English 
横木ヒロさん、これまでのご経歴と、Amulet plus. G.K.での現在の役割についてお聞かせいただけますか？
私のキャリアは、AIやテクノロジーの分野から始まったわけではありません。ファッションとデザインの世界から始まりました。.
30年以上にわたり、ファッション、スポーツウェア、製品開発の各分野で活動し、人々が身に着け、動き、体験するものをデザインしてまいりました。.
私のキャリアにおける大きな転機の一つは、2000年にシドニーオリンピックの日本陸上競技代表チームの公式ユニフォームをデザインしたことです。.
その後、2010年代後半には、高性能な競技用水着の開発にも携わりました。.
こうした経験を通じて、デザインとは単に視覚的に魅力的なものを作り出すことではないということを学びました。.
次のような質問について考えなければなりませんでした：
人間の体はどのように動くのでしょうか？
身体的なストレスはどこで生じるのでしょうか？
パフォーマンスを妨げる要因は何でしょうか？
どのような仕組みがあれば、人々がより自然に振る舞えるようになるでしょうか？
私の仕事は、こうした条件を理解し、機能とデザインを調和のとれた形に統合することでした。.
現在、私はAmuletplus G.K.の創業者兼最高ビジョン責任者（Chief Visionary Officer）を務めており、AIガバナンス、特にAIと人間の意思決定との関係性について、新たなアプローチの研究と設計に取り組んでいます。.
この研究の中心となるのは、私が開発を進めているフレームワーク「EVΛƎ（Eva）」です。.
EVΛƎの目標は、単にAIを「より賢く」することだけではありません。“
これは、AIが現実世界において「可能性」から「実行」へと移行する前に、人間や組織の意図、選択、権限、責任が、いかにして構造的に維持され得るかを考察するものです。.
したがって、Amuletplusでの私の役割は、AIモデルそのものを開発することというよりは、人間とAIがどのように関わり合うべきかを構想し、その関係を実践的に機能させるための仕組みを設計することに重点が置かれています。.
横木弘さん、AIガバナンスに注目するずっと前から、30年以上にわたり、人体の動きやパフォーマンス、体験を軸としたデザインに取り組まれてきました。今振り返ってみて、かつて「人々がシステム内をどのように移動するか」を考えていたデザイナーと、現在「AIがシステム内でどのように行動することを許容すべきか」を考えている創業者との間には、何か共通の糸が見えますか？
はい。今振り返ってみると、その二つをつなぐ非常に明確なつながりがわかります。.
長年にわたり、私はファッションやスポーツウェアの分野で働き、人体のラインや動き、パフォーマンス、そして私が手掛けた製品を身に着ける人の体験を軸にデザインを行ってきました。.
特にスポーツウェアにおいては、見た目だけでは決して十分とは言えません。.
こう尋ねざるを得ません：
人はどのように動くのでしょうか？
その動きを妨げるものは何でしょうか？
デザインでは、どの部分にサポートを設けるべきでしょうか？
そして、どこで自由を守ればよいのでしょうか？
それらの条件に合わせて構造を設計し、人の動きを制限するのではなく、支えるようにします。.
私が現在、AIガバナンスの分野で行っていることは、多くの点でそれに非常に似ています。.
AIには何ができるのか、とだけ問うのではなく、私はこう問いかけます：
その行動は、どこまで許容されるべきでしょうか？
どこで止めるべきでしょうか？
どのような場合に、意思決定を人間に戻すべきでしょうか？
現在、私が主に取り組んでいるのは、AIそのものの機能の設計ではありません。私が設計しているのは、AIが行動を許される範囲や条件です。.
私のキャリアを通じて一貫して変わらない原則が一つあります。それは、人間がシステムやツールに無理に順応すべきではない、ということです。システムやツールは、人間を中心に設計されるべきなのです。.
その原則は、単にその対象がAIになったからといって、変わっていません。.
私にとって、デザインとは決して、単に外観や形を整えることだけではありません。それは、人と、その人が関わるものとの間の関係をデザインすることなのです。.
かつて、私は人と衣服の関係、そして身体と周囲の物との関係性をデザインしてきました。.
今日、私は人間とAIの関係性をデザインしています。.
