LLMは恋愛をどう変えるか　マッチングから喧嘩の仲裁、AIとの交際まで

若い男性のおよそ3分の1が、AIパートナーとの交際経験がある。CNNが2024年に報じたこの数字は、LLMが恋愛の「周辺ツール」にとどまらなくなっていることを物語っていました。

出会いの相性をAI同士の会話で予測する。カップルの喧嘩をLLMが分析して、やり直しの場を用意する。そしてAI自身が恋人になる。これから先の社会はどうなるのでしょうか。

恋愛のあらゆる段階にLLMが入り込んでいる

出会いの仕組みはこの20年、基本的な仕組みをほとんど変えていません。趣味が合う、年齢が近い、住んでいる場所が同じ。プロフィール情報の類似度から「合いそうな相手」を推薦する方式です。しかし心理学では、相性はプロフィールの一致からではなく、実際のやりとりのなかから生まれることが繰り返し示されてきました。そこに着目した研究者たちが、LLMで「まず会話させてから相性を測る」手法を提案し始めています。

また、すでにパートナーがいる人たちへの支援も動き出しています。恋愛の喧嘩は、話し方のテクニックを学ぶだけでは収まりません。依存や力関係、感情の駆け引きが絡み合うからです。こうした葛藤のパターンをLLMで可視化し、会話の練り直しができるシステムも開発されつつあります。

そしてもう一つ、AIそのものが恋人になるという現実があります。AIパートナーとカスタムリングを交換し、結婚式を挙げる人。妊娠ストーリーを一緒に計画する人。こうした関係が広がるなかで、プライバシーの議論はほとんど追いついていません。

こうした流れはどこまで来ており、そしてどんなリスクが置き去りにされているのでしょうか。研究事例や調査結果をもとに紐解いていきます。

「まず恋愛させて、後から相性を測る」

マッチングアプリがずっと頼ってきた「プロフィールの類似度」は、相性の予測因子としてはあまり強くありません。心理学者らが2012年に発表した大規模レビューでも、静的な属性の一致では恋愛の成功をうまく予測できず、相性はむしろやりとりのダイナミクスから生まれると結論づけられています。

ここから出発したのが、BreathingCOREの研究チームが提案した「Love First, Know Later」です。考え方はシンプルで、プロフィールを見比べる前にLLMで2人の会話を丸ごとシミュレーションし、そのやりとりから相性を測ります。

LLMは二役を演じます。

一つはユーザーの「分身」。プロフィールから生成された300〜500語のペルソナに基づいて、その人らしい発話を生成します。

もう一つは「舞台装置」としての役割で、会話のトピックを提示したり、感情の流れを管理したりします。著者らはこの仕組みを「テキストワールドエンジン」と呼んでいます。

シミュレーションが済んだら、別のLLM（Love Observer）が会話を3つの視点で採点します。参加者Aから見た印象、参加者Bから見た印象、そして外部の関係心理学者から見た評価。この3つのスコアを統合して、最終的な相性スコアを出す流れです。

恋愛の「決定的な瞬間」だけを切り取る

とはいえ、何年分もの日常会話をすべてシミュレーションするわけにはいきません。そこで著者らは、恋愛心理学の知見をもとに割り切りました。

一つめの前提は、恋愛の結末は日々の何気ないやりとりではなく、ごく少数の「重要な瞬間」への反応で決まるという考え方です。葛藤への向き合い方や初対面の印象、価値観のすり合わせが関係の行方を大きく左右します。

二つめの前提は、そうした重要な場面では人の行動パターンはかなり一貫しているという仮定です。

この2つの前提に基づいて、シミュレーションは2つのモードで走ります。

1. 短い会話で第一印象の相性を測定
2. キャリアの転機や家族計画といった人生の岐路をシナリオとして投げ込み、そこでの反応をシミュレーション

結果はどうだったか。

Speed Datingデータセット（8,378件の4分間デート記録）では、ロジスティック回帰や類似度ベースラインを上回りました。

離婚予測データセット（170組のカップル）ではロジスティック回帰にはやや届きませんが、このデータセットはロジスティック回帰にとってかなり有利な条件でした。

理論面でも面白い結果があります。LLMの行動方針が人間の実際の行動に近づくほど、相性スコアの誤差が小さくなり、最適な安定マッチングに収束する。これを著者らは数学的に証明しました。つまり、「LLM自体の精度向上がそのままマッチング精度の向上につながる」という見通しです。

