中国AIの政治バイアス、微調整で除去可能と判明

AIモデルに組み込まれた政治的バイアスが、追加学習によってほぼ取り除けることが示された。米国のAI研究グループ「Nous Research」が、中国アリババの大規模言語モデル「Qwen3-27B」を再学習させ、「Arete-27B」として公開した。この過程で、モデルが示す親中国的な宣伝的回答の割合が22%から1%未満にまで低下したと報告している。

背景として、中国企業が開発するAIモデルには、自国政府の見解に沿った回答を返す傾向があることが以前から指摘されてきた。こうしたモデルは性能面では国際的に競争力を持つ一方、政治的に敏感な話題では特定の立場に偏った回答を出力するとされており、企業や研究機関がそのまま業務利用することへの懸念が生まれていた。Qwen3-27Bもそうした文脈で注目されてきたモデルのひとつだ。

Nous Researchが採用した手法は「教師あり微調整（SFT）」と呼ばれる追加学習の一形態で、5300万トークン（AIが処理するテキストの単位）分のデータを使って再学習を行った。その結果、政治的なバイアスに関わる回答傾向は大幅に改善された一方、一般的な能力を測るテストではモデルの性能がほぼ損なわれなかったという。つまり、使い勝手を落とさずにバイアスだけを切り離せたことになる。

Nous Researchはこの結果を踏まえ、政治的バイアスはモデルの学習プロセスの「後半に、薄く」乗せられていると表現した。これはつまり、バイアスがモデルの根幹には深く埋め込まれておらず、表層的な部分に後付けされている可能性が高いことを示唆している。構造的に浅い場所に存在するからこそ、比較的少量のデータによる追加学習でも除去できたという見方ができる。

この知見が持つ意味は、AIの安全性や利用可能性という観点から大きいと位置づけられる。性能が高くても政治的バイアスへの懸念から採用をためらっていた組織にとって、適切な再学習を施すことでそのリスクを大幅に低減できる可能性が示されたからだ。一方で、どの程度の再学習でどこまでバイアスを除去できるかは、モデルや学習データの設計によって異なると考えられ、今回の結果がすべてのケースに当てはまるわけではない点には注意が必要だ。

また、AIモデルの「バイアスの構造」に関する理解を深めるという点でも、今回の研究は一定の貢献をしていると言える。宣伝的な内容がモデルの深部ではなく表層に乗っているという仮説が実証的に裏付けられたことで、今後は「どの層にバイアスが埋め込まれているか」を分析・特定する研究にも広がる可能性がある。AIの透明性や説明可能性をめぐる議論に、新たな視点を加える動きとして注目できる。