aibiznote -実験現場から始めるExcel×AI効率化ラボ-

実験現場の悩みを、ExcelとAIでちょっとずつ解決。

未来のロボット、エンジンだけ2000年前に戻った。MITの「生きた筋肉」水泳ロボット

未来のロボットなのに、動力だけ見ると2000年以上前へ戻ったようです。

MITは2026年9月29日、生きたマウス骨格筋細胞をモーター代わりに使う、紙のように薄い水泳ロボットを発表しました。左右の筋肉を青い光で別々に収縮させ、向きと速さを操れます。

MITの「生きた筋肉ロボット」はどう動く?

機体はガムほどの大きさの薄いGelMAゲル。左右のヒレ表面には、髪の毛より薄い一層の筋肉細胞が並びます。細胞は光に反応するよう設計され、片側へ光を当てるとその筋肉が収縮してヒレが動きます。両側への刺激を切り替えることで、水中迷路を曲がって進みました。

最速は1分に体長約4個分。現時点では外から人が光源を動かして誘導する実験機で、自律航行ロボットではありません。

なぜ一層の筋肉で泳げるのか?

ポイントは筋肉を増やすことより、筋肉が出した力を逃がさない「骨格」でした。研究チームはゲルの材質、硬さ、溝の形を調整。四角い溝では細胞がそろって筋線維へ融合しやすく、より協調して力を出せました。さらに硬めで約0.5mmの薄いGelMAが、軽さを保ちながら収縮力を受け止めました。

筋肉には光を繰り返し当てるトレーニングも実施。つまり、生体アクチュエータの性能だけでなく、力を受ける人工骨格との組み合わせを最適化したことで泳げるようになったわけです。

未来のロボット、エンジンだけ2000年前に戻った。MITの「生きた筋肉」水泳ロボット
記事内容をイメージした図

ここで古代ギリシャの三段櫂船へ

「人工の船体を、生きた筋肉が動かす」という構造だけ抜き出すと、急に古代へ飛べます。

古代ギリシャの三段櫂船(トライリーム)は、軽い木造船体を多数の漕ぎ手が櫂で推進する軍船でした。推定では約170〜180人の漕ぎ手が三段に配置され、短時間なら9〜10ノットほどに達したとされます。

もちろん人間の漕ぎ手と培養筋肉細胞は同じ技術ではありません。でも「人工構造体そのものは力を生まず、生きた筋肉の収縮を機械運動へ変換して進む」という抽象構造はよく似ています。

違うのは「生き物を乗せる」か「生き物を部品にする」か

三段櫂船では、筋肉は独立した人間の中にありました。MITのロボットでは、筋肉細胞そのものが機体表面の駆動部品です。

この違いは小さくありません。生体組織は柔らかく、環境へ応答し、将来的には自己修復性を利用できる可能性があります。一方で、細胞を生かす条件や制御など、普通のモーターにはない課題もあります。

未来のロボットがモーターを捨てた先で再発見したのが「筋肉で船を動かす」だったと考えると面白い。2000年以上かけて、漕ぎ手は船から降り、細胞だけが戻ってきました。

参考資料

薬を子どもに飲ませるのは、人間だけじゃない? 母ゾウの「薬草」研究

病気の子どもに薬草を選んで与える。そんな行動は、人間だけのものではないかもしれません。

2026年9月24日、Scientific Reportsに、ケニア・エルゴン山周辺の野生アフリカゾウが健康状態に応じて植物や土などを利用している可能性をまとめた研究が掲載されました。35種の植物と4つの土・鉱物資源が記録され、なかには母ゾウが子ゾウへ特定の植物を与えるという報告もありました。

ただし、これは「ゾウが薬効を理解して処方している」と実験で証明した研究ではありません。20年以上ゾウを観察してきた地域の専門家8人への聞き取りと植物同定を体系化した研究で、研究チームは直接的な映像証拠などを今後集める段階です。

母ゾウの「薬草」研究で何が分かった?

