AIは、私たちが「何を見るか」を決めています。
検索エンジンが表示する情報、SNSのタイムラインに流れるニュース、動画プラットフォームが推薦するコンテンツ——これらはすべて、AIのアルゴリズムによって選ばれています。
私たちは自分で情報を選んでいるつもりで、実はAIに選ばれた情報の中で生きているのかもしれません。
民主主義は「市民が正確な情報をもとに、自由に判断する」ことを前提としています。しかしAIが情報環境を形作るとき、その前提は揺らぎ始めています。
そしてもう一つ——AIは地球の環境にも大きな負荷をかけています。
巨大なAIモデルを学習させるために消費される電力は、一つの都市が使う電力に匹敵することもあります。
「AIで社会を良くする」ことと「地球環境を守る」ことは、両立できるのでしょうか。
フィルターバブルとは何か
フィルターバブル（Filter Bubble）とは、AIのアルゴリズムがユーザーの好みや行動履歴にもとづいて情報を選別することで、ユーザーが自分の既存の価値観や興味に合った情報だけに囲まれてしまう現象のことです。
検索エンジンは、あなたの過去の検索履歴・クリック履歴・位置情報などをもとに、「あなたが好みそうな情報」を優先して表示します。SNSは、あなたが「いいね」を押した投稿・長く見た動画・フォローしたアカウントをもとに、「あなたが反応しやすいコンテンツ」を優先して表示します。
その結果、あなたの画面には「あなたがすでに同意している意見」「あなたが好きなコンテンツ」ばかりが流れるようになります。
まるで、自分の価値観という泡（バブル）の中に閉じ込められているかのように——これがフィルターバブルの本質です。
フィルターバブルの問題は、「見たいものしか見えなくなる」ことです。
異なる意見・価値観・世界の見方に触れる機会が減り、自分の世界観がどんどん狭くなっていく。
民主主義にとって、これは深刻な問題です。民主的な社会では、市民が多様な意見に触れ、議論し、判断することが前提とされているからです。
エコーチェンバーとは何か
エコーチェンバー（Echo Chamber）とは、同じ意見・価値観を持つ人たちだけが集まるコミュニティの中で、同じ意見が繰り返し反響し合うことで、その意見がますます強化・過激化していく現象です。
「エコー」とは「こだまする」という意味で、「チェンバー」とは「部屋」のこと——自分と同じ声だけがこだまする部屋のイメージです。
フィルターバブルが「AIが情報を選別する」ことで生じるのに対して、エコーチェンバーは「同じ意見の人たちが集まる」ことで生じます。ただし、AIのレコメンドアルゴリズムがエコーチェンバーを強化することがあります——「この動画を見た人はこんな動画も見ています」という推薦が、ユーザーをより過激なコンテンツへと誘導することがあるからです。
エコーチェンバーの中では、異なる意見を持つ人との対話が減ります。自分たちの意見だけが「正しい」と強化され、異なる意見を持つ人への不信・敵意が高まることがあります。
社会の分断——「私たちvs彼ら」という対立の深化——は、エコーチェンバーの最も深刻な影響の一つです。
フェイクニュースと民主主義
前のページで見たフェイクニュースは、民主主義にとっても深刻な問題です。
民主主義は「正確な情報をもとに市民が判断する」ことを前提としています。しかしフェイクニュースが氾濫し、何が真実かを見極めることが難しくなると——その前提が崩れます。「選挙でどの候補者に投票すべきか」「ワクチンを接種すべきか」「戦争の原因は何か」——こうした重要な問いに対して、フェイクニュースが人々の判断を歪めることがあります。
生成AIの登場によって、フェイクニュースの生成コストは劇的に下がりました。
かつては偽のニュース記事を作るために、ある程度の技術と時間が必要でした。しかし今は、AIに「○○についての偽のニュース記事を書いて」と指示するだけで、もっともらしい偽記事が瞬時に生成できてしまいます。
「情報の真偽を判断する力」——メディアリテラシー——が、AIの時代にますます重要になっています。
AIと環境保護
AIは環境問題にも深く関わっています。
その関わりには、二つの側面があります。AIが環境に与える負荷と、AIが環境問題の解決に貢献できる可能性です。
AIが環境に与える負荷
大規模なAIモデルの学習には、膨大な電力が必要です。
GPT-4のような大規模言語モデルを学習させるために消費される電力は、数百万キロワット時に上るともいわれています。これは一般家庭の数百年分の電力消費に相当します。
AIモデルの学習に使われるGPU（高性能な計算チップ）を大量に稼働させるデータセンターは、大量の電力を消費し、大量の熱を発生させます。その冷却のために大量の水も消費します。
「AIで社会を便利にする」ことの裏側に、環境への負荷がある——この現実から目を背けることはできません。
気候変動とAI
一方で、AIは気候変動の解決に貢献できる可能性も持っています。
気象データをAIで分析して気候変動の予測精度を高める、エネルギーの消費パターンをAIで最適化して再生可能エネルギーの効率を高める、農業にAIを活用して食料生産の効率化と環境負荷の低減を図る——AIが環境問題の解決ツールになる可能性は、現実的に研究・実用化が進んでいます。
「AIは環境の敵か、味方か」——その答えは、AIをどう使うかによって変わります。
AIの開発・運用における環境負荷を意識しながら、同時にAIを環境問題の解決に活かす——この両立が、AI時代の環境倫理の課題です。
モデル学習の電力消費への対応
AIの環境負荷に対処するための取り組みも進んでいます。
モデルの軽量化——モデルの軽量化の章で見たプルーニング・量子化・蒸留などの手法は、モデルの計算コストを下げることで、消費電力の削減にも貢献します。
再生可能エネルギーの活用——GoogleやMicrosoftなどの大手IT企業は、データセンターの電力を再生可能エネルギーで賄う取り組みを進めています。
効率的なアーキテクチャの研究——同じ性能をより少ない計算コストで実現できるモデルアーキテクチャの研究が進んでいます。
まとめ
フィルターバブル → AIのアルゴリズムが情報を選別することで、ユーザーが自分の既存の価値観や興味に合った情報だけに囲まれてしまう現象
エコーチェンバー → 同じ意見・価値観を持つ人たちだけが集まるコミュニティの中で、同じ意見が繰り返し反響し合うことで意見がますます強化・過激化していく現象
メディアリテラシー → 情報の真偽を判断し、メディアを批判的に読み解く力。フェイクニュースや情報操作が蔓延するAI時代に特に重要
気候変動とAI → AIは大規模な電力消費によって環境に負荷をかける一方、気候変動の予測・エネルギー最適化などの解決にも貢献できる可能性を持つ
モデル学習の電力消費 → 大規模AIモデルの学習には膨大な電力が必要。モデルの軽量化・再生可能エネルギーの活用などで対処が進んでいる
next ▶ 労働・その他の価値