はじめに：あなたが「AIと会話している」とき、本当は何が起きているのか
ChatGPTやGeminiに質問を投げかけ、即座に返答が返ってくる——その体験はシンプルに見える。だが、その応答の背後には、2008年から蓄積されたウェブアーカイブ、複数大陸にまたがるデータセンター群、数万基のGPU/TPU、1万キロを超える海底ケーブル、そして原子力発電所数基分とも試算されるエネルギー消費が折り重なっている。
私たちはそのインフラを「見ていない」。しかし確実に「依存している」。
この奇妙な経験を哲学的に説明しようとするとき、ティモシー・モートン（Timothy Morton）が提唱した**「ハイパーオブジェクト（Hyperobject）」**という概念が浮かび上がる。気候変動や放射性廃棄物を例に提案されたこの概念は、AIインフラにどこまで有効で、どこから危うくなるのか。本記事では、理論と具体的事例の両面から掘り下げる。
ハイパーオブジェクトとは何か——モートン理論の核心
ティモシー・モートンが示した「見えない巨大なもの」
哲学者ティモシー・モートンは、著書『Hyperobjects』において、人間の尺度を超えて時間と空間に巨大に分散した存在を「ハイパーオブジェクト」と名づけた。代表例は地球温暖化・プラスチック汚染・放射性廃棄物だ。
これらは「物」として実在するが、その全体をどこかで見たり、触れたりすることはできない。私たちが経験するのは、あくまでその局所的な「断片」——ゲリラ豪雨、海岸に漂着したプラスチックボトル、線量計の数値——にすぎない。
モートンはこの概念に五つの性質を与えた。本記事では便宜上、粘着性・非局所性・時間的うねり・位相性・相互客体性と表記する。
- 粘着性：ハイパーオブジェクトに触れるものは必ずその痕跡を残す。逃れられない。
- 非局所性：どこか一箇所に「ある」のではなく、空間的に分散している。
- 時間的うねり：人間の時間軸とは異なる、長大な時間スケールで展開する。
- 位相性：局所的な断片や「現れ方」としてしか経験できない。
- 相互客体性：他のオブジェクト群との相互作用を通じてのみ現れる。
この五性質がAIインフラにそのまま当てはまるなら、私たちは「もう一つのハイパーオブジェクトの時代」を生きていることになる。
AIインフラをハイパーオブジェクトとして読む——5つの対応関係
非局所性：10PiB超のデータと2,000万kmのケーブル網
AIインフラの非局所性は、数字だけでも圧倒的だ。Common Crawlは2008年以来10PiB超の公開ウェブアーカイブを維持し、毎月約20億ページ規模のクロールを追加し続けている。Meta社のLlama 3はこのようなデータを含む15兆トークン超で事前学習され、AWSは39リージョン・123のアベイラビリティゾーン・約2,000万kmの陸上・海底ファイバを運用している。
ユーザーが体験する「1回の推論応答」は、この多大陸的・多層的な基盤の局所的な断面にすぎない。「モデルに聞く」という行為は、実際には世界規模のインフラ網へのアクセスである。
時間的うねり：「今」に届く2008年からの蓄積
AIインフラには、ユーザーが気づかない「埋め込まれた時間」がある。Common Crawlのアーカイブは2008年以降の継続的蓄積であり、C4（Colossal Clean Crawled Corpus）は2019年4月のウェブスナップショットに依拠している。データセンターや先端パッケージングへの投資は複数年単位で計画・建設が進み、IEA（国際エネルギー機関）はデータセンターの消費電力が2030年までに約945TWhへ倍増するシナリオを示している。
応答が「リアルタイム」に見えても、その背後には10年超の時間軸が走っている。これはモートンの言う「時間的うねり」そのものだ。
相互客体性：モデルは「物」ではなく「関係の効果」
GoogleはAI Hypercomputerを「TPU、GPU、Virgo fabric、Managed Lustre、KV cache、GKEなどを一体提供するスーパーコンピューティング・システム」と定義し、MicrosoftはAzure AI superfactory（開発コード名Fairwater）を「数十万GPU、専用AI WAN、複数州間接続、閉ループ液冷、単一フラットネットワーク」からなる「planet-scale AI superfactory」として発表した。
つまり「AIモデル」とは主体ではなく、ストレージ・スイッチ・スケジューラ・蓄電・冷却・パッケージング・電力制御といった異種オブジェクト群の相互作動の効果として現れるものだ。これがモートンの言う相互客体性である。
位相性と知覚の断絶：障害が起きて初めて見えるインフラ
