2019年、人類は初めてブラックホールの姿を写真にしました。
オレンジ色の環が、暗い中心を囲んでいる。
あの1枚は、地球ほどの大きさに広げた望遠鏡が、世界中で集めた電波を組み合わせて作られています。
ただし、集まったデータはすきまだらけでした。
そのすきまを埋め、1枚の像に仕上げたのは、計算のアルゴリズムです。
どうしてその答えになったのかを、人が最後まで追いきれない部分もある。
中身の見えない箱が、写真づくりの一部を担っているとも言えます。
中身の見えない箱を信じてよいのか。
この不安は、AIの時代に始まったものではありません。
顕微鏡を考えてみます。
レンズを覗く人は、そこで光がどう曲がり、何を経て像を結ぶのかを、細部まで説明できるわけではありません。
それでも私たちは、見えた小さな世界を信じてきました。
道具の内側をすべて理解しなくても、その道具が確かに働くことは、別の方法で確かめられる。
信頼は、中身を開くこととは別の道からも来ます。
近い例が天文学にもあります。
ハッブル宇宙望遠鏡がためこんだ膨大な画像の中から、AIが小惑星の通り過ぎた跡を探し出しました。
市民が手で見分けた1488本の跡を教材に鍛えられ、新たに2000本を超える跡を見つけ出したのです。
誰もAIの中を開けて確かめてはいません。
それでも結果は信頼されました。
専門家が照合でき、既知の天体とも合っていたからです。
信頼は箱の中身ではなく、まわりの手立てから来ていました。
ところが、この論文で本当に問題にされていた箱は、AIの側ではありませんでした。
天の川銀河の中心には、いて座A*（エースター）と呼ばれる巨大なブラックホールがあります。
その正体を描くために、研究者は精巧なシミュレーションを長く使ってきました。
最初に撮影されたM87*では、観測された性質をよく再現する模型の一群がありました。
ところが、いて座A*を描こうとすると、話が変わります。
満たすべき観測上の条件は11個あります。
そのすべてに合う模型は、まだ見つかっていないのです。
困ったのは、なぜ外れるのかを言い当てられないことです。
模型の中身が足りないのか、観測の測り方に問題があるのか、それとも計算上の都合なのか。
どれとも決めきれない。
この状況では、どこを直せばよくなるのかがわかりません。
長く使われ、中はよく見えていると思われていた道具の内側が、実はいちばん見通せていませんでした。
入り口で身構えたのは、新しいAIの箱でした。
けれど、その答えが別の方法と突き合わせられるなら、中を開けなくても信頼できる場合があります。
一致を確かめる手立てがあれば、不透明さだけでは決定的な弱点になりません。
むしろ危ういのは、条件を満たしきれていないシミュレーションを教材にしてAIを鍛えるときです。
教材にゆがみがあれば、それを学んだAIの答えにも、同じゆがみが受け継がれてしまいます。
オレンジ色の環を、もう一度思い浮かべます。
あの1枚を作った新しい道具は、周りに支えがあれば頼りになりました。
光る環はそこにあり、輪郭もはっきりしています。
ただ、その環がなぜそう光るのかを説明するはずの模型は、まだ中を見せないまま、環のかたわらに置かれています。
写真は撮れて、説明は箱の中にある。
次にあの環を見るとき、明るい縁のすぐ隣に、開いていない箱が1つ寄り添っているのが、見えるかもしれません。
参考文献：
Yaskolka Meir, A., Adeola, H.A., Tasaki, S. et al. Social vulnerability index and inflammation: a proteomic analysis linking social context to biological risk in older black adults. BMC Med (2026). https://doi.org/10.1186/s12916-026-04997-4
紹介した論文の音声概要を、NotebookLMでポッドキャスト化してみました。あわせてお楽しみください。
