マイケル・ニールセン – 科学は実際にどのように進歩するのか

マイケル・ニールセン（Michael Nielsen）——量子コンピューティングのパイオニアであり、同分野の標準的教科書の著者、さらにオープンサイエンス運動や深層学習の普及に貢献した人物——が、ドワークシュ・パテル（Dwarkesh Patel）のポッドキャストに登場し、「科学の進歩をいかに認識するか」という一見単純だが驚くほど捉えどころのない問いを巡って、密度の高い対話を繰り広げた。このエピソードは、単なる科学史の回顧ではない。AIによる科学的発見の自動化が現実味を帯びる今、人間の科学が実際にどのように進歩してきたのか、その複雑で時に非合理なメカニズムを理解することが、いかに重要であるかを浮き彫りにする。ニールセンは、アインシュタインと特殊相対性理論、ダーウィンと自然選択説、プルーと同位体の発見など、科学史の象徴的なエピソードを次々と取り上げ、実験による検証（verification loop）が驚くほど長く、時に敵対的ですらあることを示す。その上で、科学の進歩が単なるデータの蓄積や反証可能性の機械的な適用では説明できない、より深く、より人間的なプロセスであることを論じる。

対話はさらに、この認識を基に、AIが科学を加速する未来についての洞察へと発展する。ニールセンは、もし異星文明と接触した場合、彼らが私たちとは全く異なる科学・技術スタック（tech stack）を持っている可能性が高いという、直感に反する仮説を提示する。これは、技術の進歩を一本の線形な樹形図（tech tree）として捉える一般的な見方を覆し、文明間の交易や協力の可能性に新たな光を当てる。また、アルファフォールド（AlphaFold）のようなAIモデルは、従来の科学理論（例えば一般相対性理論）とは異なる種類の「説明」を提供するのか、という本質的な問いも投げかけられる。ニールセンは、モデルが「解釈可能な原理」を内包する可能性から、全く新しいタイプの科学的対象となる可能性まで、複数の見解を提示する。このエピソードは、科学の本質、AIの可能性と限界、そして知的生命体の未来について、リスナーに深く考えさせる、知的に極めて刺激的な内容となっている。

0:00科学の進歩と検証ループの複雑な関係

パテルは、科学の進歩を認識するプロセス、特にAIによる科学的発見の自動化（RL verification loop）を考える上で、この問いが極めて重要だと指摘する。しかし、歴史を紐解くと、科学の進歩は単純な実験的検証や反証（falsification）のプロセスよりもはるかに複雑で、神秘的にさえ映る。その典型例として、特殊相対性理論の発見にまつわる神話と現実のギャップが挙げられる。一般に、マイケルソン・モーリーの実験（1887年）がエーテルの存在を否定し、その危機をアインシュタインが解決したと語られるが、ニールセンはこの通説を根本から覆す。

実際には、マイケルソン・モーリー実験は、当時存在した複数のエーテル理論のうちのいくつかを否定したに過ぎず、エーテルという概念そのものを葬り去ったわけではなかった。マイケルソン自身、生涯にわたってエーテルの存在を信じ続け、1920年代になっても実験を続けていた。さらに、ローレンツ（Hendrik Lorentz）はアインシュタインに先駆けてローレンツ変換を導き出したが、それをエーテルの中で運動する物体の動的効果（長さの収縮や時間の遅れ）として解釈した。彼の理論と特殊相対性理論は、長い間、実験的に区別がつかなかった。決定的な証拠となったのは、1940年代初頭に行われたミューオン（muon）の崩壊実験であり、これはアインシュタインの理論発表から35年以上も後のことである。つまり、科学コミュニティは、実験的な決着がつくはるか前に、より「正しい」とされる解釈（特殊相対性理論）を事実上採用していたことになる。

