予測の先へ――コンピュータサイエンスは水産学に何を持ち込めるか
魚がどこにいるかを当てた。それで何が変わるのか。
コンピュータサイエンスが水産学に貢献するとき、真っ先に語られるのは予測精度だ。海況データ、衛星画像、音響データを統合して資源量を推定する。性能指標も示しやすく、論文にまとめやすい。だが「当てれば勝ち」という構造は、水産の現場にはない。
海がある。養殖がある。流通がある。そのあいだに行政、市場、漁業者、消費者が介在する。全体は部分的にしか観測できず、状況は年ごとに変わり、関わる主体の目的は一致しない。水産を予測問題として扱うより、不確実性の高い意思決定問題として捉えるほうが正確だ。水産学はコンピュータサイエンスにとって単なる応用先ではない。自らの方法論の粗さを露わにする、厳しい試験場なのである。
天然資源管理を例にとる。観測データから資源量を推定するというアイデアは自然に見える。しかし魚はデータ行列の中で生きていない。魚種ごとに生活史は異なり、回遊、サイズ構造、種間相互作用がある。そこへ海洋熱波や黒潮変動のようなレジーム変化が加わる。観測値の背後にある生態学的状態そのものが動いているのだ。教師あり学習だけに委ねれば、この動態は見えにくくなる。
必要なのは、生態過程をある程度表現できる生成的なモデルと、運用上の予測器を接続する設計だ。温度耐性、産卵期、酸素閾値といった生態学的知識を、事前分布や制約条件、状態遷移の枠組みに埋め込む。「知っていることを忘れない」計算モデルである。重要なのは平均誤差の小ささではない。漁期設定やTAC判断において、どの方向にどれだけ危険な誤りを生むか、だ。
予測の精度を上げても、それで終わりではない。資源管理は単一主体の最適化ではなく、制度のもとで振る舞う複数主体の相互作用だからだ。資源量を高精度に推定しても、漁業者がそれをどう受け止め、どこまで遵守し、不正報告や操業移動がどう起こるかによって結果は変わる。現実は、生態だけでなく制度を通じてもモデルに反撃してくる。
だからエージェントベースモデル、メカニズムデザイン、制度シミュレーションが重要になる。計算機科学の役割は、唯一の最適政策を神託のように示すことではない。TAC、共同管理、地域ルールといった制度が、どのようなインセンティブを生み、誰に利益と負担を配分し、どこで脆くなるかを可視化することにある。目的関数もまた、生物量最大化だけでは足りない。収益の安定、地域雇用、公平性という、互いに完全には整合しない目標を、そのまま扱う誠実さが要る。
養殖では、養殖場をサイバーフィジカルシステムとして捉える視点が有効だ。ただしセンサを増やせばすべて見えるわけではない。成長、摂餌、疾病、死亡、福祉は、宿主・病原体・環境の結合ダイナミクスとして現れ、観測できるのはその断片にすぎない。給餌や飼育条件の調整はPOMDPとして理解するとよい。最適化の目標は増肉やFCRだけでなく、排泄負荷、品質、生残率、福祉を含む多目的制御として考えなければならない。
流通においても、AIによる品質判定は入口にすぎない。温度履歴、鮮度劣化、加工歩留まり、需要予測、価格形成を、サプライチェーン全体の情報設計として接続することが重要だ。品質判定AIだけが優れていても、それを活かす物流や販売の仕組みがなければ効果は限られる。
そして気候変動は、水産における計算モデルの前提を根本から揺さぶる。学習時と運用時の分布がほぼ同じだという暗黙の前提は、海では容易に破れる。分布域の変化や有害藻類ブルームは、単なるノイズの増加ではなく、モデルの立脚点そのものを動かしてしまう。OOD検知、ドメイン適応、ロバスト最適化、オンライン学習が重要なのは当然として、核心は技術名ではない。外れたときにどう学び直し、どう運用を更新するかまで含めた適応的管理の設計こそが問われている。
もう一つ忘れてはならないことがある。計算機システムは価値中立ではない。データ所有権は誰にあるのか。監視強化の不利益は誰が負うのか。小規模主体が排除されないか。こうした問いは倫理の付録ではなく、制度設計の中心に置かれるべきだ。しかも現実のボトルネックはもっと地味なところにある。通信制約、入力負担、誤警報、行政報告との二重入力。研究では周辺に退けられがちな非機能要件こそ、現場ではしばしば成否を決める。
コンピュータサイエンスが水産学で担うべき役割は、高精度予測の供給ではない。不確実で非定常で利害の錯綜する現場の意思決定基盤を設計することにある。
水産学は、コンピュータサイエンスにとってやさしい応用先ではない。自分たちが何を見落とし、何を最適化したつもりになっていたのかを、静かに問い返してくる領域なのである。