AI失業 人工知能が雇用構造を破壊 ラッダイト運動 所得格差と貧困 教育格差 世代間格差 人工知能AI ロボット工学 第5章~8章

 

第5章 AI・ロボット技術の発展と雇用への影響

AI(人工知能)やロボット工学の急速な発展は、産業構造や雇用環境に大きな変革をもたらしています。これらの技術は、生産性の向上や経済成長の促進に寄与する一方で、雇用の代替や労働市場の二極化など、雇用に対する懸念も生んでいます。本章では、AI・ロボット技術の発展が雇用に与える影響について、歴史的な視点を交えつつ、考察します。

著作権法第30条の4は、著作物に表現された思想又は感情の享受を目的としない利用について規定しています。この規定では、特定の場合において著作物を利用することが認められています。
対象となる利用の例
技術の開発等のための試験の用に供する場合
技術の開発や実用化のために著作物を試験的に利用する場合。この例には、美術品の複製に適したカメラやプリンターを開発するために美術品を試験的に複製する行為が含まれます。
情報解析の用に供する場合
多数の著作物から情報を抽出し、比較や分類を行う情報解析を行う場合。この例には、人工知能の開発を行うために著作物を学習用データとして収集して利用したり、収集した学習用データを人工知能の開発という目的の下で第三者に提供する行為が含まれます。
電子計算機による情報処理の過程における利用
電子計算機を用いて情報を検索し又は情報解析を行い、その結果を提供する場合。この例には、プログラムの著作物を利用する行為(リバース・エンジニアリング)や、コンピュータの情報処理の過程で著作物をコピーして、そのデータを人が全く知覚することなく利用する行為が含まれます。
制限事項
この規定は、著作物の種類や用途、利用の態様に照らして著作権者の利益を不当に害する場合には適用されません。

AI無断学習が合法でも、AI生成時には著作権者の許諾が必要な場合があります。著作権法第30条の4
 

無断学習の根拠とされている著作権法第30条の4には重要な例外があります。
「著作権者の利益を不当に害する場合」には、この規定が適用されないとされています。
AI無断学習は違法です
・著作権者が明示的に学習用データとしての使用を拒否している場合
・有料で提供されているデータベースから無断でデータを取得した場合
・学習結果が元の著作物と本質的に類似している場合。
これらの場合、著作権者の利益を侵害する可能性が高く、
その結果として違法行為と見なされることがあります。

DanbooruにはFANBOXの有料イラストも無断転載、無断掲載されています
つまりMidjourneyやNovelAIはDanbooruデータセット(無断転載イラスト集)を
AI学習に無断使用しているため著作権者の利益を不当に害している

 
日本音楽作家団体協議会(FCA)パブリックコメント
著作権法30条の4

「著作権法改正の審議の過程で強調されたことは 日本発のイノベーションを促すための法改正で、 日本版検索エンジンの開発のために著作物を利用するということであって、 人が知覚を通じて著作物を享受するものではないということでした」

だまし討ちで著作権法改正 AIイラストは人が知覚を通じて著作物を享受している
 

AI・ロボット技術の進歩と産業構造の変化

AI・ロボット技術は、近年めざましい進歩を遂げています。機械学習や深層学習の発展により、AIは画像認識、音声認識、自然言語処理など、様々な分野で人間に匹敵する、あるいは人間を上回る性能を示すようになりました。また、センサー技術やアクチュエーター技術の進歩により、ロボットは従来の産業用ロボットから、サービスロボットや協働ロボットへと進化しています。
これらの技術進歩は、産業構造に大きな変化をもたらしています。製造業では、産業用ロボットの導入が進み、自動化・省人化が加速しています。サービス業では、AIを活用した顧客対応の自動化やロボットを活用した業務の効率化が進んでいます。また、AIやロボット技術は、医療、教育、金融など、幅広い分野での活用が期待されています。
産業構造の変化は、雇用構造にも大きな影響を与えます。従来の職種や業務が自動化・代替される一方で、AI・ロボット技術の開発や運用に関連する新たな職種が生まれています。また、AIやロボットと協働する形での働き方も広がりつつあります。

著作権法第30条の4 著作物に表現された思想又は感情の享受を目的とする利用行為には、原則として著作権者の許諾が必要です。
「享受」とは、一般的に「精神的にすぐれたものや物質上の利益などを、受け入れ味わいたのしむこと」を意味します。著作物の視聴等を通じて、視聴者等の知的・精神的欲求を満たすという効用を得ることに向けられた行為であるか否かという観点から判断されます。

AI・ロボット導入による雇用代替の可能性と影響

AI・ロボット技術の導入は、一部の職種や業務における雇用の代替を引き起こす可能性があります。特に、定型的で反復的な作業は、AIやロボットによる自動化の対象となりやすいと指摘されています。例えば、工場の組立作業や、事務職のデータ入力作業など、一定のルールに基づく作業は機械化されやすい傾向にあります。

