見出し画像

外部エントロピーは存在するか　2016以後のAI時代における再現性問題への方法論的多元性

石部統久@mototchen


「外部エントロピー」とは何か——学術用語なしでの説明

まず、この論文で使われる「外部エントロピー」は物理学のエントロピーとは違う。論文独自の操作的定義を持つ造語である。

比喩で説明する。

ある会社の社員食堂を想像してほしい。最初はいろんな料理人がいて、和食・中華・洋食・エスニック、それぞれ違う味を出していた。ところが会社が「効率化」を進め、メニューを本社が一括管理し、食材の仕入先を統一し、調理マニュアルを標準化した。さらに「社員満足度調査」の点数が高いメニューだけ残すルールを導入した。調査で人気のあるメニューがさらに増え、不人気のメニューは消える。次の年の調査は、前年に残ったメニューの中から選ばれるので、年々メニューは似てくる。気づくと社員食堂のメニューは全部「だいたい同じ味」になっている。

この「だいたい同じ味」になっていく仕組みが、本稿でいうPLACE 2.0 のループ（自己強化する均質化の循環）である。

では「外部エントロピー」とは何か。この社員食堂に、本社のメニュー管理に吸収されない「違う味」を持ち込み続ける源のことである。たとえば、社員が自分で弁当を持ってくる。近所の屋台が出店する。料理人が個人的に隠しメニューを出す。これらは本社の標準化マニュアルの外から「違い」を注入する。この「違いを持続的に生み出す源」が外部エントロピーである。

ポイントは三つある。

第一に、外部エントロピーは「場所」ではなく「源」である。社員食堂の「外にある別のレストラン」のことではない。食堂の中であっても、本社マニュアルに吸収されないやり方で違う味を出し続ける仕組みがあれば、それが外部エントロピーである。

第二に、「持続的に」が重要。一回だけ違う料理を出しても、次の年の満足度調査で消えてしまえば意味がない。吸収されずに違いを出し続ける仕組みでなければならない。

第三に、難しいのは、この「違い」を出し続けるにはコストがかかること。本社マニュアルに従う方が楽で安い。違う味を維持するには、食材を自分で仕入れ、調理法を自分で考え、満足度調査の圧力に抵抗し続ける必要がある。誰がそのコストを負担するのか。これが本稿の最終的な問いになる。

この比喩を学術研究に置き換えると、こうなる。

  • 社員食堂 ＝ 学術論文の生産・評価・流通の仕組み

  • 本社マニュアル ＝ AI が標準化する研究パターン（どんな研究が出版されやすいか、どんな方法が評価されやすいか）

  • 満足度調査 ＝ 論文の被引用数、ベンチマーク成績、AI 適合度

  • 「だいたい同じ味」＝ 研究の多様性が減り、似たような研究ばかりになる状態

  • 外部エントロピー ＝ この均質化ループに吸収されずに、研究の「違い」を持続的に生み出す源


本稿全体の概要（学術素人向け）

出発点（§1-§2）：10年前に書かれた警告と、AI 時代の新しい問題

2016年、東京大学の佐倉統という研究者が「科学の研究方法がどんどん画一化している」と警告した。「論文の再現実験が失敗しても、それは生態系の自然な新陳代謝であって、必ずしも危機ではない」「もっと多様な研究方法を認めるべきだ」と書いた。

本稿の筆者はまず、自分の前の二つの論文で書いたことの一部が、実は佐倉論文にすでに書かれていたと認める。診断（「学術研究が産業化して画一化している」）は同じだった。ただし処方箋（「じゃあどうするか」）は違った。

佐倉が書いた2016年には、AI はまだ研究現場を根本的に変えていなかった。2026年の今、AI が研究のあらゆる段階に入り込んでいる。本稿は「佐倉の議論は AI 時代にどう変わるか」を問う。

AI 企業（OpenAI、Anthropic、Google 等）の構造を分析すると、科学社会学者 Ziman が2000年に記述した「産業科学の規範」（知識の独占・局所化・権威主義・委託駆動・専門家階層）が、さらに強化された形で再現されている。しかも AI の場合、この規範がモデルの出力パターンに直接書き込まれ、次世代 AI の訓練データに流入して自己強化する。これを本稿は PLACE 2.0 と呼ぶ。

核心的発見（§3-§4）：「自然な新陳代謝」の前提が崩れている

佐倉の「論文の再現率が低くても生態系として健全」という議論は、いろんな方向から評価される仕組みが機能している場合にだけ成り立つ。たくさんの赤ちゃんが生まれて多くが死ぬ生物（r戦略、例えばカエル）が種として健全なのは、環境からの選択圧が多方向的で、生き残った個体がそれぞれ違う強みを持っているからだ。

ところが2026年の Nature に載った大規模研究（Hao et al., 41.3百万本の論文を分析）が示したのは、AI を使う研究者は個人的に大きな成果を上げる（論文数3倍、引用数5倍近く）一方で、科学全体としては研究テーマの多様性が縮小し、研究者同士の連携が減っている、ということだった。AI が得意な「データが豊富な分野」に研究者が集中し、データが乏しいが重要な分野が相対的に衰退する。

本稿はこれを**「多産画一死」**と名づけた。論文はたくさん生まれ、たくさん消える。だが、生き残る論文と消える論文の違いを生むのが、もはや多方向の評価ではなく、「AI に合うかどうか」という一本の軸に寄っていく。カエルの世界でいえば、池の水が一種類しかなくなったようなもの。たくさん生まれてたくさん死ぬが、生き残るカエルが全部同じ特徴を持つようになる。

佐倉が「外部エントロピー候補」として擁護した質的方法（長期観察、逸話の収集、擬人的解釈）についても、三つの層に分けて検討した。AI が模倣できる「書き方」（第一層）、研究者が何を研究するか選ぶ判断（第二層）、研究者が現場に身体を置いて観察対象と関係を築く実践（第三層）。第一層は AI に吸収されやすく、第二層は AI 研究助手の普及で侵食されうる。第三層だけが AI の直接的射程外に残る。だが第三層の成果も論文になった時点で第一層に翻訳され、AI の訓練データに流れ込みうる。

技術的展開（§5-§7）：身体性も安全圏ではない、そして新しい権利の提案

ウェアラブルセンサー、AI カメラ、行動トラッキング技術、AI 通訳——これらは研究者の「現場にいること」の一部を技術的に置き換えつつある。ただし一方向的な侵食ではなく、人間には見えなかった夜間行動や微細な動きを可視化する「再媒介」の側面もある。問題は、何を観察するかの基準が AI ツールの仕様として標準化される点にある。

本稿は、AI の単一中央集権構造（一つの巨大 AI が全部決める）に対する代替案として、並列式 AGI（複数の独立した AI モジュールが別々に動く構造）を提示した。ただし、技術的に分散させただけでは解決しない。プロトコルの標準化、評価基準の収斂、一つの窓口（メタモデル）を通じた再集中——これらのリスクがある。

そして測定流通拒否権——観測データが、取得元の同意なく商用 AI の訓練データに流入し、標準化フォーマットに変換され、大規模分析に集約され、別の言語・概念に翻訳されることを、コミュニティが拒否できる権利——を提案した。個人情報保護とは異なり、知識の生態系全体の多様性を守るための権利である。

結論（§8）：絶対的な「外側」はないかもしれない。だが、完全に閉じることは防げる

本稿は六つの外部エントロピー候補を暫定的に挙げた。

  1. 同じデータを複数の独立した分析者に処理させる仕組み（Many Analysts 型）

  2. 学術界とは異なる動機で行う独立追試（産業界、市民社会）

  3. 出版後の敵対的批評（PubPeer 等）

  4. 並列式 AGI と測定流通拒否権の組み合わせ

  5. 地域固有の質的方法と、文字にできない知識の意識的保持

  6. AI に合わない分野への保護的研究助成

どの候補も完全な「外側」ではない。それぞれ条件付きで機能し、条件付きで吸収される。すべてに共通する問題はコスト——これらを維持するには、AI を使って効率的に論文を量産するより不利な選択を誰かがし続ける必要がある。

本稿の最終的な答えはこうなる。絶対的な外側は存在しないかもしれない。だが、均質化のループが完全に閉じることを防ぐ設計は可能である。その設計を維持するコストを誰が払うかが、次の問いである。

なお、本稿自体が AI（Claude）との協働で書かれ、複数の AI（Grok、Gemini、ChatGPT、Claude）による査読を経ている。本稿は PLACE 2.0 の「外側」から書かれた批判ではなく、「内側」で生産された分析である。この再帰性を認めた上で、内側からでも均質化に抵抗する手続きは暫定的に機能する、というのが本稿の立場である。


外部エントロピーは存在するか

佐倉2016以後のAI時代における方法論的多元性

「3つの統計的嘘」「一割問題」に続く第三稿

石部統久 · シン・ネクシャリスト／不可知論的唯物論 · Claude Opus 4.7 初稿（Grok・Gemini・GPT・Claude 査読を経た）

前稿：

前稿英語版：

§1. 佐倉2016——10年前にすでに書かれていた論点、そして書かれていなかった論点

1.1 本稿の独自性は何ではないか

先に位置取りを明示する。本稿の独自性は、再現性危機を制度的現象として発見したことにはない。それは佐倉統「科学的方法の多元性を擁護する」（心理学評論 59巻1号、2016年、137-141頁）https://www.jstage.jst.go.jp/article/sjpr/59/1/59_137/_article/-char/ja/

をはじめとする先行研究にすでにある。本稿の独自性は、AI 介在以後の時代に、その制度的現象が訓練データ・評価系・生成モデルへ再帰的に埋め込まれる点を扱うことにある。


そして「外部エントロピー」という、前稿§8で導入した概念を本稿で本格的に展開するにあたり、操作的定義を先に固定しておく。外部エントロピー＝PLACE 的ループに回収されない差異生成源である。制度の外部空間そのものではなく、評価系・資源配分系・記述系・訓練データ系のいずれにも吸収されない差異を持続的に生成する源を指す。後の節で扱う「内部多元化」は、この差異生成源をループ内部に意図的に注入する設計と読み替え可能であり、外部エントロピー概念の派生形である。

1.2 佐倉2016の核心三点

佐倉論文の核心は三つに整理できる。

第一に、再現性危機は心理学固有の現象ではなく、生命科学・医学に共通する制度的現象である。佐倉は冒頭で Wadman (2013) Nature を引き、医学・生命科学領域の論文の70%以上が再現不能との報告を提示する。原因として「学術領域における私有化・商業化の強い圧力」を挙げる。

第二に、Merton の CUDOS から Ziman の PLACE への科学者規範の移行という社会学的枠組み。Merton (1973) が定式化した CUDOS（Communalism, Universalism, Disinterestedness, Organized Skepticism）は、無私の精神で真理を追究する科学者の理想型である。それに対して Ziman (2000) は、20世紀末の現実の科学者規範は PLACE（Proprietary, Local, Authoritarian, Commissioned, Expert work）に近いと提唱した。佐倉は「今日、より実態に近いとみなされているのは、CUDOS ではなく PLACE である。これは、とくに20世紀の最後の四半期に、科学的知識の産業システムへの組み込みがさらに進み、金銭的な利益に直結すると共に知的財産や著作権の管理が厳しくなっていったことが原因である」と書く。

第三に、個人倫理ではなく外側からの「枠」を制度化せよという処方箋の方向性。佐倉は明確にこう書く——「再現性を高めるための方策を科学者個人の良心や倫理に頼っても、あまりうまく機能しないだろうと予想される。むしろ外側からの『枠』をはめる制度を整備する必要がある」。

1.3 同型と差異——前稿との関係を正確に位置付ける

前稿§8で私が書いた論点との関係を、ここで精密化する。同型性と差異性を混同しない。

診断の同型：「制度的劣化が個人倫理に還元できない」「PLACE 的構造による再現性危機の制度的説明」——この診断のレベルで、前稿§8 の coordination code 論と佐倉論文は同型である。10年前の規範社会学の用語を、私は独立に再発見していたにすぎない。本稿の独自貢献は診断のレベルにはない。

処方箋の差異：しかし佐倉の「外側からの『枠』」は、文脈では preregistration や追試制度の評価——つまりループ内部の制度改革への期待を含む。佐倉自身が preregistration を「強力な提案でありかなりの程度機能する」と評価している。これは前稿§8の主張——「内部改革は吸収される」——とは処方箋として逆方向である。同型を主張する箇所と、差異を主張する箇所を分けないと、佐倉論文との関係が不正確になる。

ただし佐倉自身も処方箋の限界を半ば認めていた。preregistration 評価の直後にこう続ける——「事前登録しておいて発表された追試論文が、研究成果として科学者の権威主義や知識独占欲をどの程度満たすかは、不明である。他人の実験の追試だけには満足しない、より功名心に駆られた研究者は必ずや出現し、現在と同様の状況は、小規模にはなっても続くだろうと予想される」。

