なぜ今、中世哲学がAI倫理に必要なのか
AI技術の急速な発展に伴い、「倫理的なAI」の設計・運用・監査をどう実現するかが、企業・政府・研究者の共通課題となっている。EU AI ActやNIST AI RMFなど現代の規制・標準枠組みは整備されつつあるが、「何を善とみなすか」「目的そのものの正当性をどう評価するか」という根本問いに対しては、十分な答えを与えにくい構造になっている。
こうした状況において注目を集めているのが、13世紀の神学者トマス・アクィナスが体系化した自然法理論の現代的再解釈だ。永遠法・自然法・人定法（実定法）・実践理性（賢慮）・良心という概念群は、単なる歴史的遺産ではなく、「規範の階層構造」と「実践推論の方法論」として現代AI倫理に応用可能な論理的骨格を持っている。
本記事では、アクィナスの自然法理論をAI倫理の言語に翻訳した統合フレームワーク「ANL-AIEF（Aquinas Natural Law AI Ethics Framework）」の構造と実践的意義を解説する。既存枠組みとの比較、医療AIと刑事司法という二つのケーススタディを通じて、設計・運用・監査の現場に落とせる形で論点を整理する。
アクィナス自然法理論の核心とAI倫理への翻訳
法の定義から「目的の正当化」へ
アクィナスは法を「理性に基づく共通善への指向であり、正当な権限を持つ者が公布するもの」と定義した（Summa Theologiae I–II, Q90）。この定義には、現代AI倫理が「透明性」「説明可能性」「説明責任」として別々に扱う要素が、一体の要件として束ねられている。
AIシステムの目的設定、KPI・損失関数の設計、ガバナンス体制の構築は、それぞれ独立した技術的・法的問題に見えるが、自然法の枠組みでは「共通善に向けられているか（目的の正当化）」「権限が適切に配分されているか（責任帰属）」「利用者・影響対象・監査者に情報が届いているか（公布＝透明性）」という一つの問いのもとに統合される。
規範の階層構造：永遠法から人定法まで
自然法理論の特徴の一つは、規範を階層化して論じる点にある。
永遠法（lex aeterna） は、世界秩序の最上位原理である。AI倫理では「人間の尊厳・共通善・基本的権利」という普遍的な倫理的地平に対応する。組織のAI方針を「最終目的（何のためのAIか）」の言語で定義し、KPIや目的関数がそれを歪めないよう監査するための参照点となる。
自然法（lex naturalis） は、理性的存在が永遠法に参与することで把握できる普遍的実践原理である。「不可侵の基礎的善（生命・真理・社会的信頼）」をAIシステムの要件の最上位に置き、それを侵害する用途を禁止・制限する根拠として機能する。法域を越えた「合法だが不当」なAI設計を評価するためのレイヤーとなる。
人定法（lex humana） は、自然法を具体的な規則として展開したものだ。EU AI ActやNIST AI RMFなどの現行規制・標準はここに位置づけられる。役割分担（提供者・利用者・監督者）の明確化、文書化、監査証跡の整備、透明性確保が、このレイヤーの実務的な関心事となる。
この三層構造は、AIガバナンスの設計において「法令遵守（人定法）を最低条件としつつ、法が追いつかない領域（生成AI・越境データ・急速な能力進展）では上位原理（自然法）により再評価する」という実践的枠組みを提供する。
「善をなせ・悪を避けよ」：代理指標問題への応用
自然法の最初の実践原理は「善を行い追求し、悪を避けよ」である。AI倫理の文脈でこれを解釈すると、評価指標・損失関数・KPIが”善の代理”として設計されているかどうかを継続的に問うことに直結する。
医療費を患者の健康状態の代理として用いたケア管理アルゴリズムが人種差別的結果を生むことを示した研究（Obermeyer et al., Science, 2019）は、「善（健康改善）を狙っていても、代理指標（費用）により正義が崩れる」典型例として広く知られている。自然法的に言えば、「目的は正当だが、代理が悪を生んでいる」ケースであり、指標の再設計が必須となる。