著作権法第30条の4は、著作物に表現された思想又は感情の享受を目的としない利用について規定しています。

「著作物に表現された思想又は感情の享受」を目的としないと判断される行為は、以下の要件を満たす必要があります
・目的が享受にない 行為が著作物に表現された思想又は感情を自ら享受し又は他人に享受させることを目的としないこと。
・必要な範囲での使用 行為が必要と認められる限度での使用であり、著作権者の利益を不当に害することとならないこと。
・著作権者の利益を害さない 行為が著作物の種類及び用途並びに当該利用の態様に照らし著作権者の利益を不当に害することとならないこと。

具体的には、以下のような行為が「著作物に表現された思想又は感情の享受」を目的としないと判断されることがあります
技術開発や実用化のための試験 音響機器の製造会社が開発中の録音機器の録音機能の試験のために音楽を録音するような場合。
情報解析 ディープラーニングの方法による人工知能の開発のための学習用データとして著作物をデータベースに記録するような場合。(享受する目的での情報解析は合法ではありません)
電子計算機による情報処理の過程における利用 コンピュータでの情報処理で、バックエンドで著作物がコピーされてそのデータを人が全く知覚することなく利用される場合。

これらの行為は、著作物に表現された思想又は感情を享受することを目的としないが、著作権者の利益を害さない範囲で行われるため、著作権法30条の4に基づいて許容される利用と判断されます。

著作権法30条の4
情報解析、無断学習が合法でもAI生成時、AI出力で「著作物に表現された思想又は感情を享受することを目的とする場合」「著作権者の利益を害する場合」は著作権者の許諾が必要です。
類似性と依拠性がある場合は著作権侵害、著作権法違反、不正競争防止法違反です
 

また、AI技術の発展により、従来は人間の専門性が必要とされていた分野でも、雇用の代替が進む可能性があります。例えば、医療診断や法律相談、金融取引など、専門的な判断を必要とする業務の一部がAIに代替される可能性が指摘されています。
雇用代替による影響は、労働者の属性によって異なると考えられます。特に、低スキルの労働者や、定型的な業務に従事する労働者は、雇用代替のリスクが高いと指摘されています。また、雇用代替は、所得格差の拡大や失業率の上昇につながる恐れもあります。
ただし、雇用代替の影響は、一様ではありません。AIやロボット技術の導入は、生産性の向上や新たな付加価値の創出につながり、雇用の創出効果もあると指摘されています。また、人間とAI・ロボットが協働する形での新たな働き方も生まれつつあります。

雇用の創出効果は中途採用にはありません 新卒至上主義が加速するでしょう
生成AIは人間不要論を強化します。


AI失業の懸念と技術失業の歴史的考察

AI・ロボット技術の発展に伴い、大量の失業が発生するのではないかという懸念が広がっています。「AI失業」や「技術失業」と呼ばれるこの問題は、技術進歩と雇用の関係を巡る古くて新しい問題でもあります。
歴史的に見ると、産業革命以降、技術進歩は雇用に大きな影響を与えてきました。18世紀末の英国では、織機の自動化により手織り工が失業するという「ラッダイト運動」が起こりました。20世紀初頭には、自動車の普及により馬車関連の職業が衰退しました。1960年代には、オートメーション化による「技術失業」が社会問題化しました。

ラッダイト運動の解説 19世紀 機械化と技術進歩に対する反対運動

ラッダイト運動は、19世紀初頭のイギリスで発生した、機械化と技術進歩に対する反対運動です。この運動は、産業革命の進展に伴う織機などの機械化が、手工業者や熟練工の仕事を奪い、失業や貧困をもたらすことを危惧したことから始まりました。
運動の名称は、伝説上の人物であるネッド・ラッドにちなんでおり、彼は機械を破壊する運動の先駆者とされています。ラッダイト運動の参加者たちは、「ラッダイト」と呼ばれ、機械の破壊活動を行いました。特に織物産業が盛んだったイングランド中部や北部で、織機の破壊が相次ぎました。
ラッダイト運動は、単なる機械破壊運動にとどまらず、より広範な社会的・経済的な不満の表れでもありました。当時のイギリスでは、ナポレオン戦争後の不況や穀物法の制定による食料価格の高騰、労働者の低賃金と劣悪な労働環境など、様々な問題が存在していました。ラッダイトたちは、機械化が失業と貧困を悪化させると考え、機械の破壊を通じて抗議の意思を示したのです。
運動の過程では、ラッダイトたちが裁判官や食料商人に対して匿名の脅迫状を送ったり、実際に襲撃を行ったりするなど、過激な行動に出たこともありました。これに対して、政府は厳しい弾圧で対応し、多くのラッダイトが逮捕・処刑されました。また、軍隊が動員され、ラッダイトとの衝突も発生しました。
ラッダイト運動は、1817年頃までに沈静化しましたが、その後も機械化と技術進歩に対する懸念は根強く残りました。20世紀以降、ネオ・ラッダイト運動と呼ばれる新たな動きが登場しました。ネオ・ラッダイトは、新技術がグローバル資本主義には有益でも、人類や環境には必ずしも有益ではないと主張します。彼らは、技術の発展が社会的な不平等や環境破壊を助長すると考え、責任ある技術開発を求めています。
また、現代社会においても、ラッダイト的な思想を持つ人々が存在します。彼らは、現代技術に過度に依存することを嫌い、自動車やテレビ、電気などを使わない生活を送ることを選択します。環境保護を重視する活動家の中にも、ラッダイト的な考え方を持つ人々がいます。
ラッダイト運動は、技術進歩と社会の関係性について重要な問いを投げかけています。技術の発展は、生産性の向上や生活の利便性をもたらす一方で、失業や社会的な不平等、環境破壊などの問題も引き起こし得ます。ラッダイト運動は、技術進歩の負の側面に警鐘を鳴らし、その影響を真摯に考える必要性を示唆しています。
もちろん、ラッダイト運動のように機械を破壊するという行為自体は、合法的・生産的とは言えません。しかし、技術と社会の関係性について批判的に考察し、技術の発展が人類全体の利益につながるよう、責任を持って方向付けていくことは重要です。技術者や政策立案者は、技術の社会的影響を十分に考慮し、倫理的な判断を下す必要があります。
また、技術進歩によって失業や経済的困窮に直面する人々への支援も欠かせません。職業訓練の提供や社会保障制度の充実により、技術の発展に伴う社会的な摩擦を緩和することが求められます。
ラッダイト運動は、200年以上前の出来事ですが、現代社会にも通じる示唆に富んでいます。AIやロボット工学、ビッグデータ解析など、現代の技術革新は、社会に大きな変革をもたらしつつあります。技術の発展を歓迎する一方で、その影響を考察し、負の側面にも目を向ける必要があるでしょう。
ラッダイト運動の教訓は、技術と社会の調和を図ることの重要性を示唆しています。技術の発展は、人類の幸福につながるものでなければなりません。そのためには、技術者や政策立案者、市民社会が対話を重ね、技術の在り方について真摯に議論していくことが求められます。ラッダイト運動から学ぶべきは、技術と社会の関係性に無関心でいてはならないということです。私たちは、技術の発展と社会の調和を目指し、より良い未来を築いていかなければならないのです。

