本記事では、LLMを活用し、ステレオタイプに陥ることなく、人間のように複雑で深みのある「ペルソナ（人格）」を生成する技術を紹介します。
LLMにキャラクターを演じさせる際には、どうしても学習データの偏りによる「紋切り型」な人物像になりがちです 。そこで、今回取り上げる手法では、実際のユーザーとLLMの会話ログから「人間の多様な属性」を抽出・構造化するというアプローチをとっています 。
背景
仕事でLLMを活用する機会が増えてきたと思います。その中で、「あなたはベテランのマーケターです」といった役割、いわゆる「ペルソナ」を設定して回答させるテクニックを使っている方も多いのではないでしょうか。こうすることで、プライバシーの問題を気にせずに架空の顧客データを大量に作ったり、特定の立場の意見を聞いたりと、本来なら集めるのが大変なデータを手軽に用意できるため、マーケティングや社員教育など様々な場面で重宝されています 。
しかし、実際にこうしたペルソナを作ってみると、「なんだか回答が紋切り型だな」とか「深みがないな」と感じたことはありませんか。これは現在のLLMが抱える課題の一つです。どうしても設定が浅く、単純になりがちだと言われています 。
なぜそうなってしまうのでしょうか。実は、LLMに対して単に「詳しく設定を作って」と頼むだけでは、LLMは学習した膨大なデータの中から「もっともらしい平均的なパターン」を選ぼうとする傾向があります。その結果、どうしてもステレオタイプ、つまり固定観念に縛られたり、現実の人間よりも過度に楽観的だったりする、似たり寄ったりの人物像が出来上がってしまうのです 。これでは、本当に複雑な人間の心理や行動をシミュレーションしたい場合には物足りません。
ビジネスの現場で本当に役立つ「架空の顧客」や「相談相手」を作るためには、単に年齢や職業といったラベルを貼るだけでは不十分です。その人がどんな人生を歩んできたかという「物語の一貫性」や、型にはまらない「多様性」、そして何より人間としての「深み」が必要になります 。しかし、これら全てを満たす詳細な設定を手作業で作るのは不可能ですし、かといってLLMに任せると画一的になってしまうというジレンマがありました 。
そこで、量産できる手軽さはそのままに、いかにして一人ひとりのキャラクターに「リアルな人間のような深み」を持たせるかという取り組みを紹介します。
