Unveiling hidden features of social evolution by inferring Langevin dynamics from data

技術要約：データからランジュバン動力学を推論することによる、社会進化の隠れた特徴の解明

問題提起
本論文は、計量歴史学および政治経済学における根本的な限界、すなわち、決定論的なスナップショットや平均的効果（例：回帰ベースの手法）への依存が、連続的で本質的に不確実な歴史的軌跡を捉えきれないという問題を扱っている。既存の「信頼性革命」のツール（例：差の差分析、操作変数法）は、平均的な因果効果の推定には効果的であるが、歴史的経路の変動性、時間の経過に伴う不確実性の蓄積、あるいは構造的トレンドと偶発的イベントの区別に関する洞察を与える能力は限定的である。さらに、歴史的データは、希薄性、不規則なサンプリング、欠損値、および不均一な測定品質という特性を持つ。著者らは、歴史的変化を決定論的なプロセスとしてではなく、確率的なプロセスとして扱うことが、アレオトリックな不確実性（隠れた自由度からの本質的なランダム性）とエピステミックな不確実性（情報の不完全性と測定誤差）を区別するために不可欠であると主張している。

手法
著者らは、社会の状態を連続時間における確率微分方程式（SDE）に従って進化するベクトルとしてモデル化するフレームワークを提案している。状態 $x_t$ はマクロ変数（例：民主主義、不平等、複雑性）を表し、その進化は以下のように記述される：
$$dx_t = F(x_t)dt + \sqrt{2D(x_t)}dW_t$$
ここで、$F(x_t)$ はドリフト場（決定論的な構造的トレンド）であり、$D(x_t)$ は拡散行列（本質的な確率的変動の大きさと共分散）である。

このフレームワークは、主に3つの技術的コンポーネントで構成されている：

1. 状態空間の構築： 生の歴史的指標（多くの場合、カテゴリ型または順序型）を、次元削減技術（例：PCA）とヘテロスケダスティシティ（不等分散性）を処理するための対数変換を用いて、連続的で低次元の潜在状態空間へと写像する。これにより、一貫したベクトル $x_t \in \mathbb{R}^d$ が作成される。
2. SDEの推論： 希薄で不規則なデータを扱うため、著者らは2つの補完的な推論手法を用いている：
   • ランジュバン・ベイズネットワーク（LBN）： 現代の政治経済学のデータセット（応用1）に使用される。この手法は、クラマース・モワイアル係数（条件付きモーメント）に一致するように訓練されたニューラルネットワークを用いて、ドリフトと拡散を近似する。モデルのアンサンブルを通じてエピステミックな不確実性を定量化するために、Stochastic Weight Averaging-Gaussian (SWAG) を活用している。
   • 非パラメトリック・ガウス過程SDE (npSDE)： 極めて希薄な歴史文明データセット（応用2）に使用される。この手法は、ドリフトと拡散をガウス過程としてモデル化し、シミュレーションベースの尤度最適化を採用することで、密なデータを必要とせずに不規則なサンプリング間隔に対して堅牢に機能する。
3. 分析能力： このフレームワークは、以下の3つの具体的な分析ツールを可能にする：
   • 不可逆性（Irreversibility）： 前方への軌跡とその時間反転軌跡の間の対数尤度比を計算することで、「歴史の矢」を定量化する。これは、時間の非対称性と構造的な方向性の度合いを測定する。
   • 外生的摂動の検出（Exogenous Perturbation Detection）： 学習された内生的動力学の下では統計的にあり得ない遷移を特定する。これは「正規化された驚愕度（normalized surprisal）」指標を用いて行われ、真の外生的ショック（戦争、疫病など）と、起こり得るものの稀な内部変動を区別する。
   • 確率的補完（Probabilistic Imputation）： 学習されたSDEを用いて、条件付き分布 $P(x_t | x_0, x_T)$ からサンプリングを行うことで、単純な線形補間ではなく、非線形ダイナミクスと本質的な揮発性を尊重しながら、欠落した歴史的データを補完する。