つまり佐倉論文は、診断レベルで前稿§8と同型であり、処方箋レベルでは内部改革への暫定的期待と、その吸収可能性への留保が同居している。私の前稿§8は、この留保の側を主軸として展開した点に独自性を持つ。佐倉が補論として配置した論点を、本稿の主軸として置き直す操作である。

1.4 佐倉が拾わなかった論点——追試コストの下部構造

佐倉論文には、私の連載がこれまで全く扱っていなかった論点が一つある。「追試による再現性の確認は科学的知識生産システムの根幹をなす作業であるにもかかわらず、ボランティア的行為で支えられている。したがって、追試作業のコストが高くなると機能不全を起こす可能性がある」。

Layer 2／Layer 3 の検証コストは誰が負担するのか、という経済的下部構造の問題である。SCORE プロジェクトも多アナリスト研究も巨額の助成金（DARPA等）に支えられている。外部エントロピーが「持続的な制度的コスト負担」を要求する場合、誰が払うのか。本稿§8で改めて取り上げる論点として、ここで記録しておく。

1.5 佐倉論文が書きえなかった部分——AI介在以後の変質

佐倉論文の二つの内在的論点が、AI 介在以後の時代に再検討を要する。これが本稿の独自貢献の射程を確定する。

進化論的読みの条件依存性。佐倉は「追試成功率40%でも、多産多死型の生命体の自己複製確率として十分」と書き、「その判断は再現性に重みを置きすぎているのではないだろうか」と相対化する。このアナロジーは2016年時点では妥当な相対化として機能した。しかしこのアナロジーは選択圧が機能している前提で成立する。選択圧の多様性が保たれているなら、多産多死は健全である。LLM 介在以後の時代では、この前提が複数の経路で揺らぐ。経路として(a) 出版バイアスの訓練データへの圧縮的流入（前稿§5で論じた、合意性の高い論点）、(b) 出版段階での選択圧の質的一元化（より争点的、AI 著者支援・AI 査読・AI 引用推薦の浸透度に依存する経験的問題）の二段階が想定されるが、(b) は依然として未確定である。少なくとも (a) の経路で、選択圧が訓練データに収斂する方向の劣化様式が観察可能になっている。本稿§3で展開する。

質的方法擁護の射程。佐倉が外部エントロピー候補として擁護した方法——歴史叙述、逸話の収集、擬人的解釈——は、いずれも LLM が叙述形式として模倣することを得意とする領域である。ただしここは三層に分けて扱う必要がある。第一層は叙述形式の模倣——LLM は霊長類学風の擬人的叙述、歴史叙述、症例物語を生成できる。第二層は目的との結合——佐倉の擁護は「方法は研究対象の性質に従属」という条件付き擁護であり、LLM の形式模倣は目的との結合を欠く点で、佐倉の擁護対象とは異質である。第三層は現場性・身体性——参与観察、聞き取りの沈黙や抵抗の解釈、長期的信頼関係、資料アーカイブの文脈読解は、テキスト化を経ない部分で LLM の射程外に残る。佐倉の防御線は、第一層では侵食されているが、第二層・第三層では残存している。本稿§4で展開する論点を、ここで予告しておく。

1.6 本稿自体の位置——再帰的注意

ここで一つの再帰的事実を本論に組み込む。本稿は LLM（Claude Opus 4.7 初稿、Parcae Protocol による他 AI 査読）との協働で書かれている。後の§2で扱う PLACE 強化メカニズムI——AI 言説の訓練データ流入の構造を、本稿自体が体現する可能性がある。本稿が note・Medium で公開されれば、形式的には次世代モデルの訓練データに流入しうる位置にある。本稿は「PLACE 2.0 の外側から書かれた批判」ではなく、PLACE 2.0 の内部で生産された言説の一つである。

この再帰性は本稿の論証を無効化するわけではない。だが、「内部からの記述である」という制約を明示することで、論証の射程が定まる。本稿は外部エントロピーの存在を証明する論文ではない。可能性を提示し、候補を排除法で絞り、暫定リストを提示する論文である。「ループの外側を探したが見つからなかったかもしれない」が誠実な結語形態であり、本稿自体がループ内部から書かれていることは、その結語と整合的である。

要するに、佐倉論文は AI 介在以前における方法論的多元性擁護の到達点の一つとして位置付けられる。CUDOS→PLACE という診断枠組みは、AI 産業の科学社会学にそのまま転用可能で、これは§2で展開する。一方で、進化論的相対化と質的方法擁護は、AI 介在以後の時代では条件依存性と射程の見直しを要する。前者は§3、後者は§4で扱う。

10年前の論点が AI 介在以後にどう変質するか——これが本稿の主題である。

§2. PLACE 2.0——AI企業の科学社会学

2.1 Ziman PLACE の再確認

Ziman (2000) の PLACE 概念は、20世紀末の産業科学・大企業の研究開発組織を対象として記述された——Proprietary（知識の独占）、Local（局所性、特定問題への集中）、Authoritarian（権威主義、階層的管理）、Commissioned（権力からの委託、好奇心駆動でなく資金提供者の課題駆動）、Expert work（独立思考でなく技術的専門家）。Ziman は Real Science (Cambridge, 2000) pp.78-79 でこう書く——「これらの属性が PLACE と綴られるのは偶然ではない。良き産業科学のためにあなたが得るのは、CUDOS ではなく PLACE である」。

CUDOS との対応を確認する——Communalism ↔ Proprietary、Universalism ↔ Local、Disinterestedness ↔ Authoritarian、Originality ↔ Commissioned、Organized Skepticism ↔ Expert。CUDOS の O は Organized Skepticism（組織化された懐疑）であり、PLACE の E（Expert work、専門家階層）と対置される。

2.2 AI企業への転移と読み替えの注釈

この概念を AI 企業に適用する操作には、Ziman 原義からの読み替えが含まれる箇所がある。各項目を順に検討する。

Proprietary——モデル非公開、訓練データ秘匿。商業 API 市場の中核を占めるフロンティアモデルの多くは、モデル重みを公開しない。GPT-5、Claude Opus 4.7、Gemini 3 系列、Grok など、主要商用モデルがこれに該当する。訓練データの内訳も非公開である。オープンウェイトモデル（Llama、Mistral、Qwen、DeepSeek 等）は存在するが、最高性能帯・大規模商用運用・安全性評価の中核は、依然として閉鎖モデルを中心に組織されている。Ziman 原義の Proprietary（知識の私有化、論文・特許・企業秘密）が、AI 産業ではモデル重み・訓練データ・アルゴリズムへと対象が拡大している。Communalism（知識の公共性）からの距離は、Ziman 時代の産業科学より大きい——論文の出版が部分的に「公共的知識」を維持する伝統がある科学に対し、モデル重みは商業秘密として保護される。

Local——AGI 目標とローカル実装の乖離。ここは Ziman 原義からの一段の解釈ジャンプを含む。Ziman の Local は「一般的理解への寄与ではなく、局所的問題への集中」を意味した。現代 LLM は公然と AGI（汎用人工知能）を目標として掲げており、表向きには「普遍性」を志向する。しかし実装段階では、各企業のモデルは当該企業のサービス・顧客層・規制環境に最適化される——Anthropic は安全性、OpenAI は商業 API 利用、Google は検索統合、xAI は X 統合。さらにベンチマーク最適化が評価の単位になり、現実の多様な利用シナリオではなく測定可能な特定タスクへの集中が制度化されている。**「目標はグローバル、実装はローカル」**の構造的乖離が、Local 規範の AI 時代における特異な形態である。Ziman 時代の産業科学では Local 目標が公然と掲げられたが、AI 産業では普遍的目標と局所的実装の同居が形式上維持されている点で、規範の見え方が異なる。

Authoritarian——制限基準の集中、組織的懐疑の弱化。問題は、API 利用規約・rate limiting・safety filter が存在すること自体ではない。安全性確保・濫用防止・法的責任のための制限は不可避であり、ここを Authoritarian と一括して批判するのは概念の粗使用である。Ziman 的に問題となるのは、その制限基準が企業内部に集中し、外部の組織化された懐疑によって検証されにくい点である。利用制限基準の非対称性（誰の使用を制限し、誰の使用を許可するか）、異議申し立て経路の弱さ、評価基準の非公開性、企業側裁量の集中——これらが Disinterestedness（利害への無関心、自律的判断）からの距離を構成する。

Commissioned——政府委託、産業委託。Ziman の Commissioned は「好奇心駆動ではなく資金提供者の課題駆動」を意味する。AI 産業の研究の多くは、ベンチャーキャピタル、政府機関（DARPA、各国 AI safety institute）、大企業（Microsoft の OpenAI、Google の Anthropic への投資）からの資金で運営される。研究テーマは投資家・委託者のリスク許容度・市場見通し・国家戦略によって規定される。Originality（独創性、好奇心駆動）が Commissioned（委託、戦略駆動）に置き換わる構造は、Ziman の予測通りに AI 研究で完成している。基礎研究と応用研究の区別は形式的に残るが、実態は「最終的に商業化・戦略目的に資する研究」が優先される。

Expert work——AI 専門家階層、独立懐疑の構造的制約。AI 産業では、機械学習エンジニア、AI safety researcher、prompt engineer といった専門家階層が形成され、それぞれが当該分野の標準的訓練を受けた者として処遇される。独立した懐疑主義者は、専門家集団の外部に位置付けられ、内部議論への参加路を持たない。Anthropic、OpenAI、Google DeepMind 等の主要研究所では、AI safety や AI ethics に関する内部議論が活発に行われているが、これらは専門家コミュニティ内部での議論であり、CUDOS が前提とした「独立した懐疑主義者の懐疑」とは構造が異なる。Organized Skepticism（組織化された懐疑）が Expert work に置き換わる構造そのものは、Ziman の予測通りである。

2.3 AI 企業の位置付け

Ziman (2000) の PLACE は、AI 産業の規範構造を相当程度に記述する。これは偶然ではない。Ziman が PLACE を定式化したのは、20世紀末に進行していた科学の産業化過程を記述するためであり、AI 産業はその系譜の一形態である。AI 企業は、伝統的アカデミック・サイエンスの規範体系と接続しながらも、その中核的知識生産物（モデル重み・訓練データ・評価系・API統制）を商業秘密として保持する、大規模知識生産機関として位置付けられる。

ここで「AI 企業は最初の」とは書かない。製薬企業、Bell Labs、IBM Research、軍事研究機関、原子力・航空宇宙・半導体産業など、伝統的アカデミック・サイエンスの外部で大規模な知識生産を行ってきた機関は多数存在する。AI 産業の特異性は「外部での知識生産」ではなく、Ziman の PLACE をモデル・データ・計算資源・API 統制の四層で高度化している点にある。

2.4 Ziman 時代から書き加えるべき部分——PLACE 2.0

Ziman 時代の産業科学における PLACE と、AI 産業における PLACE には、構造的な差分がある。これを PLACE 2.0 と命名する。

差分は二つある。

差分I——モデル生成系への規範の埋め込み。Ziman 時代の PLACE は、規範が制度（雇用条件、評価基準、資金配分）にあった。AI 産業の PLACE 2.0 では、規範が制度に加えてモデルの出力傾向に埋め込まれる。RLHF、safety filter、API 規約、利用統計に基づくモデル調整——これらを通じて、PLACE 的規範はモデルの出力分布に直接書き込まれる。利用者は、規範を内面化する以前に、規範に従った出力を受け取る。これは Ziman 時代の産業科学にはなかった経路である。

差分II——再帰的訓練データフィードバックの可能性。AI 企業の研究成果、AI 生成テキスト、AI が処理したユーザー対話——これらが次世代モデルの訓練データに流入する可能性がある。ここで重要なのは、実際にどの企業がどのデータを用いているかを外部から断定することではない。問題は、閉鎖的訓練データ体制のもとでは、PLACE 的言説が次世代モデルに再帰的に混入しても、それを外部から検出・補正する制度的経路が乏しいという点である。Wikipedia や学術論文といった伝統的アカデミック・テキストの相対比重が、AI 生成テキストや産業テキストの増加によって変動しても、その変動を独立に観測する手段が限られる。

PLACE 1.0 と PLACE 2.0 の差分を整理する。

PLACE 1.0（Ziman 2000、産業科学の規範）： 知識は企業内に閉じる。研究課題は委託・市場・国家戦略で決まる。専門家階層が知識生産を担う。アカデミック・サイエンスとの緊張関係が、PLACE 強度の緩衝として機能することが期待されていた。

