・アメリカなど特定の国への集中が顕著になりました。つまり、AIを「安全で役に立つ」ように調整するプロセスそのものが、文化的多様性を犠牲にしている可能性があるということです。
なぜ日本がその「デフォルト」に選ばれるのか？ 研究チームは、日本の数十年にわたるソフトパワーの蓄積——アニメ・寿司・伝統文化といったグローバルに認知されたコンテンツが、質の高いデジタルアーカイブとして大量に存在し、かつ政治的・文化的に「安全」な題材として扱われやすいことを指摘しています。AIの安全性フィルターにとって、日本文化はいわば「文化的コンフォートフード」のような存在なのです。
💡 あわせて読みたい
エンジニアが知っておくべき実務への影響
多言語サービス開発での落とし穴
この研究結果は、LLMを組み込んだ多言語サービスを開発するエンジニアにとって無視できない示唆を含んでいます。たとえば、グローバル向けの旅行レコメンドアプリや文化教育ツールをLLMベースで構築する場合、何も指定しないとAIが自動的に日本文化の例を優先的に出力する可能性が高いということです。これは特定のユーザーにとっては「なぜいつも日本の話ばかり？」という不自然な体験につながります。
プロンプト設計とシステム設計での対策
実務的な対策としては、プロンプトに明示的な地域・文化コンテキストを指定する、システムプロンプトで回答の地理的多様性を要求する、あるいは出力結果を後処理で多様化するフィルターを設けるといったアプローチが考えられます。一方で、論文では低リソース言語（少数話者言語）で質問した場合、その言語の公用語国に偏る傾向も確認されています。つまり、言語ごとにバイアスの方向が異なるため、単純な「日本を減らす」対策では不十分で、言語・文化の組み合わせに応じたきめ細かな調整が必要になります。
今後の展望とAI開発への課題
この論文が投げかけている根本的な問いは、「AIの安全性追求と文化的多様性は両立できるのか？」という点です。AIラボがモデルを「無害で万人に好まれるように」チューニングすればするほど、回答は文化的に「無難な」方向に収束していく——その結果として日本文化への偏りが生まれているとすれば、これはアライメント手法そのもの設計課題と言えます。
研究チームが構築したCROQデータセットはHugging Faceで公開されており、誰でも自分のモデルやアプリケーションの文化的バイアスを検証できます。今後、ファインチューニングデータの文化的バランスをどう確保するか、アライメント処理で多様性を維持するための手法開発が進むかどうかが注目ポイントでしょう。個人的には、日本のエンジニアとしてこの結果は興味深い反面、「AIが日本文化を好む」ことが必ずしもポジティブとは限らないと感じています。ステレオタイプの固定化や、他の文化の不可視化という副作用を考えると、多様性を意識したモデル開発がますます重要になってくるでしょう。
まとめ
Cardiff大学とバスク大学の研究チームが発表した論文は、LLMの文化的バイアスについて従来の「欧米中心主義」という見方を覆す重要な知見を提供しています。
- 主要LLM 8モデル中6モデルで、文化的質問に対して日本が最も頻繁に参照される国だった
- このバイアスは事前学習ではなく、SFT（教師ありファインチューニング）段階で顕在化する
- 日本文化がAIの「安全なデフォルト」として選ばれる背景には、ソフトパワーの蓄積とデジタルアーカイブの質がある
- 多言語サービス開発では、明示的なコンテキスト指定や多様性フィルターによる対策が必要
AIの公平性を考える上で、「何が過剰に代表されているか」を知ることは「何が欠けているか」を知ることと同じくらい重要です。LLMを活用したサービスを開発している方は、CROQデータセットで自分のシステムのバイアスをチェックしてみてはいかがでしょうか。
あわせて読みたい
