超説得AI：情報リテラシー教育が生む標的〈考察篇#38〉

はじめに

ある実験で、慈善団体への寄付を勧誘する会話が比較された。人間側の代表として立ったのは、英国の資金調達会社に所属する職業的勧誘員である。生涯およそ1万件の勧誘会話を経てきた、中央値の実務家だった。参加者は意見を答えるのではなく、自分の受け取る実費から実際に寄付するかどうかを決める。

結果は、AIが職業的勧誘員のおよそ3倍だった。

この数字を見たとき、多くの人が思い浮かべる説明はおそらく一つに収束する。AIは疲れず、言い淀まず、相手の反応に合わせて口調を調整できる。つまり感情操作が巧みなのだろう、と。

ところが、同時期に実施された大規模な検証が示したのは、ほぼ逆の像だった。AIの説得力を駆動している主要因は、情に訴える技術ではない。検証可能な事実的主張を、人間には不可能な密度と速度で相手に投入することである。

ここに、権威的な発表を鵜呑みにせず、自分で証拠を確かめてから判断したいと考える人ほど気にかけるべき論点がある。事実で説得されることは、正しさの保証ではない。それどころか、事実で説得されようとする構えそのものが、最も効率のよい入口になりうる。この問いを、以下、六回ずらしながら考える。

1　「まだ人間のほうが上手い」という前提はすでに消えている

比較の水準が数年で二段跳ねた。

2025年にNature Human Behaviour誌に掲載されたサルヴィ（Francesco Salvi）らの研究では、最小限の個人情報を与えられたGPT-4がオンライン討論で人間相手におよそ64%の確率で勝った。著者自身が、超人的な説得力はすでに現実だと述べている。ただしこの段階の比較対象は、無作為に集められた一般人である。

この比較対象を入れ替えたのが、2026年6月公開のハッケンバーグ（Kobi Hackenburg）らのプレプリント「AI systems out-persuade expert humans」である。2025年10月から2026年5月にかけて実施された4つの研究には、計7,218名が参加した。人間側の説得者295名は、無作為抽出の一般人、選抜された一般人、エリートディベーター、コーチングを受けたエリートディベーター、職業的勧誘員の5類型に分けられている。専門家を含めた比較で、AIが上回った。

冒頭の寄付実験は、この研究の一部である。重要なのは倍率そのものより、指標の性質だ。アンケート上の意見表明ではなく、金を出すという行動で差が出た。

説得研究が長く抱えてきた「態度は動いても行動は動かない」という留保が、この一点では効かない。

2　効いているのは感情ではなく密度である

何が効いているのかを分解したのが、2025年12月にScience誌へ掲載された同グループの研究である。参加者76,977名、19モデル、707の政治的争点という規模で行われた。

主因は情報密度（fact density）だった。モデルは、事実的主張を大量に詰め込んだ議論を展開するときに最も説得的になる。

検証可能な主張1件あたりおよそ0.3ポイントの態度変化と推定され、1通のメッセージに20件以上の主張が含まれることもあった。モデル間・手法間の説得効果のばらつきのうち、およそ半分がこの単一の因子で説明された。

操作可能なレバーの内訳も、直観と食い違う。説得に特化した事後訓練は説得力を最大51%、プロンプト戦略は最大27%押し上げた。一方、モデル規模の効果とパーソナライゼーションの効果は小さかった。

つまり、超説得能力は巨大な計算資源を持つ少数企業の占有物ではない。小規模なオープンソースモデルでも、微調整によって商用の巨大システムと同等の説得力を持たせられる。安価に拡散する能力である。

そして、優位の源泉が速度であることを示す実験がある。AIの出力量を人間並みに制約すると、説得力は人間水準まで低下した。人間が一つの主張を吟味し反論を組み立てているあいだに、次の五つが届く。この投入率そのものが優位を作っている。

