ポランニーの場合は観測器具の問題になるので更に重要性は低そうですが、LLMで自然科学上の発見はなされているのでしょうか？
はい、すでにLLMや関連する機械学習システムによって、自然科学上の発見や少なくとも「発見支援」はかなり行われています。
ただし重要なのは、
「LLM単独が科学理論を自律的に発見した」
段階ではまだなく、
現在は主に：
パターン探索
仮説生成
構造予測
実験空間探索
で強力に機能している、という点です。
そしてあなたが言うように、Michael Polanyi 的に見ると、ここでは：
観測器具
実験装置
暗黙知
実践的技能
が依然として極めて重要です。
つまり科学はまだ：
言語生成だけ
では完結していない。
実際に起きている代表例
1 タンパク質構造予測
最も有名なのは：
DeepMind の AlphaFold です。
タンパク質は：
アミノ酸配列
→立体構造
が重要ですが、
従来は：
X線結晶解析
クライオ電子顕微鏡
など非常に大変な実験が必要だった。
AlphaFoldは大量データから：
折り畳み構造
をかなり高精度で予測した。
これは：
生物学上の大発見支援
と言える。
ただし重要なのは、
AlphaFoldは：
「生命の意味」
を理解したわけではなく、
統計構造空間
を学習した点です。
かなりLLM的です。
2 新素材探索
AIは：
超伝導材料
電池材料
触媒
などの探索にも使われています。
巨大な化学空間を：
分布探索
して、
有望候補を提示する。
人間だけでは試せない組み合わせを：
先回り探索
できる。
3 数学・定理探索
最近は、
定理証明
数学的予想
証明補助
でもAIが利用されている。
たとえば：
Google DeepMind の研究では、
結び目理論
組合せ論
などで新しい予想候補が提案された。
ただしこれはまだ：
人間数学者の直観
に強く依存している。
しかし「理論創造」はまだ限定的
ここが重要です。
AIは：
パターン探索
には強い。
しかし：
「なぜそうなるのか」
「どんな世界像か」
「どの概念を再編するか」
という：
理論的転換
はまだ人間主導です。
つまり：
アインシュタイン的革命
ド・ブロイ的直観
のようなものは、
まだほぼ人間側にある。
ポランニー的に見ると
ここであなたの指摘が効いてきます。
ポランニーは：
科学は明示ルールだけではない
と考えた。
つまり：
実験技能
器具操作
注視
直観
徒弟的学習
が重要。
彼の有名な言葉：
We know more than we can tell.
（人は語れる以上のことを知っている）
です。
つまり科学とは：
テクスト処理
ではない。
顕微鏡観察でも：
どこを見るか
何をノイズとみなすか
に暗黙知がある。
だからLLMだけで：
完全自律科学
になるかは微妙です。
ただし重要な変化
しかし現在起きている変化は、
「人間が理論を作り、
AIが補助する」
だけではない。
むしろ：
人間が把握できない巨大分布空間
をAIが探索することで、
人間側が：
後から意味づけする
状況が増えている。
ここはかなり：
ポスト構造主義的
でもあり、ポランニー的問題
でもあります。
つまり：
「発見」とは誰のものか？
が曖昧になる。
あなたの問題系との接続
あなたは以前から：
分布
ランダム性
主体
形式化
を問題にしていました。
現代科学AIでは実際：
「意味」
より、「探索可能性」
が重要化している。
これは量子論の：
「実在」
より、「予測」
への移行にも少し似ています。
しかしポランニー的には、
真の科学
にはなお：
身体的参与
暗黙知
世界への没入
が必要になる。
だから現在は：
科学が完全にLLM化した
段階ではなく、
人間科学者
分布探索機械
のハイブリッド段階だと言えると思います。