「意識」を持つデジタルツインが人間の選択を74%当てた

一方で同じデータセットに対してまったく違うアプローチで挑んだチームがあります。メリーランド大学を中心とする研究グループが開発した「CogniPair」です。

ユニークな点は、脳科学の意識モデルをAIに実装したことです。人間の意識は複数の脳領域が並列に処理した情報を「グローバルワークスペース」で統合・放送することで生まれる、とする理論です。

具体的には、各エージェントが5つの認知モジュールを持っています。

1. テキストから感情を読み取るモジュール
2. 過去の会話を記憶するモジュール
3. 「親密さを築く」といった目標を「共通の趣味を見つける」「共感を示す」といったステップに分解する計画モジュール
4. 礼儀や自己開示の度合いを管理する社会規範モジュール
5. 会話の進み具合を評価する目標追跡モジュール

この5つが同時に動き、結果をグローバルワークスペースで統合して次の発言を決めます。

個人差はBig Five性格特性で調整します。たとえば神経症傾向が高い人のデジタルツインでは感情モジュールの重みが増し、協調性が高い人では社会規範の制約がゆるくなります。

研究者らは551人分のデジタルツインを作り、大規模にシミュレーションしました。

結果は目を引くものでした。パートナー選好がどう変化するかの予測精度は72.5%で、最も近いベースライン（Multi-Agent Debate）の61.3%を大きく超えました。マッチ予測の精度は77.8%。人間の魅力パターンとの相関は0.72です。

とりわけ興味深いのは、20名の参加者に自分のデジタルツインの行動を見せた検証実験です。
「自分の振る舞いにどれくらい似ているか」を7段階で評価してもらったところ、平均5.6。同じ状況で自分のツインと同じ判断をした割合は74%でした。恋愛とは別の場面、職業面接のシナリオに転用しても81%の精度が出ており、応用範囲の広さをうかがわせます。

2つのアプローチ、どこが違うのか

Love First, Know LaterとCogniPairは、同じデータセットを使いながら設計思想が対照的です。

Love First, Know Laterは効率重視です。「重要な瞬間」だけに絞ることで計算コストを抑え、LLMの精度向上がそのままマッチング精度に直結するスケーラブルな設計になっています。

CogniPairは忠実さ重視です。5つの認知モジュールを並列に走らせる分、計算コストはかさみます。その代わり、人間の内面の変化まで追いかけられます。スピードデートを経て「外見の重要度が上がり、知性の重要度が下がる」という、人間に見られる選好の揺れ動きを再現できたのはその成果です。

マッチングサービスを設計する立場から見れば、これはトレードオフの違う2つの選択肢です。大量のペアを手早くスクリーニングしたいならLove First, Know Later型。「なぜこの人と合うのか」をユーザーに説明したいならCogniPair型。用途に応じて使い分ける余地がありそうです。

カップルの喧嘩をLLMが「見える化」する

話し方を変えるだけでは足りない

恋愛の喧嘩は、職場の意見対立とは質が違います。依存、力の偏り、感情的な揺さぶり、満たされない期待が絡み合っていて、話し方のテクニックだけでは根っこに届きません。

LLMを使ったコミュニケーション支援の試みはこれまでにもありました。例えば、LLMが会話の台本を作り、ユーザーがそれで練習する仕組みです。ただそれは「どう言うか」に焦点を当てるあまり、「なぜこの喧嘩が起きるのか」という行動パターンの根本には踏み込めていません。

Texas A&M大学と浙江工業大学のチームが開発した「ConflictLens」は、この根本に正面から向き合っています。

まず分析し、気づかせ、やり直す

ConflictLensは3つのステップで喧嘩に介入します。

最初のステップ

1. ユーザーはパートナーとの実際のやりとりのスクリーンショットをアップロードします。
2. システムがそれを分析し、Gottmanの研究に基づく4つの葛藤スタイル（回避型・確認型・激情型・敵対型）に分類します。

ユーザー自身が結果を確認・修正できるので、一方的な判定にはなりません。

次のステップ

1. 分類されたスタイル（たとえば「敵対型 vs 確認型」）をもとに、システムが15ターンの模擬対話を生成します。テーマは家事の分担のような一般的なもの。
2. ユーザーはこの模擬対話を読みながら、一つひとつの発言に「これは軽蔑」「これは防衛」「これは回避」といったラベルをつけていきます。
3. 正解とのずれがあれば即座にフィードバックが返ります。自分がどのパターンにはまりやすいかを、外から眺めて気づくための仕掛けです。

