Bill GatesによるAI規制警告：10億人死亡シナリオが議論を変える理由
Bill Gatesは、AIが10億人の死を招く出来事に関与し得るほど強力になっていると警告し、業界に対する政府の強制的な監督を求めた。
Microsoft共同創業者であるGatesは、NBC Newsの「Meet the Press」のインタビューでこの発言を行った。Gatesは、AIが独力で10億人を殺害すると予測したわけではない。能力を増し続けるAIツールを悪意ある人々が利用する、壊滅的なシナリオを説明したのである。
この区別は重要だ。Bill GatesによるAI規制警告は、機械が突然人類を滅ぼす決断を下すことを主題としているわけではない。AIを使って生物学的、サイバー上、あるいはその他の大規模な危害を拡大する人々の問題に焦点を当てている。
Gatesはまた、OpenAIやAnthropicなどの開発者による自主的な約束では十分な保護を提供できないと主張した。彼の立場は、業界主導の安全策、迅速な展開、限定的な連邦政府の介入を軸とする対抗的なビジョンに対し、政府による執行を求めるものだ。
この警告は、明確な政策対立のさなかに出された。最先端モデルの開発者は、生物学的およびサイバー上の悪用に対する安全策を強化している。一方で連邦政府は、米国のAI開発を遅らせかねない規制上の障壁を取り除くことを重視している。
Gatesが実質的に問うているのは、企業が自らのシステムによって生み出されるリスクの最終的な裁定者であり続けるべきかという点だ。その答えは、高度なモデルの試験、公開、監視、制限のあり方を左右する。
Bill GatesがAI規制について実際に語ったこと
Gatesが示したのは壊滅的な能力であり、明示された確率や期限を伴う予測ではない。
完全版の「Meet the Press」インタビュー公開前に出された抜粋で、GatesはAIが10億人の死をもたらす出来事を引き起こし得るほど強力だと述べた。彼はこの危険を、有害な意図を持つ人々が最新のAIシステムを利用することと結び付けた。
この表現には、主張の重要な限界がある。Gatesは、その規模の死者を出せる特定のモデルを示していない。シナリオの確率、技術的な実証、タイムラインも提示していない。
したがって、この数字は起こり得る結果の大きさを示すものとして機能する。10億人の死者が予想されている、あるいは差し迫っているという予測として扱うべきではない。
それでもGatesは明確な政策判断を示した。議会が行動する必要があるかと問われると、彼は肯定し、監視と執行は義務化されなければならないと主張した。
監視と製品承認の違いは重要である。監視には、インシデント報告、能力評価、アクセス制御、深刻な脆弱性の開示などが含まれ得る。執行は、企業がこれらの要件を満たさなかった場合に何が起きるかを決める。
このBill GatesによるAI規制警告は、直近のインタビュー以前から彼が展開してきた議論の延長でもある。2023年のAIのリスクに関するエッセイで、Gatesは偽情報、サイバー攻撃、雇用の混乱、バイアス、そしてシステムが人間の利益に反して行動する可能性について論じた。
近年の彼の発言は、その立場を二つの点でより鮮明にしている。第一に、大規模な死傷者を伴う悪用を議論の中心に置いたこと。第二に、企業は自主規制だけでこの問題を管理できないと述べたことだ。
Gatesは別のインタビューでも、AIリスクをバイオテロリズムと結び付けている。生物学的な悪用は、ソフトウェアによる支援が実際の病原体、国際的な移動、公衆衛生防衛のばらつきと結び付くため、とりわけ深刻なシナリオとなる。
ただし、AIが生成した回答そのものが生物兵器になるわけではない。悪意ある行為者には、依然として実験室へのアクセス、適切な材料、暗黙知としての専門性、実験の成功、生産能力、そして拡散手段が必要となる。
こうした障壁が、10億人死亡という枠組みを不確実なものにしている。しかし、それによって根本的なガバナンス上の問題が消えるわけではない。
Gatesの議論を最も強く解釈するなら、彼の数字を予測として受け入れる必要はない。最先端モデルが、公的機関による評価の速度を上回って有害な能力を高め得ることを受け入れればよい。