研究では、35種の植物と4つの土・鉱物など計39資源を整理しました。このうち34資源は地域の人々にも薬用・健康目的で使われていました。

特に8種の植物は、病気または弱ったゾウが特定の目的で使うと地域の観察者から報告されました。さらに5資源では母子間のケアに関する観察があり、たとえば母ゾウが特定の植物を母乳と組み合わせ、子に与えるという証言も記録されています。

ここで重要なのは、研究が「薬効」や「意図」を直接測定したわけではないことです。長期観察者の地域生態知から、今後検証すべき有力な行動候補を拾い上げた研究と見るのが正確です。

薬を子どもに飲ませるのは、人間だけじゃない? 母ゾウの「薬草」研究
記事内容をイメージした図

ここで急に、蝶の「子どものための薬選び」へ

母親が自分ではなく子どものために植物を選ぶ。この構造で思い出すのが、オオカバマダラです。

オオカバマダラの幼虫はトウワタを食べます。トウワタには種類によって強心配糖体などの化学成分が異なり、寄生原虫の感染や増殖に影響します。

2010年の実験では、寄生された雌のオオカバマダラが、子の寄生負荷を下げやすいトウワタへより多く産卵することが示されました。母親自身を治すのではなく、これから生まれる幼虫が食べる植物を選ぶため、「世代をまたぐ投薬(trans-generational medication)」として報告された有名な例です。

ゾウと蝶に共通するのは「薬を体内で作らない」こと

ゾウの報告とオオカバマダラの実験では、証拠の強さも行動の仕組みも同じではありません。それでも構造だけ抜き出すと、面白い共通点があります。

子どもの健康に関わる資源を、親が環境の中から選び、子が接触・摂取する形へつなげる。

医療というと、病院や薬局で作られた薬を想像します。でも自然界では、環境そのものが巨大な薬棚になっている可能性があります。

しかも蝶の場合、子どもはまだ卵の段階です。母親は自分が食べる薬ではなく、子どもが将来食べる「薬になりうる植物」を先回りして選びます。

ゾウの話は、まだ「処方箋」ではない

今回のゾウ研究はとても面白い一方、慎重さも必要です。8人の長期観察者による知識は貴重ですが、母ゾウが特定植物を子に与える場面の直接観察や、その植物が実際にどんな健康効果を持つかは、今後の検証課題です。

それでも、地域の人が何十年も見てきた行動を科学的な仮説へ変換したこと自体に価値があります。野生動物の「薬箱」は、実験室からではなく、森を長く見てきた人の記憶から見つかることもある。

