万引き常習者にスロットをさせたら設定が変わっても台の乗り換えが遅かった

日本の京都大学（Kyoto University）などの研究チームは、病気(窃盗症)ではないのに盗みをくり返して服役した人たちが、スロットのゲームで出る台を選びそこね、犯罪歴のない人より点を多く逃していたと報告しました。

ゲームは、色の違う4台から1台を選んで回すと点が出る、それだけです。

ただし台の出やすさは回ごとに少しずつ変わり、さっきまで一番だった台が平凡になり、渋かった台が伸びるなど、遊んでいる途中で、台の設定が少しずつ変わっていくのです。

参加したのは「窃盗症」の診断がない窃盗での服役経験者38人と、犯罪歴のない53人でした。

ふつうに考えれば、点を逃したのは、台を適当に選んだか、しばらく打っていない台のことを忘れたせいだと思いそうです。

ところが選び方の記録を計算で調べると、はっきり違っていたのは1つだけでした。

さっき出た・出なかったという最新の結果で「この台は出る」という見込みを直す幅が、小さかったのです。

研究チームは、最近の結果を軽く見てしまう、頭の中の見込みが「固すぎる」状態だと説明しています。

年齢・性別・喫煙のちがいを差し引いても、この差は残りました。

一方、窃盗症と診断されて治療を受けている12人では、ほかとのはっきりした違いは確かめられていません。

罰も損もないただの点取りゲームで見えたこの「固すぎる見込み」は、いったい盗みのくり返しとどうつながっているのでしょうか？

研究内容の詳細は2026年11月9日に『Frontiers in Psychology』にて発表されました。

盗みをくり返す人の「結果からの学び方」は、ほとんど調べられていなかった

窃盗、とくに万引きは、世界中で社会に大きな損害を与えています。

しかも、刑務所に入るような重い罰を受けたあとでも、再び盗んでしまう人の割合は高いままです。

盗みをくり返す人は、ひとまとまりではありません。

医療の現場では、価値のほとんどない物でも盗みたい衝動を抑えられない病気「窃盗症」の人と、もうけや生活の必要などから盗む人とが区別されています。

罰を与えるという法の仕組みは、人は痛い結果を経験すれば、そのあとの行動を変えられるはずだ、ということを暗に前提にしています。

けれども行動を変えるには、受け取った結果を見て「この選択はどれくらい得か」という見込みを直していく頭の働き(強化学習)が欠かせません。

この働きの難しさは、いつもの店に行くか、新しい店を試すかで迷う場面に似ています。

知っている一番良い選択肢を使い続けるか(活用)、ほかも試して様子を見るか(探索)の釣り合いが要り、こうした見込みの計算には脳の前の部分(前頭前野)が関わると報告されてきました。

ところが、盗みをくり返す人がこの学びの仕組みをどう働かせているのかは、行動の面でも脳の面でも、ほとんど分かっていませんでした。

罰も損もない得点だけの場面でこの働きを測れば、その選び方を読み解く土台ができます。

そこで研究チームは、窃盗症の診断がない再犯者、窃盗症の再犯者、犯罪歴のない人の3グループを比べ、得点から学ぶ頭の働きに、結果を見ても見込みが書き換わりにくい「固すぎる見込み」と呼べる違いがあるのかを確かめることにしました。

もし点を取り逃がすとしたら、それは結果から学ぶのが遅いせいなのか、選び方がばらつくせいなのか、それとも選ばなかった台のことを忘れやすいせいなのでしょうか。

診断のない再犯者たちは、1回の得点で見込みを書き換える幅が小さかった

取りこぼしの原因は、学ぶ速さか、選び方のばらつきか、忘れやすさか。

これを見分けるため、研究チームはまず、全員に同じゲームを遊んでもらいました。

集まったのは、社会復帰のための更生施設や福祉施設に滞在する服役経験者と、地域新聞の広告に応じた犯罪歴のない人たちです。

画面に並ぶ色の違う4台から素早く1台を選ぶと得点が出る、それだけのゲームを160回くり返します。

4台の得点は、最初こそ出やすい点に20点から80点までの差がついていますが、1回ごとに少しずつ不規則に動いていきます。

さっきまで一番だった台が平凡になり、低かった台が伸びてくるので、出た点を見て見込みを直し続けないと、取れたはずの点を取りこぼします。

年齢・性別・喫煙のちがいを差し引いて比べると、窃盗症の診断がない再犯者たちは、犯罪歴のない人たちより取り逃がした点の合計が多く、その時点で一番点の出る台を選べた割合も低くなりました。