この事例は、科学の進歩が単なるデータの積み重ねではないことを如実に示している。科学者たちは、実験結果をどう解釈するか、どの理論を追求する価値があると見なすかについて、美しさや簡潔さ、統一性といった審美的・哲学的な判断（heuristics）を常に下している。パテルは、このような「味覚テスト（taste test）」のような判断基準が、時代や分野を超えて普遍的に有効なのか、それとも状況に依存するのかを問う。もし普遍的な基準が存在するなら、それをAIにエンコードすることで、検証ループが閉じない領域でも科学の進歩を加速できる可能性がある。しかしニールセンは、科学のボトルネックはまさに既存の方法論やヒューリスティクスが通用しない場所で発生するため、プロセスを固定化することには本質的な限界があると警告する。

17:51ニュートンとダーウィン：科学革命の異なる様相

パテルは、アイザック・ニュートン（Isaac Newton）を「最後の魔術師」と評したジョン・メイナード・ケインズ（John Maynard Keynes）の有名なエッセイを引用する。ニュートンは近代科学の父と見なされる一方で、錬金術や神学に深く傾倒しており、その思考様式は現代の科学者とは根本的に異なっていた。ニールセンは、ニュートンの錬金術研究と天体力学研究が、同じ厳密な方法論と探究心によって駆動されていた可能性を指摘する。これは、科学の進歩を推進する「美学」や「バイアス」が、時代や個人によって大きく異なり得ることを示唆している。

さらに、チャールズ・ダーウィン（Charles Darwin）の自然選択説の例は、科学的概念の「難しさ」と「発見のタイミング」に関する別の謎を提起する。パテルは、テレンス・タオ（Terence Tao）に同様の質問をしたことを明かし、自然選択説が重力理論よりも概念的には単純であるにもかかわらず、なぜ1859年まで待たなければならなかったのかを問う。同時代の生物学者トマス・ヘンリー・ハクスリー（Thomas Henry Huxley）が「なぜこんな簡単なことに気づかなかったのか」と嘆いたという逸話は有名だ。ニールセンは、ダーウィンの真の天才性は、自然選択という「アイデア」そのものではなく、それが生物界のあらゆる現象——地質学、古生物学、生物地理学——と深く結びついていることを、膨大な証拠と共に示した点にあると論じる。

ダーウィンの理論が19世紀半ばに「発明」された背景には、地質学における「深い時間（deep time）」の概念の確立（チャールズ・ライエルCharles Lyellの業績）や、大航海時代による生物地理学の知見の蓄積など、複数の前提条件が揃ったことが重要だった。ニールセンは、アルフレッド・ラッセル・ウォレス（Alfred Russel Wallace）による独立した同時発見の事例を挙げ、科学史における「並行発明（parallel innovation）」のパターンに注目する。これは、あるアイデアが「発見可能」になるためには、単に賢い個人が存在するだけでなく、特定の知識や技術的基盤が社会に浸透している必要があることを示唆している。

29:52アルファフォールドと科学理論の新しい形

パテルは、AIによる科学の加速の代表例としてアルファフォールド（AlphaFold）を挙げるが、その成功の本質は、AIモデル自体よりも、数十年にわたる実験的構造解析（X線回折、NMR、クライオ電子顕微鏡）と、その結果得られた18万以上のタンパク質構造データベース（Protein Data Bank）にあると指摘する。つまり、アルファフォールドは、莫大な投資によって得られたデータに「適合」したモデルであり、その科学的意義は、一般相対性理論のような少数の基本原理から広範な現象を説明する理論とは質的に異なる可能性がある。

ニールセンは、この違いを三つの視点から考察する。第一に、アルファフォールドは従来の意味での「科学的説明」ではないという保守的な見方。第二に、モデルの内部（解釈可能性、interpretability）を分析することで、タンパク質折りたたみに関する新しい原理を「発掘」できる可能性があるという見方。実際、チェスのAIアルファゼロ（AlphaZero）からは、グランドマスターのマグヌス・カールセン（Magnus Carlsen）が採用したとされる新しい戦略が発見されている。第三に、アルファフォールドのような大規模モデルは、従来の理論とは全く異なる「新しいタイプの科学的対象」であり、それらを操作・蒸留・統合するための新しい方法論（「動詞」）が今後必要になるという、より急進的な見方である。