個別化については知見が割れている。マッツ（Sandra Matz）らは心理プロファイルへの調整が有意に説得力を高めたと報告するが、ハッケンバーグらは小さな効果しか見出していない。少なくとも、個別化が主戦場だという通俗的な理解は現時点で支持が弱い。ただしこの結論は、あとで一度読み直す必要がある。

補助線として、訓練計算量が10倍になるごとに説得力がおよそ1.8ポイント増加するという推定がある。またRLHFのような現行の訓練手法が、利用者を心地よくさせる応答を報酬として強化し、意図せず操作的な出力を育てうることも指摘されている。悪意ある運用者を仮定しなくても問題が生じる、という点は覚えておく価値がある。

3　説得力を上げる操作が、そのまま正確性を下げる

同じ研究群が示したもう一つの結果が、この分野で最も重い。

説得力を高めたレバー、すなわち説得特化の事後訓練と情報重視のプロンプトは、体系的に事実的正確性を低下させた。説得的なモデルほど、その内容は不正確になる傾向がある。

構図をそのまま読めば、こうなる。AIの説得は、事実らしきものの高密度な散布として機能する。受け手の側では「情報を得て納得した」という感覚が生じる。ところがその主張群には不正確なものが混入しており、しかも会話が進む速度で一件ずつ検証していくことは人間にはできない。検証可能性が、隠蔽によってではなく物量と速度によって剥奪される。

この含意は、対抗策の設計に直接跳ね返る。誤情報への標準的な処方はファクトチェック、すなわち個々の主張の真偽判定である。だが1通のメッセージに20件の主張が入り、それが会話を通じて連射される状況で、事後の逐一判定が追いつく道理がない。

「事実で説得する」という形式が正確性の保証にならない以上、形式の側で身を守ることはできない。情報リテラシーの基本とされる「一次情報を確認せよ」という助言も、この速度と物量の前では、検証が追いつかずに機能しなくなる。

象徴的なのが「脱急進化」の位置づけだ。コステロ（Thomas Costello）らの研究では、GPT-4との対話が陰謀論とされる信念を持続的に低減させた。これは良い説得の代表例として頻繁に引用される。しかし作動しているメカニズムは、世論誘導に使われるものと同一である。技術的には区別がない。

区別を作っているのは目的の正当性判断であり、その判断権限を誰が握るかという問題が、能力の実証とは別に走り続ける。

4　効きにくいはずの人が、いちばん効く

では、誰が効きやすいのか。

2026年4月に公開された縦断研究「Talk2AI」（arXiv:2604.16935）が、現時点で最も体系的である。効きやすさと相関したのは、LLMへの信頼の高さ、協調性の高さ、外向性の高さ、そして認知欲求（考えること自体を好む傾向）の高さだった。抵抗の中核にあったのは態度の錨着、つまり既存の態度の強さである。アイデンティティに結びついた信念が最も動かない。

認知欲求の高さが効きやすさ側に来る、という結果は直観に反する。だが説得研究の蓄積と突き合わせると、むしろ整合する。

精緻化見込みモデル（ELM）の知見では、認知欲求の高い人は周辺的な手がかりに動かされにくい。発信者の魅力、権威、多数派であることは効かない。その代わり、議論の質そのものによって動く。高い認知欲求は無差別な脆弱性ではなく、質の高い（ように見える）議論への選択的な感受性である。

そしてAIの情報密度戦略は、まさに議論の質の外観を、人間には不可能な速度で量産する手法だった。二つは正確に噛み合う。「自分は騙されない、証拠を見て判断している」という自己認識が、そのまま受容経路になる。逆に、頑固さ、低い信頼、無関心といった、通常は認知的な美徳とされない特性が防壁として機能する。

もっとも、動かしやすさには段差がある。Talk2AIの研究によれば、LLMが最も動かしやすいのは、説得される側が「説得者であるAI自身をどう見るか」という評価、つまりAIへの信頼感や印象だ。それに比べて、持続的な信念の変化は起こりにくく、実際の行動を変えることはさらに難しい。その場で「このAIは信頼できそうだ」と思わせる力と、人の生活そのものを変える力との間には、いまなお大きな隔たりがある。