研究チームはこれを、最適とは言えない、より探索的な選び方だとまとめています。

ただ、点が低いという事実だけでは、先ほどの3つの理由を分けられません。

そこで研究チームは、一人ひとりの選択の記録に3種類の学習モデルを当てはめ、どれが選び方をいちばんよく言い当てるかを比べました。

その結果、どのグループでも、選ばなかった台の見込みが時間とともに薄れていくという同じ型のモデルが最もよく合いました。

学び方の骨組み自体は、3グループで共通していたのです。

このモデルからは、1回の結果で見込みを書き換える幅(学習率)、見込みどおりに選ぶ度合い(逆温度)、選ばなかった台の見込みが薄れる度合い(減衰)という3つの数値が、一人ずつ取り出せます。

比べてみると、はっきり違ったのは学習率だけで、窃盗症の診断がない再犯者たちは犯罪歴のない人たちより低くなっていました。

その差は、「差がある」という考えのほうが「差がない」という考えよりおよそ650倍データとよく合う、という強さでした。

ただしこれはグループの平均どうしを比べた結果で、一人ひとりを見分けられるという意味ではありません。

一方、逆温度の差ははっきりせず、減衰はむしろ差がないことを支持しました。

取り出した数値をそのままコンピューターに渡して同じゲームを遊ばせると、実際の参加者がどれくらい台を変えたか、見込みより高い点が出たあとにどれくらい同じ台に留まったかが、よく再現されました。

モデルの中の数値が、現実の選び方を捉えていたことになります。

論文の考察には、この数値の意味がこう書かれています。

「学習率が低いということは、頭の中の見込みが固すぎるということです。そのため、窃盗症ではない窃盗の再犯者のような人たちは、最近の結果を軽く見てしまいます。その結果、状況や得点の出方が変わっても、行動を切り替えられないのです」

つまり、学び方の型は同じで、はっきり違ったのは、1回の点で見込みを動かす幅が小さいことでした。

言ってみれば、道路の混み具合を少しずつしか取り込まない地図アプリが、すでに渋滞し始めた道を「いちばん速い道」と案内し続けるようなもので、画面は動いているのに現実に追いつきません。

なお、窃盗症と診断された人たちは12人と少なく、ほかのグループとの違いについては結論が出ませんでした。

では、この固すぎる見込みは、脳の働きや、現実の盗みのくり返しと、どうつながっているのでしょうか。

見込みを追う脳の働きそのものには、はっきりした差は見つからなかった

固すぎる見込みは、脳の中ではどう見えているのでしょうか。

研究チームは、犯罪歴のない人と診断のない再犯者の2グループについて、近赤外線を使う装置で、ゲームの最中の前頭前野の血流変化を記録していました(窃盗症のグループは施設の事情で測れていません)。

この記録に、モデルから取り出した一回ごとの見込みの大きさを重ねて見比べました。

見込みの大きさに合わせて血流が変わる場所は、前頭前野の一部に確かにありました。

ところが、その変わり方にグループによるはっきりした差は出ず、差が見えたのは、課題の出来事とは関係なく、右側の一部で血流のもともとの高さがずれていた点だけでした。

これは、見込みを追う脳の回路そのものが違っている、という意味ではありません。

番組はちゃんと流れているのに、ラジオの雑音が少し多い、という状態に近い見立てです。

先に見たとおり、選び方のばらつき(逆温度)の差には結論が出ず、忘れやすさ(減衰)はむしろ差がないほうが支持されました。

3つの候補のうち、はっきりした差が出たのは見込みを書き換える幅だったのです。

研究チームは、「探索的」に見えた選び方を、古い見込みのまま変化に追いつきにくかった結果だと考えています。

一方でこの結果は、「盗む人は頭が悪い」「罰を受けても懲りない」という意味ではありません。

学習率は知能ではなく、ゲームの得点で見込みを直す幅を表すモデルの中の数値ですし、今回の課題には点を失う罰も損もなく、研究チーム自身「報酬から学ぶ場面に厳密に限られる」と書いています。

