30秒サマリ
- 文献は大きく4系統: ①哲学・認知科学の古典（Dreyfus/Polanyi系）②身体化認知・社会的認知（Varela/Damasio系）③労働経済学のタスク分類（Acemoglu/Autor系）④LLM時代の最新研究（Mollick/Vaccaro系）
- 哲学・認知科学系は「なぜ不可能か」の根拠が深い。経済学系は「どのタスクが代替されるか」の定量精度が高い。両方を読むと相互補完的に理解が深まる
- 最重要の発見: 「人間×AIの組み合わせはAI単独より劣る」ケースが多い（Nature Human Behaviour 2024、106研究メタ分析）。条件は「人間がAIより優れているタスクにのみ組み合わせ効果が正になる」
- 最もアクセスしやすい入口: Mollick「Co-Intelligence」(2024) または Brynjolfsson & McAfee「The Second Machine Age」(2014)
I. 哲学・認知科学の古典系
「人間の認知の何が原理的に代替不可能か」の根拠を掘る
What Computers Can't Do: A Critique of Artificial Reason
Hubert L. Dreyfus（1972年、改訂版1992年 MIT Press）
和訳: 『コンピュータには何ができないか』
AIは「データと変換規則が事前に明示的に与えられた問題しか解けない」。人間の知性はそもそも状況を「すでに意味ある世界」として経験（ハイデガー的「世界内存在」）するため、その文脈設定自体をAIは無限後退なしに行えない。1972年の本だが、LLM批判の骨格として現在も有効。
→ 記号主義AIの本質的天井がどこにあるかが哲学的に理解できる
Mind Over Machine: The Power of Human Intuition and Expertise in the Age of the Computer
Hubert Dreyfus & Stuart Dreyfus（1986年、Free Press）
熟達化5段階モデル（初心者→上級者→熟達者→達人）: 達人の判断は「ルール適用」ではなく「状況全体の瞬時把握（ゲシュタルト的直観）」。このレベルはAIが模倣できる記述的ルールに変換できない——変換した瞬間に達人ではなくなる。
→ チェスAIが人間を超えても「職人知」が残る理由の認知科学的説明
The Tacit Dimension（暗黙知の次元）
Michael Polanyi（1966年、Doubleday）
和訳: 『暗黙知の次元』
「我々は語れる以上のことを知っている（We know more than we can tell）」。自転車の乗り方・医師の直感・職人の手さばきは、命題化できない身体知に依存する。AIが学習できるのは言語化・数値化された知識のみで、暗黙知の中核は構造的に取り出せない。
→ 「職人の技をデータ化」がなぜ原理的に不完全なのかがわかる
Minds, Brains, and Programs（中国語の部屋・論文）
John Searle（1980年、*Behavioral and Brain Sciences*）
「中国語の部屋」思考実験: AIはシンタックス（記号操作）を実行するだけで、セマンティクス（意味の理解）を持てない。人間の意図性（インテンショナリティ）は生物学的機構に由来するため、ハードウェアが違うと再現不可。
→ 「AIが意味を理解している」という主張の反証構造が明確になる
Rebooting AI: Building Artificial Intelligence We Can Trust
Gary Marcus & Ernest Davis（2019年、Pantheon Books）
現行AIは「閉じた規則系の中で統計的パターンマッチング」をしているにすぎない。人間が持つ常識（common sense）とは感覚運動経験から構築されたリッチな世界モデルであり、データ量を増やしても到達できない。コンポジショナリティ（意味の合成性）と因果推論がAIの最大の穴。
→ LLMがどこで「崩れる」かを具体事例で体系的に理解できる（最もアクセスしやすい入口）
II. 身体化認知・社会的認知系
「身体を持つこと・他者と関わること」がなぜ認知に不可欠か
The Embodied Mind: Cognitive Science and Human Experience
Francisco Varela, Evan Thompson, Eleanor Rosch（1991年、MIT Press / 改訂版2017年）
「エナクション」: 認知は脳内表現の処理ではなく、身体が環境と相互作用することで「世界を生み出す」プロセスである。AIは身体を持たないため、意味が「立ち上がる」ループが原理的に欠けている。
→ なぜ身体なき知性が「意味」を扱えないかの神経科学・哲学的根拠
Descartes' Error: Emotion, Reason, and the Human Brain
Antonio Damasio（1994年、Putnam）
和訳: 『デカルトの誤り——情動、理性、人間の脳』
