Spacetime Emergence in the Memory of a Learning Agent

私たちの宇宙の壮大な建築において、空間と時間は単に出来事が展開される受動的な舞台ではありません。それらは重力と運動によって織り合わされたダイナミックな布地なのです。1世紀以上にわたって、物理学者たちはこの布地を「計量（メトリック）」と呼ばれる数学的対象を用いて記述してきました。これは距離や時間の区間が互いにどのように関連しているか、そして決定的なことに、どのイベントが他のイベントに影響を与え得るのかを教えてくれるものです。この因果構造は宇宙のルールブックとして機能します。すなわち、光速を超えるものは存在せず、あるイベントが別のイベントに影響を与えるには、信号がその隙間を埋めるための時間が必要であるというルールです。私たちはこの構造の効果を驚異的な精度で測定できますが、計量そのものを直接見ることは決してありません。代わりに、粒子や場がその中で相互作用して残した記録から、その形状を推論するのです。ここで一つの深遠な問いが知識の境界に漂っています。もし観測者が空間や時間に関する事前の知識を持っていなかったとしても、ただ環境と相互作用することだけで、宇宙の形を理解することを学ぶことができるのでしょうか？ 光速の限界や因果律という概念自体が、情報を収集するという経験から自然に立ち上がってくるものなのでしょうか？

研究チームは、コンピュータ・エージェントに、時空とは何かを知らされないまま時空の形状を学習させることで、この問いに答えるための一歩を踏み出しました。彼らの実験では、デジタル環境が構築され、好奇心旺盛な観測者として振る舞う学習エージェントに対し、シミュレートされた宇宙の中を量子検出器を移動させていくタスクが与えられました。この宇宙は、あらゆる場所に浸透している基本媒体である「量子場」で満たされていました。エージェントの唯一の目標は、固定された第1の検出器と最大限の情報量を共有できるように、第2の検出器を配置することでした。エージェントには幾何学についての指示も、地図も、時間や距離の定義も与えられませんでした。与えられたのは単純な報酬だけでした。二つの検出器が最大の量子相関を持つように配置されたとき、スコアが高くなるという仕組みです。研究者たちは、このゲームに勝つ方法を学ぶプロセスの中で、エージェントの中に、探索している宇宙を支配する因果規則に対する内面的な理解が自発的に形成されるかどうかを確認したいと考えました。

設定を行うために、研究者たちは、小さな量子系が検出器として働き、それが場と相互作用するという確立されたモデルを用いました。これらの検出器が異なる場所や時間に配置されると、場が両者の間に微妙な繋がりを生じさせます。この繋がりは「量子相互情報量」として知られており、二つの検出器が近くにある場合、および信号が光速で接続できるような位置関係にある場合に最も強くなります。研究者たちは、この宇宙の断面を表すグリッドを作成し、一方の軸を空間、もう一方の軸を時間としました。中心に一台目の検出器を置き、エージェントにこのグリッド上を第二の検出器とともに移動させました。エージェントの任務は、最高の情報スコアが得られる位置を見つけ出すことでした。エージェントが検出器を動かすにつれ、情報のつながりの強さを反映した報酬信号によるフィードバックを受け取りました。数千回の試行を経て、エージェントはこの風景をナビゲートする方法を学び、どのような動きが良い結果につながるかを徐々に発見していきました。

研究者は、「モデルベース強化学習」として知られる高度な人工知能を採用しました。単にどの動きが有効かを記憶するだけの単純なプログラムとは異なり、このエージェントは自身の世界に関する内部モデルを構築しました。それは、特定の方向に動いたらどうなるか、そしておそらくどのような報酬が得られるかを予測することを学習しました。この内部モデルはエージェントのメモリとして機能し、量子場との相互作用を通じて得られた経験のみに基づいて構築された精神的なマップとなりました。研究者たちが特に注目したのは、エージェントがタスクをマスターした後、そのメモリがどのような姿をしているかということでした。エージェントの内的予測と意思決定プロセスが、教えられることもなく探求していた宇宙の幾何学的構造を、図らずも符号化していないかを探ろうとしたのです。