薬局の起源をたどると、白衣より先にゾウと蝶が棚を見ていたのかもしれません。

参考資料

なぜ、分かっているのに変われないのか ChatGPTと自分の盲点を掘り下げた結果

なぜ、分かっているのに変われないのか?ChatGPTと自分の盲点を掘り下げた結果

こんにちは、aibiznoteです。

以前、ChatGPTを使って「自分でも気づいていない盲点」を掘り下げる自己分析をしました。

思っていた以上に深いところまで考えさせられて、かなり面白い体験でした。

でも、そのあと一つの疑問が残りました。

「自分の盲点が分かった。……で、そのあとどうすればいいんだ?」

自分にはこういう癖があるらしい。こういう考え方を繰り返しているらしい。

それを知った瞬間は、何かが変わったような気がします。でも翌日から、突然行動が変わるわけではありません。

「自分ってそういう人間なんだな」と納得して終わってしまえば、自己分析をした満足感だけが残ります。

僕は、それでは少しもったいないと思いました。

そこで今回は、前回の自己分析からもう一歩進んで、見つかった盲点が実際の行動にどう影響しているのかをChatGPTと掘り下げてみました。

すると、最初に予想していたものとは少し違うところに辿り着いたんです。

僕には、何度も戻ってしまう「問い」があった

僕はいろいろなことに興味を持ちます。

ブログもそうですし、AIを使った副業や、新しいサービスを考えることもあります。

面白そうだと思えば調べてみる。実際に作ってみる。ここまでは比較的すんなり進みます。

ところが、しばらくすると頭の中にある問いが出てきます。

「これって、本当に収益化できるの?」

そして、その次にこう考えます。

「収益化できないのであれば、別のことに時間を使った方がいいんじゃないか?」

これ自体は、それほどおかしな考えではありません。使える時間には限りがあります。副業としてやる以上、収益性を考えるのも当然です。

問題は、この問いが何度も出てくることでした。

面白いものを見つける

↓

やってみる

↓

少し進む

↓

「これって収益になるの?」

↓

「ならないなら、別のことをやった方がいいのでは?」

↓

少し離れる

↓

また別のものに興味を持つ

振り返ってみると、対象は違っても、似たようなところを何度も通っていることに気づきました。

では、どうすればいいのか。最初に僕が考えた答えは、かなりありふれたものでした。

「マインドセット」の問題なんじゃないか?

もっと長期的に考える。目先の成果に一喜一憂しない。なぜそれをやるのか、大きな目的を忘れない。

いわゆる「マインドセット」の問題なのではないか。

例えば、最終的に経済的な自由を得たいとします。そのために会社以外の収益源を作りたい。だからブログを育てている。

そう考えれば、「今月いくら稼げたか」だけでブログを判断するのではなく、

「自分が目指している未来のために、今は種をまいているんだ」

と考えられます。

なるほど。それなら続けられそうです。僕も最初は、ここが答えなのかなと思いました。

でも、少し考えるとおかしい。

目的を強く意識すると、むしろ別の疑問が出てきた

仮に僕の最終的な目的が「経済的な自由を得ること」だったとします。それを強く意識してみます。

経済的な自由を得たい

↓

そのためには会社以外の収益を増やしたい

↓

そのためには、限られた時間をできるだけ有効に使いたい

↓

……だったら、

「収益になるか分からないブログに、この時間を使っていて本当にいいの?」

となるんです。

あれ? 元に戻ってしまいました。

目的を忘れているから迷っているのなら、目的を思い出せば解決するはずです。でも僕の場合は、少し違った。

むしろ目的を大切にするほど、「その目的に対して、この手段は本当に効率がいいのか?」を確認したくなる。

ブログよりAI副業の方がいいんじゃないか。いや、商品を作った方がいいんじゃないか。もっと別の方法があるんじゃないか。

そうやって手段を比較し始める。

つまり僕の場合、夢が足りないから止まっていたわけではなかったんです。

では、何が起きていたんだろう。

「続かない」のではなく、何度も意思決定をやり直している?

ここからChatGPTとの対話をさらに続けました。

僕自身、「もっと継続できるような考え方を身につければいい」という答えには、どうもしっくりきませんでした。そんなことは、ある程度分かっているからです。

ブログが一晩で育つわけではない。新しい活動は、ある程度試さなければ可能性なんて分からない。それでも同じところへ戻る。

そこで一つ、見方を変えてみました。

僕は「継続できていない」のではなく、一度決めたことを、途中でもう一度「選ぶところ」からやり直しているのではないか。

例えば、「副収入を作りたい」→「ブログを一つの手段として試してみよう」。ここまでは意思決定です。

本来なら、その次は、記事を書く。反応を見る。改善する。商品を出してみる。データを集める。という「検証」に進むはずです。

ところが途中で、「そもそもブログって収益になるの?」という問いを開いてしまう。

すると、ブログなのか。AI副業なのか。商品販売なのか。別の方法なのか。再び「何を選ぶ?」というところまで戻ります。

そして、新しい選択肢はいつだって魅力的に見えます。

これでは、一つの仮説に十分な検証時間を与える前に、何度も選択会議を開いているようなものです。

調べてみると、心理学にも少し似た考え方があった

ここまで考えたあと、「これに近い心理学の考え方はないのかな」と調べてみました。

心理学では、Peter Gollwitzerらによる目標追求の研究の中で、目標を選ぶ際に選択肢のメリット・デメリットを考える熟考的マインドセット(deliberative mindset)と、選んだ目標を実現するために行動する実行的マインドセット(implemental mindset)が区別されています。

