0. 5秒で結論
PMCの本文で [37] を押したら論文が開くと思ったのに、参考文献カードだけ出てくる。ここからすでに文明の仕様である。
人間なら、参考文献を見る → タイトルをコピー → PMID/DOIを探す → PubMedへ行く → Full text linksを見る → 出版社かPMCへ行く → Methods/Resultsを読む → さらに引用元を追う。数本ならいい。30本になると、研究を読む前にブラウザのタブ管理が研究テーマになる。
AIが強いのは、この下ごしらえを圧縮できることだ。
疑問 → 検索 → レビュー/メタ分析 → 原著 → Methods/Results → 反対研究 → 条件差 → 日本語説明 → 自分のケースへ仮適用
月数千円級のAIで価値が出るのは、「英語を翻訳してくれる」だけではない。人類の研究成果へ常設APIを生やせることである。
1. PMCの引用番号は「ドア」ではなく「住所」である
PMC（PubMed Central）は無料で全文を読める生命科学・医学系アーカイブだ。 ただし、あるPMC論文の参考文献に載っている論文まで、全部PMCにあるわけではない。
本文の引用番号を押すと、まず完全な参考文献情報が表示される。そこにPMIDがあればPubMedレコードへ、PMCIDがあればPMC全文へ、DOIがあれば出版社側へ進めることが多い。
つまり [37] は「37番の部屋にワープ」ではない。
「37番の論文の住所はこちらです。あとは交通機関を乗り継いでください」である。
PMCIDがある：無料全文ルートの可能性が高い。 PMIDだけある：PubMedでFull text linksを確認。 DOIだけある：出版社へ。 ペイウォール：文明の仕様。AIも壁抜けはしない。
ここを区別しないと、「AIが原著を確認した」と「Abstractだけ見た」が同じ顔をして座り始める。研究ではこの2人、席を分けた方がいい。
2. AIは引用の地下通路を高速で乗り換える
AIが研究を持ってくるとき、人間のように必ず画面上の引用番号を順番にクリックしているわけではない。引用情報から、タイトル・著者・年・PMID・PMCID・DOIを拾い、それをキーに別ルートで原著を探せる。
たとえば、レビューに「睡眠不足は認知機能を低下させる[37]」とあるなら、強い依頼はこうなる。
「37番の原著まで戻って、研究対象・サンプル・比較条件・主要アウトカム・Resultsを確認。レビューの言い換えが強すぎないかも見て。反対結果があれば出して。全文未確認なら明記」
するとAIは、検索係＋図書館司書＋引用追跡係＋要約係＋反証係になる。
これは魔法ではない。むしろ乗換案内が異常に速い駅員に近い。線路がなければ行けないし、有料ゲートは勝手に飛び越えない。
3. 「人間いらんやん」は半分正しい。コピー係はかなり減る
昔の文献調査には、人間がやらなくても本質が変わらない作業が大量にあった。
- 検索語を変えて何度も探す
- タイトルを100本眺める
- Abstractをふるいにかける
- DOIを探す
- 引用元・被引用を往復する
- 表へ研究デザインと結果を転記する
- 同じ概念の用語違いを揃える
ここはAIがかなり削れる。
でも残る人間の仕事はむしろ濃い。
何を疑うか。何を比較するか。因果と言えるか。対象集団は自分と似ているか。効果量は実生活で意味があるか。リスクを取って試してよいか。
だから「人間が不要」というより、人間がコピー係から編集長へ強制昇格したと考える方が近い。
編集長なのに出典を見ないと普通に炎上する。肩書だけ上がって責任も上がる。社会。
4. なぜ世界中の研究者が英語で書くのか：科学に巨大な英語ハブができた
科学では英語が事実上の共通語になっている。自然科学の国際索引では英語論文が圧倒的多数を占めるという分析があり、コロンビアの生物科学研究者でも90%以上の論文が英語だったと報告されている。
つまり、
日本人研究者 → 英語 中国人研究者 → 英語 ブラジル人研究者 → 英語 ドイツ人研究者 → 英語
となる。
そして日本人の読者がAIに聞くと、
