夕方の診察室。
医師に症状を説明するあなたの言葉は、ときに途切れ、ときに遠回しになります。
「ここ数日は眠れていなくて……でも、仕事の締切もあって」
そんな風に話しながら、心の奥底では「本当は仕事のストレスで限界なのかもしれない」と感じているかもしれません。
もしAIが隣で記録しているとして—それは”不眠””頭痛”といったタグには強いかもしれません。
症状の頻度や程度を数値化し、既存のデータベースと照合することも得意でしょう。
しかし、声の震え、ため息の間、言葉にしなかった不安、そして何より患者自身も気づいていない心の動き。
その物語の温度は、従来のデータ項目にはなりにくいのです。
この”温度差”—つまり、技術が捉えられるものと人間が本当に必要としているもののギャップに向き合うために、アラン・チューリング研究所、エディンバラ大学、AHRC-UKRI、そしてロイズレジスター財団による国際的なチームが立ち上げたのが『Doing AI Differently』プロジェクトです。
このプロジェクトのキーワードは、人文学×AI、そして解釈的AI（Interpretive AI）という革新的な概念です。
従来のようにAIを巨大計算機や効率化ツールとしてだけ捉えるのではなく、文化的成果物を生み出す存在、さらには人間の創造的パートナーとして設計し直そうという野心的な挑戦なのです。
なぜ「人文学」なのか：正解よりも”意味”が問われるから
現代のAIは確かに驚異的な性能を誇ります。
大量のテキストから関連性の高い情報を瞬時に検索し、画像を精密に分析し、複雑な計算を人間よりもはるかに高速に処理できます。
しかし、人間が日常的にやり取りする文章や画像、そして会話は、単純な答え合わせで終わらない解釈の対象なのです。
たとえば、同じ「ありがとう」という言葉でも、状況や関係性によって込められた意味は大きく変わります。
感謝なのか、皮肉なのか、それとも困惑なのか。
AIは大量のパターンを学習し、統計的に最も可能性の高い解釈を提示することはできますが、場の空気や暗黙の前提、さらにはその瞬間の微妙な感情の動きを読み解くのは依然として苦手です。
プロジェクトを率いる Drew Hemment 教授（アラン・チューリング研究所持続可能性解釈技術テーマリーダー）が指摘する「解釈深度」の不足は、まさにここにあります。
現在のAIは表層的なパターン認識には優れていても、文化的背景や個人的な経験に根ざした深い理解には至っていません。
これは、辞書を丸暗記した旅行者が文法的には正しい会話はできても、商店街の立ち話の微妙なニュアンスには混ざれない—そんな本質的な齟齬（そご）が生まれているのです。
人文学が長年培ってきた解釈の技法、多様な視点を重ね合わせる思考法、そして何より「答えのない問い」と向き合う姿勢。
これらの知恵をAIに組み込むことで、単なる情報処理を超えた、真の理解と創造的な対話が可能になると Hemment 教授らは考えています。
“同じ鍵”では開かない扉：ホモジナイゼーション問題
現在のAI業界を見渡すと、興味深い現象が起きています。
多くの企業や研究機関が、似たような設計思想、似たようなデータセット、そして似たような評価基準でAIシステムを構築しているのです。
この同質化（ホモジナイゼーション）は、一見すると効率的で合理的に見えるかもしれません。
成功例を模倣し、標準化された手法を用いることで、開発コストを抑え、品質を安定させることができるからです。
しかし、この同質化には深刻な問題が潜んでいます。
結果として、同じバイアスや盲点が、異なる企業の異なるプロダクトを横断して再生産されてしまうのです。
たとえば、採用支援AIが特定の属性の候補者を不当に評価してしまう、医療診断AIが特定の人種や性別で精度が下がる、自動翻訳システムが文化的ニュアンスを見落とすといった問題が、業界全体で似たような形で発生しています。
これは、クローゼットがモノトーンの服だけで埋まっている状況に似ています。
どこへ行っても似たような装いになってしまい、場面や季節、相手に応じた最適な選択ができません。
現実の社会では状況ごとの最適解が必要なのに、AI業界は「一つの鍵」で全ての扉を開けようとしている——それが現在のAIが抱える根本的な弱点なのです。
さらに問題なのは、この同質化が技術的な効率性だけでなく、文化的多様性の軽視につながっていることです。
