水が最も貴重な資源である中央アジアの乾燥した風景の中で、カレズと呼ばれる驚くべき工学的偉業が、何世紀にもわたって生命を維持してきました。これらは単なる井戸ではなく、山の帯水層から水を汲み上げ、緩やかに傾斜したトンネルを通じて下の平原へと導く複雑な地下システムであり、蒸発による水の損失を伴うことなく、オアシスに命をもたらしています。何世代にもわたり、学者たちは中国のトルファン盆地におけるこの技術の真の起源について議論を重ねてきました。この問いは単に学術的な問題にとどまりません。それは、人類の社会がいかにして過酷な環境に適応してきたか、そして思想や技術がいかにして世界を移動してきたかという問題に触れているのです。主に3つの理論が、長らく受け入れを競い合ってきました。一つは、この技術が中国の中原から持ち込まれたという説。もう一つは、古代の交易路に沿って中央アジアから伝来したとする説。そして三つ目は、トルファンの現地の人々が、その独特の地理条件に完璧に適応した形で独自に発明したとする説です。問題は、歴史的記録が断片的な文書、繰り返される引用、そして矛盾する解釈が絡み合った複雑な網のようになっており、どの物語が最も正確であるかを判断することがほぼ不可能になっていることです。
この混乱を打破するために、中国、パキスタン、そして米国の大学の研究チームは、証拠を精査するための新しい手法を考案しました。彼らはこの論争を意見の戦いとしてではなく、データの問題として扱い、6つの異なる言語で書かれた数千ページに及ぶ歴史文献を整理するためのデジタル・フレームワークを構築しました。単一の専門家がすべての本を読み、意見を形成することに頼るのではなく、彼らは高度な人工知能モデルのチームを用いて、テキストを同時に読ませました。これらのモデルには、注意深い記録保管係のように振る舞うよう指示されました。つまり、カレズの起源に言及している特定の文章を抽出し、それらの文章が正確にどこから来たのかを確認し、そのテキストがなされている主張を実際に裏付けているかどうかを検証するようにしたのです。決定的なことに、システムは監査可能（オーディタブル）であるように設計されており、あらゆる証拠を元のページや段落まで遡って追跡できるため、情報が失われたり捏造されたりすることがないようになっています。
研究者たちは、古代の旅行記から現代の科学研究に至るまで、275件の全文刊行物を収集し、それらをシステムに投入しました。人工知能モデルは数百の潜在的な手がかりを特定し、それらは正確性を確保するために元のソース・テキストと照らし合わされました。システムはこれらの手がかりを「ファミリー」にグループ化しました。これは、10冊の異なる本がすべて同じ元の文書を引用している場合、それは10個の証拠ではなく、1つの証拠であることを認識するためです。これにより、単なる引用の量によって議論が歪められることを防ぎました。この厳格なクリーニングと検証プロセスを経て、チームは、競合する3つの理論を評価するための確かな検証済み証拠を手に入れたのです。
この大規模なデジタル合成の結果は、明確ながらもニュアンスを含んだ全体像を明らかにしました。利用可能な文献に基づくと、カレズ技術は中央アジアから導入されたという説が、最も強力に支持される仮説として浮上しました。この説は、最も多くの独立した「証拠ファミリー」を蓄積しており、外部起源という考えが歴史的記録において最も幅広い支持を得ていることを示唆しています。しかし、本研究は、現地発明説も非常に有力な候補として残っていることも明らかにしました。この説が持つ証拠の総量はより少ないものの、その証拠はより多様であり、他の学者からの反対も少ないものでした。一方で、この技術は中国の中原から来たとする第三の説は、今回の分析においては最も支持が低い結果となりました。
