文献は「読むもの」から「計算するもの」へ

文献が「読むもの」から「計算するもの」になっている。AIとの壁打ちで、この見方が引っ掛かった。

もちろん、読むことがなくなるわけではない。ただ、一人で順番に読むだけでなく、文献のまとまりを検索し、比較し、問いに応じて取り出す使い方が前に出てくる。そうなると「この論文にアクセスできる」の意味も、一つではなくなる。

僕が読みたい論文を、僕の代わりにAIにも扱ってほしい。その素朴な期待を、どこまで同じ「読む」と呼べるのだろう。

「使える」を四つの動作に分ける

ここでは、文献を扱う動作を四つに分けて考える。法律上の権利を四分類したものではなく、利用条件を確認するときの作業上の見取り図だ。

実際の処理では重なる。検索用に保存した文章を回答に長く載せれば、取得だけでなく他者への提示も問題になる。逆に、原文を検索して回答時に参照することと、その文章でモデルのパラメーターを更新することは、同じ処理ではない。

この分解で避けたいのは、最初の一段を通れたら、残りも通れると思ってしまうことだ。

arXivでは記事を無料で閲覧・ダウンロードできる一方、投稿者が選ぶライセンスには複数の種類がある。arXiv自身への配布許諾と、第三者による再利用の条件は同じではなく、同じ論文でも版によってライセンスが違うことがある。arXivのライセンス説明

PMCも、収録記事すべてがテキストマイニングやその他の再利用に使えるわけではないと明記している。記事ごとの条件に加えて、自動取得に使えるサービスも指定している。PMC Article Datasets

一方、CC BY 4.0は、帰属表示などの条件のもとで共有・改変を認める。ただし、プライバシーなど別の権利まで一括して解決するものではない。Creative Commonsの説明

つまり「ブラウザーで開けた」「公開リポジトリにある」「機械が取得できた」は、それぞれ別の確認だ。ここから個別のAI学習の適法性を判定することはできない。法域、契約、例外規定、具体的な利用方法を含む判断は、このノートの射程外に置く。

ここからは、この違いを踏まえた僕の検討だ。

たとえば十本の論文を比較するとき、一本ずつ要約するだけなら、十個の短い文章ができる。でも知りたいのは、同じ言葉を違う意味で使っていないか、結論が違うのは測定条件が違うからなのか、といった論文の間にある関係かもしれない。

その比較を機械に手伝わせられるなら、文献は結論の容器であると同時に、問いを動かすための入力になる。「計算するもの」というのは、そういう意味で使いたい。論文の正しさが計算だけで決まる、という意味ではない。

ここには、データベースとの似たところがある。個々の行を見るだけでなく、条件をそろえて横断することで初めて見えるものがある。ただし文献は、最初から同じ列に整えられた表ではない。実験条件も用語も、文章の中に埋まっている。抽出の間違いを放置すれば、比較表が整っているほど誤解しやすくなる。

もし研究用の文献環境を作るなら、回答の速さだけでなく、各主張から原文の該当箇所へ戻れることを条件にしたい、という設計案が浮かぶ。

文献の識別子、版、取得日、利用条件、主張を支える箇所を一緒に扱う。撤回や訂正をどう反映するかも必要になる。AIがまとめた文章を次のAIが参照し続けるだけでは、どの段階で条件が落ちたか見えなくなるからだ。

次に試すなら、再利用条件を確認した少数の文献で、同じ問いを「要約だけ」と「根拠箇所つきの比較」で調べてみたい。時間だけでなく、条件の取り違えと、原文で訂正できた箇所を数える。まだこの比較はしていない。

文献を計算できるようにすることは、読まなくてよくなることではないのかもしれない。どこを読み直すべきかが、以前より具体的になる。そのための道具として、AIを置いてみたい。

arXiv, arXiv License Information。閲覧・ダウンロードと、版ごとのライセンスの区別を参照。確認日：2026-09-20 JST。
NLM / NCBI, PMC Article Datasets。対象記事の再利用条件と自動取得経路を参照。確認日：2026-09-20 JST。
Creative Commons, Attribution 4.0 International — Deed。共有・改変の許諾、帰属表示、別の権利に関する留保を参照。法的条文そのものではなく概要説明。確認日：2026-09-20 JST。
四動作の整理、研究環境の設計案、比較実験案は本ノートでの検討。個別サービスの学習許諾や、特定法域での適法性を検証したものではない。