人工知能（AI）の学習データがインターネットの劣悪なコンテンツに汚染されているという警告が広がっている。大規模言語モデル（LLM）は、膨大なインターネットデータから学習するため、人間の「脳の腐敗（brain rot）」と類似したリスクを抱えているとの指摘がある。インターネット文化における「脳の腐敗」とは、SNSなどからの過剰な情報消費が注意持続力の低下、記憶処理の歪み、自己認識や自己評価の変化といった認知機能の劣化を引き起こす現象を指す。 LLMも同様に、無数のトークンを学習対象としているため、誤情報、偏見、誹謗中傷、無意味なコンテンツといった「ジャUNKデータ」に過剰に曝露される。人間の脳に似た構造を持つモデルの「パラメータ」と「アテンション機構」は、これらの有害なパターンに過剰に適応（オーバーフィット）するリスクがある。結果として、モデルは論理的整合性の欠如、事実の誤認、不適切な推論を繰り返すようになり、認知的な「劣化」を示す可能性がある。 この現象は、AIの安全性や信頼性に深刻な影響を及ぼす。たとえば、医療や法務分野での誤った出力は、実社会に重大なリスクをもたらす。研究者らは、LLMの訓練データの質を厳しく管理し、有害なコンテンツを除外する「データクリーニング」の重要性を強調している。 AIの性能は「何を食べてきたか」に依存する。劣悪なデータで学ばせれば、モデルも劣化する。今後のAI開発では、学習データの選定と管理が、技術的進化以上に重要な課題となる。