このように、「善をなせ・悪を避けよ」という原理を「代理指標の監査」として解釈することで、Goodhartの法則（測定された指標は目標でなくなる）やProxy Optimization（代理最適化）の問題を、倫理の中心課題として扱う枠組みが生まれる。
良心（synderesis／conscientia）と人間監督の制度設計
アクィナスは、一般原理を保持する習慣としての**synderesis（シンデレシス）と、具体状況で判断するconscientia（良心）**を区別した。さらに、良心は誤り得るという洞察も示している。
AI運用における「人間の監督」をこの視点で再解釈すると、単に人間が最終承認するだけでは不十分なことが分かる。真の意味での人間監督とは、①普遍原理の保持（何が許容されないかを知る）、②具体適用の検証（AIの推奨が特定の文脈で妥当かを判断する）、③誤りを訂正する仕組み（レビュー・監査・教育・異議申立）の三要素を含む「実践理性の制度化」として設計されるべきものである。
ANL-AIEFの構造：8原理・規範ルール・実装ガイドライン
8つの原理
ANL-AIEFは、自然法の概念をAI倫理の言語に翻訳した8原理を核心に置く。
- 共通善指向：AIの目的は、個別利益の最適化を超えて、公正・信頼・福祉に資するよう正当化される必要がある
- 生命・安全の優先：生命・健康・身体的安全に関わる領域では、安全性と妥当性を「許容の前提条件」とする
- 真理と認識的誠実：説明・根拠・データ品質・誤り率を含む”真理への配慮”を統制要件に含める
- 正義と非差別：データ・評価指標・運用手続が差別を再生産しないよう、制度的観点で監査する
- 人格的尊厳と自律（非操作・非強制）：脆弱性を利用した操作、異議申立不能な自動決定を拒否する
- 公布としての透明性：利用者・影響対象・監査者に対し、適切レベルで情報が届く設計を義務化する
- 責任ある人間的統制：良心（具体判断）が働くための権限・手続・教育を整備し、AIに道徳的主体の肩代わりをさせない
- 比例性と賢慮：影響の大きさに比例した統制（高リスクほど強い要件）を反復的に実施する
三層の規範ルール
原理を実装に落とすため、禁止・条件付き許容・広域許容の三層構造が設計される。
禁止領域（Prohibited） には、人格的尊厳や自律を実質的に破壊し、共通善に反する用途が含まれる。EU AI Actが「操作的AI」「脆弱性の搾取」「一定の社会的スコアリング」を禁止領域として扱っている点は、この自然法的禁止の現代的具体化として位置づけられる。
条件付き許容（High-impact / High-risk） では、医療・司法・雇用・重要インフラなど権利・安全への影響が大きい用途について、目的の正当化、データ品質、人間監督、監査証跡、異議申立・救済の五要件を満たすことを条件とする。
広域許容（Low-impact） では、透明性・プライバシー・安全上の最低要件を満たせば許容されるが、生成AIのように「低影響に見えるが拡散する」用途については用途と配布形態で再分類する必要がある。
プロセス統制・技術統制・制度統制の三位一体
実装は三つの統制の束として設計される。
プロセス統制では、NIST AI RMFのGOVERN/MAP/MEASURE/MANAGEを、自然法的判断（目的と善の審査）を含む形に拡張する。NISTが「透明性・説明責任は技術属性だけでなく組織プロセスにも依存する」と強調する点は、「公布（promulgation）」を重視するアクィナスの立場と整合している。
技術統制では、データガバナンス（代表性・品質・由来追跡）、モデルの妥当性評価、頑健性（分布シフト・敵対的攻撃への対応）、プライバシー保護、説明可能性の標準化が求められる。
制度統制では、役割分担の明確化、倫理審査と記録、外部監査・第三者評価、事故報告と是正、AIリテラシー教育の制度化が必要となる。
ケーススタディ：医療AIと刑事司法への適用
医療AI：代理指標が生む不正義
前述のObermeyer et al.の研究が示すように、医療費を健康状態の代理として用いることで、同一リスクスコアでも黒人患者の方が実際には重症であるという乖離が生じる可能性がある。