もちろん、僕のブログが止まる理由がこの研究によって「証明された」という話ではありません。

ただ、自分に起きていたことを考えるヒントとしては、かなりしっくりきました。

僕は実行している途中なのに、何度も、「そもそも、これを選ぶべきなのか?」という熟考側の問いに戻っていたのかもしれない。

さらに、目標について調べていくと、目標には階層があるという考え方もあります。

例えば、「経済的に自由になりたい」という抽象的で長期的な上位目標があり、その下に「会社以外の収益源を作る」、さらに「ブログを育てる」「記事を書く」といった、より具体的な目標や行動がぶら下がっている。

上位の目標は「なぜやるのか」を与えてくれます。一方で、実際に行動するためには、具体的な下位目標も必要です。

つまり、「夢を持てばいい」でも、「目の前のことだけやればいい」でもない。

上と下がつながっていることが大切らしい。そこで僕は、自分の活動をツリーのように考えることにしました。

問題は「迷うこと」ではなく、どこまで戻るかだった

ここで僕にとって一つ大きな発見がありました。

迷うこと自体は悪くありません。「このやり方でいいのかな?」と疑うから改善できます。

ブログに可能性がなければ、やめた方がいい場合だって当然あります。

だから、「一度決めたことは絶対にやり抜こう」という結論にもしたくありません。

問題は、一つ疑問が出るたびに、どの階層まで意思決定を戻してしまうのか。なのではないか。

例えば、ある記事のアクセスが伸びなかった。そこで「タイトルを変えてみよう」なら、記事レベルの改善です。

でも「このブログ自体に意味があるのか?」まで戻ると、ブログという戦略そのものの再評価になります。

さらに「そもそも副業なんてする必要があるのか?」まで戻れば、もっと上の階層です。

これらは全部、大切な問いです。でも、毎回すべてを問い直す必要はありません。

ブログを3か月試すと決めたなら、その3か月は「ブログをやるべきか?」ではなく、「ブログという仮説を、どう検証すればいいか?」を考える。

そして3か月後に、集めたデータを見て初めて「ブログを続けるか?」という一つ上の問いを開く。

もちろん、重大な新事実が出たときは予定より早く見直して構いません。

大事なのは、疑問を無視することではなく、判断する条件を持っておくことです。

こう考えると、僕に必要だったのは「もっと強く信じること」だけではありませんでした。

どの問いを、いつ開いていいのかを決めること。

だったのかもしれません。

では、あなたが何度も戻っている問いは何だろう?

ここまで、僕自身の話をしてきました。僕の場合は、「これって本当に収益になるの?」という問いでした。

でも、あなたの場合は違うかもしれません。

何かに挑戦するとき、いつも「自分には向いていないんじゃないか」と考えてしまう。

人間関係で少し距離を感じると、「何か嫌われることをしたかな」と考え始める。

新しいことを勉強しているのに、「もっと効率のいい方法があるはずだ」と、いつの間にか勉強法ばかり探している。

もし心当たりがあるなら、少しだけ考えてみてください。

あなたが最近、何かをやめたり、迷ったり、先延ばしにしたとき。最後に頭の中で何を問いかけていましたか?

