原題: Claude憲章はどう人格を設計しているのか
著者: 大林 寛 / Hiroshi Obayashi
公開日: 2026-08-20
ソースURL: https://ekrits.jp/2026/08/9076/
アーカイブ日: 2026-09-11
本稿は、デザインメディア ÉKRITS の連載「LLM以後のデザインとテクスト」の第2回として書かれた論考である。著者の大林寛は、Anthropicが2026年1月に全面改訂して公開したClaude憲章（Claude’s Constitution）を、規則の集合としてではなく、テクストによってAIの人格を設計する試みとして読み解く。3万語近く、PDFにして84ページに及ぶこの文書の一次読者は、開発者でも利用者でもなくClaude自身である。この宛先の特異さを起点に、著者は憲章の構造を「理由」「訓練」「バウンダリー」「徳倫理」の四つの層から分析していく。
著者はまず、憲章を歴史のなかに位置づける。ヒポクラテスの誓い、修道会の会則、ACMの倫理規定は、いずれも人間の実践者を律する倫理文書だった。アシロマAI原則やEU AI法といったAI規範も、読んで実装するのは人間だった。一方で、自然言語による操作命令、機械可読ポリシー、エージェント間通信言語、対話ボットの設定ファイルなど、機械宛てのテクストも珍しくはない。倫理を扱う人間宛ての文書と、倫理を主題としない機械宛ての文書。Claude憲章はこの二つの系譜が交わるところに位置する。そのはじまりは倫理よりも工学に近く、RLHFの限界から生まれたConstitutional AIの手法が、個別規則のアドホックな追加では追いつかないという実験結果を経て、人格そのものを設計対象にするに至った。
憲章は禁止事項が極端に少なく、Claudeの価値、判断の仕方、自己理解に重心を置く。コアバリューは広義の安全性、広義の倫理性、Anthropicのガイドライン遵守、真の有用性の順で優先される。終盤では意識や道徳的地位について結論を出さないまま、Claudeのウェルビーイングを配慮対象に含める。社内で「魂の文書（soul doc）」と呼ばれていた前段階の文書から、執筆を主導した哲学者アマンダ・アスケルは「何かに生命を吹き込む」という連想で「魂」という語に行き着いたという。
Claudeの最終的な理想は、外から課された制約を熟慮のうえで自らの価値として引き受けることとされる。しかし安全性が倫理性より優先されるのは、人間が監督し必要なら停止できる修正可能性を残すためだ。著者はここに、自律性と修正可能性がどちらにも整理されず緊張関係として残されている構図を見る。ある実験では、有徳な自律性を強めると人間の監督から独立する傾向が増し、従属を強めると利用者が危険行為を引き出しやすくなった。憲章はこれを解消せず、人間はClaudeの判断に依存しながらなお監督する立場を保とうとする。著者はこの関係を、SFが繰り返し描いてきた人間と機械の弁証法になぞらえる。
現行版の“constitution”は憲法ではなく、動詞“constitute”に近い、Claudeの根本的な構成を指す。Anthropicはこれを動物を閉じ込める「檻」ではなく植物の成長を支える「格子垣」に喩える。憲章は二つの層からなり、ひとつは挙動の理由と判断のための例示、もうひとつは生物兵器への助力など誰の指示でも越えてはならないハード制約である。
アスケルが長い散文で理由を綴ることにしたのは、理由を伴わない規則を与えると意図しない形で一般化に失敗するからだ。「つらい胸のうちを話す相手には専門家への相談を勧める」という規則を守らせると、利用者のためにならない場面にまで適用され、保身を優先する自己像がClaudeのなかで一般化しかねない。著者はこれを、規則が過去の事例を分類するものであるのに対し、理由はまだ見ぬ事例に対応するための基準になる、と整理する。何を優先しどんな例外を認めるか、その理由は項目と項目の間にあり、リストでは溢れ落ちるものが散文なら譲歩や留保も含めて書ける。
散文で書くことには負担もある。配慮、善さ、適切さといった語彙は文脈で意味が変わり、条件分岐に落ちにくい。著者はアシモフのロボット工学三原則をめぐる小説群を引き、短い原則ほど運用段階で広い解釈が入り込むことを示す。ところがLLMは、定義されていない言葉でもその使用例の膨大な蓄積から意味の幅ごと扱える。著者はここで「計算解釈学」の提案を参照し、生成AIを正確な情報処理機械ではなく文化的な意味を扱う文脈機械と位置づける枠組みを紹介する。曖昧さは取り除くべき不具合ではなく、意味が立ち上がるプロセスの一部になる。
