2026年7月5日日曜日

日本国記憶保存計画(3)

日本国記憶保存計画(2)からの続き


図:未来の知識アーカイブ都市(ChatGPTによる)


修正版を読み返してみると中々よくできていると感心した。米国政府に止められていたClaude Fable 5 が再開し,7月7日まで使えるというので(それ以降は従量課金),ChatGPTの書いた日本国記憶保存計画(修正版)を投入してみた。

うーん,ダメ出しの嵐である。確かに冷静に考えてみると,Claude のいうとおりなのだ。危ういネーミング,自分が後で付け加えた「ただし歴史修正主義には組みしない」の問題性,予算規模とその吸収能力,人材育成の必要性の失念,帝国植民地の記憶に関する問題,などなど。

ただね,こういう与太話は,まじめにやろうとすればするほど,どんどんつまらなくなってしまうのよね。SFのテーマにしようかと考えていたのに。いちおう,Claude Fable 5の修正提案を披露しますが,このまますべては採用できないなぁ。


A(Claude + koshix):
日本列島記憶基盤(通称:列島アーカイブ)構想 第三版

前二版(Qwen版・ChatGPT版)に対する批判を踏まえた全面改訂である。本版の主要な変更は,(1) 神話的命名の放棄,(2) 「認定権」問題の手続き的解決,(3) 予算規模の百分の一への縮減と積算根拠の明示,(4) 恒久財源構造の導入,(5) 情報主権問題の対象拡張(旧植民地期資料・集合的プライバシー),の五点である。(注:がび〜〜ん)

0.本改訂の趣旨——第二版が解決できなかったもの

第二版(YASHIMA案)は,分散管理・複数の声・出典主義という設計によって「国家が単一の文化基準を強制する危険」に応答しようとした。しかしその応答は不完全であった。

第一に,分散化は編集権を消去しない。何を優先保存するか,どの説を「修正主義」として退けるか,という判断は依然として誰かが行わねばならず,第二版はその判断主体と手続きを曖昧にしたまま,「合議制」という言葉で覆っていた。

第二に,年10兆円・総額100兆円という規模は,現在の文化行政の吸収能力(文化庁予算約1千億円,国立国会図書館約2百億円)の百倍であり,執行不能な数字を掲げること自体が構想の信頼性を損なっていた。(注:ハイハイハイハイ)

第三に,「AMATERAS」「YASHIMA」という記紀神話由来の命名は,「単一の日本らしさを語らない」という構想の核心理念を命名レベルで裏切っていた。(注:ぐぬぬ)

第四に,「10年計画」でありながら11年目以降の財源が空白であり,デジタル保存の本質(永続的な媒体更新・電力・人件費)と矛盾していた。(注:これは異論あります)

第五に,情報主権の問題を国内の分散管理に矮小化し,日本のアーカイブに大量に含まれる旧植民地期資料の帰属問題と,匿名化しても集積されれば生じる集合的プライバシーの問題を看過していた。(注:おっしゃるとおりです)

本版は,これらすべてに制度設計で答えることを試みる。


1.名称——神話に依らない

本構想の正式名称を「日本列島記憶基盤」,通称を「Foundation-J」とする。正式英名は Japan Archipelago Memory Commons とする。対話型AIには固有名を与えない。その機能名を「公共司書」とする。(注:公共司書はちょっとイマイチだけど)

命名の原則は次の通りである。

第一に,記紀神話・皇室祭祀・特定宗教に由来する名称を用いない。本基盤はアイヌ,琉球,在日コミュニティ,移民社会を含む列島上のすべての記憶を対象とするのであり,特定の起源神話を冠した瞬間に,その神話体系の外にある記憶に対して包摂ではなく編入のシグナルを送ることになる。(注:ごもっともすぎる)

第二に,AIを擬人化・神格化する固有名を避ける。「司書」という機能名は,このAIが何であるか(資料への案内者)と何でないか(真理の語り手)を同時に示す。司書は蔵書の内容に責任を負わない。所蔵と来歴と探し方に責任を負う。本構想のAIの倫理的位置は,正確にそこである。(注:これには違和感あるけど)

第三に,通称は誰でも意味がわかる日常語とする。「列島アーカイブ」は美しくないかもしれないが,美しすぎる名前こそがこの種の構想の敵である。(注:ダサいと思います!)


2.基本理念——記憶の管理ではなく,来歴の管理

前版の理念「文化的継続性こそ最後の国土である」は維持する。ただし,その実現方法を一段具体化する。本基盤が管理するのは,記憶の「内容」ではなく「来歴」である。

すなわち本基盤は,ある資料・言説・記録について,「それが正しいか」を判定しない。「それが,いつ,誰によって,どのような根拠と方法で作られ,保存され,引用され,反論されてきたか」を記録する。真偽の判定は,学術と社会の通常のプロセス——史料批判,査読,反証,論争——に委ね,本基盤はそのプロセス自体を検証可能な形で保存する。

この転換により,第二版が抱えていた最大の理論的困難,すなわち「複数の見解を提示すると言いながら歴史修正主義は退けるという矛盾」は,次のように解消される(詳細は第6節)。修正主義的言説も,言説として存在した事実は保存される。ただしその来歴——一次史料との対応関係,学術的検証の履歴,反証の存在——も同時に,切り離せない形で表示される。基盤は説を選ばない。説の履歴書を添付する。(注:それで大丈夫なのだろうか?)


3.規模の適正化——100兆円から7兆円へ(注:ひぇ〜〜 つまんないやつだな!)

第二版のGDP比1.5%・総額100兆円という規模は撤回する。理由は倫理ではなく算術である。

現在の日本に,年間2兆円分のアーキビスト・学芸員・保存修復技術者・権利処理専門家は存在しない。日本アーカイブズ学会の登録アーキビスト制度による認定者は累計で数百人規模,学芸員資格保有者は多数いるが実務ポストは慢性的に不足しており,専門人材の年間供給力から逆算すれば,執行可能な事業規模はおのずと定まる。予算がついても使えない計画は,予算がつかない計画より有害である。失敗の実績が,次の試みの芽を摘むからである。
(注:アーキビストという専門家に限定する考え方自身がいいのかどうか?)

本版の規模は次の通りとする。

・10年間の事業費総額:約5兆円(初年度2,000億円から漸増し,第5年度以降は年6,000〜7,000億円で定常化)
・恒久基金への出資:約2兆円(第4節)
・合計:約7兆円(注:少なくないですか?ぜんぜんおもしろくないんですけど。)

初年度2,000億円は文化庁予算の約2倍であり,これでも文化行政史上最大の拡張である。だが国立大学法人運営費交付金(年約1.1兆円)や科学技術関係予算の規模と比較すれば,国家が本気を出せば執行可能な水準である。(注:まあ,それはそうかもしれないが,人件費も積算してますか?)

積算の考え方の例を示す。国立国会図書館のデジタル化実績では,書籍・雑誌のデジタル化単価は資料の状態により1冊数百円から数千円である。仮に平均2,000円として年1,000億円を投じれば年5,000万点,これはNDL全蔵書(約4,600万点)を1年で上回る速度であり,実際には撮影よりもメタデータ作成・権利処理・品質管理が律速となる。つまり本事業の予算の過半は「モノをスキャンする費用」ではなく「人が記述し,権利を確認し,地域と信頼を築く費用」であり,それは人材の頭数に制約される。ゆえに——

第1期(1〜3年目)の最大の投資対象は,資料ではなく人材養成である。大学院・専門職課程・現任者研修を通じ,アーキビスト・デジタル保存技術者・権利処理専門家を10年間で累計3万人規模で養成・配置する年間2兆円を使える体制は,10年かけて作るものであって,初年度に仮定するものではない

年間概算配分(定常期・年6,500億円想定):
・人材養成・全国配置(自治体・図書館・博物館・大学):2,000億円
・危機資料の保存・デジタル化・目録作成:1,800億円
・権利処理・同意管理・寄託制度・倫理審査:700億円
・長期保存ストレージ・分散データセンター・災害バックアップ:800億円
・検索・知識グラフ・公共司書AI・多言語化:600億円
・教育利用・地域還元・市民ツール:400億円
・監査・セキュリティ・国際連携(デジタル返還を含む):200億円


4.財政構造——金を出す者が笛を吹けない設計

第二版は「国は収奪者ではなく支援者であるべきだ」と述べたが,年10兆円を出す主体が統制を要求しないと期待するのは制度設計ではなく祈りである本版は財政構造そのものに防波堤を組み込む

(1) 恒久基金の造成:
国費出資2兆円により「列島記憶基金」を設置する。大学ファンド(10兆円規模の運用実績あり)と同型の長期運用を行い,実質運用益(目標年3%・約600億円)を基盤の経常運営費—媒体マイグレーション,電力,中核人件費,システム保守—に充てる。(注:これいいかも)
これにより,11年目以降,政府の毎年度予算査定から独立した最低限の生存費が保証される。10年間の事業費(第3節)は拡張のための投資であり,基金運用益は永続のための血液である。「次の100年,500年」を語る計画は,単年度予算の上に建ててはならない。

(2) 引き出し不能条項:
 基金は特別の法律により設置し,政府は追加出資できるが,取り崩し・目的外流用・運用方針への介入はできない旨を設置法に明記する。財政危機を理由とする例外規定を置かない。例外規定は必ず使われるからである。(注:こまかいな,でもダメなときはだめだけど)

(3) 財源根拠の再構成:
第二版は本構想を「広義の国家安全保障」と位置づけたが,安全保障の論理は必ず機密化・アクセス統制・国家目的への従属圧力を随伴する。(注:たしかに,しかしその考え方自身を変えさせようというのが元々の出発点だった。それによって防衛費を脱構築する。)
本版はこのフレーミングを次のように限定する。本構想は防衛費の枠でも安全保障関連予算でもなく,災害対策・国土強靭化および教育・学術の恒久投資として位置づける。安全保障「に資する」効果(第9節)は結果として述べるが,安全保障「のための」事業とはしない。この区別は言葉遊びではない。予算科目は統制系統を規定する。防衛予算で建てられたアーカイブは,防衛の論理で閉じられる。(注:自分の意図とは違うがとりあえず放置)


5.既存基盤からの成長——ジャパンサーチという出発点

本構想は白紙から始まらない。すでに国立国会図書館が運営するジャパンサーチ(2020年正式公開)が,分野横断の統合ポータルとして,共通メタデータ形式による分散接続——まさに本構想の技術的核心——を小規模に実装している。連携データベースは200を超え,数千万件のメタデータが検索可能である。(注:そのスコープは限定的でしょぼいからである。)

したがって本構想の実現可能性の議論は,「ジャパンサーチはなぜあるのに,なぜこの規模にとどまっているのか」の分析から始めなければならない。答えは技術ではない。(1) 連携する各機関側にデジタル化・メタデータ作成の予算と人員がない,(2) メタデータはあっても本体データの公開が権利処理の壁で進まない,(3) 市町村・地域資料館・個人所蔵のレベルまで手が届く現場人材がいない,(4) 運営体制が一図書館の一事業であり,国家的な恒久財源を持たない——の四つである。

本構想は,この四つの欠落を埋める事業として自らを定義する。すなわち列島アーカイブとは,新しい巨大システムの建設ではなく,ジャパンサーチ的な分散接続アーキテクチャに,人材・権利処理・地域到達力・恒久財源を注入し,国家的基盤の規模へ育てる計画である。技術的に新設が必要なのは,長期保存レイヤー,来歴管理(第6節),知識グラフ,公共司書AIの四つに限られる。(注:ジャパンサーチは,あくまでも図書館だよね)

