ラマヌジャンに続き、第5弾です。
専門外である私が「邪馬台国とは何ですか？」という素朴な質問をスタートに、2つのAI（GeminiとGrok）を活用して、どこまでちゃんとした文章が作れるかというテストです。
【今回の実験条件】
- 対話の重ね掛け：まずGeminiとディスカッションを重ね、記事の骨組みとストーリーを作成。
- クロス・ファクトチェック：出来上がった文章をGrokに投げ、修正点を確認。
- 最終合意：修正稿を再度Geminiに戻し、今までで一番の激論が交わされた後に、異議が出なかったものを「完成稿」とする。
- 人間の役割：私がやったのは、問いを重ねること、そして読みやすさのための改行や順番の入れ替え、軽微な日本語の調整のみです。
AIの力を借りれば、専門知識がなく本も読んでない素人が、どこまでそれっぽく（あるいは本質的に）語ることができるのか（ちなみに、私にはこの内容と結論が合っているか全くわかりません）。
AIと素人の協働から生まれた「考古学」、ヘンテコであればそれも含めて楽しんでいただけたら幸いです。
情報の非対称性モデルを統合した「階層ベイズ考古学」の提案：物質と文脈の非対称性を超えて
本稿は、考古学が構造的に抱える「確定的な物質データ」と「不確実な文献記述」の非対称性を解消するため、新たな歴史解釈のフレームワークを提案します。その手段は、情報の経済学が扱う「情報の非対称性」を、階層ベイズモデルに組み込むことです。階層ベイズモデルとは、データを層ごとに束ね、新たな証拠が出るたびに確率を更新していく統計モデルです。従来の計算考古学は、物理データのノイズ処理（時間・空間分析）に終始していました。これに対して本モデルは、周辺首長の政治的インセンティブ（情報の独占・隠蔽確率）を確率変数としてシステムに統合します。目指すのは、たとえ金印が出なくても、歴史の確率が確かに動く考古学です。
考古学における「物質と文脈の非対称性」とその構造的課題
考古学という学問は、出土した遺物や遺構という、動かしようのない客観的な「物質（モノ）」を基盤としています。現代の考古学には、高度な自然科学のテクノロジーが導入されています。放射性炭素年代測定、年輪年代学、DNA分析、地理情報システム（GIS）などです。物証そのものを検知し測定する精度は、極限まで高められています。
しかし、ここに考古学固有の構造的な課題が存在します。物質がどれほど精密に測定されても、その物質が「文脈（コトバ）」を自動的に出力することはありません。ここで言う文脈とは、固有の名前や政治的な意図のことです。
例えば、ある遺跡から3世紀半ばの巨大な前方後円墳が検出されたという事実は、極めて高い客観性を持っています。しかし、その墓に眠る人物の「名前」や、その組織が中国の王朝から「何と呼ばれていたか」という記号は、土の中からは現れてきません。この「物質と文脈の非対称性」を埋めるため、初期国家形成期の研究は、文献史料の限られた記述に頼らざるを得なくなります。日本の邪馬台国論争はその代表例であり、頼る文献は、伝聞や政治的バイアスを含み得る『魏志倭人伝』などです。
たとえば『魏志倭人伝』は、邪馬台国への道のりを、南へ水行十日、陸行一月と記しています。畿内説はこの「南」を「東」の誤りと読み替えてきました。九州説は、日程を一本の道筋として連続して読むのではなく、伊都国を起点に放射状に読むことで、距離を縮めてきました。
どちらの読みにも共通するのは、ある局面では文献の方位記述を度外視し、別の局面では遺跡の規模を過小評価するという、主観的な解釈の選択的採用（チェリーピッキング）です。この学問は、そうしたことが起きやすい環境を形作ってきました。物証を検知し測定する手段は、どれほど高度化しました。それでも、得られたデータから不確実性を取り除いて歴史へ翻訳する「解釈のロジック」は、抽象化も体系化もされないまま推移してきました。これこそが、この学問の本質的な課題です。
「実物発見型」の成功体験がもたらした理論的発展の遅滞
では、なぜ解釈ロジックの体系化はこれほど遅れたのでしょうか。その背景には、19世紀の学問誕生期の、特殊な歴史的経緯が関わっています。
デンマークのクリスチャン・トムセンは、王立古物保存委員会に集まった膨大なコレクションを整理する実務上の必要に迫られていました。そこで遺物の材質に着目し、歴史を「石器時代・青銅器時代・鉄器時代」に区分する展示を、1819年ごろから始めます。そして1836年、これを「三時期法」として体系化した手引書を刊行しました。
さらに、地質学から「地層累重の法則」が導入されます。下の地層ほど古いという原則です。1870年代には、ハインリヒ・シュリーマンがホメロスの叙事詩の記述を追ってトロイア遺跡を発掘するという、劇的な業績を上げました。
