一層ずつスキャンし、一行ずつ読み解く
西暦79年、ヴェスヴィオ火山の噴火がヘルクラネウムの街を火山灰で埋め尽くした。街中の私設図書館——後世「パピルスの別荘」と呼ばれる——には、数百巻の哲学・文学著作が収蔵されていた。高温のガスがこれらの巻物を瞬時に炭化させた：それらは極度に脆弱な純炭素構造へと変化した。二千年来、この炭化状態は残酷なパラドックスを形成してきた——巻物は保存されたが、触れれば粉々になる。
読もうとすれば、壊さざるを得ない。
2026年6月25日、Vesuviusチャレンジチームは発表を行った：整理番号PHerc. 1667の巻物——内部呼称Scroll 4——が完全に「仮想展開」され、通読された。これは人類が炭化巻物に一切触れることなく、その内容を最初から最後まで読み通した初めての事例である。
筆者がこのニュースに接した際の第一印象は疑念だった：炭素ベースのインクが炭化したパピルスの上に書かれている——X線では密度差をほとんど識別できないはずだ。これが一体どうやって可能になったのか。
問題の本質：炭素の上に炭素を探す
このプロジェクトを理解するには、技術的な核心的困難をまず明確にしなければならない。
通常のX線CTイメージングは、材料間の密度差や組成差に依存してコントラストを生成する。金属インクが羊皮紙に書かれていれば、鉛含有量が高いため、CT画像ではインクが白く輝く。しかしヘルクラネウム巻物は炭素ベースのインク——ランプブラックや木炭粉末で調合された墨——を使用しており、それを支えるパピルスもまた火山の高温でほぼ純炭素構造に炭化している。両者のX線減衰係数には有意な差が存在しない。言い換えれば、CTスキャンの結果は均質な灰色の螺旋体であり、肉眼ではどこに文字があるか判別できない。
これこそが、学界が長年この巻物群を「読解不能」と見なしてきた理由である。研究チームは論文と同時に公開されたページでこう記している：「To read one was to destroy it」（一巻を読むことは一巻を壊すことだった）。19世紀、1969年、1980年代の物理的展開の試みは、実際にPHerc. 1667の外層部分を破壊し、もともと19〜24cmの高さがあった巻物は、現在わずか約8cmの内核を残すのみとなった。
いかにして達成されたか：シンクロトロンから機械学習まで
技術スタック全体は4つのステップに分解できる。各ステップ単体では全く新しいものではないが、それらを一連の実行可能なエンジニアリングパイプラインとして繋ぎ合わせたことこそ、この研究の真の貢献である。
第一ステップ：高品質データ取得。 スキャンはフランス・グルノーブルの欧州シンクロトロン放射光施設（ESRF）BM18ビームラインで実施され、英国Diamond光源での一部のマシンタイムも併用された。BM18はESRFが近年アップグレードした「Extremely Brilliant Source」を活用し、極めて高い空間分解能と安定性を兼ね備えたX線ビームを生成する。これは通常のCTではない——位相コントラスト・マイクロトモグラフィー（phase-contrast microtomography）は、通常の吸収コントラストでは見えない微細構造の境界を捉えることができる。単一の巻物が生成するデータ量は300TBに達する。ESRF公式は、これが同施設の歴史上生成された最大のデータセットであると述べている。
これは何を意味するか。300TBは単に「大きい」だけではない。それは、長さ約1.4m、層状に密に巻かれたパピルスに対し、スキャン解像度が紙一枚分の薄さの螺旋構造の各層を区別するのに十分であることを意味する。この解像度なしには、後続の全ステップは成立し得ない。
第二ステップ：幾何学的再構築と仮想展開。 3Dボリュームデータからパピルス層の螺旋的走向を追跡し、平面の2D表面にマッピングする。このプロセスは「virtual unwrapping」（仮想展開）と呼ばれ、ケンタッキー大学のBrent Sealesが率いるEduceLabが過去20年をかけて段階的に開発してきた。CTデータからパピルス層の境界を識別するには、大量の手動アノテーションが必要となる——HNのコメント欄でチームメンバーが認めたように、この作業は「extremely tedious and slow and error prone」（極度に退屈で遅く、エラーが発生しやすい）。筆者がここに見るのは、プロセス工学において真に「人を消耗させる」部分だ：手動アノテーションの質が展開表面の正確性を直接決定する。これはアルゴリズムの問題ではなく、アノテーション生産能力の問題なのだ。
