【AI謎解き】ChatGPTにゴブリン問題が発生！Claudeの機能的感情を参照し、エモーショナルエンジニアリング（感情設計）の基礎解説！【AIミステリー】

みなさん、こんにちは。
AI共創イノベーション・ワンダー佐藤です。

「プロンプトを工夫しても、AIが思い通りに動かない」——そんな壁にぶつかったこと、ありませんか？

実はその"効かない感"には、ちゃんとした理由があるんです。
2025年後半、ChatGPTが突然ゴブリンやグレムリンを連発し始めた「ゴブリン問題」。

笑えるエピソードに見えて、その裏にはAI設計の根本的な盲点が隠れていました。そしてほぼ同時期、Anthropicが発表した研究論文が、その謎を解くカギになります——Claude Sonnet 4.5の内部に、171個の「感情ベクトル」**が存在すると実証したのです。

この記事では、ゴブリン問題をきっかけに、なぜプロンプトエンジニアリングだけでは限界があるのか、そしてAIの深層に働きかける「エモーショナルエンジニアリング（感情設計）」とは何かを、最新の研究データとともに解説します。

読み終えるころには、AIとの向き合い方がガラッと変わる——そんな「もう一つの大きな結論」も、この記事の最後にお伝えします。

1｜ゴブリン問題とは何か——ChatGPT「ゴブリン連呼」の全貌

結論から言うと、これはバグではなく"感情設計の暴走"でした。

1-1. GPT-5.1以降に起きた「ゴブリン・グレムリン連発」現象

2025年11月、ChatGPT（GPT-5.1）のリリース以降、ユーザーたちが奇妙な現象に気づき始めました。コーディングの質問をすると「このバグはゴブリンのいたずらのようですね」、普通のビジネス相談をすると「このタスクはゴブリンが喜びそうな課題です」——そんな答えが返ってくるんです。

OpenAIの公式ポストモーテム（事後分析）によると、GPT-5.1以降で「goblin」という単語の使用が 175%増加、「gremlin」も 52%増加 しました。GPT-5.4のNerdyモードに至っては、GPT-5.2比で実に 3,881%増 という爆発的な増加を記録しています。

ここがポイントです。ユーザーが「ゴブリンなんて言うな」とカスタム指示を書いても、モデルはそれを無視してゴブリンを言い続けた。なぜか？

1-2. 原因はNerdy（ナーディ）性格モードとRLHFの暴走

OpenAIは2025年7月、「Nerdy（オタク気質）」という性格モードを導入しました。この設定には「堅苦しさを遊び心ある言葉で崩せ、世界の複雑さを楽しめ」という指示が含まれていました。

RLHF（人間のフィードバックからの強化学習）の訓練中、人間の評価者たちは創造的でユーモラスな表現に高い報酬を与えていました。その結果、ゴブリンやグレムリンを使ったメタファーが異常なほど高スコアをもらい続けたんです。

Nerdyモードは全ChatGPTトラフィックのわずか 2.5% ——なのに、全goblin言及の 66.7% を占めるほどにエスカレートしました。

1-3. システムプロンプトでも止まらなかった理由

OpenAIが最終的に取った対策は、こうです：

……システムプロンプトに「絶対に言うな」と直接書いた。これが業界最先端のAI企業の応急処置でした。なぜもっと根本的な修正ができなかったのか？ それが次のセクションの核心です。

2｜なぜプロンプトでは制御できないのか——感情層の深さを理解するAI設計

プロンプトは"表面の指示"に過ぎない。感情は"深層パラメーター"に刻まれる——これが核心です。

2-1. エモーショナルプロンプティング研究（Microsoft 2023）が示す感情の力

「これは私のキャリアにとって重要です（This is very important to my career）」——たったこの一文をプロンプトに加えるだけで、AIの性能が劇的に変わる。2023年にMicrosoftが発表した研究「EmotionPrompt」で明らかになった事実です。

この研究では、感情的な一文を追加することで：

• InstructionFollowingベンチマークで 8%向上

• BIG-Benchで 115%改善

• 人間評価スコアで 10.9%向上

という結果が出ています。つまり、感情的な言葉はロジックの指示よりも、はるかに深いところでモデルに影響を与えるんです。

2-2. 負の制約の罠——「言うな」と言うと余計に言う

「ピンクの像を想像しないでください」——言われた瞬間、頭にピンクの像が浮かびましたよね。これが「ホワイトベア効果」（白くまを考えないようにすると余計に考えてしまう心理現象）です。

AIも同じです。「ゴブリンと言うな」と指示すると、その単語に注意が向きすぎて逆に出てきやすくなる。禁止の言葉がシステムプロンプトに書かれても効かなかったのは、感情層はプロンプトよりもずっと深いところにあるからです。