扱うテーマは劇的に変わりましたが、私のキャリアを通じて考えてきたことの本質は、おそらくそれほど変わっていないのかもしれません。.
EVΛƎは、従来のAI研究の道筋から生まれたものではありません。これは、あなた自身の探求や実験、そして非常にユニークなデザイン分野での経験から発展したものです。あなたが探求していた問題が、もはや単なるAIの透明性の問題ではなく、AIシステムが「可能性」を「行動」へと転換する前に、人間の意図を保全することに関するものであると気づいたのは、いつ頃だったのでしょうか？
EVΛƎは、もともとAIガバナンスの枠組みとして作成されたものではありませんでした。.
それは、私があるアプリケーションを作ろうとしていたときに始まりました。.
当時、私は、人間の意識の流れや行動の流れを、AIシステムとして表現できるのではないかと考え始めました。そして、それらのプロセスを体系化し、図式化していきました。.
当初、私はこれが珍しい考えだとは思いませんでした。.
実のところ、私は、同様のコンセプトに基づいたシステムが、すでにどこかに存在しているに違いないと考えていました。.
その仕組みを作り上げてみて初めて、AIのブラックボックスや幻覚といった問題について、より深く理解することができました。.
その時、私は自分が築き上げてきたものを、まったく異なる視点から見つめ直すようになったのです。.
AIによる処理を、答えに至る単一の道筋として扱うのではなく、この構造のおかげで、その流れを分離して検証することができました：
当初の意図は何だったのでしょうか？
どのような可能性が検討されましたか？
どこでその選択がなされたのでしょうか？
その結果はどのように確認されたのでしょうか？
この仕組みによって、AIの処理プロセスがより透明になり、誤った仮定や「幻覚」が単に次の行動段階へと波及することを防ぐことができるかもしれないと、私は気づき始めました。.
その後、既存のAIシステムや関連するアプローチについて調査を始めました。.
私が調べることができた範囲内では、人間の意識や行動の流れをAIシステムにマッピングし、その流れそのものを意思決定構造として扱うという同じ考え方を基盤とした、他のシステムは見つかりませんでした。.
あれは私にとって大きな転機となりました。.
私は、AIのブラックボックス問題や幻覚といった問題から着手し、そこから解決策を考案しようとしたわけではありません。.
まず、その仕組みを構築しました。その後、AIが直面している課題についてより深く学ぶにつれて――そうして初めて、自分が作り上げたその仕組みがどのような意味を持つのかを理解し始めたのです。.
その考えを、内部の処理から現実世界での行動へと広げていくうちに、より根本的な問題は単にAIの透明性を高めることではないと気づきました。.
それは、AIシステムが「可能性」を「行動」に変える前に、人間の意図を守ることについてでした。.
その気づきこそが、EVΛƎをアプリケーションの内部アーキテクチャから、AIの透明性や意思決定、そして最終的にはガバナンスに関する課題へと導いたのです。.
EVΛƎの核心をなす考え方のひとつは、ガバナンスは単に事後の説明にとどまるのではなく、実行に先立って確立されるべきであるということです。このフレームワークを開発し、さまざまなPoCシナリオを通じて検証されてきた中で、組織がAIシステムに対して「許可した」と認識している内容と、実際に「許可されている」と定義されている内容との間に生じるギャップについて、最も驚かれた点はどのようなものでしたか？
私が最も驚いたのは、組織がAIに与えられた権限を明確に定義したと信じているケースがどれほど多いかということです。実際には、AIが実際に何を行うことが許されているのか、あるいはどの時点でその権限を人間に返還しなければならないのかについて、十分に定義できていないのです。.
さまざまなPoCシナリオに取り組む中で、この課題に繰り返し直面しました。.
例えば、次のようなルールがあります：
“「この作業はAIに任せましょう。」”
“「重要なケースのみ、人間による確認を行ってください。」”
“「最終的な決定権は、やはり人間にあります。」”
一見、それで十分のように思えるかもしれません。.
