Machine learning maps the “dark matter” of the global marine fish food web

海を、あらゆる魚が特定の仕事を持つ、活気に満ちた巨大な都市だと想像してみてください。海藻を食べる小さなイワシから、他の魚を食べる巨大なサメまで、それぞれが住民です。ある者は海藻を食べる農家であり、ある者は他の魚を食べる配達員であり、またある者は街を掃除する清掃員です。生態学において、科学者たちはこれを「食物網（フードウェブ）」と呼んでいます。これは、誰が誰を食べるのかを示す地図であり、栄養とエネルギーをリサイクルして海という都市を機能させ続ける、目に見えない配管のようなものです。しかし、ここに問題があります。私たちは、ほんの数本の通りの地図しか持っていないのです。海の大半は地図上の空白地帯であり、そこにどのような住民が存在するかは分かっていても、誰が誰を食べているのかは分かっていない「ダークマター（暗黒物質）」となっています。これは大きな問題です。なぜなら、都市がどのように繋がっているのかを知らなければ、嵐が襲ったり新しい建物が建ったりしたときに何が起こるかを予測できないからです。私たちは、都市が脆弱で崩壊してしまうと考えてしまうかもしれませんが、実際には、多くのバックアップルートを備えた頑丈で冗長なネットワークである可能性があります。

これこそが、ある科学者チームが解決しようとした謎です。彼らは、単に魚を観察してすべての摂食関係を見つけ出そうとするのは、自分の近所の通りを歩くだけで国全体の地図を作ろうとするようなものだと気づきました。それでは、高速道路も、裏路地も、秘密の近道も見逃してしまいます。そこで、彼らはただ見るのではなく、超スマートなコンピューターの脳——機械学習——を使って、欠落している繋がりを推測することにしました。彼らは、魚について既に知っていることすべて（見た目、食べ物、生息地、そして親戚関係）をコンピューターに教え込みました。そして、コンピューターに目に見えない繋がりを予測させ、断片的な壊れた地図を、海洋のディナーテーブルの完全で輝かしい設計図へと変えさせたのです。

大いなる海洋探偵物語

「海のダークマター」に出会う
長い間、科学者たちは世界の海洋食物網の完全な地図を描こうと試みてきました。この地図を、魚たちの巨大なソーシャルネットワークだと考えてください。それは、誰が誰と友達か（あるいは、誰が誰にとってのランチか）を示しています。問題は、現在の私たちの地図が極めて不完全であることです。それは、何百万人もの人々がいる都市の電話帳を持っているようなものですが、そこには過去10年間に会話しているのが目撃された人々しか載っていないのです。魚がいることは分かっていますが、誰が誰を食べているのかは分かっていません。この欠落した情報はあまりにも膨大で隠されているため、著者らはこれを海洋の「ダークマター」と呼んでいます。直接見ることはできないものの、そこに存在しているはずの、巨大で目に見えない繋がりの貯蔵庫です。

知識の最大の空白は、最もエキサイティングな場所、つまり中央インド太平洋やコーラル・トライアングルのような熱帯海域にあります。これらは「海の熱帯雨林」と呼ばれ、生命が溢れていますが、同時に、誰が誰を食べているのかが最も分かっていない場所でもあります。それは、図書館にたくさんの本があるのに、英語セクションの背表紙のタイトルしか読んでおらず、残りの部分は謎のままになっているようなものです。著者らは、海は一つの魚が一つしか食べないような希薄で脆弱な場所ではなく、おそらく、魚が夕食の選択肢を多く持つ、密に相互接続されたウェブであると考えていました。しかし、データがなければ、それを証明することはできませんでした。

機械学習探偵の登場
これを解決するために、研究者たちは「ポジティブ・アンラベル学習（正例・未ラベル学習）」と呼ばれる特殊なタイプの機械学習を用いたデジタル探偵を構築しました。これが、平易な言葉で言えばどういう仕組みなのかを説明しましょう。通常、コンピューターに何かを認識させる方法としては、それが「何であるか（猫）」の例と、「何ではないか（犬）」の例を見せます。しかし、海においては、二つの魚が「決して互いに食べ合わない」ということを簡単に証明することはできません。ただ、まだ目撃されていないだけかもしれないのです。もしかしたら食べているのかもしれないが、誰も見ていなかっただけかもしれません。