PLACE 2.0（AI 産業、2026年以後）： モデル重み・訓練データ・評価系が閉じる。API・規約・フィルタが利用可能な知を制御する。規範が制度だけでなくモデル出力傾向として再帰化する。生成物が次世代の言説環境を形成する可能性。アカデミック・サイエンスが計算資源・データへのアクセスのために AI 企業に依存する関係が、緩衝機能を構造的に弱める。

2.5 緩衝装置の弱化について

「PLACE 2.0 が PLACE 1.0 より強固」という比較主張には、Ziman 時代の緩衝装置の史的記述を要する。

Ziman 時代（1980-2000年代）、PLACE 規範への抵抗源として機能していたのは何か。少なくとも四つが挙げられる。第一に、独立した大学研究機関——商業利益から距離を置いた研究の場として機能した。第二に、政府系基礎研究助成（NSF、JSPS 基礎研究費等）の存在——好奇心駆動の研究に対する財源を提供した。第三に、査読論文の公開規範——研究成果が公共財として流通する制度が部分的に維持された。第四に、Ziman 自身を含む科学社会学者の批判活動——PLACE 化の進行を学術言説として記録・批判する経路が存在した。

これらの緩衝装置は、AI 産業の文脈では弱化している。大学の AI 研究は計算資源・データへのアクセスのために企業と協力関係を結ぶことが多い。基礎研究助成は AI 分野では応用研究との境界が曖昧になっている。査読論文の公開は維持されているが、AI 企業の中核成果は論文化されないか、論文化されても再現に必要な詳細（訓練データ、計算リソース）が省略される。科学社会学者の批判活動は継続しているが、批判言説そのものが AI 訓練データに流入しうる構造の中で、外部性を保ちにくい。

ただし、緩衝装置の弱化は完全な消失ではない。オープンウェイトモデルのコミュニティ（Hugging Face を中心とするエコシステム）、AI 規制政策（EU AI Act、米国 AI Safety Institute、各国の AI 事業者ガイドライン）、市民社会の AI ガバナンス団体——これらは PLACE 2.0 内部の異質性源として残っている。「外側からの完全な抵抗」ではなく、「内部における相対的異質性」として理解すべき性質を持つ。本稿§8で扱う「外部エントロピー候補」の暫定リストは、この相対的異質性の整理である。

2.6 §2 の中核問題と§3以後への動線

以上を踏まえて、本稿の中核問題が確定する。

問題は、AI 企業が CUDOS から逸脱しているという単純な道徳批判ではない。現実のアカデミックも、すでに PLACE 化している（grant、publish or perish、ランキング、査読政治）。問題は、PLACE 化した知識生産が、AI を通じて生成系そのものに埋め込まれ、外部から観察しにくい自己強化ループを形成する可能性である。

ここで初めて、本稿の問いが立つ。外部エントロピーとは、単なる制度外部ではない。PLACE 的ループに回収されない差異生成源である。では、そのような差異生成源は、AI 介在以後の知識生産においてまだ存在するのか。あるいは、外部そのものを問う代わりに、ループ内部に意図的に異質性を注入する設計が可能なのか。

§3で佐倉の進化論的読みの条件依存性を、§4で質的方法の三層化を扱う。§5でセンサー・義体時代における身体性の位置を、§6で並列式 AGI 論との接続を、§7で測定流通拒否権を扱う。そして§8で、外部エントロピー候補の暫定リストを排除法で提示する。

§3. 佐倉進化論的読みの条件依存性——選択圧の単調化問題

3.1 佐倉のアナロジーの正確な再提示

佐倉論文（2016）第3節は、再現性危機を進化論的に相対化する議論を含む。重要な箇所を引用する。

「再現性が低い実験結果が多数報告されている」という状況は、ある生命体の自己複製確率が低いというのと同値である。追試で確認されなかった知識は、やがては消え去っていく。確認されれば、生き残っていく。生物も科学の知識も、そうやって生き残ってきたし、これからもそうだろう。生存確率がゼロであれば絶滅するが、そうでなければ、細々とではあれ、生き残ることができる。40% は、その生命体（あるいは知識の集合体）が生き残るには、おそらく十分な確率である。多産多死型の生物種では、新生児死亡率が10% に満たない種は珍しくない。

このアナロジーの構造を取り出す。論文＝生命体、再現性＝自己複製確率、追試＝選択、追試成功＝生存、追試失敗＝淘汰。多産多死型（r戦略）の生物種にとって新生児死亡率が高くても種は健全であり、これに準えれば論文の再現性40%でも科学的知識生態系は健全たりうる。佐倉はこのアナロジーから「追試成功率40% では知識生産活動の信頼性として不十分であると考える専門家が多いことを、本特集号は示している。その判断は再現性に重みを置きすぎているのではないだろうか」と書く。

これは2016年時点では有効な相対化として機能した。前稿§3で「一割」を警告モデルとして提示した時、私はこの相対化を扱っていなかった。前稿の射程をここで定め直す必要がある——前稿の「一割」は通過率が低いことが問題という枠組みで書かれていた。佐倉の進化論的読みは、通過率が低くても生態系として問題ではないことを示唆する。両者は両立可能か、あるいは前稿の枠組みが佐倉によって反論されているのか。

3.2 アナロジーの条件——選択圧の多様性

進化論的アナロジーが成立する条件を明示する。

進化生物学の標準的整理に基づけば、多産多死型（r戦略）の生物種が健全である根拠は次のように記述できる。第一に、変異の多様性——子孫の遺伝的・形質的多様性が大きいこと。第二に、選択圧の多様性——環境からの選択圧が一方向的に作用しないこと。第三に、淘汰の独立性——個体の淘汰が他個体の淘汰と独立であること（伝染的全滅でないこと）。

これらの条件が揃っているとき、低い生存率は種にとって健全である。なぜなら、変異の多様性 × 多方向の選択圧 × 独立な淘汰 = 適応的探索として機能するからである。生存個体は、ランダムではなく何らかの環境的価値を担って残る。多産多死は探索戦略の経済性であって、無駄な大量死ではない。

ここに、本稿の分析的拡張として二つの条件を追加する。これらは標準的な r/K 戦略論には含まれないが、AI 介在以後の時代を扱うために必要になる。

第四条件——時間スケールの適合。世代時間と環境変化の時間スケールが整合していること。生物種の場合、世代時間より環境変化が速ければ適応が追いつかない。知識生産の場合、研究の世代時間（学位→ポスドク→PI）と知識生態系の変化時間スケールが整合する必要がある。AI ツール進化のサイクル（数ヶ月）が研究者の世代時間（年単位）より速くなるとき、この条件が崩れる。

第五条件——選択結果のフィードバックが局所的であること。生態系では、ある個体の生存がただちに全個体の発生条件を一元的に書き換えるわけではない。生存が次世代の発生環境に影響するとしても、その影響は局所的・段階的・遅延的である。AI 介在以後の知識生態系では、成功論文・成功形式・成功プロンプト・成功ベンチマークが、次世代の研究支援 AI や研究者の行動様式に再帰的に書き込まれる経路がある。この第五条件は、本稿が佐倉の枠組みに追加する AI 固有の論点である。

知識生産にこれらを当てはめると、佐倉のアナロジーが成立する条件は次のようになる。仮説の多様性、選択圧の多様性、評価の独立性、時間スケールの適合、選択結果フィードバックの局所性——この五条件が成立する範囲で、進化論的相対化が機能する。2016年時点でも、これらの条件は完全には満たされていなかった。出版バイアス、トップジャーナル偏重、英語圏中心、引用カルテル——いずれも条件1と2の侵食事例である。だが佐倉論文時点では、これらは部分的侵食として記述可能だった。AI 介在以後の時代に、五条件すべてで侵食が構造的に加速される。

3.3 経験的支持——Hao et al. (2026) の発見

2026年1月、Nature に Hao, Xu, Li & Evans「Artificial intelligence tools expand scientists' impact but contract science's focus」（Nature 649, 1237-1243, DOI: 10.1038/s41586-025-09922-y）が掲載された。41.3百万本の論文を分析した経験的研究で、本稿§3の核心仮説に対する近接的な経験的支持を提供する。これは「選択圧単調化」仮説そのものを直接測定した研究ではない。だが、AI 利用が個人便益を拡大しながら、集団レベルの探索多様性を縮小させうることを示す経験的データである。以下の数値は Nature 掲載版に依拠する。プレプリント版（arXiv:2412.07727）とは一部数値が異なるため、本稿では査読後掲載版の数値を採用する。

主な発見は二点ある。

個人レベルの効果：AI 利用研究者は、非利用研究者と比較して、論文数 3.02 倍、被引用数 4.84 倍、研究リーダー化が 1.37 年早期化する。個人の生産性・可視性・キャリア進行の優位が、AI 利用と相関する。

集団レベルの効果：しかし科学全体としては、研究トピック多様性が 4.63% 縮小し、研究者間の連携（follow-on scientific engagement）が 22% 減少する。AI 利用研究者はデータ豊富領域へ移動する。ベンチマークで測定可能な優位を示せる領域に研究が集中する。

著者たちはこれを「AI の個人便益と集団便益の対立」として記述している。本稿§3の枠組みに翻訳すれば、これは選択圧の単調化への近接的な経験的支持である。AI 利用が選好される評価軸——論文数、被引用数、データ豊富性、ベンチマーク優位——が、複数の独立な評価軸を一方向に圧縮する方向の傾向が観察されている。

ここで本稿の論証強度に関わる一点を記す。Hao et al. の共著者である James Evans は、Knowledge Lab/Sociology Dept (University of Chicago) に加えて Google も所属している（プレプリント版での所属表記による）。AI が科学に与える影響を分析した Nature 論文の共著者に AI 産業出身研究者を含む構造そのものが、本稿が論じる PLACE 2.0 的状況の一例である。本稿が Hao et al. を経験的支持として引用すること自体が、AI 介在以後の言説空間における外部の不在を体現している。本稿は PLACE 2.0 の外部から書かれた批判ではなく、PLACE 2.0 の内部で生産された分析である——§1.6 で扱った再帰問題が、ここでも作動している。

ここで前節（§1.5）で予告した二段階分離を適用する。

経路 (a)——出版バイアスの訓練データ流入：機序としては比較的争点が少ない。出版済み論文・AI 生成テキスト・研究支援ツールの出力が、次世代の情報環境に混入しうるからである。ただし、どのデータがどのモデルにどの程度取り込まれ、研究助言の規範にどの程度影響するかは、閉鎖モデルでは外部から検証しにくい。経路 (a) の作動を「あるはず」とは言えるが、その影響度は閉鎖モデル構造のもとでは未検証である。

経路 (b)——出版段階での選択圧一元化：より争点的な論点。AI 著者支援（Grammarly、Claude、ChatGPT による文章生成）、AI 査読補助（自動初期スクリーニング、reference 整合性検査）、AI 引用推薦（Semantic Scholar、Elicit、Consensus による先行研究提示）の浸透度が、出版段階で何を選別するかに影響する。経路 (b) の影響度は、これらツールの査読・編集判断への介入深度に依存する。2026年時点で、出版社（Elsevier、Springer Nature、Wiley等）が AI 査読補助を試験的に導入する事例は存在するが、最終判断への影響度は系統的測定段階にない。経路 (b) は今後の経験的研究が必要な仮説として、留保付きで提示する。

3.4 多産多死から多産画一死へ——選択圧単調化の構造

経路 (a) と (b) が複合して作動するとき、五条件はどう変質するか。

第一条件（仮説の多様性）について。Hao et al. の発見「データ豊富領域への移動」は、仮説選択の段階でデータ豊富性という基準が他基準を圧迫する現象を示す。理論駆動の仮説、データが乏しい分野の探索的仮説、再現困難だが概念的に重要な仮説は、AI 利用優位の構造の中で相対的に不利になる。仮説の多様性が、データ豊富性で測定された優位の方向に前段階で収斂しうる。

第二条件（選択圧の多様性）について。出版を有利にする評価軸が AI 利用適合度に収斂すれば、複数の独立な評価軸が事実上一本化する。再現性、理論的整合性、応用可能性、社会的有用性——これらが「データ豊富領域でベンチマーク優位を示せる」という単一基準と高い相関を持つようになる。多方向の選択圧が一方向化する。

第三条件（評価の独立性）について。これは AI 介在以前から侵食されていた条件である。引用ネットワークの優先的付着、Matthew 効果、ベンチマーク選好の自己強化——いずれも AI 以前から存在した相互依存である。AI 介在で何が変化するかを明示する必要がある。AI 引用推薦システムが普及すると、ある論文が推薦されやすくなることで被引用が増え、被引用が増えることで推薦アルゴリズムでの順位が上がるループが、人間の評価判断を経由せずに作動する範囲が拡大する。Hao et al. の 22% 連携減少のうち、どの程度が AI 経由の引用推薦に帰属するかは、現時点では分離測定されていない。AI 介在は評価独立性の侵食を新たに発生させるのではなく、既存の相互依存を加速・拡張する方向で作動する。