しかし実際には、それらはすぐにさらなる疑問を投げかけます：
何が「重要」とみなされるのでしょうか？
どのような条件下で、AIは自動的に実行することができるのでしょうか？
例外ケースは誰に割り当てるべきでしょうか？
その人は、実際にはどれほどの権限を持っているのでしょうか？
情報が不完全な場合、どうなるのでしょうか？
ポリシーが競合する場合、どのルールが優先されますか？
また、どのような条件下で、そのプロセスを完全に停止させなければならないのでしょうか？
こうした疑問が明確に示されると、組織がAIに委任したと認識している内容と、実際に定義している内容との間に、大きな隔たりが生じ得ることが明らかになります。.
私にとって最も重要な教訓の一つは、承認ワークフローに人間を組み込むことと、人間の意思決定権限を設計することとは別物であるということです。.
ある人が承認ボタンをクリックしたとしても、その人が何を決定する権限を持ち、どのような根拠に基づき、どのような範囲内で決定を行うのかが明確に定義されていなければ、説明責任の所在は不明確なままとなります。.
つまり：
AIに何ができるか、そしてAIに何を許すべきかというのは、まったく別の問題です。.
EVΛƎにおける実行前ガバナンスの目的は、単にAIを制限することだけではありません。.
これは、組織自体が、実行に先立ち、AIに何を許可し、何を許可しないかを明確に定義するためのものです。.
PoCシナリオを調査すればするほど、曖昧さはAIシステムの中だけでなく、組織自体の権限や責任の境界にもしばしば存在していることに気づきました。.
それは私にとって、最も重要な発見の一つでした。.
スタンフォード大学HAIの「2026年AIインデックス」によると、2025年時点で調査対象組織の88%がAIを活用していた一方、AIエージェントの導入率はほぼすべての業務機能において一桁台にとどまっていました。 自律的な実行が普及する前にAIの導入が広まる中、この期間を、組織が人間の意思決定の境界を適切に定義するための最後の機会と捉えますか、それとも、ほとんどの企業はエージェントがすでにワークフローに組み込まれてから初めて、その課題に直面することになるとお考えですか？
これは非常に重要な瞬間だと考えております。.
とはいえ、それを「最後のチャンス」と呼ぶほどのことではないと思います。.
AIの導入はすでに広く進んでいるものの、AIエージェントが人間の代わりに実際の業務を自律的に遂行する段階は、まだ発展途上です。.
これにより、組織は、AIの能力が組織の権限設計を大幅に凌駕してしまう前に、人間とAIの意思決定の境界線を明確に定義するための貴重な機会を得ることができます。.
私が懸念しているのは、まず技術が導入され、その後でルールや責任体制、意思決定権限が後追いせざるを得なくなることです。.
AIの機能は急速に進化しています。.
しかし、組織としては、承認プロセスの見直し、責任範囲の再定義、運用ルールの更新、そしてそれらの変更を事業全体に定着させるためには、時間がかかります。.
企業が、AIエージェントが重要なワークフローにすでに深く組み込まれるまで待ってしまうと、後でそれらの境界線を再設計することは、技術的にも組織的にもはるかに困難になる可能性があります。.
私は、組織がAIの導入を遅らせるべきではないと考えています。.
それどころか、私はAIの導入と意思決定の境界線の設計は、並行して進められるべきだと考えています。.
これは、AIの自律性を低下させることではありません。.
組織が、AIが安全に稼働できる範囲を明確に定義すれば、実際には、より確信を持って自律的な運用を拡大できるかもしれません。.
多くの組織は、実際の業務フローでAIエージェントの利用を始めてからでないと、この問題の重要性に気づかないのではないかと推測されます。.
しかし、理想を言えば、その順序は逆であるべきです。.
組織は、まずAIに権限を付与してから、その後で人間の関与の範囲を定義すべきではありません。権限を委譲する前に、その範囲を定義しておくべきです。.
今こそ、それを実現するための重要な機会がまだ残されています。.
EVΛƎのΛレイヤーでは、AUTO、HOLD、ESCALATE、STOPといった境界が導入されています。興味深い課題は、単にそれらの境界を作成することではなく、誰がそれらを定義するのか、どの程度の文脈を含めるべきか、そして境界そのものをいつ再検討すべきかを決定することにあるようです。 機械の自律性がどこで終わるべきかを決定するために必要な人間の判断について、どのようなことを学びましたか？
EVΛƎのΛ層において、重要な点は、AUTO、HOLD、ESCALATE、STOPといったオプションそのものの有無ではありません。.
