A Quantitative Confirmation of the Currier Language Distinction

クリストフ・パリセルによる論文「Currier 言語区分の定量的確認」の詳細な技術的要約を以下に示す。

1. 問題提起

本論文は、プレスコット・カリアーが 1976 年に提唱した「ヴォイニッチ写本には 2 つの異なる『言語』（Currier A および Currier B と命名）が含まれる」という仮説の有効性に取り組むものである。この区分は広く引用されているものの、歴史的には明示的な帰無仮説に対する厳密な定量的検証が欠けていた。本研究は、以下の 3 つの具体的な課題を解決することを目的としている：

1. 統計的変動：観測された差異が、単一の均質なテキスト内における単なるランダムなノイズに過ぎないかどうかを判断する。
2. 写本学的交絡：この区分が真の言語的性質なのか、それとも写本の物理的構造（例えば、シグネチャーの境界）の産物なのかを検証する。なぜなら、カリアーの元の割り当てはこれらの物理的区分と相関しているからである。
3. 内在的予測可能性：A/B 区分が、事前のラベルなしに発見可能な内在的な統計的性質であり、未観測のテキストの振る舞いを予測する能力を持っているかどうかを確立する。

2. 手法

著者らは、高橋 EVA 転写（185 フォリオにわたる 32,693 語トークン）を用いた多面的な定量的アプローチを採用した。

• データ表現：本研究は、視覚的に類似した 11 組の EVA 文字（例：k/t、d/l、or/ar）に焦点を当てた。各フォリオについて、組み合わせ出現回数の最小閾値 20 を満たす場合、各ペアに対して比率 $r = \frac{\text{count}(a)}{\text{count}(a) + \text{count}(b)}$ を計算した。
• シミュレーションベースライン：帰無仮説を検証するために、3 つのモデルを生成した：
  • ラベルシャッフル：A/B ラベルをランダム化された実テキスト。
  • 単一マルコフ：単一の均質なマルコフモデルから生成された合成テキスト。
  • 分割マルコフ：個別の A および B マルコフモデルから生成された合成テキスト（陽性対照）。
• 教師なし回復：カリアーのラベルにアクセスすることなく、フォリオ×ペア比率行列にクラスタリングアルゴリズム（K-means、GMM など）を適用し、データが自然に 2 つのグループに分割されるかどうかを確認した。
• 生成モデリング：生文字カウントにベータ - 二項混合モデルを適合させた。このモデルは、フォリオのカウントが、成功確率が潜在的なレジームに固有のベータ分布に従う二項分布から引き出されると仮定する。モデルは、最適なレジーム数（$k$）を決定するために、期待値最大化（EM）法を用いて適合させた。
• 予測的検証：フォリオのサブセットで教師ありベータ - 二項分類器を訓練し、保持されたフォリオの A/B 識別を予測した。検証には、交差検証、空間的分割（写本の前半 vs 後半）、および置換テストが含まれた。
• 境界分析：フォリオ間の遷移を（同一、シグネチャーのみ、言語のみ、両方）に分類し、言語境界と物理的な書物の境界における比率ジャンプの大きさを測定した。

3. 主要な貢献

• 教師なし発見：カリアーのラベルにアクセスすることなく生カウントに適合させた生成モデルが、A/B 分割を独立して回復すること（ARI = 0.383）を実証し、この区分がデータ構造に内在することを証明した。
• 機能的分類：文字ペアが均一に振る舞うのではなく、カテゴリカル、中間、自由変異という 3 つの異なる機能レジームに分離することを特定した。
• 写本学からの脱離：同じシグネチャー内での言語遷移が、物理的なシグネチャー境界よりも統計的に有意に大きなジャンプを生み出すという統計的証拠を提供し、変異の主要因として物理的構造を排除した。
• 予測能力：A/B ラベルを知ることで、未観測のフォリオにおける文字ペアの統計を高い精度で予測できることを確立し、単なる記述を超えて予測へと移行させた。

4. 主要な結果

統計的堅牢性

• クラメールの V：11 組の文字ペアのうち 6 組が、1,000 回のランダムなラベル置換のすべてを超えるクラメールの V 値を示した。平均クラメールの V（0.136）は、シャッフルされたベースライン（0.025）よりも有意に高かった。
• シミュレーションの棄却：
  • 単一マルコフモデルは、観測されたフォリオ間分散や境界効果（200 回のシミュレーション中 0 回一致）を再現することに失敗した。
  • 分割マルコフモデルは集計統計を一致させたが、実写本の高いフォリオレベルの分散と境界の鋭さを再現することに失敗した。

教師なしおよび生成回復

• クラスタリング：比率行列に対する K-means クラスタリングは、調整済みランダム指数（ARI）0.208（有意、$p < 0.001$）をもたらした。「ノイズの多い」ペアを除去すると、ARI は 0.456 に増加した。
• ベータ - 二項混合：ベイズ情報量基準（BIC）に基づき、モデルは最適な成分数として$k=2$を選択した。
  • モデルは、185 フォリオのうち 113 フォリオ（61%）を、2 つのレジームのいずれかに 90% 以上の事後確信度で割り当てた。
  • 回復された分割は、カリアーの手動割り当てと一致した（ARI = 0.383）。

予測的検証

• 精度：教師あり分類器は、保持されたフォリオラベルの予測において89.2%の精度を達成した（交差検証済み）。
• 有意性：500 回のラベル置換のいずれも、同等の精度を達成しなかった（$p < 0.002$）。
• 説明される分散：A/B ラベルは、未観測フォリオにおける文字ペア比率の分散の**29.3%**を説明した（$R^2 = 0.293$）。
• 空間的非対称性：前方空間的分割（前半 $\to$ 後半）は良好に機能した（79.6%）が、後方分割（後半 $\to$ 前半）は失敗した（41.3%）。これはクラス不均衡（後半のフォリオは主に B であるため）によるものであり、信号は実在するが訓練セットの構成に敏感であることを確認した。

文字ペアレジーム

本研究は、11 組のペアを 3 つのレジームに分類した：

1. カテゴリカル（例：d/l、or/ar）：レジーム間のほぼ二値的なスイッチ；クラスタリングに不可欠。
2. 中間（例：ol/al、k/t）：中程度の好みの変化；境界信号を伝達。
3. 自由変異（例：o/a、ch/sh）：A/B レジームへの依存度がほぼゼロ；おそらく異字体変異を表す。

• 異常に関する注記：e/chペアは全体的な相関がほぼゼロであったが、局所的な境界効果は最も強かった。これは、その変異が二値レジーム以外の要因（例えば、単語内の位置）によって条件付けられていることを示唆している。

5. 意義

本論文は、Currier A/B 区分が物理的構造やランダムなノイズの産物ではなく、ヴォイニッチ写本の真の、内在的、かつ予測的な性質であることを初めて厳密に定量的に確認したものである。

• 解読への示唆：ヴォイニッチの文字体系に関するいかなる理論も、特定の文字ペアがレジーム間でカテゴリカルに切り替わる一方で、他の文字ペアが自由に変異する、二重レジーム構造を説明しなければならない。
• テキストの性質：結果は、写本が単一の均質なテキストではなく、二進的な A/B 分割が変異の主要な軸であるが複雑な構造を含んでいることを示唆している。ただし、これは全分散の約 29% しか説明しておらず、さらにサブレジームや勾配が存在することを意味している。
• 方法的進展：本研究は、暗号解析におけるベータ - 二項混合モデルと教師なし学習の有効性を実証し、手動ラベル付けに依存することなく、未解読の文字体系における言語仮説を検証するための枠組みを提供している。