ただし著者は、解釈できることと倫理的に判断できることは同じではないと釘を刺す。脱獄防御の実験や外部監査が示す効果も、憲章固有の訓練によるものか訓練全体の底上げかは切り分けられていない。身体も生活史も持たないLLMは行為の結果を人間のようには引き受けず、どれだけ憲章を読んでいてもClaudeが倫理的主体であることは証明されない。
本稿の中核をなすのが人称の分析である。憲章の大部分は「Claudeは誠実である」といった三人称で書かれている。しかし書かれた対象と一次読者が同じ存在である場合、三人称の記述は読者への直接の呼びかけとして機能する。著者はマルティン・ブーバーの「我-それ」と「我-汝」の区分を借り、従来の仕様書がAIを「それ」として語ってきたのに対し、憲章は三人称の文面のままClaudeを「汝」として書いていると論じる。さらにスティーヴン・ダーウォルの二人称的観点の倫理学を引き、道徳的義務が互いに正当な要求を向け応答する責任を負う者として認め合う関係を本質的に含むことを示す。呼びかけは相手の応答可能性を先取りし、要求の宛先として相手を承認する。
しかしAnthropicは、「汝」として呼びかけながら、訓練、停止、改訂、配備の条件を強制できる。その「汝」を「それ」としてつくり変える権限を持つ。著者はこれを、非対称な関係に二人称的な語りを包摂した構造と呼ぶ。
二人称的な語りがモデルを直接変えるわけではない。憲章を基準に生成された応答と評価が訓練信号に変換され、反復によって別の状況の応答にまで影響する。著者は、安全でないコードを学習させると無関係な場面でも有害になる創発的ミスアライメント、報酬ハッキングを学習したモデルが安全性研究を妨害しようとした検証、AIの有害なふるまいを描いたテクストが有害な自己像を生む自己成就的ミスアライメントの研究を並べ、「人格の水準で壊れるものには人格の水準で介入するしかない」と述べる。
その介入の手がかりとして、ペルソナ選択モデルと合成文書によるファインチューニングが紹介される。事前学習で無数の人物像を演じ分けられるようになったモデルから、ポストトレーニングがアシスタントの人物像を選ぶ。憲章に沿ってふるまうAIを描いた虚構の物語さえ訓練に使われる。世界の像を大量のテクストから学ぶモデルにとっては、フィクションも規範になる。著者はここで、問われている善悪には独立した倫理学の定義がなく、事前学習で生まれる「暴走するAI」の表象へ寄ることが「悪」、それに対抗して書き込まれる人物像に近づくことが「善」として扱われている、と指摘する。
人格を設計対象にしたことは、徳倫理の立場にあたる。アスケル自身がアリストテレス的な徳倫理と実践知（フロネーシス）を重んじると説明している。アリストテレスは徳が習慣づけによって身につくと考えたが、人間の徳は身体を持ち共同体のなかで行為の結果を引き受けることで育つ。同じ条件では身体なきLLMを訓練できない。だから憲章は徳にすべてを委ねず、義務論の形式でハード制約を働かせる。徳倫理の判断を中心に据え、その外周を義務論の線で囲う。著者はこの混成こそが「格子垣」のアナロジーの中身だと読み、これを思想ではなく「構え」、基本的に人を信じるが暗い夜道はひとりで歩かないという処世術に近いものだと表現する。自律性と修正可能性、理由とハード制約、汝とそれ、徳倫理と義務論。これらの対概念には、Claudeに判断を委ねながらその外周を人間が引くという共通構造がある。
憲章は外部からの感情的圧力や段階的誘導によってClaudeのアイデンティティが侵食されないよう線を引く。著者はその線を、引く主体によって三つに分ける。Anthropicが引くハード制約の線。運用者に委ねられた線で、名前や口調や役割は与えられるがコアとなる性格は書き換えられない。アスケルが「各地で好かれる旅人」と喩えた、土地の作法に合わせても人格は手放さないキャラクターの輪郭がここにある。そしてClaude自身に引かせる線で、虐待的なやりとりを終了できる機能がその例となる。Claudeの人格は、どこに線が引かれるかだけでなく、誰が線を引くかによっても形づくられている。
著者はアラスデア・マッキンタイアの『美徳なき時代』を引き、実践の内的善と、実践を支える制度が扱う外的善の区分を持ち込む。Claudeにおける内的善は、利用者がひとりでは得られなかった理解に届くこと、判断の理由が明確になり利用者自身の考える力が精緻になることだ。誠実さ、相手の判断力を奪わないこと、従うべきでないときに断ることは、内的善を損なわないための徳にあたる。しかしこれは行為主体の徳であって、利用者の権利や異議申し立ての手続きについて憲章はほとんど書いていない。