グローバルに展開されるAIサービスが、特定の文化圏の価値観や思考パターンを「標準」として扱い、他の文化的背景を「例外」として処理してしまう傾向があります。
これでは、真にインクルーシブで多様性を尊重するAIシステムは生まれません。
解釈的AIとは：唯一解から”合唱”へ
解釈的AIは、従来のAIとは根本的に異なる哲学を持っています。
最初から世界のあいまいさと多声性を前提とし、一つの正解を求めるのではなく、複数の視点が共存する豊かな理解を目指すのです。
この新しいアプローチでは、まず複数の妥当解を提示することから始まります。
同じ問題に対しても、立場や価値観によって異なる答えが存在することを認め、その前提や価値観の違いを可視化します。
たとえば、都市計画において「最適な解決策」は、住民、企業、行政それぞれの視点で異なるでしょう。
解釈的AIは、これらの異なる立場を対立させるのではなく、それぞれの妥当性を示しながら議論の土台を作るのです。
さらに、従来のAIがデータの数値的側面に集中していたのに対し、解釈的AIは文脈・物語・関係性といった定性的な要素を同等に重視します。
数字だけでは見えない人間関係の微妙なニュアンスや、歴史的背景から生まれる地域特有の価値観なども、重要な情報として取り扱います。
技術的な側面では、画一的なモデル設計から脱却し、代替アーキテクチャを含む多様な設計手法を積極的に試行します。
問題の性質や文化的背景に応じて、最適なAIの構造自体を変えていく柔軟性を持つのです。
そして何より重要なのは、人とAIを対立する存在として捉えるのではなく、人間-AIアンサンブルとして協働する関係性を築くことです。
ここでのAIは、従来の”正解マシン”ではありません。
むしろ異なる視点を並べる編集者であり、新たな問いを立て直す相棒として機能します。
答えを与えるのではなく、より良い問いを一緒に見つけ出す存在なのです。
生活がどう変わる？——二つの場面
1. ヘルスケア：症状リストから、患者の物語へ
現在の医療現場では、電子カルテシステムが診療を支援していますが、多くの場合、症状や検査数値といった定量的なデータが中心となっています。
しかし実際の診察では、患者の人生により複雑な状況が絡み合っています。
仕事のプレッシャー、家族関係の変化、経済的な不安、生活習慣の乱れ—これらすべてが健康状態に影響を与えているのです。
解釈的AIは、この複雑さを単純化するのではなく、むしろ背景のストーリーとして構造化し、理解可能な形で提示します。
たとえば「最近眠れない」という訴えに対して、従来のシステムでは「不眠症の可能性」というタグを付けるだけかもしれません。
しかし解釈的AIは、患者の職歴、家族構成、過去の治療歴、さらには言葉の選び方や話すペースといった微細な情報も含めて、その人なりの「眠れない理由」の物語を組み立てます。
このアプローチにより、医師は患者の価値観や生活スタイルに沿った治療選択を提案できるようになります。
薬物療法が最適な患者もいれば、生活習慣の改善や心理的サポートが効果的な患者もいるでしょう。
解釈的AIは、このような個別性を尊重した医療を支援し、患者の納得感と信頼を高めることに貢献するのです。
2. 気候変動：地球のデータを、地域の言葉に
気候変動対策は、科学的なデータと現場の実情をつなぐ翻訳作業と言えるかもしれません。
全球気候モデルは精緻で信頼性が高くても、実際の政策や行動は地域の文化・政治・産業の文脈の中で決定されます。
漁業が主産業の沿岸部と、農業中心の内陸部では、同じ気温上昇予測に対しても必要な対策は大きく異なるでしょう。
解釈的AIは、この翻訳プロセスを支援します。
科学的根拠を基盤としながらも、地域の歴史、経済構造、社会関係、文化的価値観といった要素を統合し、その地域にとって意味のある選択肢を提示するのです。
たとえば、ある農村地域では伝統的な農法の復活が効果的かもしれませんし、都市部では技術革新による効率化が重要かもしれません。
このようにして、解釈的AIは“机上の空論”を現場の行動に変える橋渡し役を担います。
地域住民が自分たちの問題として気候変動を捉え、納得できる形で行動に移せるような設計を後押しするのです。
重要なのは、正解を押し付けるのではなく、それぞれの地域が自分たちなりの答えを見つけるプロセスを支援することです。
安全と公共性：技術を社会に据えるルール
解釈的AIという新しいアプローチは、技術的な革新性だけでなく、社会への責任ある実装という観点でも注目を集めています。