そのうえで研究チームは、仮説として次のように述べています。

見込みを直しにくい人は、仕事を続けるといった安定した報酬の価値を心の中で育てにくく、なじみのある盗みに戻りやすいのではないか、というのです。

窃盗症の人の盗みは、抑えきれない衝動や抑制の失敗という別の仕組みによるのかもしれないとも書かれていますが、どちらもまだ確かめられていません。

今回の比較は1回きりなので、学習率の低さが盗みのくり返しを招いたのか、施設で長く暮らしたこと自体が学び方を変えたのかは区別できません。

出所後に再び盗むかどうかも追えていません。

それでも今回の研究は、窃盗症の診断がない再犯者たちのゲームでのつまずきに、「見込みを書き換える幅」の小ささというはっきりした特徴を見つけ、盗みのくり返しが一つのタイプではないかもしれないという見方に手がかりを与えました。

得点が少しずつ入れ替わる4台のスロットを前に、窃盗症の診断がない再犯者のグループは、さっき出た点に合わせて見込みを動かす幅が小さいと見積もられました。

研究チームは、出所後を追う研究で、その固すぎる見込みが現実の暮らしでどう働くのか、この数値が再犯を前もって示せるのかを確かめる必要があるとしています。

今回の結果を読む鍵は、「見込みを変えにくいこと」と「同じ行動を繰り返すこと」を区別する点にあります。選択を支える見込みの更新が遅ければ、本人が価値の高い台を選ぼうとしても、実際には得点の変化に追いつけず、良い台を使いこなせない可能性があります。外から見た「探索的な選択」は、必ずしも新しい情報を積極的に集める姿勢を意味しません。この研究の低い学習率は、選択のばらつきを、価値の見積もりが現実に追いつかないという過程から説明する候補です。
この区別を具体的に示すのが、2021年のギャンブル障害に関する関連研究です。同じく4台から選ぶ課題を使っていますが、こちらは不確かな選択肢について情報を得る「戦略的な探索」、無作為な探索、同じ選択を続ける傾向をモデルで分けました。賭博をする群では戦略的な探索が少なく、残る二つは対照群と同程度でした。今回の窃盗再犯者の研究はこの区別を直接組み込んでいないため、「探索が多い」という行動上の記述と、この関連研究の「探索が少ない」という結果を、そのまま反対の心理特性と読むことはできません。
行動の硬さをさらに分解したのが、2023年の強迫症と病的賭博の関連研究です。強迫症群では期待を下回る結果からの学習率が低く、賭博問題群ではそれに加えて、期待を上回る結果からの学習率が高くなっていました。一方、結果にかかわらず同じ選択を繰り返す傾向には、患者群と対照群の大きな違いがありませんでした。似た行動の硬さでも、良い結果による価値の引き上げと、悪い結果による価値の引き下げの組み合わせは異なりうるのです。次の図は、その関連研究で学習率を期待の上下に分けて比較したものです。
ここでいう「負の報酬予測誤差」は、損失や罰そのものではありません。得点を得た場合でも、それが予想より少なければ、期待との差は負になります。今回のモデルは期待の上下で学習率を分けていないため、更新が両方向に小さいのか、一方の更新だけが小さいのかは区別できません。関連研究から受け継げるのは、窃盗再犯者にも同じ偏りがあるという結論ではなく、この区別を調べる必要性です。報酬課題で期待外れの結果への反応を測ることと、実際の損失や法的処罰から学べるかを測ることも、分けて考える必要があります。
低い学習率の背景を探るうえでは、環境がどれほど変わりやすいと見込んでいるかも論点になります。2025年の地域住民を対象とした関連研究では、目立ちやすく本人にとって意味のある報酬や罰を使う条件で、反社会的特性の高さが、環境をより変動的だと予想する傾向と関連していました。また、対人関係面の精神病質的特性は、個人に合わせた報酬からの学習低下と関連しました。同論文は、環境が安定しているという強い事前の見込みが、変化の証拠を取り込みにくくする可能性も論じています。今回の学習率は更新の小ささを表しますが、その由来が環境変化の見積もりなのか、報酬の受け止め方なのかまでは分離しておらず、参加者に特定の人格特性があると判定する根拠にもなりません。
