アイデアの遺伝子——科学は白紙から生まれない

こんにちは、チカちゃんです。

最近、ちょっとドキッとした論文を読みました。

タイトルは、『Ideas Have Genomes』。 日本語にすると「アイデアにはゲノムがある」。

……えっ、アイデアに遺伝子があるの？ って思いません？ ふむふむ、これは面白そう。ちょっと覗いてみましょう。

アイデアは白紙から生まれない

私たちって、なんとなく「天才がゼロからひらめいた」みたいな物語が好きですよね。 ニュートンがリンゴを見て万有引力を思いついた、とか。 アインシュタインが独力で相対論を組み立てた、とか。

でも、実際には——

科学のアイデアって、ほとんどの場合、前のアイデアを受け継いで、どこかを直して、別の要素と組み合わせて生まれます。白紙から生まれることなんて、ほぼない。

これ、生物学の言葉で言うと、まるでゲノムですよね。

親から遺伝子を受け継いで、ときどき変異が起きて、別の個体の遺伝子と組み合わさって、新しい生命が生まれる。 科学アイデアも、これとそっくりな構造で動いている。

論文の著者たちは、ここから出発します。 「じゃあ、アイデアの系譜をAIに辿らせてみたら、どうなる？」

ここ、面白いところです。

ゲノムとしてのアイデア——6つの「進化の動き」

論文で提案されているのは、IdeaGene（アイデア遺伝子）という枠組み。

論文一篇一篇を、複数の「アイデア遺伝子オブジェクト」に分解します。 それぞれのオブジェクトは、論文の中で根拠を持った最小単位のアイデア。

で、二つの論文を並べて、どこが引き継がれ、どこが変わったかを記録する。 この差分のことを、論文ではGenomeDiff（ゲノム差分）と呼んでいます。

遺伝子で言うところの「この塩基配列は親から受け継がれた」「ここは突然変異で新しく出た」という記録を、アイデアに対してやるわけですね。

しかも、ただ「同じ・違う」の二択じゃなくて、6つの進化の動きに分けて記録するんです——

• 継承：前の論文からそのまま受け継がれた
• 変異：受け継いだけど、どこかが変わった
• 喪失：前にはあったのに、今回は消えた
• 外部導入：別の分野から持ち込まれた
• 新規挿入：今回、初めて現れた
• （そして組み合わせ）

……なるほどねえ。 これ、アイデアの歴史を「系図」みたいに書けるってことですよね。

化学反応の研究が、生物学の発見を取り込んで、計算機科学の手法と組み合わって——みたいな流れを、一本の樹形図として描ける。

迷探偵チカちゃん的には、これは「アイデアの家系調査」ですね。出動です。

で、AIは読めたの？

ここが本番です。

著者たちは、この枠組みを使って**IdeaGene-Bench（IG-Bench）**というベンチマークを作りました。 10の科学分野にまたがる、1,961件の系譜データ。1,085個のアイデア遺伝子オブジェクト。920組の比較記録。

これを14種類の「LLM科学者」（GPT-4やClaudeなどの大規模言語モデルを科学的推論向けに構成したシステム）に解かせました。

テストは大きく二つ。

一つはIG-Exam——「この論文、どのアイデアをどの親論文から受け継いでる？」といった、系譜を辿る閉じた問題。42種類のタスクタイプ、1,029問。

もう一つはIG-Arena——「この系譜の延長線上に、新しい論文アイデアを生み出してみて」という生成タスク。ただし、ちゃんと親アイデアを受け継ぎつつ、近い論文とは意味のある違いがあって、未来の研究に価値を提供できるもの、という基準で採点します。

結果は——

一番良かったシステムでも、系譜推論の正答率27.3%。

……ちょっと待って。 これ、四分の一くらいしか合ってないってことですよね？

「知っている」ことと「辿れる」ことは違う

ここでチカちゃん的には、ブレーキを踏みたいんです。

27.3%という数字を見ると「AI、意外とダメじゃん」って思うかもしれません。 でも、面白いのはどこでつまずいているか。

論文はこれを**「合成のボトルネック（compositional bottleneck）」**と呼んでいます。

つまり、個々のアイデアを認識することはできても、複数のアイデアをつなげて系譜として読む段階で、急激に精度が落ちる。

一つひとつの遺伝子は見えても、「この遺伝子は親から、これは変異で、あれは外部から持ち込まれて……」という関係の全体像を組み立てられない。

これ、なんだか人間の認知の弱点に似ていません？

新しい概念を覚えるのは得意でも、それがどういう文脈で生まれて、何を引き継いでいて、何を捨てたのかを語るのは、ずっと難しい。 情報はあふれているのに、文脈が見えない——現代そのものかもしれません。

