二、什么是机器人、AI？

到目前为止，本书并没有明确地给出机器人以及AI的定义，而是将两者放在一起叙述。本部分将给出两者各自的定义。

（一）什么是机器人？

1．机器人的定义

提起机器人大家会有什么样的印象呢？可能是铁臂阿童木、哆啦A梦等动画片或者电影的角色吧。三十多年前当笔者还是小学生的时候，曾经参观过百货商店举办的机器人展。对于那时的我来说，机器人就是笨拙的、关节可以活动的人形机械。

日本工业标准《JIS B 0134：2015机器人以及机器人装置术语》给出定义，机器人是“由程序驱动、具备两轴以上、拥有一定自主性、可在一定环境内实现目标作业的运动结构”（2.6）。从这个定义可以看出，机器人是脱离了人类在一定程度上具有“自主性”（3（3）），通过程序控制的机械。但是，这个是为了实现技术标准化而面向工业机器人给出的定义。而近年来机器人技术已经展现出令人惊讶的发展态势，并不符合上述定义。换言之，在当前很难给机器人下一个合适的定义。7

2．机器人、AI、IoT

日本机器人学会的网站上关于“日本机器人的研究进展”中指出，“计算机控制”是机器人研究的关键技术。8这样的话，机器人定义就与计算机或者AI有重叠的地方。通过总结机器人革命实现会议得到的“机器人新战略——愿景、战略、行动计划”（2015年1月）已经对上述观点作了说明。

一直以来，机器人被认为是具备①传感器、②智能控制系统、③驱动系统三要素的机械。但是，随着网络和AI的普及，即使没有固有的③而只通过独立的②对现实世界中的人和物进行访问和驱动已经成为可能。随着IoT9技术的发展，①也会变得不再必要。也就是说，只要有AI化的②（+IoT+网络）也可以实现机器人的机能。从这个角度来看，就不应该拘泥于“必须具备①~③所有要素的机械”这样的定义。

换言之，现阶段所理解的机器人，核心在于②智能控制系统正在独立化，甚至可以经常地认为其本身就是AI。在此基础上，机器人法的研究者平野晋教授给出定义，机器人是拥有“感知／认知＋思考／判断＋行动的反馈循环”的机械（人造物）。10在阅读本书的过程中，参照此定义联想机器人的形象就可以了。11

（二）什么是AI？

1．AI的定义

关于AI（Artificial Intelligence，人工智能）的定义，在研究者中尚存在众多不同的看法。人工智能学会的网页上关于“什么是人工智能”给出了如下说明：12

大家认为“人工智能”是什么呢？不就是像人一样动作的机器吗？这种观点既正确，也不正确。这是因为人工智能的研究有两种观点。一种是制作具有人类智能本身的机器；另一种是让机械代行人类对于智能的使用（略）。实际研究中基本都处于后一种。

作为AI研究的关键点，可以以“推论”（基于现有知识得到新的结论）和“学习”（从现有信息中发现将来可以使用的知识）来举例说明。

后者“学习”中，基于深度学习的阿尔法狗（AlphaGo）战胜人类围棋世界冠军这件事引爆了“第三次AI热潮”。深度学习就是通过设置多个层来提高神经网络（旨在将脑神经回路网的特性通过计算机再现的数理模型）学习精度的机器学习技术。13深度学习的发展依赖于计算机计算性能的提升、网络的发展以及AI学习所需的海量数据（大数据）。14

2．强AI和弱AI

大多数AI研究人员并不认为现阶段或者在不久的将来AI会完全达到人类智能的水平。现阶段的AI虽然展现出与拥有意识、个性的人类相似的举止行为，但实际上还是不具备意识、个性的弱AI。尚未实现拥有与人类同样意识和个性的强AI。15

不仅如此，将自身机能通用化的通用AI和特定化AI也存在区别。人工智能技术战略会议提出的《人工智能技术战略》（2017年3月）指出，“现在发展的AI技术是完成特定任务的特定化AI技术，是对人类能力的补充”。即使是现阶段已经超过人类智能的围棋、将棋AI，也还是在人类设定的目的和规则下工作的特定化AI。16

