大学院生募集

私たちのプロジェクトでは、深層学習が心理学研究に大きな変革をもたらすという予想のもと、新しい心理学の構築を目標とした研究を行っています。

生物を取り囲む世界、あるいは人間が生活する文化的な世界は、無数の要素が相互作用を起こす、複雑なものです。またそうした環境の複雑性は、生物・文化進化のプロセスを通して、生物・人間の側にも反映されていきます。人間の心もまた、そうした複雑な現象のひとつです。

従来の心理学は、こうした複雑さを持つ心を、比較的少数の要因の組み合わせで写し取れないかと考え、様々な努力を続けてきました。しかしその方法論には、原理的な無理があるのではないかという指摘は以前からなされており (Gergen, 1994; Meehl, 1967)、近年も神経科学で、同様の議論がなされています (e.g. Dyer & Kording, 2023; 神谷, 2023)。

私たち「深層学習心理学」研究プロジェクトのメンバーは、こうした心の複雑性に対して、深層学習、特に近年の基盤モデル (foundation models) が、効果的な解決策を与えてくれるのではないか、と考えています。深層学習は、言語 (岡﨑 et al., 2022) や画像 (岡谷, 2022) といった複雑な対象に対して、その詳細の重要な部分を保持しつつ、パターン認識することを可能にしました。私たちは、この深層学習の特性を心理学に応用することで、高い予測精度と効果的な介入を可能とする、新しい心理学を創り出そうと考えています (池田 et al., 2023a; 池田 et al., 2025)。

私たちの研究プロジェクトは、サーベイ実験を用いた実験的検証を行う部門と、深層学習心理学の理論化を行う部門によって構成されています。

まず実験的検証部門では、社会心理学で伝統的に行われてきた説得 (persuasion) あるいは態度変容 (attitude change) 研究を、研究テーマとして取り上げます (e.g. チャルディーニ, 2023)。例えば「実はアポロ宇宙船は月へ行っていない」などの、根拠の不確かな流説のことを「陰謀論」と呼びますが、こうした陰謀論を信じる人々の信念を変えるのは大変難しいことが、これまでの社会心理学研究で報告されています (O’Mahony et al., 2023)。ところが 2024 年に入り、GPT などの大規模言語モデル (Large Language Models; LLM) を用いて、個々のトピックと個々人の信念内容に応じて個別的にテイラーメイドされた説得文を生成・提示すれば、陰謀論信者に対しても、効果的な説得が可能だという報告が出てきました (Costello et al., 2024)。いわば「説得 AI」研究です。仮にこの効果が本当に頑健で、かつ幅広い文脈に応用できるのだとしたら、臨床・商業・政治など、様々な場面におけるマイクロターゲティングに広く応用される可能性があり、その社会的インパクトは極めて大きいと思われます (Burtell & Woodside, 2023)。私たちは、そうした社会問題への取り組みも含めて、多角的な視点から、「説得 AI」 研究を推進していきます。

さらに私たちは、深層学習が、なぜ心を含む生物学的・文化的に複雑な世界を効果的にモデル化できるのかの理由を、進化生物学を中心とした、自然科学の視点から検討していきます (池田 et al., 2023a, 2023b, 2025)。

具体的な例を挙げると、進化生物学で用いられている適応度地形理論 (e.g. Gavrilets, 2004) を理論モデルとして取り上げ、それを深層学習の基盤モデルが持つ諸特性に関する調査データ (e.g. Cai et al., 2020) に適用します。そこから、膨大な数の要素で構成される現象が、複雑な相互作用を見せる時、全体としてどのような幾何学的特徴を持つのかを考察し、その知見を、例えば上記の「説得 AI」研究データに適用していきます。

その他にも、機械学習の正則化理論 (e.g. Aster et al., 2018) に、進化プロセスをベイズ学習として捉える視点や (Watson & Szathmáry, 2016)、システム生物学の枠組み (Palsson, 2015; 畠山 & 姫岡, 2023) を加味することで、進化可能性などの生物学的視点から、深層学習の特性を解明していきます。