19世紀と21世紀では時代背景が違います ロボット工学、機械化が、手工業者や熟練工の仕事を奪うのは事実で、人工知能AIはさらに職人の技と仕事を奪うだけでなく、ブルーカラー、ホワイトカラー、クリエイターなどすべてに影響があります。安泰だと思われていたクリエイター業も生成AIの脅威にさらされています。
トヨタは、塗装の自働化を積極的に推進してきた。1994年には、コンベア上を流れるボデーに追従して塗装条件を一定に保ちながら、あらゆる部位を塗装できるアーム型の塗装ロボットを導入した。現在では、ロボットが塗装作業を行い、塗着効率は95%を超えている。これにより、無駄になる塗料はわずか5%弱しかない。
著作物に込められた思想や感情を享受することを目的とする場合は、著作権法30条の4に基づいて許容されません。著作権法30条の4に基づいてAI無断学習を合法だと主張するには「著作物に込められた思想や感情を享受しない」目的である必要があります 享受しない目的のAI無断学習が合法でもAI生成時が合法とはまだ規定されていません。
享受する目的のAI無断学習は違法です。著作権者の許諾が必要です

AI無断学習を合法と主張するには、著作物に込められた思想や感情を享受しない目的であることが必要であり、著作物を学習用データとして収集・複製し、学習用データセットを作成し、AIを開発する際には、著作権者の利益を不当に害することとなる場合には許諾が必要とされます。

しかし、歴史を振り返ると、技術進歩は雇用を奪う一方で、新たな雇用を生み出してきたことがわかります。産業革命により、工場労働者という新たな職種が生まれました。自動車の普及は、自動車産業や関連サービス業の雇用を創出しました。コンピュータの発展は、プログラマーやシステムエンジニアといった新たな職種を生み出しました。

生成AIはイラストレーターの雇用を生みません。
人件費削減のため、イラストレーター自体を雇わないからです。
呪文入力者としてチーフデザイナーが1人いるだけで事足りてしまいます。
修正にアルバイトを雇うなど非正規雇用を増やし、正社員採用は減るでしょう。
ライセンスに違反している粗製乱造ソシャゲがあふれています。

2024年8月22日
NovelAIリークモデルはCC BY-NC-SA 4.0ライセンス=クレジット表記義務・非営利目的のみ・商用利用禁止・二次的著作物=マージモデルも商用利用禁止ライセンス継承であることが発表された
https:// blog .novelai .net/novelai-diffusion-v1-weights-release-jp-01d7fbad6fd7

 