中国人が中国で研究 → 英語論文にする → AIが読む → 日本語で説明 → 日本人が理解
になる。
文明、いったん英語まで世界一周して帰宅。
これは非効率にも見えるが、同じ言語で世界中の研究を検索できる巨大ハブを作ったという意味では非常に強い。
5. ただし非英語母語研究者は「言語税」を払っている
英語ハブには料金所がある。現金ではなく時間と認知負荷で払う。
Amanoらが8か国908人の環境科学研究者を調べた研究では、非英語母語話者は英語論文を読む・書く・発表する各段階で追加コストを負っていた。 条件によっては英語論文の初稿作成に、英語母語話者より約30〜51%長い時間が推定されている。
コロンビアの生物系研究者を対象にした研究でも、英語による執筆・読解の負担、校正費、英語を理由とする修正・拒否などが報告された。
だから「外国人研究者も英語で書いてるの？」への答えは、はい。しかもかなりの人が母語ではない英語で書いている。
読む側が「英語むずい」と思っている裏で、書く側も「英語むずい」をやっている。論文の両岸で全員が英語に殴られている。
AI翻訳・英文校正は、この税の一部を削る可能性がある。
6. 水族館の人も研究する。そして英語で出す
水族館職員は「魚にごはんをあげる人」だけではない。長期飼育個体の行動、繁殖、栄養、疾病、解剖、野生個体、生態、飼育技術など、水族館だから取れるデータがある。
日本の動物園・水族館の62年間の査読論文を集計した研究では、研究論文数は1990年代以降大きく増え、近年の水族館では英語論文が日本語論文のほぼ2倍だった。
また、日本の大規模水族館でも研究機関との共同研究や職員が著者となる学術論文を公式に公開している。
つまり展示水槽の裏側では、
「今日もイルカかわいい」 と 「このデータ、英語で査読通すぞ」
が同じ施設で稼働している。
観客がソフトクリームを食べている間、裏でMethodsが生成されている可能性がある。
7. 本屋で「これチャッピーで見たやつ」が発生する理由
一般向けの健康本、心理本、ビジネス書をめくっていて、「あれ、この実験見た」「このメタ分析知ってる」「たぶん引用元あれだ」となることがある。
これは著者がAIを使っている証拠ではない。
同じテーマをちゃんと調べれば、重要なレビュー、メタ分析、ランドマーク研究、代表的理論へ検索経路が収束するからだ。
昔は専門家の本を読んで初めて「研究の原材料」が見えた。今は先にAIへ原著を掘らせると、完成品の本より先に食材倉庫へ入ってしまう。
そのあと本屋へ行くと、
「この料理、材料知ってる」
となる。
本の価値がゼロになるわけではない。著者の選別、構成、現場経験、解釈、文章、ケース、思想には価値が残る。ただし、「英語論文を知っていること自体」の希少性は下がる。
8. 「英語ができる→海外情報を日本語化」のエッジは薄くなる
以前はかなり強い情報アービトラージがあった。
英語が読める → 海外一次情報へ早く届く → 日本語圏ではまだ知られていない → 日本語で説明する → 価値になる。
これは今でも残る。しかしAIが、検索・翻訳・要約・比較を同時にできるようになると、翻訳だけを堀にするのは難しくなる。
残る差は、
- 何を探すか
- どの研究を信用しないか
- 研究デザインをどう評価するか
- 相反する結果をどう統合するか
- 日本の制度や文化へどう接続するか
- 読者が使える形へどう編集するか
である。
食材の輸入権が民主化されると、最後に料理の腕が見える。
9. 月数千円AIの本当の価値：論文アクセス料ではなく「読む工程の外注」
AIに月数千円払う価値を「何文字生成できるか」で測ると、かなり見誤る。
本当に高いのは時間だ。
人間がやると、検索 → 20本選別 → Abstract → 5本全文 → 引用追跡 → 表に整理 → 比較、で数時間が消える。仕事や生活をしながら毎回そんなことはやっていられない。
AIなら、まず全体を掘らせ、重要な論文だけ残し、怪しい箇所だけ人間が原文を読む運用にできる。
全部読む → 判断 から、 AIに全部漁らせる → 判断が必要な場所だけ読む へ。
