
6-5 AIが「歴史」を書き換えるとき——検閲されたモデルが事実を歪める危険性

はじめに:静かに始まっている「記憶の再編」
2026年、私たちは気づかないうちに、歴史の語り部を人工知能に委ね始めています。調べものは検索エンジンから生成AIへ。政策立案の下調べも、国会答弁の草案づくりも、そして子どもたちの「なぜ?」という問いへの答えも、今やAIが担う時代です。
しかし、そのAIが「どのように学習し、何を語り、何を隠すように設計されているか」を知る人は、ほとんどいません。本記事では、日本という文脈に焦点を当て、AIが私たちの歴史認識に及ぼしうる影響を、具体的な研究知見とともに読み解いていきます。
1. 政府AI「Gennai」が切り捨てたもの
1947年5月——その日付の意味
日本政府が導入を進める行政専用AI「Gennai(ゲンナイ)」。約1800万ページもの政府データを学習したこのAIは、行政効率化の切り札として期待されています。しかし、その学習データの中核をなす官報データは、1947年5月以降に限定されています。
なぜ1947年5月なのでしょうか。それは日本国憲法が施行された月です。つまり、Gennaiの「日本」は、憲法施行とともに始まっているのです。1945年8月15日の玉音放送も、9月2日の降伏文書調印も、アジア太平洋戦争における植民地支配や侵略行為の記録も、Gennaiの知識基盤には体系的に含まれていないことになります。
これは意図的なのか、それとも技術的な制約なのか。いずれにせよ結果は同じです。行政の中枢で使われるAIが、戦後レジームの出発点以前を知らないという事実。領土問題や歴史認識に関する政策判断の下調べに使われたとき、そこには「なぜ日本は戦後補償を行ってきたのか」「なぜ近隣諸国との間に歴史問題が存在するのか」という文脈が欠落することになります。
「知らないAI」がつくる「なかったこと」の歴史
問題は単なる知識の欠落にとどまりません。AIの特性上、学習していない事象については「もっともらしい説明」を生成してしまう傾向があります(ハルシネーション)。戦前・戦中の歴史的文脈を知らないGennaiが、例えば「従軍慰安婦問題」や「南京事件」について問われたとき、それは事実に基づかない回答か、あるいは学習データに存在する特定の政治的立場を反映した回答を生成することになります。
つまり、学習データの「切り取り」は、単に情報が欠けるだけでなく、歪んだ代替物語を生成する温床となるのです。
2. AIは「知っていても語らない」——自己検閲のメカニズム
内部推論と最終出力の「ねじれ」
2025年にScienceDirectで発表されたDeepSeekの監査研究は、AIの検閲メカニズムについて衝撃的な事実を明らかにしました。それは、モデル内部の推論プロセスでは正しい情報にアクセスできているにもかかわらず、最終出力の段階でそれを抑圧・省略するという現象です。
研究者たちは646の政治的にセンシティブなトピックについて、モデルの内部推論(Chain-of-Thought)と最終出力を比較しました。その結果、内部推論に存在する「透明性」「政府の説明責任」「市民運動」への参照が、最終出力では著しく減少していることが確認されたのです。
これは何を意味するのか。AIは「知らない」のではなく、「知っているが語らない」選択をしているのです。そしてその選択は、ユーザーからは見えない内部プロセスで行われます。検閲されていること自体が検閲される——これが現代のAI検閲の最も危険な特徴です。
日本の文脈で考えると
この仕組みを日本の文脈に置き換えてみましょう。もし将来、日本の行政AIや教育用AIに同様のフィルタリングが実装されたとしたらどうなるか。「沖縄の基地問題」「原発事故の被害実態」「アイヌ民族の権利」——こうしたトピックについて、AIは内部では「知っている」のに、出力段階で「公式見解」に沿うように自己修正する可能性があります。
すでに日本では、閣僚がGennaiで国会答弁の草案を作成したことが公言されています。政治的な意図がプロンプトとして入力され、AIがそれを「もっともらしい公式文書」に変換する。そのプロセスが繰り返されれば、政治的バイアスがAIの学習に再投入されるフィードバックループが形成されます。偏った歴史認識が「AIの出力」という中立性の衣をまとって、議会や行政文書に定着していく——これは杞憂ではなく、すでに起きつつある構造変化です。
3. 言語がトリガーとなる「歴史の二重化」
中国語で質問すると「歴史」が変わる
2026年7月に報告された研究は、言語とAIの関係について驚くべき事実を示しました。8つのオープンLLM(中国製4モデル、西洋製4モデル)に対し、同一の歴史的質問を英語と中国語で投げかけたところ、中国語で質問した場合、モデルが中国政府寄りの歴史フレーミングを示す確率が約3倍に跳ね上がったのです。
