専門分化

ある前提を共有した下で精緻化するにあたって、専門分化は とても上手く機能する。
その世界で各専門家に責任を振り分けた上で、安全を安心に 読み替えることができるのは、共通の前提があるからである。

専門分化はspecializationあるいはdifferentiationという部分化 であり、前提を見失うとgeneralizationやintegrationによる 全体の再構成が不可能になる。
それはつまり、リテラシーがなくなるということである。

リテラシーとは、抽象から具象を再構成する能力である。
An At a NOA 2017-04-28 “思考の体系学”

前提とは、その抽象が基にした判断基準のことである。

前提が変化するのであれば、それに合わせて専門分化の形態も 変化する必要があるが、価値自由でないために前提の変化に 気付かないことが往々にしてある。
知らぬ間に前提の共有が崩れることで、安全と安心の関係も 維持できなくなり、専門分化した知は判断機構として機能 しなくなる。

おそらく人工知能の責任の問題も同じ問題に落ち着くだろう。
深層学習によってRBM等の網の目に織り込まれた判断機構は、 細かく専門分化した知のように、外部からはわかりづらい。
唯一共有し得るのは、データセットによって埋め込まれた前提 のみであり、外部からできる最大の努力は前提を明確化すること、 価値自由であり続けることである。

しかし、価値自由である範囲があまりに少ないにも関わらず、 それなりに上手くいっている現状を思えば、人工知能として 判断機構を外部化する際にも、価値自由になる努力はなされない ままに、何となく上手くいくようになるのだと想像される。