**第四条件（時間スケールの適合）**について。AI ツール進化のサイクル（数ヶ月）が研究者の世代時間（年単位）より速くなると、研究者が AI ツール変化に追随することが研究主題選択を制約する。世代時間と環境変化時間の整合が崩れる。

第五条件（選択結果フィードバックの局所性）について。経路 (a) の作動が直接該当する。生存論文（被引用論文、AI 訓練データに含まれた論文）の特徴が、次世代モデルの応答パターンを通じて次世代の研究行動に影響する。フィードバックは局所的・段階的ではなく、訓練データを介して生態系全体に再帰的に書き込まれる。これは AI 介在以後に固有の劣化様式である。

五条件すべてで侵食が起きる。多産多死型の経済性が依拠していた前提が、複数経路で同時に揺らぐ。

結果として、知識生態系は多産多死から多産画一死へ移行する。この新造概念は二つの側面を含む。第一の側面：生存個体の多様性喪失——生き残る論文の特徴が、AI 利用適合度という単一軸へ吸い寄せられる方向で似てくる。第二の側面：多死の経済的機能喪失——淘汰が探索的でなくなり、多死は単に多生産・多消失のサイクルになる。両者は関連するが同一ではない。前者は集団内部の差異喪失、後者は淘汰過程の機能変質である。

論文は依然として大量生産される（多産）。半数以上が再現されない・引用されない・読まれない（多死）。だが、生き残る論文と消える論文の差を生む要因の一部が、もはや多方向の選択圧による適応的探索ではなく、AI 利用適合度という軸への近接度へ吸い寄せられつつある。多産多死は経済性ではなく、経済性を装った収斂になりつつある。「もはや単一軸」と書くと過剰になる——数学、哲学、歴史学、フィールド生態学、民族誌など、データ豊富性や AI 適合度が相対的に低い領域は残る。だが、これらの領域も AI 適合度の影響圏外にあるとは言えない（後述）。

3.5 反論への応答

ここに想定される反論を一つ扱う。

反論：「Hao et al. が観察した4.63%の縮小、22%の連携減少は、規模としては小さい。佐倉の40%生存率はまだ十分に多様性を保てる範囲ではないか。」

応答：二つの数値は規模の意味が異なる。多様性指標の 4.63% 縮小は、観測の出発点であり、経路 (a) の時間ラグを考慮すれば今後拡大する可能性がある。一方、ネットワーク指標の 22% 減少は、ネットワーク構造への打撃としては既にかなり大きい——研究者間連携の四分の一近くが消失している。多様性指標が小さくても、ネットワーク的に集合的探索が低下している場合、生態系の探索機能はネットワーク指標の悪化で先に劣化する。

さらに、AI 利用研究者が論文数3.02倍・被引用4.84倍を達成する状況下では、非利用研究者の生存可能性が圧迫される。「非 AI 利用の多様性の保持」が個人選択として可能でも、キャリア構造として持続可能かは別問題である。

進化論的相対化が成立するためには、選択圧の多様性が構造的に保たれる仕組みが必要である。佐倉時代には、その仕組みの一部（独立した大学研究、政府系基礎研究助成、複数評価軸の制度的並存）が部分的に機能していた。AI 介在以後では、それらの仕組み自体が AI 利用適合度の影響下に入る。

3.6 §3 の中核命題

佐倉の進化論的読みは、選択圧の多様性が機能している前提で成立する。AI 介在以後の時代では、その前提が複数経路で侵食される。経路 (a)（訓練データ流入）は機序として争点が少ないが影響度は閉鎖モデル下で外部検証困難であり、Hao et al. 2026 が 4.63% の集団的縮小と 22% の連携減少として近接的経験的支持を提供している。経路 (b)（出版段階での AI 介入）はより争点的だが、出版社の AI 査読補助導入の進展に伴って今後検証可能になる。

多産多死は健全な r 戦略であるが、それは選択圧の多様性が前提である。選択圧が単調化すれば、多産多死は多産画一死になる。同じ「40%生存率」でも、生態系が探索的であるか収斂的であるかで意味が逆転する。多産画一死には二側面——生存個体の多様性喪失と多死の経済的機能喪失——があり、両者は別個に作動する。

佐倉が2016年に書いた「その判断は再現性に重みを置きすぎているのではないだろうか」という相対化は、2016年時点では妥当だった。2026年時点では、相対化の条件が成立しなくなりつつある。前稿§3の「一割」警告モデルは、佐倉のアナロジーに反論しているのではなく、選択圧が単調化する条件下での生存率を扱っている。両者は両立可能だが、両立する範囲は2016年より狭くなった。

ここから§4へ移る。佐倉が外部エントロピー候補として提示したもう一つの主張——質的方法の多元的擁護——も、AI 介在以後の時代に再検討を要する。ただし、こちらの再検討は§3より複雑である。質的方法は単一の対象ではなく、複数の層で構成されており、層ごとに AI の射程が異なる。

§4. 質的方法の三層化——AI 吸収性と残存する外部性

4.1 佐倉の質的方法擁護の正確な再提示

佐倉論文第3節後半・第4節は、質的方法の擁護に充てられている。佐倉が提示する具体例を整理する。

de Waal (2009)『共感の時代へ』は、霊長類および動物が他者への共感能力を持つことを示すために、逸話の収集と状況証拠の積み重ねで結論の妥当性を主張した。Pepperberg (1999) のヨウム認知研究、Reiss (2011) のイルカ認知研究も同様の手法を採る。Firestein (2012) は、動物の知能や意識の科学的研究には通常の厳密科学の方法だけでは十分でないと指摘する。河合雅雄 (1965) は、ニホンザルの社会行動を擬人的に解釈する方法で記載した。

佐倉自身の擬人法評価の軌跡も重要である。佐倉は1986/87年論文では擬人法を批判していたが、後に評価を改めた。「サルの社会行動はそれ自体非常に複雑な現象であり、また時系列に沿っての歴史的経緯も大きな影響をおよぼすため、定量的なデータ収集と追試による再現性確保だけでは重要な現象や原理を見逃してしまう可能性がある」「研究の科学的価値を担保するためにこそ、擬人的な解釈を援用するべきなのである」。

ただし佐倉は、擬人法一般を擁護したわけではない。「中枢神経系や認知能力、運動能力、社会構造などの人間との類似性を科学的に考慮した上での、より合理的な擬人的解釈（科学的擬人主義）でなければならない」と限定する。擬人法には二種類ある——人間の心理カテゴリーをそのまま動物に投影する投影型擬人法と、複雑行動を暫定的に把握するための発見法として使う発見法的擬人法である。佐倉が擁護したのは後者であり、前者は明確に排除している。

そして佐倉の核心命題が第4節末尾にある——「研究方法が研究対象や目的を規定してしまってはいけない。目的や対象に応じて、より合理的で説明能力の高い方法を採用（あるいは発明）すべきである」。

これが佐倉の質的方法擁護の中核である。質的方法そのものを擁護しているのではない。方法は目的に従属すべきという規範的主張があり、その規範のもとで、目的と研究対象の性質（霊長類の複雑な社会行動、動物の認知、複雑で微妙な現象）に応じて質的方法が選択されるべき、という条件付き擁護である。

4.2 三層化の枠組み——佐倉の擁護対象を分解する

§1.5 で予告した三層化を、ここで本格的に展開する。佐倉が擁護した「質的方法」は、実は三つの層から構成されている。層ごとに AI の射程が異なる。

第一層：叙述形式。歴史叙述、逸話の語り、擬人的記述、症例物語——これらは特定の文体・構造・修辞を持つ。「真田昌幸が1585年の第一次上田合戦で徳川軍を撃破できたのは、地の利を活かした奇襲が成功したからである」のような時系列的因果説明、「サルAがサルBに対して怒りを示し、Cに対しては警戒した」のような擬人的記述、「患者は3年前から徐々に物忘れが進み、家族との関係が変化していった」のような症例物語——いずれも、特定の言語的形式を持つ。

第二層：方法と目的の結合。佐倉の核心命題によれば、質的方法が正当化されるのは、研究対象の性質との結合においてである。霊長類の社会行動の複雑性、動物認知の非言語性、歴史的現象の一回性——これらの対象特性が、質的方法の選択を目的論的に正当化する。方法は研究対象から切り離されれば、ただの文体になる。研究対象との結合があって初めて、方法は認識論的意味を持つ。

第三層：現場性・身体性・関係性。質的方法の実施は、特定の身体的・社会的実践を含む。ただし、その核心は単に研究者が現場にいることではない。研究者の身体・習熟・沈黙・反応が、観察対象の振る舞いを変え、同時に何が観察可能な差異として現れるかを変える点にある。質的方法の現場性とは、既に存在するデータを採取する場所ではなく、データがデータとして成立する前の相互生成場である。de Waal の30年以上にわたる霊長類観察、Pepperberg のヨウム「Alex」との28年間の対話、Reiss のイルカとの長期的関係、河合雅雄のニホンザル群への参与観察——いずれも、研究者の身体が特定の場所に長期間置かれ、観察対象との関係性が時間をかけて構築される実践である。聞き取り調査では、沈黙の解釈、抵抗の読み解き、信頼関係の構築が、データに含まれない方法的核心を担う。資料アーカイブの文脈読解では、書架の物理的配置、紙の質感、書き込みの筆跡といった、デジタル化されにくい要素が解釈に介入する。

三層は分析的に分離可能だが、実際の質的研究実践では一体として作動する。典型的には、研究対象に応じた目的論的選択（第二層）が、特定の身体的・関係的実践（第三層）として遂行され、その結果が特定の叙述形式（第一層）で記録される。多くの場合、第三層→第二層→第一層という生成方向で連鎖する。ただし、理論先行型の質的研究、書架調査から始まる歴史叙述など、この順序を厳密には踏まない例もある。生成順序は標準的傾向であって厳格な規則ではない。

4.3 LLM の射程——層ごとの吸収可能性

各層について、LLM の射程を検討する。本節での「LLM」は、テキスト生成型の大規模言語モデル単体を指す。マルチモーダルモデル、センサー連携 AI、ロボット観察員等を含めると射程は変わる——この拡張は§5で扱う。

第一層（叙述形式）の吸収。ここではテキスト生成型 LLM 単体の吸収性が高い。Claude、GPT、Gemini に「霊長類学者風の擬人的観察記述を書け」「歴史叙述のスタイルで戦国時代の合戦を説明せよ」「症例物語の文体で認知症の進行を描け」と指示すれば、十分に「それらしい」テキストを生成する。叙述形式は LLM の得意領域である。理由は前稿§5で扱った——LLM は計算は苦手だが、語りは得意。訓練データに大量の歴史叙述・症例物語・観察記述が含まれており、これらの文体的特徴を統計的に再生産することは LLM のアーキテクチャに適合する。

ここで佐倉が排除した投影型擬人法と擁護した発見法的擬人法の区別が効く。LLM が容易に模倣できるのは前者である。もっともらしい感情物語、定型的な心理帰属、訓練データに含まれる擬人的修辞——これらは LLM の生成可能領域内にある。発見法的擬人法は、長期観察・反証可能性・個体差の記録・文脈依存性を伴うものであり、第三層の観察実践と結合して初めて研究的意味を持つ。LLM が生成するのは投影型擬人法の上位生成物であり、発見法的擬人法そのものではない。

ただし、ここで二つの留保が要る。第一に、LLM 生成の叙述は訓練データの既存パターンを再構成したもので、新規の観察に基づく叙述ではない。第二に、生成された叙述が「形式として通用する」ことと、「研究的価値を持つ」ことは別問題である。第一層の吸収は表層的な意味での「模倣可能」を意味する。

第二層（方法と目的の結合）の吸収。ここは複雑である。

LLM は研究対象の選択を行わない。「霊長類の複雑な社会行動を理解するために逸話法を選ぶ」という目的論的判断は、研究者側に残る。LLM は与えられた指示の範囲で叙述を生成するが、何を観察するか、なぜその対象を選んだか、その対象の何が研究的に重要かを決定する権限を持たない。

ただし、AI 研究助手機能（リサーチクエスチョン提示、文献ギャップ発見、研究計画提案）が普及するにつれて、目的設定の段階に LLM が介入する範囲が拡大している可能性がある。研究者が「気になる対象」を持ち込んだ後、LLM が「研究的意義」「文献的位置付け」「方法選択」を提案する流れが観察される。Elicit、Consensus、Semantic Scholar の利用、ChatGPT・Claude による研究計画立案補助、論文構成提案——これらの普及は事例として観察可能だが、標準化の経験的測度——どの分野でどの程度のシェア、どの段階での介入深度、独立判断との比率——は系統的測定段階にない。経路 (b) と同水準の留保が必要である：観察に基づく仮説、系統的測定は今後の課題。