これは「論文を読まなくてよくなる」ではない。読むべき箇所を劇的に狭めるという話だ。
月額料金より、回収した自分の時間の方が大きければ成立する。
10. 「ほぼ全分野に研究がある」は気持ちいい。ただし英語だけが世界ではない
心理、教育、運動、睡眠、交渉、消費、組織、栄養、交通、動物、UX……日常の疑問を投げると、驚くほど何かしら研究が出てくる。
ここが最高に面白い。
ただし、研究がある＝答えが確定ではない。
さらに、英語検索だけでは世界を取り切れない。生物多様性保全の文献75,513件を16言語で調べた研究では、35.6%が英語以外だった。
地域固有の制度、文化、教育、保全、医療実務などでは現地語研究が重要になる。
英語は研究の高速道路だが、高速道路だけ走ると村が消える。
だから強い探索は、英語国際文献＋日本語/J-STAGE/公的資料＋必要なら他言語まで見る。
11. 研究を「自分OSのアップデート」にする
一番面白い用途は、研究を雑学として保存することではない。
現実で何か起きる → 疑問が出る → 研究を探す → 既存モデルを修正 → 次の行動を少し変える → また現実からFB
というループにすることだ。
例：
- 「なぜこの方法だと集中しやすい？」
- レビューと原著を探す。
- 効果が平均なのか、特定条件なのかを見る。
- 低リスクなら自分で試す。
- 自分の結果もデータとして保持する。
- 「研究の平均＋自分の実測」で次を決める。
研究は神託ではなく事前分布である。自分の経験は追加データ。
人類が何十年もかけて作ったセーブデータを読んで、自分のニューゲームにパッチを当てる。
12. AIへの依頼は「答えを出して」より「調査手順を指定」が強い
おすすめは短い魔法の呪文ではなく、調査工程を明示すること。
「この疑問について、直近の系統的レビュー・メタ分析を優先。主要な原著まで遡る。研究デザイン、サンプル、効果量、限界、反対研究を比較。全文を確認できない論文はAbstractのみと明記。日本語資料や公的ガイドラインも必要なら併記。最後に私のケースへ適用できる条件／できない条件を分ける」
これだけで、まとめサイト生成器から調査班へかなり近づく。
重要な判断ならさらに、
「各主張の直後に出典」「原著のMethods/Resultsを優先」「二次情報しかない部分を分離」「因果と相関を分離」
を足す。
AIに人格を与えるより、監査票を渡した方が強い。
13. AI研究術にも普通に事故はある
注意点は明確だ。
- 存在しない論文やDOIを生成することがある
- Abstractだけで本文を読んだように語る危険がある
- レビューが古いことがある
- 有意差だけ見て効果量を無視することがある
- 研究対象と自分が違う
- 出版バイアスや選択的報告がある
- 「研究がある」ことを「自分にも効く」に飛躍しやすい
- 英語だけで検索すると非英語知識を落とす
だから最強なのは「AIを信じる」でも「AIを使わない」でもない。
AIに大量探索させ、重要部分だけ証拠へ戻れるようにする。
出典へ戻れない要約は、研究リテラシーというより高性能な伝言ゲームになる。
14. 結論：研究は専門家の本棚から、日常のAPIになった
昔は研究知識へ近づくには、大学、専門誌、英語力、検索技能、時間がかなり必要だった。
今は日常の違和感から直接、世界の研究へ問い合わせられる。
本屋で「これチャッピーで見たやつ」となるのは、本の価値が消えたというより、今まで完成品の裏に隠れていた原材料へ一般人が触れ始めたということだ。
AIが壊しているのは知識そのものではなく、知識へ行く途中に積まれていた摩擦である。
最終形はたぶんこうだ。
人間：問い・違和感・価値判断・現実テスト AI：探索・引用追跡・比較・翻訳・整理・反証探索 研究：人類の過去セーブデータ 生活：アップデート先
月数千円で「研究引っ張ってき放題」の本質は、論文を所有することではない。
人類がすでに試したことを、自分が毎回ゼロから再発明しなくてよくなることである。
文明、やっと説明書を検索可能にした。
