核要のまとめ
Google DeepMindによるこの論文は、アインシュタインが一般相対性理論を発見した実例を用いて、「LLM（大規模言語モデル）が単にデータやパラメータを積み重ねるだけで科学的な革命を起こせる」という考え方に冷水を浴びせています。論文では、LLMはデータから規則性を見出す（帰納）ことや、既知の公理から結論を導く（演繹）ことに長けているが、科学的発見において最も重要なステップである**「溯因」（現象を説明するために新しい仮説を立てる能力）が欠けていると指摘しています。このような能力には、「具身化されたシミュレーション」（アインシュタインのエレベーター思考実験のように、頭の中で物理的な体験を模倣すること）が必要であり、LLMは単にテキストを処理するだけの「中国語の部屋」に過ぎず、物理的な感覚体験がないため、一般相対性理論のようなパラダイムシフトを生み出すことはできません。将来、AIが真の科学的発見を遂げるためには、LLMと物理世界モデルを組み合わせて相互作用させ、反事実的なシミュレーションが可能にする必要があります。
詳細な解説
1. 「データの圧縮＝科学的発見」という誤解
多くの人は、AIが十分な量のデータを見れば科学者のように新しい法則を発見できると考えています。しかし、これは完全に間違っています！
アインシュタインが一般相対性理論を研究していた時、ニュートン力学はほぼ完璧であり、慣性質量と重力質量の等価性は10⁻⁹の精度まで検証されており、唯一の小さな異常（水星の近日点進動）も「未発見の惑星」によるものだと考えられていました。AIがデータを最適化する際に明確な「誤差」がなければ、せいぜいニュートンの法則をより簡潔にするだけであり、「時空は曲がっている」という革新的な概念には至りません。
例えば、AIに1万枚のリンゴが落ちる写真を見せても、「リンゴは下に落ちる」と結論づけるだけで、「なぜ下に落ちるのか？時空が地球によって曲げられているのか？」とは考えません。データがそれを促すからです。
2. LLMの「能力の盲点」：「溯因」の欠如
論文では、推論を3つのタイプに分けています：
- 帰納：多数の事例から規則性を見出す（例えば、AIが無数の実験データから保存則を導き出す）；
- 演繹：既知の公理から結論を導く（例えば、LLMが一般相対性理論の公式に基づいて水星の軌道を計算する）；
- 溯因：奇妙な現象を説明するために新しい仮説を立てる（例えば、アインシュタインが光速の不変性を観測して「光速はすべての参照系で一定である」という新しい公理を提案した）。
LLMは帰納と演繹においては非常に強力ですが、「溯因」こそがその弱点です。なぜかというと、溯因は「何もないところから創造する」作業であり、既存のデータや公理を参考にすることができず、物理的な直感や想像力が必要だからです。アインシュタインのエレベーター思考実験のように、頭の中で物理的な体験を模倣する能力がないLLMは、既知の枠組みから抜け出すことができません。
3. 溯因には「具身化されたシミュレーション」が必要だが、LLMにはそれがない
アインシュタインの溯因能力は、頭の中で実験を行うことから生まれました。つまり、公式を計算するのではなく、物理的な感覚を模倣することです。例えばエレベーター実験では、紙上で計算するのではなく、エレベーター内の人の視点に立ってその無重力状態を体験し、「重力」と「加速度」が同じものであるという考えに至りました。
LLMは物理書から知識を学ぶだけであり、実際の感覚体験がないため、等価原理のような新しい仮説を立てることはできません。
4. 未来のAIの道筋：LLM＋物理世界モデル
論文では明確な方向性が示されています。AIに科学的発見をさせるためには、単にLLMだけに頼るのではなく、「物理的に一致した世界モデル」を提供する必要があります。つまり、AIがその中で相互作用し、シミュレーションを行い、反事実的な思考が可能な仮想実験室を用意するのです。
例えばGoogleのGenieモデルは、AIが操作できる仮想環境を生成します。AIはエレベーターのケーブルを切ってその中の物体の動きを観察したり、重力の大きさを変えて惑星の軌道の変化を観察することができます。このような能力により、AIはアインシュタインのように思考実験を行い、新しい仮説を導き出すことができるのです。
簡単に言えば、未来の科学的AIは「本を読むだけでなく、実験もできる」存在でなければなりません。つまり、テキスト上の知識だけでなく、仮想世界で実際に実験を行い、「観察」から「発明」へと進むことができる存在です。
一言でのまとめ
LLMは「科学的助手」として機能する（データの分析や結論の導出）が、新しい公理を提案する「科学革命の先駆者」にはなれません。AIをアインシュタインのようにするためには、単に世界を「読む」だけでなく、「体験」させる必要があります。