ＡＩによる「人類補完計画」に抗え
この問題はAI研究でも近年非常に重要なテーマになっています。
大きく分けると次の3つの現象を含んでいます。
① 平均への回帰（Regression toward the mean）
② モデルコラプス（Model Collapse）
③ 創造性ネットワークの収縮（Creative Convergence）
2024年には「AIがAI生成データを再帰的に学習すると、
分布の裾野（極端で珍しいアイデア）が失われ、
出力が平均的になる」という
「モデルコラプス」が理論・実験の両面から示されました。
つまり、
AI → 人間 → インターネット → AI
という循環が進むほど、
「平均的で無難な知識」が強化され、
「珍しい知識」が消えていく
という現象が起こり得ます。
私はこれを
「知識の重力場」
と呼んでいます。
AIには巨大な重力があります。
質問すると
100個の可能性
↓
20個に圧縮
↓
5個に圧縮
↓
最も尤もらしい1個
へと収束していきます。
これは検索としては優秀です。
しかし、
発明
には逆方向の操作が必要です。
つまり
1
↓
5
↓
20
↓
100
↓
1000
へ発散させなければなりません。
このためにはAIに
「平均を答えろ」
ではなく
「平均から離れろ」
と命令しなければいけません。
私が考える「反・平均化プロンプト」
例えば普通なら
この問題の解決方法を教えて
ですが、
発明では
一般的な方法は禁止。
・確率1%以下と思われる案を20個。
・科学的に否定されていてもよい。
・他分野との類似だけで構わない。
・TRIZの矛盾解決を適用。
・生物学から5個
・経済学から5個
・囲碁から5個
・昆虫から5個
このように聞きます。
平均から離れることをAIに強制します。
学際距離を最大化する
かけ離れた２つの分野である
Aという分野とBという分野を結びつける
これは非常に重要です。
これは
「知識空間距離」
という考え方で整理できます。
例えば
近い分野では
機械工学
↓
材料工学
距離は短い。
しかし
賭け事
↓
量子力学
は遠い。
さらに
賭け事
↓
考古学
もっと遠い。
賭け事
↓
アリの社会
さらに遠い。
遠いほど
新しい概念が生まれる確率が高くなります。
Knowledge Distance Matrix
例えば
・医学
・経済学
・軍事
・植物
・昆虫
・哲学
・建築
・宗教
・天文学
・音楽
を横軸
縦軸も同じ。
100通りの組合せを作る。
・医学 × 建築
・宗教 × 流体力学
・賭け事 × 生態学
・AI × 囲碁
・金融 × 進化論
ここから発想します。
これはTRIZよりさらに発散型になります。
TRIZ40原理をAIに使わせる
普通は
TRIZを問題解決に使います。
しかしAIでは
TRIZを
質問生成器
に変えます。
例えば
分割原理
「これを100個に分けると？」
逆転原理
「逆にしたら？」
捨てる原理
「重要そうなものを全部捨てたら？」
コピー原理
「全く別分野で同じ構造は？」
中間媒介
「第三者を挟むと？」
つまり
TRIZは
問いの変換器
になります。
これはかなり強力です。
近年はTRIZとLLMを組み合わせ、
複数の専門エージェントで
分野横断的な発想を促す研究も提案されています。
「強制的ランダムウォーク」
最近の創造性研究では
人間もAIも
アイデアネットワークを
ランダムウォークするほど
創造性が増えるという考えがあります。
例えば
賭け事
↓
草
↓
植物
↓
DNA
↓
自己複製
↓
進化
↓
適応
↓
市場
↓
株価
↓
賭け事
のように
20回くらい飛ばします。
最後に
「賭け事に戻れ」
と命令します。
これだけで
普通は出ないアイデアが出ます。
「異常値優先探索」
AIは
平均
を返します。
そこで
・平均は禁止。
・論文数が10本以下の説だけ。
・少数派だけ。
・採用率1%未満だけ。
・失敗した技術だけ。
・絶滅した技術だけ。
こう聞きます。
つまり
外れ値だけを見る。
モデルコラプスでは分布の「裾」が失われやすいことが指摘されているため、このような探索は平均への収束に対抗する考え方とも整合します。
「否定ゲーム」
AIに
「この結論は正しい」
ではなく
「この結論を破壊してください」
と言います。
さらに
「もっと壊してください」
「もっと意外に」
「もっと常識を疑って」
これを10回繰り返します。
「自然界変換」
私はこれが非常に強いと思っています。
すべてを
自然界へ写像します。
例えば
賭け事の予測なら
・狼なら？
・アリなら？
・菌類なら？
・細胞なら？
・樹木なら？
これだけで
全く違う特徴量が見えてきます。
生物進化は数十億年にわたる「試行錯誤」の蓄積なので、
工学的な最適化とは異なる視点を提供してくれます。
「時間方向の飛躍」
普通は
現在だけ見ます。
しかし
・100年前なら？
・500年後なら？
・文明崩壊後なら？
・宇宙移民後なら？
これも非常に効きます。
「メタ構造を見る」
ここが一番重要です。
普通は
「知識」
を結びます。
私は
「知識」ではなく
「構造」
を結ぶべきだと思います。
例えば
・株価
・賭け事
・進化
・都市
・言語
これらは全然違います。
しかし
全部
・適応系
・フィードバック
・競争
・淘汰
・情報伝播
・ネットワーク
という構造を持っています。
つまり
分野ではなく
「構造」
を移植する。
AIを「発明機械」として使うために、
次のような8段階のフレームワークを提案します。
平均解を取得する（現在の常識を把握する）
平均解を全面否定する（逆方向の仮説を作る）
TRIZ40原理で問いを変形する
知識空間距離が最大になる異分野を5～10分野選ぶ
構造アナロジー（フィードバック・ネットワーク・進化・市場・自己組織化など）へ抽象化する
異常値・少数派・歴史上の失敗例だけを探索する
ランダムウォークで概念を数十回ジャンプさせる
現実性・実装可能性・新規性を評価して収束させる
実は、この8段階は「発散→収束」を繰り返す設計になっています。
AIは平均解を出す能力には優れていますが、
創造性研究では最高水準の創造性は分布の右端
（ごく少数の非常に独創的なアイデア）で
人間のほうが依然として優位であり、
AIの価値は人間との協働によって引き出されることが示されています。
そして、さらに一歩進めて、「TRIZ」だけでなく
、
知識空間距離（Knowledge Distance）・構造アナロジー（Structural Analogy）・異常値探索（Outlier Search）・ランダムウォーク（Random Walk）
を統合した「AI発明学（AI Inventive Methodology）」として体系化できると考えます。
これは、AIに「最も正しい答え」を求めるのではなく、
「最も遠く、最も意外で、それでいて構造的に意味のある答え」を
探索させるための方法論です。
現在のAI時代には、このような「問いの設計」そのものが、
人間側の最も重要な創造的能力になっていくでしょう。
