人工知能（AI）技術は、ここ数年で急速に進歩した。世界各国の政府は、AI戦略を策定してこれに対応した。フランスは2018年3月に国家AI戦略を発表し、研究資金、倫理的課題、不平等を重視した。中国は、2030年までにAI分野で世界一になるという目標を掲げた。EU、カナダ、日本、オバマ政権、トランプ政権なども、それぞれ独自の計画を打ち出している（Sutton 2018）。
AIが社会に及ぼす影響については、悲観的な見方が広く見られる。イーロン・マスク、スティーブン・ホーキング、ビル・ゲイツらは、AIの急速な進歩が社会を悪い方向へ変えてしまう可能性があると警告している。より楽観的に見れば、AIによって生産性が飛躍的に高まり、人々が十分な収入を得ながら、不快な仕事をほとんどせずに済むようになる可能性もある（Stevenson 2018）。悲観的な見方をとるか楽観的な見方をとるかにかかわらず、AIが社会にどのような影響を及ぼすかは政策によって形づくられる。
AIとは何か
オックスフォード英語辞典は人工知能を「通常は人間の知能を必要とする課題を遂行できるコンピューターシステムの理論と開発」と定義している。一方、近年の関心の高まりを牽引しているのは、予測に重点を置くコンピューター科学の分野、機械学習の進歩である。機械学習の先駆者であるジェフリー・ヒントンは、こう述べている。「何かを予測しなければならず、データが大量にあるような古くからの問題なら、ディープラーニングを使えばおそらく既存の手法よりもうまく解決できる」。1 したがって、AIの近年の進歩は、予測のコスト低下と捉えることができる。予測は意思決定に欠かせない要素であるため、近年の研究では、汎用技術としてのAIが広範な影響をもたらす可能性について論じている（Agrawal et al. 2018a, 2018b）。
AI政策には二つの側面がある。
- 第一に、規制政策は、技術の普及速度と、その技術がどのような形をとるかに影響する。
- 第二に、労働市場や独占禁止に関する懸念に照らし、AIがもたらし得る負の影響の緩和に重点を置く政策がいくつかある。
AIの普及に影響を与える政策
機械学習はデータを使って予測を行う。多くの状況でAIの最大の制約となるのは、有用なデータを取得できるかどうかである。これにより、プライバシー上の懸念が生じる。そのため、プライバシー政策は、組織がAIを構築し、導入する能力に直接影響する。プライバシー保護が不十分だと、データが危険にさらされる市場取引への参加を消費者がためらう可能性がある。プライバシー規制が過度に厳しければ、企業はイノベーションのためにデータを活用できなくなる。既存の実証研究はAIに特化したものではないが、これまでの証拠によれば、政府が義務づけるプライバシー規制の大半は技術の導入とイノベーションを遅らせる。これは、プライバシーの権利とイノベーションの速度との間にトレードオフがあることを示唆している（Goldfarb and Tucker 2012）。したがって、AIに重点を置く政府戦略、とりわけ国内AI産業の育成を目指す戦略では、特にプライバシーに関して、データの生産者と利用者の利害が衝突する可能性を考慮すべきである。実際のAIの応用については、他のどの規制よりも、プライバシーに関する規則が普及の速度と方向性を左右する可能性が高い。
責任に関する規則も、AIの普及に影響する（Galasso and Luo 2018）。明確な責任規則がなければ、企業はAI製品の開発に投資しにくくなる。自動運転車は分かりやすい例である。自動運転車の開発には、さまざまな企業が参加する。車が事故を起こした場合、センサーの製造元が責任を負うのだろうか。通信事業者か。車両メーカーか。それともAIソフトウェア企業か。誰が責任を負うのかが明確でなければ、どの企業も投資をためらう可能性がある。自動運転車が人命を救うのであれば、非自動運転車のメーカーに現行法の要求を上回る基準を課すべきだろうか。そうすれば、より安全な技術の普及が加速する。一方、責任の強化が主に新しい技術を対象とするなら、普及は遅れる。
さらに、他の技術と同じく、研究支援の拡充、バランスの取れた知的財産法、安全な方法で実験できる環境があれば、進歩は速まる。
AIの影響に対処する政策
AIをめぐるよくある懸念の一つは、雇用への潜在的な影響である。機械が通常は人間の知能を必要とする課題をこなせるようになれば、人間に残される仕事はあるのだろうか。私たちは、これが正しい問いだとは考えない。ひどい仕事は数多くある。さらに、余暇が増えることは一般に好ましい変化とみなされている。ただし、別の生きがいを見つける必要性を懸念する声もある（Stevenson 2018）。長期的に最も重要な政策課題は、AIの広範な利用によって生み出される富の分配が変わる可能性に関わる。言い換えれば、AIは不平等を拡大する可能性がある。
AIが他の情報技術と同様であれば、スキル偏向型になる可能性が高い。AIから最も恩恵を受けるのは、すでに比較的恵まれた立場にある高学歴の人々だろう。そうした人々は、機械を所有する可能性も高い。不平等に関するAIの影響に対処する政策は、社会的セーフティネットに関わる。不平等の拡大に対処するため、ロボット税やベーシックインカムといった比較的急進的な案も提起されている。しかし、累進課税から国民皆保険に至る社会政策の費用と便益を検討する点で、AI特有の事情があるわけではない。