この隔たりが存在するなら、災害を待つことは監督を確立する方法として不適切だろう。Gatesは、極端な能力が広く利用可能になる前に、政府が義務を設けることを求めている。
10億人死亡シナリオが生物学的悪用を中心に据える理由
危険は、AIが困難な研究作業を圧縮することにある。一方で、物理的な実行は依然として大きな障壁だ。
生物学研究はデュアルユースの分野であり、同じ知識が医療にも意図的な危害にも使われ得る。科学者のタンパク質分析を支援するモデルは、悪意ある利用者が危険な生物学的プロセスを理解する手助けにもなり得る。
AIは研究の複数の段階で支援できる可能性がある。専門文献を要約し、実験的アプローチを提案し、手順上の問題を解決し、異なる分野に散在する情報を結び付けることができる。
こうした機能が自動的に病原体を生み出すわけではない。それでも、病原体の開発を目指すために必要な時間、専門知識、調整の負担を減らす可能性がある。
OpenAIは、Preparedness Frameworkの下でChatGPT agentを高い生物学的能力を持つと分類した際、この方向性を認めた。同社は、その分類によって深刻な悪用を減らすためのより強力な保護策が発動されたと述べている。
2026年にOpenAIは、防御的ツールに最先端の生命科学モデルを適用する取り組みであるRosalind Biodefenseも導入した。この発表は中心的な緊張関係も示している。能力の高い生物学AIは公衆衛生を強化できる一方、アクセス制御の必要性を高める。
Anthropicも同様の結論に達している。同社の現行scaling policyは、危険な化学的または生物学的支援を含む能力の閾値に応じて、より強力なセキュリティおよび展開上の安全策を結び付けている。
これらの方針は、壊滅的な悪用が単なる外部批判者の作り話ではないことを示している。主要なモデル開発者はすでに、安全プログラムの一部をこの問題を軸に組み立てている。
意見の対立は、誰が閾値を定め、誰が遵守を検証するのかという点にある。自主的なガバナンスの下では、各社が独自の試験を設計し、結果を解釈し、安全策が十分かどうかを判断する。
この構造には、迅速性と専門知識という利点がある。研究所は、議会が新たな能力を理解するのを待たずに、分類器やアクセス規則を更新できる。
しかし同時に、明白な利益相反も生じる。モデルの危険性を評価する開発者は、多くの場合、そのモデルを公開し、顧客を獲得し、競合他社に遅れを取らないよう求められる同じ企業である。
Gatesの政府監督を求める議論は、この利益相反を標的としている。彼は単に企業内の安全チームを増やすよう求めているのではない。証拠の提出を要求し、結果を課せる、企業の外部にある権限を求めている。
ある開発者の判断が社会全体に影響する場合、介入を求める根拠はより強くなる。企業は商業的利益を得るために公開リスクを受け入れるかもしれないが、潜在的なコストの多くは社会が負担することになる。
ただし、技術的な証拠には依然として論争がある。Anthropicが引用した以前の研究では、生物学的攻撃計画の設計に言語モデルを用いた参加者は、インターネットを用いた参加者と比べて統計的に有意な優位性を示さなかった。
新しいシステムは進歩しているものの、能力評価の比較は依然として難しい。開発者ごとに、モデル、テスト対象者、プロンプト、採点方法、脅威に関する前提が異なる。
実験室での実行も別の制約となる。モデルは、現実の条件下では失敗するもっともらしい指示を生成し得る。生物学的システムには不確実性があり、実験の成功は書面のプロトコルには現れない暗黙知に左右されることが多い。
そのため、公共の議論は二つの正反対の方向で失敗し得る。一方は壊滅的なシナリオを、証明された短期的な結果として扱うかもしれない。もう一方は、現在のシステムがあらゆる段階を独力で完遂できないという理由で、それを退けるかもしれない。
真剣な政策対応は、こうした誤りの間で機能しなければならない。モデルが重要な段階で意味のある支援を提供するかを測定し、その支援が増すにつれて安全策を強化すべきだ。
これが、10億という数字が注目を集める一方で、規制基準として機能できない理由である。規制当局に必要なのは、劇的な死者数の推計ではなく、測定可能な能力の閾値だ。
Bill GatesによるAI規制警告が自主規制に突き付ける課題