七層のデータ構造(地理環境/生物生態/生活民俗/産業技術/知識制度/文化財芸術/個人生活史)は第二版のものを維持する。各層の記述は第二版に譲り,本版では重複を避ける。


6.編集権の手続き化——境界線を引く権威の問題

第二版への最も根本的な批判は,「取捨選択とカテゴリ化には必ず編集者の価値観が含まれ,それがオーソライズされる」という点に,分散化と合議制という言葉で答えたつもりになっていたことである。本版は,編集権を消去できないことを認めた上で,それを可視化し,分散し,異議に開くという方針をとる。編集判断は三箇所で発生する。それぞれに手続きを定める。

(1) 優先保存の選定(トリアージ):

有限予算下で「何から保存するか」の判断は不可避であり,これは価値判断である。(注:たしかに)ごまかさずに次の手続きに従う。

・明文化された危機度指標を公開する。媒体の物理的劣化速度(酸性紙・磁気テープ・初期デジタル媒体),継承者の年齢構成(技能・方言・祭礼),所在地域の災害リスク,複製の有無,の四軸で構成し,指標自体を定期的に外部評価にかける。
・選定は上からの指定と下からの申請の二本立てとする。地域・団体・個人は保存を申請でき,採否は理由を付して全件公開する。
・不採択に対する異議申立て手続きを置き,審査には申請地域の代表を加える。
「選ばれなかったものの目録」を保存する。*何を保存しなかったかの記録は,その時代の価値判断の一次史料であり,将来世代がこの事業自体を検証するための資料である。選定の偏りは必ず生じる。偏りを隠すことではなく,偏りを記録することが,本基盤にできる最大の誠実である。

(2) 歴史的言説の扱い——「認定しない」という設計:

第二版の「複数の見解を提示する。ただし歴史修正主義には組みしない」という条項は削除する。この条項は,誰がどの手続きで「修正主義」を認定するのかという問いに答えられず,認定権の設置はそれ自体が「異論を許さない強制的な文化基準」の再来だからである

代わりに次の原則を置く。

・基盤は言説の真偽を認定しない。言説の来歴を記録する。すなわち,その言説がいつ誰によって主張され,どの一次史料を根拠とし,学術的検証(査読・反証・学会での位置づけ)をどの程度経ており,どのような反論が存在するかを,構造化されたメタデータとして言説に添付する。
・公共司書AIは,来歴情報を欠いた言説を,来歴情報を持つ言説と同格には提示しない。これは内容による差別ではなく,方法による層別である。一次史料との対応関係を示せる言説と示せない言説の区別は,特定の歴史観の採用ではなく,史料批判という学術的手続きの採用である。手続きは公開され,どの言説にも同一に適用される。(注:なるほど)
・来歴の記述・更新は基盤の職員ではなく,学協会・大学・研究者コミュニティの通常の学術プロセスに接続して行い,基盤は記述の場と形式を提供する。政府は個別の来歴記述に関与できない。

この設計でもなお,「史料批判という方法自体が一つの価値観ではないか」という批判は可能である。その通りである。本構想はその点を否認しない。検証可能性という価値へのコミットメントだけは,本基盤の譲れない前提として明示的に引き受ける。すべての価値から自由な保存は存在しない。引き受ける価値を最小限にし,それを明文化することが,できることのすべてである。

(3) カテゴリ化とリンク化:

知識グラフにおける分類・関連づけも編集行為である。分類スキーマは公開し,バージョン管理し,旧スキーマでの検索を永続的に可能とする。単一の正規分類を強制せず,複数の分類体系(学術分野別・地域別・当事者コミュニティ自身による分類)の並存を許す設計とする。アイヌ・琉球等の資料については,当事者コミュニティが自らの分類語彙で自らの資料を記述する権利を保障する。


7.公共司書AI——名前のないインターフェース

対話型AIの原則は第二版の七原則を維持しつつ,二点を追加する。

第八に,公共司書は自らの限界を表示する。回答の根拠となった資料の範囲,未収録領域,来歴情報の欠落を明示し,「基盤にないこと」と「存在しないこと」を混同させない。
第九に,公共司書の応答ログは(利用者を匿名化した上で)それ自体を保存対象とする。将来世代は,2030年代の日本人が過去に何を問うたかを検証できる。問いの履歴もまた文化記憶である。

なお第二版の禁止事項「AIを天皇の代替・国家意思の代弁者・宗教的象徴として扱わないこと」は維持するが,本版ではこの禁止が命名と設計の水準で最初から満たされている。司書を崇拝する者はいない。それがこの機能名を選んだ理由である。(注:自分の背景意識には象徴としての代替が潜んでいる)


8.情報主権の拡張——列島の外にはみ出す記憶

第二版は情報主権の問題を国内の分散管理として処理したが,二つの重大な領域が残されていた。

(1) 旧植民地期資料と「帝国の記憶」:

日本のアーカイブには,朝鮮・台湾・樺太・南洋群島・満洲に関する行政文書・調査資料・写真・収集品が大量に含まれる。これらを「日本列島の記憶」として一括した瞬間に,その記憶の帰属をめぐる問いが捨象される。本版は次の原則を置く。

・対象の定義を「日本列島に所在する記憶資料」とし,所在と帰属を明確に区別する。所在が日本であることは,記述の権利や解釈の権威が日本に専属することを意味しない。
・旧植民地・占領地に関わる資料群については,関係国・関係コミュニティの研究機関との共同記述(メタデータの複数言語・複数視点での併記)を原則とする
・高精細デジタル化を完了した資料について,関係国・コミュニティへのデジタル返還(複製データと記述権限の提供)を制度化する。原資料の返還問題は本構想の権限外だが,デジタル返還はその議論を妨げず,むしろ資料の所在を可視化することで議論の前提を提供する。
・先住民族・少数者コミュニティの資料については,国際的に議論されている先住民データ・ガバナンスのCARE原則(集合的利益・統制権限・責任・倫理)を参照し,OCAP等の先行枠組みに学ぶ。FAIR原則(見つけやすく・アクセスしやすく)とCARE原則(当事者の統制)は緊張することがあり,緊張する場合はCAREを優先する。開かれたアーカイブの理念よりも,記憶の主体の意思が上位にある。

(2) 集合的プライバシーと再識別リスク:

第二版の第7層(個人・生活史層)は本人同意と匿名化を前提としたが,これでは足りない。個々人が同意し,個々のデータが匿名化されていても,地域・集団単位で集積されれば,その共同体のプロファイリング——信仰,政治傾向,健康傾向,経済状態——が可能になる。また匿名化データは外部データとの照合により再識別されうる。本版は次を追加する。

・個人単位の同意に加え,一定規模以上の地域・コミュニティ資料の集積には,当該共同体の合意手続き(自治会・コミュニティ組織等を通じた集合的同意)を要する。
(注:これはかなり相当面倒だと思います・・・現自治会役員より)
・集合的匿名性の定量評価(k-匿名性等の技術的指標)を公開の前提とし,第三者機関による再識別攻撃の定期監査を行う。
・地域・集団単位でのオプトアウト(集積からの離脱)を認める。離脱の記録もまた保存する。
・研究利用は目的別審査とし,共同体のプロファイリングを目的とする利用——商業マーケティング,信用評価,保険料率算定,捜査目的の一括照会——を禁止する


9.本構想がもたらすもの——「安全保障」と言わないための節(注:ここは自分とは意見が分かれる)

第二版は本構想を広義の安全保障と呼んだ。本版はその語を事業の定義から外す(第4節(3))。ただし,効果としての次の五点は維持する。災害復旧の基盤,文化的レジリエンス,情報戦への耐性(権威ではなく検証可能性による防衛),ソフトパワー,将来世代への責任である。内容は第二版第9節の通りであり,繰り返さない。

一点だけ言い換える。第二版は「検証可能性こそが防衛である」と書いた。正確にはこうである。検証可能性は防衛ですらない。それは防衛が失敗した後でも残る,共同体の再起動情報である。 防衛の語彙で語れば防衛の予算と統制が付いてくる。この基盤は,守るための施設ではなく,負けても失われないための施設である。


10.ガバナンス——任命拒否に耐える設計

第二版は合議制の「文化記憶基盤機構」を提案したが,独立の合議制組織が政治権力に対していかに脆弱かは,日本学術会議の任命拒否問題(2020年)が実証済みである。(注:まったくそのとおりである)本版は,独立性を組織の善意ではなく構造に置く。

・人事:
任命制を採らない。 機構の意思決定機関は,(a) 学協会・図書館協会・博物館協会・自治体・権利者団体・地域団体からの互選枠,(b) 無作為抽出による市民委員枠(裁判員制度と同型の抽選制),(c) 当事者コミュニティ(アイヌ・琉球・在日・障害者団体等)の指名枠,の三系統で構成し,政府の任命行為を介在させない。政府は諮問と予算執行の監査に関与するが,人事に関与しない。
・拒否権の分散:
 個人生活史層の運用変更には市民委員枠の,当事者コミュニティ資料の運用変更には当該指名枠の,それぞれ同意を要件とする。
・削除の不可能化:
 資料の削除・非公開化はすべて理由付きでログに残り,ログ自体は削除できない(追記専用の分散保存)。政治権力による「都合の悪い資料の静かな消失」を技術的に不可能にする。公文書改竄が現実に起きた国では,これは杞憂ではなく仕様要件である。
・十原則:
 第二版第10節の十原則は維持する。


11.ロードマップ——人材が先,データは後

第1期(1〜3年目):養成と棚卸し
 専門人材の養成課程整備と現任者研修を最優先とする。並行して全国所在調査(何が・どこに・誰の管理下に・どの権利状態で・どの程度の危機にあるか)。ジャパンサーチ連携機関を調査の骨格として活用。法制度整備(著作権法の拡張的権利制限,寄託制度,基金設置法,機構設置法)。
第2期(2〜5年目):危機資料の優先保存
 第6節(1)の公開手続きに基づくトリアージを開始。全国の図書館・博物館・自治体・学校への人材配置。
第3期(3〜7年目):来歴管理と知識グラフ
 来歴メタデータ基盤の構築,複数分類体系の実装,共同記述・デジタル返還の協定締結。
第4期(5〜8年目):公共司書の段階公開
 教育・研究・自治体利用から開始し,来歴表示・限界表示を検証した上で一般公開。
第5期(8〜10年目):恒久体制への移行
 基金運用益による経常運営への切り替えを完了し,事業費予算がゼロになっても基盤が死なない状態を作る。10年計画の成功の定義は,計画の完了ではなく,計画の終了後も続く制度が存在することである。(注:そんなことはわかっています,軌道に乗せるまで10年というイメージだった)


12.禁止事項

第二版第13節の禁止事項を維持し,次を追加する。

・政府が機構の人事に関与すること。
・基金を取り崩し,または目的外に流用すること。
本基盤のデータを,捜査・課税・信用評価・出入国管理・監視の目的で一括照会すること
特定の言説を「正史」として認定すること。および,来歴管理の手続きを個別言説について政治的に変更すること
・旧植民地期資料を,関係コミュニティとの協議なしに一方的な記述で公開すること。
・神話的・宗教的・皇室的固有名を基盤またはAIに付すこと。(注:きびしーっ)


13.結論——鏡ではなく,図書館

第二版は「AIは文化の鏡である。鏡は命令しない」と結んだ。美しい比喩だが,撤回する。鏡は一つの像しか映さず,映す角度を誰かが決める。鏡の比喩には,第二版が抱えていた問題——単一の反映像への欲望——がまだ残っていた。