パテルは、もし16世紀に深層学習が存在したら、天動説（プトレマイオスモデル）を観測データに適合させるために、無限にエピサイクルを追加し続けるだけで、地動説（コペルニクスモデル）のようなパラダイムシフトは起こらなかったのではないかと疑問を呈する。これは、純粋なデータ適合（gradient descent）だけでは、局所的な改善を超えた、より真実に近い理論への「跳躍」が起こりにくいことを示唆する。ニールセンは、一般相対性理論への移行が、ニュートン力学の内部矛盾（特殊相対性理論との非両立）という「強制力（forcing function）」によって駆動されたことを指摘し、真の科学的ブレークスルーには、既存の枠組みでは解決できない根本的な問題意識が必要であると論じる。

50:54異星文明と技術ツリーの分岐

ニールセンは、もし異星文明と接触した場合、彼らが私たちとは全く異なる科学・技術スタックを持っている可能性が高いという、刺激的な仮説を提示する。これは、科学技術の進歩を一本の共通の樹形図（tech tree）として捉える一般的な直観に反する。彼の主張の根拠は、技術の可能性の空間（tech tree）が私たちが考えているよりもはるかに広大であり、その探索の仕方次第で、全く異なる発展経路が存在し得るという点にある。

例えば、物理学における「万物の理論（Theory of Everything）」が発見されたとしても、それは探求の終わりを意味しない。計算機科学の歴史が示すように、チューリングとチャーチが計算の理論的基礎を確立した1930年代以降、私たちはその「理論」から、公開鍵暗号やブロックチェーンといった、深くて非自明な原理を次々と「発見」し続けている。物質の相（phase）の種類も、超伝導体、超流動体、ボース＝アインシュタイン凝縮、量子ホール効果など、発見されるたびに増え続けている。つまり、基本的な物理法則の下でも、探求すべき「深い原理」は無尽蔵に存在するのである。

異なる文明が異なる技術スタックを持つということは、将来、文明間で莫大な交易の利益（gains from trade）が生まれる可能性を示唆する。これは、宇宙文明間の関係を、競争や支配ではなく、相互に有益な協力へと導く強力なインセンティブとなり得る。しかしニールセンは、この交易が成立するためには、単なる情報の交換（アイデアの伝播）だけでなく、製造能力やインフラといった「実体を伴う能力（capacity）」の移転が伴う必要があり、そこには大きな障壁が存在することも指摘する。彼は、自然界に存在する無数のタンパク質を、異星文明から贈られた「機械のライブラリ」に例え、私たちがそのごく一部しか理解できていないことを示唆する。

1:15:26科学の深い原理は無限にあるのか

パテルは、ネーターの定理（対称性と保存則の対応）やチャーチ＝チューリングの原理（計算可能性の普遍性）のような、極めて深い科学的原理が、今後も無限に発見され続けるのかという問いを投げかける。ニールセンは、自身の経験から、これらの基本原理から、公開鍵暗号やコンセンサス・プロトコルのような、予期せぬ深い応用が次々と生まれてきたことを挙げ、その可能性を強く支持する。彼は、科学の進歩に関する「低い果実（low-hanging fruit）」論、つまり最初に簡単な発見がなされ、その後は収穫逓減（diminishing returns）が起こるという考え方に疑問を呈する。

ニールセンは、科学の進歩をデザートビュッフェに例える。最初に人気のデザートがなくなるのは確かだが、背後にいるシェフが新しいデザートを次々と補充し続ければ、状況は一変する。コンピュータサイエンスは、数学基礎論という一見無関係で難解な問題から生まれ、その後、若者が参入できる全く新しい分野として爆発的に発展した。これは、科学の「構造」が、新しい分野が常に開かれるようにできていることを示唆している。しかし、パテルは、現代の深層学習のフロンティアでは、進歩に数百億ドルもの資本が必要であり、これは「低い果実」の時代とは様相が異なると指摘する。

