【ITニュース解説】The Plagiarism Machine: How AI Repackages Human Knowledge Without Credit

大規模言語モデル（LLM）は、瞬時に文章を生成したり、複雑なレポートを作成したりする能力で注目を集めている。これらの技術は、あたかも魔法のようにコンテンツを生み出すように見えるが、その裏には重要な事実が隠されている。LLMが生成するテキストは、人間が長年かけて作り上げてきた膨大な量の情報、具体的には書籍、新聞記事、オンラインフォーラム、研究論文、コードリポジトリなどからパターンを学習し、それらを再構築したものである。つまり、LLMは既存の情報を組み合わせて文章を「再パッケージ化」しているのであり、学術的な意味での「オリジナル」なコンテンツを生み出しているわけではない。これは、クレジット（出所表示）を伴わない大規模な剽窃（ひょうせつ、盗用）と言える。

しかし、このような仕組みであっても、LLMが実用的な価値を提供していることは事実である。学生は学習を効率化でき、専門家は迅速に報告書の下書きを作成し、研究者は要約を素早く得ることが可能だ。この利便性は否定できないものがある。しかし、この利便性は、人類が何世紀にもわたって共同で築き上げてきた「知識コモンズ」と呼ばれる共有財産の上に成り立っている。教師が教科書を執筆し、司書が図書館の資料を保存し、ボランティアがウィキペディアを編集し、学者が査読済みの研究論文を生み出すといった、地道な努力の積み重ねがこの知識コモンズを形成してきた。LLMが価値を持つのは、自ら何かを「発明」するからではなく、この豊富な知識コモンズから情報を「抽出」するからに他ならない。

この状況がもたらす倫理的な問題は非常に大きい。例えば、学術界では、他者の文章をわずかに変更しただけで引用元を明記しない行為は剽窃とみなされ、厳しい処分が下される。ジャーナリズムの世界でも、他者の表現や構成を無断で借用すれば職を失う可能性もある。しかし、LLMが文章の構成やスタイルを模倣した場合、その行為はしばしば「イノベーション」として称賛される傾向がある。このような二重基準は、著作者の権利や創造性を保護する社会の規範を蝕んでしまう恐れがある。

さらに懸念されるのは、LLMが依存するこの知識コモンズ自体が、現在、資金不足と脆弱化に直面していることである。大学出版局は閉鎖され、図書館は予算削減に苦しみ、オープンソースコミュニティも運営資金の確保に奮闘している。もしAI企業が、この知識コモンズから一方的に知識を抽出し続けるだけで、その維持・発展に再投資しなければ、やがてLLMの有用性の基盤そのものが崩壊してしまうだろう。今日「無料の知識」に見えるものが、明日には失われた砂漠のような状態になってしまう危険性がある。

実際の現場では、すでに具体的な問題が発生している。ジャーナリズムの分野では、AIツールが気候科学に関する記事を要約する際、ガーディアンやニューヨーク・タイムズといった報道機関の深く踏み込んだ報道内容に大きく依存している。しかし、AIモデルはその情報源を一切明記しない。結果として、元の記事を執筆したジャーナリストの多大な労力は不可視化され、AI企業は生成された要約から利益を得る構造となる。

教育の現場でも、学生がLLMを使って特定の概念を説明させる場合、完成度の高い要約や言い換えが得られるかもしれない。しかし、その概念の提唱者や、その理論を洗練させた研究者たちの名前は引用されない。学術的な文脈において、このような情報源の省略は明確な剽窃と見なされる。

ソフトウェア開発においても問題は発生している。GitHub CopilotのようなLLMを搭載したコーディングアシスタントは、公開されているリポジトリのコードと全く同じコードを生成することがある。開発者たちは、自分たちが書いたコードが帰属表示もライセンスの遵守もなくAIによって再現されていることを発見している。これは、オープンソースの協力関係を、対価の支払われない「資源抽出」へと変質させてしまう行為である。

文学の分野でも、LLMはジェーン・オースティンやトニ・モリスンのような著名な作家の「スタイルを模倣」するとされている。しかし、彼らの作品を特徴づける独特のリズムや修辞的な表現は、知的達成物としてではなく、単なる「調整可能なパラメータ」として扱われる傾向がある。これは、まるでミュージシャンがアルバム全体を無断でサンプリングし、クレジットなしでそのトラックを販売するような状況に近い。

このような問題は、もはや理論上の懸念にとどまらない。現実の訴訟として表面化している事例も存在する。2023年末には、ニューヨーク・タイムズ紙がOpenAIを提訴し、OpenAIのモデルが著作権で保護された記事をほぼ verbatim（逐語的）に再現したと主張した。これは、文章の漏洩が単なる仮説ではなく、生成AIの未来を形作る現実的な法的・倫理的課題であることを示している。画像生成モデルにおいても同様の問題が起きている。ビジュアルアーティストたちは、自分たちの作品が同意なく画像生成モデルの訓練に使用されたとして、Stability AIを提訴している。これは、文章における剽窃問題と並行して、クリエイティブなスタイルが無断で抽出され、再利用されている現状を浮き彫りにする。さらに、オープンソースコミュニティの開発者からは、AIコーディングアシスタントがGPLやMITライセンスなどの法的義務を伴うコードを、ライセンス情報なしで出力する事例が報告されている。大学などの教育機関も、米国やヨーロッパでAI支援によるレポートにおける剽窃検出に関する公式なガイダンスを発表し、LLMの出力が適切に帰属表示されない場合、他の情報源からのコピーと同様に剽窃とみなす旨の指針を更新している。

これらの事例は、文章の漏洩、スタイルの盗用、アイデアレベルでの再構築といった剽窃のさまざまな形態が、抽象的な分析の対象ではなく、法廷、教室、職場といった現実の場で日々繰り広げられていることを示している。

この状況に対する解決策は、生成AIの利用を完全にやめることではない。必要なのは「相互性（reciprocity）」の原則である。つまり、AIが生成するコンテンツの出力に、元の情報源へと戻るための「アトリビューションレイヤー」（帰属表示の仕組み）が開発されるべきである。また、AIから得られる収益の一部を、著者、図書館、リポジトリといった知識の創出者や管理者へと再分配するための「補償プール」が設置されるべきである。さらに、大学、出版社、公共機関は、AIツールを調達する際に、データの出所を明確にし、知識コモンズへの再投資を義務付ける調達ルールを採用する必要がある。

もし私たちが、この大規模な剽窃を「イノベーション」として受け入れ続けるならば、やがてこれらのツールに価値を与えている知識コモンズ自体を破壊してしまう危険がある。求められているのは明確である。すなわち、知識のインフラストラクチャへの再投資であり、それがなければ知識コモンズは消滅してしまうだろう。