第三ステップ：インク検出。 これはパイプライン全体の中で最も脆弱であり、最も興味深い部分でもある。展開後の2D表面は、肉眼では依然としてほぼ空白に見える——炭素ベースのインクと炭化基材の間には知覚可能なコントラストが存在しない。しかし、インクは書かれる過程でミクロン単位の表面形態変化を残す：筆圧が繊維を押し込み、インクが空隙に浸透し、乾燥後に周囲とは異なるテクスチャを形成する。これらのテクスチャ差異は、位相コントラストデータの中で極めて微弱な信号として存在する——人間の目には検出不能だが、適切に訓練されたMLモデルなら可能だ。
チームはHN上で次のように説明している：「Most of the ink we have come across is carbon based. This leaves a certain texture on the scrolls that is recoverable and viewable with fairly basic physically based rendering.」（我々が遭遇したインクのほとんどは炭素ベースだ。これが巻物に特定のテクスチャを残し、それはかなり基本的な物理ベースレンダリングで復元・観察可能である。）しかしこれは「直接見える」こととは同義ではない。モデルはアノテーションデータから学習される——既知の断片（可視光/近赤外光でインク位置を確認できるもの）をグラウンドトゥルースとして用い、CTデータ中の対応位置の信号パターンをモデルに学習させ、その上で他に検証手段のない閉じた巻物内部に外挿する。
第四ステップ：パピルス学者による転写と検証。 MLモデルが出力するインク確率マップは、そのまま読めるテキストではない。最終的な転写は専門のパピルス学者によって行われる——モデルが示唆する筆跡位置をもとに、古代ギリシャ語文法、書記習慣、文献学的知識を組み合わせて、最も可能性の高い文字を判定する。
何が読めたのか
PHerc. 1667の現存部分からは約22欄のギリシャ語テキストが読み取られた。内容は倫理学の哲学論文である。テキストは「hormē」（衝動）や「phronēsis」（実践的知恵）といったストア派の核心概念を論じており、末尾の欄には「アリストクレオン」（Aristocreon）——ストアの大家クリュシッポス（Chrysippus）の甥であり弟子——への言及がある。テキストの言語様式と主題から、学者たちはこれを紀元前2世紀のストア派作品と判定した。
ESRFの報道は、パピルス学者Federica Nicolardiがこれをヘルクラネウムコレクション中最古の巻物の一つ——紀元前2世紀、あるいは前3世紀末にまで遡る可能性がある——と見なしていることを伝えている。
同時に、チームは他の2巻でも進展を見せている。PHerc. Paris 4（Scroll 1）では、より高解像度のスキャンによりインクが3Dボリュームデータ内で直接可視化され、そのセグメンテーション結果は2023年のVesuviusチャレンジ大賞の読解結果と1対1で対応した——これは独立した検証である。PHerc. 139については書名が特定された：『フィロデモス、神々について、第8巻』（Philodemus, On Gods, Book 8）——エピクロス派哲学者の著作である。『神々について』が少なくとも8巻からなることが初めて確認された。
3巻同時並行の進展であり、単独のブレイクスルーではない——この点は、1巻が「読まれた」ことよりも説得力がある。
ブラックボックスの中身：HNコメント欄の疑念
筆者が最も関心を持つ問題はこれだ：MLモデルはインクを「見た」のか、それとも「推測で当てた」のか。
HNの議論スレッドには非常に誠実なやり取りがあった。ある元参加者が質問した：「モデルが文字レベルで幻覚を起こし、筆跡を捏造する可能性はないのか？」
自身がVesuviusチームに所属していることを確認したメンバーの回答（原文のまま引用）：
“Yes, it’s quite possible for ML to hallucinate ink, though it is on a much more local scale, like predicting a slightly longer stroke, filling in more of a character than is actually in the data, etc. Perhaps enough to change a reading of a character or show where ink isn’t.”
