LLMは跳躍の代償を払わない

本論文は、Large Language Models (LLMs) が帰納や演繹は可能でも、Einstein の等価原理を生んだような仮説形成（abductive "Jump"）はできないと主張する。その理由として、従来の embodied simulation の欠如ではなく、epistemic error と physical cost の結合（thermodynamic coupling）の欠如を挙げる。Planck の量子仮説（E = hν）を例に、古典理論の無限大予測という数学的帰結が物理的コストとして認識され、仮説改訂を強制した過程を分析し、固定重みの transformer 推論にはこの結合が欠けていると論じる。

先行研究（Zahavy [2026]）は LLM の仮説形成能力の欠如を embodied simulation の不在に帰したが、本論文は embodiment が必須でないと反論する。Zheng-Xin [2026] や Farmer [2026] が embodiment 不要の別経路を指摘したのを受け、さらに踏み込んで、機械の仮説形成に欠ける本質は embodiment より深い thermodynamic coupling にあると主張する点が新しい。

手法の肝は、epistemic error と physical cost の結合を thermodynamic coupling として形式化し、固定重みの transformer 推論にはこの結合が存在しないことを示す点。Planck の事例では、古典理論の無限大予測が物理的に許容不能なコストとして認識され、仮説改訂を強制したと分析する。induction や deduction ではこの結合が生じず、abduction には必須と論じる。

検証は、固定重みの transformer 推論において、因果難易度が急増するタスクで accuracy が 100% から 17% に低下しても、出力エントロピーがほぼ不変であるという実証結果との整合性を示すことで行う。これは、モデルが誤りを認識し修正するメカニズム（thermodynamic coupling）を持たないことの証拠と解釈される。

議論として、要旨からは不明な点が多いが、embodiment の必要性に関する論争が背景にある。本論文は embodiment より thermodynamic coupling が重要と主張するが、その形式化が具体的にどのような物理機構を指すのか、また LLM にその結合を組み込む可能性については要旨からは不明。また、Planck の事例の解釈が妥当か、他の科学革命にも適用可能かは議論の余地がある。

次に読むべき論文は、要旨で参照されている Zahavy [2026]、Zheng-Xin [2026]、Farmer [2026] の各論文。また、関連する分野として、機械学習における仮説形成や科学発見の研究（例: AI for Scientific Discovery）や、thermodynamic coupling の概念に関連する情報理論や熱力学の基礎論文が挙げられる。