中心的な対立は、政府による執行と企業が管理する安全フレームワークの間にある。
OpenAIとAnthropicは、深刻なリスクを特定するための正式な制度を構築している。これらには、能力評価、レッドチーム演習、分類器、アクセス制限、セキュリティ統制、インシデント対応プロセスが含まれる。
安全分類器とは、危険な内容を含むプロンプトや出力を検出する小規模な自動システムである。レッドチーミングとは、敵対者が見つける前にモデルの弱点を意図的に試験することを指す。
これらの統制は、責任ある行動を約束するだけのものより実質的だ。有害な要求を遮断し、高度な能力を信頼できる利用者に限定し、モデルが危険な閾値を超える箇所を明らかにできる。
例えばAnthropicは、一部の現行モデルにASL-3基準に関連する保護を適用しているとしている。この基準は、深刻な悪用の可能性を持つシステムに対する高度なセキュリティおよび展開上の安全策を対象とする。
同社のロードマップには、ジェイルブレイク検出の強化も含まれる。ジェイルブレイクとは、モデルの安全制限を回避するよう設計されたプロンプト手法である。
OpenAIのPreparedness Frameworkも同様に、能力の区分とそれに対応する安全策を用いている。その生物学的脅威モデルは、システムが初心者による既知の脅威の取得、作成、配備を支援できるかどうかを検討する。
こうしたアプローチは、規制にとって有用な土台を含んでいる。企業が作成したというだけで、政府が開発者による評価を捨て去る必要はない。
しかし、結果を検証する手段は必要だ。独立した評価者には、モデル、試験環境、技術文書、そして企業の結論に異議を唱えるための十分な時間へのアクセスが求められる。
義務的な報告は、規制当局が提供事業者を横断する傾向を把握する助けにもなる。一社で起きた深刻な悪用の試みは、あらゆる主要プラットフォームを脅かす攻撃手法を明らかにする可能性がある。
政府の監督は、開発者に対し、該当するインシデントの報告、セキュリティ基準の維持、壊滅的リスク試験の要約の公開を求め得る。また、研究者や従業員が問題を開示するための保護された経路を整備することもできる。
難しい問題は、いつ評価が展開の延期につながるべきかだ。公開に関する結果を伴わない規則は、事務手続き上の要件になりかねない。過度に広範な承認制度は、有益な研究を凍結させたり、最大手企業を有利にしたりするおそれがある。
Gatesの立場は、最先端のリスクの狭いカテゴリーに適用される場合に最も説得力を持つ。これには、生物兵器開発、高度なサイバー作戦、または開発者が確実に制御できない自律的活動を実質的に支援するモデル能力が含まれる。
壊滅的リスクという言葉が、一般的な生産性ツールを規制する正当化に使われると、その主張は弱まる。メールの下書きと病原体の設計に、同じ義務を課すべきではない。
したがって、リスクに基づくルールは、企業のブランドやモデルのマーケティング上の名称ではなく、能力とアクセスに焦点を当てるべきだ。小規模な専門的生物学モデルの方が、関連能力が限定的なはるかに大規模な汎用モデルよりも、厳しい精査に値する可能性がある。
このアプローチは、規制の虜を生む機会も減らす。規制の虜とは、既存企業が公益ではなく自らの立場を守るためにルールを形作る状況を指す。
大手AI企業は、スタートアップよりもコンプライアンス費用を容易に負担できる。規制が測定可能なリスクではなく高額な文書作成に依存すれば、すでに市場を主導している企業の地位を固定化しかねない。
批判者はまた、経営者や著名なテクノロジー界の人物が、より差し迫った害への関心が薄い中で、遠い将来の破局を持ち出しているのではないかと疑問を呈している。詐欺、なりすまし、差別、監視、安全性を欠く医療助言、雇用の混乱は、すでに現実の利用者に影響を及ぼしている。
この批判は、破局的リスクを否定するものではない。AI規制を単一のシナリオや一人の著名な提唱者だけに基づいて構築してはならない理由を示している。
信頼できる制度は、害の種類ごとにルールを分けるだろう。消費者保護当局は欺瞞や不公正な慣行に対処できる。分野別規制当局は、医療、金融、輸送における利用を監督できる。専門機関は、破局的な可能性を持つ最先端能力を評価できる。
