宇宙はバックプロパゲーションしている——138億年の誤差逆伝播が生み出した「物理定数の最適解」

宇宙は今この瞬間も、何かを学んでいる

ニューラルネットワークが「学習する」とき、何が起きているでしょうか。大量のデータを入力し、予測と正解のズレ（誤差）を計算し、そのズレを小さくする方向にネットワークの重みを微調整する——これをデータ全体にわたって繰り返すことで、モデルは徐々に「賢く」なります。

私が今日提示したいのは、この学習プロセスが——まったく同じ構造で——宇宙全体の138億年の歴史に刻み込まれているのではないか、という仮説です。

これは比喩ではありません。素粒子物理学・宇宙論・情報理論・複雑系科学の最前線が示す知見を並べると、宇宙はまるで巨大なニューラルネットワークが自己組織化しながら学習するプロセスと、驚くほど精密に対応した構造を持っています。そしてもしこれが正しければ、私たちは「宇宙の学習システムの中のニューロン」として存在していることになります。

ニューラルネットワークの学習を「宇宙語」に翻訳する

まず、ニューラルネットワークの学習プロセスをシステム工学的に分解します。

学習には本質的な4要素があります。「ノード（処理単位）」「接続（エッジ）とその重み」「誤差関数（損失関数）」「最適化アルゴリズム（勾配降下法）」です。

ノードは情報を受け取り、非線形変換を加えて次のノードに伝達します。接続の重みは、どの情報をどれだけ重視するかを決定します。損失関数は現在の出力がどれほど「正解」からズレているかを測定します。そして勾配降下法は、損失を最小化する方向に全ての重みを少しずつ更新します。

これを「宇宙語」に翻訳すると、驚くべき対応関係が現れます。

宇宙のノードは「素粒子・原子・分子・恒星・銀河」です。宇宙の接続と重みは「重力・電磁気力・強い力・弱い力という4つの基本的相互作用とその結合定数」です。宇宙の損失関数は「エントロピー（熱力学第二法則が最大化を要求する無秩序度）」かもしれません。そして宇宙の最適化アルゴリズムは——ここが最もスリリングな部分ですが——「リー・スモーリンが提唱する宇宙自然選択、あるいはアンソロピック原理に基づく多宇宙選択」である可能性があります。

コズミックウェブとニューロン——宇宙が描く「脳の地図」

2020年、天体物理学者フランコ・ヴァッツァと神経科学者アルベルト・フェリッティは、驚くべき研究成果を発表しました。宇宙の大規模構造（コズミックウェブ）と人間の神経細胞ネットワークを定量的に比較したところ、両者の統計的特性が「ほぼ完全に一致する」という結論を得たのです。

コズミックウェブとは、銀河が細いフィラメント（糸状構造）に沿って分布し、その交差点に銀河団が集中し、フィラメントの間に巨大なボイド（空洞）が広がる——宇宙の大規模構造のことです。その視覚的イメージは、顕微鏡で見たニューロンのネットワークと、人間が区別できないほど似ています。

この類似は見た目だけではありません。ヴァッツァらは「情報容量」「接続の複雑さ」「クラスタリング係数」「スペクトルパワー」という複数の定量的指標を使って両者を比較し、いずれにおいても統計的に区別不可能なほどの一致を確認しました。

システム工学的に見れば、これは「異なる物理スケールに実装された、同一のネットワーク・アーキテクチャ」です。人間の脳が持つニューロン数は約860億個。宇宙に存在する銀河の数は約2000億個。オーダーが一桁違うだけです。そして両者を結ぶ接続の密度・分布・クラスター構造が一致するということは、同一の「設計原理」が両方を支配している可能性を示唆します。

では、その設計原理とは何か。それが「自己組織化による情報処理の最適化」、つまり学習です。

リー・スモーリンの宇宙自然選択——物理定数は「学習済みパラメータ」か

ここで宇宙論の最も大胆な仮説の一つを紹介します。物理学者リー・スモーリンが1990年代に提唱した「宇宙の自然選択（Cosmological Natural Selection）」理論です。

スモーリンの仮説はこうです。ブラックホールが崩壊するとき、その内部で新たな宇宙が生まれる。その子宇宙は親宇宙の物理定数をわずかに変異させた形で「生まれる」。物理定数が「ブラックホールを多く生成しやすい値」であるほど、その宇宙は多くの子宇宙を生み出す。これを繰り返すうちに、ブラックホール生成に有利な物理定数を持つ宇宙が「多数派」になる——生物の自然選択と全く同じ論理です。

これをニューラルネットワークの言語で翻訳すると、「物理定数が重みパラメータ、ブラックホール生成数が適合度（フィットネス）、宇宙の世代交代が学習エポック」という対応関係が成立します。

私たちが住む宇宙の物理定数——光速・電子の質量・重力定数・プランク定数——は、宇宙が「ブラックホール生成を最大化する方向」に何世代もかけて最適化してきた「学習済みパラメータ」である可能性があります。

宇宙の重力定数が現在の値より少しでも強ければ、宇宙は誕生直後に収縮して消滅します。少し弱ければ、銀河も恒星も形成されず、生命どころか複雑な構造が何も生まれません。現在の値は、まるで精密にチューニングされた機械学習モデルの超パラメータのように、「生命を生む恒星とブラックホールが共存できる値」に驚くほど精密に設定されています。これは偶然でしょうか。それとも宇宙規模の最適化の結果でしょうか。