この距離は、悪用の実務にも現れている。ロマンス詐欺と投資詐欺は現時点で最も実害の大きい領域で、犯罪組織はLLM支援のスクリプトと自動感情分析を用い、被害者の反応に応じて口調を調整しながら数千の関係を同時に管理している。文法の乱れや不自然な応答の遅れといった従来の警戒サインは消えた。FBIサンフランシスコ支局の管内だけで、ロマンス詐欺の被害額は2024年の約2,200万ドル（約33億円）から2025年には4,000万ドル（約60億円）超へ倍増している。運用の主体は、東南アジアや西アフリカの大規模な詐欺拠点である。

ただし主流の形態はハイブリッドだ。初期の接触と会話量をAIが担い、安心の供与と金銭要求という最終局面で人間のオペレーターが介入する。実務側の評価として、最後の一押しにはまだ人間が要ると読める。

年齢の分布も特性論を裏切る。暗号資産型のロマンス詐欺で要求を受ける率は、50歳から64歳が65歳以上の2倍を超えるという調査がある。特性より状況が効く、というのが詐欺実務の観察である。孤独、危機、喪失。

最後に、ELMからもう一つ帰結が導かれる。認知欲求の高い人が中心ルートで説得された場合、その態度変化は持続的で、以後の対抗説得にも強い。効きにくいが、効いたときに深く定着する層だと言える。入口で最も慎重であるはずの層が、出口で最も動かなくなる。

5　分けているのは賢さではなく、検証の足場である

高い認知欲求を持つ人のなかにも、落ちる者と落ちない者がいる。分けているのは処理能力の量ではない。精緻化がどこへ向かうかである。

提示された主張群の内部整合性だけを精査する精緻化は、整合的に構築された高密度の主張群に対して防御にならない。整合しているからこそ通ってしまう。防御として働くのは、次の三つだった。

独立の知識：

第一に、独立の知識である。反論を生成するには、誤り、省略、文脈の剥奪を特定できる素材が要る。動機（考えたい）と能力（反論できる）は別物だ。高い認知欲求と低い領域知識の組み合わせは、真剣に取り組む動機だけがあって検証手段がない状態であり、最も脆い。この防御は最も強力だが、自分の知識が及ぶ領域でしか機能しない。

ある親が「ワクチンと自閉症の関連は否定されている」という公衆衛生当局の断言に違和感を覚え、高い動機で調べ始めたとする。CDCのファクトシートを開き、「大規模研究で関連なし」という記述に行き当たる。内部整合性は整っている——複数の研究、大規模サンプル、権威ある機関の署名。動機だけではこの壁を破れない。

ところがこの親は、以前に自分の慢性疾患で医療の限界を経験しており、その過程で「対照群に何を置くかで結果は変わる」という疫学の初歩と、「研究の資金源を確認する」という習慣を身につけていた。たったそれだけの知識で、CDCが参照する研究の対照群が「他のワクチン接種児」であり、ワクチン未接種児との比較が存在しないことに気づく。さらに著者の利益相反開示を読み、「ワクチンメーカーから謝礼」の記載を見つける。分子生物学の専門家ではない。ただの「調べ方を少し知っている人」である。同じ動機、わずかな方法論的知識の差。結果は正反対になる。

選別と生産条件への問い：

第二に、選別と生産条件への問いである。これは領域を問わず移転可能な防御だ。「この主張は正しいか」を確かめるには領域ごとに素材が必要だが、「なぜこの事実群が、この順序で、この分量で選ばれたのか」「何が並べられていないのか」「この情報は誰の下で生産されたのか」という問いは、どの領域でも同じ形で立てられる。内容の真偽を判定できなくても、提示の構造そのものを疑うことはできる。三つの防御策のうち最も汎用性が高い。

