人工知能システムが高リスク環境での意思決定に活用される機会が増える中、研究者たちは大規模言語モデル（LLM）がどのようにリスクを認識し、行動に反映させるかという重要な問題に取り組んでいます。ArXivに発表された研究によれば、複数のLLMは不確実性下でも一貫したリスク態度を示すことが明らかになりました。 この研究では、複数の領域にわたってLLMのリスク認識と意思決定の関係を測定するための新しい枠組みが導入されました。空間ナビゲーション、臨床トリアージ、財務配分という3つの異なるタスクにおいて、6種類の代表的なLLMと100名の人間参加者を対象にテストが実施されました。研究者らは回帰モデルを用いて、各エージェント（LLMおよび人間）がどのように信念から意思決定へとマッピングしているかを分析し、リスク感応性とリスク態度バイアスを定量化しました。 その結果、ほとんどのテスト対象のLLMが3つの重要な特性を示していることが判明しました。第一に、タスク内での堅牢な一貫性があり、固定されたタスク領域内では文脈的信念からリスク決定への安定したマッピングが保たれていました。第二に、複数領域にわたるランク順序の安定性が見られ、異なるタスク間でも相対的なリスク姿勢が保持されていました。第三に、人間のベースラインと比較してLLMのリスク態度分布が限定的に収束する傾向が確認されました。 この研究は、リスク態度をLLMの行動における安定した且つ未測定の側面として位置付け、オープンエンドな意思決定におけるAIシステムの評価とアライメント確保の基礎を確立しています。同時に、LLMに内在する行動傾性の起源に関する今後の研究への道を開くものとなります。