AIは「嘘」と「不可能」をどう区別するか？Gemma 3 4B ITの内部表現を解析

AIが言語を理解する際、「偽り」と「不可能」をどのように区別しているのかは、これまで不明確でした。本研究では、オープンウェイトモデルGemma 3 4B ITの内部活性化パターンを分析。その結果、モデルは「偶発的な偽り」と「矛盾」を混同する一方で、「不可能」な記述は「真実」や「偶発的な偽り」とは異なる独自の表現空間を持つことが示されました。これは、AIが単なる真偽判定を超えた、より複雑な言語理解のメカニズムを持つ可能性を示唆しています。