囚人のジレンマとは｜生成AIに説明させるとき確かめる点を整理するQ&A

授業中、手もとのプリントと生成AIの説明を見比べていると、登場人物の性格に目が行きがちです。96件の実験をまとめたMengel（2018）は、人の協力の割合が、協力して損をする危険や裏切って得をする誘惑と結びつくことを示しました。性格より先に、選択ごとの損得を見る必要があります。知りたいのは用語の意味だけでなく、AIの答えのどこを点検すればよいかです。説明は利得表と対戦の条件に戻して読み、AIが選んだ行動を人の行動の見本にしないことが要点です。

囚人のジレンマとは｜生成AIに説明させるとき確かめる点を整理するQ&A

授業中、手もとのプリントと生成AIの説明を見比べていると、登場人物の性格に目が行きがちです。96件の実験をまとめたMengel（2018）は、人の協力の割合が、協力して損をする危険や裏切って得をする誘惑と結びつくことを示しました。性格より先に、選択ごとの損得を見る必要があります。知りたいのは用語の意味だけでなく、AIの答えのどこを点検すればよいかです。説明は利得表と対戦の条件に戻して読み、AIが選んだ行動を人の行動の見本にしないことが要点です。

どんな状況を指す言葉ですか

互いに協力するほうが互いに裏切るより双方にとって得なのに、相手がどちらを選んでも自分だけの利得を比べると裏切るほうが得になる状況です。利得表とは、自分と相手の選択の組み合わせごとに、それぞれの損得を並べた表です。AIの説明を読むときは、この条件が成り立つかを、教科書の定義と表の両方で照らします。

たとえば、AIが「協力が大事」とだけ答えたら、それを定義の代わりにノートへ写すのは避けます。相手が協力した場合と裏切った場合に分け、自分の利得を比べる説明があるかを探します。善悪についての感想と、選択の理由を説明する部分を分けて印を付けると、抜けている説明を特定しやすくなります。

同じ名前のゲームなら結果も同じですか

人の実験では、損得の設定によって協力の割合が変わります。Mengel（2018）がまとめた対象は、主に大学生などの実験参加者です。一度きりのゲームでは自分だけ協力して損をする危険が、有限回の繰り返しでは協力する相手を裏切る誘惑が、協力率の違いをよく説明しました。ゲームの名前が一致していても、利得の数字や終わり方まで同じとは限りません。

プリントとAIの説明を照らすときは、物語の言い回しを比べる前に条件を抜き出します。次の表は研究結果の一覧ではなく、照合する箇所を並べたものです。AIが補った条件は、元の問題文に書かれていた条件と区別してメモします。

AIと対戦すれば人の協力を理解できますか

AIとの対戦は、条件を変えて選択を観察する材料になります。Akata（2025）は、GPT-4を含む大規模言語モデル、つまり大量の文章を学習して文章を生成する仕組みを、別のモデルや人に似た戦略、実際の人と対戦させました。自分の得を守る種類のゲームでは成績がよい一方、相手と選択を合わせる種類のゲームでは最適な行動から外れました。相手の情報を足したり、相手の立場を考えさせたりすると、GPT-4の得点や人との協調が改善しました。

問題文のお話にも影響があります。Lorè（2024）がGPT-3.5・GPT-4・LLaMa-2を調べた研究では、とくにGPT-3.5が話の設定に左右されました。Fontana（2025）の100回の繰り返し対戦では、Llama2とGPT3.5は人より協力的と報告され、相手の裏切りが30%未満の条件では寛容で仕返しをしにくい傾向がありました。同研究のLlama3は、相手が常に協力する場合を除き非協力的でした。

この違いを見落とすと、AIが協力したことを「人も協力するはず」という根拠にしてしまいます。小論文で人の行動を論じる際に、AIとの勝敗だけを証拠にするのは避けます。対戦を記録するなら、使ったモデル名と指示、利得表を残し、行動が変わった箇所と条件の変更を対応させます。

授業中の対戦を学びにつなげるにはどうしますか

Dickie（2006）は、米国の大学の入門ミクロ経済学で、授業内の実験がある組とない組を比べ、実験がある組で学習の伸びが大きいと報告しました。一方、実験中の成績を評価点に反映する仕組みには、同じ学習上の利点がありませんでした。Cartwright（2012）は、大学の経済学で実験についてレポートを書いた学生の成績を検討し、ゲームをするだけで終わらず、課題や評価と結びつける重要性を指摘しました。

そこで、AIの説明を読む前に、プリントの条件から利得表の空欄を自分で埋めます。AIには「この表で、相手の選択ごとに自分の利得を比較してください」と短く頼み、返答の数字を元の表と照合します。授業中の対戦の後は、予想した選択、実際の選択、違いを生んだと考える条件をそれぞれ行を分けて書きます。対戦回数を増やす前に、自分がどの条件を根拠に予想したかを説明する時間を取ります。

よくある質問

AIが協力したら、説明も正しいということですか

協力を選んだことと、用語の定義を正しく説明したことは別です。選択の記録を採点の代わりにせず、定義の各部分を教科書に、損得の比較を利得表に対応させて読みます。

AIの答えが変わったら、どう記録しますか

前後の指示文と答えを並べ、変更した条件を書き添えます。利得表を変えたのか、相手についての情報を足したのか、話の設定だけを変えたのかを分ければ、変化のきっかけを追えます。

保護者は何を見ればよいですか

勝った回数より、本人が利得表を指しながら選択の理由を説明できるかを見ます。記録を読む際は、AIの説明の写しと本人の予想・観察を区別し、予想と違った手について本人の説明を聞きます。

この記事の限界

測定の中心はAIの選択行動で、定義の説明の正確さや日本の中高生の学習効果を調べた研究は見つからなかったと整理されています。大学の授業研究も、生成AIを対戦相手にした授業の評価ではありません。

取り上げたモデルの選択傾向が、現在のモデルや日本語の指示でも続くかは未検証です。用語の理解を確かめる資料には、利得表と選択の理由を併記した教科書の解説が適しています。

参考文献

1. Mengel F. Risk and Temptation: A Meta-study on Prisoner’s Dilemma Games. Econ J. 2018;128(616):3182-3209.
2. Akata E ほか. Playing repeated games with large language models. Nat Hum Behav. 2025;9(7):1380-1390.
3. Lorè N ほか. Strategic behavior of large language models and the role of game structure versus contextual framing. Sci Rep. 2024;14(1):18490.
4. Fontana N ほか. Nicer than Humans: How Do Large Language Models Behave in the Prisoner’s Dilemma? Proc Int AAAI Conf Web Soc Media (ICWSM). 2025;19:522-535.
5. Dickie M. Do Classroom Experiments Increase Learning in Introductory Microeconomics? J Econ Educ. 2006;37(3):267-288.
6. Cartwright E ほか. What do Students Learn from a Classroom Experiment: Not much, Unless they Write a Report on it. J Econ Educ. 2012;43(1):48-57.

よくある質問