なぜ、機械は「学ぶ」ことができるのか？ その答えを、数学とAI研究の歴史から紐解く『Why Machines Learn――現代AIを支える、美しき数学の物語』が、2026年9月9日に発売される。
原著は米国で話題の書籍『Why Machines Learn: The Elegant Math Behind Modern AI』。『The Information』の「2024年のAI本ベスト5」に選出され、「Artificiality Book Awards 2024」にも輝いた。
本書では、2025年8月発売のペーパーバック版で追加された後記「トランスフォーマーさえあればよい？（Are Transformers All We Need?）」も収めている。
本稿では、本書の巻末に収録された「訳者解説」を抜粋して掲載する。
ノーベル賞の年に生まれた本
原著 “Why Machines Learn: The Elegant Math Behind Modern AI” の初版が刊行されたのは2024年7月である。その3か月後、同じ年の10月に、ジョン・ホップフィールドとジェフリー・ヒントンが「人工ニューラルネットワークによる機械学習を可能にした基礎的発見と発明」によってノーベル物理学賞を受賞した。さらに同じ月、化学賞はタンパク質の立体構造を予測するAI「AlphaFold」を生んだデミス・ハサビスらに贈られた。物理学賞も化学賞も、自然の根本を解き明かした研究に贈られる賞である。その2つが機械学習に与えられたのだった。何度も「冬の時代」をくぐり、時には疑いの目で見られたAIが、自然の真理を探る営みの頂点として受け入れられた。本書はまさにその年に、世に出たのである。
原著の巻頭にはヒントンから寄せられた推薦コメントがある。「ニューラルネットワークの発展を扱った本には、その背後にある数学を説明するものと、社会的な歴史を描くものとがある。本書は、数学を社会史の文脈に位置づけてみせた。まさに傑作（masterpiece）である。」読者も本書を読み終えたとき、これは単なる数式の解説書ではなく、人間の好奇心がいかにして壮大な知の世界を切り拓いてきたかを記した、1つの冒険物語なのだと気づくだろう。
本書の設計―― 数式の縦糸、人間の横糸
本書を織物に例えるなら、縦糸は数学である。線形代数からはじまり、微積分と最適化理論、確率統計、そして物理学のエネルギーの考え方を経て、ディープラーニングへと至る。一方の横糸は人間だ。サツケヴァー、ヒントン、ルカンといったAI世界のスターたちの当時の息遣いがそのまま残されていて、読者は歴史に立ち会っているような感覚を味わう。これは教科書にも、二次資料だけで書かれた歴史本にも出せない質感である。サイエンスジャーナリストである著者が存命のパイオニアに直接取材し、一次資料として肉声を拾ったからこそ可能になった。なぜその発想に至ったのか、どんな壁にぶつかっていたのか。数式の裏にある本人にしか語れない真実が、数学に躍動を与えている。
本書の妙は、章の並べ方にも伺える。歴史の教科書のように年代を素直にたどらない。1973年にノーベル生理学・医学賞を受賞した動物行動学者のローレンツ、十九世紀の数学者ハミルトン、そして十世紀イスラム黄金期の数学者アルハゼンと、平気で時代を前後して本書は展開する。並び順を決めるのは年号ではなく「この概念を理解するには、先にこの道具を知っておかねばならない」という著者の設計思想だ。内積から重み付き和へ、パーセプトロンから勾配へ、さらに固有ベクトルへと、前の章で手にした道具が次の章の土台になるように巧みに配置されている。
そして、新たな概念を登場させると、そこですべてを一度に出し切らず、章をまたいで少しずつ重ねるように説明し、別の角度から繰り返し復習しながら進むストーリーテリングも特筆だ。ニューラルネットワークが誤差を少しずつ反映させて重みを更新していく学習過程と、そのまま相似形をなすかのような進め方である。読者は「またこの話か」と思った既知の事柄が、次の発想の土台になっていることに気づく。本を読み進める行為そのものが、機械の学習をなぞるように設計されている。推薦者の数学者スティーヴン・ストロガッツが「読み始めて数分で、自分のシナプス荷重が更新されていくのを感じる」と評したのは、決して比喩だけにとどまらない。
読みどころ―― 数式に文脈と奥行きを与えるエピソード
