ICML論文497本却下、研究者が守るべき判断と責任

審査規則違反で却下された論文497本

機械学習学会ICML¹ 2026は3月18日、提出論文497本を却下したと発表しました。該当論文の指定相互審査者が他の論文を審査する際、自らが同意したLLM使用禁止規則に違反したためです。組織委員会は、論文や審査報告書の品質を判断した措置ではなく、合意した規則に違反したことによる措置だと説明しました。

この事件では、AI使用の有無とともに、審査者が引き受けた仕事と約束を守ったかどうかが重要です。

摘発には、論文PDFに仕込んだ隠し指示文を使いました。通常はPDFを読む人には見えませんが、LLMが文書を処理する際に読み取り、審査報告書に特定の文言を入れるよう誘導する方式です。組織委員会は17万個の文言のうち論文ごとに2つをランダムに選び、該当の文言が出てきた報告書は人間が改めて確認したと明らかにしました。

私も以前、PDF AI SHIELDという保護ツールを作ったことがあります。人間が見る文書はそのままに、AIが読む過程に介入しようとしたという点で、馴染みのあるアプローチでした。似た発想が学会の審査に使われたのは嬉しい一方、規則違反を摘発するところまで必要になったという点は苦い気持ちでした。ICMLは使用した検知方式の根拠として、ラオ（Rao）らの研究を明示しました。

私はこの事件を見ながら、研究環境そのものも合わせて見てみたいと思いました。AIが文書読解や草稿作成を容易にする状況で、研究者が自ら確認すべきことは何でしょうか。規則違反の責任を問うことと、正しい使い方を学ぶこと、その両方が必要に見えます。

博士課程の訓練と学術誌の審査で、この問題がどう現れるかも見ていきます。

ICMLが確認した違反の範囲

ICML 2026には、審査中にLLMを使わないPolicy Aと、論文理解・関連研究の把握・レビューの推敲にLLMを許容するPolicy Bがありました。審査者は自分の希望を表明し、著者の要望と応募状況に応じて割り当てられました。Policy Aには、Aを選んだか、両方の方針でも構わないと答えた人だけが割り当てられました。

組織委員会はPolicy A審査者506名によるレビュー795件でLLM使用を確認しました。これらのレビューは全体の約1%にあたり、削除されました。自分が提出したレビューのうち半数を超えるレビューで違反が確認された51名は、すべてのレビューが削除され、審査者名簿からも除外されました。

論文の却下は、そのうち398名を指定相互審査者²として登録していた提出論文497本に適用されました。摘発された506名全員が論文却下の直接の対象だったわけではありません。また、この措置はレビュー作成過程で禁止されたLLMを使ったという判断であり、レビュー全体をAIが書いたという判定ではありません。

この方式ですべてのLLM使用を見つけられるわけではありません。指示文が除去されたり、モデルが従わなかったりすると見逃す可能性があり、出力を修正すれば検知も難しくなります。組織委員会も、PDFを入れて出てきた結果をそのまま貼り付けるような一部の違反を捕まえる方法だと説明しました。したがって、摘発された1%を全体のAI使用率とみなすことはできません。

私が作ったPDF保護ツールも、技術的な制限だけでは使用を完全に防ぐことは難しいものでした。保護装置を取り除いたり、別の方法で文書を読み込んだりすれば制限が解除されうるからです。規則と教育、利用者の責任がともに必要だと考える理由です。

学術出版社Frontiersの2025年調査でも、AIを使う審査者が多く見られます。研究者全体の回答数は1,645名で、審査中のAI使用頻度に関する設問に答えた909名のうち53%が使用すると回答しました。経歴5年以下の回答者の**審査中の使用率は61%**でした。報告書に出てくる87%は、初期キャリア研究者のAI使用全般を指す別の数値です。この調査は活用状況を尋ねるものであり、使用したという回答を規則違反とみなすことはできません。

博士課程生のジレンマ

博士課程生にとっても、AIは便利であると同時に悩ましい道具です。Natureの2026年3月の記事は、文献検索、コーディング、ライティングにAIを活用する学生たちと、その過程で研究に必要な能力を十分に身につけられないのではと心配する学生たちの話を合わせて紹介しています。

使用が急速に増えていることは、英国の学部生調査でも確認できます。HEPIの2025年報告書は、AIツールの使用率が2024年調査の66%から92%へ、評価対象の課題にAIを活用した割合は53%から88%へ増えたと明らかにしました。2025年報告書は、英国の全日制学部生1,041名の回答に基づいています。ここでいう課題に活用したという言葉には概念の説明や資料の要約も含まれるため、すべて課題を代わりに書かせたという意味ではありません。

