「1812年12月19日、『Java Government Gazette』第3面第2列：M大尉は雷雲から落下した珍奇な石を保管している。3日前（8月6日）、コクルガウム村の近くに落ちたものだ。重量は少なくとも4ポンド、その大きさにしては非常に重く、多量の鉄を含んでおり、火薬が周囲で爆発したかのような黒い薄い殻に覆われている。地面を1フィート掘り進んで埋まっていた。」
古い新聞スキャンの中に眠っていたこの短い記述を、手元のローカル環境で動くAIワークフローが掘り起こした。専門家による検証で正式に認められれば、インド・マハーラーシュトラ州コクルガウム村に落下したこの隕石は、同州における最古の隕石落下記録を26年遡らせることになる。
ソフトウェアエンジニアのJesse Waitesは、オランダ東インド会社（VOC）の古文書435万ページと、200年分のアメリカ・オランダの新聞データに対してこの自動化パイプラインを投入した。人間が1ページ2分、1日8時間ペースで読んだとすれば読破におよそ70年を要する膨大な資料群を、自作のAIラボは一晩12時間のバッチ処理だけで走査し終えた。
このパイプラインが持ち帰った成果は隕石だけではない。セイロンへの輸送途中に息絶えた3頭のサイの記録や、世界の主要な火山カタログに記載されていない3件の噴火の痕跡まで発掘したのだ。この探査は2つの厳格な工学的制約の上に成り立っている。「未知を探す前に対照群で既知を検証すること」、そして「すべての発見を原本のスキャン画像へと厳密に紐付けること」である。
未知を追う前に、まず対照群で検証する
大規模言語モデルを膨大な古文書に投入して新発見を狙うと、容易にハルシネーション（幻覚）の罠に嵌まる。誤検出を排除するためには、事前のベースライン検証が不可欠だった。
歴史学者のBenjamin Breenは以前、Opus 5.5を用いてVOCのアーカイブから、1615年にモーリシャスで船員がドードーを捕獲した目撃証言を見つけ出していた。Waitesはまずこの探索プロセスを再現し、自らのパイプラインが持つベースライン性能を確認した。
続いてシステムは、1711年に発生したサンギヘ諸島のアウ火山（Awu）の噴火記録を的確に抽出した。138人の死者を出した詳細データは、スミソニアン博物館の世界火山活動プログラム（GVP）のカタログに記録された日付と寸分の狂いもなく一致した。
この対照群の成功は重要な事実を証明した。散在する個人の断片的な記録から、現代の科学的知見と照合可能なコアファクトを正確に抽出できる能力がパイプラインに備わっているということだ。この確証を得て初めて、未整理の「候補」事象を捜索する通行証が手に入った。
3層の閲覧パイプラインで計算コストを抑え込む
17世紀のオランダ語において、「サイ（rhinoceros）」という単語には約15種類もの綴り方が存在した。単純なキーワード検索では、最初の段階で大半の手掛かりを取りこぼしてしまう。
Waitesは435万ページのアーカイブを細分化し、570万件のセマンティック・フィンガープリント（意味指紋）を生成した。埋め込みモデル（Embedding）により意味的な距離空間上で位置を特定することで、15通りの綴りの揺らぎをベクトル空間上の同一領域へと収束させた。
真の難所は、数万件に及ぶヒット候補からいかに低コストで事実を絞り込むかだった。Waitesは3層構成の読み込みパイプラインを構築した。第1層には、軽量かつ高速な「システム1（System One）」意思決定モデル「Jev」を配置し、「これは実在する動物か？ 野生動物か？ どこにいるのか？」といった限定的な問いに答えさせた。Jevを用いて象に関する5万9,000件の段落を走査するのにかかった費用は、わずか3ドルに過ぎない。
Jevがフラグを立てた段落のみが第2層へと送られ、Claude Haikuが文脈を精読し、オランダ語を翻訳して日時や場所を抽出する。そして最終段階では、Claude Codeのエージェントが手書き原本の高解像度スキャンを開き、翻刻の正確性を照合したうえで専門カタログと突き合わせた。
セイロンへの航路で命を落とした3頭のサイ
パイプラインは、18世紀における動物外交の失敗の記録を鮮やかに繋ぎ合わせた。1738年、オランダ東インド会社はシナモン貿易の権益を維持するため、キャンディ王国の国王への贈答品としてジャワサイを生け捕りにした。
しかし、サイはインド洋を渡ってコロンボに到達したものの、山深いキャンディへ登ることは叶わなかった。1740年のVOC会計帳簿「De Paardenstal（馬厩）」の欄には、「サイ1頭欠落、1738年に馬厩にて死亡」と一行記されていた。コロンボ総督はバタヴィアに対してサイの急死を申し訳なさそうに報告し、埋め合わせとしてペルシャ馬を追加で贈呈している。
図：VOC（オランダ東インド会社）古文書におけるサイの記述に関する原本スキャン。出典：オランダ国立公文書館（Nationaal Archief）