これらの出来事は、考古学に「地面を掘り下げれば、100%の答えが実物として湧き出てくる」という強烈な成功体験を植え付けました。
この「実物発見型」の発展パターンは、他の近代科学とは対照的です。例えば経済学が扱うのは、人間の行動や市場という不確実な現実（カオス）です。そこでは、100%の再現性も確定的な物証も得られません。だからこそ経済学は、逆説的に、高度に抽象化された論理の体系を自前で構築せざるを得ませんでした。「ゲーム理論」や「行動経済学」、「数理モデル」です。現実が曖昧だからこそ、ロジックを極限まで洗練させるしかなかったのです。
一方で考古学は、掘り出された「実物」そのものが圧倒的な証拠能力を持っていました。そのため、解釈を制御する厳密な論理モデルを構築するという苦肉のプロセスを、事実上スキップできたのです。
1960年代以降、「プロセス考古学（ニュー・アーケオロジー）」が台頭し、統計学や計算機科学といった理系的アプローチが導入されました。しかしこれらは多くの場合、「測定や分類の高度化」という手段の洗練にとどまりました。
もっとも、この潮流のなかで、ルイス・ビンフォードは1970年代後半に「中範囲理論」を唱えています。遺物の残り方という静的な記録から、それを生んだ人間の動的な行動を読み解くための、橋渡しの理論です。翻訳ルールへの挑戦が、まったくなかったわけではありません。
しかし、その射程は「モノから行動へ」の翻訳にとどまっていました。モノとコトバ、すなわち遺物と、政治的な意図を帯びた文献記述とを、どのように矛盾なく突き合わせて歴史へ翻訳するのか。この根本的な翻訳ルールの構築は、長らく未着手のまま放置される結果となりました。
先行研究の限界と「情報の非対称性」の導入
もちろん、現代の計算考古学や統計考古学が無策であったわけではありません。
- J.A.バルセロらの先駆的な研究に代表される、空間分析や人口動態のシミュレーション
- C.E.バックらが確立した、ベイズ統計学による年代測定（Chronology）の較正手法
これらは、物質の「時間軸の不確実性」を解消することに大きく貢献してきました。
しかし、従来の計算考古学のアプローチは、主に物理的データのノイズ処理に特化しています。文献史料が内包する政治的意図や伝聞エラー、つまり記号的な文脈の歪みを、確率変数としてシステムに統合する試みには踏み込んでいません。
そこで本稿が提案するのは、文献記述の不確実性を「情報の非対称性」と「政治的インセンティブ」という、ミクロ経済学的・ゲーム理論的なパラメーターに置き換える手法です。そのパラメーターを、階層ベイズモデル（Hierarchical Bayesian Model）に組み込みます。
ここで、本稿に登場する二つの非対称性の関係を整理しておきます。両者は、層の異なる問題です。
- 「物質と文脈の非対称性」は、モノがコトバを語らないという、認識の問題です。
- 「情報の非対称性」は、語る者と記す者のあいだで情報が偏るという、戦略の問題です。
本稿は、前者の溝を埋めるために、後者の力学を橋桁として架けようとしています。
本アプローチの適用範囲（スコープ）は、「初期国家形成期（Proto-historic period）」に限定されます。独自の文字記録を持たない地域（周辺社会）が、高度な文字記録を持つ帝国（中心世界）と、非対称な外交を行った時期のことです。
自己の歴史を語る文字を持たない周辺社会にとって、帝国側の文献は唯一の鏡です。しかしそこには、周辺社会の首長による「情報の独占・遮断」という外交フィルター（インセンティブ）が、必然的に介在します。
しかも、このフィルターは周辺の側にだけ掛かっているわけではありません。記録する帝国の側にも、記述を曲げる動機がありえます。『魏志倭人伝』については、倭を実際より遠く大きく描いたとする説があります。そうすることで、呉に対抗する同盟相手としての倭の価値を高め、倭との通交を開いた司馬懿の功績を誇ろうとした、というものです。
発信する首長と、記録する史官が、それぞれの思惑で情報を歪める。この二重のフィルターを想定すれば、文献は一種のシグナリング・ゲームの産物として読み直せます。シグナリング・ゲームとは、情報を持つ側と受け取る側が、互いの思惑を読み合いながら信号をやり取りするゲームです。本稿は周辺側のインセンティブから着手しますが、その先には、記録側の動機を同じ枠組みで変数化する道が開けています。
この文字記録の極端な非対称性こそが、情報の非対称性モデルを適用すべき理論的根拠です。そしてそれが、本アプローチが初期国家形成期の謎を解く鍵となる理由でもあります。
まとめ：アプローチの実現がもたらす歴史解釈の変革
この数理・論理モデルによるアプローチが実現した場合、発掘という作業の位置付けは根本から覆ります。発掘は「卑弥呼の金印」という100点か、それ以外かを決める「0か100かのギャンブル」ではなくなります。「事前に組み立てた論理モデルの確率を、片側に大幅に近づけるためのファクトの一つ」へと洗練されるのです。