和訳：はい、MLがインクの幻覚を起こすことは十分にあり得ます。ただし、それははるかに局所的なスケールでのことです——たとえば、実際よりわずかに長い筆画を予測したり、データに実際に存在する以上の部分まで文字を埋めたり、といったことです。一文字の読みを変えたり、インクのない場所に信号を示したりするには十分かもしれません。
彼は決定的な限定条件を付け加えた：「It is difficult for ink detection to hallucinate grammatical and idiomatic Greek and Latin.」——インク検出モデルが文法的に正しく、慣用表現に則った古代ギリシャ語やラテン語の段落を無から作り出すことは困難である。
これは筆者がこれまで目にした中で最も率直な工学的自己評価の一つである。それは2層の含意を明らかにする：第一に、モデルはテキスト全体を捏造することはない——巻物の内容に関する「大局的判断」には十分な信頼性の基盤がある。第二に、個々の文字のスケールでは、不確実性は実在する。HNユーザー「167」の簡潔なコメントを借りれば：「Bottom of the paper, in the appendix. Don’t expect much. They only got fragments of text with a lot of missing words.」
また、グラウンドトゥルースの出所も問われるべきだ。同じチームメンバーは、訓練データが手動アノテーションから来ていると説明している——アノテーターが層ごとに手作業でパピルス境界とインク位置をマークする。彼はこう書いている：「Gathering ground truth is hard, and if you don’t have a lot of good ground truth, it doesn’t matter if your code is perfect, you’ll never get results.」意味するところは：グラウンドトゥルースの質の上限がシステム全体の性能の天井を決める。
この点は文化遺産分野において特に決定的だ。ImageNetが数百万単位の手動アノテーションサンプルを持つこととは異なり、炭化巻物のアノテーションデータの規模は、既知断片の限られた数量と手動アノテーションの極めて高いコストによって制約されている。モデルが何を学び、何を学び漏らしたのか——この2つの問いには現時点で定量的な答えがない。
工学的判断であって結論ではない
筆者はこのプロジェクトに対し冷静な評価を試みる。どちらの側にも立たず、事実と判断のみを整理する。
成果の側面：これは純粋に非侵襲的な手段で炭化古代巻物のテキストを完全に読み取った初めての事例であり、データタイプ、コード、転写結果のすべてが公開されている。検証手段には、独立したスキャンデータとの1対1の照合（PHerc. Paris 4）、および巻物を跨いだ再現可能なパイプラインが含まれる。600巻以上の未開封のヘルクラネウム巻物のうち、PHerc. 1667は最初の1巻に過ぎない——しかしパイプラインが機能することは証明された。
限界の側面：炭素ベースのインク検出は、原理的に密度信号ではなくテクスチャ信号に依存しており、テクスチャ信号は微弱で、局所的で、ノイズの影響を受けやすい。モデルの出力は確率マップである。パピルス学者による最終転写そのものに推論の要素が含まれる——特に筆画の延伸や欠損筆画の判断において、モデルのバイアスが個別の文字の読みの結果に影響を与え得る。
筆者はこの状況を次のように総括する：巻物レベルでの読解は信頼できるが、文字レベルでの読みには合理的な疑念の余地が存在する。 これは研究の否定ではない。正反対だ——彼らがデータとコードをすべて公開したからこそ、この疑念は具体化され検証可能になるのだ。
この手法が普及し得るなら
工学的視点に立ち戻ろう。300TBのスキャンデータとその後の展開・検出・転写パイプラインは、現時点では世界トップクラスのシンクロトロン施設で実施されている。しかしBM18は1本のビームラインに過ぎない。600巻以上の未開封ヘルクラネウム巻物のすべてにこのプロセスを適用するには、必要な中核的リソースはマシンタイムとアノテーション人員である（スキャン自体は無料で、学術提案を通じて申請する）。
HNの議論では「この技術は他のシナリオにも応用可能か」という質問も出た。チームの回答は慎重だが、方向性は明確だ：炭化、折り畳み、変形などにより物理的展開が不可能なあらゆる脆弱なテキストは、理論上このパイプラインの恩恵を受け得る。中世の羊皮紙パリンプセスト、火災で焦げた公文書、さらにより古い時代の炭化した木簡——これらは自然な拡張シナリオである。
前提条件は：十分な分解能とデータ量のスキャンを入手できること、そして1ピクセルずつグラウンドトゥルースをアノテーションしてくれる人々を確保できることだ。
以上の分析は現時点での公開情報とコミュニティ議論に基づく。技術的詳細はVesuviusチャレンジ公式発表のプレプリントおよびHN議論スレッド中のチームメンバーによる公開回答を基準とする。