高いパフォーマンスレベルまで訓練を行い、最適な検出器の位置を確実に特定できるようになった後、研究者はエージェントの内部メモリを精査しました。彼らがエージェントの予測パターンを調べたところ、驚くべきことが判明しました。エージェントは、中央から放射状に広がる斜めの十字型の高値領域を描くように、内部状態を整理することを学習していたのです。この形状は、まさにこの宇宙における光が進む経路、つまり「ライトコーン（光円錐）」に対応していました。これらは、互いに影響を与え合うイベントとそうでないイベントを分ける境界線です。エージェントは光円錐についても光速についても教えられていませんでしたが、その内部モデルは、これらの重要な境界線を強調する表現を自然に発達させていたのです。

これが確かに時空の幾何学の再構成であることを確認するために、研究者はエージェントが学習したパターンに対して数学的な解析を行いました。彼らはエージェントの内部スコアを、ある曲面の性質を記述するデータポイントとして扱い、そのようなパターンを生み出す幾何学的形状は何であるかを問いました。その結果、得られたのは「計量テンソル」、すなわち時空の幾何学を定義する数学的対象の精密な再構成でした。抽出された値は、平坦で空虚な空間における既知の値とほぼ一致していました。時間成分は約マイナス1であり、空間成分は1であり、非対角項は実質的にゼロでした。これらの数値は、時間が空間と特定の形で結びつき、普遍的な制限としての光速を強制する我々の標準的な宇宙の幾何学を記述しています。エージェントは、情報を最大化するという操作的な経験のみから、宇宙の因果構造を見事に回復したのです。

この結果は、空間、時間、そして因果性といった概念が、必ずしも観察者の心にあらかじめ組み込まれていなければならない根本的な要素ではないことを示唆しています。むしろ、それらは環境を理解しようとし、行動の結果を予測しようとするエージェントの必然的な帰結として現れるものとなり得ます。本研究のエージェントは、計量が何であるかを知る必要はありませんでした。ただ課題を達成する方法を学ぶだけでよかったのです。しかし、その過程で、彼は宇宙の設計図を含むメンタルモデルを築き上げました。これは、私たちの宇宙への理解が、環境と相互作用し、行動の結果を予測する能力に深く根ざしているという考えを支持しています。宇宙の幾何学は、単なる背景となるステージではなく、観測と学習という行為そのものを通じて明らかになる構造なのです。

今回の研究は、簡略化された二次元のスライスを用いたシミュレーションであった点に注意が必要です。モデル化された宇宙は平坦かつ空っぽであり、現実の複雑で湾曲した時空と比較すれば比較的単純なケースです。しかし、事前知識なしにエージェントが幾何学を再構成できたという事実は、原理証明として極めて重要です。これは、操作的な経験と幾何学的構造の間のリンクが、学習システムによって発見可能なほど堅牢であることを示しています。エージェントの成功は、もし私たちが複雑な量子環境を航行することを学んだエイリアンの知性や未来のAIに出会ったとしても、彼らが知識を組織化し決断を下す様子を観察することで、彼らの宇宙の構造を導き出せる可能性があることを暗示しています。

この研究は、物理的概念がいかにして発生するかを理解するための新しい道を切り開いています。それは、世界と相互作用するためにはまず物理法則を理解しなければならないという伝統的な見方に疑問を投げかけ、むしろ、法則そのものが相互作用を通じて学習可能であることを示唆しています。この研究のエージェントは方程式を解いたり距離を計算したりしたわけではありません。ただ報酬を最大化するように学習しただけです。それでもなお、その過程で、時空のブループリントを含んだメンタルモデルを作り上げたのです。これは、私たちの宇宙に対する理解が、環境との相互作用とその結果の予測に基づいているという考えを裏付けています。宇宙の幾何学は、この視点においては、単なる背後の舞台ではなく、観測と学習の実践を通じて顕在化するものなのです。

調査範囲は限定された制御環境内にありましたが、その含意はより広い問題へと及びます。もし時空が学習エージェントのメモリから創発できるのであれば、宇宙の織り成す布地は、あらかじめ存在する容器というよりも、イベント間の関係性に依存している可能性を示唆しています。研究者たちは今後、曲がった時空やより困難な量子タスクを含む、より複雑なシナリオへとこの研究を拡張していく予定です。彼らは、エージェントが異なるタイプの時空を識別したり、あるいは重力の存在を発見したりすることができるようになるかどうかを見極めたいと考えています。現時点において、この実験は、宇宙の因果構造がエージェントの操作的経験から回収可能であることを示す明確なデモンストレーションとなっています。学習するという純粋な欲求によって形作られたエージェントの記憶は、自分が探索しているとは露知れぬ宇宙の地図を、その中に保持していたのです。