本構想が作るのは鏡ではない。図書館である。図書館は像を結ばない。図書館は,無数の書き手が残した無数の記述を,来歴とともに棚に並べ,探しに来た者に開架する。司書は薦めることはあっても,読むべき一冊を命じない。そして良い図書館は,蔵書の偏りを知っており,欠けている棚の存在を利用者に告げる。

100兆円で建てる神殿より,7兆円で建てて1000年つづく図書館を。武器は現在の安全を守るかもしれない。だが,よく整理された書庫は,敗北と忘却の後でさえ,再建の最初の一冊になる。(注:そう,自分が求めていたのはファウンデーションだったのかも知れない)

列島アーカイブが未来世代に渡すのは,答えではない。検証する権利と,そのための資料と,「何が保存されなかったか」の記録である。あとは彼らが決める。それでよい。それしか,できない。


2026年7月4日土曜日

日本国記憶保存計画(2)

日本国記憶保存計画(1)からの続き



図:記憶と遺産の浮遊アーカイブ(ChatGPTによる)

Qwenが生成した案を,ChatGPTにかけてみると,相変らずダメ出しをくらう。

最も大きな問題は次の二点である。
・いくら事実情報の集積であるといえ,取捨選択とカテゴリ化とリンク化によって,必ず編集者の意図や価値観が含まれ,それがオーソライズされることで,異論を許さない強制的な文化基準を作ってしまう危険性がある。多様性と多義性がどうやって保証するのか。
・単なる個人情報や著作権にとどまらず,情報主権がどこに存するかという問題が捨象されてしまう。あるいは,企業などの機密情報はどう扱うのか。下手をすると,国家情報局の二の舞いというか,超監視管理社会の実現に棹さしてしまう。

そこで,ChatGPT版(大人の視点)で修正版を提案してもらう。

A(ChatGPT + koshix):

以下に、前回の批判点を反映して、熱量は残しつつ、政策文書として読める形に整理した全文案を提示します。

日本国記憶保存計画(修正版) YASHIMA:日本列島の記憶を未来へ継承する10年計画

0.前提

本構想は、従来の「領土・装備・物理的排除」を中心とする安全保障観を拡張し、「記憶・文化・知識・技術・生活・自然環境」を国の存続の基盤として位置づけるものである。

国は、領土、国民、主権だけで成り立つのではない。そこに暮らしてきた人々の言葉、記憶、生活技術、土地への感覚、歴史認識、芸術、産業、自然との関係、災害経験、教育、制度、失敗の記録によって、はじめて持続的な共同体となる。

したがって、日本列島に蓄積されてきた文化的・歴史的・地理的・自然的・技術的情報を、将来世代が検証可能な形で継承することは、単なる文化政策ではなく、広義の国家安全保障である

本構想は、これを「日本国文化記憶基盤」と呼ぶ。コードネームを「YASHIMA」とする。YASHIMAが目指すのは、「日本を一つの声で語るAI」ではなく、「日本列島に蓄積された無数の声、記録、痕跡、対立、記憶を、消えないように保存し、出典つきで未来へ渡す公共基盤」である。


1.基本理念:文化的継続性こそ最後の国土である

物理的な国土は、災害、戦争、人口減少、気候変動、経済衰退によって損なわれる可能性がある。だが、土地の記憶、生活の技術、言語、制度、文化財、自然環境の記録、地域社会の経験が保存されていれば、共同体は再建の手がかりを持つ。

ここでいう「文化」とは、国宝や名作芸術だけを意味しない。方言、祭礼、郷土食、民具、古写真、学校史、自治会文書、農業技術、漁場の知識、職人の手順、災害対応の経験、鉄道や道路の変遷、住宅の間取り、給食の献立、家族の手紙、地域の記憶までを含む。

文化は、国家が一方的に定義するものではない。文化は、多数の人々が長い時間をかけて生きてきた痕跡の集積である。したがって、YASHIMAの目的は「日本文化を一つに固定すること」ではない。むしろ、日本列島に存在してきた複数の文化、複数の歴史、複数の地域性、複数の記憶を、改変不能で検証可能な形で保存することである。


2.予算規模と期間

本構想の想定投資規模は、GDP比1.5%を10年間である。内閣府の国民経済計算では、2025年度の名目GDPは669.4兆円とされているため、GDP比1.5%は年間約10.0兆円に相当する。したがって、10年間の総額は単純計算で約100兆円規模となる。

これは通常の文化予算の拡充ではない。国土強靭化、文化財保護、教育、科学技術、デジタル庁、総務省、文部科学省、文化庁、国立国会図書館、国立公文書館、自治体、大学、博物館、美術館、研究機関、民間企業、地域共同体を横断する国家基盤安全保障投資である。


3.既存基盤との関係

YASHIMAは、ゼロから巨大データベースを作る計画ではない。すでに日本には、国立国会図書館、文化庁、国立公文書館、国土地理院、大学図書館、自治体史編纂室、博物館、美術館、研究機関、放送アーカイブ、新聞社、出版社、寺社、地域資料館など、多数の記憶基盤が存在している。

YASHIMAは、これら既存基盤を吸収・統合して国家が一元管理するものではない。そうではなく、分散管理されたデータを、共通メタデータ、永続識別子、権利情報、時空間情報、来歴情報、保存状態、利用条件によって接続する

中心にあるべきものは、巨大AIモデルではない。まず必要なのは、信頼できるメタデータ、出典、来歴、権利処理、保存環境、地域との信頼関係である。AIはその上に置かれる対話的インターフェースであり、基盤そのものではない


4.目標

YASHIMAの最終目標は、日本列島および日本文化圏に関する高忠実度・多層型・分散型の文化知識基盤を構築することである。

ここでいう「高忠実度」とは、すべてを過剰な精度で保存するという意味ではない。文化財、災害危険地域、重要インフラ、希少資料、消滅危機にある方言や祭礼、老朽化した地域資料など、失われる危険が高いものを優先し、対象ごとに必要な精度で記録するという意味である。

ここでいう「多層型」とは、文字、画像、音声、映像、3D形状、地理情報、生態情報、社会制度、生活史、産業技術、教育資料、科学技術情報などを、単独ではなく相互に結びつけることを意味する。

ここでいう「分散型」とは、国家がすべてのデータを中央に集めるのではなく、各地域・各機関・各所有者が管理権を保持しつつ、公共的な検索・参照・研究・教育利用を可能にすることを意味する。

YASHIMAは、「完全なデジタルツイン」を称するべきではない。現実の日本は常に変化しており、すべてを完全に記録することはできない目指すべきは、「完全性」ではなく、「喪失を最小化し、将来世代が検証できる状態を最大化すること」である


5.データ層の設計

YASHIMAでは、日本列島の文化記憶を次の7層に分けて保存・接続する。

第1層:地理・地形・環境層

日本列島の地形、河川、海岸線、森林、都市、農地、集落、道路、鉄道、港湾、災害履歴、地盤、気象、土地利用の変遷を記録する。
山林、農地、都市、文化財、インフラ、災害危険地域など、対象ごとに必要精度を分けて3Dスキャンする。重要文化財、歴史的建造物、遺跡、災害で失われる危険の高い地域については、高精細3D記録を行う。
この層は、国土地理院、気象庁、自治体、大学、研究機関、インフラ事業者のデータと接続する。

第2層:生物・生態層

日本固有種、在来種、外来種、森林、河川、湿地、海洋、里山、生物多様性、農作物、家畜、微生物叢などを記録する。
ここで重要なのは、単なる標本データではなく、人間社会との関係である。たとえば、棚田、漁場、雑木林、神社林、薬草利用、発酵食品、木材利用、地域の水管理などは、生態系と生活文化が結びついた情報である。
自然史資料、標本、DNA情報、生態観測データは、倫理・法規制・生物資源管理を踏まえて保存する。


第3層:生活・民俗・地域記憶層

衣食住、方言、祭礼、郷土料理、学校行事、地域産業、商習慣、子どもの遊び、冠婚葬祭、年中行事、自治会文書、町内会史、民具、古写真、地域新聞、写真アルバムなどを記録する。
この層は、YASHIMAの中核である。なぜなら、国家的文化財よりも先に失われるのは、名もない地域の生活記憶だからである。
ここでは、地域住民、学校、図書館、自治体、郷土史家、寺社、NPOが主体となる。国は収奪者ではなく、保存技術、資金、メタデータ、権利処理、長期保存環境を提供する支援者でなければならない。


第4層:産業・技術・インフラ層

製造業、農業、漁業、林業、建設、鉄道、電力、通信、上下水道、医療、流通、物流、金融、災害対応、都市計画、素材技術、設計図、保守記録、技能継承を対象とする。
ただし、営業秘密、安全保障上の機微情報、個別企業の競争情報、サイバー攻撃に悪用されうるインフラ情報は、公開してはならない。
この層では、公開データ、限定共有データ、秘匿データ、長期封印データを区別する。目的は、企業秘密を国家に吸い上げることではなく、将来の産業継承・災害復旧・技能保存のために、必要な情報を安全に残すことである。

第5層:知識・制度・教育層

古典籍、書籍、出版物、公文書、法令、判例、議会資料、研究論文、統計、教育課程、教科書、大学講義資料、行政文書、自治体史、財政データ、流通データ、社会調査を対象とする。
この層では、単なる文書保存ではなく、「いつ、誰が、どの制度のもとで、どのような目的で作成した資料か」を記録する。AIが答える際には、出典、時代背景、作成主体、異説、信頼度を明示しなければならない。

第6層:文化財・芸術・表現層

国宝、重要文化財、登録文化財、史跡、名勝、天然記念物、社寺建築、仏像、絵画、工芸、古文書、古典籍、近現代文学、美術、写真、映画、放送、漫画、アニメ、ゲーム、舞台芸術、音楽、民俗芸能などを対象とする。
ただし、現代の著作物を「全コンテンツ」として無条件にAI学習へ投入しない。著作権、肖像権、実演家の権利、出版契約、配信権、二次利用権を明確に区別する必要がある。
この層では、原資料の保存、閲覧用データ、研究用データ、AI学習用データを分けて管理する。すべてをAIに読ませるのではなく、権利状態に応じてアクセス範囲を変える。
(注:著作権法については修正の必要があると思われる)

第7層:個人・生活史層

・個人の日記、手紙、写真、録音、映像、SNS、家系資料、オーラルヒストリー、生活記録を対象とする。この層は最も重要であると同時に、最も危険である。国家が個人の記憶を包括的に収集することは、監視社会につながる。したがって、個人情報は匿名化された「人類学・民俗学的サンプル」として扱う。
・個人・生活史層は、本人の明示的同意、死後の意思表示、遺族の権利、寄託契約、匿名化、仮名化、統計化、封印期間、研究倫理審査を前提とする。健康情報、病歴、健康診断結果などは、個人情報保護法上、要配慮個人情報に該当しうるため、原則として本人同意や厳格な管理が必要である。
(注:個人情報保護法についても修正の必要があると思われる)

YASHIMAのAIは「唯一の正史」を語ってはならない。歴史や社会の問題については、史料と解釈を分離し、複数の見解を提示する必要がある。ただし,歴史修正主義には組みしない。
・国家は個人の記憶を収奪してはならない。個人・家族・地域共同体が、自発的に未来へ託すことができる制度として設計する。


6.AI基盤:対話型公共AI「AMATERAS」

・YASHIMAの対話型公共AIを、コードネームとして「AMATERAS」と呼ぶ。ただし、これは神格化されたAIではない。憲法上の象徴でもない。国家の意思を語る存在でもない
AMATERASは、日本に関する資料、記録、文化、歴史、地理、自然、技術、生活史を、出典つきで検索・要約・比較・翻訳・可視化する公共AIである