例えば、ある地域を大規模に発掘したにもかかわらず、「大陸系の遺物が一切出土しなかった」という負のデータ（ゼロデータ）が得られたとします。従来の宝探しの思想では、これは「ハズレ」として無視されていました。
しかしベイズ的アプローチにおいては、このゼロデータが強力な「事後確率更新のレバー」として機能します。事後確率とは、証拠を得たあとに更新された確率のことです。この場合、その地域が外交窓口（フロントオフィス）であった確率を、大幅に引き下げることになります。
さらにベイズの枠組みでは、まだ掘っていない場所についても、「そこを掘れば確率がどれだけ動くか」を事前に見積もることができます。統計学でいう「情報の価値」、あるいはベイズ的実験計画の考え方です。
こうなると発掘は、掘ってから解釈する作業から、最も確率を動かす場所を選んで掘る探索戦略へと反転します。かつて宝探しと呼ばれた営みは、ロジックによって設計し直された知の探索として、もう一度この学問の中心に帰ってくるのです。
結果として、邪馬台国論争に代表される初期国家形成期の研究は、「特定の遺跡へのラベル貼り（同一性の証明）」という硬直化した泥仕合から脱却します。そして、不確実性を内包したままコントロールする「オープンな検証システム」へと進化します。
科学哲学者カール・ポパーは、「反証可能性」の原則を提示しました。これに基づけば、学問における誠実な姿勢とは、次のプロセスそのものにあります。
- 現時点で最もエラーの少ない暫定的なモデルを明示する。
- 新事実の登場とともに、それを修正していく。
すべての仮定とソースコードが白日の下に晒された数理モデルであれば、将来新たな遺跡が発見されても、そのデータをモデルに投入するだけで済みます。歴史の解釈は、シームレスかつ客観的に自動でアップデートされることになります。
考古学が「実物発見」の絶対性と、それへの過剰な依存から脱却すること。そして、不確実なコトバとモノを結ぶ「解釈のロジック」そのものを科学の対象とすること。それこそが、過去の真実を誠実かつ客観的に記述するための、本来あるべき進化の方向性ではないでしょうか。
補足：確率的プログラミングによる実装プロトコル
ここまでの構想は、「主観的解釈を数式に置き換えただけである」という批判を受けうるものです。本論の独自性を担保し、その批判を回避するため、具体的な実装プロトコルを以下に示します。使うのは、統計言語Rと、確率的プログラミング言語「Stan」です。
ケーススタディとして取り上げるのは、3世紀の日本列島における「纒向遺跡（畿内）」と「吉野ヶ里遺跡（九州）」などです。各遺跡の大陸系遺物（鏡・鉄器等）の流通分布をもとに、モデルを構築します。
変数の設定とモデルの記述
まず、モデルに投入するデータと変数を定義します。
- 目的変数 Y_n：遺構 n における大陸系遺物の出土個数です。
- オフセット項 area_n：各遺構 n の発掘調査面積です。調査規模の偏り（サンプリングバイアス）を数理的に補正するため、この対数を線形予測子に投入し、単位面積あたりの期待出土密度として標準化します。
- 説明変数（物理的コスト） physical_cost_s：各遺跡 s にとっての「対馬海峡の渡海リスク・地理的コスト」です。朝鮮半島西北部の帯方郡から各遺跡 s までの推定航路距離と、当時の準構造船の平均速度から算出します。
- 説明変数（政治的コスト） political_incentive_s：中継地（対馬・壱岐・北部九州など）の勢力が持つ「外交独占欲」、つまり情報の非対称性を生み出すインセンティブです。周辺の出土品から推定される軍事境界線の強度から指数化します。
- データソースの選定：
- 目的変数と発掘面積は、奈良文化財研究所の「全国遺跡報告総覧」や、桜井市・佐賀県などの自治体が刊行する発掘調査報告書から抽出します。
- 政治的インセンティブの指数化には、国立歴史民俗博物館の公開データベースなど広域的な考古学データを用います。各地域における「墳丘墓・城柵などの防御的遺構の密度」を代理変数（Proxy）として算定します。
これらの変数を、階層ベイズモデルとしてStanで記述します。以下は、発掘面積の補正（オフセット項）と、遺跡ごとの固有効果（階層性）を組み込んだモデル構造です。
計算にはMCMCサンプリングを用います。乱数を使って事後分布を探索する計算手法です。ただしこの手法では、パラメーター空間が漏斗（funnel）状に狭まる領域で探索が滞り、発散（divergent transitions）が生じることがあります。これを回避するため、上級者向けの実装として、非中心化（Non-centered Parameterization）を適用したコードを採用します。