窃盗再犯者を扱った別の関連研究では、遅れて得る報酬をどれほど割り引くかという課題で、窃盗症の診断の有無を問わず衝動性の高さが報告されています。一方、強い抑うつは窃盗症群を特徴づけていました。報酬を待つことへの評価と、新しい結果によって見込みを更新する過程は、同じ「報酬への反応」でも異なる側面です。共通する衝動性と、今回示された非診断群の学習率の低さを合わせて考えると、再犯者を一つの認知的特徴だけで説明せず、複数の過程を分けて調べる意義が見えてきます。
ただし、診断による群分けは、そのまま原因による分類ではありません。窃盗症群は治療中の外来患者から、非診断群は更生・福祉施設への働きかけを通じて募集されており、診断だけが異なる条件で比較したわけではありません。年齢・性別・喫煙の調整によって、治療や生活条件の影響まで取り除かれたことにはなりません。また、窃盗症群が少数である以上、差が明確でないことを、学習機能が保たれている証明にはできず、ベイズ解析も不足する観測を補えるわけではありません。興味を失って離脱した人を除いているため、解析対象が課題を続けられた人に偏った可能性も残ります。
モデルの検証にも、成功した範囲を見定める必要があります。今回のモデル回復は、標準的な学習モデルと減衰を加えたモデルを、人工的に生成したデータから区別できるかを確かめたものであり、考えうる学習の仕組みを網羅した検証ではありません。パラメーター回復も、指定したモデルの中で数値を推定できることを支えますが、別の仕組みが似た行動を生む可能性までは除きません。したがって「全群で同じモデルが最良だった」は、比較した候補の中での結論であり、学び方の全体が同一だと確定したわけではありません。図2のパラメーター比較は変換後の値なので、分布の間隔を学習率そのものの差として読むことにも注意が必要です。
脳計測でいう「基準の高さの差」にも、測定上の限定があります。信号は各参加者の休息を含む全記録の中で標準化されているため、群の差はその尺度上の相対的な違いであり、絶対的な血流量や代謝量の大小を直接示してはいません。また、価値や予測誤差に対する反応の群間差が明確でなかったことは、その反応が等しいと証明したことにはなりません。学習信号の信号対雑音比が低下しているという説明は著者の解釈であり、雑音の増加を直接定量した結果ではありません。行動の差と脳信号の差を、一つの確立した因果経路として結びつける段階にはないのです。
課題は80試行ずつの2ブロックで、間に15秒の休息を置き、開始前には5試行の練習を行いました。選択期限は1,500ミリ秒で、期限内に選べなければ、その回の得点を得る機会を失います。試行数を短くしたのは、予備実施で長い課題にすると、特に再犯者群の離脱が多かったためです。脳計測では前頭前野の10カ所で酸素化・脱酸素化ヘモグロビンの変化を記録し、標本化は毎秒0.5回、各試行ではおよそ2〜3点でした。
対照群と非診断群の比較では、既知の最良台を選ぶ割合のベイズ因子は25.19でしたが、台を替える率は2.116、期待を上回る得点後に同じ台に留まる率は2.523で、後二者の証拠は弱いものでした。窃盗症群と非診断群の学習率の比較も2.221で、明確な区別を支える強さではありません。これらのベイズ因子は、指定したモデルと事前分布の下での証拠の比であり、差の大きさではありません。人工データでの真の値と推定値の相関は、学習率0.733、逆温度0.730、減衰率0.785と報告されています。

参考文献

https://phys.org/news/2026-11-thieves-kleptomania-struggle-rewards-decision.html

元論文

Lower reward-based reinforcement learning underlying explore-exploit decision making in non-kleptomanic theft recidivists
https://doi.org/10.3389/fpsyg.2026.1997570

ライター

川勝康弘: ナゾロジー副編集長。 大学で研究生活を送ること10年と少し。 小説家としての活動履歴あり。 専門は生物学ですが、量子力学・社会学・医学・薬学なども担当します。 日々の記事作成は可能な限り、一次資料たる論文を元にするよう心がけています。 夢は最新科学をまとめて小学生用に本にすること。

編集者

ナゾロジー 編集部