より短期的には、AIが広く普及すれば、その移行過程で多くの労働者が一時的に職を失う可能性がある。Acemoglu and Restrepo（2018）は、短期から中期にかけて、スキルと技術の間にミスマッチが生じることを強調している。つまり、AIの普及に先立つ政策準備では、景気循環と教育政策の双方を考慮すべきである。特定の場所と時期に集中する技術主導の解雇は、AIに限ったことではない。工場の自動化や農業の機械化でも見られた。教育政策には未解決の問いが数多くある。機械が技術関連の予測課題をますますこなせるようになるなら、社会的スキルや人文科学を重視すべきだろうか。教育制度は成人により重点を置くよう変化すべきだろうか。AIの普及に伴って必要となるスキルは、現在の教育制度で身につけられるスキルとどう異なるのだろうか。
AIの普及をめぐるもう一つの政策課題は、産業の独占化につながるかどうかである。AI分野をリードする企業は、売上高や利益、特に時価総額（利益に対する倍率）で規模が大きい。これを受け、各国政府（特に欧州委員会）や報道機関は、主要テクノロジー企業への独占禁止法上の監視を強めている（例えば、エコノミスト誌の2018年1月20日付の特集記事「新たな巨人たちと、彼らをどう抑えるか」や、同年6月7日付の続報「自動運転車市場は独占へ向かう」）。こうした独占禁止法上の監視の多くは、これらの企業がプラットフォームとして果たす役割に焦点を当てており、AIそのものの利用を問題にしているわけではない。AIを特徴づけるのは、データの重要性である。データを多く持つ企業ほど、より優れたAIを構築できる。これが規模の経済や独占化の可能性につながるかどうかは、開発サイクルの初期に生じた小さなリードが、好循環と長期的な優位性を生むかどうかに左右される。
AIをめぐる経済政策の多くは、通常の経済政策そのものである。AIの普及についてはイノベーション政策に似ており、AIの影響への対応については、公共政策（社会的セーフティネット）や競争政策（独占禁止）に似ている。表1にAIの経済政策の側面をまとめる。
表1 人工知能に関する経済政策の側面
AIは多くの点で他の技術と似ているが、いくつかの重要な側面では異例である。具体的には、AIは応用範囲が広い汎用技術（GPT）であると同時に、「発明を生み出す方法の発明」（IMI）でもある（Cockburn et al., 2018; Agrawal et al. 2018）。Cockburnらは、「汎用IMIの登場は極めてまれな出来事であり、その影響は経済成長や社会へのより広範な影響において、非常に大きなものとなり得る」と述べている。彼らはAIに関する科学論文と特許活動のコーパスを収集、分析し、機械学習をGPTとIMIの両方とみなす見方に合致する証拠を示している。
このことは、AI政策の設計への投資収益に関わる。応用範囲が広いため、最適でない政策設計のコストは他の技術の場合より大幅に高くなる可能性があり、あるいは最適な政策がもたらす便益がより大きくなる可能性がある。さらに、政策設計への投資収益は、AIが「幅広い製品・サービスの生産と特性の双方に直接影響する」という直接的効果だけで決まるわけではない。「AIにはイノベーションのプロセスそのものを変える可能性もあり、その影響は同じく非常に大きく、時間とともに直接的効果を上回る可能性がある」（Cockburn et al. 2018）という間接的効果も関わる。
著者注：本稿で提起した論点は、Agrawal et al.（2018a）に基づく。同論文は、2017年にトロントで開催されたNBER人工知能経済学会議での議論と、関連する会議論文集（Agrawal et al. 2018c）を踏まえている。
参考文献
Acemoglu, D, and P Restrepo（2018）、「人工知能、自動化、労働」、A Agrawal、J Gans、A Goldfarb（編）、『人工知能の経済学：課題』、シカゴ大学出版局。
Agrawal, A, J Gans, and A Goldfarb（2018a）、「人工知能の経済政策」、NBERワーキングペーパー24690。
Agrawal, A, J Gans, and A Goldfarb（2018b）、『予測マシン：人工知能のシンプルな経済学』、ハーバード・ビジネス・スクール出版。
Agrawal, A, J Gans, and A Goldfarb（編）（2018c）、『人工知能の経済学：課題』、シカゴ大学出版局。
Agrawal, A, J McHale, and A Oettl（2018）、「干し草の山から針を探す：人工知能と組み合わせによる成長」、A Agrawal、J Gans、A Goldfarb（編）、『人工知能の経済学：課題』、シカゴ大学出版局。
Cockburn, I, R Henderson, and S Stern（2018）、「人工知能がイノベーションに及ぼす影響」、A Agrawal、J Gans、A Goldfarb（編）、『人工知能の経済学：課題』、シカゴ大学出版局。
Galasso, A, and H Luo（2018）、「ロボットを罰する：不法行為責任の経済学と人工知能のイノベーションに関する課題」、A Agrawal、J Gans、A Goldfarb（編）、『人工知能の経済学：課題』、シカゴ大学出版局。
Goldfarb, A, and C Tucker（2012）、「プライバシーとイノベーション」、J Lerner、S Stern（編）、『イノベーション政策と経済』第12巻、NBER、シカゴ大学出版局、65-89頁。
Sutton, T（2018）、「AI戦略の概説」、Medium、6月28日。
Stevenson, B（2018）、「AI、所得、雇用、生きがい」、A Agrawal、J Gans、A Goldfarb（編）、『人工知能の経済学：課題』、シカゴ大学出版局。
脚注
[1] https://www.youtube.com/watch?v=2HMPRXstSvQ（2018年5月22日アクセス）。
