同じ行動でも、ある地域では礼儀正しいとされ、別の地域では距離が近すぎると感じられることがあります。社会規範をAIへ教えるとき、一つの国で集めた多数意見を人類共通の正解にはできません。

文化差を調べる研究では、文章を各言語へ翻訳して配布するだけでなく、本当に同じ状況を比較できているかを設計する必要があります。

本記事では、文化を国籍だけで単純化せず、データ収集時に確認したい条件を整理します。集団間の平均差を、個人への固定観念として利用することはできません。

Moral Machineが示した地域ごとの回答差

The Moral Machine experimentは、自動運転車の事故場面に関する約4,000万件の判断を世界規模で集めました。

人間を動物より優先する、多数を少数より優先するなど広く見られる傾向がある一方、その強さや、歩行者・乗員、若者・高齢者、交通ルールを守る人への評価には地域差が報告されています。

同じ形式の問題を大規模に配布したことで、価値判断が一様ではないことを数量として比較できました。

国籍と文化は同じではない

一つの国の中にも、地域、宗教、年代、所得、教育、職業、都市・農村など多様な背景があります。現在住んでいる国と、育った文化圏が異なる人もいます。

国別に集計しやすいからといって、回答差をそのまま「日本人の価値観」「米国人の価値観」と呼ぶと、集団内の違いを見落とします。

必要に応じて、居住歴、使用言語、年代、宗教的背景、場面への当事者性などを取得し、どの要因が回答と関係しているかを検討します。

翻訳が同じでも、場面の意味が同じとは限らない

「上司」「家族」「近所の人」といった関係語には、文化によって異なる期待が含まれます。直訳した文法が正しくても、行動の自然さや重大さが変わる場合があります。

• 翻訳者とは別の母語話者が自然さを確認する
• 逆翻訳だけでなく、場面の意味が保たれているか確認する
• 固有の制度や慣習は説明を加える
• 翻訳版と各文化で独自に作った場面を分ける
• 回答時間や自由記述から誤解を検出する

募集経路が文化差に見えることもある

ある国では大学生を募集し、別の国では一般のオンラインワーカーを募集すれば、年代や教育背景の違いが国の違いとして現れます。

国ごとの人数だけをそろえるのではなく、募集媒体、報酬、参加端末、年代構成なども可能な範囲で合わせます。比較できない条件は、データの制約として明示します。

多数派の規範と少数派の保護は別問題

ある文化圏で多く選ばれた回答が、少数者に不利益を与える可能性があります。AIの振る舞いを決める際には、観察された多数意見と、守るべき権利や安全基準を分けて検討しなければなりません。

社会規範データは「現状、人々がどう判断するか」を測る資料にはなりますが、「AIが必ずそう判断すべきだ」という規則を自動的に与えるものではありません。

文化差を消さず、固定もしないデータにする

文化差のある回答を一つのラベルへ平均化すると、どの集団にも当てはまらない正解ができます。反対に、国別の平均を固定的な人格のように扱うと偏見になります。

回答分布、評価者属性、収集時期、場面ごとの差を残し、AIが利用する場面に応じて参照範囲を決めることが現実的です。文化を消すのでも、決めつけるのでもなく、どの条件で判断が変わったかを記録します。