AIで凶悪犯罪は予測できる？『マイノリティ・リポート』の限界と最新データが明かす真実

技術

2026.10.07

この記事は約25分で読めます。

はじめに
1. 犯罪学における「段階的な悪化」と初期のサイン
1. 1.1 子どものころの環境と非行のきっかけ
2. 1.2 トラブルの連鎖と仲間関係の影響
2. 実際のデータが突きつける「予測の死角」
3. 海外で実際に行われた「個人予測システム」の失敗
4. 数学と統計学が証明する「予測の限界」
5. 犯罪予測テクノロジーに対する世界の法律とルール
まとめ
参考リスト
1. 共有:

はじめに

毎日のようにニュースで流れる痛ましい重大事件を目にするたび、「事前に危険な人物を見つけ出して事件を未然に防ぐことはできないのか」と感じたことはありませんか。映画『マイノリティ・リポート』のように、過去の行動やちょっとしたトラブルの履歴を人工知能（AI）で分析すれば、凶悪事件を予防できるのではないかというアイデアはとても魅力的に思えます。しかし、世界中で進められた研究や実際の警察の取り組みからは、思いもよらない「落とし穴」が次々と明らかになってきました。

👇 本記事でわかる3つの重要ポイント 👇

【テーマ1】犯罪予測AIの仕組みと「過去の履歴」から予測することが難しい理由
【テーマ2】海外の警察が挑んだ実証実験の失敗と「数学的な限界」の正体
【テーマ3】日本特有の事件傾向と、AIプロファイリングを巡る世界的な規制の動き

この記事では、データや統計の専門知識がない方にもわかりやすく、犯罪予測テクノロジーの現在地と、私たちが本当に安全な社会を作るために必要な視点を丁寧にお伝えしていきます。ぜひ最後までお読みいただき、身近な安全や未来の社会のあり方を一緒に考えてみてください。

1. 犯罪学における「段階的な悪化」と初期のサイン

過去に起こした小さなルール違反やトラブルが、将来の重大な事件につながっていくのかという問題は、犯罪の現場や心理学の世界で「段階的な悪化（エスカレーション）」として昔から熱心に研究されてきました。

1.1 子どものころの環境と非行のきっかけ

人のこれまでの歩みを振り返ると、問題行動の遠い原因として、幼少期の家庭環境や子どものころの行動の乱れが見つかることが少なくありません。専門的な調査によれば、育児放棄（ネグレクト）や暴力、児童相談所などでの保護経験、あるいは住環境の影響といった要素と、大人になってからの重大な暴力事件での逮捕には一定のつながりが見られます。特に、幼い子どもを狙うような行動をとる人は、子どものころから強い行動上の問題を抱えていることが多く、「自分の問題行動を正当化する」「人のせいにする」といった考え方の歪みが強い人ほど、再び問題を起こす危険性が高まることが確かめられています。

こうした研究結果は、子どものころからの生活環境やトラブルの記録をコツコツ集めて分析すれば、将来の事件の危険度を点数化できるのではないかという予測システムの理論的な支えとなってきました。

1.2 トラブルの連鎖と仲間関係の影響

罪を犯した人たちの足跡を長期間追いかけた追跡調査では、ある特定の条件がそろうと、引き起こす問題が時間の経過とともに少しずつ深刻化していく傾向が確かに存在しています。例えば、将来的に命を奪うような極めて重大な事件や暴力へと突き進んでしまった人は、そうならなかった人と比べて、過去にも激しい暴力や強引な問題行動を何度も起こしていたことがわかっています。また、年齢を重ねるにつれて落ち着きを取り戻し、問題行動から離れていく人が多い一方で、短い期間に何度も警察のお世話になってしまうような経験の積み重ねは、行動をより悪化させる方向に働いてしまいます。

さらに、一人で行動していたのか、それとも悪影響を与え合う仲間と一緒にいたのかという点も、将来の暴力の激しさにとても大きな影響を与えます。イギリスの警察がまとめた暴力事件の記録を分析したところ、問題行動を繰り返すグループの中にいた人は、一人で問題を起こしていた人と比べて、周りに与える被害がはるかに大きくなることが証明されました。以下の表は、単独で問題を起こした人と、仲間と一緒にいた人の事件数や被害の重さをわかりやすく比較したものです。

行動のタイプ	平均の事件数	平均の被害スコア	2回目の暴力事件を起こす確率
単独で行った人	1.7件	90.0	31%
仲間がいた人	3.1件	144.2	57%