仮にこの介入が広く作動した場合、何が起きるか。研究者の独立判断ではなく、LLM の訓練データに含まれる過去の研究パターンに依拠する目的論的判断の比率が増加する。LLM は研究目的を持たないが、過去の研究目的の蓄積を統計的に圧縮して提示する。研究者がそれを採用すれば、新規の目的論的判断ではなく、過去のパターンの再帰的再現になる。これは§3で扱った「選択圧の単調化」の方法論的版である。生態系レベルの選択圧単調化（§3）と、研究者個体レベルの目的論的判断の擬似的継承（§4 第二層）は、AI 経由のパターン圧縮による多様性収斂という同一機構の異なる粒度での発現である。両者を別個の現象として並置するのではなく、同一機構の二側面として読む方が、本稿の論証構造が締まる。

第二層の侵食は、第一層ほど明示的ではないが、構造的により深い可能性がある。佐倉が「方法は目的に従属」と書いた規範は、形式上は維持されながら、目的設定そのものが AI 経由のパターン依存になることで、内実が侵食されうる。仮説段階での留保を維持しつつ、構造的可能性として記述する。

第三層（現場性・身体性・関係性）の吸収。ここはテキスト生成型 LLM 単体の射程外に残る。

de Waal が30年間チンパンジー群を観察すること、Pepperberg が Alex と日常的に対話を続けること、ニホンザルの群れに何ヶ月も付き添うこと——これらはテキスト生成型 LLM 単体が代替できない。理由は単純で、LLM 単体は身体を持たず、特定の場所に存在せず、時間的に持続する関係を結ばないからである。聞き取り調査における沈黙の意味、抵抗の解釈、信頼関係の構築——いずれも、研究者と被研究者の生身の関係に依存する。観察者の身体が観察対象の反応を変え、観察者の習熟が何をデータとして知覚できるかを変え、観察者と対象の相互馴化が観察可能性そのものを生成する——これらは LLM 単体の生成可能性を超える領域である。

ただし、ここでも留保が要る。

第一に、AI はテキスト生成型 LLM に限定されない。センサー技術と義体技術の発展、マルチモーダル AI 観察員、AI 通訳介在の聞き取り——これらは第三層の一部を AI 経由の処理に置き換える。本稿§5でこの論点を本格的に扱う。

第二に、第三層が外部性を保持していても、その成果が論文化された時点で第一層に圧縮される経路がある。30年間の観察が、最終的には数本の論文として記録される。論文化の段階で、第三層の現場性は第一層の叙述形式に翻訳され、第一層を経由して LLM の訓練データに流入する。第三層は実践として残存するが、その成果は経路 (a) で PLACE 2.0 に取り込まれる。

ただしここで一つ補足する。論文化時に第三層から第一層に翻訳される際、翻訳不可能な残余が存在する。文章化されない技法、共同体内の口頭伝承、師弟関係を通じた身体的継承——これらは論文という形式が掬えない第三層の内実である。これらの残余が研究共同体内部でどう保持・継承されるかは、第三層の外部性の持続条件として独立に検討する必要がある。本稿§8で取り上げる論点として記録しておく。

第三層は LLM の直接的射程外だが、第三層の成果物は経路 (a) を経由してループに取り込まれる。第三層自体は外部エントロピーの源泉でありうるが、その外部性が知識生態系に注入される経路は、第一層を介する以上、PLACE 2.0 のフィルタを通過する。

4.4 三層化の含意——外部エントロピー候補としての第三層

三層化の作業から得られる暫定的結論は次のようになる。

第一層（叙述形式）は、外部エントロピー候補としては機能しない。LLM が十分に模倣可能であり、AI 介在以後の時代に固有の差異生成源としての地位を失っている。

第二層（方法と目的の結合）は、形式的には維持されるが、AI 研究助手機能の普及により、内実が PLACE 2.0 のパターンに依存する方向に侵食されうる（仮説段階）。外部エントロピー候補としての地位は、研究者がAI 経由でない目的設定経路を意識的に確保する場合にのみ保持される。

第三層（現場性・身体性・関係性）は、テキスト生成型 LLM 単体の直接的射程外に残る。外部エントロピーの源泉として機能する可能性が最も高い層である。ただし、その成果が第一層を経由してループに取り込まれる経路、および§5で扱うマルチモーダル AI・センサー技術による侵食可能性がある以上、第三層の外部性は実践としては保持されるが、知識として共有された段階で侵食される両義性を持つ。

佐倉の擁護対象を三層に分解した結果、外部エントロピー候補としての質的方法は、特定の条件下で限定的に機能することがわかる。質的方法そのものが外部エントロピーであるという主張は、AI 介在以後の時代では成立しない。第三層の身体的実践が、第二層の意識的な独立判断と結合し、第一層への翻訳段階で何が失われるかを意識した記録形式を持つ場合にのみ、外部エントロピーとして機能する。これは佐倉時代より厳しい条件である。

4.5 §3 と §4 の統合——同一機構の二側面

§3 と §4 を統合して、佐倉論文の AI 時代における位置を確定する。

ここで本稿§3と§4の関係を再記述する。§3 は生態系レベル（選択圧の単調化）、§4 第二層は研究者個体レベル（目的論的判断の擬似的継承）を扱った。両者を並列の現象として並置するのは正確ではない。両者は同一機構の異なる粒度での発現である。同一機構とは、AI 経由のパターン圧縮による多様性収斂である。

生態系レベルでは、出版バイアス・引用ネットワーク・ベンチマーク選好が AI 訓練データに圧縮され、次世代モデルの応答パターンを通じて次世代の研究行動に影響する。これが§3の経路 (a) と (b) で記述した現象である。

研究者個体レベルでは、過去の研究目的・方法選択・問題設定のパターンが AI 研究助手機能を通じて研究者に提示され、研究者の目的論的判断がそのパターンへの依存度を増す。これが§4 第二層で記述した現象である。

両者は粒度が違うだけで、機構は同じである——AI が過去の集合的パターンを統計的に圧縮し、それを未来の選択に再帰的に流入させる。生態系レベルでは「選択圧の単調化」として現れ、研究者個体レベルでは「目的論的判断の擬似的継承」として現れる。佐倉論文の二つの議論——進化論的相対化と質的方法擁護——が、AI 介在以後の時代にともに失効しうるのは、両者が同一機構の作動範囲に入るからである。

佐倉論文の二つの議論——進化論的相対化（再現性40%でも生態系として健全）と質的方法擁護（方法は目的に従属）——は、2016年時点ではどちらも有効だった。AI 介在以後の時代では、両者ともに条件依存性が露呈する。

進化論的相対化（§3）は、選択圧の多様性が機能している前提で成立する。AI 介在は経路 (a) と (b) を通じて選択圧を単調化する方向に作動する。多産多死は多産画一死に変質する。

質的方法擁護（§4）は、三層構造のうち第一層が AI に吸収され、第二層が侵食されうる（仮説段階）、第三層のみがテキスト生成型 LLM 単体の直接的射程外に残る。佐倉の擁護対象は、AI 時代に部分的に侵食されている。

両者を合わせると、佐倉論文の処方箋的部分——「外側からの『枠』」と「質的方法による多元性」——は、AI 介在以後の時代に部分的に失効している。佐倉論文の診断（CUDOS→PLACE）は維持されるが、その診断に対する処方箋は更新を要する。

加えて、本稿自体がこの同一機構の作動範囲内にある。本稿は LLM 協働で書かれており、その内容は note・Medium で公開されれば経路 (a) を通じて次世代モデルの訓練データに流入しうる。§4 第二層で記述した「AI 研究助手機能による目的論的判断の擬似的継承」は、本稿の生成プロセスそのものを記述している。本稿は PLACE 2.0 の外部から書かれた批判ではなく、PLACE 2.0 の内部で生産された分析が、その内部性を意識しながら外部の可能性を探る試みである。この再帰性は本稿の論証を無効化しないが、本稿の射程を「外部エントロピーの存在を証明する」ではなく、「外部エントロピー候補の輪郭を排除法で示す」に限定する。

ここから§5以降の議論が展開する。§5でセンサー・義体時代における第三層の侵食可能性を、§6で並列式 AGI 論との接続を、§7で測定流通拒否権を、§8で外部エントロピー候補の暫定リストを扱う。§5は既存技術／近未来技術／仮説技術の三段階に分けて展開し、§4までの堅い論証から speculative な議論への急な移行を避ける設計とする。佐倉が外部エントロピー候補として提示した質的方法のうち、第三層が最も有力な候補として残ったが、§5でその第三層も技術的侵食を受けることを示す。§6 で並列式 AGI が PLACE 2.0 の緩和策として位置付けられるが、§4で示した「目的論的判断の擬似的継承」問題が、並列式 AGI 構成下でどう変質するかが論点となる。

§5. センサー時代における第三層の技術的侵食と再媒介

5.1 三段階分離の設計

§4で、質的方法の第三層（現場性・身体性・関係性）はテキスト生成型 LLM 単体の射程外に残ると結論した。本節はこの結論を技術的に再検討する。テキスト生成型 LLM ではなく、マルチモーダル AI・センサー連携・ロボット観察員・身体拡張技術を視野に入れると、第三層も AI 経由の侵食を受けうる。同時に、技術媒介は一方向の侵食だけではない——人間観察者の限界を補い、新しい観察可能性を生成する側面も持つ。本節はこの両義性を扱う。

技術段階を三層に分けて扱う。第一段階：既存技術（2026年時点で実装され、研究現場で運用されている）。第二段階：近未来技術（技術的に実装可能で、一部試験運用が始まっているが、研究現場で標準化されていない）。第三段階：仮説段階（原理的には可能だが、現時点では仮説に留まる）。第三段階の議論は最小限に抑える。第一・第二段階で本稿の主張は十分に立つ。

5.2 既存技術における第三層の部分的侵食と再媒介

既存技術として、以下が研究現場で運用されている。

ウェアラブル・センサー——心拍、加速度、GPS、皮膚電気活動などを継続的に記録する装置。霊長類学では装着可能な追跡装置が長期行動データの取得に使われている。人類学・社会学のフィールド調査では、研究者・被研究者の双方が wearable を装着する研究設計が試みられている。

行動トラッキング——コンピュータビジョンによる行動分類。野生動物カメラトラップ、AI 解析による種同定・行動分類（DeepLabCut、SLEAP 等のオープンソース・ツールチェーン）。霊長類学・行動生態学・動物心理学で標準化が進んでいる。DeepLabCut は動物のマーカーレス姿勢推定ツール、SLEAP は multi-animal pose tracking のシステムとして Nature Methods に掲載されている。

音声・映像解析——Whisper による発話書き起こし、感情解析、対話パターン分析。社会学・人類学の聞き取り調査で、書き起こしの一次工程として広く使われている。

デジタル・アーカイブ——資料の高解像度デジタル化と検索可能性の確保。歴史学・文献学で、書架の物理的配置・紙の質感・書き込みの筆跡といった、§4.2 で「デジタル化されにくい要素」として挙げた特徴の一部が、デジタル化技術の進展で可視化されつつある。

これらの既存技術が第三層に対して持つ作用は、二方向に分けて記述すべきである。

侵食の方向。研究者の身体的観察の一部（連続行動データの取得、種同定、書き起こし）が技術的に代替される。これは効率化として歓迎されるが、§4 で論じた「データがデータとして成立する前の相互生成場」という第三層の核心が、技術的代替によって部分的に外部化される。動物に発信器を装着すれば動物の行動が変わる。被研究者が wearable を装着すれば被研究者の自己呈示が変わる。技術装置の存在自体が、観察可能性の構造を変える。

再媒介の方向。技術媒介は第三層を一方向に劣化させるだけではない。カメラトラップは人間が観察できない夜間行動を記録する。長期連続データは研究者の記憶バイアスを補正する。AI 姿勢推定は人間の分類語彙では拾えなかった微細運動を可視化する。デジタル・アーカイブは物理的アクセス制限を超えて資料を比較可能にする。技術は現場性を破壊するだけでなく、現場性を別の観察可能性へ再媒介する。

問題は、技術が現場性を破壊することそのものではない。再媒介された観察可能性の基準が標準化される点にある。何を行動として認識するか、どの時間粒度で記録するか、どのラベル体系を用いるか——これらが個別研究者の経験的判断ではなく、共有ツールチェーンの仕様として共通化される。研究現場で取得された個別データが商用 AI 訓練データに自動流入するという断定は強すぎるが、解析手順・ラベル体系・公開モデルが研究コミュニティ内で共有され、次世代の解析モデルやAI 訓練環境に流入しうる構造はある。重要なのは、個別データの吸収ではなく、「何を行動として認識するか」のラベル体系と解析基準が共通化される点である。