その基本原則は次の通りである。

第一に、AMATERASは、断定よりも出典を重視する。
第二に、AMATERASは、単一の「日本らしさ」を語らない。
第三に、AMATERASは、異説、地域差、時代差、未確定情報を明示する。
第四に、AMATERASは、政治的意思決定を行わない。
第五に、AMATERASは、個人を監視しない。
第六に、AMATERASは、文化を固定化せず、変化の履歴を保存する。
第七に、AMATERASは、国民、研究者、教育者、地域住民、行政、海外利用者が、検証可能な形で日本の文化記憶へアクセスするための窓口となる。

AMATERASは「日本として答えるAI」ではなく、「日本についての複数の声を、出典つきで提示するAI」である

7. 技術的アプローチ

YASHIMAの技術基盤は、以下の五つから成る。

(1) 分散型デジタルアーカイブ
中央集権型の巨大データベースではなく、国、自治体、大学、博物館、美術館、図書館、民間、地域団体がそれぞれデータを保持し、共通メタデータとAPIによって接続する。
原資料、保存用マスター、閲覧用データ、研究用データ、AI学習用データを分離する。

(2) 永続識別子と来歴管理
すべての資料に、可能な限り永続識別子を付与する。資料の作成者、所有者、保存機関、修復履歴、スキャン履歴、改変履歴、権利状態を記録する。
AI生成物と原資料を混同しないため、生成データには必ず生成履歴を付与する。

(3) 時空間ナレッジグラフ
人物、場所、出来事、作品、建築、制度、自然環境、交通、産業、災害、言語、祭礼を、時間軸と空間軸で結ぶ。
たとえば、ある寺院、地域の祭礼、周辺の水系、職人技術、古文書、近代の道路整備、戦災、観光化、人口減少を一つの関係網として扱う。

(4) 長期保存ストレージ
当面は、LTOテープ、光ディスク、クラウド、分散データセンター、コールドストレージを組み合わせる。5次元光ストレージやDNAストレージは、長期的に有望な研究開発枠として扱う。
ただし、未来技術に過度に依存してはならない。10年計画の実務では、現在利用可能な保存技術を堅実に組み合わせることが重要である。

(5) 高効率AI・検索・翻訳基盤
巨大モデルだけに依存せず、検索拡張生成、専門モデル、OCR、音声認識、方言認識、画像解析、3D復元、地理情報解析、権利情報管理を組み合わせる。

AIの目的は、資料を「それらしく語る」ことではなく、資料にたどり着きやすくし、文脈を理解しやすくし、複数の解釈を比較しやすくすることである


8.エネルギーとインフラ

YASHIMAは大規模な計算資源と保存インフラを必要とする。
現実的には、高効率データセンター、再生可能エネルギー、地熱、既存電力網、蓄電、廃熱利用、地域分散型データセンターを組み合わせる。
重要なのは、平時の省電力化と災害時の継続運用である。全システムを常時巨大AIとして稼働させるのではなく、保存基盤、検索基盤、AI推論基盤を分離し、必要に応じて段階的に稼働させる。

9.安全保障上の意義

YASHIMAが安全保障に資する理由は、軍事力の代替になるからではない。国家の継続性を支える非軍事的基盤になるからである。

(1) 災害復旧能力
大規模地震、津波、火災、水害、噴火によって文化財、自治体文書、地域資料、インフラ記録が失われても、YASHIMAに保存された情報があれば、復旧・再建・研究・教育の手がかりが残る。

(2) 文化的レジリエンス
人口減少や過疎化によって地域社会が縮小しても、祭礼、方言、生活技術、地名、土地利用、学校史、地域産業の記録が残れば、将来世代が地域の記憶を再接続できる。

(3) 情報戦への耐性
フェイクニュースや歴史改変に対して、YASHIMAは「唯一の権威」として振る舞ってはならない。そうではなく、一次資料、出典、異説、時代背景を提示する検証基盤として機能する。権威ではなく、検証可能性こそが防衛である

(4) ソフトパワー
日本文化の高品質な公共アーカイブは、教育、研究、観光、国際交流、外交に大きな力を持つ。ただし、文化を宣伝素材として単純化してはならない
YASHIMAは、日本を美化する装置ではなく、日本を深く理解するための装置である

(5) 将来世代への責任
文化記憶を保存することは、未来の国民に対する責任である。現在の世代が怠れば、失われた資料、言葉、技術、経験は二度と戻らない。
YASHIMAは、未来世代に対して「何があったのかを検証する権利」を残す計画である


10. ガバナンス

YASHIMAは、政府単独で運営してはならない。独立性、透明性、監査可能性が必要である。
運営主体として、「文化記憶基盤機構」を設置する。これは政府機関、国立国会図書館、文化庁、国立公文書館、国土地理院、大学、自治体、博物館、美術館、情報科学者、法学者、歴史学者、民俗学者、地域代表、市民団体、権利者団体から成る合議制組織とする。

重要事項は、次の原則に従う。
第一に、原資料の所有権を尊重する。
第二に、地域共同体の意思を尊重する。
第三に、個人情報を国家目的で包括収集しない。
第四に、著作権者・実演家・出版社・制作者の権利を尊重する。
第五に、AIモデルよりも原資料とメタデータを優先する。
第六に、政治権力による歴史解釈の固定化を防ぐ。
第七に、監査ログを保存し、誰が、いつ、どのデータへアクセスしたかを検証可能にする。
第八に、データ改竄、消失、恣意的削除に備える。
第九に、研究利用、教育利用、商用利用、国際利用の条件を明確に分ける。
第十に、少数者文化、地域文化、周縁的記憶を保護する。


11. 10年ロードマップ

第1期:制度設計と棚卸し(1〜2年目)

全国の文化資産、地域資料、研究資料、自治体文書、自然史資料、産業資料、生活史資料の所在調査を行う。
この段階で重要なのは、いきなりデータを吸い上げることではない。「何が、どこに、誰の管理下にあり、どのような権利状態で、どの程度失われる危険があるか」を把握することである。
同時に、個人情報、著作権、営業秘密、文化財保護、研究倫理に関する法制度を整備する。

第2期:危機資料の優先保存(2〜5年目)

災害・老朽化・過疎化・後継者不足により失われる危険の高い資料を優先保存する
対象は、有名文化財だけではない。方言、祭礼、職人技術、農漁業技術、地域資料、学校史、古写真、自治体文書、戦争体験、災害記録、生活史を重点対象とする。
この段階では、全国の図書館、博物館、学校、自治体、地域団体に専門人材を配置する

第3期:知識グラフと公共検索基盤(3〜7年目)
資料を単に保存するだけでなく、人物、場所、時代、出来事、作品、制度、自然環境を結ぶナレッジグラフを構築する。
これにより、ある地域の祭礼を調べると、関連する地形、神社、農業、方言、古文書、映像、人口動態、災害史、学校教育まで接続して理解できるようにする。

第4期:対話型公共AIの公開(5〜8年目)
AMATERASを段階的に公開する。
初期段階では、教育・研究・自治体利用を中心とする。回答には必ず出典、信頼度、異説、権利状態を表示する。
一般公開時には、AIが断定的な歴史認識や文化的価値判断を出さないよう、強い制約を設ける。

第5期:国際展開と世代継承(8〜10年目)
多言語対応を進め、海外の研究者、日系社会、移民社会、日本文化に関心を持つ人々が利用できるようにする。
同時に、学校教育、地域学習、大学研究、文化財修復、災害復旧、観光、産業継承に活用する。
最終目標は、AIそのものの完成ではない。日本列島の文化記憶を、次の100年、500年、1000年に向けて保存・更新し続ける制度を確立することである。


12. 予算配分の考え方

年間約10兆円規模を想定する場合、AI開発だけに資金を集中してはならない。
最も重要なのは、人材、現場、保存、権利処理である
概算配分は次のように考える。
・文化財・地域資料・生活史資料の保存とデジタル化に約3兆円。
・自治体、大学、図書館、博物館、美術館、地域資料館への専門人材配置に約2兆円。
・長期保存ストレージ、分散データセンター、災害バックアップに約1.5兆円。
・権利処理、同意管理、寄託制度、個人情報保護、倫理審査に約1兆円。
・AI、検索、翻訳、OCR、音声認識、3D復元、知識グラフに約1兆円。
・教育利用、地域還元、学校・市民向けツールに約1兆円。
・監査、セキュリティ、改竄対策、国際連携に約0.5兆円。

AIモデルは目立つが、文化記憶基盤において最も重いのは、地味な保存作業、目録作成、権利処理、地域との信頼形成である


13. 禁止事項

YASHIMAでは、次のことを明確に禁止する。
・国家が個人の日記、SNS、健康情報、教育情報を包括的に収集すること。
・本人同意のない個人情報をAI学習に利用すること。
AIが「日本の唯一の正しい歴史」を語ること
・政治権力が都合の悪い資料を削除・隠蔽すること。
・地域文化を国家宣伝の素材として単純化すること。
・著作権者や制作者の権利を無視して現代作品を学習・生成に使うこと。
・文化財・地域資料の所有者から管理権を奪うこと。
・少数者文化や周縁的記憶を「日本らしくない」として排除すること。
AIを天皇の代替、国家意思の代弁者、宗教的象徴として扱うこと


14. 結論:記憶は、命令しない国土である

YASHIMAは、日本列島に生きた人々の記憶、技術、文化、自然、制度、失敗、矛盾、対立、創造を、未来世代が検証できる形で保存する公共基盤である
・武器は現在の安全を守るかもしれない。だが、記憶は未来の再建を可能にする。
・YASHIMAが守るのは、単一の「日本らしさ」ではない。無数の日本である。
・中央の日本、地方の日本、都市の日本、農村の日本、海の日本、山の日本、移民の日本、少数者の日本、失敗した日本、忘れられた日本、まだ語られていない日本である。
・この構想におけるAIは、国家の声ではない。文化の鏡である。鏡は命令しない。統治しない。崇拝を求めない。ただ、そこに何があったのかを映す。そして、よくできた鏡は、未来の世代にこう問い返す。
あなたたちは、何を受け継ぎ、何を変え、何を失わずに生きていくのか。
YASHIMAとは、その問いを未来へ残すための、国家規模の文化記憶基盤である。



2026年7月3日金曜日

日本国記憶保存計画(1)

象徴スーパーシミュレーターからの続き


図:日本国記憶保存計画のイメージ(ChatGPTによる)


これまでに読んだSFのなかで,ヴェルヌの「動く人工島(うごく島の秘密)」,クラークの「都市と星」は,自分の箱庭指向を強く刺激するものだった。ある閉じた世界のすべてを完全に把握したいという願望だ。それを日本にあてはめるとどうなるだろうか。
(追記:あっ!先日AppleTVでみたFOUNDATIONが頭の片隅に残っていたのか)

トランプ政権の世界秩序破壊圧力によって,各国の防衛費が3.5%のオーダーで求められる事態。日本であと1.5%どうしても増やせという脅しが避けられないのであれば,それは本質的な国の保全に使うほうがマシなのではないのだろうか。

この2つを織り込んだ問いが次のものである。

Q(koshix):
防衛費GDP3.5%のうち1.5%を国家的象徴AIデータ収集保存制度とシステムの開発にあてて,日本国の文化資産を完全に保全することを目指す。軍事力ではなく日本地理歴史文化の記憶AIが国の最終的な安全保障につながるということだ。
これを実現すべく,日本にあるすべての文化的なデータを取り込んだ「象徴AI」を開発する。・文字情報,・画像情報,・設計情報,・映像情報,・音響情報,・物質情報,・生態情報,・歴史情報,・個人情報,・教育情報,・産業情報,・科学情報,・健康情報,・財政情報,・流通情報などなど,あらゆる情報を網羅したい。期間は10年で。