本書の楽しみは、興味深い逸話が数学の入口に使われているところにもある。たとえばベイズの定理は、1990年代のテレビ番組のモンティ・ホール・ジレンマから始まる。最近傍探索というアルゴリズムは、ロンドンのコレラ流行をジョン・スノウ医師が一枚の地図から突き止めた話で幕を開ける。読者はまず物語に入り、気づいたときには数式の中にいる。エピソードは飾りではなく、数式に文脈を、すなわち背景と奥行きを与える。なぜその式でなければならなかったのか、どんな問いに行き詰まりそこへ辿り着いたのか。エピソードが持つ文脈により、記号にすぎない数式が意味と立体感を帯びるのだ。
人間臭さも本書の魅力だ。散歩中にアイデアを思いついた数学者が、その式を橋の上の石に刻みつけた話。膨大な計算を回避するカーネルトリックという巧妙な技を着想した夫婦の話。「AIの冬」を招いたとされるミンスキーを、他の科学者がこき下ろす発言も興味深い。孤高の天才の英雄譚ではなく、多くの研究者が触発し合い、競い合い、昇華しあってきたという史観がうかがえる。その根にあるのは、ただ理解したいという知的好奇心と、不遇にあってもアイデアを手放さない執念だ。その情熱は研究者から研究者へと伝わり、やがて全体を動かす大きな波となって、次の扉を押し開いてきた。その軌跡が、人の物語を通じて鮮やかに描かれる。
著者―― 数学を学び直した語り手
著者アニル・アナンサスワーミーは、内側からAIを知る人であると同時に、外から問い直す人でもある。インド工科大学マドラス校などで電子・計算機工学を修め、分散システムのソフトウェア技術者として働いたのち、サイエンスジャーナリストへ転じた。『New Scientist』誌のニュース部門で副編集長（deputy news editor）を務め、とりわけ物理を一般に伝える書き手として知られる。デビュー作『最果ての物理学（The Edge of Physics）』は英『Physics World』誌の2010年度年間ブック・オブ・ザ・イヤーに選ばれ、英国物理学会（IOP）の物理ジャーナリズム賞も受けている。
注目すべきは、彼が「学び直しの人」だという点だ。線形代数のある美しい証明に魅せられ、大人になってから改めて、機械学習を支える数学を学び直したという。
MITのナイト・フェローとして、またオンライン講座やハイデルベルクの理論研究所（HITS）で重ねた独学が本書に結実した。微分を知らない読者のために導関数をゼロから説き起こす章さえあるのは、その美しさに打たれた者として多くの人に伝承したいという純粋な情熱ゆえだろう。知的な誠実さも、著者を信頼できるものにしている。公式サイトには、誤りを訂正し続ける正誤表（Running Errata）と読者用の報告フォームが常設されている。わからない問題はわからないと正直に書く姿勢を貫き、ポピュラー本にありがちな過剰な虚飾や断定を、この本は注意深く避けているのだ。
AIの力と限界を見極める―― この時代を生きる私たちへ
本書はさまざまな人のためにある。数学やAIに興味を持つ高専・高校・大学に通う若い人々、昔理系で培った知識を生かして本格的にAIの根幹を理解したい人、現代教養としてAIを人間の側から理解したい人。そして、教育や政策、ビジネスのためにAIを学びたい人々など、この本は多くの興味に応えるだろう。大学専門レベルの計算機科学や高等数学をマスターしている必要はない。AIの専門家でなくとも大学初等程度の知識と好奇心があれば知的な興奮を得られるよう、本書は周到に組み立てられている。
やさしい本だ、とは言えないだろう。ある書評は「歯ごたえはあるが、報われる」と書く。ひとつの概念を繰り返し取り上げ、エピソードで数式に躍動感を与え、粘り強く物語を紡ぎ続けるが、最後まで「かみ砕くが薄めない（without oversimplifying）」姿勢を貫く。読者を侮らないこの姿勢こそ、著者が読者に払う敬意なのだと思う。
プロローグの言葉を借りれば、機械学習の数学を、その「皮膚の下」まで理解すること。それは一部の専門家だけの仕事ではない。内側の仕組みを知ってこそ、私たちはAIの力を、そして同じくらい大切なその限界を、正しく見極められる。本書がプロローグで静かに、しかし強く訴えるのはそのことだ。だからこそこの1冊を、いまの日本の読者に届けたい。
訳者がこの本に巡り合ったのは、原著が世に出た直後だった。人類が自らの手で「学習する機械」を生み出した時代をその発端から書き留めた年代記（クロニクル）として読み継がれ、この先を照らす道標になるだろう、と確信する何かがあった。
本書を読み終えたとき、あなたのなかで新しいシナプスがひとつ発火し、その小さな火が次の誰かへと受け継がれていくことを、心から願っている。
