スーパーコンピューターでも予測できないものがある──木の葉が落ちる軌道と、未来予測の限界

「AIが発達すれば、未来のことは全部わかるようになる」

そんな言葉を、最近よく耳にします。

たしかに、スーパーコンピューターやAIの計算能力はすさまじい。天気予報も、昔とは比べ物にならないほど精度が上がりました。

しかし、それでもなお――スーパーコンピューターでも予測できないものがあります。

今日は、その話をしたいと思います。テーマは、意外にも「木の葉」です。

---

1. 木の葉が落ちる軌道は予測できない

木の葉が枝から離れて、地面に落ちる。そんな現象は、誰もが見たことがあるはずです。

でも、よく考えると不思議です。

• どの方向へ落ちるのか
• どんな回転をしながら落ちるのか
• どこに着地するのか

これを「完璧に予測する」ことは可能でしょうか？

結論から言えば、ほぼ不可能です。

なぜなら、木の葉が落ちるときには、計算に必要な条件があまりにも多いからです。

---

2. 計算が難しいのではなく「測れない」のが致命的

ここで重要なのは、こういうことです。

スーパーコンピューターが負ける理由は、計算力の不足ではない。
最初の条件を正確に測れないことが原因だ。

葉っぱの落下に影響する条件は、数え上げればキリがありません。

たとえば――

• 葉の形、反り具合、ちぎれ具合
• 葉の湿り気、重さ、表面の凹凸
• 空気の流れ（風）だけでなく「乱流」
• 周囲の温度差で起こる上昇気流
• 落ちる瞬間の角度、速度、回転

これらをすべて完全に測定し、完全に入力する。それができなければ、どんな計算機も正しい答えは出せません。

そして現実には、そんな測定はできません。

---

3. 「ちょっとした誤差」が大きな差になる世界

さらに厄介なのが、ここです。

葉っぱの落ち方は、ほんのわずかな差が、結果を大きく変えます。

• 初期角度がほんの少し違う
• 風がほんのわずかに変わる
• 空気が一瞬だけ渦を巻く

この程度の違いが、数秒後にはまったく違う軌道・着地点を生みます。

この現象を、科学では

カオス（Chaos）
初期値鋭敏性

と呼びます。

つまり、世界は「完全に予測できる設計」になっていない。そういうことです。

---

4. 天気予報も同じ：予測できないから「確率」を使う

この話は、「天気予報が当たりにくい理由」にも直結します。

天気予報の計算は、人類の持つ科学技術の中でも最前線です。スーパーコンピューターを使い、膨大な観測データを入力し、巨大なシミュレーションを回します。

それでも「1週間後の天気が外れる」ことがある。理由は同じです。

• 大気は巨大な流体であり
• 乱流が常に起きていて
• 初期条件を完全には測れず
• わずかな誤差が時間とともに増幅する

だから天気予報は、ある地点で「完全な予測」を諦めます。そして、こう表現します。

• 降水確率30％
• 曇りのち雨
• 雨の可能性あり

これは科学の弱さではありません。むしろ逆です。

予測できないことを前提にした、最も誠実な表現が「確率」なのです。

---

5. 「予測不能」は科学の敗北ではなく、現実への敬意

私たちはつい、こう思ってしまいます。

「当たらない予測は価値がない」
「コンピューターがすごいなら全部わかるはずだ」

でも実際は、

• 予測できないものが存在する
• その理由は計算力ではなく、世界の繊細さにある
• だから人類は「確率」という形で最適解を作ってきた

という構造になっています。

つまり――

スーパーコンピューターの限界は、計算の限界ではなく、世界がもともと予測不能であることの限界。

この視点は、私たちが「未来」について考えるときに、とても重要だと思います。

---

6. そしてこれは「学習」にも似ている

最後に、塾を運営する立場として少しだけ触れます。

学習もまた、未来が完全に予測できるものではありません。

• 同じ教材
• 同じ授業
• 同じ時間

それでも、結果には差が出ます。

なぜか。

たった0.1の理解の差、たった1日分の習慣の差が、数か月後には大きな差になるからです。

だから私たち教育者の仕事は、「未来を断言すること」ではなく、

未来の可能性を最大化すること
成功の確率を上げること

だと考えています。

---

まとめ

• スーパーコンピューターが予測できないものがある
• 原因は計算力ではなく「初期条件が測れない」こと
• わずかな誤差が大きく増える現象＝カオス
• 天気予報も同じ構造で、確率表現が最適解
• 予測不能は科学の敗北ではなく、現実への敬意
• 学習も同じで、確率を上げる設計が重要