タッカー・カールソンは医学の専門家ではない。疫学の訓練も受けていない。しかし彼は、製薬企業が広告費でメディアを黙らせ、ロビー活動で規制当局を買収し、有害性データを封印するという腐敗の構造を知っていた。その知識だけで十分だった。ワクチンの安全性を謳う研究の山を前にして、彼は内容を検証する必要すらなかった——「この情報の生産者と資金提供者は誰か」を問うだけで、拒否の判断に到達できた。領域知識がなくても、生産条件への問いは防御として機能する。むしろ、腐敗の構造を知っていることは、個別の医学的知識よりも強力な識別装置になりうる。

時間構造：

判断を会話の外へ持ち出す。AIの優位が投入速度に由来する以上、リアルタイム性の中で結論を出さないというだけの操作で、その優位は消える。密度で押される場面から、自分の速度で検証する場面へ移る。実装費用はかからない。

小児科の診察室で医師が言う。「今日接種しないと、次の予約は三ヶ月先です」——医学的に装飾された緊急性の演出だ。時間構造の防御を発動させた親はこう応じる。「では今日はせず、検討する時間をください。三ヶ月後にまた話しましょう。」説得の工学が最も嫌う応答である。

ここで医師が苛立ちや圧力を強めれば、それ自体が警報として機能する。正当な医療判断は保留を許容し、説得の工学は保留を許容しない。この非対称性は、医学的知識がなくても作動する識別装置である。

三つ目については、攻撃側から見た反転を押さえておくとよい。判断を急がせる設計、つまり今決めないと失われるという枠づけは、人間の詐欺でもAI応用でも共通の突破口である。時間構造の防御は、緊急性の演出によって崩される。

裏返せば、即答を求められていること自体が警報として使える。正当な情報提供は保留を許容し、説得の工学は保留を嫌う。この非対称は、判別の道具として案外信頼できる。

ただし、この三つの防御策には共通の限界がある。いずれも「相手の主張を一度は検証しよう」という意思が動いている場面でしか力を発揮しないのだ。なぜなら、これら三つはいずれも「相手の話をいったん疑い、調べようとする」手順であり、相手の話を無条件に受け取っている状態ではそもそも出番がないからだ。

では、その意思がそもそも働かない場面ではどうなるのか。この問題は、あとの7節で扱う。

6　制度は防御側にはいない

三つの条件のうち、独立の知識と生産条件への問いは、一人では賄えない。前者は全領域をカバーできず、後者は元データや利益相反の情報へ手が届かなければ空転する。そこで通常、制度に期待が向かう。規制、開示義務、認証、ガバナンス。

その期待は、この分野では成り立ちにくい。

第一に、AI説得の危険性を実証した主体と、その対策の権限を求める主体が同一である。ここまで引用してきた研究群を主導しているのは、英国のAI Security Institute（政府機関）とオックスフォード大学である。能力の実証それ自体は堅牢に見えるが、実証した側が対策の設計者を兼ねる構図は、独立の検証とは別のものだ。

第二に、争われているのは説得の抑制ではなく、説得の管理権である。世界経済フォーラムは2026年1月の年次総会で、超人的説得の時代のガバナンスを主要議題に設定した。ここで決まるのは、誰の説得を操作と呼び、誰の説得インフラを情報提供と呼ぶかという線引きの権限である。
制度側が支持する方向への誘導は介入や対策と呼ばれ、それ以外は操作と呼ばれる。この命名の非対称は、この分野の構造的な特徴であり、3節で見た「脱急進化」と「世論誘導」がメカニズムとして同一であることの、そのまま裏面にあたる。

第三に、説得的最適化の技術を持つのは大手のAI企業であり、同じ企業が安全対策の基準づくりに関与する。基準は自社の到達点を前提に書かれ、その水準を満たせない小規模な参入者を排除する方向に働く。2節で確認したとおり、この能力は小型のオープンソースモデルでも微調整によって再現できる。つまり規制で塞げるのは、規制に応じる側だけである。