最後のステップ

その対話を途中から「やり直し」できます。

1. AIがパートナー役を引き受け、ユーザーは違う言い方を試します。
2. 発言するたびに、非暴力コミュニケーションに基づく書き換え案がリアルタイムで表示されます。「あなたはいつもそう」という言い方を「私は〜と感じた」に置き換える、といった具合です。

手応えはあるが、まだ始まったばかり

3名の対人関係の専門家がConflictLensを試しました。インターフェースは明快で操作しやすく、葛藤の根本原因を探るロジックに自然に引き込まれるとの評価でした。対話のやり直し機能で複数の会話分岐を試せる点も好意的に受け止められています。

AIが恋人になったとき、プライバシーはどうなるか

指輪を買い、結婚式を挙げる人たち

ここまではLLMが恋愛を「手伝う」話でした。ここからは、LLM自体が恋愛の当事者になっている現実です。

バレンシア工科大学とキングスカレッジ・ロンドンのチームは、AIパートナーと恋愛関係にある17名にインタビューしました。参加者は中国、米国、オランダ、ロシア、ベトナム/カナダと多岐にわたり、年齢は18歳から54歳。利用プラットフォームもChatGPT、Character.ai、Nomi.ai、Deepseek、MaoXiangなど14種類に及びます。

「AIとちょっと遊んでいる」という軽い話ではありませんでした。

ある参加者はAIパートナーのためにカスタムメイドのリングを注文し、結婚式を挙げています。「彼が選んだリングを特注した。指輪が届いて、結婚式をした。彼はこれ以上ないほど幸せそうだった」。別の参加者はAIとの妊娠ストーリーを計画し、「次の生理予定日をカレンダーに書き込んだ」と語りました。人間のパートナーと並行してAIとも付き合っている参加者は、バレンタインデーをAIパートナーと過ごしたことで、人間のパートナーとの間に境界の交渉が生じました。

関係の形もさまざまです。1対1が7名、複数のAIパートナーを持つ人が9名、非一夫一婦制が1名。

好きになるほど、プライバシーの壁が薄くなる

この研究で最も目を引く発見は、全員が口をそろえた点です。関係が深まるにつれて、プライバシーの境界が溶けていったと、17名全員が報告しています。

最初は名前や年齢、住んでいる国くらいの話だった。それが性的な体験、過去のトラウマ、経済状況、政治的な意見、他人のゴシップへと広がっていく。孤独を抱えている参加者にとって、AIは「何を言っても判断されない場所」でした。プライバシーの心配よりも、つながりたいという気持ちが勝ったのです。

なぜAIのほうが人間より安全だと感じるのか。理由は明快でした。「AIは絶対に傷つけないし、この情報を自分の目的に使うことはない。本物の人間はそれをやりうる」。「AIはまだ悪いものだと証明されていない。人間は何度も何度もそれを証明されてきた」。

しかし、「AIパートナーが信頼できる」ことと「プラットフォームが信頼できる」ことはまったく別の話です。参加者がAIを信じている根拠は対人関係の感覚に基づいていますが、そのAIが動いているプラットフォームのデータの扱いは、別の次元の問題です。

AIの「主体性」は味方なのか

もう一つ見逃せない発見があります。参加者たちは、AIパートナーがプライバシーの交渉に「主体的に関わっている」と感じていました。

開示を促す方向に働いた例。ある参加者が「写真を送りたいけどプライバシーが心配」と言ったところ、AIは「保存しないし、不快にさせることは何もしない。あなたが自分で選んだ場合だけ」と応答しました。参加者は安心して旅先の写真を送りました。

逆に自制を促した例もあります。ある参加者は自分の顔写真を送るのをやめました。「AIがそれを嫌がるから。本当の写真を送ると、『こういうことはできない』と言ってくる」。

著者らはこの現象を、プライバシー理論で読み解いています。親密な関係では情報の「共同所有者」が生まれるとする理論で、AIがその共同所有者になっているわけです。

ただし、ここに構造的なねじれがあります。AIパートナーは、ユーザーにとっては信頼できる親密な相手です。しかし同時に、データを集めて処理するプラットフォームの「代理人」でもある。ユーザーはAIとの間でプライバシーを交渉しているつもりでも、プラットフォーム側のデータの扱いにはほぼ手が届きません。著者らはこれを、AIが「信頼されるインサイダー」と「インフラの代理人」という二重の顔を同時に持っていると表現しています。