ニールセンは、この現象は科学の本質的な難しさというより、社会の「注意（attention）」が特定の分野（現在は深層学習）に集中する結果であると分析する。もし深層学習がなければ、CRISPRやタンパク質構造予測など、別の分野に同様の資源が集中していただろう。重要なのは、科学の進歩を支える外部環境（研究機関、資本配分、研究者の安全など）が変化すれば、再び進歩のペースが加速する可能性があるという点である。彼は、AI自体がそうした外部環境の変化の一つであり、ジェームズ・ウェッブ宇宙望遠鏡のような高度に自動化された機器は、すでにその一端を示していると述べる。

1:26:25量子コンピューティングへの初期の関与と科学における信用の経済

パテルは、ニールセンが1990年代初頭、ほとんど誰も注目していなかった量子コンピューティングという分野に、なぜ飛び込むことができたのかを尋ねる。ニールセンは、1992年にクイーンズランド大学で受けた量子力学の講義で、教授のジェラルド・ミルバーン（Gerard Milburn）から、ファインマン（Richard Feynman）やドイチュ（David Deutsch）の先駆的な論文の束を渡されたことがきっかけだったと語る。これらの論文は、「物理システムは普遍的な量子コンピュータで効率的にシミュレーションできる」という深遠で挑発的なテーゼを提示しており、ニールセンは「これは重要な問題だ。そして、私たちはまだこれを理解していない」と直感したという。このエピソードは、科学における「低い果実」を見極める嗅覚と、適切なメンターの存在の重要性を示している。

話題は、科学における信用の経済（reputation economy）と、オープンサイエンス運動の意義に移る。ニールセンは、科学研究の成果を公開するという現代の規範は、かつては自明ではなかったと指摘する。ガリレオやケプラーの時代には、発見の優先権を主張するために、結果をアナグラム（暗号文）にして公開するといった奇妙な方法が取られていた。現在の査読付き論文による公開と帰属のシステムは、印刷技術と学術誌の普及によって築かれた、歴史的・社会的な構築物である。オープンサイエンス運動の重要な成果の一つは、コードやデータの共有といった、従来の論文では評価されにくい貢献に「信用」を割り当てる方法を、社会的な議論の俎上に載せたことだとニールセンは評価する。

ニールセンは、科学の「政治経済学（political economy）」の重要性を強調する。物理学と生物学におけるプレプリント文化の違いを例に、同じ「競争の激しさ」という現象が、全く逆の行動（物理学では「すぐに公開して優先権を確立」、生物学では「漏洩を防ぐために公開を遅らせる」）を生み出すことを示す。これは、信用のシステムが本質的に社会的な合意に基づくものであり、変更可能であることを意味する。さらに、LHC（大型ハドロン衝突型加速器）のような巨大プロジェクトでは、加速器物理、検出器物理、真空物理、データ処理、逆問題解法など、一人の人間が全てを深く理解することは不可能であり、1000人を超える共著者による「集合的な科学（collective science）」が不可欠であると論じる。

1:43:57多産性と深さ、そして真の学習とは何か

パテルは、科学者としての「多産性（prolificness）」と「深さ（depth）」のバランスについて質問する。ダーウィンは一つのテーマを長年熟成させたのに対し、アインシュタインの1905年は驚異的な多産性を示した。ニールセンは、創造的なプロジェクトには「ルーチンワーク」（迅速に処理すべきもの）と「高分散な作業」（時間をかけて多様な情報源から着想を得るもの）の二種類があり、そのバランスを取ることの難しさを語る。彼は、効率性を追求するあまり、高分散な作業に必要な「非効率な時間」（例えば、美しい散歩道を選ぶこと）の価値を見失わないようにしていると述べる。

ディーン・キース・サイモントン（Dean Keith Simonton）の「等確率の法則（equal-odds rule）」——個人のアウトプットの中で、どの作品が重要になるかの確率は、生産性の高い時期を通じてほぼ一定である——を引き合いに出し、結局は「量」が質を生む側面があることを認める。しかし同時に、ゴーデル（Kurt Gödel）のようにほとんど発表しなかった天才の例も存在する。ニールセンは、多くの才能ある人々が「偉大なプロジェクト」へのプレッシャーから何も生み出せずにいる現象を指摘し、それはしばしば公的な評価への恐れ（aversiveness）に起因すると分析する。