私たちの研究プロジェクトでは、以上のような研究アイデアに関心を持ち、修士課程の大学院生として、共に研究を進めてくれる仲間を募集しています。応募に当たっては、次の注意事項をご確認ください (博士課程からのご参加については、別途個別にご相談ください)。

まず、進学時点で必要な背景知識・技術についてです。心理学など、文系学部出身の方は、大学院進学以前に、心理学全般と社会心理学の概要を勉強しておいていただきたいと思います。また、コンピュータサイエンスなど、理系学部出身の方は、大学院進学以前に、理系の学部 2 年生程度の数学と、機械/深層学習の概要を勉強しておいていただきたいと思います。それらを前提として、進学後には、数学、英語、心理学、機械/深層学習、進化生物学、社会問題などの領域から、研究思考に必要な知識・技術を、出身領域に応じて適宜学んでいただくプログラムを用意します。

基礎知識・技術の習得と並行して、研究プロジェクトの実験的検証部門、あるいは理論的検証部門のいずれに参加されたいかを決めていただき、具体的な研究テーマの選定を行って、研究をスタートさせる形になります。

以下の大学院から、ご自身に適切な進学先を選んでいただき、ご連絡ください。入試時点で要求される具体的な知識・技術、また経済的支援制度の内容についても、下記連絡先にご相談ください。

みなさまからのご連絡をお待ちしております。

• Aster, R. C., Borchers, B., & Thurber. (2018). Parameter Estimation and Inverse Problems (3rd Ed.). Elsevier. 

• Burtell, M., & Woodside, T. (2023). Artificial Influence: An Analysis Of AI-Driven Persuasion. Arxiv. 

• Cai, X., Huang, J., Bian, Y., & Church, K. (2020, October 2). Isotropy in the Contextual Embedding Space: Clusters and Manifolds. International Conference on Learning Representations. 

• ]Costello, T. H., Pennycook, G., & Rand, D. G. (2024). Durably reducing conspiracy beliefs through dialogues with AI. Science, 385(6714), eadq1814. 

• Dyer, E. L., & Kording, K. (2023). Why the simplest explanation isn’t always the best. Proceedings of the National Academy of Sciences, 120(52), e2319169120. 

• Gavrilets, S. (2004). Fitness Landscapes and the Origin of Species. Princeton University Press. 

• Gergen, K. J. (1994). Toward Transformation in Social Knowledge. SAGE Publications. 

• Meehl, P. E. (1967). Theory-Testing in Psychology and Physics: A Methodological Paradox. Philosophy of Science, 34(2), 103–115. 

• O’Mahony, C., Brassil, M., Murphy, G., & Linehan, C. (2023). The efficacy of interventions in reducing belief in conspiracy theories: A systematic review. PLOS ONE, 18(4), e0280902.

• Palsson, B. Ø. (2015). Systems Biology: Constraint-based Reconstruction and Analysis (2nd ed.). Cambridge University Press. 

• Watson, R. A., & Szathmáry, E. (2016). How Can Evolution Learn? Trends in Ecology & Evolution, 31(2), 147–157. 

• ロバート・Ｂ・チャルディーニ. (2023). 影響力の武器：人を動かす七つの原理 (社会行動研究会, Trans.; 新版). 誠信書房. 

• 岡谷貴之. (2022). 深層学習 (改訂第 2 版). 講談社.

• 岡﨑直観, 荒瀬由紀, 鈴木潤, 鶴岡慶雅, & 宮尾祐介. (2022). 自然言語処理の基礎. オーム社. 

• 池田功毅, 山田祐樹, & 平石界. (2023a, November 6). 深層学習と新しい心理学. 金子書房 note. 

• 池田功毅, 山田祐樹, & 平石界. (2023b, December 2). 深層学習と新しい進化心理学. 日本人間行動進化学会 2023 大会, 大阪公立大学. 

• 池田功毅, 平石界, & 山田祐樹. (2025, January 24). 適応としての心と深層学習心理学. 金子書房 note. 

• 畠山哲央, & 姫岡優介. (2023). システム生物学入門. 講談社. 

• 神谷之康. (2023, March 17). 脳と心の科学の「ミッドライフクライシス」. 金子書房 note.