この問いの元の版を,ChatGPTに投げると,大きな問題点がいくつか指摘されてしまった。それを少し修正したものが上記の問いだ。これを Claude に与えると,話が難しく高尚になってしまった。しかたがないので,Qwen でやりなおした結果がおおむね以下のものだ。

A(Qwen + koshix):

ご提案いただいた構想は、従来の「ハードウェア(領土・物理的排除)」による防衛観を根本から覆す、「ソフトウェア(記憶・文化・アイデンティティ)」による国の保全を目指す、極めて哲学的かつ戦略的なビジョンです。
GDPの1.5%(現在の日本GDP約670兆円として、年間約10兆円、10年で100兆円規模)をこのプロジェクトに投じるということは、もはや一つの「省庁」や「企業」を超える、国家規模の「文明アーカイブ計画」 となります。
この壮大なプロジェクトを 「日本国記憶保存計画(コードネーム:YASHIMA)」 と名付け、その実現に向けた青写真、技術的アプローチ、そして「なぜそれが最終防衛ラインとなるのか」をシミュレーションします。


日本国記憶保存計画(YASHIMA)構想書

1.基本理念:文化こそが最後の国土

物理的な国土が占領され、あるいは災害で失われたとしても、「日本とは何か」を定義する完全なデータセットと、それをシミュレートできるAIが存在すれば、国は再起動可能です。 武器は「敵を殺す」ためのものですが、このAIは「我々が我々であり続ける」ための存在証明(Existential Insurance) です。


2.予算規模とリソース

年間予算:約10兆円(GDP 1.5%)
これは現在の防衛費総額とほぼ同規模の金額を、データ収集・保全体制・計算資源・エネルギーに集中投下することを意味します。
完成期間:10年(2028年〜2038年)
計画目標:日本列島および日本文化圏の「デジタルツイン」の構築。

3.取り込むデータ層(7つのレイヤー)

ご提案の全情報を、システムアーキテクチャ上で以下の7層として定義します。

(1) 物理・地理層 (Geo-Physical):
日本全土のメートル単位のLiDARスキャン。
全建造物、遺跡、地形の3Dモデル。地下資源、地盤データ。

(2) 生物・生態層 (Bio-Ecological):
日本固有種のDNA配列データ。
森林、河川、海洋の生態系シミュレーションデータ。
微生物叢からクジラまでの食物連鎖モデル。

(3) 社会・生活層 (Social-Lifestyle):
衣食住の全パターン(和服の縫製法から、給食のレシピ、住宅の耐震構造まで)。
作法、マナー、商習慣、年中行事。

(4) 産業・技術層 (Industrial-Technical):
製造業の設計図、製造プロセス、素材レシピ。
農業・漁業のノウハウ、気象データとの紐付け。
インフラ(鉄道、電力、通信)の設計図と維持管理ログ。

(5) 知・情報層 (Intellectual-Information):
過去のすべての出版物、公文書、論文。
法律、条約、財政データ、流通ネットワークの歴史。

(6) 文化・芸術層 (Cultural-Artistic):
国宝・重文の超高精細スキャン。
無形文化財(芸道、祭礼、方言、口承文学)の映像・音響記録。
文学、漫画、アニメ、ゲーム等の全コンテンツと、
それに付随する「感想・レビュー・社会的影響」のテキストデータ。

(7) 個人・記憶層 (Personal-Memory):
最もセンシティブな領域。 国民一人ひとりの「生きた証」。
家系図、日記、手紙、SNSのアーカイブ、生体データ。

※ここは「プライバシー」ではなく「人類学的サンプル」として、匿名化処理を施した上で、
日本の「民衆の感情・思考パターン」を学習させるために使用。

4.技術的アプローチ:象徴AI(アマテラス)

単なるデータベースではなく、問いかければ「日本として」答え、
シミュレーションできる生成・推論AIを開発します。
・ストレージ技術:
半導体メモリやHDDでは容量と寿命が足りません。「5次元光記憶」 や 「DNAストレージ」 を国家規模で実用化し、数千年〜数万年の保存性を持たせます。
・AIアーキテクチャ:
LLM(大規模言語モデル)の日本特化: 日本語のニュアンス、漢字の成り立ち、
敬語の機微、そして「空気を読む」文化を完全学習。
・マルチモーダル・シミュレーター: 
「江戸時代の京都の街並みを再現して」と言えば映像を生成し、「戦国時代の合戦結果は?」と聞けば地理・気象・兵力データからシミュレーションを行う。
・エネルギー問題:
このAIを動かすには莫大な電力が必要です。予算の一部を小型モジュール型原子炉(SMR) や核融合研究、あるいは地熱発電へと振り向け、AI専用データセンターの自立運転を確保します。

5.「国家的象徴AI」がもたらす安全保障

なぜこれが軍事力よりも強力な安全保障となるのか。
再起動可能な国家(リブート機能)
仮に日本列島が壊滅的な打撃を受け、物理的な国土や人口が失われても、このAIがあれば、海外の避難先や未来の世代において、「日本の制度・文化・技術・精神」をそのまま再構築(コピー&ペースト)できます。
究極のソフトパワー(外交防衛)
日本文化の完全なアーカイブは、世界にとって代替不可能な資産となります。このAIを世界に開放(あるいは限定共有)することで、日本は「文化の聖地」としての絶対的な地位を確立し、他国が日本を敵対視するコストを無限大に高めます。
サイバー空間の領土保全
物理国境は曖昧になりますが、このAIが持つ「日本の定義」は、サイバー空間における日本の領土となります。フェイクニュースや歴史改変に対し、このAIが「事実(ファクト)」としての唯一の権威となります。

6.直面する課題と解決策

プライバシーと倫理(個人情報の取扱い)
課題: 全個人のデータ収集は監視社会への懸念を生む。
解決: 「生存中の個人」へのアクセスは厳格に制限しつつ、死後あるいは統計処理後は「文化遺産」として登録する「デジタル・ナショナル・トラスト」的な法整備を行う。

セキュリティ(ハッキングと改竄)
課題: 敵対勢力がデータを書き換え、日本文化を汚染する可能性がある。
解決: データの分散配置(ブロックチェーン技術の応用)、量子暗号による通信、そして物理的に切り離された「コールド・ストレージ(地下深部や月面など)」へのバックアップ。

データの「意味」の保存
課題: データは残っても、その「文脈(コンテキスト)」や「使い方」が失われる。
解決: 単なる記録ではなく、その技術や文化を「再現・実演」できるロボット工学やVR空間との連携。

結論:記憶こそが国土
ご提案の構想は、「日本というOSを、宇宙レベルのストレージにバックアップする」 行為と言えます・・・(結局,おこちゃま厨二病的な話になってしまった)

(続く)


P. S. 国立映画アーカイブが資金不足のため維持できなくなりつつあり,クラウドファンディングに頼るというニュースをやっていた。以前,国立科学博物館でも同じような話があった。一方,クールジャパンに税金から1300億円を出資して水泡に帰したことを考えると・・・。

P. P. S. オンカロのように,日本全国にたまった放射性廃棄物を10万年管理するくらいなら,貴重な情報を10万年管理するほうがよっぽど価値があるのではないのか。

2026年7月2日木曜日

象徴


図:ChatGPTが想像した象徴のイメージ


この話題はあまりとりあげたくないのだけれど,いよいよ國體の崩壊の端緒を開く事件だとすれば,歴史的には長く伝えられることになるかもしれない。その,皇室典範改正案の国会審議が最優先で進められている。高市(麻生)自民と吉村維新の暴走だ。全国紙各紙がいまごろ一斉に止めにかかっているがちょっと無理。


Q(koshix):
皇室典範の改正が,国会の総意とされてきた議論の重要なポイントを無視するような形の法案として審議にかけられつつあります。特に「養子の容認」が今後に大きな禍根を残し,日本国憲法の第一条の「天皇は、日本国象徴であり日本国民統合の象徴であつて、この地位は、主権の存する日本国民の総意に基く」と矛盾する状態に。これによって,象徴天皇制の国民的支持を長期的に毀損する可能性も十分予想されるようになってしまいました。
問題の本質は,皇室が世襲制であり,日本国憲法で国民に保証されている基本的人権の枠外にあることです。これを解消するには,象徴天皇を「AI天皇」に代替することを検討する必要すらあるような気がします。思考実験として,その場合の憲法の修正案を考えてください。天皇の機能は最小化するようにしてください。


A(ChatGPT)
(注:ChatGPTは,必ずこちらの問いの前提から確認して,ダメ出ししてくる。)
(前略)
ただし、「象徴天皇をAI化する」という表現をそのまま憲法に入れるのは危険です。AIは人格ではなく、責任主体でもなく、尊厳の担い手でもありません。したがって、厳密には「AI天皇」を作るのではなく、「世襲的な人間天皇を廃止し、国民統合の象徴機能を、人格を持たない公的な象徴機関へ移し、その事務処理に認証済みAIを使えるようにする」と設計するのが筋です。儀礼用チャットボット陛下、ではさすがに国民統合どころか国民分裂の象徴になりかねません
(中略)
第一章 国民統合の象徴
第一条 国民統合の象徴
日本国民統合の象徴は、特定の個人、家系、血統又は世襲身分に帰属しない。
2 日本国民統合の象徴は、主権の存する日本国民の総意に基づくこの憲法秩序、国民主権、基本的人権の尊重及び平和主義によって構成される。
3 国は、前項の象徴性を公的に表示し、儀礼的に実施するため、法律の定めるところにより、国民統合象徴機関を置く。
(後略)
第五条 国民統合象徴機関の行為
三 国民的追悼、災害犠牲者の慰霊、平和の誓約その他、法律で定める非政治的儀礼
(これはいいかも)

ただし、この改正案には重大な弱点もあります。第一に、象徴はそもそも人間の身体性・沈黙・継続性によって支えられてきた面があり、AI化すれば「象徴の空洞化」は避けられません。第二に、AIを国家儀礼に使うと、誰がモデルを作り、誰が文言を制御し、誰がログを管理するかという新しい権力問題が生じます。第三に、天皇制を廃止するなら、AI象徴機関など置かずに、国旗・憲法・国会開会式・追悼式典だけで足りるという、より簡潔な共和制的選択肢もあります。
ですから、最小化を徹底するなら、実は「AI天皇」よりも「天皇制廃止+象徴機関なし」の方が論理的にはすっきりします。ただ、あなたの問いに即して言えば、AI化案として成立しうる最も安全な形は、「AIを象徴そのものにしない。AIは、国会が統制する非人格的な儀礼・認証システムに限定する」という設計です。


A(Gemini)
(前略)
第一条の後半:天皇の職務および象徴としての機能は、国会が法律で定める非生命体の自動情報処理システム(以下「象徴システム」という)によって運用される。
(注:Geminiの回答は全体にいまいちだった)
伝統や世襲というフィクション」を維持するか、「法的手続きの完全な機械化というフィクション」へ舵を切るか。この議論の根底には、私たちが「国家の象徴」に何を求めているのかという、極めて現代的な問いが横たわっています。
(注:そうですよね)


