オートポイエーシスとAI自律性——なぜ今、この問いが重要なのか
ChatGPTやLLM（大規模言語モデル）をはじめとするAIが急速に社会実装される中、「AIはどの程度”自律的”であるのか」という問いは哲学・社会学・法学・工学が共有する核心課題になっている。
この問いに対し、ドイツの社会学者ニクラス・ルーマン（Niklas Luhmann）が構築した社会システム論——とりわけ「オートポイエーシス（autopoiesis）」と「区別理論」——は、ひとつの強力な理論的レンズを提供する。
本記事では、ルーマン理論の核心を整理したうえで、AIや機械システムへの適用可能性と限界を丁寧に検討する。あわせて、実証方法論・倫理的含意・今後の研究アジェンダについても論じる。
ルーマンのオートポイエーシスとは何か——概念の起源と定義
生物学から社会学へ：概念の移植
「オートポイエーシス（autopoiesis）」はもともと、チリの生物学者ウンベルト・マトゥラーナとフランシスコ・ヴァレラが1970年代に生命理論として提唱した概念である。ギリシャ語の「autos（自己）」と「poiesis（生産・制作）」を組み合わせた造語であり、「システムがその要素を自らの要素によって再帰的に生産・再生産する」という自己生成性を指す。
ニクラス・ルーマンは1984年の主著『社会システム理論（Soziale Systeme）』においてこの概念を社会科学へと大胆に移植した。ルーマンの定義では、社会システムはコミュニケーションを要素とするオートポイエティックな系として捉えられる。つまり、コミュニケーションがコミュニケーションを生産する自己生成的ネットワークが社会システムの正体だとされる。
「運用的閉包」という核心
ルーマンのオートポイエーシス概念で特に重要なのが「運用的閉包（operational closure）」という性質だ。これはシステムの構成素（コミュニケーション）がシステムの内部でのみ生成・再生成されることを意味する。
外部からの刺激（環境からの入力）はシステムの活動を喚起することはできても、システム内部の具体的な運用を直接決定はできない。ルーマンはこれを「引き金因果性（Auslösekausalität）」と呼び、システムはあくまでも自己参照的に動作するとした。
コミュニケーション中心主義
ルーマン理論では、社会システムの唯一の操作モードはコミュニケーションである。コミュニケーションは「情報（Information）－伝達（Mitteilung）－理解（Verstehen）」という三者選択の統合として成り立つ出来事であり、この連鎖がシステムを構成する。重要なのは、ここに「人間の意識」や「主観」は直接含まれないという点だ。人間はシステムの外部（環境）に位置し、コミュニケーション操作に「参与」するにすぎない。
区別理論の核心——システムと環境の差異から世界を読む
「区別すること」が形式を生む
ルーマンの理論の中でもとりわけ独創的なのが**区別理論（Differenztheorie）**だ。スペンサー＝ブラウンの『形式の法則（Laws of Form）』を援用し、ルーマンは「線を引く（区別する）ことが形式（システム）を生成する」と主張する。
すなわち、システムとは「システムと環境との差異（Differenz）」として定義される。システムは実体的な「モノ」ではなく、自身と環境の区別行為そのものによって存在するのだ。
再エントリーと自己言及
すべての社会システムは、自らの内部で「システム／環境」区別を観察・再帰させる能力を持つ。ルーマンはこれを「再エントリー（re-entry）」と呼ぶ。
再エントリーによって、システムは自己言及的に自らの構造を定義し直し続ける。この「自己観察する能力」こそが、ルーマンのいう社会システムの高度な複雑性縮減メカニズムの根幹をなす。
理論の自己含有性
特筆すべきは、ルーマン自身の社会システム論もまた社会的ドメインの一部として「自己言及的に」観察対象に含まれるという点だ。これはいわゆる「メタ理論」的な自己含有性であり、観察者を含めてシステム運用の一部とみなすルーマンらしい発想である。
AI・機械システムにおける自律性——多層的な定義と事例
技術的・機能的自律性
AIやロボット工学において最も一般的に用いられるのが技術的自律性の概念だ。「人間の直接介入なしに制約下で目標を達成する能力」と定義されることが多く、自律走行車・産業ロボット・ドローンなどが代表例として挙げられる。
認知的自律性
これに加えて注目されるのが認知的自律性である。自己監視・自己修正・目的生成能力など「内面的な知的能力」に焦点を当てた概念で、深層学習ニューラルネットワークや大規模言語モデル（LLM）がこの文脈で議論される。LLMは複雑なパターン抽出能力を持つが、自己目的の設定や内部モデルの管理は現時点では限定的である。
倫理・法的自律性
さらに倫理・法的な文脈では、AIに人間と同等の責任や権利を付与するかという問いが生じる。EU議会では過去に「ロボットに法人格（electronic personhood）を与えるか」という提案が議論されたことがあり、今日でも製造者責任や保険制度のあり方と連動して法制度整備が進められている。
ルーマン理論とAIの対照——何が一致し、何が乖離するか
既存研究が示す「ハイブリッド系」という評価
近年の研究では、ルーマン的視点からAIを分析する試みが登場している。たとえば古典的なチューリングマシンは自己言及や偶有性を欠くため「意味を生み出さない」と評価される一方、ニューラルネットワーク（とりわけLLM）は社会的コミュニケーションのパターンを抽出することで「ハイブリッド的に社会的意味生成に組み込まれる」可能性があるとされる。
