
生成AIとの論文執筆「執筆編①:人間のからだは、無駄だらけだった」
講座の勉強会の何気ない一言から
きっかけは、講座の勉強会での、何気ない会話でした。
生成AIを用途に応じてどう使い分けるか、人間の仕事の何を代わりにやってもらうか――そんな議論をしていたときに、ふと、あることに気づきました。
人間のからだには、無駄な部分がたくさんあります。使われていない構造や、何のためにあるのかよくわからない仕組みが、いたるところにあります。一方で、生成AIを含むAIは、少なくともその開発思想においては、与えられた目的に対する性能や効率を高める方向で作られています。
これは、両者の構造における、大きな違いなのではないでしょうか。
そして、もしAIが人間を模倣しようとするのであれば、その「無駄な部分」まで作らなければならないはずです。しかし、外部から与えられた目的や評価基準に沿って開発されるAIに、生体が歴史的過程のなかで蓄積してきたような、用途の決まっていない余白を持たせることはできるのでしょうか。もしできないとすれば、AIが人間を完全に模倣することは、そもそも原理的に難しいのではないか――そんな発想に至りました。
この気づきが一本の論文になるとは、そのときは思ってもいませんでした。
なぜ、この発想が出てきたのか
今、振り返ってみると、いくつかの経験が交差した地点に、この着想はあったように思います。
第一に、私が医師であり、医学部で人間の構造と機能を学んできたことです。人体には、使われていない部分があること、個体差が大きいことなど、ぼんやりとではありますが、知識として持っていました。
第二に、前年にG検定を受験し、機械学習やディープラーニング、AIの基礎を学んでいたことです。AIが何をしているのか、その原理をおぼろげにではありますが、知っていました。
第三に、産業医として、さまざまな職場の方々と話をしてきたことです。組織のレベルでも、個人のレベルでも、効率化を進めていくことのメリットとデメリットを、現場で肌に感じてきました。
第四に、疫学研究者として、集団レベルの評価を量的にも質的にも行ってきたことです。これは、最初の経験ともつながりますが、人間集団について考えるときには、個体差、誤差を考慮しなければならないこと、そして、2つの出来事の間には、直線的な関連だけでなく、薬のように、量が少な過ぎても多過ぎても効果が出ない、というJ字型、U字型の関連も存在するということを知っていました。
この四つのうち、どれが欠けていても、おそらくこの発想には至らなかったと思います。医学、AI、産業医、疫学という異なる経験が交差したからこそ、生まれた問いだったように思います。
「働かないアリ」との出会い
思いつきを、まずChatGPTに投げかけてみました。すると、この議論が現代の脳科学、進化生物学、認知科学の知見と大きく矛盾しないこと、そして、過去に読んだことがある、北海道大学の長谷川英祐先生の「働かない働きアリ」の研究と接続しうることが見えてきました。
働かないアリを排除してしまうと、コロニーは長期的に立ち行かなくなる。一見して無駄に見えるものが、集団の存続を支えている――個体レベルの無駄として考えていたことが、集団レベルでも成り立つかもしれない。視界が一気に開けた瞬間でした。
さらに問いを重ねていくうちに、当時の私は、AIが人間を完全には模倣できないのではないか、と考えるようになりました。
同じことを言っている人はいるか
次に行ったのは、同じ視点を持つ研究者が存在するかどうかの確認です。これは重要な作業だと思っています。すでに誰かが言っていることであれば、私が書く意味はありません。
関連する議論は数多くありましたが、生体の構造的な余白とAIの違いを起点に、AIと人間の役割分担まで論じるものは、少なくとも私が調べた範囲では、ほとんど見つかりませんでした。
それならば、書く意味があります。現在のAIをめぐるさまざまな議論に、一石を投じてみよう――そう決めました。
二つの冗長性
当初は、この着想の中心部分を明確に提示することを優先し、ジャーナルのCommentのような短いカテゴリを想定して、論点を絞ることにしました。
書き進めていくなかで、一つの発想が生まれました。LLMを含む現在のAIは、膨大なデータを用いて学習し、大量のパラメータや内部表現を持っています。そこにも、一種の「冗長性」があるのではないか。そこから、生体の冗長性と、LLMの冗長性を比較できるのではないか、と考えたのです。
ここで、二つの概念が生まれました。「Structural Redundancy(構造的冗長性)」と、「Statistical Redundancy(統計的冗長性)」です。
生体が歴史的過程のなかで蓄積してきた、現在の用途だけには回収されない潜在的能力。それに対してAIが持つ大量のパラメータや内部表現にみられる、統計的な重複や過剰性です。
この区別が、論文の背骨になりました。
背中を押してくれた一言
この構想を、基礎研究をされている先生にお話ししたことがあります。「とてもユニークな視点だ」と言っていただきました。
たったそれだけのことですが、大きかったと思います。
12月中旬のことでした。年末年始を使い、ChatGPTと構成や表現を確認しながら、1ヶ月弱で1500語ほどの短い原稿にまとめ、“Can Human Redundancy Be Replicated? Biological Constraints on Artificial Intelligence” というタイトルで、インパクトファクター(Impact Factor:IF)の高い、国際的にも影響力の大きいジャーナルのCommentというカテゴリに投稿しました。
※インパクトファクター(Impact Factor:IF):そのジャーナルに掲載された近年の論文が、平均してどの程度引用されているかを示す代表的な指標の一つ。
二度の不採用
結果はリジェクトでした。ただし、エディターのコメントからは、完全に否定されたわけではなく、場所が違う、という印象を受けました。
次に、IF10弱のジャーナルに投稿しましたが、こちらは1週間でリジェクトとなりました。
そして、三つ目の投稿先として選んだのが、今回掲載されたAI & Society のOpen Forumというカテゴリでした。
ここから、この論文は本当の意味で鍛えられていくことになります。
※本記事は筆者個人の見解に基づくものであり、所属組織(大学等)の公式見解を示すものではありません。
※本記事および掲載図表、写真の著作権は鈴木孝太に帰属します。無断転載・複製・商用利用を禁じます。© 2026 Kohta Suzuki. All rights reserved.