ビル・ゲイツ氏によるAI規制への警告が圧力を生むのは、自主的な枠組み自体が危険な閾値の存在をすでに認めているためだ。企業がその閾値を定義した以上、政策立案者が、なぜ遵守を任意のままにすべきなのかと問うのは合理的である。
ワシントンは逆方向に動いている
ゲイツ氏が義務的な監督を求める一方、連邦政策はスピード、競争、規制障壁の撤廃を優先している。
現在の政策をめぐる対立は、安全性と完全な無関心の間にあるものではない。どのリスクに拘束力のあるルールが必要か、そしてそのルールが米国の主導力を強めるのか弱めるのかが争点となっている。
ホワイトハウスのAI行動計画は、迅速なイノベーション、インフラ拡大、国際的リーダーシップを推進している。また、AI開発を不必要に妨げる連邦規則を特定するよう各機関に指示している。
この政策課題は競争上の論拠を反映している。米国企業が海外の競合他社よりも遅い承認手続きを強いられれば、世界的リスクを減らさないまま開発だけが他国へ移る可能性がある。
制限は有益な利用にも影響しうる。ライフサイエンスの研究者は、データ分析、治療法の開発、生物学的脅威への防御強化のためにAIを利用している。広範な規制は正当な研究を妨げる一方、強い意志を持つ敵対者が規制の緩いツールを探すことを止められないかもしれない。
規制緩和を支持する人々はさらに、最先端能力の変化が速すぎるため、詳細な立法は追いつかないと主張する。法定のテストは、行政機関が実施を終える前に時代遅れになる可能性がある。
これらの反論は、現実的な設計上の問題を明らかにしている。ただし、自主規制で十分だということを示すものではない。
競争は、自主的な自制を不安定にしうる。ある企業がリリースを遅らせれば、別の開発者が利用者、収益、技術的な威信を獲得できる。各社は自社の安全策が十分だと考える一方、不確実性を自社に有利な形で解釈するかもしれない。
国際競争も同様の力学を生む。政府は他国に遅れを取ることを恐れ、制限を避ける可能性がある。すべての参加者が共通の危険を認識していても、この論理は続きうる。
したがってゲイツ氏の提案は、競争の両方の層に答えを示す必要がある。国内ルールはプロバイダー間で一貫して適用されるべきであり、国際協定は国境を越えて拡散しうる危険な能力に対処すべきだ。
単一の世界的規制機関が政治的に実現する可能性は低い。より実務的な協力には、共通の評価手法、情報共有、研究施設のセキュリティ基準、最も危険なモデル機能へのアクセス制限などが含まれうる。
政府はすでに、核物質、感染症、航空安全、サイバー犯罪をめぐって協調している。これらの制度はいずれもリスクを完全には排除しないが、それぞれが共通の期待と対応経路を生み出している。
AIは、ソフトウェアを複製できるため、より難しい検証上の問題をもたらす。訓練中に学習された数値パラメータであるモデルの重みは、高度なシステムを元の提供者の管理外で動作させることを可能にする場合がある。
モデルが危険な閾値に達すると、こうした重みの保護はますます重要になる。攻撃者が基盤となるモデルを盗み出して独立して実行すれば、デプロイメント時のフィルターでは悪用を防げない。
これは、政府と業界の利害が一致しうる領域の一つだ。企業は盗難からの保護を望み、政府は機微な能力が敵対的な主体に渡ることを防ぎたい。
より難しい対立点は透明性に関するものだ。公開情報開示は説明責任を改善できるが、脆弱性に関する詳細な報告は、攻撃者に標的を教える可能性がある。
規制当局には完全な評価への秘密保持を前提としたアクセスを与え、一般向けには手法、結果、緩和策の判断を説明する要約を公開する必要があるかもしれない。独立した専門家は、セキュリティ上の義務の下で機微な証拠を調査できる。
このモデルは、他の高リスク分野の監督に似ている。企業は商業上機微な情報を非公開に保つ一方、規制当局は安全性に関する主張を検証するのに十分なアクセスを得る。
米国はまた、州が独自の最先端モデル規則を設けられるかを決めなければならない。州法は連邦レベルの空白を埋められるが、相反する要件はコンプライアンスを断片化させる可能性がある。
連邦レベルの基準線は、この緊張を解消できる。破局的リスクの試験に関する最低要件を定めつつ、州が地域のデプロイメントや消費者保護の問題に対処することを認められる。