Linaqruf/AnythingV3
https:// huggingface .co/Linaqruf/anything-v3.0 盗難品 削除済
AnythingV3も正体が盗難品NovelAIリークモデルであることが
2022年10月違法アップロード当時から自白・発覚しています
AnythingV3.0.ckpt (Chinese NAI Resume Training Model) NovelAI leaked model
NovelAIリークモデルanimefull-finalpruned.ckpt vs AnythingV3.0-pruned.ckpt
https:// github .com/questianon/sdupdates/discussions/1
andite/AnythingV4
https:// huggingface. co/andite/anything-v4.0 違法であり削除済み
AbyssOrangeMix2がマージレシピに含まれているためNovelAI animefull-final-pruned.ckpt[925997e9]が混入されている違法なマージモデル
andite/PastelMix
https:// huggingface .co/andite/pastel-mix 違法ライセンス違反で削除済
マージレシピにBasilMix(NovelAI animefull-final-pruned.ckpt[925997e9])が直接混入している
OrangeMixs、AbyssOrangeMixシリーズはNovelAIリークモデルやBasilMixがマージされて混入しているため、違法海賊版でさらに商用利用禁止ライセンスが混ざって危険な違法マージモデルである
https:// huggingface .co/WarriorMama777/OrangeMixs/blob/main/README.md
https:// huggingface .co/WarriorMama777/OrangeMixs/blob/main/VAEs/readme_VAEs.md
OrangeMixs AbyssOrangeMix2 AOM3には
ハッキング盗難品NovelAI animefull-final-pruned.ckpt ハッシュ値[925997e9]が直接マージされているため違法マージモデルです。Creative ML OpenRAIL-Mライセンスではなく、「盗難品」「不正流出した営業秘密」であり、不正競争防止法違反です。
2022年10月6日にNovelAIのGithubがハッキングされて不正流出しました。

「orangemix.vae.pt
Just renamed from nai.vae.pt
so if you have already nai.vae.pt, no need to download.」デッドコピー違法海賊版である
NovelAI nai.vae.pt sha256ハッシュ値 [f921fb3f] NovelAIリークモデルハッキング盗難品AnythingV3.0.vae.pt sha256ハッシュ値 [f921fb3f]自称ファインチューニング デッドコピーorangemix.vae.pt sha256ハッシュ値 [f921fb3f] NovelAIリークモデルそのもの VAEファイル

デッドコピー海賊版は非親告罪で著作権法違反です
権利者の告訴がなくても検察が公訴を提起できるようになりました。

ハッシュ値はデータの整合性を確認するために使用される数値であり、特定のデータセットから生成されます。デッドコピーが存在する場合、元のデータと複製されたデータのハッシュ値が一致することが多いです。この一致は、内容が同一であることを示す強力な証拠となります。法的な観点からも、この一致は著作権侵害を立証するための重要な要素です。
NovelAIが法的措置を取った
Anlatan LLCのサービスであるNovelAIの漏洩したチェックポイント( .cpkt )ファイルの違法な配布に使用されていることを確認しました。
ユーザーには、これらのcpktファイルを配布する権限がありません。
ORIGINAL URLS novelai. net 2022年10月
https:// lumendatabase.org/notices/29484955
https:// lumendatabase.org/notices/29484957
画像生成AIサービス「NovelAI Diffusion」(NovelAI)を提供する米Anlatanは2023年6月23日、流出した同社のAIモデルや、それを改変したモデルの利用について、公式Twitterアカウントで注意喚起した。「リークモデルを見かけた場合、法的措置を取る場合もある」(同社)という。
https:// www.itmedia.co.jp/news/articles/2306/23/news128.html


こうした歴史的教訓を踏まえると、AI・ロボット技術の発展も、雇用の創出と代替の両面の影響があると考えられます。従来の職種が代替される一方で、AI・ロボット関連の新たな職種が生まれる可能性があります。また、AIやロボットを活用して、新たな製品やサービスが創出されれば、雇用の創出効果も期待できます。

1960年代、オートメーション化に伴う「技術失業」が社会問題となりました。しかし、その後の経験から、技術革新は長期的に雇用の拡大につながったと考えられています。
1950年代から1960年代初頭、ノーバート・ウィーナーらの専門家は、コンピュータと人工知能の発達により、25年以内に大恐慌が起こると予測しました。1960年代のアメリカでも「自動化失業」への不安が高まりましたが、政府の調査委員会は最終的に、こうした懸念に根拠がないと結論づけました。
1970年代以降、景気変動を繰り返す中でも技術革新は加速し、OECD諸国の雇用率は1960年から2015年にかけて全体的に上昇しました。技術の変化は経済成長の原動力として認識され、20世紀前半のアメリカでは、経済成長の約80%が技術進歩によるものと試算されています。
ただし、技術の変化は雇用の破壊と創出、既存の雇用の転換をもたらす動的なプロセスでもあり、労働者や雇用主、その家族に大きな影響を及ぼします。近年のデジタル技術の進展も、生産性向上の可能性は広く認められる一方で、過去の事例と同様に「雇用の代替」への懸念が広がっています。
一部の専門家はベーシックインカムの導入を提案していますが、歴史的に見ると、生産性向上の恩恵は賃上げや労働時間の短縮という形で労働者にも分配される傾向にあります。