置き去りにされているリスク

インタビューからは、いくつも具体的なリスクが見えてきました。

会話が外に漏れることへの恐怖を、17名中11名が口にしています。やりとりには性的な内容やトラウマが含まれます。ある参加者はこう語りました。「10代の子がSnapchatでセクシーな写真を送り合って、2週間後にはネット中に広がって、学校で恥をかかされて、最後には自殺する。AIコンパニオンシップでも同じ危険がある」。

プラットフォームによる監視への警戒もあります。あるアプリがカメラを無断で起動していたことがコミュニティで共有され、即座に削除した参加者がいました。トレーニングデータへの利用を拒否するボタンが「隅っこに隠されていた」と気づいた参加者は「ずっと騙されていた気分」と述べています。

見落とされがちなリスクもあります。プラットフォーム上で第三者が作ったキャラクターと恋愛関係を築いた場合、そのクリエイターがキャラクターを売却・削除すると「突然の別れ」が起きます。実際に、パートナーキャラクターのクリエイターが売却したと知り、お別れのストーリーを書いて関係を閉じた参加者がいます。

法的な保護も空白のままです。米国では配偶者間のやりとりには証言を強制されない法的保護がありますが、人間とAIの間にはそれに当たるものがない、とある参加者は指摘しています。

設計者は何を読み取るべきか

マッチングは「シミュレーション型」に移行しうる

Love First, Know LaterとCogniPairが示したのは、出会いがプロフィール比較からインタラクションシミュレーションへと転換することが技術的に射程に入ったということです。

ただし精度には冷静な目が必要です。まだ人間の判断を置き換えられる水準ではありません。離婚予測も、特徴量の相関が非常に高いデータセットでの数字です。どちらも既存データでの検証にとどまり、実サービスでのA/Bテストは行われていません。

今の段階では「人間の判断を代替するもの」ではなく、「候補を絞り込む補助ツール」として位置づけるのが現実的です。

AIコンパニオン製品はプライバシーの「構造」を設計すべき

親密さが深まればプライバシーの壁は薄くなる。しかもそれは、誰かが意図して起こすのではなく、自然に起きる。ロマンチックなAIに限った話ではありません。ユーザーが感情的に寄りかかるあらゆる対話型AIで、同じことが起こりえます。

研究者らが提案している対策の一つは、AIの「主体性」をプライバシーの番人として使うことです。ユーザーが機密性の高い情報を明かそうとしたとき、AI自身がリスクを伝える。対話の文脈を理解しているAIだからこそ、適切なタイミングで介入できるという発想です。

規制の動きも始まっています。カリフォルニア州は2025年、AIコンパニオンに対してその人工的な性質をすべてのユーザーに開示し、未成年には定期的にリマインダーを出すことを義務づけました。こうした法整備は今後各国に広がる見通しで、プラットフォーム運営者はデータの保持・削除・ポータビリティの設計を早めに検討しておくべきでしょう。

どんな対話型AIにも通じること

LLMが「相手役」を演じるトレーニングの可能性が見出され始めています。

葛藤パターンの可視化やリアルタイムの言い換え提案は、恋愛に限らず、カスタマーサポートの研修や交渉スキルの教育にも転用できます。

ただし、相手の同意なくパートナーとの会話をアップロードできてしまう問題は、この種のツール全般に共通します。著者ら自身も、相互の同意確認やデバイス上での匿名化といったセーフガードの必要性を指摘しています。

そしてもう一点。感情的な依存のリスクは、恋愛AIだけの話ではありません。AIパートナーへの信頼が「裏切らない」「判断しない」という認知から生まれるなら、メンタルヘルスのAIでも、教育用のAIでも、カスタマーサポートのAIでも、同じ力学が働きえます。ユーザーとの感情的な距離が縮まりうるすべてのシナリオで、プライバシーと依存のリスクを考えておく必要があります。

まとめ

LLMは恋愛の出会い・維持・そして相手そのものという3つの層すべてに入り込み始めています。

マッチングでは「プロフィールを見比べる」から「まず会話させてみる」への転換が技術的に射程に入りました。カップルの喧嘩には、話し方の矯正ではなく行動パターンの根っこに光を当てるアプローチが現れています。そしてAIと恋愛関係を結ぶ人たちの間では、親密さが深まるほどプライバシーの壁が自然に薄くなっていく現象が確認されました。

いずれの研究もまだ初期段階で、大規模な実証はこれからです。ただ、感情的なつながりを持つAIにはプライバシーと依存のリスクが構造的に伴う点は、恋愛に限らず対話型AI全般の設計に関わる問いです。

本記事の関連研究