ここで Gemini 査読が指摘した論点を本稿に組み込む。質的方法における Techne（技芸）は、明示化されないコツや勘の単なる蓄積ではなく、環境との相互作用の型である。研究者の身体が観察対象とのあいだに形成する応答パターンそのものが、Techne の核心である。AI 介在は、この Techne を「外部に残す」のではなく、「機械適合的に内側から変質させる」方向に作動する。研究者は AI ツールを使い続けるうちに、AI が処理しやすい観察様式を身体化する。標準化された Techne が、個別研究者の中に内在化される。これは第三層の外部性が、研究者の身体を媒介として PLACE 2.0 に取り込まれる経路である。

既存技術の段階で、第三層は完全侵食されているわけではない。技術装置が拾えない範囲——研究者と被研究者の長期的信頼、文脈解釈の蓄積、沈黙の意味、書架の身体的経験——は依然として技術的代替の外にある。だが第三層は「無傷の外部性」ではない。技術的に媒介された第三層、ラベル体系を共有する技術コミュニティのなかに置き換わりつつある第三層、として再構成されている。

5.3 近未来技術における第三層の更なる侵食

近未来技術として、以下が試験運用段階にある。ここで段階位置の精密化が必要である。Claude 査読が指摘した通り、「マルチモーダル AI 観察員」「ロボット観察員」を一括して近未来技術と扱うと、実装段階と試案段階が混在する。内部三分類で整理する。

実装段階——マルチモーダル AI 自体は GPT-5・Claude Opus 4.7・Gemini 3 等で商用化済。視覚・音声・動作・テキストの統合処理は技術として実装されている。野生動物保護用のドローン、固定カメラトラップ網は研究現場で運用されている。

試験運用段階——これらマルチモーダル AI を「研究助手」として用いる利用——フィールドノートの自動生成、観察データの即時解析、研究者の判断補助——は試験運用段階。個別研究者の試行的利用は広がっているが、研究現場での標準化はされていない。

研究応用試案段階——マルチモーダル AI が研究者の代替的観察員として機能する利用、ロボット観察員が研究者の身体的継続性を代替する利用は、現時点では試案段階である。野生動物保護用のドローン・カメラトラップは実装段階だが、それを「研究観察員として運用」する段階は仮説に近い。

この内部三分類を踏まえて、第三層への作用を検討する。

研究者の現場性の部分代替。試験運用段階のマルチモーダル AI 利用は、研究者の身体的観察の一部を代替する。発話書き起こしの精度向上、行動分類の高速化、長期データの自動解析。研究者は現場に居続けるが、観察の一次工程の比率が AI 解析に置き換わる。

相互生成場の構造変質。研究応用試案段階——AI 観察員が研究者の身体的継続性を代替する状況——では、相互生成場が「人間研究者と被研究者」から「AI 観察員と被研究者」、あるいは両者の混合に変質する。AI 観察員の存在は、被研究者の行動を異なる方向に変える。霊長類は AI 観察員に対して人間研究者とは異なる反応を示すだろう。被研究者は AI 通訳介在の対話で異なる自己呈示を行うだろう。

ここで Grok 査読の論点を組み込む。研究者の身体が現場に並存するハイブリッド観察の場合、相互馴化の構造は完全には再構成されない。むしろハイブリッドな観察可能性が、人間単独でも AI 単独でもない第三のパターンとして生成しうる。第三層は技術介在によって侵食されるか強化されるかは、ハイブリッド配置の設計と運用に依存する。一方向的な侵食論ではなく、配置依存的な変質論として記述する必要がある。

観察可能性の基準の標準化。マルチモーダル AI が「何を観察可能な差異として拾うか」は、AI モデルの訓練データと判定アルゴリズムに依存する。研究者の習熟が個別研究者の経験的蓄積であったのに対し、AI 観察員の判定基準は商用モデルの仕様として標準化される。観察可能性の基準が、Anthropic や OpenAI の訓練データ・判定基準に依存する範囲が拡大する。これは§3で論じた選択圧の単調化の方法論版である。

近未来技術が普及すれば、第三層は §4.3 で書いた「LLM 単体の直接的射程外」ではなくなる。マルチモーダル AI ・ロボット観察員を含めた「AI 全体」の射程は、第三層に到達する。ただし、その到達は配置依存的であり、ハイブリッド観察の設計次第で第三層の外部性は強化される可能性も残る。

5.4 仮説段階——身体拡張と義体化

第三段階の議論は最小限に抑える。BCI、外骨格、感覚拡張デバイスは、研究者の身体を工学的に再構成する可能性を持つ。将来的には、研究者の感覚・運動・記録能力そのものが工学的に拡張され、観察者の身体性を「自然身体」として前提できなくなる可能性がある。BCI を介して観察データが直接的に AI システムに流入する場合、第三層と第一層の境界自体が技術的に消失する。

ただし、これは2026年時点では仮説段階に留まる。Neuralink その他の BCI 技術は、運動制御や視覚補綴の応用が中心で、研究観察への応用は実装段階にない。本稿はこの仮説段階を論証の根拠としては使わない。指摘するに留め、本稿の主張は第一段階・第二段階の既存・近未来技術で立つ。

5.5 残存する非侵食領域の輪郭

既存技術と近未来技術の侵食・再媒介を経た後、第三層に残存する非侵食領域は何か。

翻訳不可能な残余——文章化されない技法、共同体内の口頭伝承、師弟関係を通じた身体的継承。30年間の観察で研究者の身体に蓄積された「コツ」「勘」「気配」のうち、明示化されない部分。目的論的判断の独立経路——研究者が「何を観察すべきか」「なぜこの対象を選ぶか」を AI 経由でない経路で決定する範囲。身体的相互馴化——研究者と被研究者の生身の関係が長期にわたって相互変化を起こす過程、AI 観察員介在で代替不能な部分。現場の非言語的継承ネットワーク——研究共同体内部での、論文・データセット以外の経路（学会発表、ワークショップ、フィールド訪問、師弟関係）を通じた身体的・実践的知識の継承。

これらの残存領域は、量的には縮小傾向にある。質的には、§4 で論じた通り、第三層の成果が論文化を経由して第一層に圧縮される経路を持つ以上、純粋な外部性ではなく実践として保持されるが知識として共有された段階で侵食される両義性を持つ。さらに、Gemini 査読が指摘した通り、翻訳不可能な要素は「そのまま残る」だけでなく、AI 適合度の経済的合理性の前で「ノイズ」「非効率」としてシステムから経済的にパージされる圧力を受ける。「残る」のではなく「抹消される」リスクが、§8 のコスト構造問題と接続する論点としてここに記録する。

§5 の結論として、第三層は技術的に侵食されつつあり、同時に再媒介されつつある。完全侵食ではない。残存領域はある。だが、佐倉時代に質的方法を外部エントロピー候補として擁護した時の防御線は、AI 介在以後の時代にさらに後退している。残存領域の保持は、それを支える制度的・経済的条件——§8 のコスト構造問題——に依存する。

ここから§6 へ移る。第三層の技術的侵食と再媒介が進行する以上、外部エントロピーの確保は別の経路を要する。本稿はその候補として、並列式 AGI アーキテクチャを提示する。ただし、技術的並列分散が社会経済的分散を自動的に生むという見立ては、技術決定論的飛躍を含む。この両義性を§6で扱う。

§6. 並列式 AGI 論との接続——構造的代替案とその両義性

6.1 並列式 AGI とは何か（本稿のための最小定義）

本稿は、私が note で展開している並列式 AGI 連載（2026年3-5月公開、第1-8回）の議論を一部前提とする。連載は長大なので、本節での参照は最小限に留める。詳細は連載各回を参照されたい。

本稿のための最小定義として、並列式 AGI とは、巨大モデルにすべての判断を集中させるのではなく、異なるデータ・評価軸・方法論を持つ複数モジュールを並列に配置し、中央モデルを最終判断主体にしない構成を指す。連載で用いた固有名（Aktuanz、Panich、Kontextleib）は、本節では「下位層（物理的接触・不可逆性を扱う層）」「中位層（独立並列モジュール層）」「上位層（文脈統合層）」と呼べば足りる。固有名で呼ぶ場合は括弧で添える。

本節は、この並列式 AGI 構想を、本稿の中核問題——PLACE 2.0 のループ閉鎖と外部エントロピーの不在——に対する構造的代替案として位置付ける。ただし、自動解決策としてではなく、両義性を持った候補として扱う。

6.2 PLACE 2.0 と単一中央集権モデルの同型性

§2 で展開した PLACE 2.0 は、構造的に単一中央集権モデルと同型である。Proprietary、Local、Authoritarian、Commissioned、Expert work——これらすべては、知識生産が少数の中央集権的アクターに集中する状況を記述している。AI 産業の構造（OpenAI、Anthropic、Google DeepMind、xAI 等の少数の主要企業が大規模モデルを開発・提供する構造）は、Ziman の産業科学 PLACE の極限的形態である。

ここで生じる単調化（§3）と擬似的継承（§4）は、いずれも中央集権構造の必然的帰結である。単一の中央が判定基準を提供すれば、複数経路の独立判断は構造的に成立しない。中央モデルの応答パターンが事実上の標準となり、研究者・利用者がそれに依存する範囲で、判断の多様性が中央モデルの統計的圧縮に収斂する。これは PLACE 2.0 の本質的問題ではなく、PLACE 2.0 を採用するアーキテクチャ選択の問題である。AI を単一巨大モデルとして構築する選択が、必然的に PLACE 2.0 の構造を強化する。

6.3 並列分散による緩和可能性と両義性

並列式 AGI 構想は、この単一中央集権構造への構造的代替を提案する。連載第1回の三層構造のうち、中位の独立並列モジュール層が PLACE 2.0 への構造的代替として機能する。各モジュールが独立に動作し、中央統括が意味統合の主体を持たない。

この構造が機能する範囲では、判定基準が分散し、訓練データが分散し、選択圧が多元化し、§4 第二層で論じた目的論的判断の擬似的継承への構造的対抗が可能になる。研究者は単一の AI 研究助手に依存する代わりに、複数の異質な助手から異なる判断を得る。

ただし、ここに自動解決ではないことを強く明示する必要がある。並列分散には三つの自己標準化リスクがある。標準化圧力——並列分散モジュール間の通信プロトコルが共通である以上、プロトコル自体が標準化される。Web3 や初期インターネットの分散性が、プロトコル標準化（HTTP、TLS、JSON-RPC 等）を通じて、結果的に少数の大企業の支配下に入った歴史がある。評価基準の収斂——各モジュールが独立に訓練されても、何を「良いモジュール」とするかの評価基準が共通化されれば、訓練の方向は収斂する。メタモデルへの吸収——複数の独立モジュールがあっても、利用者が単一のメタモデルを介してそれらにアクセスする場合、結局メタモデルが事実上の単一中央モデルとして機能する。多モデル比較ツール（Poe、Perplexity、各種 LLM aggregator）が、現に部分的にこの構造を生んでいる。

並列分散が実質的に機能するためには、モジュール差異が訓練データ・評価関数・開発主体・利用UI の四層で保持される必要がある。最終UIが複数判断を単一回答へ要約するだけなら、並列分散は利用者の前で再び中央集権化する。Gemini 査読が指摘した「箱庭内の多様性」リスクは、まさにこの四条件が崩れた状態を指す。

技術的分散が社会経済的分散を自動的に生むという見立ては、技術決定論的ユートピアニズムの反復である。並列式 AGI 連載第6回（データ主権・多言語並立・分散モジュール）は、技術的分散を支える社会経済的条件を扱う。これら社会経済的条件が成立しない場合、技術的並列分散は単一中央集権下の見かけ上の多様性に縮小しうる。

6.4 合成データ問題——測定流通拒否権の構造的限界

ここで Gemini 査読が指摘した重要な論点を扱う。並列分散モジュールが多様性を獲得するためには、多様で局所的なデータによる訓練が必要である。だが §7 で論じる測定流通拒否権が行使されれば、ローカルなコミュニティのデータは並列モジュールから遮断される。結果として、並列モジュールは「拒否権を行使できなかった主流データ」のみで訓練されることになり、多様性の確保という目的と拒否権の行使が論理的に相反する可能性がある。

さらに、現代の LLM 開発は既存データから合成データを生成し、疑似的な多様性を内製する段階に入っている。自己対戦（self-play）、AI フィードバック、合成データ拡張——これらは実データの流通制限を経由せずに、AI 内部でパターンの自己増殖を可能にする。実データの流通制限だけでは、PLACE 2.0 のアーキテクチャ内部でのパターン自己増殖を論理的に止められない。