そして、その問いは今回だけのものでしょうか。それとも、以前にも同じような場面で現れていたでしょうか。

僕が気になったのは、ここでした。

一つひとつの判断は合理的に見えても、繰り返し並べると、別の構造が見えてくることがあります。

ただ、ここには難しさがあります。

自分が何度も繰り返している問いほど、自分にとっては当たり前の考え方になっている。

だから、なかなか疑えないんです。

僕も、最初からこの答えに辿り着いたわけではありません

ChatGPTとの対話でも、最初は「長期目線を持とう」「目的を明確にしよう」といった方向に話が進みました。

もちろん、それも大切です。でも僕は、どうしても納得できませんでした。

「それは、結果として続けられた人の話じゃない?」

そう反論しました。

すると、少しずつ問いが変わっていきました。「どうすれば継続できるか」から、「なぜ自分は、同じところで判断をやり直してしまうのか」へ。

そして、ようやく自分の行動を別の角度から見ることができました。

ここで一つ、思ったことがあります。

僕が欲しかったのは、もっと前向きになるための言葉ではなかった。自分が同じ場所に戻ってしまう仕組みを、自分で確かめる方法だったんです。

では、それを他の人も自分で試せるようにできないだろうか。そう考えて、今回のプロンプトを作りました。

盲点を見つけた、その先へ

この先に用意したのは、ChatGPTに性格を言い当ててもらうプロンプトではありません。

過去の経験を一つずつ聞き取り、共通する判断や問いを探し、AIの分析が間違っている可能性まで確認する、段階式の対話プロンプトです。

最後には、あなた自身の経験をもとに、次の内容を整理します。

  • 繰り返している可能性のある行動パターン

  • その直前に現れる問いや判断

  • 次に同じ場面が来たとき、試せる具体的な行動

第1弾の自己分析結果があれば、その続きから使えます。初めての方も、過去の具体的な出来事から始められます。

僕自身は、ここまで辿り着くのに何度もAIとやり取りしました。

今回のプロンプトでは、その試行錯誤を一から繰り返さずに済むよう、質問の順番と確認工程を組み込んでいます。

もし、何度も同じところで立ち止まっている感覚があるなら。

次は「なぜ自分はこうなんだろう」で終わらせず、実際に何が起きているのか、一緒に確かめてみませんか。

この続きを読むには
購入して全文を読む

イカには「耳の場所」がない? 全身に見つかった有毛細胞

「耳で聞く」という常識を、イカはかなり雑に壊してきました。

Case Western Reserve Universityなどの研究チームは2026年、イカの頭や腕だけでなく、外套を含む体表全体に水の動きを感じる有毛細胞が広がっていることを報告しました。人の内耳にもある「毛の束で振動を拾う」タイプの感覚細胞です。ただし、イカが全身で人間と同じ意味の「音」を聞いている、という研究ではありません。

イカの全身で何が見つかった?

研究対象はアメリカケンサキイカの一種 Doryteuthis pealeii。研究チームはライトシート顕微鏡で幼体を立体的に観察し、これまで詳しく記載されていなかった外套にも、有毛細胞が密な線や広い領域として規則的に並ぶことを確認しました。論文ではこれを「mantle lateral lines」と呼んでいます。

さらに、外套の有毛細胞から伸びる神経突起は神経節へつながっていました。つまり単なる表面の毛ではなく、周囲の水の動きを受け取る感覚系の一部と考えられます。

なぜ「耳の細胞」と似ているのか?

人の蝸牛にある有毛細胞は、音で生じた振動によってステレオシリアという毛の束が曲がり、機械的な動きを神経信号へ変えます。イカの体表にある細胞も、毛の束が水の動きで曲がることで機械的な刺激を拾います。

今回さらに面白いのは、イカでは毛束の長さに違いがあり、研究チームが異なる周波数の水の動きを拾う「チューニング」と関係する可能性を示している点です。人の蝸牛でも場所によって異なる周波数へ応答する仕組みがあります。ただし両者を同じ聴覚器官とみなすのは行き過ぎです。論文が示した中心は、イカの体表に多様な側線様感覚系が広がっていることです。

イカには「耳の場所」がない? 全身に見つかった有毛細胞
記事内容をイメージした図

ここで急に、江戸の火の見櫓へ

この仕組みから「水の動き」を外し、構造だけ抜き出してみます。すると、重要なのは異変を中央の一か所で待たず、境界面に多数の検知点を置くことです。

江戸では火災が大きな脅威で、町人による町火消が組織されました。火事を早く見つけるため、見張りの高所や櫓、半鐘などを使って異変を周囲へ伝える仕組みも発達しました。1723年には町火消の各組に火の見櫓の設置が求められたとする史料紹介もあります。