報じられた発言の中で、ゲイツ氏は完全な立法設計図を提示していない。その介入はむしろ、一つの境界線を引いている。監視と執行は任意のままではならないということだ。
この境界線は、過度な規制を懸念する連邦戦略と直接衝突する。次の段階の議論では、規制が良いか悪いかという問いを超え、どの義務がどの能力に対応するのかを特定しなければならない。
10億人死亡という主張が証明しないこと
深刻な結果は、そのシナリオが起こりやすい、差し迫っている、あるいは技術的に容易であることの証拠ではない。
10億人という数字は記憶に残るため、報道を支配するだろう。また、読者にパニックか一蹴かの二択を迫ることで、論点を歪める可能性もある。
ゲイツ氏の発言に付随する公開証拠は、現在利用可能なモデルが10億人規模の死者を出す事象を起こせることを示していない。この主張は、完了したリスク評価ではなく、起こりうる被害規模を説明している。
破局的な結果は、出来事の連鎖に依存する。生物学的なシナリオでは、攻撃者には実行可能な設計、材料、設備、運用技術、試験の成功、生産、効果的な放出が必要になる。
どの段階で失敗しても、攻撃は阻止されうる。スクリーニング、監視、医療対抗措置、法執行を通じて、防御システムも介入できる。
そのため、一部の専門家はAIが設計したパンデミックが目前に迫っているという主張に異議を唱えている。その懐疑論はしばしば、生物学的情報を生成することと、伝播性があり、安定して危険な生物を実際に作り出すこととの違いに焦点を当てている。
この違いは強調に値する。言語モデルは自信ありげな誤りを生み出しうる。生物学的実験はしばしば計算上の予測とは異なる挙動を示し、現実世界での兵器化には情報の取得以上のものが必要だ。
それでもリスクは動的である。モデルが改善され、研究ツールと接続されるにつれ、プロセスのより多くの部分を支援する可能性がある。自動化は、現在もなお大きい障壁を下げるかもしれない。
だからこそ、固定的な主張はすぐに古くなる。旧世代のモデルが試験に失敗したからAIは役に立てないと言うことも、新世代のモデルが攻撃全体を実行できると想定することも、同じように信頼できない。
規制には、現実的な課題を使った反復的な評価が必要だ。こうした試験では、既存のリソースと比べてモデルが利用者の能力をどれだけ高めるかを測定すべきである。
評価者は異なる利用者も研究すべきだ。専門家にはほとんど役立たないモデルが、中程度の訓練を受けた人物を大きく支援する場合がある。あるいは、実践的な能力を向上させないまま、初心者に危険な自信を与えるかもしれない。
標的となるリスクも重要だ。あるシステムは新規病原体の設計では不十分な性能でも、研究施設のインフラや公衆衛生ネットワークに対するサイバー攻撃では有用性を示す可能性がある。
ゲイツ氏の警告は、こうした多様な経路を単一の破局的な枠組みにまとめている。政策立案者は、義務を定める前にそれらを分解して検討すべきだ。
同様の厳密さで、利益も評価すべきである。AIが医療を変革するという主張にも、破局的な悪用に関する主張と同じく証拠が必要だ。
生物学分野のAIは、研究者が複雑な文献を探索し、候補分子を特定し、データを解釈し、防御ツールを設計する助けとなりうる。正当な研究を守らずにアクセスを制限すれば、それ自体が公衆衛生上のコストを生む。
目標は、どの技術にも実現できないリスクゼロではない。開発者や利用者が、十分な安全策と外部レビューなしに極端なリスクを他者に負わせることを防ぐことが目標だ。
もう一つの懸念は、民主的正統性である。技術専門家はモデルを理解しているが、許容可能なリスクに関する判断はすべての人に影響する。企業は、社内試験だけでそうした価値判断を解決することはできない。
政府の関与が賢明な決定を保証するわけでもない。行政機関は専門性に欠けたり、動きが遅かったり、政治化したり、監督対象の企業に過度に依存したりする可能性がある。
独立した研究へのアクセスは、この弱点を減らせる。大学、非営利の研究所、認定評価者には、企業が選んだ証拠だけに全面的に頼らずモデルを試験する手段が必要だ。
明確な基準は、AI企業の内部で働く人々の助けにもなる。深刻な問題を特定した従業員は、報告方法と適用される保護を知るべきである。
公共向けの説明も改善が必要だ。前提を伴わない劇的な数字は信頼を損ないうる。理解しやすい結論のない技術報告書は、重要な決定を公衆から隠してしまう可能性がある。