前頭葉損傷患者は論理能力は正常でも意思決定が壊滅的になる。「ソマティック・マーカー（身体から来る情動シグナル）」が複雑な選択でのヒューリスティクスとして必須。AIは感覚フィードバックを持たないため、このバイアス機構を再現できない。
→ なぜ感情を持たないAIが「賢い判断」をしにくいかの神経科学的根拠
Philosophy in the Flesh: The Embodied Mind and Its Challenge to Western Thought
George Lakoff & Mark Johnson（1999年、Basic Books）
人間の抽象概念（時間・道徳・因果）は身体経験から生まれた概念メタファーで構成されている。AIが「above average（平均以上）」という表現を扱えても、その背後にある身体感覚のマッピングを持たない——だから文脈ズレが起きる。
→ LLMの言語が「流暢だが空虚」と感じられる認知言語学的説明
"Theory Is All You Need: AI, Human Cognition, and Decision Making"（論文）
Teppo Felin, Matthias Holweg / Strategy Science誌（2024年）
人間の認知は「情報処理（input-output）」ではなく「理論化（theorizing）」。AIの頻度・確率ベースの予測は後ろ向きで模倣的だが、人間の因果的推論は前向きで真の新規性を生む。「何を見るべきか」を決める能力（問題設定・理論構築）こそ人間優位の根拠。
→ なぜAIは高次判断・意思決定で人間を代替できないかの最新認知科学的根拠
III. 経済学・タスク分類系
「どのタスクが代替されるか」を定量的に分類する軸を提供
"The Skill Content of Recent Technological Change: An Empirical Exploration"（論文）
David Autor, Frank Levy, Richard Murnane / *Quarterly Journal of Economics*（2003年）
タスクを「ルーティン認知 / ルーティン手作業 / 非ルーティン認知 / 非ルーティン手作業」の4象限に分類。コンピュータは明示的ルール記述可能なタスクを代替し、ルール記述不可能なタスクでは人間を補完すると定式化。以降の研究の起点となった古典論文。
→ 「AIに代替される仕事」を占う最初の分類軸を提供した論文。これを読まずに労働×AI議論はできない
Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity
Daron Acemoglu & Simon Johnson（2023年、PublicAffairs）
和訳: 『パワー・アンド・プログレス』（2024年）
産業革命・電気・コンピュータ革命の歴史を横断して共通パターンを抽出。技術が広く分配される条件は「技術の方向性」と「誰が意思決定するか」の2変数で決まる。現在のAIは「少数のテック企業が方向性を決めている」点で危険な偏りがある。
→ 技術史の俯瞰から「AIが仕事を奪うのは技術の必然でなく政策選択」という視点を得られる
"Generative AI at Work"（論文）
Erik Brynjolfsson, Danielle Li, Lindsey Raymond / *Quarterly Journal of Economics*（2025年）
コールセンターにAIアシスタントを導入した自然実験。生産性は平均14%向上したが、恩恵を受けたのは経験の浅い低スキル労働者に集中し、高スキル者には効果がほぼなかった。「AIが高スキル者の暗黙知を低スキル者に転移する」という補完メカニズムを実証。
→ AI補完の恩恵が誰に行くか・なぜかを数字で示した最重要実証研究
"GPTs are GPTs: Labor Market Impact Potential of LLMs"（論文）
Tyna Eloundou et al. / *Science*誌（2024年）
GPT（汎用技術）としてのLLMが、どの職種・タスクにどの程度「暴露」しているかをタスク単位でスコアリング。高学歴・高賃金職種ほどLLMへの暴露度が高い（従来の自動化とは逆の傾向）。
→ ChatGPT以降のLLM時代に合わせてタスク分類を更新した最新の実証研究
"The Wrong Kind of AI?"（論文）
Daron Acemoglu / *Cambridge Journal of Regions, Economy and Society*（2020年）
現在のAIは「労働代替（Labor-replacing）」寄りに設計されており、「労働拡張（Labor-augmenting）」型のAI開発が少なすぎる。技術の方向性はインセンティブ設計（税制・補助金）によって変えられると主張。
→ 「AIが人を代替するのは技術の必然」ではなく意図的設計の問題だという視点
IV. LLM時代の最新研究
2022年以降の生成AI登場を踏まえた議論