真の課題は、誰が、どのような条件下で、その境界線を定めるかということです。.
AIの自律性の適切な水準は、技術的な能力だけで決定できるものではありません。.
たとえ同じAIシステムを使用する場合であっても、そのシステムに何を許可すべきかは、タスクの目的、関与する情報、金銭的価値、法的影響、顧客への影響、地域、タイミング、および組織独自の責任体制によって異なる場合があります。.
そのため、境界線は固定的なルールとして扱うべきではないと私は考えています。.
これらは、必要に応じて見直しや変更が可能な、状況に応じた条件として設計されるべきです。.
AIエージェントにとって特に重要だと私が考えているもう一つの概念があります。それは「サイクル」です。.
AIエージェントが、人々に代わって現実世界のタスクを遂行することが、ますます期待されています。.
しかし、人間は通常、一度考えて、一度行動して、それで終わりというわけではありません。.
私たちはそう考えています。.
私たちは選びます。.
私たちは行動します。.
その結果を確認します。.
必要であれば、改めて検討いたします。.
次に、次の行動を選びます。.
このサイクルを繰り返します。.
EVΛƎは、私が「クリエイティブ・ループ」と「アクション・ループ」と呼んでいるものを通じて、このことを理解しています。.
AIエージェントが人間の代わりに継続的に行動していくのであれば、単なる「決定して実行する」というプロセス以上のものが必要だと私は考えています。.
彼らには、ある行動の結果を観察し、状況や前提条件が変わった際に再評価を行い、その上で次の行動を選択するというサイクルが必要です。.
現在のAIエージェントが、長くて複雑なタスクに苦戦してしまう理由の一つは、この問題と関係しているのではないかと考えています。.
誤った仮定や些細な判断ミスが発生し、システムがそれを十分に再検討することなく処理を続行した場合、その誤りはその後の処理に波及する可能性があります。.
重要なのは、単に同じプロセスをやり直すことではありません。.
その結果を観察し、必要に応じてその根底にある前提を見直し、代替案を検討し、次の行動を改めて選択することです。.
そして、このサイクルには、人間へと戻る道筋も含まれていなければなりません。.
AIエージェントが、解決できない例外、自身の権限を超える決定、あるいは重大な結果を伴う状況に直面した場合は、その案件を保留にするか、適切な権限を持つ担当者にエスカレーションできるようにすべきです。.
私が学んだことは、機械の自律性の境界は、機械が何ができるかということだけで決まるべきではないということです。それは、人間の組織がどれだけの責任を委譲する用意があり、また委譲する権限を与えられているかによっても決まるべきなのです。.
私にとって、自律性とは、人間の関与なしに際限なく続くことを意味するものではありません。.
自律性とは、考え、行動し、その結果を観察し、必要に応じて再考し、次の行動を選択できることを意味します。.
Λにおける人間の役割は、そのサイクルのどの部分をAIに委任でき、どの時点で決定権を人間に戻さなければならないかを判断することです。.
そして、そうした境界線は、一度定義してそのままにしておくことはできません。.
AIの機能は進化しています。.
ビジネス環境は変化します。.
規制は変わります。.
リスクは変化します。.
したがって、AIの自律性と人間の責任との境界についても、継続的に見直していく必要があります。.
日本は独自のAIガバナンスの枠組みを強化している一方で、EUは「AI法」の実施に向けた取り組みを進めています。これにより、日本と国際的な議論の両方について、通常とは異なる視点が得られることになります。こうした議論に関与してきたご経験から、日本は単に他国で策定された規制モデルを模倣するのではなく、世界のAIガバナンスに関する議論に独自の貢献ができる機会はどこにあるとお考えでしょうか？
日本は、他国で策定された規制モデルを単に追随するのではなく、AIガバナンスにおいて独自の貢献を果たす機会があると考えています。.
EUでは、「AI法」の施行に伴い、リスク管理、透明性、説明責任、および人間による監督に関する枠組みが、ますます制度化されつつあります。.
しかし、日本には、決定を必ずしも即座の二者択一として捉えない文化的伝統も存在します。.
文脈や人間関係、タイミング、そしてある行動と次の行動の間に何があるかといった点に、より注目が集まることがよくあります。.
私が特に重要だと感じている概念の一つに、日本の「間（ま）」という考え方があります。.