そのため、コンピューターは「観測されていないペア」を「決して食べ合わないもの」として扱うのではなく、「まだ分からないもの」として扱います。コンピューターは、私たちが確実に知っている10,549件の摂食関係からルールを学びます。それは次のような手がかりを分析します：

• サイズ： 捕食者の口に獲物が入る大きさか？（開口制限）
• 家族： 同じ科に属しているか？（近縁の魚はしばしば似たものを食べる）
• 近所： 同じ水深や水温の場所に住んでいるか？
• 味： 似たような食性を持っているか？

これらの手がかりを組み合わせることで、コンピューターは高い信頼度を持って「欠落している」リンクを予測し始めます。それは、箱に描かれた完成図と、いくつか散らばったピースがあるジグソーパズルのようなものです。コンピューターはそのパターンを利用して、残りの絵を埋めていくのです。

大きな発見：海は行き止まりではなく、賑やかな高速道路である
チームがコンピューター探偵に計算を実行させたとき、その結果はゲームチェンジャーとなりました。彼らは、2,454種の魚と10,549件の既知の摂食関係を持つグローバルなマップからスタートしました。するとコンピューターは、まだ記録されていなかった50,725件もの新しい、高確率な摂食リンクを予測したのです。

この発見は、海洋食物網の形を完全に変えました。

• 希薄から密へ： この研究の前では、「コネクタンス（接続性：存在する可能性のある接続数に対する実際の接続数の割合という専門用語）」はわずか**0.18%でした。それは、魚たちがほとんど互いを知らない孤独な島のように見えました。予測されたリンクを追加した後、コネクタンスは0.98%**へと跳ね上がりました。海は希薄なネットワークではなく、密に接続された高速道路システムなのです。
• 縦ではなく横への広がり： 著者らは、これらの欠落していたリンクが食物連鎖を長くする（頂点に新たな捕食者の層を加える）のではなく、それを広くすることを発見しました。魚たちは、私たちが考えていたよりもずっと多くの夕食の選択肢を持っています。もし捕食者が一種の獲物を失ったとしても、おそらく他にも数十種類の選択肢を持っているはずです。この「冗長性」は、海洋が予想よりもはるかに強靭であることを意味します。
• 熱帯の謎： 最大の空白は、確かに熱帯にありました。中央インド太平洋では、予測されたリンクの数は、実際に記録されていた数よりも15倍以上高くなりました。「公海」（陸から遠い外洋）では、リンクの数は約5倍増加しました。中層（50メートルから500メートルの深さ）においても、数千もの隠れた繋がりが発見されるのを待っていました。

これが将来にとって何を意味するのか
この研究は、私たちの古い海図が誤解を招くものであったことを示唆しています。私たちは食物網が脆弱で壊れていると考えていましたが、実際には堅牢で冗長なネットワークです。これは海洋の健康にとって素晴らしいニュースです。これは、海洋生態系が過剰漁獲や気候変動などの衝撃から立ち直る能力が高い可能性があることを示唆しています。なぜなら、エネルギーが流れるためのバックアップルートが数多く存在するからです。

しかし、著者らはこれはあくまで予測であり、最終的な調査結果ではないことに注意を促しています。彼らはすべての魚を捕まえて胃の中を確認したわけではありません。彼らは、そこに存在する可能性が高いものを推論するための強力なモデルを使用したのです。モデルは、海洋の「ダークマター」が実在し、かつ膨大であることを示唆していますが、私たちは依然としてこれらのリンクを現実の世界で検証する必要があります。

地図はもはや空白ではありません。私たちは今、次にどこを見るべきかを示す、確率に基づいた設計図を手にしています。海が温暖化し、魚が新しい環境へと移動していく中で、この新しい食物網への理解は極めて重要になります。それは、たとえ住民が変わったとしても、生態系の配管が強くあり続けるように、海という都市がどのように再編されるかを予測する助けとなるのです。海は私たちが考えていたほど空っぽでも脆弱でもありません。それは活気に満ち、相互に接続された世界であり、私たちはようやくその全貌を見つめ始めているのです。