データ元：イギリス・ドーセット警察の暴力犯罪分析データ

このデータが物語っているように、どのような人間関係の中にいるのか、過去にどんな問題行動があったのかというつながりを分析することは、問題が悪化するリスクを見極めるうえで確かに役立つ面があります。しかしその一方で、すべての人が同じように階段を上るように悪化していくわけではないという研究も数多く存在しており、誰もが一本道で凶悪な事件へ進むわけではないという点には注意が必要です。また、「悪いことをしたら必ず見つかって責任を取らなければならない」という確実性こそが一番の抑止力であり、単に罰を重くするだけでは重大事件を減らす直接の効果は薄いという学説も、過去の記録を眺めるだけでは犯罪を未然に防ぎきれないことを物語っています。

2. 実際のデータが突きつける「予測の死角」

「過去の履歴をたどれば未来の凶悪事件を見通せる」という考え方が現実の社会でぶつかる一番大きな壁は、実際の重大事件の統計が示している意外な真実にあります。警察などの公的な記録を見ると、これまで一度も警察のお世話になったことがない「ごく普通の市民」が突然大きな事件を起こしてしまうケースが、決して珍しくないことがはっきりと示されています。

2.1 重大事件を起こした人の約半数は「前科なし」

アメリカの司法データを調べた研究では、殺人事件で逮捕された人のうち、過去に何らかの有罪判決を受けたことがあった人の割合は約42%にとどまると報告されています。また、銃を使った深刻な事件のデータを調べた研究でも、過去に逮捕された経験があった人の割合は33%から50%の間を行き来しています。これは見方を変えれば、事件を起こして逮捕された人の約半数は、その時を迎えるまで警察の記録に残るような前科がまったくなかったという事実を意味しています。オーストラリアで行われた調査でも、事件を起こす前に前科を持っていなかった人の割合は43.7%に達しています。

もし仮に、過去の違反歴や警察の記録を学習させた完璧なAIシステムを動かしたとしても、事件全体の半分近くを占める「警察のレーダーに一度も引っかかったことがない人たち」の行動を事前にキャッチすることは、仕組みとしてどうしても不可能なのです。

2.2 世界的な事件の傾向と捜査が抱える難しさ

個人のデータを集めて未来を予測する以前に、警察などの捜査機関が「事件をどれくらい解決できているか」という力自体にも、国や地域によって大きなばらつきがあります。国連の専門機関（UNODC）がまとめた世界的な調査によれば、世界の平均的な殺人発生率は人口10万人あたり6.1人で、被害者の約80%、加害者の約90%を男性が占めています。しかし、事件がきちんと解決される割合（検挙率）は、世界平均で見ると60%あまりに過ぎません。

アメリカにおける事件の動向をまとめた調査によると、2020年に事件の発生率が前年より30%も急増した後、2025年には人口10万人あたり4.1人にまで下がり、歴史的に見てもかなり低い水準になりました。アメリカ国内の事件の実に90%は、全米のわずか20%の特定のエリアに集中しており、場所による偏りが非常に激しいのが特徴です。その一方で、事件の解決率は1960年代の80%台から、2021年には50%にまで落ち込み、2025年になってようやく69%まで持ち直しました。世界各地の事件解決や裁判の状況を比べると、地域によって以下のような大きな違いが見られます。

地域	事件発生の傾向	容疑者を特定できる割合	裁判で有罪になる割合
南北アメリカ	発生率がとても高い	半数強の事件で容疑者を特定	特定されても有罪になるのは50%未満（未解決が多い）
アジア	発生率は比較的低い	1つの事件に対して複数の容疑者が浮上	浮上した容疑者のうち有罪になるのは3分の1以下
ヨーロッパ	発生率が最も低い	100件の事件で約100人の容疑者を特定	特定された容疑者の約8割が有罪になる（解決率が極めて高い）

データ元：国連薬物犯罪事務所（UNODC）世界殺人統計に基づく地域比較

このように、十分な証拠がないまま捕まった記録や、犯人が見つからず責任を問えないままになっているケースがたくさん存在しています。あやふやな情報が混ざった警察のデータだけに頼って個人の将来を予測しようとしても、出発点となる情報が不正確であるため、誤った推測を広げてしまう危険性があるのです。