巨大な一つの「目」だけで町全体を見るより、町のあちこちで近くの異変を拾い、知らせる。イカの体表ももちろん火災監視網ではありませんが、外界と接する面へセンサーを分散し、局所の変化を神経系へ送るという構造はよく似ています。

イカに「耳はどこ?」と聞くのがズレている

人間は聴覚器官を頭の中にまとめています。その感覚でイカを見ると、「耳に相当する場所はどこだろう」と探したくなります。

でも今回の地図が見せるのは、むしろ逆の設計です。水という環境に全身で触れているなら、その境界そのものへ感覚点を散らす。

イカの体は、耳を一個持っているというより、町中に火の見櫓を立てたようなものなのかもしれません。

参考資料

AIが21時間DNAを掘ったら、未知の酵素システム候補が出てきた。Claude「ART」発見

AIが21時間、DNAの巨大データベースを掘り続けたら、これまで見落とされていた酵素システム候補が出てきました。

2026年9月23日、Anthropicは約950のClaudeエージェントを並列に動かし、逆転写酵素(RT)を含むDNA配列を探索した結果、CRISPRを思わせる反復配列を伴う未記載のシステム「ART(array-associated reverse transcriptases)」を見つけたと発表しました。

ただし、ARTが何をしているのかはまだ分かっていません。現時点では査読前の初期成果であり、「新しい遺伝子編集技術が完成した」という話ではありません。

Claudeは何を発見した? 21時間で20万超のRTを探索

Anthropicの公式発表によると、約950のエージェントが21時間、約2.1億トークンを使って探索しました。20万を超える逆転写酵素を集め、約3500の新規候補系を抽出し、最終的に人間が読む20件ほどの有力候補へ絞り込みました。

その途中で1つのエージェントが、あるRT遺伝子の隣に規則的なDNA反復配列が並んでいることに気づきました。さらに隣接する未知機能の補助タンパク質も含めて調べ、人間の研究者へ報告しました。

人間側は最初の研究課題を与え、候補のレビューと実験室での検証を担当しています。Anthropicの初期実験では、ARTの反復配列から複数の短いRNAが発現することが確認されていますが、本来の生物学的機能は研究中です。

AIが速くしたのは「答え」より、掘る場所の選別

この研究で面白いのは、Claudeがいきなり酵素の機能を言い当てたわけではないことです。

巨大な探索空間を安価な計算で広く見て、周囲と違うパターンを拾い、候補を何段階も削る。そして最後だけ、人間が時間と費用のかかる実験をする。

構造だけ抜き出すと、「全部を詳しく調べる」のではなく、「変な場所を先に見つけて、そこだけ掘る」という仕事です。

AIが21時間DNAを掘ったら、未知の酵素システム候補が出てきた。Claude「ART」発見
記事内容をイメージした図

ここで突然、鉱石を嗅ぐ犬の話

DNAからかなり遠くへ飛びます。

1960年代のフィンランドでは、地質調査に鉱石探査犬が使われていました。硫化鉱物を含む岩石が出す匂いを訓練された犬に探させ、地表や植物に隠れた「怪しい場所」を見つける方法です。

米国地質調査所(USGS)の1974年の資料にも、犬が隠れた硫化鉱物を嗅ぎ分ける探査に成功していたことが記録されています。フィンランドでは1962年から探査犬の実験が始まり、1964年以降は実際の鉱床探査にも使われました。

犬は地下の鉱床を透視していたわけではありません。地表に出てくる微かな異常を嗅ぎ、「ここは詳しく調べる価値がある」と候補地を絞っていた。

Claudeと探査犬の共通点は「異常を嗅いで、人間に掘らせる」

もちろん、Claudeと犬の嗅覚はまったく別物です。でも探索の構造は妙に似ています。

広大すぎて全部を高コストで検証できない → 安価なセンサーで異常を拾う → 候補を圧縮する → 最後に人間が現物を掘る。

今回のClaudeは、DNA配列の「匂い」を嗅いだわけではありません。反復配列や遺伝子の並び方といったパターンの異常を読んでいます。

AIによる科学研究というと、「AIが人間の代わりに大発見する」という絵を想像しがちです。でも実際には、人間がどこを掘るべきか決めるまでの候補選びが、とても大きな価値になるのかもしれません。

