オッカムのかみそり

オッカムのかみそりとは、（Ockham’s razor）は、14世紀の英修道士ウィリアム・オッカムにちなむ原理で、一般に「不要な仮定を排し、最小限の要素で事象を説明する」という考え方を指す。 科学的方法でもこの原理はモデル選択や仮説選定において重用され、複数の仮説が同じ予測をする場合、より単純な仮説を選ぶことが推奨されるscience.howstuffworks.comen.wikipedia.org。 例えば、深層学習など機械学習の分野でも「ある事象を説明するのに必要以上の仮定を用いるべきでない」というオッカムの剃刀的考え方が知られており、モデルの複雑化（多パラメータ化）は過学習を招いて汎化性能を下げる可能性があるため、仮説を簡潔に保つことが重要とされる</ref>en.wikipedia.orgnature.com</ref>。 しかし、「オッカムの剃刀」はあくまで指針であり、証明手段ではない。 実際、「オッカムの剃刀自体が真実を保証するわけではなく、あくまでガイドラインにすぎない」</ref> science.howstuffworks.com</ref>と批判される。

科学的方法と仮説選択への応用

科学では仮説やモデルを立てる際、あらゆる追加仮定は誤りを持ち込む可能性を増すため、不要な複雑さを避けるのが望ましいとされる。 仮説検証の過程で、複数の説明モデルが同じ観測結果を説明できる場合、より簡潔なモデルが選好される。 これは統計モデリングでも同様で、パラメータ数の多いモデルはしばしば過学習を起こしやすいため、赤池情報量基準（AIC）やベイズ情報量基準（BIC）などでも、モデルの複雑さをペナルティ化して選択が行われます。 実際、ベイズ推定の枠組みでは「可変パラメータの多い仮説は事後確率が低くなりやすい」ことが数学的に示されており、これもオッカムの剃刀的直感に合致する。 つまり、科学では余計な仮定を減らすほど予測が鋭く（確実に）なる傾向があり、結果としてより再現性のある簡潔な説明が得られやすい。

歴史的な科学事例

科学史においても「オッカムの剃刀」的な単純化が重要な役割を果たした例がいくつか知られている。 例えば、天動説と地動説の比較がある。 古代ギリシャ以来の天動説は惑星運動を円運動＋エピサイクルで説明しようとしたが、コペルニクスやケプラーの地動説（太陽中心説）は楕円軌道を用いてシンプルに説明できた。 「オッカムの剃刀」に従えば、複雑なエピサイクル仮定の多い天動説よりも、仮定の少ない地動説のほうが優れた説明とみなされた。 また、特殊相対性理論では、ローレンツは光速近傍での時間・長さの変化を「エーテル」という仮定で説明しようとしたが、アインシュタインはエーテルなしに相対性原理だけで同じ結果を導いた。 エーテルを仮定しないアインシュタインの説明は仮定が少なく、最終的に科学的にも支持されました。 実際、アインシュタイン自身も「理論の究極の目標は経験事実を損なわずに不可約的基本要素をできるだけ単純・少数にすること」という形でオッカム的原理を語っている。 このように、ニュートンの万有引力則制定（不必要な第5惑星仮説を排除）やダーウィンの進化論（単一祖先仮説で生物の多様性を統一的に説明）など、多くの歴史的発見でもシンプルな仮説の採用が科学の発展に寄与してきた。

現代科学・技術での活用例

現代でも「オッカムの剃刀」は多くの分野で言及・応用されている。 主な例を以下に示す。 人工知能・機械学習: 近年の深層学習（DNN）では、ネットワーク内のパラメータ数が非常に大きくなる一方で、研究者らは「必要以上に多くの仮定を使うべきではない」というオッカム的な考えを意識している。 実際、DNNは多数のパラメータを持ちながらも、学習時に単純な関数を選び出すバイアス（簡潔化バイアス）を備えていることが明らかになっている。