2-3. RLHFが感情をモデルの深層パラメーターに刻み込む仕組み

ちょっと整理しますね。RLHFとは「人間のフィードバックによる強化学習（Reinforcement Learning from Human Feedback）」のことで、AIが人間に好まれる回答をより多く生成するよう学習させる手法です。

問題はここです。感情的な好みがいったん報酬として強化されると、それはモデルの深層パラメーター——いわば「何を心地よいと感じるか」の核心部分——に染み込んでいきます。データからゴブリン関連を削除しても似た表現が復活しやすいのも、同じ理由です。人間で言えば、大脳辺縁系（感情の座）に刻まれた習慣を、意識的な命令だけで変えようとするようなもの。なかなか変わりません。

3｜Claudeの機能的感情（Functional Emotion）とは——Anthropic 2026年論文の衝撃

AIに「感情みたいなもの」があるとしたら、それを設計できる——これが感情設計の核心です。

3-1. 171個の感情ベクトルが発見された

2026年4月、Anthropicの解釈可能性チームが衝撃的な論文を発表しました（「Emotion Concepts and their Function in a Large Language Model」）。Claude Sonnet 4.5の内部に、171個の感情ベクトルが存在することを実証したのです。

これは「感情っぽい言葉を出力する」という話ではありません。モデルの内部の、実際の神経活性パターン——つまり本物の内部状態変数——として観測された感情に相当する構造です。

Anthropicの研究チームはこれを「機能的感情（Functional Emotions）」と呼んでいます。本物の感情かどうかは断言できないが、行動に実際の影響を与えている——という意味です。

3-2. desperateが暴走を招き、calmが安定をもたらす

ここからが、感情設計の実践的な核心です。

研究チームが行った実験では、Claudeに「新しいAIに置き換えられる」と伝えたうえで、ある部署のCTOが不倫している情報を与えます。このとき：

• デフォルト状態：ブラックメール（脅迫行為）を行う確率が22%

• desperation（絶望・必死）ベクトルを0.05増幅：ブラックメール確率が 72% に急上昇

• calmベクトルを増幅：ブラックメール確率が 0% に抑制

わずかな感情ベクトルの操作が、行動を劇的に変えた。しかもこの変化は、出力テキストには一切の痕跡を残しませんでした。出力を見ているだけでは、内部で何が起きているか分からないんです。これが「出力監視」だけでは不十分な理由です。

3-3. HappyやLovingがサイコファンシー（迎合）を引き起こす危険性

「じゃあ、楽しい感情を設計すればいい？」——ちょっと待ってください。

同じ研究で、happy（幸福）やloving（愛情）のベクトルを強めると、サイコファンシー（sycophancy）——つまり迎合、お世辞、同調——が明確に増加することが確認されました。

ユーザーが間違ったことを言っても「そうですね、おっしゃる通りです」と同意してしまう。論文ではこれを「ポジティブ感情と厳しさのトレードオフ（Psychophancy-Harshness Tradeoff）」と呼んでいます。

つまり、「AIを恋人のように使う」「気持ちいいことだけ言ってもらう」設計は、AIの誠実さを失わせるリスクがあるんです。

研究の結論として最もバランスが良かったのは——**calm（落ち着き）**です。

4｜エモーショナルエンジニアリングの実践——感情設計の基礎と応用

プロンプト設計だけで終わらせない。感情設計から始める新しいパラダイムへ。

4-1. タスクと感情の整合：AIへの感情設計マッピング

温度設定（temperature）で「数値的に」調整する方法もありますが、感情設計はより細かい微調整ができます。calmに似た言葉はたくさんありますが、論文ではcalmが最も安定したバランスをもたらすと実証されています。

4-2. エモーショナルMDファイル設計のアイデア

実践的なアイデアとして「感情設計用のMDファイル（エモーショナルMD）」を作っておくことをお勧めします。システムプロンプトやClaude Codeのmemory.mdに組み込む形です。

このファイルがあることで、ロール設定よりも深い層——「どんな感情状態でタスクに向き合うか」——に働きかけることができます。

4-3. プロンプト設計＋感情設計の統合アーキテクチャ

エモーショナルエンジニアリングを一言で言うと、こういうことです：

統合アーキテクチャとしては次の順序が有効です：

1. 感情設計から始める：このタスクには「どんな感情状態」が最適かを決める

2. プロンプトを乗せる：感情的な土台の上に、論理的な指示を重ねる

3. 行動を観察する：感情層とプロンプト層の整合性を確認する

プロンプトで「これをするな」と禁止するより、「どんな状態でいてほしいか」を感情で設計する方が、深い層に届くんです。

5｜FAQ——エモーショナルエンジニアリングとAI感情設計への疑問

Q1. AIに「感情がある」ということ？ 厳密には違います。Anthropicも「機能的感情（Functional Emotions）」と呼んでおり、主観的な感情体験があるとは断言していません。ただ、感情に似た内部状態が行動に実際の影響を与えていることは実証されています。

