AIが裁判官になったら冤罪は増えるのか減るのか
司法アルゴリズムのバイアス問題と、そもそも人間の裁判官のバイアス比較

人間の裁判官のバイアス

AIの司法利用を論じる前に、まず「人間の裁判官はどれほど公正なのか」を直視する必要がある。研究が示すのは、裁判官もまた認知バイアスの影響から逃れられないという事実だ。

ランチタイム効果

イスラエルの仮釈放審査を分析した有名な研究では、食事直後の仮釈放承認率は約65%だったのに対し、空腹時には承認率がほぼ0%まで低下した。裁判官の判断は法的論理だけでなく、血糖値という生理的要因にも左右される。

確証バイアスとアンカリング

裁判官は初期の心証に合致する証拠を重視し、矛盾する証拠を軽視する「確証バイアス」に陥りやすい。また、検察の求刑が量刑判断の起点となる「アンカリング効果」により、求刑が高ければ判決も重くなる傾向がある。これらは無意識に作用するため、裁判官自身が自覚することは難しい。

AIアルゴリズムのバイアス

では、AIなら公正な判断ができるのか。答えは単純ではない。AIは学習データに含まれる歴史的偏見をそのまま継承するからだ。

代理指標の問題

アルゴリズムが直接的に人種を変数として使わなくても、居住地・教育歴・職歴といった要素が事実上の「人種の代理指標」として機能する。過去の逮捕データを学習したAIは、特定地域の住民を一律に高リスクと判定しがちだ。

ブラックボックスと適正手続き

深層学習モデルの判断根拠は外部から検証困難であり、「なぜこの判決なのか」を被告人に説明できない。これは適正手続き（デュー・プロセス）の原則に対する根本的な挑戦となる。

事実認定におけるAI — 冤罪防止の可能性

AIが最も力を発揮しうるのは、量刑判断よりも事実認定のフェーズだ。冤罪は多くの場合、証拠の見落としや供述の矛盾を見逃すことから生じる。

量刑判断におけるAI — 新たな不当性のリスク

一方、量刑判断にAIを適用すると別の問題が浮上する。「統計的冤罪」、すなわち偽陽性の問題だ。再犯リスクが「高い」と予測された人物が実際には再犯しないケースは少なくない。統計的な傾向に基づいて個人を罰することは、個別事情の捨象につながる。

被告人が育った環境、犯行に至る経緯、反省の態度。こうした「物語」を読み取る能力は、現時点のAIには極めて限定的だ。

実証データが示す現実

日本の特異性

日本の刑事司法は有罪率99.9%という世界的に突出した数字を持つ。これは精密司法の成果とも言えるが、裏を返せば起訴された時点で有罪がほぼ確定する構造であり、追認バイアスが極めて働きやすい環境だ。

さらに、日本国憲法は司法判断において厳格な制約を課している。76条（裁判官の独立）、32条（裁判を受ける権利）、82条（裁判の公開）。AIが最終的な判断権者となることは、現行憲法の下では極めて困難であり、導入するとしても「補助ツール」の域を出ない。

結論 — ハイブリッド・モデルという最適解

人間の裁判官もAIも、それぞれ固有のバイアスを持つ。最適解は「どちらか一方」ではなく、両者の弱点を補完するハイブリッド・モデルにある。

AIが担うべきは、証拠分析や供述の整合性チェックといった「ノイズの排除」だ。感情や疲労に左右されず、膨大なデータを一貫した基準で処理する能力はAIの強みである。一方、人間が担うべきは「文脈の汲み取り」。被告人の人生の物語、被害者の感情、社会的影響。これらを総合的に判断し、正義を「感じる」能力は人間にしかない。

AIは司法を完全に自動化する道具ではなく、人間の判断の質を高めるための鏡として位置づけるべきだ。冤罪を減らすのはAIの精度ではなく、AIと人間が互いのバイアスを可視化し合う仕組みの設計にかかっている。