Abduction Without a Body? Representational Grounding and the Abduction Loop for Scientific Hypothesis Generation

名探偵の道具箱：身体を持たない機械がいかにして「考える」ことができるか

あなたは謎を解こうとしていると想像してください。しかし、あなたは一度も部屋の外に出たことがありません。手がかりに触れたことも、証拠の匂いを嗅いだことも、現場の風を感じたこともありません。長い間、多くの科学者や哲学者は、世界を真に理解し、その仕組みに関する素晴らしい新しいアイデアを生み出すためには、身体が「不可欠」であると考えてきました。彼らは、脳が物事の本質を知るためには、実在する物にぶつかったり、重力を感じたり、壁を押したりする必要があると主張しました。この考え方は「身体性（エンボディメント）」と呼ばれます。それは、シェフが食材を味わったりナイフを握ったりしたことがなければ、決して新しいレシピを発明できないと言うようなものです。

しかし、もし完璧に描かれた図解を見るだけで、レシピの秘密を学ぶことができるとしたらどうでしょう？ 図解そのものにヒントが隠されており、食べ物が辛いかどうかを知るために味を知る必要がないとしたら？ これこそが、この論文が取り組んでいる大きな問いです。コンピュータ（あるいは身体を持たないロボット）は、写真や図解を見るだけで、全く新しい科学的発見を成し遂げることができるのでしょうか？ この論文は、もし図解が非常に特定的で普遍的な言語（科学者が長年、無意識のうちに使ってきた言語）で描かれているのであれば、「イエス」であると示唆しています。それは、木や回路、あるいは星の描き方の中に隠された「秘密のコード」を見つけるようなものです。そのコードによって、機械は同じ形を認識するだけで、全く異なる二つの世界を繋ぐことができるのです。

論文の核心：「アブダクション・ループ」

マイケル・W・ファーマーによるこの論文は、機械が科学を行うための新しい方法を提案しています。著者は、身体を持つことは有用ではあるものの、それが「エウレカ！（発見の瞬間）」を迎えるための唯一の道ではないと主張しています。彼らは、機械が**アブダクション（仮説的推論）**と呼ばれる特定の種類の科学的飛躍を行うことができると示唆しています。簡単に言えば、アブダクションとは、全く異なって見える二つのものを見て、「待てよ、これらは実は同じものなのではないか！」と推測することです。

論文では、アブダクション・ループと呼ばれる巧妙なシステムを紹介しています。このループを、二つの異なる性格を持つ非常に厳格な探偵チームだと考えてください。

1. 空想家（ステージA）： この部分は、科学的な図解を見て、「おい、これは別の国の地図に似ているぞ！ もしかしたら双子かもしれない！」と言います。そして、異なる二つの科学分野がどのように結びついているかについて、多くの大胆な推測を生み出します。
2. 懐疑派の皮肉屋（ステージB）： この部分は、直ちに空想家の間違いを証明しようとします。数学をチェックし、欠陥を探し、「本当にそうか？ 詳細を確認したのか？」と問い詰めます。もし推測が持ちこたえられなければ、皮肉屋はこのアイデアを葬り去ります。

魔法は、空想家と皮肉屋が協力するときに起こります。システムは単に推測するだけでなく、仮説を生成した直後に、それを破壊しようと試みます。もし仮説が攻撃を生き延然としたならば、それは真の発見である可能性があります。

秘密のコード：「コンベンション・スペース（慣習空間）」

機械はどうやって探すべきものを見分けるのでしょうか？ 論文では**コンベンション・スペース（慣ally space/慣習空間）**という概念を導入しています。例えば、宇宙論を研究する宇宙物理学者と、微小な粒子を研究する物理学者が、互いに会話していなくても、それぞれが共通の秘密のルールに従って図解を描いていると想像してください。

例えば、「スピン2場」（特定の種類の物理学的対象）を描く場合、必ず両端に矢印のない線として描かなければなりません。もし矢印を加えてしまえば、それは間違ったものを描いていることになります。数学が全員にこのように描くことを強制しているため、図解そのものが普遍的な言語となるのです。論文ではこれをコンベンション・スペースと呼んでいます。それは、本のタイトル（言語が違えばタイトルも変わる）ではなく、表紙の形によって分類されている巨大な図書館のようなものです。