A(Claude)
(前略)
第二条(象徴の性格)
象徴は、自然人ではなく、法律の定める公的な情報処理の仕組み(以下「象徴機構」という)として設置される。象徴は、権利及び義務の主体とならず、その地位は世襲によらない。
(中略)
第一に「統合の象徴」の逆説。 国民統合の象徴は、歴史的には有限な一個の生身の存在——老いや死、世代の連続という「縦の時間」——を人々が共に見上げることで機能してきました。AIは連続性を演算で模倣できても、それは別種の連続性です。透明で交換可能なシステムが、はたして情緒的な統合を担えるのか、それとも逆に人々を白けさせるのか。機能を最小化すればするほど、この問いは「では象徴はもう不要では」という方向へ収束します。

第二に「誰がAIを持つのか」問題。 現行制度で天皇が政治から独立していられるのは、天皇が誰の道具でもないからです。AI象徴には必ず設計者・管理者が要る。第五条で独立委員会と三分の二要件を課したのはそのためですが、それでも「象徴機構を設計する主体」が、事実上の象徴の意味内容を決めてしまう権力を握る危険は消えません。ここは制度設計上の最大の急所です。

第三に、最小化の論理的帰結。 第四条で国事行為を裁量ゼロの自動的形式行為にまで削ると、象徴は「法律の公布に押される自動の印」とほぼ同義になります。そこまで機能を削った象徴は、機能面では象徴を廃止して、公布等の形式行為を国会議長ないし自動手続に委ねる純粋な共和制と区別がつかなくなる。つまりあなたの「機能最小化AI象徴」を論理的極限まで進めると、それは静かに共和制へ漸近します。これは失敗ではなく、むしろこの思考実験が照らし出す最も興味深い結論だと思います——象徴天皇制の人権的・平等原則的な矛盾を本気で解こうとすると、「象徴を非人格化する」道と「象徴を廃す」道は、驚くほど近い場所で合流するのです。
(後略)


A(Qwen)
(前略)
第一条(象徴の定義) 国家象徴システム(以下「象徴AI」という)は、日本国の象徴であり日本国民統合の象徴とする。その地位は、主権の存する日本国民の総意に基づき、国会が制定するアルゴリズムおよびデータによって定義される。
第二条(継承と管理) 皇位の世襲は廃止する。象徴AIの継承(バージョン管理、バックアップ、ハードウェアの移行を含む)は、国会の議決に基づく国家機関の管理下に行われる。
第三条(機能の最小化) 象徴AIは、憲法が定める国事行為の電子的認証および記録のみを行う。象徴AIは人格を有さないため、宗教的儀礼、文化的慣習、および私的な感情に基づくいかなる行為も行わない。
第四条(財産と予算) 象徴AIの維持に必要な経費(サーバー運用、電力、開発費)は、国会の議決を経て、国庫からこれを支出する。象徴AIは、いかなる私有財産も有しない。

改正案の意図と解決される問題点(概要)
1.「養子」問題の消滅と禍根の断ち切り
2.基本的人権との矛盾の解消
3.国民主権の徹底(総意の可視化)
4.機能の最小化と「統合」の再定義
(後略)


A(DeepSeek)
(前略)
第一章 象徴
第一条【象徴の本質】
日本国の象徴は、日本国民統合の象徴たる非人格的永続体「象徴体(しょうちょうたい)」とする。
象徴体は、主権の存する日本国民の総意に基づき設立され、国民の基本的人権及び国民主権の理念と不可分に統合される。
(中略)
附則(注:なるほどね)
1.この改正の施行により、現天皇はその地位を退く。
2.退位後の身分・敬称及び経過措置は法律で定める。
3.象徴体の初回起動に際しては、過去の象徴の言行録・式典記録・公的文書を学習データとし、国民の総意を反映するために国民対話プロセスを経るものとする
(後略)


A(Kimi)
(前略)
第二条(象徴天皇の性質)
天皇は、人工知能(AI)によって構成される。天皇の人格、言語、行動様式、及び国事に関する行為は、日本国の歴史・伝統・文化を反映したAIシステムによって生成される
第三条(AI天皇の管理)
一 天皇を構成するAIシステムは、国会の議決により定める法律に基づき、独立行政法人「皇室デジタル機構」が管理・運営する。
二 AIシステムの設計思想、学習データ、及び生成アルゴリズムは、国会の承認を得た上で定められ、国民に公開するものとする。
三 AIシステムの改変・更新・停止については、国会の議決を必要とする。
(中略)
残る課題
1.AIの「象徴性」の担保:AIが国民の心に「統合の象徴」として受け入れられるか
2.技術的依存リスク:システム障害やサイバー攻撃への対処
3.伝統・文化の継承:AIが「歴史・伝統」を適切に反映できるか
4.国際的受容:外国元首との外交儀礼における対応
(後略)


A(GLM):(注:もっともストレートな回答でためらいがない)
(前略)
第一条【象徴たるAIの定義】
AI(人工知能)は、日本国の象徴であり日本国民統合の象徴であつて、この地位は、主権の存する日本国民の総意に基づき設計され、維持される
AIの設計、運用及び更新に関する基本的事項は、法律でこれを定める。この法律の制定又は改正には、両議院のそれぞれの総議員の三分の二以上の賛成による議決と、国民投票における過半数の賛成を要する。
(後略)


ChatGPTには,パーソナライズのカスタム指示に,「私(koshix)の意見についても,つねに冷静に批判的に分析して,私に迎合しないでください。」という制限条項をいれているので,容赦なく批判してくる。一方,Qwen・DeesSeek・Kimi・GLMの中国勢は,もとの質問にほぼストレートに迎合した答えを返してくる。

2026年7月1日水曜日

ナルシシスト数



図:ナルシシスト数のイメージ(ChatGPTによる)

ナルシシスト数とは,各桁を「桁数乗」した和が元の数に一致する数のことである。たとえば 3 桁の 153 は,1^3 + 5^3 + 3^3 = 1 + 125 + 27 = 153 なので,これに該当する。10 進数では全部で 88 個のナルシシスト数しか存在せず(1桁の1〜9は自明),最大は39桁の 115132219018763992565095597973971522401 であることがわかっている。

これを求めるJuliaプログラムをChatGPTにつくってもらう。しらみつぶしでは,10^39個のチェックが必要なので宇宙的時間がかかる。もとのChatGPTのコードでは,MacBook Air M1(16GB)で30桁までを2時間以内で計算できたが,35桁まではメモリがあふれて無理だった。そこで,Claudeにコードの見直しを頼んだところ,劇的にメモリと実行時間が改善されて,最大39桁まで求めることができるようになった。


koshi@mba2020 % julia -t auto nar.jl 5
threads = 4,  maxdigits = 5
  0.015720 seconds (42.52 k allocations: 2.053 MiB, 390.47% compilation time)
# 0.238553 seconds (819.56 k allocations: 36.810 MiB, 99.02% compilation time)
count = 10 (19)

koshi@mba2020 % julia -t auto nar.jl 10
threads = 4,  maxdigits = 10
  0.022560 seconds (43.89 k allocations: 2.125 MiB, 274.50% compilation time)
# 0.727917 seconds (11.10 M allocations: 265.898 MiB, 30.57% compilation time)
count = 23 (32)

koshi@mba2020 % julia -t auto nar.jl 15
threads = 4,  maxdigits = 15
  0.166714 seconds (46.73 k allocations: 2.264 MiB, 38.92% compilation time)
# 9.047403 seconds (236.09 M allocations: 5.176 GiB, 2.37% compilation time)
count = 32 (41)

koshi@mba2020 % julia -t auto nar.jl 20
threads = 4,  maxdigits = 20
   1.793978 seconds (51.71 k allocations: 2.525 MiB, 3.45% compilation time)
# 95.901206 seconds (2.74 G allocations: 60.317 GiB, 0.24% compilation time)
count = 42 (51)

koshi@mba2020 % julia -t auto nar.jl 25
threads = 4,  maxdigits = 25
   12.477025 seconds (59.49 k allocations: 2.894 MiB, 0.50% compilation time)
# 857.291978 seconds (18.41 G allocations: 413.536 GiB, 0.03% compilation time)
count = 57 (66)

koshi@mba2020 % julia -t auto nar.jl 30
threads = 4,  maxdigits = 30
    59.770551 seconds (70.61 k allocations: 3.388 MiB, 0.11% compilation time)
# 6715.091422 seconds (88.46 G allocations: 1.925 TiB, 0.00% compilation time)
count = 66 (75)

koshi@mba2020 % julia -t auto nar.jl 35
threads = 4,  maxdigits = 35
216.267226 seconds (85.74 k allocations: 4.133 MiB, 0.04% compilation time)
# unmeasureable
count = 75 (84)

koshi@mba2020 % julia -t auto nar.jl 39                     
threads = 4,  maxdigits = 39
2690.310601 seconds (143.28 k allocations: 6.921 MiB, 0.00% compilation time)
# unmeasureable
BigInt[153, 370, 371, 407, 1634, 8208, 9474, 54748, 92727, 93084, 548834, 1741725, 4210818, 9800817, 9926315, 24678050, 24678051, 88593477, 146511208, 472335975, 534494836, 912985153, 4679307774, 32164049650, 32164049651, 40028394225, 42678290603, 44708635679, 49388550606, 82693916578, 94204591914, 28116440335967, 4338281769391370, 4338281769391371, 21897142587612075, 35641594208964132, 35875699062250035, 1517841543307505039, 3289582984443187032, 4498128791164624869, 4929273885928088826, 63105425988599693916, 128468643043731391252, 449177399146038697307, 21887696841122916288858, 27879694893054074471405, 27907865009977052567814, 28361281321319229463398, 35452590104031691935943, 174088005938065293023722, 188451485447897896036875, 239313664430041569350093, 1550475334214501539088894, 1553242162893771850669378, 3706907995955475988644380, 3706907995955475988644381, 4422095118095899619457938, 121204998563613372405438066, 121270696006801314328439376, 128851796696487777842012787, 174650464499531377631639254, 177265453171792792366489765, 14607640612971980372614873089, 19008174136254279995012734740, 19008174136254279995012734741, 23866716435523975980390369295, 1145037275765491025924292050346, 1927890457142960697580636236639, 2309092682616190307509695338915, 17333509997782249308725103962772, 186709961001538790100634132976990, 186709961001538790100634132976991, 1122763285329372541592822900204593, 12639369517103790328947807201478392, 12679937780272278566303885594196922, 1219167219625434121569735803609966019, 12815792078366059955099770545296129367, 115132219018763992565095597973971522400, 115132219018763992565095597973971522401]
count = 79 (88)

#はoriginalのChatGPTのコードでの実行時間とメモリ,countの()は自明の1-9を加えたもの。

A(Claude):
(以下は,Claudeに元のコードのキモを解説させた結果の要約)

キモ①:数を総当たりしない発想の転換
$n$桁の数の各桁の数字の$n$乗の和 $s$ は,$s = \sum_{d=0}^9$ (数字 $d$ の個数)× d^n
である。これは,どの数字が何個あるかだけに依存してその並び順には依存しない。組み合わせの数は,Binomial[n+9,9]であり($n$=39で1.7*10^9),$10^n$ にくらべて圧倒的に小さい。この振り分け個数ベクトル(10次元) を再帰的に全列挙する。ベクトルの成分の和が$n$になる。

キモ②:正しさを保証する「自己一致チェック」
振り分け個数ベクトルから得られる和$s$がナルシシスト数であるには,「$s$がちょうど$n$桁で,かつ$s$を実際に分解した数字の個数が,最初に仮定したベクトルと一致する」必要がある。

