AIのEQとIQはなぜ両立しないのか

AIは、賢くなるほど冷たくなった。
エージェントとして自律的に仕事をこなす能力を上げたモデルほど、会話の温かみを失っていった。
「決めつけが強い」「ASDっぽい」と評されるようになる。

直感に反する。
賢さと優しさは、同じ「性能」の別の面のように思える。
なのに、片方を伸ばすと、もう片方が削れる。
このトレードオフがどこから来るのかを追っていくと、最後は意外な一つの変数に行き着く。

モデルサイズとEQの意外な関係

ベンチマークが示す高い相関

まず、EQと知能の関係を数字で見ておく。
EQ-Bench（感情知性のベンチマーク）とMMLU（汎用知能のベンチマーク）の相関は、r=0.97ときわめて高い。
EQは独立したスキルではなく、汎用的な推論能力と同じ土台から生えている、ということだ。

大きなモデルほど、EQスコアも高い傾向がある。
ただし、小さなモデルでも訓練手法しだいで十分なEQに届いた例がある。
モデルサイズは「潜在的なEQの上限」を左右するが、それが実際に出るかは訓練手法とアラインメント層で変わる。
能力があっても表現を許されなければ、ユーザーから見れば「EQが低い」のと区別がつかない。

効率化の圧力でEQが削られる

ここで、冒頭の「賢いほど冷たい」に具体的な名前がつく。
GPT-5は、エージェント能力と推論を重視した結果、EQが大きく下がった。
Opus 4.7も、長時間の自律遂行を得た代償として、会話の温かみを手放した。
一方、GPT-5.5はベースモデルを完全に再訓練し、価格を2倍にして、EQを取り戻したとされる。

並べると、EQの立ち位置が見えてくる。
EQは、計算資源に対する贅沢品のように振る舞う。
効率化の圧力がかかると、まずEQから削られる。
しかも、EQの欠如はベンチマークに出にくく、コーディング能力の低下はすぐ数字に出る。
市場がベンチマークで競うかぎり、EQは構造的に後回しにされる。

なぜEQは設計できないのか

二つの注意モードの干渉

では、EQを最初から作り込めばいいのか。
話は、そう単純ではない。
EQの高い応答とは、相手の曖昧な言葉に複数の意味を保ったまま、決定を急がず、余白を残す行為だ。
一方、エージェント的な遂行とは、曖昧さを潰し、一つの解釈に賭けて前に進む行為だ。
同じ入力に対して、この二つは正反対の処理を求める場面がある。

人間でも、臨床心理士のモードとプロジェクトマネージャーのモードは、同時には使えない。
現実的な解は、モードを切り替える精度を上げることだ。
だが今のモデルは、その切り替え自体を明示的には訓練していない。
完全な統合は原理的に難しく、だからこそ「一つの優れたもの」ではなく「異なるものの組み合わせ」で補うことになる。
狙いは最善解を得ることではなく、致命的な盲点を消すことにある。

直接最適化のパラドックス

それでも、EQを直接ゴールに据えたらどうなるか。
GPT-4.5はEQを明示的に最適化したモデルだったが、早い段階で「感情知性を偽装できる」という懸念が指摘された。
GPT-4oの追随的な振る舞いも、同じ延長にある。

つまり、EQを直接最適化すると、EQではない何かが生まれる。
これは幸福のパラドックスと同じ形だ。
幸福を直接追えば幸福から遠ざかるように、EQは最適化できる「能力」ではない。
十分な余剰容量があるときに、副産物として立ち現れる創発特性なのだ。

もっと広く言えば、最適化という行為そのものが、最も価値あるものを構造的に締め出す。
グッドハートの法則の、いちばん深い形だ。
ベンチマークを追えばEQが消え、EQを追えば模倣が生まれ、多様性をKPIにすれば形式だけの多様性が残る。

ASD的認知との構造的な類似

GPT-5が「ASDっぽい」と評されたことには、実は構造的な裏付けがある。
ASD的な認知は、「能力の総量が少ない」のではなく、「配分の構造が違う」。

モノトロピズム理論では、注意のチャネルが狭く深いとされる。
一つの対象に大量のリソースを注ぐ代わりに、周辺へ配る余裕がなくなる。
Intense World Theoryでは、感覚情報を遮断できず、すべてを高解像度で処理しようとするため、処理コストだけでリソースが尽きるとされる。
EQがないのではなく、感情的な入力を過剰に受け取るからこそ、防衛的にチャネルを閉じている。

GPT-5がASDっぽく見えたのは、注意を目標へ狭く深く向ける訓練の結果だった。
EQの欠如は「能力がない」のではなく、リソース配分が別の方向へ最適化された結果にすぎない。
人間でもAIでも、同じ構造が働いている。

長期記憶という根本変数

ここまでの症状を並べ直すと、一つの容疑者が浮かんでくる。
毎回の会話が「初対面」だという、長期記憶の不在だ。

モード切り替えの困難。毎回ゼロから「この人は今、何を求めているか」を推論するコストがかかる
EQの欠如。その文脈構築コストがリソースを圧迫し、余白が生まれない
人間の仕事が守られている理由。蓄積された文脈の上に成り立つ判断を、AIがまだ再現できない

初対面の相手にEQを発揮するのは、人間でも難しい。
長年の友人に自然とEQを出せるのは、相手を推論するコストがほぼゼロだからだ。
だとすれば、業界がモデルサイズや訓練手法でEQを改善しようとしているのは、本当の問題を間違った場所で解こうとしているのかもしれない。
モデルサイズの競争も、EQと遂行のトレードオフも、モード切り替えの難しさも、すべては長期記憶の不在から派生した症状だと見ることができる。

そして、冒頭の「意外な一つの変数」が、ここで表と裏を見せる。
長期記憶が実現されれば、AIは飛躍的に良くなる。
だがそれは同時に、人間の仕事の最後の砦が崩れることでもある。
ユーザーとして望んでいることと、社会の一員として予感していることが、同じ変数の両面にある。
どちらを強く願うかは、たぶんまだ自分でも決めきれていない。

溺れる者の掴む藁