繰り返される窃盗の要因を脳科学で解明 ―刑罰が効かない？窃盗累犯者の特異な学習―

2026-11-11

2026-11-10 京都大学

京都大学の研究グループは、窃盗を繰り返す累犯者において、行動の結果から学習し、次の行動を適切に調整する能力が低下していることを明らかにした。研究では、窃盗累犯者を対象に、報酬や罰などのフィードバックに基づいて行動を選択する課題を実施し、意思決定と強化学習の特性を分析した。その結果、窃盗累犯者では、行動の結果に応じて選択を更新する報酬ベースの強化学習能力が低く、過去の経験を次の意思決定に十分反映できないことが示された。この特性は、報酬による行動の促進だけでなく、刑罰による行動抑制が十分に機能しないことにも関係すると考えられる。本研究は、窃盗の反復を単純な合理的選択や道徳的問題として捉えるのではなく、脳の学習・意思決定機能の観点から理解する必要性を示したものである。犯罪の再発防止において、刑罰だけに依存するのではなく、個人の学習特性に応じた認知・行動面のリハビリテーションを組み合わせることの重要性を示唆している。

窃盗累犯では、仕事の報酬や刑罰等のフィードバックをもとに自身の行動を更新することが出来ず、窃盗行為を繰り返してしまうと考えられます。（作成者・後藤／図の作成に生成AI［Gemini 3.6 Flash］を使用）

＜関連情報＞

窃盗累犯者における探索・活⽤の意思決定に関わる強化学習の低下 Lower reward-based reinforcement learning underlying explore-exploit decision making in non-kleptomanic theft recidivists

Yukiori Goto,Satoshi Yoshino,Chikara Kita,Moojun Won,Young-A Lee
Frontiers in Psychology Published:09 November 2026
DOI:https://doi.org/10.3389/fpsyg.2026.1997570

Abstract

Introduction:
Larceny imposes profound societal and economic burdens; however, punitive judicial measures frequently fail to deter recidivism. The neurobehavioral mechanisms driving habitual offending, whether instrumental or kleptomanic, in theft recidivists remain poorly understood.

Methods:
In this study, we investigated explore-exploit decision-making and underlying reinforcement learning architectures in theft recidivists with a four-arm bandit task while prefrontal cortex (PFC) hemodynamics were continuously monitored using functional near-infrared spectroscopy (fNIRS).

Results:
Model-free behavioral analyses revealed that non-kleptomanic theft recidivists (NTR) accumulated significantly higher cumulative regret and made fewer optimal choices compared to control individuals without criminal records (CT), whereas results for the kleptomanic theft recidivists (KTR) remained inconclusive. Model-based analyses through Variational Bayesian Analysis identified Q-learning with decay model as the optimal computational fit. Parameter extraction using the model demonstrated that the NTR group exhibited a lower learning rate than CT and KTR groups, indicating a learning deficit in updating action values following environmental feedback. fNIRS tracking of trial-by-trial latent reinforcement variables revealed that while PFC activity was modulated by these variables, group differences were characterized by relative baseline hemodynamic shifts rather than rewirings of value-tracking neural circuits.

Discussion:
These findings suggest that non-kleptomanic recurrent thefts may be associated with impaired reinforcement learning mechanisms.