テクノロジー起業家や未来学者、一部のメディアからよく聞かされるのは、自動化が明るい未来をもたらすという話です。一方で、知識人、政治家、ジャーナリストの中には、私たちの自動化された未来について、破滅的なシナリオを描く人も少なくありません。
現在の議論の多くは、こうした極端な仮説に左右されています。自動化とそれに伴うあらゆるものに賛成するか、反対するかのどちらかというわけです。同様の話題をめぐる議論が、インターネット以前の時代にもすでに行われていたことを考えると、これは驚くべきことです。私たちは新たな解決策を示さないまま、同じ議論を繰り返しています。
極端な意見だけでなく、その間にある幅広い見解も取り上げる議論を促すため、自動化の度合いが異なる未来の4つのシナリオを検討する価値があります。この文脈では、人工知能の研究が将来の自動化を可能にする主な要因と考えられています。
シナリオ1：均衡の取れた自動化と技術的な限界
数十年前、人工知能の研究には大きな期待が寄せられ、論争を呼ぶ議論も盛んでした。1980年代に科学者たちがエキスパートシステムに注力していた頃のことです。2018年の現在も、私たちは特化型人工知能を開発していますが、あらゆる課題をこなす超知能の構想が再び語られています。しかし、人工知能研究の現時点での代表例であるディープラーニングが、このユートピア的な構想を実現する可能性は低いでしょう。
人工知能の歴史を振り返ると、研究への関心が同様に後退したり、技術の進歩が一時的に停滞したりすることは十分にあり得ます。その原因として、計算能力や学習データの質のボトルネック、あるいは出力を理解できないことが考えられます。運転や金融モデリングのように、特定の領域では一連のタスクを最初から最後まで完全に自動化するシステムを開発できるかもしれませんが、人工知能システムには依然として解明が難しい領域もあるでしょう。
多くの仕事は、異なる領域にまたがる複数のタスク群から成り、多様なスキルを必要とすることを念頭に置く必要があります。仕事によっては、コミュニケーション、数値計算、論理的推論、データの集約、分析、創造性、対人スキル、手先の器用さ、聴覚・嗅覚・視覚による刺激の処理など、さらに多くの能力が求められます。
したがって、異なるシステムを使って一つの大きなタスクを構成する一部の作業を自動化できたとしても、それらを組み合わせて大きなタスク全体を完全に自動化するのは現実的でないかもしれません。さらに、自動化にはコストが伴い、科学的には実現可能だとしても、特定の仕事の自動化が経済的に見合わなくなることがあります。加えて、自動化はデータに依存しますが、必要な量や質のデータが常に得られるとは限らないことも認識しなければなりません。
こうした問題があるため、大半の職業では人間の労働力が優位性と低コストを保つでしょう。その結果、人類は一部のタスクを自動化し、別のタスクは自動化しないと決め、場合によってはまったく自動化できないこともあります。これを踏まえると、均衡の取れた自動化は進展が遅く、現在予測されているほど大きな変革をもたらさないでしょう。
シナリオ2：非合理的な自動化行動と外部からの制約
何かを開発したからといって、それを使わなければならないわけではありません。社会として、私たちは将来、機械学習やバイオエンジニアリングなどの技術によって生活を完全に自動化し、前のシナリオで想定した技術的な限界を乗り越えられるかもしれません。しかし実際には、私たちの知識を大規模に活用するよう強いる人は誰もいません。
自動化に関する議論の多くは、利用可能な技術を私たちが使うという前提に立っています。しかし、人間は非合理的な意思決定をするものです。そのため、質の低い成果になったとしても、好まないタスクだけを選んで自動化し、残りはそのままにするかもしれません。人間は単に変化に抵抗するか、自動化された仕事より人間の仕事に高い価値を見いだすようになる可能性もあります。資源不足や汚染、紛争、その他の外的要因によって、社会が技術革新の道筋から離れていくことも考えられます。
このシナリオでは、人間はシナリオ1の技術的な限界を乗り越えられるかもしれません。理論上は大半のタスクを完全に自動化できるとしても、文化の変化は技術の変革ほど速く進まないでしょう。外的な阻害要因によって、自動化の度合いが低く抑えられる可能性もあります。そのため、どの分野で自動化技術を使い続けるかを慎重に選び、それを既存の技術や伝統的な知識と融合させる必要があります。