著者は、機械がこの「コンベンション・スペース」を利用して、隠れた繋がりを見つけられると示唆しています。機械は重力波の研究に関する図解を見て、「あの形は、弱重力レンズ効果の研究で使用されている形と全く同じだ！」と言うことができます。言葉が全く異なっていても、図解がそれらが数学的な双子であることを明らかにします。

「動機付けとなる事例」：現実世界でのテスト

これが可能であることを示すために、著者は2026年7月10日に起こった特定の出来事を記述しています。彼らはコンピュータモデル（Claude Fable 5というAI）に、「重力波メモリ」に関する複雑な図解を見せました。AIに何を探すべきかは教えていません。ただ、インターネット上で似たような画像を探すよう指示しただけです。

AIはその図解を見て、「矢印のない線」という特定の形状に気づき、それが全く異なる分野である弱重力レンズ宇宙論（遠方の銀河からの光がどのように重力で曲げられるかを研究する分野）で使用されている形と同じであることに気づきました。AIは、これら二つの全く異なる分野の背後にある数学が実は同じものであると推測しました。

その後、AIは自身の数学をチェックしました。数値やパターンは（インチとセンチメートルの違いのような）いくつかのスケーリング係数を除いて、完全に一致していることを発見しました。著者はこれを**アイデンティティ・アブダクション（同一性による仮説的推論）**と呼んでいます。つまり、機械は二つの異なる構造が、実は名前の異なる同じオブジェクトであることを理解したのです。

この論文が「主張していないこと」

この論文が何を述べていないかを理解することは非常に重要です。著者は、コンピュータが今や「科学者」になったとか、あらゆる種類の発見ができるようになったと主張しないよう、細心の注意を払っています。

• 魔法の杖ではない： 論文では、この特定の例は「足場が組まれた（scaffolded）」ものであり、つまり人間が探索戦略の設定を助けたものであることを認めています。機械が自発的にこの繋がりを探しに行ったわけではなく、導かれていたのです。
• 一般的な創造性についてではない： 著者は、現在のAIモデルが一般的な科学的創造性を持っていると主張しているのではないことを明確に述べています。彼らは、特定の種類の発見（二つの数学的構造が同じであることを見つけること）が、身体なしでも可能であることを示しているに過ぎません。
• 解決済みの問題ではない： 論文は、これが常に機能するとは言っていません。実際、著者はこのシステムが頻繁に失敗すると予測しています。彼らは、間違った推測をするよりも「わからない」と言う方がマシであるため、システムにほとんどの場合「棄権（abstain）」するように設計しています。

未来：「DAB-30」ベンチマーク

これは単一の事例に過ぎないため、著者はこれがより広く機能することを証明する必要があると考えています。彼らはDAB-30（Diagram Abduction Benchmark / 図解アブダクション・ベンチマーク）と呼ばれる新しいテストを提案しています。

30種類の異なる科学的図解を含む巨大なテストを想像してください。中には、見た目は似ているが数学的には異なるもの（AIが騙されるかどうかを確認するための「ひっかけ問題」）もあります。また、答えは既知であるが隠されている本物のパズルもあります。目標は、AIが以下のことができるかどうかを見ることです。

1. 図解を見る。
2. 異なる分野から一致する図解を見つける。
3. 繋がりを提案する。
4. それが正しいことを証明する（あるいは、間違っていることを認める）。

著者は、AIがすでにこのテストに合格したと主張しているわけではありません。むしろ、この「アブダクション・ループ」が本当に機能するのか、それとも単なる幸運な偶然だったのかを将来的に判断するために、今、このテストを構築しているのです。

まとめ

この論文は、ロボットに優れた科学者になってもらうために、必ずしも身体を与える必要はないかもしれないことを示唆しています。代わりに、私たちは単に、科学的な図解という「秘密の言語」を読めるように教えればよいのかもしれません。もし機械が、ある物理学の論文の形が生物学の論文の形と同じ意味であることを認識できるなら、人間が見落としてしまうような繋がりを見つけることができるのです。

著者は新しいツール、新しい思考法、そして新しいテストを提示しています。彼らは仕事が終わったと言っているのではありません。「ここに扉を見つけた。鍵を作って、それが開くかどうか確かめよう」と言っているのです。その扉とは、表現（図解など）が、身体と同じくらいしっかりと機械の思考を根拠づけられるという考えです。その鍵はアブダクション・ループであり、テストはDAB-30です。それがうまくいくかどうかは依然として未解決の問いですが、この論文は私たちに、それを確かめるための明確な道筋を示しています。