2.3 日本における事件の大きな特徴：家庭内の問題と突発的な感情

特に私たちが暮らす日本の統計に目を向けると、過去の記録から事前に予測することの難しさがより際立ちます。日本の法務省や警察庁の発表によれば、日本で起きる重大事件において、被害者と加害者が「家族や親族」である割合が圧倒的に高く、全体の約50%前後を占めています。その一方で、見知らぬ人を突然襲うような通り魔的な事件の割合は、全体の10%強とかなり低い水準にとどまっています。

事件が起きてしまった動機を調べた公的な調査によると、その多くは「カッとなった激しい怒り」「恨みや仕返し」「もつれた男女関係のトラブル」「介護や子育ての限界」などです。家族間の言い争いや長年の葛藤、あるいは家族の介護による心身の限界がプツンと切れてしまい、突発的に起きてしまうケースでは、加害者はそれまで警察のお世話になったことなど一度もない「ごく真面目な普通の人」であることがほとんどです。

また、日本全体で罪を犯した人のうち「過去にも罪を犯したことがある人」の割合（再犯者率）を見ると、近年は40%台後半から50%近くで高止まりしているように見え、一見すると同じ人が何度も繰り返しているように感じられます。しかし実際には、防犯対策の進歩や少子高齢化によって「新しく初めて罪を犯す人」の数が大幅に減り続けているため、割合の計算上、数字が高く見えているだけに過ぎません。実際に問題を起こす人の数自体は、年々減少しています。

日本のデータが物語っているように、日々の生活の疲れや家庭内のストレスから突然引き起こされる事件は、過去のちょっとした警察の記録などをいくら集めてもまったく見通せない領域にあります。したがって、個人の行動履歴を分析すれば事件を予防できるという考え方は、日本における最大の原因を完全に見落としてしまっているのです。

3. 海外で実際に行われた「個人予測システム」の失敗

過去のデータから未来の危険人物を見つけ出そうという構想は、頭の中の空想にとどまらず、実際にアメリカの大都市警察などで何億円もの巨額予算を投じてシステム化された過去があります。「予測的警備」と呼ばれるこの取り組みには、事件が起きそうな「場所」を当てるアプローチと、事件に関わりそうな「特定の人」を割り出すアプローチの2種類が存在しますが、ここでは後者の実験で何が起きたのかを見ていきます。

3.1 シカゴ警察が導入した「要注意人物リスト」

特定の人を対象にした予測システムの中で、世界で最も有名で大規模に行われたのが、アメリカのシカゴ市警察が2012年に導入した通称「ヒート・リスト（戦略的対象者リスト）」です。この仕組みは大学の研究チームと協力して作られ、最先端のコンピューターの計算（機械学習）を使って、将来銃撃事件を起こすか、あるいは巻き込まれる危険が極めて高い人を自動でリストアップすることを目指しました。

コンピューターには、過去の逮捕歴や裁判の記録、ギャングとの関わり、過去に暴力の被害に遭った回数、危険な武器を持っていた記録、問題行動が増えているスピード、違法薬物の記録など、約10種類もの情報が詰め込まれました。警察は当時、「タバコを吸う人が肺がんになりやすいことを医学が見つけ出したのと同じように、偏見のない科学的な手法だ」と胸を張っていました。そしてこのリストをもとに、警察官や福祉の担当者が対象者の自宅を直接訪ね、「私たちはあなたを見張っています」と警告しながら、仕事探しや立ち直りの支援を提案する活動を行いました。

3.2 膨れ上がるリストと、AIが下した単純すぎる判断

スタートした当初、このリストは本当に危険とされる約400人だけを絞り込む予定でした。しかし、システムを更新していくうちに、名前が載る人の数は雪だるま式に増えていってしまいました。最終的に、分析の対象となった約40万人の市民のうち、なんと28万人以上（全体の3分の2以上）に「警察が警戒すべき危険なスコア」がつけられる異常事態になってしまったのです。シカゴ警察の警察官は約1万2,000人しかいません。その何倍もの数にあたる28万人もの市民を警察が見張り続けることなど物理的に不可能であり、このリストは誰を警戒すべきかの役目を完全に失ってしまいました。

さらにショックだったのは、コンピューターが何を基準にしてその危険スコアを弾き出していたのかという中身でした。新聞社などが詳しくデータを検証した結果、スコアの違いの約89%は、単に「年齢が若いかどうか」だけで決まっていたことが判明したのです。AIは武器の所持歴や過去の被害といった複雑なデータを高度に分析しているように見せかけて、実際には「若いから危険だ」と判定していただけでした。これは、昔から犯罪学で知られている「人は若いうちに無茶をしやすく、年をとると落ち着く」という当たり前の常識を、大金をかけた最新コンピューターがなぞっただけに過ぎなかったのです。

