ゲリマンダー（ジェリマンダーで）とは、政治プロセスに影響を与える最も陰湿な方法の1つだ。票の集め方や数え方を合法的に変えることで、結果に影響を与えることができる。解決策は、公平な手で投票区を描くAIシステムかもしれない。
通常、州内の選挙権に対応する選挙区は人間が決めている。会派の両側にいる党派的な工作員は、このプロセスを利用して敵対的な有権者を排除して自分たちの有権者を囲い込むような歪んだかたちを作り出そうとしてきた。それはとても効果的で、いまでは当たり前のことになっている。実際に文字のような形をした選挙区を集めて作られたフォントもあるほどだ。
この問題は、いったどう解決すればいいだろうか？Wendy Tam Cho（ウェンディ・タム・チョー）氏とBruce Cain（ブルース・カイン）氏は「民主主義」 をテーマにした特集記事 「Science」 の最新号で、少なくとも部分的には選挙区の区割りを自動化するべきだと主張している。イリノイ大学アーバナ・シャンペーン校で教鞭をとるチョー氏は、何年にもわたってコンピュータによる区割りを変更を要求してきたが、ちょうど昨年ACLU（米自由人権協会）の訴訟で専門家の証人となった。
彼らの研究を説明するエッセイの中で、彼らはこのアプローチを次のように要約している。
今後は、ほかの方法では不可能な結果を生み出すために、人々が機械と協力して作業できるようになる。そのためには、人工知能（AI）と人間の知能の長所を生かし、短所を最小限に抑える必要があるだろう。
機械は、人間が想像を絶するほど大きく複雑な情報量をうまく処理することで合理的な意思決定を強化し、適切な情報を提供してくれる。一方人間は、その地形の中で自分の考えに合った偏った経路にしたいという誘惑に抗し切れないことを示してきた。
選挙区割りを分割する方法は事実上無数にあるため、AIエージェントはこれらの形状を制限する基準に優先順位を付ける必要がある。例えば、150平方マイル以上の区域を設定したくない州があるとしよう。この場合、実際にゲリマンダーエリアでしばしば起こるのだが、蛇のようないびつな区分け地区が他の地区の端にずらりと並ぶことを回避することも考慮しなければならない。そして、数え切れないほどの歴史的、地理的、人口統計学的な考察についても検討する必要がある。
ChoとCainの記事に掲載されているこのイラストは、区割り問題を簡略化したもので、誰が描くかによって党派的な選挙区がどのように作られるかを示している（画像クレジット: Cho/Cain/Science）
言い換えれば、区分けの根拠は人によって証明されなければならないが、「天文学的な数が存在する区分け方法について綿密な調査」をしなければならないのは機械ということだ。
これをどのように機能させるかは個々の州に委ねられており、区分けは各州が独自の規則と権限を持つ。問題は明らかだろう。政治の世界に入ると、人間は「偏った道筋を描く」傾向があるという複雑な状況に陥ってしまうのだ。
チョー氏はTechCrunchの取材で、区割りの自動化はほぼすべての州のプロセスに潜在的な利益をもたらすが、「その過程における透明性は、国民の信頼を醸成し維持し、偏見の可能性と認識を最小化するために不可欠です」と強調した。
「いくつかの州はすでに区割りの自動化を採用している」と同氏は指摘した。ノースカロライナ州では、コンピューターで描かれた1000枚の地図から無作為に選んでいるそうだ。しかし、自動区割りを広範な地域に適用するにはさらなる国民の信頼を得る必要があるだろう。
テクノロジーと政治を融合させるのは簡単なことではない。その原因の1つは、選挙で選ばれた役人のテクノロジーに対する無知がある。また、一部にはシステムに対する漠然とした不信感がある。それは、必要であれば正しいものに変えられるが、一般市民には理解しにくい。
「これらのモデルの詳細は複雑で、統計学、数学、コンピュータサイエンスの知識をかなり必要としますが、政治制度や法律がどのように機能しているかについても同様に深い理解が必要です。同時に、すべての詳細を理解するのは大変なことですが、一般市民や政治家がこのレベルの理解を必要としているとは思えません。一般の人々はワクチンやDNA検査、航空機の飛行などの技術的な詳細を理解することなく、その背後にある科学を信じている」とチョー氏は語る。
確かに、飛行機が落ちるかどうかを心配する人はほとんどいないが、飛行機は1世紀ほどの間にその信頼性を実証してきた。一方、ワクチンにとっての最大の課題は、新型コロナウイルスの感染が蔓延している現在の先にあるのかもしれない。
「社会は現在大きな信用不足を抱えています。信頼は獲得されるべきであり、獲得されなければならない。私たちは信頼を生み出す過程を発展させなければならない」と同氏。
しかし重要なのは、統計学者や機械学習の専門家でなくても、これらの方法で生成された専門家チェック済みの地図を見られること。その地図は、さまざまな思惑で決められた区分けよりも公平になるはずだ。
国民が何かを受け入れるための最善の方法は、それがきちんと動作することを確認することだろう。我々は郵便投票のように、すでに有効な手段をいくつか持っている。第1に、ノースカロライナ州のシステムがある。同州のシステムは公平な選挙区をコンピュータで確実に区分けできることを示している。実際に1000枚の公平な地図を簡単に作成できるので、いい所だけを切り取る「チェリー・ピッキング」の問題はない。
第2にオハイオ州の事例は、選挙に有利な区割り（ゲリマンダー）と事実との対比を示している。この区割りは、無作為性や人口統計学的な条件ではなく、党派の干渉によってのみ説明できるからだ。
AIがあれば、普通は人間が輪の中にいるのが賢明だし、政治の世界ではAIがあれば二重にそうなる。
自動化されたシステムの役割は慎重に制限されなければならず、その限界は適切に説明されなければならない。そして既存プロセス内での役割は、便宜性よりも慎重な考慮の結果であることが示されなければならない。
「一般の人々は、これらのアルゴリズムを生み出した科学界の中での熟考や熟考の感覚を持つ必要があります」とチョー氏は言う。
これらの手法がすぐに広く使われることはなさそうだが、今後数年のうちに、他の理由で地図が書き直されるにつれ、公平なシステムをプロセスに参加させることが、おそらくプロセスの標準的な部分になるかもしれない。
画像クレジット：Getty Images
［原文へ］
（翻訳：TechCrunch Japan）