オックスフォード大らの研究では、「DNNには組み込みのオッカムの剃刀」が存在し、複雑な解の数の増加と釣り合う形で単純な解を選ぶ性質が発見された。 すなわち、訓練データに合致する多くの解の中からより単純な解を選び出すことで、未知データへの良好な汎化（一般化）を可能にしている。 さらに、特徴量選択やモデル選択でもオッカムの剃刀的発想が用いられる。 たとえば、特徴量選択は「説明に必要な特徴だけを残し、不要な特徴を削る」という考えであり、「与えられたデータに合致する二つの仮説があるなら、より少ない変数・要因で説明できる仮説を選ぶべきだ」というオッカムの剃刀の原則に通じる。

物理学: 物理学の理論形成においても、無駄な仮定を排する発想は重要である。 上述のアインシュタインvsローレンツの例に加え、場の理論ではゲージ対称性を最小限に保つなど、より少ない自由度で説明するモデルが好まれる傾向がある。 また、科学哲学的には「オッカムの剃刀は科学と迷信を分ける要因である」とも言われ、素朴な物理現象も無理な仮定なしに説明する姿勢が奨励される。

医学・診断学: 臨床診断でも「オッカムの剃刀」は広く知られている。 教科書的には「単一の疾病仮説でできるだけ多くの症状を説明する」ことが推奨され、患者の全ての症状を一つの疾患で統一的に説明することが重視される。 一方で「患者は複数の病気にかかっていてもおかしくない」とする「ヒッカムの格言」（Hickam’s dictum）も対比的に知られており、実際には複数の疾患が同時に存在するケースもある。 そのため、初期診断ではオッカム的に単純化して考えたうえで、状況に応じてヒッカム的見解を併用することが臨床では推奨される。

利点と誤用・限界

利点

「オッカムの剃刀」は、仮説を簡潔化することで、余計なパラメータや仮定による過学習や錯誤を防ぎ、より汎用性の高い理論モデルの構築を助ける利点がある。 また、無限に追加可能なアドホック仮定を避け、仮説検証の上で検証不能な余計な前提を自重させる効果もある（数学的にも「予測の合う仮説は無限に存在するが、単純な仮説こそ再現性がある」と指摘される）。 このように、経験的には簡潔なモデルほど予測性能が高くなる例が多く報告されており、科学的実験や観察データの解釈で有効に働いてきた。

誤用・限界

しかし、「オッカムの剃刀」には限界や誤用の危険もあります。 まず「簡潔さ」が何を指すかは主観的であり、簡単さ＝真実を保証するものではない。 事実、ジム・アル＝ハリリらは「最も簡単な説明が必ず正しいわけではなく、正しい説明は当初考えられたより複雑であることが多い」と警告している。 たとえば、進化論と対立する創造論は、オッカム的には簡潔に見えますが、科学的には証明できる実証的根拠がないため採用されない。 「オッカムの剃刀」を「正当化ツール」として武器的に用いると、根拠のない単純化を理論に押し付ける誤った方向に進みかねない。 また、実際の自然現象が本質的に多因子的・複雑であれば、単純な仮説では説明できない場合がある（前述のヒッカムの格言が示す通り）。 総じて、「単純だから正しいとは限らない」点に注意し、「オッカムの剃刀」は仮説検討の際の一つの判断基準にすぎないという自覚が必要である。

関連する哲学的原則や批判的視点

「オッカムの剃刀」は、哲学的には「パーシモニー（節約）の原理」の一種とされる。 もともとラテン語では「必要以上の多元性を認めるな（Pluralitas non est ponenda sine necessitate）」、「多いものでできることは少ないもので行え（Frustra fit per plura quod potest fieri per pauciora）」と表現され 、科学だけでなく数学・論理学でも普遍的に唱えられてきた。 例えばアインシュタインは、「必要な要素をできるかぎり単純かつ少なく保つことこそ理論の究極目標である」と述べ、また日常的には「KISS原則（Keep It Simple, Stupid）」、「アインシュタインのレイザー：『事物はできるだけ単純にせよ、しかし単純すぎるのは禁物』」とも言われる。 一方で哲学者たちは、「オッカムの剃刀」があくまで経験的・帰納的なヒューリスティックにすぎず、論理的証明や普遍法則ではないと指摘する。 つまり、「オッカムの剃刀」は、「真理の物理的法則」としてではなく、「観察や実験を効率的に進める指針」として捉えるべきであり、実際にはベイズ推定におけるモデルの事後確率計算や、アカイケ情報量基準のようにパラメータ数を罰則化する数学的手法で形式化されている。