1740年7月5日、船「Loverendaal号」はオスメス2頭の新たなサイを乗せてバタヴィアからセイロンへ出航した。だが出航からわずか3日後、オスのサイが死亡。さらに10日後にはメスのサイ（‘t wijfje）も息絶えた。士官や甲板長はコロンボの法廷で証言台に立ち、誓約のもとで一言の修正もなく事実を証言した。
キャンディ宮廷の使節に対する総督の指示書には、申し訳なさが滲み出ていた。オランダ豚（若いオス1頭とメス2頭）を手配して届けさせるとともに、Loverendaal号に乗せた2頭のサイが航海中に死亡したことを「誠に遺憾ながら」公式に通達した。その3年後、南インドのラームナード宮廷の使節から「キャンディ国王に贈ったように、若いサイをこちらにも送ってほしい」と要求される事態となった。届かなかったはずの贈り物が、他国との外交上の駆け引きに使われる結果となったのだ。
スミソニアンのカタログが見落としていた3つの火山噴火
パイプラインが導き出した候補の中には、現代地球科学のデータベースの盲点を突く発見もあった。表面を黒い殻に覆われた前述の隕石が、1819年のクラドニの目録や大英博物館のカタログ、さらには現在の国際隕石学会（Meteoritical Bulletin）のいずれにも未登録であることが判明しただけでなく、3件の明確な火山噴火の記録も見つかった。
第1の発見は、1722年2月3日のガンコノラ山（Gamkonora）の噴火である。テルナテ島総督が同年7月7日に送った書簡には、下士官の測量士Jacob Engelsによる「山が吹き飛んだ」現地の調査記録が添えられていた。
図：1722年7月7日付、テルナテ島から送られたオランダ語の手書き書簡。合冊文書に綴じられたガンコノラ山噴火記録の引用元。出典：オランダ国立公文書館（Nationaal Archief）
第2の発見は、1712年初頭の西ジャワ・チレマイ山（Ciremai）の噴火である。西ジャワ一帯に数週間にわたり「炎は見えないまま」濃煙が立ち込め、南東部の土地は青灰色の火山灰で薄く覆われた。農作物が広範囲にわたって壊滅し、家畜が灰に覆われた牧草を拒絶したこと、現地の領主が過去にも同様の異変があったと回想したことが記されていた。第3の発見は、1780年2月の中部ジャワ・スラメット山（Slamet）の異変で、「かつて燃え盛ったテガルの山」が「記憶にないほどの激しさ」で活動したと記録されている。
図：1812年12月19日付『Java Government Gazette』第3面第2列の新聞スキャン。1812年8月26日付『Bombay Gazette』に掲載されたM大尉の隕石記録を転載。出典：Delpher／オランダ国立図書館
最新のスミソニアン火山目録と照合したところ、当時目撃され紙の上に書き残されたこれら3つの噴火記録は、現代の科学カタログから3世紀にわたって抜け落ちていたことが判明した。現在これらは「候補」として位置づけられており、Waitesは隕石キュレーターや歴史学者のKees Rookmaaker、火山学者らに連絡を取っている。正式な歴史の一頁となるには、専門家による厳格な査読プロセスを経る必要がある。
1809年の未解明噴火：手掛かりゼロという工学的確信
パイプラインは数々の有力候補を発見したものの、決して万能ではない。Waitesがこのシステムを用いて1808〜1809年の未解明の超巨大噴火の謎に挑んだ際、システムは完全に沈黙した。
氷床コアの記録によれば、1808年から1809年にかけて過去500年間で最大規模の火山噴火が発生したとされているが、その正確な発生場所は今なお特定されていない。Waitesはこのワークフロー全体を動員し、アメリカやオランダの新聞、航海日誌、南米植民地時代の定期刊行物、さらにはバタヴィア初の新聞に掲載された633本の全記事を網羅的に走査したが、結果はゼロだった。
しかし、この失敗は別の工学的な確信をもたらした。同一のパイプラインがアウ山、ガンコノラ山、チレマイ山の記録を正確に捉えられたからこそ、この謎に対する空振りの結果は、ひとつの客観的事実を高い確率で示唆している。すなわち、当時その地域では1809年の異常な空について書き残した者が誰もいなかったということだ。現在残された最善の手掛かりは、いまだテキスト化されていないオランダ東インド会社の1,235冊の手書き航海日誌だけである。
Waitesはこのワークフローを「Antiquity」というオープンソースのツールキットとして公開した。この実験は、シンプルだが示唆に富む現実を教えてくれる。彼とBreenが調査したのは、全く同じ古文書データベースだった。Breenはドードーを探す目的で挑み、1615年の目撃証言を持ち帰った。Waitesは隕石と失われた噴火を探す目的で挑み、大地に落ちた黒い石と吹き飛んだ山を見つけ出した。
何百万ページもの古文書はそれ自体、静止したままそこにある。アーカイブが自ら口を開いて語り出すことはない。それは常に、エンジニアが思い至って投げかけた具体的な問いにだけ答えてくれるのだ。
参考リンク：
- I pointed AI at 400 years of archives