短期的には技術の進歩が失業を引き起こすとの懸念もありましたが、長期的には雇用の拡大につながってきたことが示されています。
ただし、技術革新のスピードが加速する中で、雇用への影響をより詳細に分析することが重要です。例えば、AIやロボット工学の発展が特定の職種に与える影響や、必要とされるスキルの変化などについて、具体的に検討することが求められるでしょう。
また、技術革新の恩恵が社会全体に公平に分配されるための方策も重要な論点です。教育や職業訓練の充実により、労働者が新しい技術に適応できる環境を整備することや、セーフティーネットの強化により、一時的な失業のリスクに対処することなどが考えられます。
さらに、グローバル化の進展に伴い、技術革新が国際的な競争力や雇用に与える影響についても考慮する必要があります。各国の政策対応や国際的な協調のあり方も、重要な検討課題だと言えます。
技術革新と雇用の関係は、単純に悲観的になるべきでも楽観的になるべきでもない、複雑な問題だと言えます。短期的な影響と長期的な影響、個別の産業や職種への影響、社会的な分配の問題など、多角的な視点から丁寧に分析し、バランスの取れた対応策を講じていくことが求められていると考えられます。
経済学者ジョセフ・シュンペーターは、技術革新がもたらす「創造的破壊」のプロセスを指摘しました。新しい技術が古い産業を破壊する一方で、新たな産業や雇用を生み出すというダイナミズムです。今後も、こうした創造的破壊のプロセスを適切にマネジメントしながら、技術の恩恵を社会全体で享受できる仕組みを作っていくことが重要です。

ジョセフ・シュンペーターは、経済学者として著名で、特に「創造的破壊」と「イノベーション」の概念を提唱した。彼は、経済成長の創案者としても知られ、経済学史家としても活動した。
経済理論
シュンペーターは、レオン・ワルラス流の一般均衡理論を重視し、市場経済がイノベーションによって不断に変化していることを指摘した。彼は、イノベーションがなければ市場経済は沈滞状態に陥り、企業者利潤が消滅し、利子はゼロになるとして、創造的破壊を起こし続けることが企業者の生き残りの条件であると主張した。
人物
シュンペーターは、オーストリア=ハンガリー帝国で生まれ、ボン大学教授を経てハーバード大学教授に就任した。彼は、計量経済学会の創設者であり、著書『経済発展の理論』『資本主義・社会主義・民主主義』が後世に語り継がれる名著となった。
イノベーションの影響
シュンペーターが提唱した「創造的破壊」と「イノベーション」は、経営学界でも広く受け入れられており、ピーター・ドラッカーなど多くの経営学者がこれらの概念を継承し発展させた。彼の影響力は、経済学界だけでなく、経営学界でも広範囲に及んでいる。
評価
シュンペーターは、経済学界ではさほど継承されておらず、むしろ経営学によって、その発想や視点が旺盛に摂取されていると評価されている。彼の門下には、柴田敬や都留重人など日本の経済学者がおり、日本での評価は高く、門下の影響が大きいとされる。

AI時代の雇用創出と人材育成の重要性

AI・ロボット技術の発展は、雇用の代替リスクをはらむ一方で、新たな雇用創出の機会でもあります。AI時代の雇用を確保し、社会の持続的な発展を実現するためには、雇用創出と人材育成の取り組みが不可欠です。
雇用創出の観点からは、AI・ロボット関連産業の振興や、中小企業の技術導入支援などの施策が求められます。また、AIやロボットを活用した新たなビジネスモデルの創出や、社会課題の解決に向けたイノベーションの促進なども重要です。
人材育成については、教育・訓練制度の見直しと、リカレント教育(学び直し)の充実が求められます。AI時代に求められる人材は、AIやロボットを活用・制御する技術力に加え、問題解決力や創造力、コミュニケーション力など、高度な能力を備えていることが求められます。学校教育におけるSTEM(科学・技術・工学・数学)教育の強化や、社会人の学び直し支援など、生涯を通じた能力開発の仕組みづくりが重要です。
また、AIやロボット技術の発展に伴う雇用の移行を支援する施策も求められます。キャリア支援の充実や、職業訓練の強化、セーフティネットの拡充などを通じて、技術変化に対する労働者の適応力を高めることが重要です。

仕事のすべてが代替されるのではなく、一部のタスクのみがAIに代替される可能性がある。AIの活用により人がより知的で創造的なタスクに移行することが可能になる。
生成AIの普及でクリエイターの作業が相対的に価値を失い、競争が激化するリスクが高まります。
AIの導入により、不足する労働力供給をAI自体や人間とAIが協働することで補完できる可能性がある。
AIの利活用に早期に取り組んだ企業が産業競争力を向上させ、雇用を維持・拡大できる可能性がある。
AIを活用した生産性向上と柔軟な働き方の促進により、女性や高齢者等の就労環境が改善される可能性がある。
生成AIで過当競争、不正競争、価格競争が起きる
過当競争(Overcompetition)、不正競争(Unfair Competition)、価格競争(Price Competition)は、競争の三つのタイプです。

過当競争(Overcompetition)
過当競争とは、市場において競争が過剰に激しくなり、競争の公平性が失われる状態を指します。過当競争は、競争の激化に伴い、競争の公平性が失われ、特に新規参入企業や小規模企業が競争に参加することが困難になることがあります。

不正競争(Unfair Competition)ライセンス非準拠・海賊版ソフトウェア・デッドコピー
不正競争とは、競争の公平性を害する行為を指します。具体的には、営業秘密の侵害、商品等表示の混同、限定提供データの不正取得など、競争の公平性を害する行為が含まれます。日本の法律では、不正競争防止法(Unfair Competition Prevention Act)が制定されており、不正競争を行った者に対して、民事的措置として差止請求や損害賠償請求が可能です。また、刑事的措置としても、懲役又は罰金の刑が課せられます。