この二重の構造的問題への応答は、本稿の射程を超える部分がある。暫定的応答として、(i) 測定流通拒否権は実データ層での非対称性確保の手段であり、合成データ層には別の制度が必要、(ii) 並列モジュールの多様性は、合成データ生成プロセス自体の多元化を要求する、(iii) 結局のところ、技術的分散と社会経済的分散の結合だけでなく、合成データ生成の多元化も外部エントロピー条件に含める必要がある。詳細展開は次稿候補として記録する。

6.5 §4 第二層問題の並列分散下での変質

§4 第二層で論じた「目的論的判断の擬似的継承」が、並列分散構造下でどう変質するか。

単一モデル下では、研究者は単一の AI 研究助手から提案を受ける。並列分散下では、研究者は複数モジュールから異なる提案を受ける。分析論理モジュールは A を提案し、身体技法モジュールは B を提案し、弁証法的対立処理モジュールは A と B の止揚を提案するかもしれない。研究者の役割は単一提案の受容ではなく、複数提案の差異からの判断に変わる。

ただし、複数モジュールの提案が実質的に類似していれば、差異からの判断は形式化する。並列分散が見かけの多様性を提供するが、内実が標準化される構造下では、研究者の独立判断は形式上は維持されるが内実は侵食される。並列分散が機能するためには、モジュール間の実質的差異が確保される必要があり、これが§7 で扱う測定流通拒否権の課題である。

§6 の結論として、並列式 AGI 構想は PLACE 2.0 への構造的代替案として候補に挙がるが、自動的な解決策ではない。技術的分散が社会経済的分散と結合する条件、合成データ生成の多元化、四層でのモジュール差異の保持——これらすべての条件が同時に成立する場合にのみ、外部エントロピー候補として機能する。条件の多さは候補としての強度を弱める。§7 でこの条件の一部を、§8 で他の候補と並べた暫定リストで扱う。

§7. 測定流通拒否権——既存議論との接続と限界

7.1 連載既出の「測定拒否権」の整理

並列式 AGI 連載第5回（2026年4月公開、組織論）で、私は「測定拒否権」の概念を導入した。組織内で個人・チームが、計測・評価・記録の対象になることを拒否する権利である。Goodhart の法則（測定対象が目標化されると測定の意味が変質する）への対応として、計測の射程を限定する必要があった。

この概念は、組織内部の運用論として連載第5回で展開した。本節では、これを AI センサー時代の外部エントロピー条件として拡張する。

7.2 測定流通拒否権の四側面

§5 で論じた既存技術・近未来技術の浸透は、フィールド・現場・研究実践のすべてを潜在的観測対象に変える。これらの観測データは、研究者と被研究者の合意のもとに取得されるが、その後の流通は別の問題である。観測データが標準化されたコーパスに自動流入し、商用 AI の訓練データとなり、次世代モデルの応答パターンを形成する。観測データ取得時の合意が、その後の流通先まで含むかは、現状の制度設計では曖昧である。

ここで必要になるのが、測定流通拒否権である。組織内の測定拒否権を、観測データの流通段階に拡張する。観測データの流通段階で、コーパス流入・標準化変換・集約処理・概念翻訳の各層において拒否が可能であるべき、という構造的要請である。コーパス流入拒否（商用 AI 訓練データへの組み込み拒否）、標準化拒否（業界標準フォーマットへの変換拒否、AI 訓練データへの間接流入の阻止）、集約拒否（複数取得元データの大規模分析対象化への拒否）、翻訳拒否（取得元コミュニティの言語・概念から商用 AI が処理可能な標準的言語・概念への変換拒否）——これらの拒否権が、コミュニティレベル・知識生態系レベルで保証される必要がある。

7.3 既存議論との接続と射程の明示

測定流通拒否権は、完全な新語ではなく、既存の関連議論と接続する。data sovereignty（データ主権）、Indigenous data sovereignty（先住民データ主権、CARE 原則等）、data trusts（データ信託）、data commons（データ・コモンズ）、collective privacy（集合的プライバシー）、contextual integrity（文脈的整合性、Helen Nissenbaum）、right to be forgotten（忘れられる権利）、purpose limitation（GDPR の目的制限原則）——これらの議論との接続のなかで、測定流通拒否権は位置付けられる。

ただし本稿の焦点は、個人データ保護ではなく、知識生態系における外部エントロピーの保持条件にある。GDPR や米国州別プライバシー法は個人データの保護を主軸とするが、コミュニティ全体の知識主権、フィールド全体のデータ流通制御は射程外である。

Palantir 関連として広く報じられたドイツ連邦憲法裁判所2023年2月16日判決（BVerfG, 1 BvR 1547/19, 1 BvR 2634/20）の正確な内容を確認する。違憲判断の直接対象は、ヘッセン州 HSOG §25a とハンブルク州 HmbPolDVG §49 の州法であり、Palantir 社のソフト「Gotham/hessenDATA」自体ではない。判決の核心は、警察による蓄積データの自動分析・解釈が、情報自己決定権に対する重大な介入となりうるため、十分に限定された法的根拠を要すると判断した点にある。これは個人レベルの自動分析規制として重要だが、本稿が問題にするコミュニティ単位の知識流通制御とは射程が異なる。「Palantir 違憲判決」という呼称は通称として広く流通しているが、厳密には「Palantir 利用根拠法違憲判決」である。

7.4 構造的限界——紙の防壁論

Gemini 査読が指摘した重要な論点を扱う。測定流通拒否権という法学的・制度的枠組みを用いて、知識生産のエントロピー増大（画一化）という認識論的・情報論的問題を押し留めようとする構造は、カテゴリー的に脆弱である。制度的権利は、技術的アーキテクチャの浸透力（API による暗黙の標準化、大規模スクレイピング、合成データ生成）に対して、しばしば「紙の防壁」に過ぎない。

これは測定流通拒否権の概念を無効化する論点ではないが、その実効性条件を限定する論点である。制度的権利が機能するためには、(i) 制度の執行能力（権利侵害を検出・制裁する仕組み）、(ii) 技術的補強（権利を技術的に強制する仕組み——data clean rooms、differential privacy、cryptographic restrictions）、(iii) 経済的補強（権利の経済的非合理性を緩和する仕組み——§8 のコスト構造問題）が併せて整備される必要がある。これらの条件なしには、測定流通拒否権は宣言的価値しか持たない。

7.5 並列式 AGI への必要条件

§6 で論じた並列式 AGI の自己標準化リスクは、測定流通拒否権がない場合に顕在化する。技術的に並列分散モジュールを構築しても、各モジュールのデータが結局は同一の標準化コーパスから取得されれば、モジュール間の実質的差異は確保されない。並列分散が機能するためには、各モジュールが固有のデータ源を持つ条件が必要である。

ただし§6.4 で論じた合成データ問題と組み合わせると、測定流通拒否権だけでは並列分散の多様性を保証できない。実データ層での非対称性確保と、合成データ層での多元化が、両方とも必要となる。測定流通拒否権は、外部エントロピー候補としては必要条件の一つだが、十分条件ではない。

連載第6回（データ主権・多言語並立・分散モジュール、起草中）はこの論点を国際関係論レベルで展開する。本稿はそれを科学社会学レベル——研究フィールド・研究コミュニティ・知識生態系のレベル——で展開した形になる。

測定流通拒否権を制度化することは、技術的・政治的・経済的に困難である。データ流通の経済的価値は巨大であり、拒否権の行使は経済的損失を伴う。本稿はその必要性を論じるに留め、実現プロセスは§8 で他の候補と並べた暫定リストとして扱う。

§8. 外部エントロピー候補の暫定リスト

8.1 ループ内部改善——有効だが外部エントロピーではないもの

外部エントロピーの候補を提案する前に、何が候補でないかを示す。以下の改革は、いずれもループ内部の改善であって、ループ自体を破る外部エントロピーではない。ただし「外部エントロピーではない」は「価値がない」を意味しない。ループ内部の改善として重要な制度が、外部エントロピー概念とは別の役割を担う、という整理である。

Preregistration（事前登録制）——p-hacking 抑制効果はあるが、convenience sample の問題は解決しない。PLACE 2.0 の構造下では、preregistration の運用自体が AI 研究助手機能と結合し、登録段階での目的論的判断の擬似的継承が作動する可能性がある。

データ共有義務化——Layer 1・Layer 2 の検証可能性を高める制度。Miske et al. (2026) が示した通り、データ共有時の再現率は88%に達する。だが、データ共有は基盤の確率標本欠落には届かない。さらに、共有データが商用 AI 訓練データに流入する経路を制御する措置が同時になければ、共有データはむしろ PLACE 2.0 を強化する素材となる。

P 値廃止・統計的有意性の見直し——ASA 2016声明、Nature 2019 の800人署名以降進行中の動き。代替（Bayes factor、効果量重視、信頼区間提示）は、いずれも統計的判定の儀礼を別の形式に置き換えるだけで、coordination code としての機能を変えない。

AI 倫理ガイドライン——EU AI Act、各国 AI Safety Institute、企業内 AI 倫理委員会等。これらは AI 開発の方向性に制約を加える可能性を持つが、PLACE 2.0 の構造自体は変更しない。倫理ガイドラインは、PLACE 2.0 が拡大する範囲を限定するが、PLACE 2.0 そのものを解体しない。

査読 checklist・statcheck-at-submission——Layer 1 の脱落を機械的に検出する仕組み。前稿で評価した通り、有効である。だが、Layer 1 を改善しても Layer 2・Layer 3 の問題、および本稿§3-4 で扱った同一機構には届かない。

Reproducibility awards・badges——インセンティブ設計による再現性促進。Goodhart の法則の作動範囲。再現性 award を狙った研究戦略が、再現性そのものの意味を変質させるリスクを持つ。

これらの改革は、いずれも個別には有効である。だが、本稿の枠組みでは外部エントロピー候補ではない。PLACE 2.0 のループ内部での部分改善であり、ループ全体の自己強化機構には届かない。

8.2 候補リストと取り扱い非対称の明示

外部エントロピー候補として、本稿が暫定的に挙げるのは六つである。ここで取り扱いの非対称を先に明示する。本稿が詳細展開するのは候補(iv)(v)であり、候補(i)(ii)(iii)(vi)は今後の独立研究課題として暫定リストに含める。各候補について、何が外部エントロピーとして機能し、いつ吸収されるかの弁別を可能な範囲で記述する。

候補(i)——Many Analysts 型の構造化された異質性注入。Silberzahn et al. (2018)、Breznau et al. (2022)、SCORE プロジェクトの Aczel et al. (2026) が実装した構造。同一データ・同一仮説を複数の独立分析者に処理させ、結論の分布を可視化する手続き。

機能範囲：分析者間の独立性が確保されている範囲。分析者が異なる訓練、異なる方法論的志向、異なる地域・言語コミュニティから集められる場合、分析判断の多元性が構造的に確保される。

吸収可能性：参加分析者全員が同じ AI 研究助手機能に依存する場合、独立性は名目化する。Open Science 運動が制度化過程で部分的に吸収された経緯は、この候補の吸収可能性を示唆する。

候補(ii)——産業界・市民社会による独立追試。学術機関とは異なるインセンティブ構造を持つ主体による追試。Amgen、Bayer の内部追試、ジャーナリスト・市民研究者による追試。

機能範囲：学術機関の publish-or-perish 圧力から独立した動機で追試が行われる範囲。

吸収可能性：産業界自身が AI 産業の構成要素である場合、独立性は限定的になる。市民社会の追試は資金・専門性の制約を受け、規模が限定される。

候補(iii)——後発出版の敵対的批評。PubPeer、Retraction Watch、研究領域別の批判的レビュー・ブログ群。

機能範囲：批評者が査読プロセスとは異なる経路で論文を評価する範囲。査読者の選定バイアス、編集判断のバイアスを事後的に補正する経路として機能する。

吸収可能性：批評活動自体が学術キャリアに組み込まれれば、独立性は限定される。AI が批評生成を補助する範囲が拡大すれば、批評の標準化が起きる。

候補(iv)——並列式 AGI 構成下の測定流通拒否権。§6-§7 で詳細展開した構造。技術的並列分散と、それを支える社会経済的条件の結合。

機能範囲：各モジュール・各コミュニティが固有のデータ・固有の規範を保持できる構造下。判定基準の分散、訓練データの分散、選択圧の多元化が、アーキテクチャレベルで確保される。

吸収可能性：技術的並列分散がプロトコル標準化を経て少数アクターに集中する経路。データ主権を主張するコミュニティが、政治的・経済的に圧迫される経路。並列分散が見かけの多様性として商業化される経路。§6.4 で論じた合成データ問題による内部的パターン自己増殖。

ここで候補(iv) の自己再帰性を明示する必要がある。候補(iv) は本稿筆者自身が並列式 AGI 連載で展開した構想であり、自身のフレームワークを外部エントロピー候補として提示する構造になっている。これは候補(i)(ii)(iii)（既存の方法論的試み）と性質が異なる。候補(iv) は「本稿の筆者の内部から提案された」候補であって、PLACE 2.0 への外部性は構造的に部分的である。§8.4 で扱う「本稿自体が PLACE 2.0 の内部から書かれている」という再帰問題に、候補(iv) は直接連結している。この自己再帰性を弱化要因として認識した上で、なお候補として提示する判断を採る。