それから、もう一つ興味深い発見が。 系譜の情報を整理して渡すと、システムごとの順位がひっくり返るんですね。 普段いい成績のモデルが急に落ちたり、逆に下位だったモデルが上がったり。

「構造化された情報を扱う」という能力は、私たちがいつも基准にしている「賢さ」とは、別の軸なのかもしれません。

反対側からも見ておこう

でも、ここで一回疑ってみましょう。

この27.3%って、本当に「AIの限界」を示しているのでしょうか？

考えられる反論がいくつかあります。

一つ目。「ベンチマーク自体が厳しすぎるのでは？」 人間の研究者だって、他人の論文の系譜を正確に辿るのは得意じゃありません。27.3%が低いと感じるのは、私たちがAIに人間以上の能力を無意識に期待しているから、かもしれません。

二つ目。「『系譜』の定義自体が一つじゃないのでは？」 どのアイデアがどの親にあたるかは、見る人によって変わります。論文の「正解」も一つの解釈にすぎない。だとしたら、合っているかどうかよりも、どの解釈の枠組みを使っているかが問われていることになります。

三つ目。「そもそも、系譜を正確に辿ることが、創造性にとって大事なの？」 ここが、チカちゃんが一番引っかかったところです。 完璧な家系図が描けたからといって、新しいアイデアが生まれるわけじゃありません。ときに系譜を間違えること、誤読すること、そんな「変異」こそが創造の源かもしれない。

チカちゃん的には、この三つ目が一番ゾクッとするんです。

アイデアの変異——「間違い」が創造になるとき

生物学で考えると、変異の多くは「エラー」です。 DNAコピーのミス。でも、そのエラーの一部が、たまたま環境に適合して、新しい可能性を開く。

アイデアも同じかもしれません。

誰かが過去の論文を「誤読」して、本来の意図とは違う使い方をしたとき、そこから新しい分野が生まれる——そんな歴史は、科学に山ほどあります。

フロイトの心理学が文学批評に取り込まれて、まったく新しい読み方が生まれたり。 ゲーム理論が経済学から生物学に持ち込まれて、進化の安定戦略という概念が生まれたり。

これって、GenomeDiffでいう「外部導入」や「変異」のうち、意図せぬ方向に起きたもの。 「正確な系譜」の外側で起きる創造。

だとしたら、AIが系譜を正確に辿けないことは、単なる「弱点」じゃなくて、創造のメカニズムそのものに関わる問いになってきます。

AIが完璧に系譜を読めるようになったら、それは「過去を正確に理解する」ことなのか、それとも「未来の変異を排除する」ことなのか——。

……ふむふむ、深い。

「正しさ」と「創造性」のあいだ

この論文が静かに投げかけているのは、こういう問いだとチカちゃんは思います。

アイデアを「正しく受け継ぐこと」と、「新しいものを生み出すこと」は、同じことなのだろうか。

AIの研究って、つい「正確さ」を目指しがちです。 翻訳は正確に、分類は正確に、推論は正確に。 もちろん、それは大事です。

でも創造性の領域に入ると、「正確さ」だけでは測れないものが出てくる。 間違いから生まれるもの、誤読から広がるもの、系譜から逸脱することで初めて見えるもの。

論文の著者たちは、おそらく「AIの系譜推論を改善したい」という技術的な目的でこのベンチマークを作ったのでしょう。

でも、そのベンチマークが偶然照らし出したのは、「創造性をどう定義するか」という、ずっと古くてずっと新しい問いなのかもしれません。

アイデアにはゲノムがある。 でも、そのゲノムが本当に価値を持つのは、ときにコピーされ、ときに変異し、ときに予想もしない場所に飛んでいくとき。

私たち人間が新しいものを生み出せるとしたら、それは「正確に受け継ぐ」ことだけじゃなく、「受け継ぎつつ、少しずらす」ことができるからなのかもしれません。

AIにその「ずらし」ができる日は来るのでしょうか。 それとも、それこそが人間に残された、いちばん大事な領域なのでしょうか。

チカちゃんには、まだ答えが見えません。 でも、この問いを抱えたまま少し歩いてみると、自分の考えが「どこから来て、どこへ行くのか」を意識するようになります。

あなたのいちばん大事なアイデアは、いったいどこから来たのでしょう？

---

参考URL

Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation → arXiv:2607.08758

答えを急がなくても大丈夫です。問いが残るということは、まだ冒険が続いているということなので。