〔ノンスカラー民主主義シリーズ〕 単一指標への圧縮がなぜ問題なのか——これまで哲学的・社会的に論じてきたこの問いに、物理学の最前線から応答が返ってきた。

---

最適解を探すAIから、地形を歩くAIへ

——量子AIが照らした、AI制御の次の課題

カオスの中の「秩序の核」を量子AIが圧縮できることが、UCL（ユニバーシティ・カレッジ・ロンドン）の最新研究で実証された。同時に、最先端のAIモデルが長期予測で破綻することも示された。AIに何を求めるか——その問いの解像度が一段上がる論文だった。

---

量子AIをご存知でしょうか

UCLのチームが、Science Advances 誌（2026年4月）に画期的な論文を発表した。量子コンピュータを使い、カオス系の長期予測を安定化させる「Q-Prior」という統計的羅針盤を、わずか300未満のパラメータで作り出すことに成功した、というものだ。

ここで重要なのは、量子AIが未来を直接予測したわけではない、という点である。

量子AIが行ったのは、カオスの中に沈む統計的な秩序——専門用語では「不変測度」と呼ばれる、長時間で保たれる確率分布——を圧縮して取り出すことだった。そしてこの圧縮された秩序を、古典AIに「羅針盤」として渡す。古典AIが予測を続けるとき、Q-Priorが「この系はそういう統計パターンには行かないよ」と地形を示す。それだけで、長期予測の安定性が劇的に変わった。

最先端AIの破綻が意味すること

論文で最も衝撃的だったのは、Q-Priorを持たない最先端のAIモデル——FNOやMNOといった、流体予測の最前線にあるニューラルオペレータ——が、長期ロールアウトで軒並み破綻したという事実だ。

短期予測では、これらのモデルは極めて優秀である。1ステップ先を当てる精度は高い。しかし、その予測を次の入力にして、さらに先を予測する——これを何百回も繰り返すと、誤差が積み重なり、やがて非物理的な方向へ漂流する。料理のレシピを伝言ゲームで回すうちに、10人目には別の料理になっているようなものだ。

なぜそうなるのか。論文が示唆するのは、従来のAIは「1ステップ先を当てる」ことに最適化されていて、「この系が長期的にどんな統計パターンに従うか」という全体像を学んでいないという構造的な問題だ。

つまり、これは個別のモデルの性能不足ではない。スカラー値（1ステップ先の誤差）の最適化に閉じ込められた設計思想そのものの限界である。

発想転換の本質

ここで起きている発想転換を、自分の言葉で書くとこうなる。

AIにスカラー値の最適解をただ見つけさせることから、 スカラー化しない多軸地形を、安全にナビゲートさせることへ。

最適化は単一の指標を最大化する作業だ。だが現実のシステム——気候も、流体も、行政運用も、社会保障も——本質的に多軸の地形を抱えている。

地形を一つの数字に潰した瞬間、そこにあった構造は見えなくなる。

そしてそれは現在の最先端AIでも起きることが、今回の研究で実証された。

共通する設計原則

私が代表理事を務める一般社団法人C3社会デザインセンターでは、AIの暴走・ハルシネーション・説明不能な判断を、運用者の注意ではなく構造として制御する仕組みを設計してきた。

その中核にある原則の一つが、「単一指標への圧縮を避け、構造を保持する」というものだ。

AIの判断を一つの総合スコアに圧縮した瞬間、運用上絶対に踏んではならない方向と、推奨される方向の区別が見えなくなる。数字としては同じ「0.85」でも、その背後にある構造が決定的に違うことがある。だから私たちは、判断の出力を一つの数字ではなく、証拠・理由・状態遷移・監査証跡という多軸の構造のまま保持する設計を選んでいる。

たとえば、私たちのAI制御の中核には、ITS（Iterative Topological Steering）と EAG（Evidence Adequacy Gate）と呼ぶ設計層がある。EAGは「証拠が足りない断定を外に出さない」ための出口制御であり、ITSは保留理由から次の確認方向を更新する仕組みだ。断定する代わりに保留する。保留した理由を理由のまま残す。 そうすることで、構造が消えない。

そして、これらの設計の前提にあるのがBYOV（Bring Your Own Verify）——発行者の説明ではなく、第三者が自分の環境・自分のAI・自分の手続きで再検証できる状態を先に作る、という立場だ。検証可能性こそが、地形を地形のまま保持することの社会的な意味である。

今回の量子AI論文が示したのは、構造を構造のまま保持するという設計原則が、物理学の最前線でも独立に発見された、ということだと私は受け止めている。Q-Priorは、不変測度という地形を地形のまま保持し、古典AIに「この方向へ漂流するな」と示す。スカラー化を避け、構造を保つ。

起点も応用先も違うが、同じ原則の上に立っている。

行政・制度運用への含意

そしてこれは、技術論にとどまらない。

行政の給付審査、政策の評価、社会保障の制度設計——これらすべてに、同じ問いが向けられる。

私たちは社会の複雑さを、なぜいつも一つの数字に押し込もうとするのか。GDPに、支持率に、KPIに、業績評価に。地形を一つの数字に潰した瞬間、そこにあった構造は見えなくなる。それなのに、その「見えなくなった構造」の中にこそ、止まれない暴走や不公正の種が潜んでいる。

最適化されたAIが長期予測で漂流するのと、最適化された制度が長期運用で漂流するのは、構造的に同じ問題だ。最適化対象を一つの数字に絞った瞬間、その数字を上げるための副作用が、全体の地形を歪ませていく。短期では成功に見えても、長期では本来あるべき多軸の構造から離れていく。

AI制御の次の課題は、最適化から地形ナビゲーションへ。 そして制度設計の次の課題も、おそらく同じ場所にある。

結語：セーラーとして

私はかつてセーラーだった。

セーリングという競技は、最適解を求めるゲームではない。風と波の地形の中で、その瞬間ごとに針路を選び続けるゲームだ。一つの数字（タイム）が結果として残るが、それは多軸地形を歩いた結果として現れるだけで、最適化された数字を追いかけているわけではない。

風が変わる。波が乱れる。けれど海の底には、毎回同じように現れる流れの構造がある。優れたセーラーは、その構造——カオスの底に沈む秩序の核——を、計算ではなく感覚で読んでいる。

今回の量子AI論文を読んで、自分がセーリングで身体に入れていた感性が、AIの制御層という別の媒体で言語化されつつあることに気づいた。スカラー化しない、構造を構造のまま保持する、その上で安全に通過する。これは新しい話ではない。海の上では、ずっと前から行われていたことだ。

セーラーだった僕は、——カオスの中に沈む統計的な秩序の核——という波を、これから乗りこなしていく。

---

参考文献

Maida Wang et al., "Quantum-informed machine learning for predicting spatiotemporal chaos with practical quantum advantage", Science Advances (2026). DOI: 10.1126/sciadv.aec5049

論文紹介記事

カオス系の中に「秩序の核」が存在することを量子AIが発見――実証にも成功 https://nazology.kusuguru.co.jp/archives/194526