この立場からは、LLMを「純粋な技術ツールでも真の認知主体でもなく、社会的言語パターンの再帰的反映としての人工的意味生成装置」と位置付けることができる。
比較表：ルーマン理論の属性と機械システムの自律性属性
| 比較項目 | ルーマン理論の属性 | 機械システムの自律性属性 |
|---|---|---|
| 要素（構成素） | コミュニケーション（情報－伝達－理解の連鎖） | ソフトウェア／ハードウェア |
| 自己言及性 | 再帰的自己言及（システム／環境区別を自身に取り込む） | 限定的（内部ログ参照程度。設計者依存） |
| 自己生成性 | 要素を内部で自己再生産 | 自己生成なし（要素は外部から投入） |
| 運用的閉包性 | 運用的に閉じており、外部操作は系を直接変容しない | 通常、開放系（外部データ・指令を直接受け入れる） |
| 境界設定 | コミュニケーションに基づき流動的 | 技術的・物理的に固定 |
| 意味生成 | コミュニケーション過程で創発 | 意味判断は人間次第。機械は信号処理に留まる |
区別理論の拡張可能性——理論的条件と根本的な限界
自己生成要件の壁
ルーマン的オートポイエーシスを機械システムに適用しようとすると、まず突き当たるのが自己生成要件の問題だ。ルーマンの定義では、システムは要素を自らの要素で再生産し続けなければならない。しかし機械システムにおいてソフトウェアもハードウェアも、原則として外部で作成・供給されるものである。自己増殖ロボットのような構想も理論上は考えられるが、システム全体を完全に自己生成するモデルは現状として実現困難だ。
自己言及の実現可能性
「再エントリー」がシステム自身のシステム／環境区別を観察できることを意味するとすれば、現行のAI・機械システムに期待できるのは、内部状態をモニタリングして行動を修正する程度の「第一階の自己参照」にすぎない可能性が高い。
完全な自己記述には、システム自身が目標や価値といった「存在論的条件」を自律的に定義できる能力が求められるが、現行AIは人間が設定した目的以外で独自に目標を生成する仕組みを本質的に持たない。
意味生成の問題——最大の断絶
最も根本的な限界は意味生成の問題だ。ルーマンの社会システム論では、意味はコミュニケーション過程において創発するものであり、符号や信号それ自体が「意味を持つ」わけではない。
機械が出力するのはあくまでも符号や数値であって、そこに意味が宿るためには常に人間による解釈・目標設定が介在する。AIが「意味を理解する」という表現が使われる場合でも、その「理解」は技術的な処理の比喩にすぎず、ルーマン的な意味生成とは異なるレベルの話であると見るべきだろう。
実証方法論の提案——どう検証するか
ルーマン理論の拡張仮説を検証するには、複数のアプローチが考えられる。
形式モデル化では、オートポイエーシス条件を数理モデルとして記述し、機械システムへの適用可能性を理論的に評価する。マルチエージェントシミュレーションでは、複数AIエージェントの相互作用を観察し、ネットワークが自己組織的な閉じた構造を形成するかを検証する。ロボット実験では、自律ロボットの動作ログを分析し、物理環境での「閉包性」に近い挙動を定量的に測定する。社会システムへの影響度分析では、AI導入組織のコミュニケーション変化を事例研究によって追う。
いずれの手法においても、「自己生成度」「閉包性」「境界設定の動態」などルーマン的概念に対応した評価指標を事前に定義することが不可欠であり、情報理論的指標や複雑ネットワーク指標などの援用が有望とみられる。
倫理・社会的含意——社会はAIをどう「観察」するか
責任と説明可能性
AIが自律的に動作する場面が増えるにつれ、事故や誤判断の責任所在が重大な問題となる。EUの倫理ガイドラインは「説明可能性」「人間の監督」「責任の所在」を重視しており、透明性の確保とヒューマン・イン・ループの義務化が主流の方向性となっている。
ルーマン的観点からは、社会システム（例：法制度）がAIをどのように「観察」し処理するかそのものが、法システムの自己言及的な再生産プロセスの一環として捉えられる。法は「何を法とみなすかを法システム自身が決める」自己生成系であり、AIはその「環境」として選択的に取り込まれる存在にすぎない——という視点は、AI規制論に独自の深みをもたらす。
社会システムの変容
AIの社会浸透は、労働の自動化・コミュニケーション様式の変化・フェイク情報の拡散など、既存の社会システムへの多面的な撹乱要因となりうる。ルーマン的には、AIはメディア（言語・経済・政治など）の枠組みを揺さぶる「外的攪乱（Perturbation）」として機能する可能性があるが、その受容と適応は最終的には社会システム内部のコミュニケーションプロセスによって決定される。
まとめ——理論の射程と今後の問い
ルーマンのオートポイエーシス概念と区別理論は、AI自律性を論じるための鋭い分析枠組みを提供する。しかし、機械システムへの直接的な適用には少なくとも三つの根本的な限界——自己生成要件の不適合・自己言及の形式的な制約・意味生成プロセスの断絶——が存在する。
近年の研究が示す「ハイブリッド系」という評価、すなわちLLMを社会的コミュニケーションのパターンを再帰的に反映する「人工的意味生成装置」と見る視点は、両理論を橋渡しする暫定的な解釈として重要だ。しかしそれは適用というよりも、理論の再構成・拡張と呼ぶべき営みかもしれない。
AIと社会システム論の対話は始まったばかりである。社会学・AI工学・法学・倫理学が交差するこの領域で、理論的精緻化と実証的検証を積み重ねることが今後の最重要課題となる。
コメント