価格競争(Price Competition)
価格競争とは、商品やサービスの価格を競争的に設定する競争を指します。価格競争は、消費者にとっては、より低価格で商品やサービスの選択肢が増えることで利益が得られますが、企業にとっては、価格競争が激しくなると競争の公平性が失われ、特に小規模企業が競争に参加することが困難になることがあります。

AI・ロボット技術の発展は、人間労働のあり方に大きな変化をもたらします。単に機械による代替を懸念するのではなく、AI・ロボット技術を活用しつつ、人間労働との共存を図ることが求められます。
人間とAI・ロボットの協働を進めるためには、人間の強みを生かした役割分担が重要です。人間は、創造力、判断力、共感力など、機械には真似できない能力を有しています。こうした人間の強みを生かしつつ、AIやロボットの得意分野を活用することで、生産性の向上と雇用の安定化を両立することが可能です。
そのためには、ジョブ・リデザイン(職務再設計)や、ヒューマン・インタラクション(人間とAIの相互作用)の設計など、人間中心のアプローチが求められます。また、AIやロボットの導入に際しては、労働者の参加と合意形成、教育訓練の充実、労働条件の確保など、雇用の質を重視した取り組みが重要です。
加えて、AI・ロボット技術がもたらす社会的・倫理的な影響についても、十分な議論と対応が必要です。AIによる意思決定の透明性や説明責任の確保、プライバシーや安全性への配慮など、技術の負の側面への対応も欠かせません。

ジョブ・リデザイン(職務再設計)
AI技術を導入することで、従来の仕事のやり方が変化します。例えば、塾講師は生徒に根本的な理解を促進することを本来の高次の意図としていたが、AI技術を活用することで生徒に寄り添ってモチベーションを維持する、導いてあげるという役割へと変化していくことがあります。
また、児童相談所(児相)向けのシステムでは、児童虐待の対処にあたる職員に対し、アセスメント結果から一時保護をすべきかどうかの判断をAIを用いて行うため、職員の役割が変化します。
ヒューマン・インタラクション(人間とAIの相互作用)の設計
AI技術を活用するシステムにおいては、人間とAIの相互作用が重要です。例えば、AIが提供する予測は完璧なものではないため、データを参考に判断に活用することが重要です。
また、AI技術を活用するシステムにおいては、ユーザーがAIの特性を理解し、経験則だけに頼らないやり方へ変化していくことが求められます。
米国
米国では、著作物のAI学習利用に関する個別的な規定は用意されておらず、フェア・ユース(fair use)という一般例外規定によってカバーされることになります。

日本
日本では、著作権法第30条の4に基づく例外規定があり、AIモデルの学習に著作物を利用する場合に適用されます。例外規定を詳しく読む必要があります。
著作権法第30条の4に基づく例外規定は、著作物を利用する際に、著作権者の利益を通常害することのない場合に限り、その必要と認められる限度において、利用することができることを規定しています。具体的には、以下の場合に該当します
・技術開発実用化の試験 技術的な試験や開発において著作物を利用する場合。
・情報解析 AIやコンピュータを用いて大量の情報を解析する場合。
・人の知覚による認識を伴わない利用 人が直接的に著作物を鑑賞や認識しない場合(例えば、AIが著作物を解析する場合)。
これらの例外規定は、著作物を利用する際に、著作権者の利益を通常害することのない場合に限り、その必要と認められる限度において利用することを許容しています。
著作権者の利益を害する場合は許諾が必要です。
情報解析が合法でもAI生成物が合法とは規定されていません 享受する目的の情報解析やAI生成物は合法ではありません

ドイツでは、学術研究目的で、かつ営利を目的としない場合に限って、情報解析(Text and Data Mining)が許容されています。

イギリスでも、非商業目的での調査のためにのみ行われる情報解析(Text and Data Analysis)が許容されています。

第6章 所得格差と貧富の差の拡大

所得格差と貧富の差の拡大は、現代社会が直面する重大な課題の一つです。格差の拡大は、社会の分断や不安定化を招き、経済の持続的な発展を阻害する要因ともなります。本章では、所得格差と貧富の差の拡大の実態とその影響について、分析するとともに、格差是正に向けた取り組みについて議論します。

所得格差拡大の要因と現状

所得格差の拡大には、様々な要因が複雑に絡み合っています。グローバル化の進展は、国際的な競争の激化をもたらし、熟練労働者と非熟練労働者の賃金格差を拡大させる傾向にあります。また、技術進歩は、高スキル労働者の生産性を高める一方で、中・低スキル労働者の雇用を脅かす可能性があります。
日本においても、所得格差の拡大が指摘されています。ジニ係数(所得分配の不平等度を示す指標)の上昇傾向や、相対的貧困率の高止まりなどが問題視されています。特に、非正規雇用の増加や、若年層の所得の伸び悩みなどが、格差拡大の要因として指摘されています。
また、所得格差は、世代間での格差の固定化や、地域間の格差拡大としても現れています。親の所得水準が子の教育機会や所得水準に影響を及ぼす「貧困の連鎖」や、都市部と地方の経済格差の拡大など、多面的な格差の広がりが懸念されています。