この発見が重要なのは、単に理論の順位付けを行ったことではなく、不確実性をいかに明確に提示したかという点にあります。研究者たちは、中央アジア起源を絶対的で不変の事実として宣言したわけではありません。むしろ、中央アジア起源が現在リードしているとはいえ、現地発明説との差は十分に狭く、新たな発見によってその均衡が変化する可能性があることを示したのです。この研究は、議論が妨げられてきたのは情報の欠如によるのではなく、情報を整理するための体系的な方法の欠如によるものであることを浮き立てています。誰でも追跡し検証できる透明性の高いステップ・バイ・ステップのプロセスを構築することで、チームは文化遺産の起源を調査するための新しい基準を提供しました。彼らは、「決定的な証拠（スモーキング・ガン）」が欠けている場合であっても、利用可能なすべての知識を注意深く構造化して合成することで、現在のところどの物語が最も妥当であるかを明らかにできることを示しました。これは、将来の歴史家や考古学者が研究を積み重ねていくための、明確な道筋を提示しています。
技術要約：論争のある遺産の起源に関する監査可能なマルチLLMエビデンス合成
問題提起
中国におけるトルファン・カレズ（地下灌漑システム）の起源は、現在も激しい学術的論争の対象であり、3つの競合する仮説（中央アジア伝来説（CAI）、中原伝来説（CPI）、現地革新説（LPI））を中心に議論が展開されている。この議論は、多言語にわたる断片的な文献（中国語、英語、ロシア語、フランス語、ペルシャ語、アラビア語）、同一の一次資料が複数の出版物で繰り返し引用される循環的な引用慣行、および一貫性のない証拠基準によって阻害されている。決定的な点として、いずれの仮説をも確定または否定できる単一の「黄金の証拠」は存在しない。CiteSpaceやVOSviewerのような従来の計算ツールは、書誌学的マッピングには効果的であるが、実質的な学術的主張を抽出したり、独自の解釈と引用された見解を区別したり、ソーステキストに対して証拠を検証したりする能力を欠いている。さらに、既存の大規模言語モデル（LLM）は、複雑な歴史的コーパスを処理する際に、ハルシネーション（幻覚）やソースの追跡性の弱さに悩まされることが多い。
手法
著者らは、構造化されたヒューマン・イン・ザ・ループのワークフローを通じて、競合する歴史的仮説を評価するために設計された、監査可能で多言語対応のマルチLLMエビデンス合成フレームワークを提案している。本手法は、主に以下の5つの段階で構成される：
- 多言語コーパスの構築： 8つのデータベース（Web of Science、Scopus、CNKI、eLIBRARY.RUを含む）を用い、ブーリアン論理を使用して検索用語を広範なものから絞り込む（コア用語 → テーマ用語 → 地理的用語）という3段階の漸進的な検索戦略を採用した。これにより、最終的に275件の全文出版物を、6つの言語にわたりPRISMA 2020ガイドラインに従って収集した。
- 追跡可能なRAGリトリーバル： 全文をクリーニング、正規化し、階層的にチャンク化（約1,000文字をターゲット）した。BM25とTF-IDFのリトリーバルスコアを組み合わせた相互ランク融合（RRF）を利用する検索拡張生成（RAG）システムを用いて、候補となるパッセージを特定した。8つの多言語クエリを実行した結果、エビデンス抽出のために141個の一意なターゲットチャンク（およびコンテキスト）が選択された。
- 並列マルチLLMエビデンス抽出： 3つの異なるLLM（DeepSeek V4 Pro、GLM-5.2、Qwen3.7-Plus）が、同じ入力チャンクを独立して処理した。各モデルには、提供されたテキストからのみ構造化されたエビデンス（起源の場所、日付、立場、エビデンスのタイプ）を抽出するよう指示し、パラメトリックな知識や外部ツールの使用を禁止した。これにより、727個の一意な候補エビデンスレコードが生成された。
- クロスモデル検証と人間による裁定： 厳格な検証パイプラインを実装した：
- ソース制約検証： 3つのLLMが、主張が「含意されている（entailed）」、「矛盾している（contradicted）」、または「不十分である（insufficient）」かを、ソーステキストに照らして再評価した。
- 人間によるレビュー： 2つ以上のモデルによる確認を得たレコードに対し、2人の研究者によるブラインドレビューを実施した。レコードは、検証済み（両者が一致）、不確実（不一致）、または却下に分類された。