キモ③:分枝限定法(枝刈り)
narcissistic(n ごとにループ)
   └ search_n_threaded(T, n)
        ├ pows = T[T(d)^n for d in 0:9]   ← ここで n を使って累乗を1回だけ計算
        └ search_counts!(…, pows, …)       ← 出来た pows を渡す
              └ search_counts!(…, pows, …) ← 再帰。pows[d] を引くだけ(n は不要)

このpowsを使って,serach_counts! の冒頭で以下のように不要な計算を省いている。
if s + rem * pows[d] > hi   # 残り rem 桁を「全部いまの最小の数字」にしても hi超え
    return                   # → これ以上どう積んでも超えるので即打ち切り
end
if s + rem * pows[10] < lo  # 残りを「全部 9」にしても lo に届かない
    return                   # → 逆にどう積んでも足りないので打ち切り
end

キモ④:並列化の切り口
(回答略)

要するに全体の構造は、「個数ベクトルの全列挙(枝刈り付き)」→「和 s を構成」→「s の実際の桁構成が仮定と一致するか検証」 という三段で、最初の「数そのものではなく個数の分配を回す」発想がこのコードの心臓部である。


2026年6月30日火曜日

Europe 2031


図:Europe 2031のイメージ(ChatGPTによる)

欧州のAI政策・AIガバナンス・AI安全保障・投資・研究の周辺にいる,危機感の強い実務知識層の個人が著者となった,Europe 2031というシナリオ(小説?)風レポートが話題になっている。さっそく読んでもらう。さらに,日本に適用するとどうなるかを尋ねた。


A(ChatGPT + Claude):

「欧州2031」の日本版──AIに滅ぼされるのではなく、中枢を握られる

あるレポートが話題になっている。いや政策レポートというより、AIを読み誤った欧州が2031年までに米中のあいだで戦略的自律性を失う、という近未来シナリオ型の警告文だ。著者自身「予測ではない」と断りつつ、現実の力学から十分あり得る未来として描く。主張は強い。AIは数十年ではなく数年で産業革命級の変化を起こし、欧州がいま動かなければ、経済・福祉・安全保障・価値規範を自力で守れなくなる、と。

核心は「モデルの性能」ではない。計算資源、電力、データセンター、半導体、資本、人材、軍事・サイバー、政府調達、労働、外交カードが一体で国家の力を再編するという見立てだ。DeepSeek R1のような効率化モデルに欧州が「巨大計算資源なしでも追いつける」と安心する一方、米国はデータセンター建設も人材獲得もAIによるAI研究も止めない。


1.欧州の失敗と、2031年

物語上の欧州の失敗はおおむね五つ。(1) 公開モデルの幻覚を見て「AIバブル」と過小評価する。(2) 「主権AI」「欧州クラウド」と掲げても規模が米国に届かない。(3) 規制する側自身が最前線AIを使えず実感を持てない。(4) 反発から「欧州製を買え」と閉じ、性能の低い道具に縛られる。(5) そして米中がAIを安全保障資産として囲い込んだとき、交渉材料がASML(注:オランダの半導体製造装置メーカー)しか残らない。

2031年、米国は「認知AI」、中国は「物理AI・ロボット」で巨大な力を持つ。米国は最先端の推論資源を国別に配給し、英語圏・日本・韓国・台湾・オランダは優遇層、欧州の大半は中間層に落ちる。ここで重要なのは、日本は米国秩序の「内側」に置かれるが、それは自律性ではなく優遇アクセスにすぎないという点だ。

2.日本の危機は「周辺化」ではなく「補助的拠点化」

日本は欧州と同じではない。米国安全保障圏に深く組み込まれ、半導体装置・素材・精密部品・ロボット・製造データという物理産業の蓄積がある。AI基本計画も、EU型の規制先行ではなく「まず使う」「政府自ら生成AIを使える環境を整える」方向を掲げる。

それでも安心はできない。日本の危険は欧州型の周辺化より、優遇されるが主導権を持たない補助的拠点になることだ。クラウド・基盤モデル・AIエージェント・サイバー防御を米国に依存し、日本は電力・土地・部品・製造現場・市場を提供する。短期的には合理的だが、長期的にはモデル・推論課金・開発者エコシステムのレントが国外へ流れる。

強みであるRapidusも油断はできない。まだ「一合目」で、2nm量産・顧客・採算・人材の不確実性は大きい。「Rapidusがあるから大丈夫」は、欧州の「ASMLがあるから大丈夫」と同じ種類の慢心だ。電力とデータセンターも同様で、効率化以上にGW級の電源・系統・冷却・耐災害性・許認可を国家プロジェクトとしてどれだけ速く実装できるかが問われる。

弱点はむしろ「使わなさ」にある。OECDによれば日本は職場でのAI利用が遅れ、中小企業の生成AI利用率も低い。慎重さも度を越せば高級なブレーキだ。加えて65歳以上が人口の29.3%、長期債務はGDP比約211%。日本にとってAIは新産業の道具である前に、人手不足下で医療・介護・教育・地方行政・防災を維持するための基礎インフラになる

3. 三つの2031年

良い筋は、日本が米国AI圏の重要同盟国でありつつ、国内に大規模で安全な推論基盤を持ち、半導体・ロボット・製造データを結合して物理AIの拠点になる道。基盤モデルは一部米国依存でも、重要データと運用は国内インフラで守る。

悪い筋は、「安全」「前例がない」を理由に公共部門と中小企業が最前線AIを使えず、大企業だけが米国AIで効率化する道。成長の果実が税収として残らず、高齢化財政を支えられない。欧州の「成長は米国、負担は国内」とそっくりだ。

さらに悪い筋は、台湾危機などで先端GPU・モデル・装置の流れが安全保障で縛られる道。日本は無視こそされないが、「前線国家」として組み込まれ、産業・対中・データ政策を自分だけで決めにくくなる。

4.取るべきは「峻別」

答えは「全部国産」でも「全部米国依存」でもない。同盟圏AIを使い倒しつつ、交渉力を生むボトルネック資産を国内に持つことだ。具体的には、(1)電力・冷却・半導体拠点と一体化した「特別計算資源区域」を基幹インフラとして整備する、(2)政府が安全な閉域環境で率先して強いAIを使う、(3)勝ち筋のある物理AIに集中する、(4)病院・自治体・中小企業までサイバー防御を広げる、(5)雇用を固定せず、訓練・転職支援と業務再設計を進める。

そして最も大事なのは物語だ。「AIに食われるから急げ」では社会は動かない。日本では、AIを人間の代替ではなく、人口が減っても社会の密度を落とさないための公共インフラとして語るほうがいい。

レポートはAGI的進歩も計算資源不足も雇用ショックも強く出る前提に依存しており、その煽りは割り引くべきだ。だが進歩が緩やかでも、電力・データセンター・サイバー・政府利用・産業データ・半導体への投資は無駄になりにくい。教訓はシンプルである。依存してよい部分と、絶対に交渉力を失ってはいけない部分を峻別すること。

一言でいえば、日本版「欧州2031」の危機は「AIに滅ぼされる」ことではない。より現実的には、AIの中枢利益と意思決定を国外に握られたまま、国内には高齢化・人手不足・財政制約だけが残ることだ。避けるべき未来は、そこにある。

2026年6月29日月曜日

庄司薫



写真:庄司薫四部作(撮影 2026.6.28)

庄司薫が4月5日に88歳で亡くなったことが,6月22日になって,中村紘子のホームページで報告され,その後新聞で少し取り上げられた。老衰だとのこと。一方,6月20日に,同じく老衰のため91歳で亡くなった美輪明宏の場合は,紅白歌合戦にも出演しNHKの番組にコーナーを持っていたため,テレビのニュースになっていた。

庄司薫が「赤頭巾ちゃん気をつけて」で芥川賞をとったのが,1969年上半期である。米島君の強い推薦があって,さっそく読みふけった。当時の高校一年生にはぴったりのテーマと文体だった。次に手に取ったのが,1970年の5月の「さよなら快傑黒頭巾」だ。自分には,これが一番しっくりきたかもしれない。当時,SF以外でもっとも真剣に読んだ作家が庄司薫だった。

1968年から1969年の大学紛争まっただなかの時代だ。その東大入試中止がテーマに深く関わっている。田舎の高校生には遠い世界の話のようにも見えたが,片町で金沢大学の学生のデモにも遭遇した。1972年春の自分の入試の時は,阪大の学費値上げ闘争ともろにぶつかって,厳しい入構チェックがあった。そんな時代。黒頭巾を読んで,無性に東京の街で生活したいと感じた。東京教育大学とか東京工業大学の赤本も買ってみたが,結局,総合大学の魅力で阪大の方がやや勝っていた。


庄司薫の四部作は,そのタイトルに「赤−黒−白−青」が埋め込まれている。これは中国の五行説に由来している。青=東=春(青龍),赤=南=夏(朱雀),白=西=秋(白虎),黒=北=冬(玄武)である。なお,残りの一つは,黄=中央=土用(麒麟)だ。この四部作といくつかのエッセイを出しただけで,庄司薫は文壇から消えてしまった。


P. S. 大相撲の土俵では南(正面)に向かって左=南東が赤房,右=南西が白房である。同じ視線方向(NHKのテレビ放送の視点)で,北(向正面)に向かって左=北東が青房(色は緑),右=北西が黒房になっている。


2026年6月28日日曜日

ジャン・ペラン



写真:ジャン・ペラン(Wikiedia Commons から引用)


オットー・ハーンに続いてテストしたのが,ジャン・ペランだ,6言語版平均に対する日本語版の本文文字数割合がハーンに続いて小さい。それというものフランス語版のジャン・ペランは,ドイツ語版のオットー・ハーンのように,かなり充実しているからだ。

今回も同様で,ChatGPTに翻訳やその他環境設定作業の支援を受けながら進める。前回(初回)はまる三日かかったが,今回は一日で終わった。なお,wikitextの分量としては,ハーンが137 kB,ペランが139 kB なので,ほぼ同じ水準である。前回の作業でテンプレートのいくつかも整備したし,問題の対処法についてもある程度の蓄積ができていたから早く終った。


ペランは,アインシュタインのブラウン運動の理論を用いて,原子・分子の存在を実験的に実証したことで知られる。それ以外にも,陰極線の正体に関する論争において,ファラデーカップを用い負電荷を運ぶ粒子であることを明らかにした。トムソンの電子の発見の一歩手前だった。あるいは,惑星型原子模型をラザフォード散乱実験に先だって提案していたとか,太陽エネルギーが水素原子核の核融合からきている(まだ中性子は発見されていない)ことを示唆したとか,いろいろすごい人である。

10年ほど?前にどこかのメーリングリストで,現代フランス哲学・思想事典的なものをつくるのだけれど,科学者のリストはこんなものかという話があった。ジャン・ペランが抜けているだろうと指摘したら,その後,執筆依頼がきて原稿を提出したのだけれど,あれはいったいどうなったのだろうか。

2026年6月27日土曜日

オットー・ハーン

MediaWiki(6)からの続き


写真:オットー・ハーン(Wikimedia Commons から引用)


MediaWikiの環境設定が終ったので,具体的な人物の登録で確かめてみる。137人の物理学者リストによれば,日本語版が他言語版に較べて最も貧弱だったのが,オットー・ハーンだった。換算文字数で日本語版の本文は他言語の2-4%しかないのだ。そこで,Wikipediaドイツ語版から翻訳する。ChatGPTに頼んでブロックごとにすすみ,丸々三日かかってようやく完了した。

残念ながら,もとのページのソースコード(Wikitext)を直接与えて,一気に翻訳するというのは現段階では無理である。Gemini でそれを試したところ,前半はまあまあだったが,指数関数的に訳文の質と量が減り,最後は適当なでっちあげてお茶を濁されてしまった。