// 階層ベイズ考古学モデルのStanコード（非中心化バージョン）
data {
int<lower=0> N; // 遺構の総数
int<lower=0> S; // 遺跡の総数（纒向、吉野ヶ里など）
array[N] int<lower=1, upper=S> site_id; // 各遺構が属する遺跡のID
array[N] int<lower=0> Y; // 目的変数：大陸系遺物の出土個数
vector[N] area; // 各遺構の発掘面積（サンプリングバイアス補正用）
vector[S] physical_cost; // 遺跡ごとの地理的渡海コスト
vector[S] political_incentive; // 遺跡ごとの政治的隠蔽・独占インセンティブ
}
parameters {
vector[S] alpha_raw; // 非中心化のための標準正規分布パラメーター
real beta1; // 地理的コストの係数
real beta2; // 政治的インセンティブの係数
real mu_alpha; // 遺跡間効果の全体平均
real<lower=0> sigma_alpha; // 遺跡間分散
}
transformed parameters {
vector[S] alpha;
// 非中心化による再パラメータ化（サンプリング効率の向上）
alpha = mu_alpha + sigma_alpha * alpha_raw;
}
model {
// 事前分布（Prior）の設定：文献の曖昧さを弱情報事前分布で表現
mu_alpha ~ normal(0, 10);
beta1 ~ normal(0, 10);
beta2 ~ normal(0, 10);
alpha_raw ~ normal(0, 1); // alphaのための標準正規分布
sigma_alpha ~ cauchy(0, 5);
// 尤度関数：発掘面積をオフセット項（log(area)）として組み込んだポアソン回帰 [1]
for (n in 1:N) {
real log_lambda = log(area[n]) + alpha[site_id[n]] + beta1 * physical_cost[site_id[n]] + beta2 * political_incentive[site_id[n]];
Y[n] ~ poisson_log(log_lambda);
}
}
generated quantities {
vector[N] log_lik;
for (n in 1:N) {
real log_lambda = log(area[n]) + alpha[site_id[n]] + beta1 * physical_cost[site_id[n]] + beta2 * political_incentive[site_id[n]];
log_lik[n] = poisson_log_lpmf(Y[n] | log_lambda);
}
}
脚注[1]：過分散およびゼロ過剰（Zero-Inflation）への拡張可能性について
実際の考古学データでは、二つの現象が起きる可能性が高くなります。
- ゼロ過剰：遺物がまったく出土しない遺構が、理論値以上に多く存在する。
- 過分散：平均と分散が著しく乖離する。
その場合は、尤度関数を通常のポアソン分布から、負の二項分布（neg_binomial_2_log）やゼロ過剰ポアソン分布（ZIPモデル）へと置き換えます。こうして拡張することで、実データへの適合度（Goodness of fit）をさらに高められます。
感度分析とモデル比較
モデルを書き上げたら、次はその客観性を担保する手続きです。MCMCによるサンプリングの実行時には、「感度分析」と、情報量基準を用いた「モデル比較」を、必須のプロトコルとして導入します。
- 感度分析の実行：文献の方位や距離記述の信頼度を、事前分布の広がり（σ = 1, 5, 10）のグラデーションとして切り替えます。強・中・弱の多層的な設定です。各設定でMCMCの収束（R̂ < 1.01）を確認したうえで、事後分布がどれほど動くかをトレースします。事前分布を大きく変動させても事後分布の集積確率が変わらない場合、その結論は文献の恣意的な解釈に依存していません。それは「物証の配置構造によって論理的に強制されたファクト」であると、客観的に証明されます。
- LOO-CV（一箇所抜き交差検証）によるモデル比較：次の2つのモデルを構築し、Rの loo パッケージを用いて予測性能を比較します。
- 政治的インセンティブ（情報の非対称性）を含めた本モデル物理的コスト（地理的距離）のみのモデル