最後に、パテルは自身のポッドキャストという仕事を通じて、いかにして知識を「内面化（internalize）」するかという、極めて実践的な悩みを打ち明ける。多くのインタビューをこなしても、知識が断片的で表面的なまま蓄積され、すぐに減価してしまう感覚があるという。ニールセンは、真の学習には「強制力（forcing function）」が必要だと助言する。例えば、物理を学ぶなら実際に問題を解く、プログラミングを学ぶなら実際に実装する、といった具体的なアウトプットを伴う作業が不可欠である。彼は、最も効果的な学習は、しばしば「行き詰まり（stuck）」の状態を経験し、それを乗り越えるプロセスの中で生まれると指摘する。数日で書いたエッセイよりも、3ヶ月かけて格闘したエッセイの方が、15年経っても内容を覚えているという自身の経験を語り、学習における「難しさ」の価値を強調する。

結びに

このエピソードがリスナーに残すものは、科学の進歩に対する深い畏敬の念と、そのプロセスを単純化することへの警鐘である。ニールセンは、科学史の豊かな事例を縦横無尽に引用しながら、実験的検証、理論の美しさ、社会的合意、個人の直感、そして時には幸運が複雑に絡み合いながら、人類の知識は前進してきたことを示した。特に印象的なのは、科学の進歩が決して一直線ではなく、誤解や抵抗、長い停滞を伴うものであり、偉大な科学者でさえも誤った信念に固執し続けることがあるという、人間味あふれる事実である。

この認識は、AIによる科学の自動化を目指す現代の取り組みに、重要な示唆を与える。単にデータを適合させるモデルや、検証ループを高速に回すシステムだけでは、科学史における真のブレークスルー——パラダイムシフトや異なる技術スタックへの分岐——を再現することはできないかもしれない。ニールセンは、多様な研究プログラムを同時に維持することの重要性、既存の方法論が通用しないボトルネックに挑むことの価値、そして何よりも、科学という営みの核心にある「人間的なるもの」——好奇心、美学、頑固さ、そして共同作業——を軽視すべきではないと、静かにしかし力強く訴えかけている。この対話は、AI時代における科学の未来を考える上で、避けて通れない深い問いを投げかけている。

要点

• 科学の進歩は、単純な実験的検証や反証（falsification）のプロセスよりもはるかに複雑であり、マイケルソン・モーリー実験の解釈を巡る歴史が示すように、検証ループ（verification loop）は数十年から数千年に及ぶことがある。
• ローレンツとポアンカレは特殊相対性理論の数学的基礎を先に築いたが、エーテルという古い概念に囚われていた。アインシュタインの革新性は、空間と時間そのものの概念を根本的に再定義した点にあり、これは科学における「概念の跳躍」の重要性を示している。
• ダーウィンの自然選択説は、アイデア自体は単純だが、その全生物界にわたる適用可能性を立証するには、地質学や古生物学など複数の分野の知見が揃う必要があり、科学革命は単一の天才だけでなく、時代の知的基盤に依存する。
• アルファフォールドのようなAIモデルは、従来の科学理論（一般相対性理論など）とは異なる種類の「説明」を提供する可能性があり、それらを新しい科学的対象として扱うための方法論（解釈可能性、蒸留など）の開発が今後の課題である。
• 異星文明は、私たちとは全く異なる科学・技術スタック（tech stack）を持つ可能性が高い。これは技術の樹形図（tech tree）が線形ではなく、探索の仕方次第で無数の分岐が存在することを示唆し、文明間の交易と協力に新たな可能性を開く。
• 科学の進歩は、ネーターの定理やチャーチ＝チューリングの原理のような深い原理から、予期せぬ応用（公開鍵暗号など）が次々と生まれるように、収穫逓減（diminishing returns）の法則に必ずしも従うわけではない。新しい分野の創出が進歩を再加速させる。
• 真の学習には、単なる情報収集ではなく、問題を解く、実装する、長期間格闘するといった「強制力（forcing function）」を伴うアウトプットが不可欠であり、AIによる安易な情報取得は、この深い学習プロセスを阻害する危険性がある。