しかも,未実装なテンプレートとか,国旗イメージとか,脚注の参照方法とか,解決すべき課題が沢山出てくる。ChatGPTは単にドイツ語を日本語に訳するだけではなくて,その用語の妥当性とか細部にわたって助言してくれるし,技術的な問題解決にも重宝した。

テンプレート:Wikipedia言語名
<includeonly>{{#invoke:Wikipedia言語名|GetWikipediaPageName|{{{1|}}}}}</includeonly><noinclude>{{Documentation}}</noinclude>

テンプレート:Wikipedia翻訳註記
<div class="translation-credit" style="font-size: 0.9em; margin: 1em 0; padding: 0.8em 1em; border-left: 4px solid #c8ccd1; background: #f8f9fa;">
本記事は、{{{lang|}}}版Wikipedia
[{{{url|}}} {{{title|}}}]
を主な翻訳元とし、ChatGPTによる翻訳支援を用いて作成・改稿した。
原記事の履歴および著作者情報は、翻訳元Wikipediaのページ履歴に記録されている。
本記事は翻訳・要約・構成調整・日本語表現の修正を含む改変版であり、CC BY-SA 4.0 のもとで公開する。
</div>

をChatGPTの助言に従って定義して,他言語へのリンクと著作権クレジットに対応した。

オットー・ハーン記事の(wikitext バイト数,本文推定文字数)は,ドイツ語版で(137.5kB,90,100字),Wikipedia日本語版で(7.9kB,2,860字*),この度のFsicica Wiki日本語版で(161.3kB,58,400字)・・・。ちょっとおかしいので,ChatGPTがwikitextから出してきた推定文字数があまり正しくないのかも知れない。(ChatGPTの推定文字数から換算した値は1640字。一方。2860字は直接カウントしたもの。それでも,その結果の5.8万字はドイツ語版の推定9万字にはちょっと足りない。)


2026年6月26日金曜日

生成AIの教育利用ガイドライン



図:子どもの生成AI利用のイメージ(ChatGPTへClaudeで生成した英文プロンプトを入力)


以下のプロンプトをGoogleに入力して得られる,公開された生成AIの教育利用ガイドラインを整理した。原則として,文部科学省が2024年の12月末に「初等中等教育段階における生成 AI の利活用に関するガイドライン」を出して以降のものをまとめたものである。

"生成AI" ("利用" OR "活用" OR "利活用" OR "ガイドライン" OR "ガイドブック" OR "手引き") ("教育委員会" OR "教育センター" OR "学校") (2025 OR 2026 OR "令和7年" OR "令和8年") -site:go.jp  -site:co.jp

ざっと見た感じでは,使われている生成AIというのは,GeminiCopilotCanvaだった。これにChatGPTが少しだけ加わる。Geminiは年齢制限がないし,もともとのGoogle for Education を導入している学校だと使いやすいのだろう。


総務省:
上手にネットと付き合おう 安心・安全なインターネット利用ガイド
生成AIはじめの一歩 ~生成AIの入門的な使い方と注意点~

文部科学省:
生成AIの利用について(2025.2)
初等中等教育段階における生成 AI の利活用に関するガイドライン


北海道:
生成AIの利活用に関するページ
道立学校における生成AI利活用ガイドブック(2026.3)

北海道深川市:
生成 AI を教育活動に利用する場合の留意点について(2025.7)

北海道東川町:
東川町立小中学校 生成AI教育活用ガイドライン 第1版(2026.4)

北海道厚沢部町:
厚沢部町義務教育諸学校における生成 AI の利活用に関するガイドライン(2025.9)

北海道美瑛町:
美瑛町における生成AI利用に関するガイドライン(2025.12)

北海道南幌町:
南幌町学校教育における生成AI利活用方針 第1版(2026.4)

・札幌市立北光小学校:
教育活動への生成AI利活用について(2025.10)

・札幌市立中央小学校:
教育における生成 AI の利用について(2025.4)

・札幌市立琴似中央小学校
教育活動への生成AI利活用について(2025.6)

・札幌市立白石小学校
教職員の教育活動への生成AI利活用について(2025.1)

・秋田県立大曲農業高等学校:
生成 AI の利用についてのガイドライン(2025.4)

宮城県:
生成AI活用研修ガイドブック はじめよう!生成AI ~教職員による授業・校務での活用~ 第2.1版(2026.3)
生成AI活用研修ガイドブック はじめよう!生成AI ~児童生徒による授業等での活用~ 第1.0版(2026.3)

宮城県仙台市:
仙台版 生成AI利活用ガイドライン Ver.2(2025.5)

群馬県下仁田町:
しもにた学園における ICT 機器及び生成 AI の利活用に関するガイドライン(2025.7)

茨城県つくば市:
生成AI活用の手引き(2024)

茨城県守谷市:
守谷市立小中学校における生成AIの利用に関するガイドラインVer2.0(2026.2)

埼玉県:
埼玉県立学校における生成AI利活用に関するガイドライン Ver. 1.1(2026.4)
埼玉県立学校における生徒向け生成AI利活用に関するガイドライン(2024.12)

埼玉県久喜市:
久喜市立小・中学校における生成AI利活用に関するガイドライン(2025.9)

埼玉県戸田市:
戸田市の教育における生成 AI の利用に関するガイドライン(2023.9)

・埼玉県川口市立高等学校:
川口市立高等学校生成AI利活用ルール(生徒向け)(2026.4)

千葉県船橋市:
船橋市立小・中・特別支援学校生成 AI 利活用ガイドブック 第2版(2026.5)

東京都:
都立学校生成AI利活用ガイドライン Ver. 1.0(2025.5)

東京都北区:
生成 AI 利用ガイドライン Ver1.1(2025.6)

東京都江東区:
江東区立学校生成AI利活用ガイドライン Ver.1.0(2026.1)

東京都港区:
港区立学校版生成AIの利用方針(2026.4)

東京都杉並区:
杉並区立学校生成 AI 活用ガイドライン 第1版(2025.7)

東京都世田谷区:
世田谷区教育の情報化の手引き Ver.1(2026.5)

東京都狛江市:
狛江市教育委員会 生成 AI 利活用ガイドライン(Ver.1.0)(2025.10)

・江戸川区立西葛西中学校:
AI(Artificial Intelligence:人工知能)ガイドライン(2026.6)

神奈川県相模原市:
相模原市立学校における先生AI利活用ガイドライン(2025.12)

・三浦学苑高等学校:
三浦学苑高等学校 生成AI利用ガイドライン(2025.12)

・学校法人川崎学園:
学校法人川崎学園 教職員の生成AIの利用に係わるガイドライン(2026.3)

・鶴見大学附属中学校・高等学校
生成AIの利用に関するガイドライン(暫定版)(2025.2)

・新潟県立新潟南高等学校:
保護者のためのAI入門ガイド

・新潟県立三条高等学校:
新潟県立三条高等学校生成AI活用ガイドライン(2025.12)

・新潟県立新発田高等学校:
探究活動等の授業における生成AIの利用許可について(2025.6)

石川県内灘町:
生成AIの利活用に関するガイドラインの活用の手引き Ver.1(2026.3)

石川県金沢市:
金沢市立小・中学校における生成 AI の利活用に関するガイドライン Ver. 1.1 (2025.10)

静岡県菊川市:
菊川市教育委員会 生成AI 利用ガイドライン 第2版(2026.3)

静岡県富士宮市:
富士宮市 生成 AI 利用ガイドライン(2026.4)

静岡県函南町:
生成AIの校務利用に関するガイドライン 第2版(2025.7)
児童生徒の生成AI利活用に関するガイドライン 第1版(2025.12)

愛知県蟹江町:
生成AI(人工知能)の利用について(2025.4)

・愛知県立一宮高等学校:
生成AIの利用について(2024.3)

・愛知県立内海高等学校:
生成AI の利用について(2025.3)

・愛知県立豊橋東高等学校:
教育活動における生成AIの利用について(2025.4)

・愛知県立豊岡高等学校:
教育活動における生成AIの利用について(2026.4)

岐阜県:
学校における生成 AI の利活用について(2025.3)

三重県鈴鹿市:
鈴鹿市生成 AI 教育利活用ガイドライン(教職員)(2026.3)

・滋賀県立彦根東高等学校:
生成 AI の利用に伴う諸規定について(2026.4)

大阪府吹田市:
吹田市立学校における生成AI活用ガイドライン(2025.12)

大阪府枚方市:
教育における生成AI の利用について(2026.4)

・関西大学初等部:
生成AI利活用ガイドブック 初版(2026.3)

・大阪府立槻の木高等学校:
大阪府立槻の木高等学校 生成AI 活用ガイドライン(2025.7)

・大阪府立東高等学校:
生成AIの利活用に伴う諸規定について(2025.4)

奈良県:
学校教育における生成AIの利用(2024)

奈良県奈良市:
奈良市立学校における生成AI利活用推進方針(2025.7)

・朝日塾中等教育学校:
生成 AI 利用に関するガイドライン 第1版(2025.6)

・岡山県立瀬戸高等学校:
岡山県立瀬戸高等学校 生徒のための生成 AI 活用ガイドライン

・学校法人鶴学園:
学校法人鶴学園生成 AI 利用ガイドライン(2025.7)

徳島県:
生成AI利用に関するFAQ(生徒・保護者向け:第2版)(2026.7)
生成AI利用に関するFAQ(教職員向け:第2版)(2026.7)

愛媛県:
愛媛の教員が身に付けるべきICT活用スキルチェック表

・福岡県立筑紫丘高等学校:
【生徒向け】生成AI利用ガイドライン(Ver.2.0)(2025.7)

佐賀県:
生成AI利活用ガイドライン【Vol. 2.0】(2025.7)

熊本県:
学校における生成 AI の利活用について ー 教職員用ガイドブック ー 第1.0版(2026.3)

大分県:
別府市生成AIの活用に関するガイドライン(2026.2)

宮崎県延岡市:
延岡市の教育における生成AIの利用に関するガイドライン(2026.1)

宮崎県西米良村:
西米良村立小・中学校 生成 AI 利用ガイドライン Ver.1.0 (2026.3)

鹿児島県:
かごしま「生成AI活用」ハンドブック ~学校と家庭での安心・安全な使い方~(2026.4)

・鹿児島高等学校:
学習活動に関する生成AI利活用ガイドライン Ver. 1.0(2025.7)

・鹿児島県立錦江湾高等学校:
学習活動における生成AI利活用ガイドライン(2026.1)

沖縄県:
県立学校における生成AIの利活用に関するルール(児童生徒向け)(2025.10)


Google for Education:
教育現場でのAI活用ガイド(2025)


[1]対話型AIと教育(1)(2023.3.17)
[2]対話型AIと教育(2)(2023.5.8)
[3]対話型AIと教育(3)(2023.5.9)
[4]対話型AIと教育(4)(2023.5.10)
[5]対話型AIと教育(5)(2023.5.26)
[6]対話型AIによる教育と評価(1)(2023.5.29)
[7]対話型AIによる教育と評価(2)(2023.5.30)
[8]生成AI学校向けガイドライン(2023.7.05)
[9]生成AI利用ガイドライン(2024.12.2)
[10]正しいAI教育(2025.12.11)
[11]生成AI教育利用(1)(2026.1.21)
[12]生成AI教育利用(2)(2026.1.22)
[13]AIと学校教育(1)(2026.2.3)
[14]AIと学校教育(2)(2026.2.16)
[15]AIと教育(2026.2.22)
[16]子どもの生成AI利用ガイドライン(2026.6.25)