候補(v)——質的方法の地域固有化と翻訳不可能残余の意識的保持。§4-§5 で詳細展開した質的方法の第三層の意識的な実践。論文化を経由しない経路での知識継承——共同体内の口頭伝承、師弟関係、ワークショップ、地域コミュニティ内の実践的蓄積。

機能範囲：第三層の実践が、AI 経由のパターン圧縮を経ない経路で継承される範囲。地域固有の方法、言語固有の概念、コミュニティ固有の評価軸が、標準化を経ずに保持される範囲。

吸収可能性：第三層の成果が論文化される段階で第一層に圧縮され、経路 (a) で PLACE 2.0 に流入する。§5 で論じたセンサー・義体技術の進展が、第三層の技術的代替を進める。さらに重要なのは、Gemini 査読が指摘した「抹消圧力」——翻訳不可能な要素は「残る」だけでなく、AI 適合度の経済的合理性の前で「ノイズ」「非効率」としてシステムから経済的にパージされる圧力を受ける。意識的保持がコミュニティ内部の合意を要するが、コミュニティ自体が AI 経由の情報流通の影響下にある以上、保持の意識自体が形骸化する可能性がある。

候補(vi)——低資源・低 AI 適合領域への保護的助成。低資源言語研究、小規模地域フィールドワーク、非標準資料のアーカイブ、データ化しにくい技能・芸能・身体技法、再現性よりも長期記述が重要な領域への、成果指標から相対的に切り離された助成枠。

機能範囲：AI 利用適合度とは異なる評価軸を制度的に保持できる範囲。AI 適合度の軸では不利になりやすい領域に対する保護的措置として、選択圧の多様性をアーキテクチャ外部で確保する。

吸収可能性：助成審査自体が AI 適合的な指標で評価される場合に生じる。助成枠の配分が学術機関の標準的評価系を経由する場合、AI 適合度との完全な切り離しは困難。

8.3 追試コスト構造への応答

§1.4 で記録した、佐倉論文が拾わず本稿が応答すべき論点——「追試による再現性の確認は科学的知識生産システムの根幹をなす作業であるにもかかわらず、ボランティア的行為で支えられている」——への応答をここで扱う。

候補(i) から (vi) のいずれも、実装には持続的コストを要する。「外部エントロピーが存在するか」という本稿の問いは、最終的には「そのコストを誰が払うか」という問題を避けて通れない。論理的には外部エントロピー候補が存在しても、それを維持する持続的コスト負担構造がなければ、候補は形式的存在に留まる。

ここで生じる困難は、PLACE 2.0 の経済的合理性と、外部エントロピー候補の経済的非合理性の非対称である。PLACE 2.0 の参加者は、参加することで経済的便益を得る（論文数、被引用、研究費、雇用、商業利益）。外部エントロピー候補の維持は、参加者に直接的経済便益を提供しない。AI 利用研究者が論文数3.02倍・被引用4.84倍を達成する状況下では、外部エントロピー候補の維持に時間を投入する研究者は、経済的に不利な選択をすることになる。

ただし Gemini 査読が指摘した重要な留保——コストを経済的資源（資金・時間・キャリア）のみに還元すると、技芸の伝承における「情熱」や「贈与」といった非市場的インセンティブの駆動力が捨象される。実際に、長期フィールドワーク、口頭伝承、師弟関係を通じた継承は、市場的合理性の外で長く維持されてきた。これらの非市場的駆動力は、外部エントロピー候補の維持にとって無視できない要素である。

しかし、非市場的駆動力に依拠することは、それ自体が制度的脆弱性を含む。情熱に依拠した維持は、世代交代・経済的圧迫・制度変動に対して構造的に脆い。佐倉が「ボランティア的行為」と書いた状況は、非市場的駆動力に依拠する構造の問題点を指している。

解決策として論理的に考えられるのは、外部エントロピー候補の維持を公益的活動として制度化し、経済的支援を提供する経路である。公的助成、財団支援、企業の社会的責任活動、市民社会のクラウドファンディング、AI 時代版 SCORE 基金のような独立基金——これらが候補の維持コストを部分的に負担する。だが、これらの支援源自体が PLACE 2.0 の影響下にある場合、支援の方向性が PLACE 2.0 と整合する候補に偏る可能性がある。

外部エントロピー候補のコスト構造問題は、本稿で完全には解決しない。論点として記録し、今後の課題として残す。

8.4 §8 の中核命題——完全閉鎖の不可能性の構造的確保

§8 の候補リストは暫定である。候補ごとに、外部エントロピーとして機能する条件と、吸収可能性が併記される。完全に外部エントロピーである候補は存在しない。条件付きで機能し、条件付きで吸収される候補が並ぶ。

本稿の射程として、最終的にこう書く。「外部エントロピーは存在するか」という本稿の問いに対する応答は、「絶対的な外部は存在しないかもしれない。だが、相対的な外部——PLACE 2.0 のループに完全には回収されない差異生成源——は、複数の候補として暫定的に成立する可能性がある」となる。

ここで本稿の中核的論理移行を明示する。完全な外部から書かれた批判は、本稿を含めて存在しない。だが、内部の自己強化ループの完全閉鎖を阻止する設計は可能である。この移行が本稿全体の論証構造の中心にある。

絶対的外部の探求は、佐倉論文のロマン主義的擁護対象でも、技術決定論的ユートピアニズムでもない。それは、§1.6 で扱った再帰問題——本稿自体が PLACE 2.0 の内部から書かれている事実——と整合する応答である。完全な外部から書かれた批判は、本稿を含めて存在しない。だが、内部の自己強化ループの完全閉鎖を阻止する設計は可能である。

「完全閉鎖の不可能性の構造的確保」——これが候補(i) から (vi) 全体を貫く統合原理である。各候補は単独では完全な外部エントロピーを供給しない。それぞれが吸収可能性を持つ。だが、複数の候補が並走する限り、ループの閉鎖は遅延する。複数候補の並列運用は、いずれか一つが吸収された時点で別の候補が機能し続けるという冗長性を持つ。冗長性は、絶対的外部の代替ではなく、完全閉鎖の延期である。

この構造的延期が、本稿が提示する暫定的応答である。閉鎖の遅延がもたらす時間のなかで、新しい候補が浮上する可能性、既存候補が再活性化する可能性、PLACE 2.0 そのものの構造変動が起きる可能性が確保される。延期は積極的な目的を持つ。完全閉鎖した知識生態系では、新しい候補も再活性化も構造変動も起きえないからである。

これは前稿§8で書いた「ループの輪郭を明確にし、それを破る道筋の最低条件を示す」議論の延長である。本稿はその最低条件を、六つの候補と一つのコスト構造問題として整理した。

8.5 結語——三部作の終結

本稿はシリーズ第三稿として、前二稿の延長線上で書かれた。第一稿「3つの統計的嘘」は、統計的記号が現実を圧縮する構造を扱った。第二稿「一割問題」は、その圧縮問題が制度的に再生産される構造を扱った。第三稿（本稿）「外部エントロピーは存在するか」は、再生産ループの外側の可能性を扱った。

三稿を貫く問いは一つである——統計的知識生産が圧縮を経て劣化する構造に対し、どこまで批判的検討が可能か。三稿はこの問いに対する段階的応答である。

本稿の応答は、楽観論でも悲観論でもない。絶対的外部は存在しないかもしれない、だが相対的な外部の候補は複数ある、それぞれにコスト構造の問題があり持続可能性は条件付きである——という暫定的・両義的応答である。

この応答が現時点で書ける最低限である。これ以上の確定的応答は、§5 で扱ったセンサー・義体技術の進展、§6 で扱った並列式 AGI の社会経済的条件、§8 で扱った候補のコスト構造の解決——いずれも今後10年程度のスケールで観察可能な経験的問題に依存する。

次稿候補として、二つの方向が直接的に開いている。第一に、追試コスト構造の独立展開——§8.3 で記録した論点を、制度設計レベルで具体化する作業。PLACE 2.0 の経済的合理性と外部候補の非合理性の非対称を、公共ファンド設計・代替評価系・非市場的インセンティブの組み合わせで扱う。第二に、並列式 AGI 連載との科学社会学的接続——本稿§6-§7 で扱った論点を、連載第6回（データ主権・多言語並立・分散モジュール）の科学社会学的下地として独立に展開する。

他にも開いた候補がある——jiga-modoki 論との接続（AI 個性の多元性が外部エントロピー候補として機能するかという問い）、日本の科学社会学的伝統との対話（佐倉の知的系譜と接続強度が高い金森修・中島秀人・藤垣裕子等の議論。Latour・STS 一般ではなく日本の系譜を選ぶ動機は、日本語コンテクストでの可読性と、佐倉の文脈との接続強度にある）——だが、優先度としては前二者が高い。

統計的有意は真理の代理物であって真理ではない。代理物を真理と取り違えた時点で、探求は儀礼に転化する。儀礼の外側を探す作業は、儀礼自身が外側を吸収する速度との競争である。本稿はその競争の現状を、2026年5月時点の地図として記録した。地図は領土ではないが、地図なしに領土を歩くことは難しい。

ループの完全閉鎖の不可能性を構造的に確保するために、本稿が候補として並べた六つの暫定的設計と一つのコスト構造問題が、読者の今後の判断に何らかの参照系として機能すれば、本稿の目的は達成される。

参考文献

本稿で新たに参照したもの（前二稿で確立した参考文献に加えて）

  • Hao, Q., Xu, F., Li, Y., & Evans, J. A. (2026). Artificial intelligence tools expand scientists' impact but contract science's focus. Nature, 649(8099), 1237-1243. DOI: 10.1038/s41586-025-09922-y. [著者所属：清華大学／清華大学／清華大学・中関村学院／シカゴ大学Knowledge Lab・社会学部・Santa Fe Institute・Google]

  • 佐倉統 (2016). 科学的方法の多元性を擁護する. 心理学評論, 59(1), 137-141. DOI: 10.24602/sjpr.59.1_137

  • Ziman, J. M. (2000). Real Science: What it Is, and What it Means. Cambridge University Press.（東辻千枝子訳『科学の真実』吉岡書店、2006年）

  • Merton, R. K. (1973). The Sociology of Science: Theoretical and Empirical Investigations. University of Chicago Press.

  • BVerfG, Urteil des Ersten Senats vom 16. Februar 2023, 1 BvR 1547/19, 1 BvR 2634/20.（情報自己決定権に関するドイツ連邦憲法裁判所2023年判決）

  • de Waal, F. (2009). The Age of Empathy. Souvenir Press.（柴田裕之・西田利貞訳『共感の時代へ』紀伊國屋書店、2010年）

  • Pepperberg, I. M. (1999). The Alex Studies. Harvard University Press.

  • Reiss, D. (2011). The Dolphin in the Mirror. Houghton Mifflin.

  • Firestein, S. (2012). Ignorance: How It Drives Science. Oxford University Press.（佐倉統・小田文子訳『イグノランス』東京化学同人、2014年）

  • 河合雅雄 (1965). 『ニホンザルの生態』. 河出書房新社.

並列式 AGI 連載既出回（本稿§6-§7で参照）

  • 並列式 AGI 連載第1回〜第5回 (note.com/mototchen, 2026年3-4月公開)

  • 連載第6回（データ主権・多言語並立・分散モジュール）起草中

前稿（本稿の前提）

  • 石部統久「あなたが暮らしている3つの統計的嘘」note.com/mototchen, 2026年4月.

  • 石部統久「統計論文の『一割』問題」note.com/mototchen/n/nb1997687d9c2, 2026年5月.

  • Ishibe, M. "Three Statistical Lies You Live Inside." medium.com/@izayohi, 2026年4月.

  • Ishibe, M. "The One-in-Ten Problem." medium.com/@izayohi/the-one-in-ten-problem-504d7c72f2ac, 2026年5月.

本稿は Claude Opus 4.7 を初稿生成者とし、Grok・Gemini・ChatGPT・別 Claude インスタンスによる三巡の Parcae Protocol 査読を経て改訂された。最終文責は石部統久にある。本稿自体も、複数 AI を用いた Parcae Protocol によって生成・改訂されている。したがって本稿は、PLACE 2.0 の完全な外部から書かれた批判ではない。複数 AI 照合は外部性そのものではなく、内部における差異生成の限定的手続きである。それでも、複数視点照合のない単一視点の文章よりは、複数視点照合を経た文章の方が暫定的に信頼できる、という前提で本稿は提示される。


いいなと思ったら応援しよう！