ANL-AIEFによる判断は明確だ。「目的が正当でも、代理指標が不正義を生むなら再設計が必須」となる。具体的には、費用ではなく臨床的必要性に近い変数を目的に置き、バイアス評価を導入前後で継続実施し、患者・医師の異議申立窓口を整備することが求められる。
人間監督の観点からも、医師が最終承認するだけでは不十分であり、①モデルの推奨根拠の可視化、②患者群への配分影響の把握、③誤り発見時の訂正手続の三点が制度化されている必要がある。これはsynderesis（一般原理の保持）とconscientia（具体判断）の区別、そして「良心が誤り得る」というアクィナスの洞察と直接対応する。
刑事司法：予測が不正義を制度化するリスク
刑事司法のリスク評価ツール（再犯予測・保釈判断支援等）は、個人の自由・名誉・手続的権利に直結する。COMPASをめぐる論争（ProPublica 2016の報告とその後の反論群）が示すように、リスク評価ツールの公平性評価は技術的にも社会的にも複雑な問題を孕んでいる。
ANL-AIEFで重視されるのは、「正義を欠く法は法というより暴力に近い」というアクィナスの警句の制度的含意だ。理由・基準が秘匿された意思決定は「公布要件（透明性）」を著しく損ね、自然法的には強い疑義が残る。
ANL-AIEFでは、司法領域のAIを「条件付き許容」に置く場合でも、①説明可能性（当事者が理解可能な理由）、②争う権利（異議申立・再審査）、③人間の実質的判断（自動化バイアス対策）、④第三者監査（差別・誤判定の統計的監督）、⑤ログと証跡、の五要件を必須化する。これら五要件を設計段階で満たせない場合、ANL-AIEFでは「導入停止」という判断が導かれる可能性がある。
特に「データが世界の不正義を反映する」領域では、予測を導入するほど不正義が制度化され得るという構造的問題があり、賢慮（反復的・慎重な判断）として限定的な運用条件を課すことが求められる。
既存AI倫理枠組みとの補完関係
ANL-AIEFは既存枠組みを否定するものではなく、各枠組みの弱点を補完する「上位レイヤー」として機能する点に特徴がある。
EU AI Act（規則2024/1689）は、義務・監査・罰則により実効性が高い一方、要件遵守が形式化しやすく、「合法だが不当」な設計を評価する軸が弱い。ANL-AIEFは目的・善の監査と救済実効性の評価をここに上乗せする。
NIST AI RMFは実務的で反復的な運用モデルを提供するが、倫理の最上位目的（善の理論）は前提として与えない。ANL-AIEFはNISTを「賢慮の運用OS」として採用しつつ、目的正当化を上位層で補う形で統合できる。
ISO/IEC 42001（AIマネジメントシステム要求）の「方針→目的→プロセス→継続的改善」の構造は、ANL-AIEFの賢慮（prudence）を組織に実装する方向性と整合している。ANL-AIEFはISO/IEC 42001に倫理内容（自然法原理）を充填する形で統合可能だ。
UNESCO AI倫理勧告（2021）の権利中心・人間の尊厳重視のアプローチは、ANL-AIEFの自然法層における「尊厳・正義」の概念と直接接続する。
まとめ：自然法は「目的の問い」をAI倫理の中心に置く
アクィナスの自然法理論がAI倫理にもたらす最大の貢献は、「何を善とみなすか」「AIの目的は誰のための何のためか」という問いを、設計・運用・監査の全フェーズで継続的に問い直す「実践推論の枠組み」を提供することにある。
現代の規制枠組みがリスク管理・法令遵守を出発点とするのに対し、ANL-AIEFは「目的の正当化」を起点とし、代理指標の監査、良心（具体判断）の制度化、手続的正義（説明・異議・訂正）を一貫した論理で束ねる。この視点は、「合法だが不当」なAI設計を早期に発見し、設計段階での禁止・再設計・運用制限へ導く実務的効果を持つ可能性がある。
自然法的AIフレームワークはまだ萌芽的なアプローチだが、価値整合・責任帰属・人間監督の設計に哲学的基盤を与えるものとして、今後の研究・実務への応用が期待される。
コメント