Do LLMs pass the mirror test?
This article explores whether large language models (LLMs) can pass the mirror test—a classic measure of self-awareness in animals. The author examines how LLMs respond to questions about identity and reflection, highlighting the limitations and surprising behaviors observed in current AI systems.
背景メモ
・「鏡テスト」は、動物が鏡に映った姿を自分だと認識できるかを調べる古典的な自己認識実験（1970年、Gordon Gallup Jr. が考案）。チンパンジーやイルカなどは合格するが、多くの動物は不合格となる。
・本稿では、このテストを大規模言語モデル（LLM）に応用し、AIが「自己」を認識できるかを検証している。具体的には、LLMに自分の出力（テキスト）と他人の出力を見分けさせる課題を与える。
・LLMの「自己認識」は人間のそれとは異なるが、モデルが自身の生成物を識別する能力は、AIの安全性（例：自己ループの防止）やモデルの整合性評価において実用的な意味を持つ。
・筆者 Pascal Schuster は、機械学習とLLMの内部動作を実験的に探るエンジニア／ブロガー。当記事では、複数のLLMに対して鏡テストに相当するプロンプト実験を行い、結果を考察している。