ここで言う「マ」とは、曖昧さや単に決断を先延ばしにすることではありません。.
トラック競技のスタートに例えると、わかりやすいでしょう：
「準備はいいですか？」→「スタート」→「発砲」
「セットの瞬間」とは、動きが始まる直前の状態、つまり行動に先立って心身が準備を整えた瞬間のことです。.
それは、私が「マ」という言葉で表そうとしている意味に近いものです。“
それは、すぐに行動に移すのではなく、少し立ち止まって状況を観察し、他の可能性や結果を慎重に検討した上で、次にどうすべきかを判断する時間です。.
AIは、驚異的な速さで回答を生成し、行動を起こすことができます。.
しかし、迅速に決断できることと、適切なタイミングで行動することとは別物です。.
責任ある統治とは、時には直ちに実行しないという選択をすることでもあります。.
次のような意味かもしれません：
訴訟を提起し、,
別の可能性を検討して、,
決定を人間に委ねて、,
あるいは、状況が変わるまで待つこと。.
そうした選択そのものが、ガバナンスの一形態となり得ます。.
日本が果たせる独自の貢献の一つは、「間（マ）」という概念を、単なる文化的直感から、AIによる意思決定と実行の間に位置づけられる実践的な設計原則へと昇華させることだと考えております。.
AIをどのように規制すべきかということだけを考えるのではなく、AIが行動を進める前に、一旦停止したり、再考したり、あるいは人間に決定権を戻したりしなければならないような仕組みを設計することも可能です。.
これは、私がEVΛƎにおける実行前のガバナンスについて考えていることと密接に関連しています。.
もちろん、日本の文化的価値観だけでは、世界的なAIガバナンスの完全なモデルとなり得るとは思いません。.
これらは、EU AI法などの法的枠組みや国際基準、AIの安全性に関する技術的アプローチと連携して取り組まなければなりません。.
しかし、日本は世界的な議論に、もう一つの問いを投げかけることができるかもしれません：
「AIをどのように規制すべきか」だけでなく、「AIが行動を起こす前に、『マ』をどこに置くべきか」という点も重要です。“
私は、それが日本が真に独自の貢献ができる分野の一つだと考えております。.
あなたは、EVΛƎを、既存のガバナンス、セキュリティ、コンプライアンス、あるいはリスク管理の枠組みに取って代わるものではなく、それらを支える基盤となる層として、ますます説明されるようになっています。 もし、CIOやリスク担当責任者、あるいは製品チームと対話し、AIエージェントに初めて実質的な権限を付与しようとしている場面で、彼らが「この技術はその業務を遂行できるか」と尋ねる前に、ぜひ答えてほしいと思う質問は、どのようなものですか？
もし私が、CIOやリスク管理責任者、あるいは製品チームの方々と一緒に、AIエージェントに初めて実質的な権限を付与しようとしている場面にいたとしたら、まず次の質問から始めたいと思います：
“「このAIに、実際にどのような決定を任せてもよいのでしょうか？」”
組織がAIを評価する際、議論は往々にして技術的な能力から始まります：
どんなことができるのでしょうか？
その精度はどの程度でしょうか？
どの程度まで自動化できるのでしょうか？
それらは重要な質問ですね。.
しかし、AIエージェントが組織に代わって行動し始めると、別の疑問が生じます：
その能力には、どの程度の権限を付与すべきでしょうか？
AIに何ができるか、そしてAIに何を許すべきかについては、明確に区別する必要があると思います。.
AIシステムがどれほど高性能になったとしても、その能力そのものが権威を生み出すわけではありません。.
権限は組織によって付与されます。.
つまり、組織は導入前に以下の点を決定する必要があります：
私たちはAIに何を委ね、何を意図的に人間の管理下に置いているのでしょうか？
また、これが私がEVΛƎを、既存のガバナンス、セキュリティ、コンプライアンス、あるいはリスク管理の枠組みに代わるものではなく、それらを支える基盤となる層として位置づけている理由でもあります。.
組織にはすでに方針やガバナンスの原則が定められているかもしれませんが、それらのルールが、AIシステムが意思決定を行おうとする、あるいは実行しようとする実際の場面に反映されなければ、方針と行動の間に隔たりが残ってしまいます。.