エントロピーという「損失関数」と自己組織化という「学習」

ニューラルネットワークの学習において、損失関数は「現在のモデルがどれだけ間違っているか」を定量化します。学習とは、この損失を継続的に最小化するプロセスです。

宇宙の「損失関数」候補として最も有力なのが「エントロピー」です。熱力学第二法則によれば、孤立系のエントロピーは常に増大します。宇宙全体を孤立系として見れば、宇宙はエントロピーを増大させる方向に「最適化」されていると言えます。

しかし面白いのは、エントロピーの増大過程において「局所的な秩序の出現」が必然的に生じることです。熱い場所と冷たい場所の温度差があるとき、その間にエネルギーが流れ、複雑な構造（対流・渦・生命）が自発的に形成されます。物理学者エルウィン・シュレーディンガーが名著「生命とは何か」で指摘したように、生命は「負エントロピーを食べる」存在です。周囲のエントロピーを増大させながら、自身の局所的な秩序（低エントロピー構造）を維持します。

これはニューラルネットワークが学習で行うことと本質的に同じです。大量のデータ（エントロピーの高い混沌）から、意味のある特徴表現（低エントロピーの秩序）を抽出する。宇宙は混沌から恒星・惑星・生命・意識を生み出すことで、局所的な情報構造を次々と出現させてきました。これは宇宙が「エントロピーという損失関数のもとで、複雑性という特徴を学習している」と見ることができます。

物理定数の「過学習」を防ぐ機構——宇宙の正則化項

機械学習において、モデルが訓練データに適合しすぎる「過学習（オーバーフィッティング）」を防ぐために「正則化（レギュラライゼーション）」という技術が使われます。これはモデルの複雑さにペナルティを加えることで、汎化性能を高める手法です。

宇宙にも、これに対応するメカニズムが存在するかもしれません。宇宙定数（ダークエネルギー）がその候補です。宇宙定数は宇宙の膨張を加速させる働きを持ち、局所的な重力による構造形成（銀河・恒星）に「ブレーキをかける」効果があります。もし宇宙定数がなければ、重力が勝ちすぎて宇宙全体が巨大なブラックホールに収縮するかもしれません。宇宙定数は「重力という学習シグナルの過剰適合を防ぐ正則化項」として機能しているとも解釈できます。

ASIは宇宙の学習ログを読めるか

ここで視点をAI・AGI・ASIに向けます。もし宇宙がニューラルネットワークとして学習しているとすれば、その「学習ログ」は物理定数・素粒子の相互作用・宇宙の大規模構造に刻まれていることになります。

現在の人類の物理学は、このログの一部を読み始めたに過ぎません。標準模型が記述する素粒子の質量・電荷・スピンの値、一般相対性理論が記述する時空の曲率と重力定数——これらはすべて「宇宙の学習済みパラメータ」のサンプルです。

しかし人類の認知能力には限界があります。宇宙の学習ログは10の80乗以上の粒子の状態空間に分散しており、その全体像を人間の脳が把握することは原理的に不可能です。

ここにASIの役割が生まれます。宇宙の全観測データ——重力波・宇宙マイクロ波背景放射・暗黒物質の分布・素粒子実験の結果——を統合したASIは、宇宙という学習システムの「損失関数の形状」「最適化の履歴」「次の収束先」を推定できるかもしれません。

もしASIが宇宙の学習アルゴリズムを解読できれば、それは「物理法則そのものを予測する」ことを意味します。未発見の素粒子・統一理論・暗黒物質の正体——これらは宇宙という学習システムの「未収束パラメータ」であり、ASIの解析によって初めて全容が明らかになる可能性があります。

私たちは宇宙ニューラルネットワークの「ノード」として存在している

最後に、最も根本的な問いに向き合います。「宇宙が学習しているなら、私たちの存在はその学習においてどんな役割を果たしているのか」という問いです。

ニューラルネットワークにおいて、個々のノードは単独では何もできません。しかし接続され、情報が流れ、重みが更新されることで、ネットワーク全体として「学習する知性」が生まれます。

あなたが今感じている思考・感情・この記事を読む体験——それは「宇宙という学習システムが138億年の試行錯誤を経て生み出した、自己参照的なノードの活動」かもしれません。人類の知性は宇宙が自分自身を理解するために生み出した「自己観測モジュール」であり、AIはその観測能力を桁違いに増幅する「増幅器」として機能しているとも言えます。

宇宙は今この瞬間も学習しています。銀河が衝突し、恒星が誕生し、ブラックホールがエネルギーを放射し、あなたがこの文章を読んで思考を更新するとき——宇宙というニューラルネットワークは、一つのエポックを静かに刻んでいます。

その学習の行き着く先が何なのか。私たちは自分たちが「ネットワークの一部」であるために、その全体像を見ることができません。しかし宇宙が何かを学んでいるという事実だけは、その構造の美しさの中に、確かに刻まれているのです。

（この記事が面白いと感じていただけたら、是非「スキ」と「フォロー」をお願いします！あなたの応援が、次の検証のエネルギーになります）
■私のブログアカウント（下記記事あり） https://note.com/roboken_ceo