技術的概要：AI 関連事件における証拠の障壁と証明の私有化

問題提起

証拠は法的訴訟の要であるが、人工知能（AI）および自動化された意思決定システムに関わる紛争においては、採用可能かつ信頼性の高い証拠を取得することがますます困難になっている。著者らは、決定的な事実がしばしば、民間アクターによって管理されている専有モデル、プラットフォームログ、保護されたデータベース内に隠蔽されているという構造的な障壁を特定している。これは原告にとって「チキンと卵」のジレンマ（Catch-22）を生み出す。すなわち、証拠へのアクセスを請求する根拠を裏付けるためには、まず支援情報を保有していなければならないが、証拠を提供する側（AI 開発者または導入者）は、さらなる裏付けがない限りアクセスを許可することを拒否する。

この力学は「証明の私有化」と呼ばれる現象を招く。これは、主張を立証または防御するために必要な証拠の管理権が民間団体の手に渡り、これらの団体がアクセスの正当性を要求しながらも、情報非対称性によりその正当性を示すことを不可能にしている状態を指す。その結果、多くの AI 関連の請求は、裁判前の段階で和解または却下され、AI の説明責任を問うための有効な手段としての私人訴訟が損なわれる。

方法論

著者らは、AI および自動化された意思決定システムに対する訴訟に関する判例を体系的に分析した。その方法論には以下が含まれる：

1. 事件の選定: 憲法上の請求（適正手続、平等保護）、連邦制定法上の請求（タイトル VII における差別的影響、公平住宅法、著作権侵害）、および州の慣習法上の請求（契約、不法行為）など、多様な法的理論にわたる事件を調査。
2. 範囲: 証拠アクセスの紛争が生じる複数の手続段階、すなわち裁判前の証拠採用審理、却下申立て、証拠開示、および簡易判決を網羅。
3. データソース: 既存の法的知識、『法とアルゴリズム』判例集、進行中の訴訟に関する報道、および AI 支援型法律調査ツール（Westlaw AI 支援調査および PrecedentPilot）を活用し、最終的に公表された判決には現れないことが多い中間裁判所命令および証拠紛争を特定。
4. 分析枠組み: 著者らは事件をコード化し、証拠開示請求に対する抵抗に証拠提供側が用いる反復的な主張を特定し、訴訟当事者間の非対称性の源泉を分類した。

主要な貢献

1. 「証明の私有化」の特定

本論文は、証明の私有化を、民間アクターが訴訟に必要な証拠を管理し、アクセスの正当性を要求しながらも、その同一のアクセスなしには正当性を示すことが不可能であることを保証する状態と定義する。これは、資本、資源、インフラ、専門知識が民間 AI 企業に集中していることにより悪化している。

2. 非対称性の 7 つの源泉

著者らは、AI 事件における証明の私有化に寄与する非対称性の 7 つの具体的な次元を特定している：

1. モデル: 重み、活性化、出力、および API アクセスへのアクセス。
2. データ: 事前学習、微調整、人間のフィードバック、およびベンチマークデータへのアクセス。
3. ドキュメント: 設計上の意思決定と組織的知識を明らかにする情報。
4. 導入後の情報: システムの動作のログおよび運用痕跡。
5. 専門知識: 証拠開示請求を策定し、技術的請求を評価するために必要な専門知識。
6. 計算資源: 赤チーム化、再現、および体系的なテストに必要なリソース。
7. インフラ: 開発および分析を支援するツール。

3. アクセスの代替可能性

中心的な理論的貢献は、アクセスが多面的であり、異なる形態のアクセスは機能的に交換可能（代替可能）であるという主張である。ある種類のアクセス（例えば完全なソースコード）を拒否しても、代替的なアクセス形態（例えばクエリアクセス、構造化された評価セット、またはログ）が機能的に同等の量の情報を提供できる場合、証拠収集が必ずしも阻害されるわけではない。この観察は、機微なアーティファクトを保護しつつ証拠上のニーズを満たすための交渉によるアクセス解決を可能にする。

