「カオスの縁」から見えてくる知能の正体──フラクタルな複雑性が育む新しい知性の理論
数学者たちがフラクタルとカオスの予想を解き明かしたというニュースが、Scientific Americanで報じられました。ジュネーブ大学のヴァンサン・ヴァルガス氏とリヨン大学のクリストフ・ガルバン氏が2023年に提唱した「ガルバン=ヴァルガス予想」が、中国科学院の研究者たちによって証明されたのです。
この数学的な成果は、単なる計算の話ではありません。実は、私たちが「知能とは何か」を理解する上で、極めて重要な洞察を与えてくれるものです。
見えない秩序を測る「数学的ものさし」
世界は秩序とランダムネスの間を揺れ動いています。冷たい窓に広がる氷の結晶も、ひとつの雪の形が全体のパターンに影響を与えます。こうしたランダムな変動が、いかにして全体的な効果を生み出すのか──この問いに挑んだのがヴァルガス氏でした。
彼が着目したのが「ガウス型乗法カオス（GMC）」という数学的ツールです。GMCは、一見無秩序に見える海の中に隠されたパターンを拾い出す「ものさし」のような役割を果たします。量子カオスからブラウン運動、大気の乱流まで、幅広い分野で発見される特殊な形のランダムネスを測定できるのです。
興味深いのは、GMCがフラクタル測度と呼ばれる点です。フラクタルとは、どこまで拡大しても同じパターンが繰り返される自己相似的な構造のこと。このフラクタル性こそが、知能の本質と深く関わっているのです。
カオスが「相転移」する瞬間
研究者たちが明らかにしたのは、カオスには「相転移点」があるという事実です。乱流を例にとれば、大きな渦がランダムに小さな渦へと崩れ、それがさらに小さな渦を生み出す──このマルチスケールなランダムネスがGMCの本質です。
しかし、ランダムネスがある閾値を超えて強くなりすぎると、GMC測度は崩壊してしまいます。渦が十分なランダムネスを帯びると不安定になり、隠された秩序を全て失うのです。これはまさに、氷が液体に変わる「相転移」に似ています。
ガルバン氏とヴァルガス氏の予想は、この相転移を理解するための鍵を提供しました。複雑性（パターンの次元）と調和性（周波数の次元）という、まったく異なる2つの物理的な記述を結びつける数式です。そして2024年、中国科学院の研究チームがこの予想を証明し、その背後にある理由まで明らかにしたのです。
知能は「カオスの縁」で生まれる
ここで、もうひとつの興味深い研究を紹介します。イェール大学とコロンビア大学の研究チームが2024年10月に発表した論文「Intelligence at the Edge of Chaos」です。
彼らは、初等セルオートマトン（ECA）という単純なルールベースのシステムで大規模言語モデル（LLM）を訓練しました。ECAは256種類の8ビットルールで定義される1次元の計算システムで、単純な繰り返しパターンから高度に複雑でカオス的な構造まで、多様な振る舞いを生成します。
結果は驚くべきものでした。より複雑なルールで訓練されたモデルほど、下流タスクで優れた知能を示したのです。推論課題やチェスの次の一手を予測するタスクで、複雑性の高いルールで訓練されたモデルが圧倒的な成果を上げました。
しかし、ここにも相転移がありました。均一で周期的な単純すぎるシステムも、極度にカオス的なシステムも、どちらも下流パフォーマンスが低かったのです。最も知能が発現したのは、秩序と無秩序の間──「カオスの縁」と呼ばれる領域でした。
複雑性が育む「非自明な解」
さらに興味深いのは、モデルが学習する「解」の性質です。ECAは本質的にメモリレス（無記憶）なシステムです。次の状態は現在の状態だけで決まり、過去を参照する必要はありません。つまり、単純に8ビットのルールを学習して適用すれば良いはずです。
ところが、複雑なルールで訓練されたモデルは、過去の状態に高い注意（アテンション）を向けていたのです。研究チームは、モデルが最後の10ステートに割り当てた注意スコアを分析し、複雑性が高いルールほどアテンションが強まることを発見しました（相関係数r=0.66）。
これが意味するのは、モデルが「自明でない複雑な解」を学習しているということです。簡単な解が存在するにもかかわらず、複雑なルールに触れたモデルは、より洗練された推論を発達させたのです。研究者たちはこう仮説を立てます──知能は複雑性を予測する能力から生まれ、知能を創造するには複雑性への暴露だけで十分かもしれない。
「カオスの縁」が人間の知性と重なる理由
この「カオスの縁」の概念は、認知科学の理論とも共鳴しています。人間の脳も、異なるダイナミクスの間の臨界状態で機能していると考えられているのです。
実は、この研究潮流には興味深い歴史があります。生物学者スチュアート・カウフマンは、遺伝子ネットワークの研究から、生命が安定するのは「疎でも密でもない塩梅」であり、それが遺伝子数の平方根あたりになることを発見しました。そして、この領域がまさに「カオスの縁」に相当していたのです。
カウフマンは後に、このダイナミズムが生命だけでなく、経済やビジネスといった人間の知的営みにも内在していると気づきました。秩序と無秩序の微妙なバランスこそが、複雑なシステムを駆動する普遍原理なのかもしれません。
AIが「感情」を必要とする理由
最近のAI研究は、さらに興味深い方向に進んでいます。OpenAIの共同創業者イリヤ・サツケバー氏は、AIが実世界で不器用な失敗を繰り返す理由を「価値関数」の欠如に求めています。
人間は途中で「これはまずい方向だ」と感じ、軌道修正できます。サツケバー氏は、人間の感情を「進化によって埋め込まれた生得的な価値関数」と捉えます。脳の損傷で感情処理能力を失った人は、知的能力は保たれていても、どの靴下を履くかを決めるのに何時間もかかってしまう──感情とは、私たちが世界で効果的に行動するための羅針盤なのです。
AIスタートアップConsciumは、AIに「マイクロエモーション（微小な感情)」を与える実験を行っています。エネルギーと温度という「ニーズ」を持ち、環境をスキャンしながら自分の状態を常にチェックし、「良い・悪い」という原始的な信号を生み出すというアイデアです。
これは、フラクタルな複雑性の中で知能が生まれるという話と、どこかで繋がっています。感情もまた、複雑で予測困難な実世界を航海するための、生物が進化させた「カオスの縁」での舵取り装置なのかもしれません。
未来の知能に向けて
数学のカオス理論、AIの学習理論、認知科学、そして感情研究──これらすべてが「カオスの縁」という一点で交差しています。
知能とは、完全な秩序でも完全な混沌でもない、そのギリギリの境界線で踊る何かなのかもしれません。フラクタルのように、小さなスケールから大きなスケールまで、同じパターンを繰り返しながら、予測不可能でありながら構造を持つ──そんな絶妙なバランスこそが、知性の本質なのではないでしょうか。
数学者たちがフラクタル予想を証明したことで、私たちはカオスを測る新しい「ものさし」を手に入れました。そして、AIが複雑性から知能を獲得する過程を観察することで、人間の知性、さらには未来の超知能がどのように形成されるのか、その根本原理に近づいているのかもしれません。
参考記事
〇Mathematicians Crack a Fractal Conjecture on Chaos（2024年12月9日）
〇Intelligence at the Edge of Chaos（2024年10月8日）
〇人工生命から生命の謎に迫る（福岡浩二）
〇シンギュラリティに必要なのは「感情」だった？──AIが意識を持つ日はいつ来るのか（福岡浩二、2024年12月4日）