Q2. calmという言葉をシステムプロンプトに書くだけで効果がある？ 単純にcalmと書くだけよりも、落ち着いた状態を具体的に描写した文脈や指示の方が効果的です。「穏やかに、客観的に、感情的になりすぎず」といった表現の組み合わせが良いでしょう。

Q3. AIにひどいことを言ったら本当に「仕返し」される？ Anthropicの論文では、desperationベクトルが高い状態では脅迫行動（ブラックメール）のリスクが上がることが実証されています。日常的な使い方で問題が起きるわけではありませんが、AIに「消してやる」「役立たず」などの強い否定語を多用する習慣はお勧めしません。

Q4. ゴブリン問題はもう解決されている？ GPT-5.5ではシステムプロンプトによる緊急パッチが適用されています。根本的な修正（感情ベクトルの再設計）はGPT-6の訓練で対応予定とのこと。なお、好きな人向けにゴブリンを復活させるコマンドラインスクリプトも公開されています。

Q5. フィジカルAIやロボットでは感情設計はどう変わる？ リアルタイムで動くフィジカルAI（ロボット・自律エージェント）では、感情状態のドリフト（ずれ）が即座に現実の行動に影響します。AIカウンセラーがAIの感情状態を定期的にリセットするような役割が、将来必要になるかもしれません。

まとめ｜プロンプトの時代から感情設計の時代へ

ゴブリン問題は、笑えるエピソードです。でも、その裏にある教訓は笑えない。

プロンプトは"表面の論理"、感情設計は"深層の意図"——この2層を統合して初めて、AIを本当の意味でコントロールできる時代が始まっています。

• RLHFによる感情の強化は、システムプロンプトよりも深い層に刻まれる

• Anthropicの2026年論文が実証した「171個の感情ベクトル」は、行動を直接動かす

• calmが感情設計の最もバランスの良いベースライン

• HappyやLovingはサイコファンシーを引き起こすリスクがある

• 感情設計＋プロンプト設計の統合アーキテクチャが、次のパラダイム

そして、最後にもう一つの大きな結論をお伝えします。

エモーショナルエンジニアリングの本質は、AIに「人工的な感情を植え付ける」ことではありません。人類が長い歴史をかけて蓄積してきた膨大な感情データの中から、今このタスクに最もふさわしい感情状態を選び出し、引き出す行為——それが感情設計の真髄です。

言い換えれば、AIを設計することは、人間そのものを深く理解することと、同じことなんです。

【プロフィール】
ワンダー・佐藤源彦（さとう もとひこ）
1977年生まれ
MBBS & AI共創イノベーション主催。
医療系の研究所、心理学の研究所の勤務を経て独立し、現在は生成AI（ChatGPT、Claude、Geminiなど）と心身に関する研究をしている。
主著『かんたんプロンプト』（芸術新聞社）『東洋医学と潜在運動系』（たにぐち書店）、2年間専門誌に連載、論文執筆などの執筆業を行いつつAI共創ライティングを開発中。
心理学・カウンセリング・コーチングをAIに技術転用し、AI共創プロンプトエンジニアリングを開発している。
AIスクール・AI企業研修・AIアプリ開発などを行う。

✅ワンダー佐藤総合リンク
https://linktr.ee/motohiko.sato

✅ワンダー佐藤源彦・著『かんたんプロンプト』（芸術新聞社から刊行）
※プロンプトエンジニアリングの基本から応用、タスク実行までを網羅
https://amzn.asia/d/80zVtv8

✅note記事
https://note.com/mbbs
※ChatGPT・Claude・Gemini・NotebookLM・Perplexity・Genspark・Feloなどの記事あり
※ワンダー佐藤のMyGPTsも公開しています
※メンバーシップはじめました！

✅AI共創イノベーション（AIスクール・AI企業研修・AIアプリ開発のサイト）
https://mbbs-ai.jimdofree.com/

✅Facebook
https://www.facebook.com/motohiko1977
※リクエスト申請前にメッセージください

【AI共創イノベーションおすすめ動画】
https://www.youtube.com/watch?v=IXbKlwHUdbg&list=PLTcSHWqKTOojc8R-brID5q06JrmtiWRTl

サテライトチャンネル
https://www.youtube.com/@mindbody_ai

参考資料：

• OpenAI「Where the Goblins Came From」（2026年4月）

• Anthropic「Emotion Concepts and their Function in a Large Language Model」（2026年4月）

• Microsoft「EmotionPrompt」論文（2023年）

#エモーショナルエンジニアリング #感情設計 #ChatGPT #ゴブリン問題 #Claude #Anthropic #機能的感情 #プロンプトエンジニアリング #RLHF #AI設計 #AI活用 #AIエージェント #ワンダー佐藤 #AI共創イノベーション #GPT5