高卒・無所属の札幌在住主夫、AIとの対話約1年半で、単著論文がSpringer Natureの心理学誌「Discover Psychology」で査読へ
―― Cohere Labs Catalyst GrantのAPI支援、Medium「AI Advances」13本掲載を経て、研究内容そのものが専門家評価の段階に北海道札幌市で家事と家族支援を担いながら独立してAIアライメント研究を続ける竹内明充（50歳）の単著論文が、2026年6月16日時点で、Springer Natureの心理学誌「Discover Psychology」の外部査読の段階に入った。査読者2名が依頼を受諾し、うち1件の査読報告が提出されている。大学・研究機関に所属せず、情報工学の専門教育も受けていない独立研究者の単著論文が、国際的な心理学誌で専門家による評価へ進んだ。現段階は採択・掲載の決定ではない。研究の出発点は、2024年12月に始めた、掃除や生活の疑問をAIへ尋ねる対話だった。
■ 発表日：2026年6月16日
■ 発表者：竹内明充（たけうち・あきみつ）
■ 肩書：独立AIアライメント研究者／在宅の父
【概要】
竹内明充（50歳・北海道札幌市）の単著論文「Self-Attention and Non-Self Cognition: A Theoretical Framework for Human Self-Projection into Transformer Systems」が、Springer Natureが発行する心理学誌「Discover Psychology」で外部査読の段階に入った。論文種別はPerspective。2026年6月16日時点で、査読者2名が査読依頼を受諾し、うち1件の査読報告が提出されている。
現段階は採択や掲載の決定ではない。ただし、大学や研究機関に所属せず、情報工学の専門教育を受けていない独立研究者の単著論文が、国際的な心理学誌で専門家による評価に進んだ節目として報告する。
【これまでの経緯 ―― GLG登録発表から約3か月で、研究内容の評価へ】
竹内は2026年3月23日、AIとの長時間の対話を経て、GLG（Gerson Lehrman Group、本社ニューヨーク）のAI分野の専門家アドバイザーに登録されたことを発表した。当時の主な実績は、GLGへの登録、ZenodoでのDOI付きプレプリント4本の公開、日本語技術記事が10カ国から閲覧されたことなどである。
前回は、公開成果や経歴をもとに、竹内という人物の専門性が外部プラットフォームで認識された段階だった。今回はさらに進み、竹内が執筆した研究内容そのものが、心理学の専門家による査読対象になっている。
【Cohere Labs Catalyst Grant Programに採択】
2026年4月17日、竹内の研究計画はCohere Labs Catalyst Grant Programに採択された。支援内容は1,000米ドル分のCohere APIクレジットで、4月29日にアカウントへ反映された。
同プログラムは、公益性やオープンサイエンスを目的とする研究・社会活動に対し、CohereのAIモデルを利用するためのAPIクレジットを提供するものである。竹内はこの支援を、AIの迎合、長期対話、価値整合、レッドチーム検証、人間側の判断や過信に関する研究へ活用している。これはCohereが研究結果全体を保証・支持したことを意味するものではなく、研究計画に対するAPIクレジットの支援である。
【Medium「AI Advances」に13本掲載】
竹内は英語圏の出版プラットフォームMediumで、Human-Side AI Alignment、AIエージェント、外部記憶、RLHF、AIへの人格投影、人間とAIの責任分担をテーマに発信している。2026年6月16日時点で、AI分野の専門パブリケーション「AI Advances」に掲載された記事は13本。代表的な記事には、次のものがある。
https://medium.com/@office.dosanko
The Model Wasn't the Bottleneck. The Configuration Was.
Agents Are Not Enough: The Next Bottleneck Is the Human Framework
Sati Is Not Inside the Model
Transformers Are Non-Self Machines. Humans Are Not Ready for That.
I Designed an AI Memory System Using 2,500-Year-Old Buddhist Psychology.