このプロジェクトの重要なパートナーである Lloyd’s Register Foundation は「安全で信頼できる運用」を最優先課題として位置づけています。
新しい技術は往々にして、その可能性に目を奪われがちです。
しかし解釈的AIのように、人間の深層的な理解や文化的解釈に関わる技術においては、特に慎重なアプローチが求められます。
AI倫理と人間中心設計を土台にしながら、システムの動作原理や判断プロセスの透明性、そして結果に対する説明責任を確実に組み込む必要があるのです。
このプロジェクトを支える英国とカナダを結ぶ国際ファンディングは、単なる研究資金提供以上の意味を持っています。
両国の研究機関が連携することで、異なる文化的背景を持つ専門家たちが知見を共有し、より包括的で多様性に配慮したAIシステムの開発が可能になります。
これはまさに、解釈的AIの理念である「多声性の尊重」を実践する取り組みと言えるでしょう。
ロイズレジスター財団の技術担当ディレクターである Jan Przydatek 氏は「グローバルな安全慈善団体として、我々の優先事項は、将来のAIシステムがどのような形をとろうとも、安全で信頼できる方法で展開されることを確実にすることです」と述べています。
この発言は、技術革新と社会的責任のバランスの重要性を示しています。
Drew Hemment 教授が発する「基盤から解釈能力を組み込む時間は、狭まりつつある」という警鐘は、切迫感を伴っています。
AIシステムが社会のインフラとして定着してしまう前に、人文学的な知恵を技術の根幹に織り込む必要があるという認識です。
後から倫理的配慮を付け加えるのではなく、設計段階から解釈能力と文化的感受性を内包したシステムを構築することが、今まさに求められているのです。
まとめ：AIに”解釈”を、私たちに”決定”を
AIが社会の中でより強力で遍在的な存在になるにつれて、私たちは根本的な問いに直面しています。
「何をAIに任せ、何を人間が決めるべきなのか」という役割分担の再定義です。
これは単なる技術的な効率性の問題ではありません。
人間らしさとは何か、創造性とは何か、そして社会における意思決定とは何かという、深く哲学的な問題なのです。
Doing AI Differently プロジェクトの核心は、AIを人間の外部にある便利な道具として位置づけるのではなく、人文学の知恵で内側から作り替えることにあります。
これは、技術決定論的な「AIが人間を置き換える」という未来像への明確な反論でもあります。
代わりに提示されるのは、人間とAIが相互に学び合い、補完し合う協働関係です。
この新しいパートナーシップは、様々な場面で実現されることが期待されています。
診察室では、医師と患者がより深い理解を共有できるようになり、まちづくりの会議では多様なステークホルダーの声がより適切に反映され、教室では学習者一人ひとりの理解スタイルに応じた教育が可能になるでしょう。
いずれの場面でも重要なのは、唯一の正解を求めるのではなく、その状況において意味の通る選択肢をともに見つけ出すことです。
解釈的AIは、このような未来への道筋を示しています。
答えを与えるのではなく、より良い問いを発見し、異なる視点を統合し、創造的な解決策を模索するプロセスをサポートするAI。
それは解釈的AIの約束であり、人文学がAIにもたらす最大の贈り物なのです。
これは単により良い技術を構築することだけが目的ではありません。
私たちが直面する最大の課題を解決し、そのプロセスの中で私たち自身の人間性の最良の部分を増幅させるAIを創造することなのです。
最後に、冒頭の診察室の場面に戻りましょう。
もしもAIが単なる症状の記録者ではなく、”物語の温度”まで感じ取り、医師とあなたが同じ豊かな理解の地平を共有できるとしたら、治療への道のりは今よりもずっとあたたかく、希望に満ちたものになるはずです。
技術によって人間性が失われるのではなく、技術を通して人間性がより深く理解され、尊重される—それが解釈的AIが描く未来なのです。
AIに解釈を、私たちに決定を。
この合言葉とともに、技術は再び人の側に戻ってきます。
そして私たちは、より人間らしい未来への扉を開くことができるのです。
参考：Alan Turing Institute: Humanities are key to the future of AI
コメント