人工的な非知性

『人工的な非知性』が批判するのはコンピューターそのものではない。Meredith Broussard が「テクノショーヴィニズム」と呼ぶ、問題をデジタル化できれば技術的解決は人の判断より客観的、効率的、先進的になるという信念である。ソフトウェア開発者からデータ・ジャーナリストへ転じた著者は、その魅力を技術実践の内側から説明する。同時に、それが「ソフトウェアは本当に動くのか」「データは現実を表せるか」「そもそも自動化すべきか」という基本的な問いを組織に省略させる過程を示す。

題名は「人工知能」を意図的に反転させている。Broussard は SF 的な汎用知能と、現実にある狭い領域のシステムを区別する。後者は規則と測定可能な目標が安定した仕事では優秀でも、文脈、意味、出力の影響を受ける人を理解しない。機械学習は神秘的な心ではなく、データ、モデル、最適化目標、ハードウェア、組織上の選択の配置である。結果を「知能」と呼べば、成功を誰が定義し、どの誤りを許容し、失敗の費用を誰が負うかが隠れる。

抽象的な恐怖ではなく、自らのプログラミングと調査を示す点に説得力がある。著者は自動運転車に乗り、タイタニック号の生存予測を機械学習で再現し、生徒が標準試験に落ちる理由を調べ、米国の選挙資金をソフトウェアで整理しようとする。繰り返し明らかになるのは、難題が弱いアルゴリズムではなく、対立する目標、不完全な証拠、制度的誘因、公共的討議を要する価値を含むことだ。複雑なコードだけでは、悪い試験、歪んだ政治制度、危険な道路環境を修復できない。

これは「客観性」を尋問不能な権威にしないという意味でフェミニズムの批判でもある。採用、教育、信用、医療、公共サービスの記録は不平等な社会から作られ、欠損と分類は、誰が見え、疑われ、自己証明を求められるかを左右する。自動化はケア、説明、不服申立て、例外処理を非効率として退けうるが、それらは女性や周縁化された労働者が多く担う。統計的に速いシステムが、組織の責任を、当事者には訂正できない画面上の決定へ変えることもある。

Broussard の貢献は技術をすべて拒むことではなく、適切性の判断を取り戻すことにある。コンピューターは反復計算、検索、大規模整理に強い。目標を選び、例外を理解し、結果を説明し、異議に答える責任は人に残る。公共機関は AI の精度だけでなく、基準の作り方、誤りが集中する集団、非自動経路の有無、申立て方法、停止を判断する証拠を問うべきだ。技術リテラシーには、コードを書かない時を知ることも含まれる。

現在の生成 AI ブーム以前の本であるため、先見的であると同時に限界もある。誇大宣伝と汎用知能神話は明確に崩すが、訓練データの同意、コンテンツ労働、ディープフェイク、計算資源、プラットフォーム集中を今日の規模では扱わない。著者自身の探索を軸にした事例では、人種、ジェンダー、障害、世界的供給網の体系的分析が後のデータ正義研究ほど厚くない。現代 AI 権力の最終地図ではなく、問題を発見するための文法として読むべきだ。

FemRes の読者はテクノショーヴィニズムを点検表にできる。どの社会問題が計算可能な目標へ書き換えられたか。誰のデータがないか。失敗と例外を誰が処理するか。技術の約束は資源再配分や政治責任の回避に使われていないか。『Algorithms of Oppression』『Automating Inequality』、著者の後著『More Than a Glitch』と併読すれば、機械が人のように賢くなるかではなく、機械の仕事を誰が決め、判断される人がどう拒否できるかを問える。