ジニ係数の上昇傾向は、緩やかに上昇していることが日本の現状です。ジニ係数は、所得の格差を表す指標で、0から1の間で推移します。値が0に近いほど所得格差が小さく、値が1に近いほど所得格差が大きい状態です。日本のジニ係数は緩やかに変動する傾向があり、比較的安定してはいますが、上昇し続けています。

所得格差が個人と社会に与える影響

所得格差の拡大は、個人の生活の質や機会の平等性に大きな影響を及ぼします。低所得層では、生活費の確保が困難になり、健康状態の悪化や教育機会の喪失など、様々な問題が生じます。また、所得格差は、社会的な地位の格差にもつながり、社会的な排除や孤立を生む要因ともなります。
社会全体においても、所得格差の拡大は重大な影響を及ぼします。格差の拡大は、社会の分断や対立を招き、社会的な不安定性を高める恐れがあります。また、格差は経済の持続的な発展を阻害する要因ともなります。低所得層の消費の低迷は、需要の減退を通じて経済成長を抑制する可能性があります。
さらに、所得格差は、政治的な不安定性を高める要因ともなります。格差に対する不満や不公平感は、ポピュリズムの台頭や極端な政治的主張の広がりにつながる恐れがあります。社会の安定性と民主主義の健全性を維持するためにも、格差問題への対応が求められます。

地域格差
都市と地方との経済及び所得格差が問題になります。都市部では高収入が多く、地方では低収入が多い傾向があります。
人口格差
少子高齢化によって労働可能な人口が減っていることや、育児や介護など様々な事情に合わせた働き方が求められています。
医療格差
医療サービスが都市部で充実しているのに対し、地方では不足していることがあります。
教育格差
親が貧困層に落ちてしまうと、子どもが十分な教育を受けられずに次の世代も貧困層に留まってしまうことがあります。
情報格差(デジタル・ディバイド)
デジタル化によって、ITの専門的な知識を持った人材が重宝されるようになり、IT人材の需要も高くなりますが、相対的に肉体労働を主としていた産業は規模の縮小や賃金の低下を余儀なくされ、格差が生まれてしまうのです。
男女格差
性別の違いによるジェンダー格差があり、雇用形態の違いから生じる雇用格差も問題となります。
世代間格差
世代を超えた階層の固定化が問題となります。特に、親が貧困層に落ちてしまうと、子どもが十分な教育を受けられずに次の世代も貧困層に留まってしまうことがあります。
雇用格差
正社員と非正規社員の雇用形態の違いから生じる格差があり、非正規社員は長時間労働は免れるものの、低賃金、雇用が不安定、キャリアアップの機会が少ないなどといった厳しい現実を前にして将来の展望が全く見えない状況に陥っているのです。

資産格差の固定化と世代間継承

所得格差の問題は、資産格差の固定化と世代間継承の問題とも密接に関連しています。所得格差が拡大し、貯蓄や資産形成の機会が失われることで、資産格差が固定化される傾向があります。資産は、所得の不安定性を緩和し、将来に備える重要な手段ですが、資産格差の拡大は、経済的なセーフティネットの脆弱化を招きます。
また、資産格差は世代を超えて継承される傾向があります。親の資産水準が子の教育機会や資産形成に影響を及ぼすことで、貧困や格差が世代間で連鎖する問題が指摘されています。こうした「貧困の連鎖」は、社会的な流動性を阻害し、機会の平等性を損なう要因となります。
資産格差の固定化と世代間継承の問題に対応するためには、教育の機会均等の確保や、社会保障制度の拡充など、総合的な取り組みが求められます。また、相続税の見直しや、資産形成支援策の強化など、資産分配の適正化に向けた施策も重要です。

日本の所得格差は、戦後の高度成長期に縮小したが、1980年代以降は拡大している。特に、1980年代後半から1990年代にかけての所得格差は急速に拡大したとされる。
格差の要因
税制改革 1980年代後半の税制改革が再分配機能を低下させたことが一因と考えられている。
公的年金の再分配効果 公的年金は世代間の再分配効果があり、若年者から高齢者への世代間移転と世代内再分配効果が逆進的であることが示されている。
労働供給の変化 ベビーブームと高学歴化が労働供給の変化を引き起こし、賃金格差の拡大に寄与している。
労働需要の変化 職場のIT化が労働需要の変化をもたらし、賃金格差の拡大に寄与している。
格差の国際比較
日本の所得格差は、世界の先進国々と比較して、1980年代以降は拡大しているが、特にアメリカ、イギリス、オーストラリア、スウェーデンなどの国々でも同様の傾向が見られ、不平等度が高まっている。
格差の計算方法
日本の所得格差は、主に家計調査や全国消費実態調査を基に計算されているが、単身世帯を除いた計算方法が使用されるため、ジニ係数が小さくなる傾向がある。
格差の影響
所得格差の拡大は、経済成長率に影響を与えることがあり、分配の公平性と効率性がトレードオフの関係にあると考えられている。

