From inference to prediction: how machine learning is reconfiguring science

科学の世界を、研究者たちが謎を解こうと奮闘している、巨大で賑やかな図書館だと想像してみてください。何十年もの間、司書たち（科学者）には黄金律がありました。それは、「謎を解くには、どのようにしてその答えに辿り着いたのかを説明しなければならない」というルールです。もしプロセスを示せなければ、その答えは認められませんでした。これは「推論（Inference）」の時代であり、特定の化学反応がなぜ起こるのか、あるいは病気がどのように広がるのかといった、宇宙の内部構造を理解することが目標でした。

しかし最近、**機械学習（ML）**という、非常に賢いロボットの助手がこの図書館にやってきました。このロボットは、答えを予想するのが驚異的に得意です。何百万もの手がかりを観察して、「99%の確率で答えはXです！」と言い放ちます。問題は、ロボットが「なぜ」そう思ったのかを説明できないことが多い点です。ただ、知っているだけなのです。これが「予測（Prediction）」の時代です。

1990年から2025年までの、実に490万件もの学術出版物を調査したこの論文は、このロボットが図書館をどのように変えつつあるのかを探る探偵のような役割を果たしています。彼らが発見したことを、専門用語を使わずに解説します。

ロボットの脳の地図

研究者たちは、ロボットの知識の巨大な地図を作成しました。彼らは、ロボットの「脳」には都市のように中心部と周辺部があることを見出しました。

• 中心部（物理科学）： ロボットの脳の心臓部は、コンピュータサイエンスとエンジニアリングにあります。ここがロボットが作られ、住処となっている場所です。ロボットが行う全作業の約**28%**がここで行われています。
• 主要な近隣地域（健康科学）： ロボットが最も普及しているのは医学であり、これは全作業の**15%**を占めています。ここは、ロボットが現実世界の問題を解決するために実際に「使用」されている最大の場所です。
• 郊外： 社会科学や生命科学といった他の分野は、ロボットを徐々に採用し始めていますが、まだ主要な拠点にはなっていません。

大いなる交代： 「なぜ」から「何」へ

ここに、この論文が発見した大きなひねりがあります。長い間、医学や社会科学の科学者たちは、線形回帰やロジスティック回帰といった、昔ながらのツールに頼ってきました。これらは、透明なガラスの壁を持つ計算機のようなものです。中の数字やステップをすべて目にすることができます。もし医師がこれを使えば、「これら3つの特定の要因が合わさったので、患者にはこの病気があるのだ」と言うことができます。

しかし、2015年頃から、ディープラーニング（深層学習）（そして後の大規模言語モデル）と呼ばれる新しい波のツールが取って代わり始めました。これらはブラックボックスのようなものです。これらは正解を当てることに関しては非常に優れていますが、中を見ることはできません。

論文によると、かつて透明性を求めていた分野（健康や社会科学など）において、古いガラスの計算機は縮小しています。2015年以降、これらの透明なツールの使用は科学全体の成長よりも緩やかになっていますが、一方でブラックボックスの普及は爆発的に増えています。実際、いくつかの分野では、古いツールはむしろ地歩を失っています。

ブラックボックスの二つの波

論文は、この変化が、まるで二種類の霧が押し寄せてくるように、二つの明確な波として起こったことを示唆しています。

第1波（2015年–2021年）： 「DIY（自作）」の霧
この最初の波では、科学者たちは自分自身のブラックボックス（畳み込みニューラルネットワークなど）を構築していました。彼らは依然としてコントロールを握っていました。彼らは自分のデータでロボットを訓練でき、論文の中でその手法を書き記すことができました。理論上、他の科学者がその作業を検証することも可能でした。不透明（中を見るのが困難）ではありましたが、科学者が依然としてキャプテンだったのです。

第2波（2022年以降）： 「ミステリーボックス」の霧
その後、2022年を境に状況が変わりました。現在、最も急速に成長しているツールは、大規模言語モデル（エッセイを書いたりチャットしたりするもの）です。これらは科学者によって作られるのではなく、巨大企業によって作られています。

• 落とし穴： 科学者はトレーニングデータを見ることができません。コードも見ることができません。重み（ロボットの「脳」の設定）も見ることができません。彼らはただ質問（「プロンプト」）を入力し、答えを受け取るだけです。
• 結果： 論文は、これが新しい種類の「知的負債」を生み出していると示唆しています。科学者たちは、その論理が完全に未知であるシステムを使用しているのです。コントロールは、科学者から、そのモデルを所有する企業へと移行しました。

これが科学にとって何を意味するか

この論文は、これが単なる技術的なアップグレードではなく、何が「真実」であるかを決定する方法の変化であると主張しています。

• 以前： 真実とは理解することでした。「ステップを示せ、そうすれば信じよう」
• 現在： 真実はますます正確さへと移行しています。「たとえどうやって導き出したか見えなくても、正しい答えを出せ」

著者らは、これが緊張を生んでいると指摘しています。科学は常にオープンで透明であることを約束してきました（「オープンサイエンス」の理想）。しかし、これらの新しいツールはしばしば秘密であり、独占的です。論文は、科学は「予測」することには長けてきていますが、「説明」する能力を失いつつある可能性があると示唆しています。特に、「なぜ」を理解することが常に最も重要であった分野においてです。

結論

この論文は、これが破滅であると言っているわけではありませんが、極めて大きな転換点であると言っています。私たちは、科学者がゲームのルールを説明する世界から、強力で謎めいたツールを使ってゲームに勝つだけの世界へと移行しています。論文は、これにより科学ができることは拡大する一方で、知識がどのように作られ、検証され、信頼されるのかという根本的な仕組みが変わってしまうことを示唆しています。古いガラスの計算機は消えてはいませんが、多くの場所で、より優れた働きをしながらも秘密を守り続けるブラックボックスへと取って代わられつつあるのです。