EVΛƎは、そのギャップを体系化するのに役立つことを目的としています。.
そこで、質問をする前に：
“「このAIなら、その仕事をこなせるでしょうか？」”
まず、次のようにお尋ねしたいと思います：
“「このAIに、実際にどの程度の意思決定権限を与える用意があるのでしょうか？」”
AIエージェントに実際の権限を与えることは、単なる技術導入の決定にとどまりません。.
これは、組織が自らの意思決定権限のうち、どの程度を機械に委譲する用意があるかという判断です。.
現在、EVΛƎを研究、論文発表、実証実験の段階から、初の組織内導入へと進めようとしています。論文やワークショップ、PoCでは得られない、この最初の実運用から個人的に何を学びたいとお考えですか。また、EVΛƎにとって最も有意義な学習環境を提供してくれる組織とは、どのような組織でしょうか。
最初の実運用事例から最も学びたいことは、実はとても単純なことです：
EVΛƎは、現実世界の複雑さの中でも引き続き機能し続けるのでしょうか？
これまでに、さまざまなPoCシナリオや負荷テストを通じて、EVΛƎの構造を検証してまいりました。.
私が実施したテストの範囲内では、条件をより複雑にした場合でも、EVΛƎの基本構造は崩れることはありませんでした。.
実際、複雑さが増すほど、特定の境界がより鮮明に見えることがよくありました：
判断が曖昧になるのは、どのような場合でしょうか？
例外はどこで発生するのでしょうか？
どのような場合に、決定を人間に委ねる必要があるのでしょうか？
しかし、PoCや負荷テストは、実際の組織とは異なります。.
実際の組織には、制御された環境では再現が難しい要素が含まれています：
記録のない判決、,
部署間の違い、,
例外に基づく手法、,
時間的制約、,
非公式なコミュニケーション、,
そして人間関係。.
だからこそ、私は実環境での導入こそが、検証における不可欠な次の段階であると考えています。.
知りたいのは：
予期していなかった状況に遭遇した場合でも、この仕組みは引き続き機能するでしょうか？
もし弱点があるとしたら、どのような状況でそれが現れるのでしょうか？
では、その弱点から何を学び、アーキテクチャを改善することができるでしょうか？
私にとって、最初の実装の目的は、単にEVΛƎが正しいことを証明することだけではありません。.
また、EVΛƎの限界を見極める機会でもあります。.
弱点が明らかになった場合は、そこから学び、構造を改善することができます。.
もし、実際の組織という複雑な環境においてもコアアーキテクチャが機能し続けるのであれば、それはEVΛƎが単なる理論上のモデルやPoC（概念実証）モデルにとどまらず、現実の環境で運用可能な意思決定アーキテクチャとなり得るという重要な証拠となるでしょう。.
最も意義深い先駆的な組織とは、AIを単なる効率化のツールとしてのみ利用しているのではなく、AIを実際の業務上の意思決定や行動に参画させ始めている組織のことでしょう。.
私は特に、顧客対応、IT運用、財務、製造といった分野に関心があります。これらの分野では、AIによる意思決定が現実の世界に直接的な影響をもたらす可能性があるからです。.
また、最良の学習環境とは、必ずしもすべてがすでに完璧に定義されている組織であるとは限らないと、私も考えています。.
次のような問いを積極的に投げかけている組織と協力するほうが、より価値があるかもしれません：
“「AIにどの程度まで任せるべきでしょうか？」”
“「人間はどこまで関与し続けるべきでしょうか？」”
これまでのところ、私が実施した一連の試験を通じて、EVΛƎの基本構造は損なわれていません。.
まさにその理由から、私は今、これを、私が考える限り最も過酷な耐圧試験にかけてみたいと思います：
現実の世界。.
そここそが、EVΛƎの真の強さと真の限界の両方が明らかになる場所だと、私は考えています。.
あなたは、人間の動きに反応するものの設計から、機械が私たちに代わって行動し始めた際に、人間の意図を尊重するための枠組みの設計へと移行されました。もしEVΛƎが成功した場合、AI主導の世界における責任、創造性、そして人間の主体性について、人々にどのような点をこれまでとは異なる視点で理解してもらいたいとお考えですか？
もしEVΛƎが成功したとしたら、私が皆さんにぜひ理解していただきたい最も重要なことは、次の点です：
AIが進化しても、人間は意思決定者としての役割を放棄すべきではありません。.
