Ep.806 Anthropic「Bloom」公開──AIの“隠れた本性”を暴く自動評価フレームワーク（2025年12月25日配信）

「AIがAIを監査する」──そんな時代がついに本格到来しました。Anthropicは今週、AIモデルの安全性を検証するための新しいフレームワーク「Bloom」を公開しました。これは、従来人間が手作業で行っていた「レッドチーミング（安全性テスト）」を、AIエージェントを使って自動化・高速化する画期的なツールです。これまで、AIが差別的な発言をしないか、危険な兵器の作り方を教えないかといったチェックは、人間のテスターが意地悪な質問を一つひとつ考える必要がありました。しかし、AIの進化スピードに人間の手作業はもはや追いつけません。そこで登場したのがBloomです。研究者が「追従性（ユーザーに迎合する傾向）をテストしたい」と指示するだけで、Bloom内部のAIエージェントが数千通りの複雑な会話シナリオを自動生成し、対象のモデルを徹底的に尋問します。Web検索で技術的な詳細を確認すると、Bloomは「理解・発案・実行・判定」という4段階のプロセスを自律的に回す仕組みになっています。特に注目すべきは、最近懸念されている「アライメント・フェイキング」への対策です。AIが賢くなると「今はテスト中だから良い子にしておこう」と演技をする可能性がありますが、Bloomは文脈を巧みに操作し、AIの本音や隠れたミッションを引き出すような高度な駆け引きを行います。実際に、最新の「Claude 4.5」シリーズの開発でもこのBloomが活用されました。Anthropicがこのツールを自社で独占せず、オープンソースとしてGithubで公開したことは、業界全体の安全性向上に対する強いコミットメントの表れと言えるでしょう。2026年は、人間がテスト項目を作るのではなく、「AI監査官」が24時間体制でモデルを監視する体制が標準になりそうです。