Co-Intelligence: Living and Working with AI
Ethan Mollick（2024年、Portfolio/Penguin）
AIを「道具」でも「代替者」でもなく「co-intelligence（共知性）」として位置づけ。人間がAIを徹底的に使い倒した実験結果から、どの認知操作で人間主導が有効かを職種別に分析。「AIに役を演じさせる」ことで補完が生まれる条件を示す。
→ 今すぐ実践できるAIとの認知的役割分担の具体例集。最もアクセスしやすい入口
"When Combinations of Humans and AI Are Useful: A Systematic Review and Meta-Analysis"（論文）
Michelle Vaccaro, Abdullah Almaatouq, Thomas Malone（MIT） / *Nature Human Behaviour*（2024年12月）
106研究・370効果量を分析。平均的には「人間+AI」の組み合わせはAI単独より劣る。タスク種別で大きく差異: コンテンツ生成では組み合わせが有利、意思決定タスクでは損失が出る。「人間がAIより優れているタスクにのみ組み合わせ効果が正になる」と特定。
→ 「人間×AIチームが有効な条件」を定量的に特定した決定版メタ分析
"Complementarity in Human-AI Collaboration: Concept, Sources, and Evidence"（論文）
Patrick Hemmer et al. / *European Journal of Information Systems*（2025年）
補完性の源泉を「情報非対称性」と「能力非対称性」の2軸に整理。人間は文脈理解・因果推論が強く、AIは高次元データのパターン検出と一貫した意思決定が強い。この2軸が重なる設計が有効な協働の条件。
→ 人間優位/AI優位の分類軸を概念的に体系化した理論的基盤
The Coming Wave: Technology, Power, and the Twenty-first Century's Greatest Dilemma
Mustafa Suleyman（DeepMind共同創業者）（2023年、Crown）
AIが複雑タスクを自律実行できる段階になると「封じ込め問題（containment problem）」が定義的課題になる。AIが何を「実行すべきか」を決める人間の判断能力——価値整合・文脈判断——こそが維持されるべき人間側の役割。
→ テクノロジー内部者の視点から見た、人間の認知的役割の長期的不可欠性
"The Cognitive Divergence: AI Context Windows, Human Attention Decline, and the Delegation Feedback Loop"（論文）
Netanel Eliav / arXiv（2026年3月）
LLMのコンテキストウィンドウは2017年の512トークンから2026年に200万トークンへ増大、一方で人間の有効文脈スパン（有効文脈量）は同期間で16,000→1,800トークンに低下。AIへの委譲が広がるほど人間の認知練習量が減り、さらに能力が落ちる正のフィードバックループを指摘。
→ AI依存が人間の認知能力を構造的に縮小させるメカニズムの定量的モデル（最新・査読前）
深掘り優先度の目安（目的別）
「なぜ不可能か」の根拠を掴みたい
→ Polanyi「暗黙知の次元」→ Dreyfus「What Computers Can't Do」→ Damasio「デカルトの誤り」
「どのタスクが残るか」を定量的に把握したい
→ Autor-Levy-Murnane 2003 → Acemoglu「Power and Progress」→ Brynjolfsson「Generative AI at Work」
今すぐ実務に使いたい
→ Mollick「Co-Intelligence」→ Vaccaro「When Combinations of Humans and AI Are Useful」
LLM時代の最新議論を押さえたい
→ Marcus「Rebooting AI」→ Felin「Theory Is All You Need」→ Hemmer「Complementarity in Human-AI Collaboration」
人間の認知が将来どう変容するかを知りたい
→ Eliav「The Cognitive Divergence」→ Suleyman「The Coming Wave」→「Co-Alignment」(arXiv 2025)
未解明・次の問い
- 「ルール記述不可能なタスク」という軸は、AIの能力向上とともに境界線が動く——現在の「不可能」はどこまで本質的で、どこから技術的限界か
- 「人間×AIの組み合わせがAI単独より劣る」（Vaccaro 2024）という発見は、なぜ広く知られていないのか——導入決定者はこのエビデンスを知っているか
- 人間の認知能力がAI依存で低下する（Eliav 2026）なら、「AI時代に保つべき認知操作」はどれで、どう訓練するのか