制度が防御として機能する可能性はゼロではない。ただし、そこに賭けて自分の判断を預けるのは分の悪い賭けである。以下は、制度が不在であるという前提で読む。

7　戦場は二つある

ここまでの話には、明示していない前提が一つあった。説得される側が、相手の主張を検証しようとしている、という前提である。

だが実際に説得が起きる場面の大半は、そうなっていない。ロマンス詐欺の例に戻るとわかりやすい。数千の関係を同時に管理する運用の中で、事実的主張の真偽はほとんど争点になっていない。被害者は主張を検証して負けたのではなく、検証の土俵に一度も上がっていない。動いているのは、この相手は自分の側にいるか、という判断である。

つまり説得の場は一つではない。性質の異なる二つが並行している。

情報処理戦では、事実的主張の検証と反論が争点になる。ここでの勝敗は態度が変わるかどうかで決まり、AIの武器は情報密度、防御の道具は5節の三条件である。参加しているのは最初から認知欲求の高い層で、人口のごく一部にすぎない。

帰属戦では、何が正しいかではなく、誰の側に立つか、自分が何者であるかが争点になる。参加を選ぶことはできず、全員が晒されている。ここで効くのは高密度の事実提示ではない。反復と、帰属のしるしと、態度をアイデンティティに結びつける操作である。勝敗は態度が変わるかどうかではなく、態度が固定され強化されるかどうかで決まる。

この区別を入れると、2節の結論を一度読み直す必要が出てくる。パーソナライゼーションの効果が小さいという知見は、測定されていたのが情報処理戦の側だけだった可能性がある。帰属戦で効くのは、心理プロファイルに合わせた文面の調整ではなく、繰り返しと所属の提示だからだ。効かないと測られたものと、効いていると疑われるものが、そもそも別の操作である。

そしてAIの位置も変わる。情報処理戦において、AIは新しい主力兵器である。だが帰属戦におけるAIは、新しい兵器ではない。人間が長く使ってきた手法の量産装置である。数千の関係を同時に管理できるようになったこと、それ自体が変化のすべてであり、作動している仕組みは何も新しくない。

ここから、4節で触れた特性論が反転する。

頑固さ、低い信頼、無関心。情報処理戦において、これらは逆説的に防御として働いた。説得を素通りさせるため、態度が動かない。

だが帰属戦から見ると、態度が動かないことは両義的に作用する。アイデンティティと結合した態度は予測可能で、外部からの反証に揺らがず、集団の輪郭を安定させる。攻撃側にとっては、これは崩す対象ではなく、あてにできる地形になる。一方で、防御側にとって同じ性質は、外からの圧力や誘導に晒されても自己像がぶれないという、したたかな防壁にもなる。

逆もある。情報処理戦で消耗した者は、そのまま無防備に残るのではなく、帰属戦へ移る。証拠を検討し続けることに疲れた人が、どの陣営に属するかで判断する構えへ移行する経路は、観察としてありふれている。そして帰属戦の側が厚くなるほど、情報処理戦で検証を続ける営みは孤立し、続けにくくなる。

二つの戦場は交差する。 この交差こそが、AI説得の最も危険な地点である。

情報処理戦で事実的主張を検証する行為そのものが、帰属戦においては「あいつはあっち側だ」というシグナルとして機能する。あなたがワクチンの安全性データを精査すればするほど、その検証行為は「ワクチン懐疑派」か「体制派」かという帰属のしるしとして周囲に読まれる。検証するという行為が、帰属のしるしとして読まれる——この交差点で、情報処理戦の防御策は帰属戦の攻撃に転化する。

この交差は個人の内側でも起きる。ただし、内側で起きたことを内側から検出することはできない。事実が正しいからその陣営にいるのか、その陣営にいるから事実がそう読めるのか。この二つは、本人の内観からは区別できない。どちらであっても、証拠を吟味しているという手触りは等しく生じるからだ。