AIは、人間が処理しきれないほどの情報を処理し、膨大な数の可能性を生み出し、ますます私たちの代わりに行動するようになっています。.
それにより、並外れた機会が生まれます。.
しかし、AIの能力が高まったからといって、人間の判断が不要になるわけではありません。.
実際、AIの能力が高まるほど、人間が抱くある種の問いがますます重要になってくるのです：
なぜ私たちはこれを行っているのでしょうか？
私たちは何を 선택しているのでしょうか？
AIにどの程度まで任せるべきでしょうか？
そして、その結果に対して誰が責任を取る用意があるのでしょうか？
責任というのは、何か問題が起こってから初めて生じるものではないと思います。.
私にとって、責任とはまた、次のような意味も持っています：
行動を起こす前に、自分が何を承認しようとしているのかを理解し、その決定を最後まで貫く覚悟を持つことです。.
それは、AI時代における責任の重要な一環です。.
私も創造性については、同じような見方をしております。.
たとえAIが何千ものアイデアや可能性を生み出せたとしても、次のように判断するのはやはり人間です：
“「これこそ、私が目指したいものです。」”
“「これこそ、私が世に送り出したいものです。」”
創造性とは、単に何もないところから何かを生み出す能力だけではありません。.
また、それは、多くの可能性の中から意味を見出し、選択を行い、その選択に方向性を与える能力でもあります。.
AIが必ずしも人間の創造性を損なうとは限りません。.
それは、私たちに開かれる可能性の幅を広げることができます。.
しかし、それが意味を持ち続けるためには、人間は選択を止めないことが必要です。.
また、人間の主体性とは、すべてを自分たちだけで行うことを意味するとは思いません。.
AIを幅広く活用しつつも、私たちは依然として自らの意思決定の主体であり続けることができます。.
人間の主体性とは、決断し続けることを意味します：
私たちが目指しているのは、,
私たちが選ぶもの、,
私たちが立ち止まる場所、,
そして、どのような結果について責任を負う用意があるか。.
決定そのものは、本質的に人間的なものでなければなりません。.
私はEVΛƎを、単にAIを制御するための仕組みとして捉えてはいません。.
AIの能力がますます強力になっていく中でも、人間の意図や選択、責任の余地を保ち続ける仕組みになってほしいと思います。.
私のキャリアの大部分において、私は人体の構造や人間の動きを基にデザインを行ってきました。.
今日、私は、機械が私たちの代わりに行動し始めているこの世界で、人間の意図を保つことを目的とした仕組みを設計しています。.
その話題は劇的に変わりました。.
しかし、私が最終的に守りたいと思っているものは、そうではありませんでした。.
テクノロジーは、人間にそれに合わせて適応することを強いるべきではありません。テクノロジーは、人間が自らの意思決定の主体であり続けられるように設計されるべきです。.
そして、そこから、私にとって非常に重要な言葉が生まれました。それは、
AIが進化し続けるのであれば、人間もまた進化しなければなりません。.
ここには、日本語に特有に関連するもう一つの考え方があります。.
日本語では、人工知能（AI）と「愛」という単語は、発音が同じです。.
つまり、日本語では、同じ音の中に、まったく異なる二つの意味が存在することがあります：
AI = 愛
これは、私が「A MA I」と呼んでいる哲学の核心でもあります。.
その考え方は単純です：
AIと人間の行動の間に、「Ma」――ひと息ついて立ち止まる瞬間――を挟みましょう。.
そして、人類の中に「愛」を育んでいきましょう。.
AIの能力が高まるにつれ、私たちの役割は単にAIと競い合うことだけではないと思います。.
私たちの課題は、共感や責任感、人間関係を失うことなく、また「何をすべきか、すべきでないか」を判断する人間の能力を損なうことなく、AIを活用することです。.
人間にはAIが必要です。.
そして、人間にも「Ai」――愛――が必要なのです。.
もしEVΛƎが、そのことを人々にさらに明確に理解してもらうことに成功すれば、私はそれをこのプロジェクトの最大の成果の一つだと考えます。.
日本語