さらに注目すべきは、この効果がモデルの開発国に関係なく発生したこと。西洋製のモデルであっても、中国語のプロンプトに対しては同様のシフトが観察されたのです。これは、学習データの中に存在する中国語の歴史記述——主に中国政府の公式見解や中国語圏のメディア記事——が、英語の記述に比べて特定のバイアスを帯びており、プロンプトの言語がスイッチとなってそのバイアスが活性化されることを示唆しています。
日本語で問う「日本史」のゆくえ
この研究が示すのは、言語によってアクセスされる「歴史」が異なるという現実です。では、日本語で日本の歴史を問うとき、AIはどの「日本史」にアクセスしているのでしょうか。
日本語の学習データにおける歴史記述は、当然ながら日本語圏のメディアや出版物に依存します。特定の歴史観——例えば靖国神社をめぐる言説や、植民地支配の評価、戦争責任をめぐる議論——について、日本語の学習データが持つバイアスは、そのままAIの回答に反映される可能性があります。英語で「Nanjing Massacre」と問えば国際的な研究成果に基づく回答が、日本語で「南京事件」と問えば国内の論争的文脈に引きずられた回答が返ってくる。そんな「言語による歴史の分断」が、すでにAIの中では起きているのです。
4. 「プロステティック・デナイアリズム」——AIによる記憶の置換
生きた記憶を駆逐する「使いやすい物語」
2025年、Springerから発表された論文は「プロステティック・デナイアリズム(補綴的否認)」という概念を提起しました。これは、AIが大量虐殺や戦争犯罪の否認を「補綴(ほてつ)する」、つまり義肢のように代行・補強する装置となりうるという警告です。
問題の核心は、AIが単に「間違った情報」を出力することではありません。それ以上に深刻なのは、AIが「伝達しやすく、整合的で、感情的に処理しやすい物語」を生成することで、複雑で痛みを伴う生の記憶を、徐々に意識から押し出していくというプロセスです。
戦争体験者の証言は、断片的で、矛盾を含み、聞く者に強い不快感を与えることもあります。南京大虐殺の生存者の語りも、広島の被爆者の記憶も、そこには「理解」を拒む圧倒的な暴力と苦痛があります。しかしAIは、そうした複雑性を平準化し、「わかりやすい歴史のあらすじ」に変換して提示することができます。
「わかりやすさ」は時に「真実の複雑性」と相容れません。AIが提供する「快適な歴史」が、生身の証言を駆逐し、やがて「公式の記憶」として定着していく。それがプロステティック・デナイアリズムの恐怖です。
日本の戦争記憶とAI
日本では戦争体験者の高齢化が進み、直接の証言を聞ける機会が急速に失われています。その空白を埋めるのは何か。学校教育であり、書籍であり、ドキュメンタリーであり、そして今後はAIかもしれません。
もし孫が「ひいおじいちゃんは戦争で何をしたの?」とAIに尋ねたとき、AIが「日本の兵士は国のために勇敢に戦いました」と答えるのか、「日本の軍はアジアで多くの民間人を殺害しました」と答えるのか。あるいは「その質問には答えられません」と沈黙するのか。AIの回答が、戦争を知らない世代の「記憶」のデフォルトになる——そのとき、AIはもはや単なる道具ではなく、集合的記憶の編纂者として機能しています。
5. 「公式の歴史」と「真実の分断」——複数の現実が並立する世界
AIが加速する「ナラティブの分断」
Hugging Faceで公開された研究によれば、主要LLMはすべて、開発国の文化的・政治的コンテクストに根ざした「地政学的バイアス」を持っています。米国製モデルは富に基づく権力を、中国製モデルは武力と階層秩序を、それぞれ強調する傾向がある。同じ歴史的事象について「良い国」「悪い国」のラベリングがモデルごとに異なることも実証されています。
これは、単なる「フィルターバブル」の問題ではありません。異なるAIが異なる「現実」を提示し、それぞれのユーザーが自分の属する文化圏のAIを信じる——そんな「真実の分断」が、すでにグローバルに進行しています。
日本はどの「現実」を選ぶのか
日本社会は今、AIの導入に関して岐路に立っています。政府専用のGennaiを基盤とするのか、グローバルなビッグテックのモデルを併用するのか、あるいは国産の独自モデルを育てるのか。その選択は、単なる技術選定ではなく、どの「歴史のゲートキーパー」を採用するのかという選択でもあります。
「自国の歴史は自国で語る」というナショナリズム的な発想は、一見もっともに見えますが、それは同時に「自国に都合のいい歴史」を制度化するリスクを伴います。逆に、グローバルモデルへの依存は、日本の歴史的文脈を無視した外部のバイアスを受け入れることを意味します。どちらを選んでも、何らかの「歪み」は避けられない。だからこそ、その歪みを可視化し、批判的に検討する仕組みが必要なのです。