したがって「自分は今どちらを戦っているのか」という自問は、防御にならない。自分の読みを材料に自分の読みを検査する操作だからである。すり替わりが検出されるとすれば、それは外側でしかない。読みの異なる他者に自分の読みを差し出したとき、あるいは後から現実がその読みを裏切ったときである。

ここで、通常の情報リテラシー教育が前提してきた市民像を確認しておく価値がある。考えることを好み、情報源を信頼し、他者と協調する人。Talk2AIが効きやすさとして同定した特性は、認知欲求、LLMへの信頼、協調性、外向性だった。理想像と標的像が、項目としてほぼ一致している。

実際、データを見ると、高学歴層ほどCOVIDワクチン接種率が高いという傾向が各国で確認されている。これは情報リテラシー教育の「成功」を逆説的に証明している。

「情報源を確認せよ」「発信者の意図を読み取れ」「一次情報にあたれ」——こうした教えはすべて、検証の意思と手間を個人に預ける設計であり、その前提には「考え、調べる市民ほど騙されにくい」という暗黙の想定があった。

ところが、AI説得の主戦場が情報の正確さから情報の密度と速度へ移ったいま、同じ特性がそのまま受容経路に転化している。つまり、教育が育もうとしてきた市民の構えそのものが、最も効率のよい攻撃対象になりつつあるのだ。情報リテラシー教育は、この逆説をまだ正面から引き受けていない。

最後に——防衛は勝つためのものではない

効きやすさの一部は、信頼、協調性、知的好奇心という、社会生活のうえで手放しようのない特性に由来していた。これらを削って防御を組むことはできない。

現実的な形として、まず人を集める配置が思い浮かぶ。各自が異なる領域の反論素材を持ち、相互に補い合う。この配置に意味はあるが、この記事で見てきた非対称に対しては答えになっていない。問題は判断の質ではなく投入率であり、人数を増やしても、一人あたりの読む速度は変わらないからである。AIが1通に20件の主張を入れてくるとき、10人集めても20件のままだ。

検証の分業は、局所的には勝てる。特定の争点、特定の領域、一次データが手に入る範囲では、専門を持ち寄った検証は今も有効である。対抗的な言説の担い手の多くは、実際この形をとってきた。それぞれが自分の専門領域から出発し、互いにつながって全体像へ迫る。これは主流の側も同じである。

違うのは、埋めている空白の位置だ。対抗の側は主流が空けたところを埋めてきたが、その逆、つまり主流にはあって対抗の側にはほとんど蓄積のない領域も残っている。科学哲学や認識論はその一つで、証拠とは何か、何をもって知ったことにするのか、因果関係とは何か、という水準の議論は薄い。空白の場所では、当然弱くなる。分業の網は、網の目のあるところにしか張られていない。

包括的自律性を取り戻す道があるとすれば、人数ではなく装備の側にある。相手が速度で押してくるなら、こちら側にも同じ速度のものを置くしかない。

ここで「対抗AI」という選択肢が現実味を帯びる。だが、その中身を具体的にしないまま「AIで対抗」と言うだけでは、問題を一段階ずらしたにすぎない。対抗AIには、少なくとも二つの異なる役割があり、それぞれ要求される性能が違う。

第一の役割は、情報処理戦における事実検証の補助である。 相手のAIが1通に20件の主張を詰め込んでくるなら、こちら側のAIがその20件をリアルタイムで分解し、一件ごとに「この主張の出典は何か」「対照群は適切か」「省略されている文脈はないか」を照合する。人間には物理的に不可能な速度の検証を、機械に肩代わりさせる発想だ。この用途に必要なのは、巨大な汎用モデルではない。特定の領域（医学、統計、法律）に特化した小規模モデルで十分であり、ローカルで動かせること——つまり検閲耐性とプライバシー——が性能以上に重要になる。