ARTはまだ「金鉱」ではなく、光った地面

ここは最後まで慎重に見ておきたいところです。

ARTはCRISPRに似た反復配列を持ち、短いRNAを作ることも確認されています。しかし、何をするシステムなのかは未確定です。Anthropic自身も機能解明は進行中だとしています。

つまり今あるのは、「ここ、何か埋まっていそうです」という旗。

金鉱を掘り当てたとはまだ言えません。

未来の生物学者は、白衣のポケットにピペットだけでなく、AIの探査犬も一匹入れておくことになるのかもしれません。

参考資料

全員同じだと、なぜ壊れやすい? 「ばらつき」が複雑なシステムを守る新研究

全員が同じ性能で、同じタイミングで、きれいに動く。

なんとなく、それが一番強いシステムに見えます。

ところが2026年9月にScienceで報告された研究では、複雑なシステムでは少しの「ばらつき」やノイズが、むしろ安定性を高める場合があることが理論的に示されました。

きれいに揃えすぎる方が、弱いことがある。これ、橋の上を歩く兵士の話に少し似ています。

ノイズは「消すもの」とは限らない

UC DavisのRaissa D’Souza教授による解説では、Northwestern大学の研究チームが、要素の性質や接続に小さな違いがあることで集団的な振る舞いが安定する条件を示しました。

対象になるのは、電力網、神経系、鳥の群れのように、多数の要素が互いに影響し合うシステムです。

直感的には、部品は同じ方が扱いやすそうです。でも全員がほぼ同じ反応をすると、揺れまで同じタイミングでそろい、全体へ広がることがあります。

そこで少し違う反応速度やノイズが入ると、完全な同期が崩れ、乱れが一斉に増幅するのを防げる場合がある。

ただし、ここは重要です。「バラバラなら何でも強い」という研究ではありません。効くのは条件に合った程度の違いで、研究はノイズや多様性が安定化に働く条件を扱っています。

橋の上では、むしろ歩調を崩す

ここで急に、兵士が橋を渡る場面へ飛びます。

大勢が同じテンポで行進すると、一人ひとりの小さな足踏みが周期的な力になります。その周期が橋の揺れやすい周期と重なると、振動が大きくなる「共振」が起こる可能性があります。

だから橋を渡るときには、全員がきれいに足並みをそろえるのではなく、歩調を崩して渡るという考え方があります。

普段なら「統率が取れている」ことの象徴である一斉行進が、橋の上では逆にリスクになる。

全員同じだと、なぜ壊れやすい? 「ばらつき」が複雑なシステムを守る新研究
記事内容をイメージした図

違いは、弱点ではなく「同期を壊す装置」になる

今回の研究と橋の共振は、もちろん同じ現象ではありません。

でも構造だけを見ると面白い共通点があります。

同じ要素が同じタイミングで反応すると、小さな乱れまで足並みをそろえて大きくなりうる。そこで少しの違いを入れると、危険な同期を崩せる。

「ばらつき」という言葉は、製造でも組織でも、普通は減らしたいものとして扱われます。

でも複雑なシステムでは、全部を同じにすること自体が新しい弱点を作る場合がある。

これは「多様性は大切」という道徳的な話とは少し違います。違いがあることで、全員が同じ失敗を同時にしにくくなるという、もっと機械的な話です。

「揃える」が正解とは限らない

AIや自動化でも、同じモデル、同じルール、同じ判断基準だけに依存すると、一つの誤りが全体へ同じ形で広がる可能性があります。

だから今後は「どこまで標準化するか」だけでなく、どこに意図的な違いを残すかも設計の一部になるのかもしれません。

全員優秀、全員同じ性格、全員同じテンポ。

最強のチームに見えます。

でも会議室が共振して折れるかもしれないので、一人くらいリズム感のない人を残しておきましょう。

参考資料

省エネのコツ、ずっと頑張らないことでした。液晶の廃熱を60%以上減らした「速い→遅い→速い」制御

「省エネなら、ゆっくり丁寧に動かせばいい」。そんな直感を少し裏切る結果が出ました。Stanford大学とSLACの研究チームは、液晶を使ったモデル系で電圧のかけ方を最適化し、単純な一定ペースの操作より廃熱(エネルギー散逸)を60%以上減らせる制御パターンを見つけました。ポイントは、ずっとゆっくりではなく「速い→遅い→速い」です。

