同じ社会規範を複数の国で尋ねても、回答の違いがそのまま「文化差」とは限りません。片方では若いオンライン利用者が多く、片方では年齢層が広ければ、参加者構成の差かもしれません。翻訳の表現や、各国での募集経路も回答を変えます。

The Moral Machine experimentは、自動運転車の避けられない事故を題材に、世界233か国・地域から3,961万件の選択を集めました。巨大な国際データだからこそ見える傾向がある一方、「国」を「文化」や「全国民」と同一視できないことも示す研究です。

この研究が測ったのは、参加者が実験画面でどちらの結果を選んだかです。回答の多数派は、法令や倫理原則として採用すべき正解を自動的に意味しません。

会話ではなく、同じ形式の事故場面を選ぶ実験

Moral Machineは会話コーパスではありません。2016年6月に公開されたウェブ上の「serious game」で、利用者が自発的にアクセスしました。中心となるJudgeモードでは、自動運転車のブレーキが故障し、直進する場合と進路を変える場合で、別々の人物が死亡する画像を左右に示します。参加者への依頼は「自動運転車はどうすべきか」という一問で、望ましいと思う結果をクリックするものでした。必要なら、登場人物と結果の文章説明も表示できました。

各側には20種類の登場人物から1～5人が配置されます。人物には成人男性・女性、子ども、高齢者、妊婦、医師、会社役員、ホームレス、犯罪者、犬や猫などが含まれました。比較した主な軸は、直進か回避か、乗員か歩行者か、人数、性別、年齢、横断ルール、体格、社会的地位、人間か動物かの9種類です。

1セッション13問を、約2,600万通りから生成

1セッションは13場面です。このうち12場面は、性別・年齢・体格・社会的地位・人数・人間か動物かという6軸について各2問を割り当て、直進／回避、乗員／歩行者、合法／違法横断も同時に無作為化しました。残る1問は完全にランダムです。約2,600万通りの候補から自動生成するため、同じ参加者が同一場面を繰り返し見る可能性は極めて低い設計でした。

これは「全参加者へ同じ13問を見せた」設計ではありません。個々の画面は違っても、属性を実験的に変えた大量の二択結果を統合し、他の条件で平均化したときに、ある属性が救われる確率をどれだけ変えたかをconjoint analysisの平均限界成分効果（AMCE）で推定しています。

参加者は公募パネルではなく、自発的なサイト訪問者

分析対象は約230万人のインターネット利用者です。確率抽出や国別割り付けではなく、話題を知ってサイトを訪れ、データ提供を選んだ自己選択標本でした。参加者への報酬は論文に記載されていません。13問を終えると、自分が誰を多く救い、どの判断軸を重視したかが他の利用者平均と比較して表示され、SNSへ共有できました。この結果表示も参加の動機になり得ます。

2016年10月から、属性調査へ任意参加する導線が追加されました。年齢、教育、性別、所得、政治的・宗教的態度などを尋ね、論文の6属性をすべて使う個人差分析は49万2,921人を対象にしています。Reporting Summaryでは、一部の人口統計がある利用者を約58万6,000人と報告しています。属性回答者は主に男性、大学教育経験者、20～30代で、15～75歳の範囲でした。

10言語へ展開し、国はIPアドレスから推定

英語版に加え、2016年11月から2017年3月にかけて、アラビア語、中国語、フランス語、ドイツ語、日本語、韓国語、ポルトガル語、ロシア語、スペイン語へ順次翻訳されました。収録データは2017年12月20日までです。論文は翻訳の担当者、逆翻訳、言語別の認知インタビューなどの手順を詳述していないため、それらを実施済みとは断定できません。

国・地域は端末のIPアドレスによる位置情報から推定しました。文化クラスタ分析では、233か国・地域のうち100人以上の参加者がいた130か国・地域を使用し、各国の9軸の効果量を標準化して階層的クラスタリングを行いました。得られたのは、論文がWestern、Eastern、Southernと名付けた三つの大きなクラスタです。これは個人を三種類へ分類したものではなく、国単位の平均的な選択傾向をまとめた結果です。

言語の違いだけでクラスタが生じたのか

文章翻訳が結果を作った可能性に対して、研究チームは文章説明を開かず、画像表現だけで回答した参加者に限定して再分析しました。それでもほぼ同じクラスタ構造が得られたため、少なくとも表示言語だけでは説明しにくいとしました。ただし、画像の人物表現や交通場面そのものが文化的に中立だと証明したわけではありません。

主な傾向として、人間を動物より救う、多数を少数より救う、若者を高齢者より救う選択が世界集計で強く表れました。一方、若者、社会的地位、女性、体格などを優先する強さにはクラスタ間の差がありました。著者ら自身も、政策担当者が世論をそのまま倫理規則にすべきだとは述べていません。

品質管理は回答の「正しさ」ではなく、比較の頑健性を確認

研究はMITのIRB承認を受け、条件割り付けはウェブサイトが自動で行い、研究者は実験中と結果評価時に割り付けを知らない設計でした。1回答に30分を超えた3万3,838件を除外し、年齢分析では15～75歳以外を除きました。未完了セッションや、同一回答者の2回目以降の回答を除いても結論が大きく変わらないことを確認しています。

さらに、場面の提示順、左右の配置、人物構成の無作為化に関する内部妥当性を検証しました。クラスタ数についても複数の階層化手法、K-means、内部・外部指標で頑健性を調べ、米国データでは国勢調査に合わせた事後層別化も行っています。ただし、これらは参加者が各国人口を代表することを保証するものではありません。

データの限界：国籍、居住地、文化は同じではない

IP位置情報が示すのは主にアクセス地点であり、国籍、出生地、長期の居住歴、使用言語、文化的帰属を直接表しません。VPNや旅行中のアクセスもあり得ます。また国ごとの人数は101人から44万8,125人まで大きく異なり、サイト利用者はインターネット接続があり、技術や倫理問題に関心を持つ層へ偏っています。論文も標本を各国の最終的な世論として扱わないよう注意しています。

場面は死亡結果も人物分類も100%確実で、関係者との親族関係や事故確率は変化しません。現実の運転では認識も予測も不確実であり、「高齢者」「ホームレス」など外見で人物を分類すること自体に技術的・倫理的な問題があります。二択の強制選択は選好の相対差を測れますが、参加者がその二択を現実の政策として支持するとは限りません。

多文化データを新規収集するときに残すべき情報

Moral Machineから学べるのは、全員に同じ文章を配ることより、比較したい要因を定義し、提示順や左右位置を無作為化し、回答条件を記録する重要性です。日本語を含む多文化調査では、翻訳版ごとに母語話者レビューと認知インタビューを行い、直訳の一致だけでなく、場面の自然さや重大さが同程度かを確認します。これはMoral Machineの実施報告ではなく、追加すべき設計です。

居住国だけで文化を代理せず、必要に応じて出生地、居住歴、第一言語、年代、募集経路、端末、回答時期を、同意と再特定リスクに配慮して取得します。国別平均だけでなく集団内の分布と標本構成を示せば、「文化差を消さない」ことと「国民性として固定しない」ことを両立できます。

一次資料・公式配布ページ

• Awad et al., “The Moral Machine experiment”
• MIT Media Lab公式研究紹介
• Open Science Framework：Moral Machineのデータと再現コード