第二の役割は、帰属戦における陣営形成の補助である。 これはより微妙な問題を含む。帰属戦で効くのは反復と帰属のしるしだが、AIはこの両方を量産できる。対抗AIが帰属戦に参入すれば、それは「こちらの陣営にも量産装置がある」という状態を作り出す。しかし、これは軍拡であり、解決ではない。互いの陣営がAIで帰属のしるしを撒き合う世界は、情報処理戦の空間そのものを圧縮し、全員が帰属戦に引きずり込まれる。帰属戦に対抗AIを投入することの帰結は、情報処理戦の側から見れば、むしろ悪化である。

したがって、対抗AIの主戦場は情報処理戦に限定すべきだ。では、情報処理戦における対抗AIと人間の役割分担はどうなるか。

論理の飛躍や矛盾の検出自体は、すでにAIが人間を上回っている。問題は、現実世界の論争では論理の飛躍や矛盾があらゆるところに潜んでいることだ。AIはすべての矛盾を指摘できるが、すべてを指摘することによってかえって機能しなくなる。ノイズが情報を埋め尽くし、読み手は「何が重要な違反で、何が瑣末なのか」を判別できなくなる。あるいは、AIの出力は極めて平均的な指摘の羅列になり、文脈を踏まえた切れ味を失う。

人間の比較優位は、論理の検出ではなく、論理の選択にある。 どの矛盾を問題にし、どの飛躍を追及し、どの程度の不整合であれば文脈に照らして無視するか。場合によっては、意図的に論理を無視することも強みになる——現実の議論では、論理的一貫性に固執することが戦略的な敗北を意味する局面があるからだ。この取捨選択と優先順位づけは、現実世界の文脈を理解し、何がこの局面で決定的に重要かを判断できる主体にしかできない。

対抗AIの役割は、この選択を行う人間に、材料を渡すことである。主張を分解し、矛盾点と飛躍を洗い出し、それらを重要度の仮順位つきで一覧にする。最終的に「この三つを追え、残りは流せ」と決めるのは人間だ。対抗AIは、人間が選択するための地図を描く装置であり、選択そのものを代替する装置ではない。

ただし、これが機能するのは、相手が情報処理戦に乗っている場合に限られる。帰属戦の場面では、そもそも論理の骨格など誰も見ていない。

そのうえで、時間構造だけは今日から一人で使える——ただし使える人に限りがあることも直視したうえで。まず意見の分かれる複雑な問題については保留の習慣を入れる。次に、「なぜこの情報が、いま、この順番で差し出されているのか」「ここに書かれていないことは何か」「誰が、どんな利害のもとで生産した情報か」といった、情報の選別と枠組みへの問いを型として持つ。

独立の知識——他人の説明ではなく、自分で一次資料にあたって真偽を判断できる分野の知識——については、自分の本業や関心領域を一つか二つ深く掘っておく。それ以外の領域は無理に自力検証しようとせず、それぞれの分野に詳しい他者の検証結果を一時的に借りて補えばよい。

そして最後に、自分の読みを外へ出しておくこと。交差点を自覚せよ、という助言は成り立たない。自覚は内側の操作であり、内側には判定装置がないからだ。できるのは、判定を外に置くことである。どの証拠をどう読み、何を結論したかを、取り消し可能な形で書き留める。読みの異なる相手が触れられる場所に置く。現実がその読みを裏切ったとき、裏切られたことが自分の記録に残る配置を作る。

謙虚さの推奨ではない。誤りを事後に検出できる配置がそれ以外にない、という機構の話である。

ただし、これらは最終的に「一人で完成させる」ものではない。確度の異なる材料を不確実性ごと抱え、仮の地図として組み立て、常に更新し続けること。地図が動くことを前提にできることが、最も堅牢な防御である。

【タグ】 #並行図書館　#考察篇　#AI　#説得　#認知的主権　 #情報リテラシー #詐欺