3.3 専門機関の厳しい調査結果と残された傷跡

アメリカの有名な独立系シンクタンクであるランド研究所が、このシカゴのプログラムを科学的な手法で厳密に調査したところ、予測システムとしての決定的な失敗が次々と明るみに出ました。

調査の結果、この要注意リストに名前が載せられた人たちが、リストに入らなかった人たちと比べて事件の被害に遭わずに済んだという証拠はまったく見つかりませんでした。つまり、事件を未然に防ぐという一番大切な目的は、何ひとつ達成できていなかったのです。その一方で、リストに名前が載った人が別の件で警察に「逮捕される確率」だけは、明らかに跳ね上がっていました。これはAIが未来をズバリと言い当てたのではなく、現場の警察官が「リストに載っているから怪しい」と思い込み、その人たちを集中的に狙って取り締まった結果に過ぎないと指摘されました。

最終的にシカゴの取り組みは、凶悪な犯罪を減らす効果がまったくないばかりか、市民の自由を奪い、どんな計算で危険と決めつけられたのかが誰にもわからない不透明さ（ブラックボックス化）を生み、特定の地域や若い黒人男性（対象者の半数以上がスコアをつけられていました）への偏った過剰な取り締まりを招いたとして激しい批判を浴び、静かに廃止へと追い込まれました。良かれと思って導入した最新テクノロジーが、客観的な安全のためではなく、警察の行き過ぎた権力行使を正当化する言い訳に使われてしまったのです。

4. 数学と統計学が証明する「予測の限界」

シカゴでの失敗は、機械のプログラムにミスがあったり、現場の警察官の使い方が下手だったりしたことだけが原因ではありません。個人の過去のデータから未来の重大事件を当てようとすること自体が、数学や統計学のルールとして「どうしても乗り越えられない壁」を抱えているからなのです。その代表的な壁が、「めったに起きない出来事」を当てようとするときに必ず引っかかる「基準率の罠（基準率の虚偽）」と呼ばれる問題です。

4.1 めったに起きない事件と「誤判定の爆発」

人の命に関わるような凶悪事件は、ニュースで大きく取り上げられるため身近に起きているように感じられますが、社会全体で計算すると、発生する確率は極めて低い「めったに起きない事象」にあたります。

最新テクノロジーを紹介する際、「99%の驚異的な精度！」といった宣伝文句がよく使われます。しかし、もともと起きる確率が極端に低い出来事を予測しようとすると、ほんのわずかな見間違い（誤判定）が混ざるだけで、システム全体の役に立たなさが爆発的に広がってしまうのです。

わかりやすい例で考えてみましょう。人口100万人の大都市があり、その中で将来本当に重大な事件を起こしてしまう人が10人（全体の0.001%）いるとします。ここに、「事件を起こす人を99%の確率で正しく見抜き、事件を起こさない無実の人も99%の確率で正しく見分けられる」という、現実には存在しないような夢の超高精度AIを持ち込んだとします。この超高性能AIを100万人の市民全員に試してみると、どうなるでしょうか。

まず、本当に事件を起こす10人のうち、AIは約10人を正しく「危険人物」として見つけ出します。しかし同時に、絶対に事件など起こさない99万9,990人の善良な市民に対しても、1%の誤判定が発生してしまいます。その結果、約1万人の罪のない一般市民を「危険人物」だと間違えて判定してしまうのです。つまり、AIが「将来事件を起こす危険がある！」と警告を出した約1万10人のリストのうち、本当に事件を起こすのはたったの10人（正解率はわずか0.1%）であり、残りの1万人はまったく無実の一般人ということになります。

警察の捜査において、この誤判定は「ネットショッピングで興味のない商品をおすすめされた」というような軽い話では済みません。何の罪も犯していない市民の家に突然警察官がやってきたり、マークすべき対象として街中で何度も職務質問を受けたりするという、深刻な人権侵害を引き起こしてしまいます。また、警察側は「危険な人物を見逃すこと」を何よりも恐れるため、少しでも怪しければ幅広くリストに入れようとします。その結果、危険と判定される人の数が雪だるま式に増え、シカゴのリストが28万人まで膨らんでしまったのです。