したがって、ビル・ゲイツ氏によるAI規制への警告を最も有用に読むなら、見出しが示すよりも限定的なものとなる。AIは極めて有害な事象に寄与しうるが、企業による自主的なルールでは十分な公的説明責任を提供できない。
この主張は、10億人が死亡する確率を立証してはいない。社会が安心や警鐘のいずれかを受け入れる前に、より良い証拠を求める理由を示している。
ゲイツ氏の警告を試す三つのシグナル
この議論には、規制当局、モデル評価、現実世界での悪用調査から得られる観察可能な証拠が必要だ。
第一のシグナルは、義務的な最先端モデル評価に関する議会の行動だ。意味のある提案は、どの能力が監督の対象となるか、誰が試験を行うか、危険な結果が出た後に何が起きるかを定義するだろう。
情報開示だけでは、執行の問題に答えられない。政策立案者は、評価に失敗した場合に、より強力な安全策、アクセス制限、リリース延期、あるいは別の比例的な対応を求めるかを決めなければならない。
測定可能な破局的能力に焦点を当てた法案は、政府があらゆるAIアプリケーションを規制せずとも行動できるというゲイツ氏の主張を強めるだろう。リスクと結び付かない広範なコンプライアンス制度は、官僚主義と既存企業の優位を懸念する批判者を支持することになる。
第二のシグナルは、独立した試験が高度なモデルによる実質的な生物学的支援を確認するかどうかだ。企業による評価は重要だが、共通の手法と外部による再現検証が必要である。
評価では、モデル利用者を通常のインターネット上のリソースを使う人々と比較すべきだ。悪用リスクを高める詳細を伏せながら、現実的な段階全体にわたる性能を測定すべきである。
重要な段階で大幅な能力向上が示されれば、義務的な安全策を求める声は強まるだろう。結果が弱い、あるいは一貫しない場合、将来のリスクがなくなるわけではないが、差し迫った破滅的能力があるという主張は弱まる。
3つ目のシグナルは、開発者が深刻な悪用の試みやセキュリティ上の失敗にどう対処するかだ。公開される要約では、攻撃者が生物学的あるいはサイバー分野での支援を求めたか、どの管理策が機能したか、その後に何が変更されたかを説明すべきである。
検知の成功と迅速な緩和が継続的に見られれば、技術的な安全策の価値を裏付けることになる。繰り返される回避、隠蔽された事故、あるいは盗まれたモデル重みは、外部による執行が必要だという論拠を強めるだろう。
読者は、OpenAI、Anthropic、Google DeepMind、その他のフロンティア開発企業が、どのように方針を改定するかにも注目すべきだ。閾値が測定可能で、報告が検証可能であり、約束が果たされなかった場合に結果を伴うなら、自主的な枠組みの信頼性は高まる。
開発者と企業の購入担当者にとって、これらのルールはモデルへのアクセス、ログ記録、セキュリティレビュー、ベンダー選定に影響する。機微な研究にAIを利用するチームは、より厳格な本人確認や、特定のワークフローへの制限に直面する可能性がある。
ナレッジワーカーも、異なる規模で同じ議論に直面することになる。特に規制対象、または安全性が重視される業務では、AI生成情報がどのように意思決定に組み込まれたのか、組織は信頼できる記録を必要とする。
検索可能なAIナレッジベースは、チームが情報源と文脈を保存する助けになるが、社内文書はモデルレベルの安全策や公的監督に取って代わるものではない。
目下の問いは、AIにリスクがあるかどうかではなくなっている。主要な開発企業はすでに、自らの枠組みの中で、深刻な生物学的・サイバー上の脅威カテゴリーを認めている。
未解決なのは、誰がそのリスクを検証し、誰が対応を要求できるのかという点だ。Gatesは、その答えには政府が含まれなければならないと述べる。一方で、現在の連邦政策は、開発を遅らせるルールに依然として慎重である。
この対立は、劇的な数値によって決着するものではない。立法、独立した能力に関する証拠、そして安全策が失敗したときの業界の対応によって決まる。
どちらの極端な主張を受け入れる前にも、この3つのシグナルを注視してほしい。Bill GatesによるAI規制の警告は、パニックではなく精査を促すべきであり、また自主的な約束を重ねるのではなく、執行可能な証拠を求めるべきだ。