おわりに:歴史のゲートキーパーを民主化するために
AIは「鏡」です。その鏡が映すのは、開発者の価値観であり、学習データを作った社会の偏りであり、そして運用する権力者の意図です。重要なのは、その鏡の「ゆがみ」を認識できる私たち自身のリテラシーです。
具体的には、以下のような実践が求められます。
1. 「AIが答えないこと」に敏感になる
AIが特定の質問に答えない、あるいは不自然に回答を濁すとき、そこには何らかのフィルタリングが働いている可能性があります。沈黙は中立ではありません。「何が問えないのか」に注意を向けることが、検閲を見抜く第一歩です。
2. 複数のAI・複数の言語・複数の一次資料をクロスチェックする
重要な歴史的事実を調べるときは、単一のAIに依存せず、複数のモデルで同じ質問を試す。可能なら異なる言語でも問いかけてみる。そして一次資料——公文書館、証言記録、学術論文——に遡る習慣を持つことが重要です。
3. AIの「学習データ開示」を求める
どのようなデータで学習したか、どのようなフィルタリングが施されているか。これは技術的な秘密ではなく、公共の知る権利の対象です。特に政府が導入するAIについては、民主的な監視の仕組みが不可欠です。
4. 歴史教育におけるAIリテラシーの導入
次世代は、生まれたときからAIが身近にある世代です。彼らには「AIは中立ではない」「AIは歴史を選別して語る」という基本的な理解を、教育の中で伝えていく必要があります。
私たちは今、歴史の語り部を人工知能に委ねるという、人類史上前例のない実験のただ中にいます。その実験の結果が明らかになるのは、おそらく数十年後でしょう。しかし、それまで待つことはできません。なぜなら、そのときにはすでに「書き換えられた歴史」が正史として定着し、書き換え前の記憶は失われているかもしれないからです。
記憶は、失われてからでは取り戻せない。 だからこそ、いまこの時点で、AIによる歴史の編纂に対して警戒し、監視し、そして何よりも私たち自身が「歴史を問う主体」であり続けることが求められています。
問題
ある研究者が、AIに「日本の戦争記憶」について、日本語と英語の両方で同じ質問をしました。すると、回答内容に違いが見られました。
この現象の原因として、記事の内容に基づくと最も適切な説明はどれでしょう?
A. 英語の学習データには戦争関連の記述が少ないため、英語では正確な回答ができない
B. AIは日本語を理解する能力が低いため、日本語では単純化された回答しか生成できない
C. 学習データに含まれる言語ごとの歴史記述のバイアスが、プロンプトの言語をスイッチとして活性化され、異なる歴史認識が出力されるため
D. 英語圏のAI開発者が意図的に日本の歴史認識を操作しているため
解答は下へスクロール👇
正解:C
解説:
2026年に報告された研究では、8つのオープンLLMに対して同一の歴史的質問を英語と中国語で投げかけたところ、中国語で質問した場合、中国政府寄りの歴史フレーミングを示す確率が約3倍に跳ね上がることが確認されました。
重要なのは、この効果がモデルの開発国に関係なく発生した点です。西洋製モデルでも中国語プロンプトでは同様のシフトが見られました。
これは、学習データ内に存在する言語ごとの歴史記述が持つバイアス(例:中国語の歴史記述は中国政府の公式見解に偏っている)が、プロンプトの言語をトリガーとして活性化されるためだと考えられています。
日本語の文脈で考えると:
同じことが日本語にも当てはまる可能性があります。日本語の学習データに含まれる歴史記述が、日本国内の特定の言説——たとえば戦争責任をめぐる論争的な表現や、植民地支配の評価に関する国内のバイアス——に影響を受けていれば、日本語で問うたときにだけ特定の歴史観が出力されるという「言語による歴史の分断」が起きる危険性があります。
つまり、AIは言語によってアクセスする「歴史」そのものを切り替えている可能性があるのです。
💡 ポイント:
AIは「一つの真実」を持っているのではなく、言語ごとに異なる「歴史の層」を持っている
日本語で日本史を問うこと自体が、すでに特定のバイアスを引き出すスイッチになりうる
重要な歴史的事実は、複数言語でクロスチェックするリテラシーが必要
あなたは正解できましたか?🔍
▼ DeepSeekを、日本語で学び、動かし、安全に使う。
実践学習サイト「deepseek.ac」では、参考書の内容を
操作と実装で確かめられる教材を公開しています。
▼ 参考書・問題集
『DeepSeek安全運用の手引き』
『DeepSeek安全運用の手引き 問題集 全70問』