4.2 「偏ったデータ」が生み出す悪循環

予測システムの信用をさらに落としてしまう原因が、コンピューターに読み込ませる「データそのものの偏り」です。AIが勉強するために使われる警察の記録には、裁判でしっかりと罪が確定した記録だけでなく、警察官の個人的な勘による職務質問や、証拠が足りずに無罪になった逮捕の記録なども大量に含まれています。

歴史的に警察のパトロールが多く行われがちだった特定の地域やマイノリティの人たちは、ちょっとした理由で警察に呼び止められた記録が多く残りやすくなります。AIはその「偏りを含んだ過去の記録」をそのまま客観的な事実だと勘違いして学習し、「この地域の住民は将来の危険度が高い」という結論を出してしまいます。その結果、その地域にさらに多くの警察官が見回りに送られ、そこでまた軽微な検挙が増えてデータが蓄積されるという、終わりのない「悪循環」が生まれてしまいます。これは未来の事件を科学的に予測しているのではなく、昔からの偏見や思い込みを、コンピューターの力を使って自動的に繰り返しているだけに過ぎません。

さらに、大切なデータの抜け落ちも大きな問題になります。例えば、過去に開発されたリスク診断システムでは、対象となった人の約1割がプライベートな質問への回答を拒否したという事例もあります。集まらなかった穴あきのデータをどうやって埋めるのか、極めて珍しい事件のデータをどう処理するのかという、作業するデータ分析者のさじ加減によって、結果が大きくブレてしまう不安定さも抱えています。

4.3 AIの仕組みを解き明かす技術が見せた皮肉な真実

最近では、AIがどうしてその結論を出したのか、理由を人間の目に見える形で説明しようとする「説明可能なAI」という技術の研究が進んでいます。事件の解決予測などにこの技術を使ったところ、被害者の年齢や人種、事件が起きた場所といった情報が、AIの判断にものすごく強く影響していることがわかりました。

しかし、この結果が暴き出したのは、「AIは将来誰が罪を犯すかを当てる能力よりも、警察がどんな事件なら解決しやすいか（警察側の行動の癖や得意不得意）を当てる能力のほうがずっと高い」という皮肉な現実でした。本当の原因と結果の関係を無視して、単に「なんとなく数字の傾向が似ているから」という理由だけで生身の人間に危険人物のレッテルを貼ることは、科学的にも倫理的にも成り立たないのです。

5. 犯罪予測テクノロジーに対する世界の法律とルール

ここまで見てきたように、個人の過去のデータから将来の事件を予測しようとする試みは、実際に効果が出ないばかりか、罪のない人の権利を傷つけ、社会に大きな分断を生み出してしまうことがはっきりしてきました。これを受けて、世界各国では「特定の人を標的にした予測システム」を厳しく取り締まり、法律で禁止する動きが一気に広がっています。

5.1 ヨーロッパで成立した包括的AI法による厳しい禁止令

個人の行動記録から重大事件を予測しようとする手法に対して、世界で最も厳しいストップをかけたのが、2025年2月に本格的にスタートした「欧州AI法（EU AI Act）」です。これは世界で初めてAIについて包括的に定めた法律として知られています。

この法律の中では、「個人のプロファイリングや、性格の特徴の評価だけに基づいて、その人が将来犯罪を起こすリスクを予測・評価するAIシステム」を使うことが、最も重い「禁止事項」として明確に定められました。このルールはとても厳しく、「実際に大きな被害が出たかどうか」を証明しなくても、そのようなシステムを使うこと自体が無条件でアウトになります。

もしこのルールを破ってシステムを使った警察組織や、開発して販売したIT企業には、最高で3,500万ユーロ（日本円で約56億円）、または世界での年間売上高の7%という、天文学的な金額の罰金が科されることになります。ヨーロッパがここまで厳しい姿勢をとったのは、コンピューターの予測で人を疑うことが「裁判で有罪が決まるまでは誰もが無罪である」という近代社会の鉄則を壊し、差別を固定化させ、市民が不当な扱いに対して異議を唱える手段を奪ってしまうためです。ただし、実際に起きた事件の客観的な証拠を整理するお手伝いをするAIや、個人を特定せずに「どのエリアで事件が多いか」を地図上で分析するような場所ベースの仕組みは、例外として認められています。