主な結果
フレームワークは、2つの異なる領域に適用された：

• 応用1：政治経済の進化（現代期）：

  • 149カ国のデータ（V-Dem, WID, Maddison）を用い、ドリフト場を推論した結果、高い経済的不平等が民主主義制度に対して「不安定化圧力」を生み出すことが示された。これは、構造的なレジリエンスが消失する高GDPの文脈において特に顕著であった。
  • 拡散場は、民主主義スコアが、特に高不平等・高GDPの体制下で高い揮発性を示す一方で、不平等自体は比較的堅牢であることを明らかにした。
  • 不可逆性分析は、平衡状態から遠ざかる持続的なグローバル・トレンドを確認したが、同時に、構造的ドリフトから軌跡が逸脱した主要な危機（世界金融危機、COVID-19）に対応する特定の落ち込みも特定した。
  • 摂動検出は、9/11テロ攻撃やメンサロン・スキャンダルといった歴史的なアノマリーを正常にフラグ立てし、それらが構造的にインパクトのあるイベントであったのか、それとも統計的に極端な事象であったのかを区別した。

• 応用2：歴史文明（Seshat/Polaris データセット）：

  • 数千年にわたる27の自然地理領域（NGA）を、規模（Scale）と計算量（Computation）を状態変数として分析した。
  • グローバルなドリフト場は、低複雑性の政体を引き上げる「漏斗（funnel）」のような形状をしており、中間レベルでの獲得にはプラトー（停滞）が見られる。
  • ケーススタディ：
    • パリ盆地： 「計算量（制度的能力）」における、統計的に驚くべき急速な加速を特定した。これは方向性を持って構造化されていた（不可逆的であった）ため、離散的な制度的移行を示唆している。
      ことが示された。
    • ラティウム： 「制度的テイクオフ（制度的飛躍）」（方向性を持って構造化されている）と、その後の「帝国の収縮」（統計的に驚くべきであるが、強い不可逆性は伴わない）を区別した。これにより、後者が決定論的な崩壊へのドリフトではなく、イベント的な混乱であったことが示唆された。
    • 黄河中流域： 持続的なドリフトと、エピソード的な収縮を示した。これにより、王朝交代などの周期性に関する仮定が、低い遷移確率によって、より詳細な歴史的検討を要する期間であることを浮き彫りにした。

意義と主張
本論文は、確率的な視点を採用することで、静的な、あるいは純粋に決定論的なモデルでは不可能な分析能力が解放されると主張している。具体的には：

1. 統一された手法： 安定性、偶然性、およびダイナミクスを解剖するための単一のフレームワークを提供し、「構造的決定論 vs 純粋な偶然」という二項対立を超越する。
2. 不確実性の定量化： アレオトリックな不確実性とエピステミックな不確実性を明示的に分離・定量化することで、研究者が真の驚きと、モデルの制約不足によるアーティファクトを区別することを可能にする。
3. 診断能力： 不可逆性と摂動の指標は、「トリアージ」ツールとして機能し、データが急速な再構成、外部ショック、またはコーディングの曖昧さを示唆している特定の期間を特定することで、定性的調査の対象を優先順位付けさせる。
4. 哲学的転換： 社会的ダイナミクスを確率的なものとして扱うことは、エージェンシー（主体性）と責任の概念を再構成するものである。つまり、歴史を単一の実現可能な経路としてではなく、構造的な制約と還元不可能な偶然性に形作られた、起こり得る軌跡の分布として捉えるものである。

論文は、SDEは簡約化された表現であり、推定されたドリフト項や拡散項を直接的な因果力として解釈すべきではないことを認め、控えめな立場を維持している。それらは、背後にあるメカニズムや制度的制約に関する検証可能な仮説を生成する、条件付きの統計的傾向を要約するものである。このフレームワークは、既存の社会科学的手法に対する補完的なレイヤーとして提示されており、特に断片的で不規則な歴史的データを扱う上で極めて価値が高い。