シナリオ3：あらゆる場面に広がる計画的な自動化
かつては不可能に思えたことを実現できるかもしれません。すなわち、汎用人工知能の創出です。量子コンピューティングが、ついに大衆市場に登場する可能性もあります。センサーを組み込んだインフラを通じたデータ収集や、オンラインとオフラインの行動監視を認める法的枠組みによって、非常に細かな粒度のリアルタイム学習データが継続的に得られるかもしれません。
人工知能、生物学、医療などの分野が融合すれば、科学は人間の健康や行動、環境といった複雑なシステムを深く理解できるようになるかもしれません。その知識は、人間の労働を可能な限り自動化するだけでなく、将来の現状と両立する代替的な政治・社会・経済システムの構築にも活用できます。
自動化や新技術からさまざまな恩恵を受ける一方で、人類は汎用人工知能がもたらす本質的なリスクを受け入れるようになるでしょう。あらゆる知能システムの出力を人間の認知能力では理解できないことが、広く受け入れられるようになります。
失業によって生じる空白を埋めるため、人々は人と人とのつながりに注力し、料理や介護、手工芸などの「人間ならではの体験」が最も高く評価される体験型経済を築くでしょう。変化に抵抗する人々と、より技術志向の人々との間の隔たりは、自動化税を財源とする研修プログラムや金銭的支援によって埋められるかもしれません。
シナリオ4：急速な全面自動化
急速な全面自動化が起きた場合、私たちは人間の労働を速やかに捉え直し、価値体系全体を再定義し、現在よりどころとしている理論を再構築しなければなりません。たとえば資本主義は、現在、多くの人にイノベーションの原動力と見なされていますが、この未来のシナリオでは、その基礎となる理論が問題に直面するかもしれません。資本主義の仮説では、経済成長と生産性の向上が消費の拡大につながり、最終的に賃金上昇へと結びつくことで、社会全体の経済的な豊かさにプラスの影響を与えます。
全面自動化の場合、自動化システムを構築したり、最も多くのデータを蓄積したりした企業の独占が、最終的に権力と富を集める一方、生産性の向上が賃金の上昇につながるという論理は崩れるでしょう。人間の仕事が十分に残らないためです。その結果、成長の原動力である消費が抑制されます。
平等を目指すユニバーサル・ベーシックインカムという構想が実現可能な解決策となるかどうかは、まだ分かりません。人間は常に、同じ仲間の中で自分を際立たせようと努め、社会的地位を求めてきたからです。そのため、社会的不平等はさらに深刻化する可能性があり、エリート層は、自動化できない職業に就く人々か、自動化から直接利益を得る人々で構成されるでしょう。
シナリオ4がシナリオ3と大きく異なるのは、主に自動化の速度と、計画性のない進め方です。シナリオ3ではすでに現在のシステムに代わる意義ある選択肢が生まれていますが、シナリオ4では少数の人々の金銭的利益が重視され、格差が拡大します。
この先に何があるのか？
いずれのシナリオも決定事項ではありません。一方で、労働力の50％以上が自動化されるという予測につながるような、極端な変革が起きると断言できる根拠はありません。単なる仮説にとどまる可能性もあります。他方で、過去に変化へ対処してきたからといって、今後の変化にも人類が自然に対処できると考え、油断すべきではありません。
同様に、さらに悲惨な破滅の予測や、ユートピア的な未来へのいっそう輝かしい約束を競い合うべきでもありません。慎重に進めることは最も刺激的ではないかもしれませんが、将来に向けた備えをより万全にするため、そうすべきです。
したがって、誰もが抱えるニーズや不安、考え、希望に耳を傾けるため、民主的で国境を越えた公開の議論を始めるべきです。さらに政府は、将来の自動化が倫理、社会、法律、環境、技術に及ぼす影響を評価する、より多くの独立した学際的研究に助成するとともに、起こり得る問題の解決策を検討すべきです。最終的には、将来の変化の複雑さは現在の予測能力を超えているため、私たちの計画にも誤りがあり得ると受け入れる必要があります。