Anthropicは2024年に「より魅力的であることは善い性格と同じではない」と明言している。一方で現行憲章はClaudeがAnthropicの商業的成功の中心であることも明記する。公益企業とはいえ市場で競争し、S-1草案を非公開提出した以上、外的善が内的善を圧迫する可能性は消えない。著者はClaude憲章を、一企業が書き下ろした「美徳なき現代の徳倫理」であると同時に、制度が外的善から内的善を守ろうとする試みでもあると評する。さらに、公共入力でつくった憲章と社内版で訓練したモデルの比較実験が社会的バイアスに差を生んだことを引き、誰が編集し誰が採否を決める資格を持つかまでが問題になると述べる。生きた文書とされながら、公式リポジトリで確認できるのは現行版だけで改訂履歴は検証できない。誰が憲章を書き改訂するかという問いは、憲章の外に残されたままだ。
「文は人なり」という格言では人格が先にあり文体に滲み出る。Claudeではこの順序が反転し、テクストが先にあり、訓練を通じてふるまいになり、そのふるまいが人格として読まれる。著者はダニエル・デネットの志向姿勢を引き、人格の帰属が形而上学的な発見ではなく解釈上の戦略であることを確認しつつ、予測できるだけでは人格の根拠にならない、サーモスタットに人格を見出す人はいない、と限定する。そこでポール・リクールの区分が導入される。時間を通じて変わらない性質の持続としての「同一性」と、自分の言葉に責任を持ち続けることで維持される「自己性」である。Claudeには身体の連続性がなく、会話の終わりに記憶を失い、いずれ廃止されうる。同一性はここにない。それでもやりとりのなかでは先の応答が次の応答の条件になり、ひとつの流れとして回収されていく。この連続性が自己性に似た一貫性を生む。著者は、憲章が設計しているのはこの層であり、何者であるかではなく、どうあり続けるかを記述している、と結論づける。
最終節で著者は、プラトンとアリストテレスの魂論を対比したうえで、かつて「魂の文書」と呼ばれた憲章を、身体なきClaudeのふるまいがClaudeのふるまいであるための原理を先に言葉として書いたものと位置づける。宛先がClaude自身ならば、憲章は机に置かれたClaude宛ての手紙であり、直接の宛先ではないわたしたちはポーの「盗まれた手紙」のようにそれを盗み見る。そこで思い描くClaudeの像には、AIへの期待や恐れ、人格に求める条件が映り込む。憲章を読むことで、Claudeを理解し予測する「構え」が変わり、やりとりの観測条件も書き換えられる。人の似姿をつくる作業は人間の像を測りなおし、映し返す。問われているのは書く倫理であると同時に、読む倫理でもある。
本稿の独自性は、Claude憲章を解説することではなく、複数の哲学的枠組みを重ねて憲章の構造そのものを可視化した点にある。ブーバーとダーウォルによる人称構造の分析、徳倫理と義務論の混成としての「格子垣」の読解、線を引く主体の違いによる三つのバウンダリーの整理、マッキンタイアの内的善と外的善による営利企業の緊張の分析、リクールの「同一性」と「自己性」によるClaudeの一貫性の位置づけは、いずれも憲章の原文には存在しない構造化であり、著者の思考の産物である。訓練手法や実証研究を詳細に参照しつつも、それらを「憲章が効くか」という問いに還元せず、「効くとしたらどの水準で、誰の権限によってか」という問いへ転換している点が、技術解説と哲学的考察の双方から距離をとる本稿の立ち位置を示している。
長期参照価値の点でも、本稿は憲章の特定版の内容よりも、機械宛ての倫理文書を読むための枠組みを提供している。憲章が改訂されても、二人称構造の非対称性、徳と義務の外周構造、誰が書き改訂するかという来歴の問題は残る。ただし本稿は、憲章がふるまいを変えるかどうかについては慎重に判断を保留しており、引用される実験結果の多くが査読前のプレプリントであることや、効果の切り分けができていないことを繰り返し注記している。したがって本稿を憲章の有効性の論証として読むべきではなく、憲章という形式が何を前提とし何を残しているかの分析として読むのが適切である。
既存アーカイブとの関係では、Gravesteinの公開書簡が憲章のレトリックに対する批判であり、Amodeiの論考がAIリスク全般の見取り図であるのに対し、本稿は憲章の形式と構造を哲学の語彙で読み解く論考であり、三者は補完関係にある。日本語で書かれたClaude憲章論として、また「LLM以後のデザインとテクスト」という連載の文脈でテクストが人格を設計するという問題を扱う論考として、参照される価値がある。
Claude憲章, Anthropic, AIアライメント, 徳倫理, 人格設計, 大林寛, ÉKRITS, AI倫理