4. アクセス紛争のための三段階テスト

関連性、比例性、必要性に関する既存の法理に基づき、著者らは AI 関連の証拠に関する紛争を裁判所が評価するための構造化された三段階テストを提案する：

• ステップ 1：非対称性の程度。裁判所は、請求当事者が、証拠提供当事者と比較して、関連するモデル、データ、ドキュメント、計算資源、インフラ、専門知識、または下流情報へのアクセスを欠いているかどうかを評価する。請求当事者が現在のアクセスで主張を立証できる場合、または証拠提供当事者のアクセスがあっても立証できない場合は、テストは終了する。
• ステップ 2：正当化されたアクセス（比例性）。裁判所は、請求されたアクセスの便益対リスク比率を、原因行為の要素を再現するために必要な最小限のアクセスの便益対リスク比率と比較することで、「証明の私有化」が発生したかどうかを評価する。
  • 便益: 請求当事者に対する価値。
  • リスク: 証拠提供当事者に対するリスク（例：営業秘密の漏洩、プライバシー侵害）。
  • 請求されたアクセスが、原因行為に必要な最小限のアクセスよりも高い便益対リスク比率を提供する場合、その請求は支持される。
• ステップ 3：代替案とセーフガード。請求がステップ 2 を通過した場合、証拠提供当事者は、請求されたアクセスと機能的に同等であり、ステップ 2 で確立された便益対リスク比率を低下させない代替アクセス計画（例：サンドボックス、段階的証拠開示、不利な推論）を提案できる。

結果および事件分析

People v. Superior Ct. (Chubbs)、State v. Loomis、The New York Times Co. v. Microsoft Corp.、およびKadrey v. Metaなどの事件の分析を通じて、著者らは以下を観察する：

• 反復的な主張: 証拠提供当事者は、高レベルの方法論的記述で十分であるという主張（主張 1）、開発者が生成した検証研究で十分であるという主張（主張 2）、または AI は人間の裁量に対して二次的な役割しか果たしていないという主張（主張 3）を頻繁に用いてアクセスを抵抗する。逆に、彼らは営業秘密、プライバシー、技術的不可行性、およびコスト負担を理由に開示をブロックする。
• 司法判断の結果: 裁判所は、開発者が提供するドキュメントや検証研究に依存し、ソースコードや学習データへのアクセスを拒否することが多い。多くの場合、これにより AI システムの行動の実体について十分に検討される前に、和解または却下につながる。
• 実践における「チキンと卵」のジレンマ: TrueAlleleおよびCOMPASなどの事件では、アクセスの欠如により独立した評価が不可能であったにもかかわらず、裁判所は開発者が生成した証拠を信頼性のために十分と認めている。The New York Times v. Microsoftでは、技術的障壁およびデータ保持の問題（例、サンドボックス内での検索結果の削除）が証拠収集をさらに複雑にした。

重要性

本論文は、これらの障壁に対処しない限り、AI 関連の決定および結果は、特別なアクセス、支援、または知識なしには争うことが不可能になる可能性があると主張する。この研究の重要性は以下の点にある：

1. 問題の体系化: 個別の司法対応を超えて、特定の非対称性に起因する「証明の私有化」の一貫したパターンを特定すること。
2. 枠組みの提案: 新たな手続規則を作成するのではなく、確立された法的原則に依拠し、裁判官がアクセス紛争を一貫して解決するために使用できる実用的な三段階テストを提示すること。
3. 説明責任の可能化: アクセスの代替可能性を認識することで、この枠組みは、裁判所が最も機微な専有資産の開示を必ずしも強制することなく、請求当事者の証拠上のニーズを満たす証拠開示を命じることを示唆しており、これにより説明責任と正当な事業およびプライバシーの利益とのバランスを取ることが可能になる。

著者らは、私人訴訟が AI リスクを抑制するための重要な経路であり続けるが、その実効性は、現在必要な証拠の生産を妨げている非対称性を解決することに依存すると結論づけている。