2024年10月、Google CloudのFrankfurt（europe-west3-c）で、arc flash（アーク放電）による部分停電と冷却低下が発生した。VMが停止し、GCE/GKE/Dataflow/Vertex AI Batch Predictionなど複数サービスへ影響が伝播、完全復旧まで7時間39分を要した。
また同年5月には、SEACOMとEASSyという海底ケーブルが南アフリカ沖で損傷を受け、複数の東アフリカ諸国で接続性が大きく低下した。修復完了まで約3週間かかった。
通常時、ユーザーが知覚するのはチャットUI・APIレスポンス・課金だけだ。電力配電・冷却・冗長化・ケーブル経路は「平滑な応答」という位相の背後に隠れている。それが露出するのは障害というイベントの瞬間だけ——これは位相性の典型的な現れ方である。
粘着性：依存はすでに始まっている
Microsoftは、大規模学習ジョブではどこかのコンポーネントがボトルネックになると、他のGPU全体が待機させられると説明している。Cloudflareはすべてのサービスを全データセンターで走らせ、最寄りのデータセンターでトラフィックを処理するアーキテクチャを採用している。
個々のノードは独立しているように見えて、実際には常にすでに相互同期の中にある。モートン的な粘着性は「依存を解除できない」よりさらに根本的で、「依存はすでに始まっている」という状態を指す。AIインフラはまさにその構造の上に成立している。
ハイパーオブジェクト論の限界——批判的視点から見るAIインフラ
カテゴリー錯誤の危険：AIインフラは「自然現象」ではない
モートンが典型例に挙げる気候変動や放射性廃棄物は、人間の制度設計を超えた時空的持続を持つ。これに対してAIインフラは、企業が所有し、建設し、ルーティングし、停止し、価格設定し、仕様変更できる人工物である。
OpenAIはGPT-4の技術報告で、透明性を競争と安全の観点から意図的に制限すると明記した。MicrosoftとGoogleはインフラを詳細に設計・運用し、AWSはリージョンやPOPを数え上げて管理している。AIインフラを「不可避の自然現象」として語ることは、明確な調達・投資・運用・廃棄・開示の意思決定を隠蔽する危険がある。
脱政治化の罠：「巨大なものの宿命」に見せてしまう
批評家のHeiseは、モートンが極小と極大を接続しすぎると概念の識別力が弱まり、制度的責任から視線が逸れると論じた。BoultonもまたHyperObject論が無力感や不透明感を強めうると指摘した。
これをAIインフラに適用すると、電力需要・水使用・データ収奪・著作権・供給集中・労働条件といった政治経済的問題が「巨大なものの宿命」に見えてしまう危険がある。理論の最大の落とし穴がここにある。
データ倫理の問題はガバナンスの問題である
C4に関する文書化研究は、ウェブスクレイプ後のブロックリストが少数者に関するテキストを不均衡に除去していることを示した。Stanford大学の研究はLAION-5Bに数千件規模の疑わしいCSAM（児童性的虐待素材）が存在することを報告した。
これらは「巨大で見えにくい」こと自体が問題なのではなく、誰が何を収集し、どのフィルタをかけ、誰が救済されないまま残るのかというガバナンス問題である。ハイパーオブジェクト論だけでは、この問いには届かない。
AIインフラの正確な定義——ハイパーオブジェクト「そのもの」ではなく「ハイパーオブジェクト的に経験されるインフラ集合」
以上の分析から導かれる結論は明確だ。AIインフラはハイパーオブジェクトそのものというより、ハイパーオブジェクト的に経験される、統治可能で集中化された人工的インフラ集合として捉えるほうが厳密である。
「見え方の分析装置」としてのモートン理論は有効だ。なぜ私たちはAIインフラを「つかめないのに作用する」と感じるのか、なぜ平時には不可視で障害時だけ露出するのか——これを説明するレンズとしては強力に機能する。
しかし、所有・統治・責任・再分配・規制可能性を論じるときは、インフラ研究・産業組織論・エネルギー政策・通信政策を接続した分析が不可欠であり、ハイパーオブジェクト論はその補助線にとどまるべきだ。
まとめ：「見えないインフラ」を正しく問うために
AIインフラをハイパーオブジェクト的に読むことには、限定付きの強い有効性がある。巨大な分散性・長期持続・局所症候としての経験・非人間的相互依存——これらを把握するための認識論的レンズとして、モートンの概念は新鮮な示唆をもたらす。
だが最終的には、「見えにくいから仕方ない」という諦念に流れることなく、誰が何を決め、誰が影響を受け、誰が責任を負うのかを問い続けることが必要だ。AIインフラの問題は、存在論の問題であると同時に、政治経済の問題でもある。
コメント