2016年12月成立的《政府和民间数据合理利用推进基本法》中将“人工智能相关技术”定义为“通过人工方法实现学习、推理、判断等智能以及合理利用该能力的相关技术”（第2条第2款）。这是不仅仅包含因深度学习而变为可能的弱AI以及特定化AI，而且包含更广义AI的概念。

（三）机器人和AI的什么是新的？

在现阶段，机器人和AI是密切相关的。从现有的机器人技术角度来看，机器人的智能、控制系统或者（思考、判断）的要素可以归为AI，因此以机器学习算法为构成要素的机器人同时也是AI系统。17

基于上述背景，本书将机器人、AI合在一起讨论。在本书中，自动驾驶汽车、无人机等也归为机器人、AI。在探讨由它们产生的法律问题以及法学相关课题之前，应该注意以下几点。18

1．机器人、AI与信息通信网络

通过借助信息通信网络对机器人进行控制的云AI便可以看出，现在的机器人、AI与ICT的关联越来越密切。AI发展中起关键作用的大数据的收集与分析也需要依靠网络。

围绕机器人、AI的讨论通常因“AI网络化”的形式而与ICT政策关联在了一起（参照本章第四部分），并且与隐私、安全等相关的信息法和信息政策有重叠之处，因此现有机器人、AI的发展与信息通信紧密地连接在了一起。另外，由机器人引起的物损事故、伤害等应该放到物质世界（物理空间）还是网络空间（虚拟空间）处理的问题依然值得商榷。

2．自主性与可控性

在机器人定义中提到的“自主性”，简单点说就是不依赖于人而由机器人、AI自己进行判断，同自动驾驶中的“自动”相同。当然，必须要注意的是“自主性”也存在程度差异。例如，自动驾驶技术从驾驶支持、部分驾驶自动化、有条件的驾驶自动化、高度的驾驶自动化到完全的驾驶自动化共分为5个阶段（参照本书第七章）。此外，机器人武器根据人的介入程度分为远程操作机器人、半自主机器人以及全自主机器人三类。

在“自主”作用下，当机器人、AI行动引发事故时，背后的人类是否要承担相应的责任呢？从更宏观的角度来看，这是设计机器人、AI与人类一般关系时需要思考的非常重要的一个因素。

当机器人、AI不等待人类的指令而自主判断、行动时，所引发的问题应该如何追究责任呢？对于人类来说，这就是发生机器人、AI不可控的情况。因此，是否应该在机器人、AI研发时就配备确保可控的装置呢？有观点认为，从机器人、AI本身的存在状态来看，这在技术上是不可行的。

3．透明性与可解释性

因深度学习技术而不断发展的AI展示出了超过人类智能的能力。但是AI研发人员无法说明为什么、如何得到这样的结果，即AI的判断已经被黑箱化了。如果是这样，机器人、AI的判断真的“正确”吗？将工作都委托给“比人类聪明”的机器人、AI就不会引发意外事故吗？因此，自然会产生一个新的问题——是否能够确保机器人、AI的透明性和可解释性，若不能确保的话就应该限定其使用场景。

4．关于机器人、AI形成的共识

机器人、AI技术正在迅速发展。从全球来看，以美国企业和中国为中心的研发竞争非常激烈，而日本的政府和民间也没有被这股潮流落下（本章第三部分）。在日本，智能手机从2010年以来爆发式地普及。因此，如果机器人、AI被实用化，会瞬间普及而成为我们生活中的必需品。因此，对于尚未出现的全自主型机器人和通用AI，我们也应该事先思考可能出现的问题，以及应对措施、研发限制等。

另外，我们很难比较全面地思考尚不存在的技术和服务所可能引发的相关问题。依赖于假想制定的规则不仅其实际效果靠不住，而且会阻碍机器人、AI技术的革新进而最终损害人类的利益。特别是，在全球都在积极进行研发竞争的大背景下，只由某一国家去思考相应的对策和限制是没有意义的。

因此，需要全社会对机器人、AI的发展方向、界限等形成统一的意见，在此基础上推进研究开发和应用。大家需要在现阶段对其难度有所了解。