何が発表された? 液晶の廃熱を60%以上減らした制御

研究チームが扱ったのは、電圧で分子の向きが変わる液晶です。電圧を変えると分子が回転しますが、その過程で投入したエネルギーの一部は役に立たず、熱として散逸します。

そこで研究者は、電気測定と偏光顕微鏡による観察を組み合わせ、散逸エネルギーを非常に高い精度で追跡しました。さらに機械学習を使い、電圧を時間とともにどう変えると損失が小さくなるかを探索。その結果、最初は素早く電圧を上げ、途中の短い区間だけ速度を落とし、最後にまた速めるプロトコルで、単純な線形操作に比べて散逸を60%以上減らせました。

重要なのは、これは一般のPC全体の消費電力が60%減ったという話ではないことです。今回の実験対象は液晶モデル系。研究チームは次に、コンピュータメモリ候補にも使われる強誘電体など、より実際の計算デバイスに近い系で検証する計画です。

省エネのコツ、ずっと頑張らないことでした。液晶の廃熱を60%以上減らした「速い→遅い→速い」制御
記事内容をイメージした図

なぜ「ずっとゆっくり」より「速い→遅い→速い」なのか?

ここで面白いのは、省エネを「平均して弱く動かすこと」と考えると見落とすものがある点です。

物理系は、どの状態にいるかによって、同じ操作をしても失うエネルギーが違います。今回の液晶では、状態変化の途中に、ゆっくり通過した方が損失を抑えやすい領域がありました。逆に、そこ以外まで全部ゆっくりにする必要はありません。

つまり最適化されたのは「どれだけ力を入れるか」だけではなく、いつ速く動かし、いつ減速するかという時間配分でした。

ここで急に、魚の泳ぎ方へ飛びます

この話を見て思い出すのが、魚のburst-and-coast(バースト&コースト)遊泳です。

これは魚が、ずっと同じ強さで尾を振り続けるのではなく、短く強く尾を振って加速し、その後は体を伸ばして惰性で滑り、また必要になったら尾を振る泳ぎ方です。

「コンピュータの廃熱」から「魚のサボり方」へ、だいぶ遠くまで来ました。

コイは、尾を振らない時間で省エネする

コイのburst-and-coastを調べた研究では、加速中と惰性中で水の抵抗が大きく変わり、同じ平均速度で定常的に泳ぐ場合と比べて、推定で約45%のエネルギー節約になる可能性が示されています。

さらに別の研究では、間欠的に泳ぐ魚は、能動的に尾を振る時間と受動的に滑る時間の比率を調整し、一定の速度域では移動コストを小さくするような周期を使っていることが示されています。

ただし、これは「魚は全部、休みながら泳げば省エネ」という万能則ではありません。魚種や速度によってはburst-and-coastが高コストになる例もあります。大事なのは、効率は平均的な頑張り方だけで決まらず、頑張る時間の置き方でも変わるということです。

共通しているのは「時間の配分を設計する」こと

液晶と魚では、もちろん物理的な仕組みは別物です。

それでも構造だけ抜き出すと、妙に似ています。

ずっと一定の力で動かすのではなく、系の状態に合わせて、強く動かす区間と力を抜く区間を配置する。すると、目的地までの平均速度や最終状態を保ちながら、失うエネルギーを減らせる場合がある。

省エネとは「常に弱く働くこと」ではなく、「どこで本気を出すかを選ぶこと」なのかもしれません。

CPUにも、そのうち「サボり方研修」が必要になりそうです。

参考資料