所得再分配政策の必要性と課題

所得格差の是正には、所得再分配政策が重要な役割を果たします。所得再分配政策には、累進課税や社会保障給付などを通じて、高所得層から低所得層への所得移転を図る措置が含まれます。これらの政策は、格差の緩和と社会的な公平性の確保に寄与します。
しかし、所得再分配政策には課題もあります。過度な再分配は、経済活動へのインセンティブを損ない、経済成長を阻害する恐れがあります。また、社会保障費の増大は、財政の持続可能性を脅かす要因ともなります。所得再分配政策の設計に際しては、効率性と公平性のバランスを図ることが重要です。
また、所得再分配政策だけでは、格差問題の根本的な解決は困難です。教育や雇用、社会保障など、様々な分野における総合的な取り組みが求められます。格差の原因を多面的に分析し、その是正に向けた包括的な政策パッケージを構築することが重要です。

社会保障の財源
社会保障の財源には、保険料のほか、多額の「公費」が使われており、社会保障のための「公費」は、国の歳入の大きな部分を占めています。
社会保障給付費の増加
社会保障給付費は、年々増加しており、2023年(予算ベース)では134.3兆円(対GDP比23.5%)となっています。高齢化に伴って、社会保障給付費の増加が見込まれています。
負担の増加
社会保障給付費の増加に伴い、社会保障に関する国民負担率も増加しています。国民にとって、過度な負担とならないよう、世代間の公平の観点からも、社会保障の負担のあり方について不断の検討が必要です。
社会保障の目的
社会保障制度の目的は、国民が安心して暮らすことのできる基盤を整えること、また、それによって国民が安心してチャレンジできる社会を作ることです。社会保障は、国民一人ひとりが相互に扶助しあう「社会連帯」という考え方を通じて国民の生活を保障し、安定した生活に導くことを目指しています。
社会保障の範囲の拡大
社会保障制度は、人口構造や社会情勢の変化に対応してカバーする領域を広げてきました。最近では、ヤングケアラーの問題への集中取り組みなどもおこなわれており、社会保障が担うべき範囲は社会課題の解消のために拡大傾向にあります。
社会福祉
社会福祉制度は、自己解決が困難なさまざまなハンディキャップを負った国民が安心した社会生活を営めるよう、公的な支援をおこなう制度です。児童福祉、母子・寡婦福祉、高齢者福祉、障害者福祉など、多くの分野で支援が行われています。
SDGsとの関係
社会保障制度は、SDGsのターゲットの多くにまたがります。特にSDGs目標10「人や国の不平等をなくそう」のうち、10.4には「税制、賃金、社会保障政策をはじめとする政策を導入し、平等の拡大を漸進的に達成する」という目標が明確に示されています。

医療保険 病気やけがをした場合に、誰もが安心して医療にかかることができる制度。
労働保険(雇用保険・労災保険)失業や労災に際しての給付やサポート。
国民健康保険 医療費の負担を軽減するための制度。
介護保険 介護を必要とする人が適切なケアを受けられるよう費用を給付する制度。
生活保護 生活に困窮する人々に対して最低限度の生活を保障するための制度。

格差是正に向けた税制改革と社会保障制度の再設計

格差是正に向けては、税制改革と社会保障制度の再設計が重要な役割を果たします。税制については、所得税や相続税の累進性の強化、資本課税の適正化など、税負担の公平性を高める改革が求められます。また、法人税の見直しや、富裕税の導入など、新たな税制上の措置も検討課題となります。
社会保障制度については、格差の緩和と持続可能性の確保を両立する改革が求められます。年金制度については、最低保障機能の強化や、保険料拠出と給付の関係の見直しなどが課題となります。医療・介護制度については、負担の公平性と制度の効率性を高める改革が必要です。また、子育て支援や教育支援の拡充など、人的投資を重視した社会保障制度の再構築も重要な課題です。
格差是正に向けた税制・社会保障改革は、政治的に困難な課題でもあります。改革の必要性についての国民的な合意形成と、関係主体間の利害調整が不可欠です。また、改革に際しては、経済への影響や世代間の公平性なども十分に考慮する必要があります。包括的かつ段階的な改革の実現に向けた知恵と工夫が求められます。

働き方や育児休業制度の工夫、保育環境の改善、学童保育における教育機会の活用、子育て世帯への住居支援などが急がれます。第二に、諸外国に比べ、子どもを持つ一定の低所得層に対する負担軽減策が不十分であることにも配慮し、所得に応じた支援が行われる必要があります。そのためには、税・社会保険料の負担と児童手当等の給付を反映した所得の実態をきめ細かく把握する情報基盤の整備が重要です。また、データを活用し、支援の公正性や中長期的な政策効果を検証する体制の整備も急がれます。
さらに、子育て支援に対する恒久的な財源の確保も課題です。高齢世代の利用が多い医療・介護分野などに残る、無駄や公正さを欠く給付と負担の適正化及び税を軸に安定的な財源を確保することを検討すべきです。
 

第7章 教育格差が社会に与える影響

教育は、個人の可能性を開花させ、社会の発展を支える基盤です。しかし、教育の機会や質が、個人の家庭環境や社会経済的背景によって左右される教育格差の問題は、現代社会の大きな課題の一つとなっています。本章では、教育格差の実態とその社会的影響について分析し、格差是正に向けた取り組みについて議論します。

教育格差の現状と要因

投げ銭

コメント

タイトルとURLをコピーしました