5.2 日本やアジア諸国の慎重な姿勢

アジア地域に目を向けてみると、顔認識カメラと予測システムを組み合わせて街中をくまなく監視している国がある一方で、日本は極めて慎重なアプローチを続けています。

日本国内でもAIを安全に役立てるための枠組み作りは進められていますが、警察の捜査でAIを使うことに特化した特別な法律は作られていません。日本の警察（神奈川県警や京都府警など）が実験や実際のパトロールで活用しているのは、あくまで「場所」をベースにした予測システムだけに限定されています。これは、過去に事件が起きた日時や天気、街の地形、人の集まりやすさといった街の環境データをコンピューターに学習させ、「いつ、どのあたりで自転車盗や空き巣が起きやすいか」の警戒エリアを予測して、お巡りさんのパトロールを効率化するためのものです。

日本が特定の人を名指しするような予測システムに手を出さない背景には、日本国憲法が保障している基本的人権（プライバシーを守る権利、正当な手続きを受ける権利、差別されない権利）と真っ向から衝突してしまう大きなリスクがあるからです。今の日本の法律のもとでは、過去に軽いルール違反があったからといって、それだけで市民を「将来の犯罪者予備軍」として見張り、行動を監視することは決して許されません。もし裁判所の令状もないまま、AIの怪しいという判定だけで市民を監視して証拠を集めたとしても、その証拠は裁判で使えない違法なものとして却下されてしまう可能性が極めて高いのです。

5.3 日本の科学警察研究所が目指す本来のプロファイリング

日本で犯人の心理や行動のデータを専門に研究している機関として、警察庁の科学警察研究所（科警研）があります。ここでは、犯罪心理学などに基づいた「プロファイリング」と呼ばれる研究が長年続けられています。しかし、この専門的な技術の目的は、映画のような「未来予知」ではありません。

日本の研究機関が行っているプロファイリングは、連続放火や通り魔事件といった深刻な事件が「すでに起きてしまった後」に活躍するものです。残された現場の状況や被害に遭った方の状況から、「同じ犯人によるものなのか」「犯人はどのような年齢層で、どんなライフスタイルを送り、どのあたりの地域に土地勘があるのか」を心理学的に分析し、犯人を早く見つけるための「事後捜査のお手伝い」をしています。何もない日常の中で、一般の市民全員の履歴をAIに監視させて将来の犯行を予測するようなシステムとは、まったく違う運用がなされています。この明確な一線が守られていることこそが、テクノロジーの便利さと私たちの自由な生活のバランスを保つ防波堤になっているのです。

まとめ

「一人ひとりのこれまでの人生やトラブルの履歴を集めて分析すれば、重大な事件を未然に防げるのではないか」という発想は、便利なデータサイエンスの力で社会の不安を少しでも減らしたいという、人間としてごく自然な願いから生まれたものです。しかし、最新の犯罪学の知見、コンピューターが向き合う数学的な限界、そして世界中の法律の動きを丁寧に見ていくと、このアプローチは現実には成り立たず、むしろ社会に大きな混乱をもたらしてしまうことが浮き彫りになりました。

その理由を整理すると、大きく3つの決定的な壁に突き当たります。

事件の性質と日本の現実： 凶悪事件を起こしてしまう人の約半数は過去に目立った前科がなく、特に日本では事件の半数以上が家庭内のストレスや突発的な感情によって起きています。警察の記録に頼るシステムでは、この最大の引き金を最初から捉えることができません。
数学的な誤判定の壁： 重大事件のような「めったに起きないこと」をAIで当てようとすると、どれほど精度を上げても、無実の一般人を大量に「危険人物」と見誤ってしまう数学的な落とし穴（基準率の罠）から逃れることはできません。
自由と人権のルール： 過去のデータだけで将来の危険度を決めつける行為は、偏見を強め、市民のプライバシーを著しく脅かします。そのため、ヨーロッパをはじめとする国際社会では、最高レベルの罰則を設けてこの技術の使用を厳しく禁止しています。

私たちは、「最新のテクノロジーを使えばどんな社会問題もパッと魔法のように解決できる」という思い込みに気をつけなければなりません。本当に安心して暮らせる社会を作るために必要なのは、AIを使って市民を疑い監視し合う監視社会ではなく、困ったときにしっかり助けを求められる福祉の充実や、家庭内の孤立・介護の疲労・子どものつらい環境といった社会のストレスの根本に寄り添う温かい仕組み作りです。技術の限界を正しく知り、人に優しい解決策をみんなで選んでいくことこそが、未来の安心への一番の近道ではないでしょうか。