- エビデンス・ファミリーの統合： 繰り返される引用によるエビデンスの膨張を防ぐため、検証されたレコードを、共通の一次ソース、歴史的事象、または引用の系譜に基づいて484のエビデンス・ファミリーへとグループ化した。
- 仮説評価とロバストネス分析： 3つの仮説を4つの次元でスコアリングした：エビデンス充足度（支持するファミリー数）、純エビデンス・バランス（支持対反対）、学術的コンセンサス（著者の立場の分布）、およびエビデンス・タイプの多様性（文書、物質、伝説のエビデンスにわたるシャノン指数）。ロバストネスは、重みの摂動、Leave-one-model-out分析、および10,000回のファミリーレベルのブートストラップ反復を通じてテストされた。
主な結果
- エビデンス量： 275件のドキュメントから、フレームワークは633件の検証済みエビデンスレコード（候補の87.1%）を抽出し、85件の不確実、および9件の却下を特定した。
- モデルの相補性： 3つのLLMは顕著な相補性を示した。一意の候補レコードの75.65%は、たった一つのモデルによってのみ特定されており、マルチモデル・アプローチの必要性を浮き彫りにした。
- 仮説スコアリング：
- CAI（中央アジア伝来説）： 最も高いエビデンス充足度（116の支持ファミリー）と、最高の**複合スコア（0.5735）**を達成した。
- LPI（現地革新説）： 最も高い純エビデンス・バランス（0.862）、学術的コンセンサス（0.778）、およびエビデンス・タイプの多様性（0.410）を達成し、複合スコアは0.5125となった。
- CPI（中原伝来説）： すべての次元において最も低いスコアを記録し、複合スコアは0.3321であった。
- ロバストネス： 10,000回のブートストラップ反復のうち、**82.6%**においてCAIが第1位となった。しかし、そのランキングは特定の条件下で敏感に変化した。例えば、不確実なエビデンスを主要な仮説に対して再コード化した場合や、DeepSeekモデルを除外した場合、LPIが第1位になることがあった。このランキングは、単一のエビデンス・ファミリーによって駆動されたものではない。
意義と主張
本論文は、決定的な考古学的証拠が欠如している状況における、遺産の起源調査のための新しいパラダイムを提示することを主張している。その主な貢献は、決定的な歴史的結論ではなく、方法論的なものである：
- 監査可能性と追跡可能性： 本フレームワークは、最終的なスコアを特定のページ番号、テキストチャンク、およびソースドキュメントに紐付けることで、エビデンス合成プロセス全体を透明にし、歴史研究におけるAIの「ブラックボックス」的な性質に対処している。
- 論争のある起源への対処： 単なる引用数を超えて、エビデンスの量、バランス、コンセンサス、および多様性を定量化することにより、競合する仮説を比較するための構造化されたメカニズムを提供している。
- 人間とLLMの協働： LLMは、スケーラブルなエビデンスの発見と抽出には効果的であるが、歴史的な解釈と妥当性の確認には人間の裁定が必要であることを本研究は示している。
- 控えめな歴史的結論： 著者らは、自らの結果が現在のコーパスとフレームワーク内における相対的なエビデンスの支持を示すものであり、決定的な歴史的事実を示すものではないことを明示している。彼らは、CAIが現在、相対的な優位性を持っていると結論付けているが、LPIも依然として強力な競合する説明であり、この論争は（伝播と現地適応といった）互いに排他的ではない異なる歴史的段階を含んでいる可能性が高いとしている。
本フレームワークは、大規模な文献ベースのエビデンス合成の体系的な整理と再現性を高めるためのツールとして提示されており、新たな証拠が登場した際に解釈を再評価するための透明な基盤を提供するものである。
毎週最高の コンピュータサイエンス 論文をお届け。
スタンフォード、ケンブリッジ、フランス科学アカデミーの研究者に信頼されています。
受信トレイを確認して登録を完了してください。
問題が発生しました。もう一度お試しください。
スパムなし、いつでも解除可能。
週刊ダイジェスト — 最新の研究をわかりやすく。登録