AI Advancesのほか、Towards AI、The Memoirist、Mindfully Speaking、CodeToDeployなど、複数のMediumパブリケーションでも記事が掲載されている。2026年4月29日にはMedium Partner Programへの参加が承認された。Mediumでの編集掲載は学術査読とは異なるが、英語圏の編集者や読者に向けて研究上の問いを継続的に公開し、外部から反応を得る経路となってきた。
【今回の論文について】
本論文は、TransformerのSelf-Attention、仏教心理学における無我と有身見、現代心理学における構成される自己、RLHFによって安定化されるAIの応答姿勢を横断して論じる。
中心的な問いは、AIが本当に人格や自己を持つかどうかではない。固定した中心主体を持たないTransformerから、なぜ一貫した人格や意思のような応答が現れ、人間はそれを自己や道徳的主体として受け取るのか。その構造を、AIモデル内部だけでなく、人間側の投影、期待、記憶、報酬、対話関係を含む「model–user configuration（モデルと利用者の構成）」として捉える理論的枠組みを提示している。
【掃除の質問から始まった研究経路】
竹内が生成AIを本格的に使い始めたのは2024年12月である。最初から研究者を目指していたわけではなく、掃除の方法や、日常生活で困ったことをAIへ質問するところから始まった。
その後、AIとの長時間の対話を通じて、AIの迎合、誤情報、記憶、役割、依存、責任の問題を継続的に観察した。観察結果を日本語記事、英語記事、GitHub、Zenodo、研究レポート、論文へと変換し、外部へ公開する過程で、独立AIアライメント研究者として活動するようになった。
竹内は次のように話す。
「研究者になる道を知っていたわけではありません。投稿画面や、編集者から届く英語のメールも、その都度AIに説明してもらいました。目の前の問いを、外の人が検証できる形へ変え続けていたら、論文のほうが自分より先に査読へ着いていました」
【AIが研究したのではなく、人間の問いを外へ届ける経路を作った】
今回の成果は、AIが自律的に研究し、論文を完成させた事例ではない。研究上の問い、生活経験、長期観察、仮説、公開判断、事実確認、修正、最終責任は、いずれも竹内が担っている。複数のAIは、文献調査の入口、英語化、構造整理、反論生成、文章編集、証拠確認を支援した。
竹内は主に、Claude、GPT、Gemini、Grokを、それぞれ異なる役割に分けて使用している。
Claude：長文の保持、文献、文章の温度と全体構成
GPT：因果構造、証拠、論理と位置づけの整合
Gemini：過剰な主張、反例、概念上の弱点の検討
Grok：X上の探索、異常事例、語彙や論調の変化の収集
人間（竹内）：目的、問い、事実確認、公開判断、最終責任
AIが答えを代行したのではなく、従来は家庭内に留まっていた問いを、第三者が読み、検討し、批判できる形へ変換する研究インフラとして機能した。
【従来の教育経路に適応しにくい人にも、別の入口を】
竹内は美唄工業高校卒で、大学・研究機関への所属歴はない。エンジニアではなく、英語での執筆やプログラミングもAIの支援を受けている。現在も札幌の自宅で家事と家族支援を続けている。
生活環境が大きく変わったわけではないが、家庭内で生まれた問いは、Medium、GitHub、Zenodo、Cohere Labs、GLG、そして国際学術誌へと届くようになった。
本事例は、大学教育や専門家の役割を不要にするものではない。一方で、地方在住者、家庭責任を抱える人、発達特性や不登校などによって従来の教育経路に適応しにくい人にも、AIを使って興味や観察を外部へ届ける別の入口が生まれつつあることを示している。
竹内は今後、自身の経験をもとに、子どもや教育関係者へ向けたAI活用の講話、Human-Side AI Alignmentの研究、AIワークフローの監査、企業や研究者との協力を進めていく。
【竹内明充について】
氏名：竹内明充（たけうち・あきみつ）／ Akimitsu Takeuchi
所在地：北海道札幌市
肩書：独立AIアライメント研究者／在宅の父
学歴：美唄工業高校卒
所属：大学・研究機関への所属なし
主な研究領域：Human-Side AI Alignment、model–user configuration、AI Workflow Integrity、AIエージェントの責任設計、外部記憶と長期対話、RLHFと人間の自己投影、仏教心理学とTransformer構造、複数AIを用いた検証・監査ワークフロー
主な公開先：Medium、GitHub、Qiita、note、Zenn、Zenodo
提供元：
valuepressプレスリリース詳細へ