Nature記事の中で、清華大学のホ・インフイは、ChatGPTとGeminiを毎日使いながらも、生成されたコードは検証すべきだと強調しています。西オーストラリア大学のリチャード・アンは、ChatGPTが質問を誤って理解し、肥料の投与量計算に誤りが生じて実験が失敗した経験を伝えています。実行結果が出たということと、実験設計に合った計算をしたということは別ですよね。

感染症モデリングを研究する博士課程生のレオナ・ディアラは、AIがグラフの減少傾向を増加として説明した事例を語ります。その分野を知っていてこそ、間違った答えに気づけるという指摘です。

AIが分析や判断を提案しても、それが誤っている場合はあります。その結果が研究上の問いやデータに合っているかを確かめる能力は、研究者に必要です。博士課程は、その能力を養う時間でもあります。

ライティング実験で観察された違い

AIの使い方によってライティングの過程がどう変わるかを調べた実験もあります。

MITメディアラボのナタリヤ・コスミナ（Nataliya Kosmyna）研究チームは、2025年にプレプリント³「Your Brain on ChatGPT」を公開しました。参加者54名が、道具なし、検索エンジン使用、ChatGPT使用という3つの条件でエッセイを書き、研究チームはEEG⁴と文章の内容、想起能力などを調べました。

3回のライティングセッションでEEGから推定した脳領域間の機能的結合パターンは、条件によって異なりました。道具なしで書いたグループで最も広く強い結合が、LLMグループで最も弱い結合が観察されました。これは、その課題を遂行した際に測定した活動の差です。結合が弱く現れたという事実だけで、知能が低下したとか脳が損傷したと判断することはできません。

4回目のセッションには18名が参加し、使用条件を変えました。LLMを使っていた参加者が道具なしに切り替えた場合、アルファ・ベータ帯域の結合性が低く現れました。逆に、道具なしからLLM使用に切り替えたグループでは、高い想起能力と一部領域の活性化が観察されました。前のセッションでLLMを使ったグループは、自分が書いた文章を正確に引用することに苦労し、文章を自分のものだと感じる度合いも低いものでした。

研究チームはこうした結果を「認知的負債」という表現で説明し、学習への影響を懸念しました。ただし、これは小規模なエッセイ執筆実験であり、特に条件を変えたセッションのサンプルはさらに小さいものです。研究作業全般や長期的な能力低下として一般化するよりも、AIをいつどう使うかによって学習経験が変わりうる可能性を、さらに検討すべき研究として読むのが妥当です。

この実験でICML審査者が規則を破った理由を説明することはできません。参加者も課題も異なる研究です。ICML事件は約束した規則と責任の問題として、ライティング実験は道具の使用と学習過程の問題として、それぞれ別個に見ていく必要があります。

では何を守るべきか

大学も基準を整えつつあります。欧州大学協会（EUA）の2025年調査に参加した217大学のうち、38%はAIポリシー・ガイドラインを初めて策定していると、19%は既存のガイドラインを改訂していると回答しました。ガイドラインがないという回答は13%、既存のガイドラインで十分だという回答は5%でした。最大3項目まで選べる設問なので、これらの比率を互いに排他的な集団のように合算してはいけません。

博士課程では、使用を許容する範囲とともに、学生が自らやってみるべき過程を定める必要があると思います。

Nature記事に登場する学術支援企業The Page Doctorのアミナ・ヨニスは、文献検索と整理にはAIを活用しつつ、分析は自ら理解しながら行うよう勧めます。文章もAIに最初から任せるより、自分がまず書いてから推敲に活用しようという提案です。草稿を自分で組み立てる過程を残しておこうとする助言だと読めます。

計算神経科学者のナタリア・ビエルチクは、良い問いを立て、不確実な状況で研究方法を決め、アイデアを実際に検証する訓練を強調します。AIで節約した時間を、そうした作業に使えるようにすべきだという意味です。

逆に、AIの使用を減らす学生もいます。オーストラリア国立大学の博士課程生サムエレ・ラメッリーニは、AIでグラフを作った後、それほど時間が経たないうちにコードと依頼内容を思い出せなくなった経験を語ります。長く自分で悩んで作った学部論文のグラフとは違ったというのです。個人の経験をすべての学生に当てはめることはできませんが、成果物を得ることとその過程を学ぶことは異なりうるという事例です。

UNSWの気候科学者アレックス・セン・グプタは、2025年のNatureエッセイで、AI時代に合わせた博士課程の再設計を提案しました。道具が急速に変化していく以上、今のAIにできないことを見つけて教育する方式だけで十分かも、考える必要があります。

ノルウェーのオストフォル大学のマニカンダン・パラニチャミも、学生のうちから責任あるAI活用を教える必要性を強調します。道具の操作法とともに、その結果を確認するための基礎知識を身につけさせるべきだという指摘です。

Oswarldの視点

ICML事件を見ながら、私は2つのことを思い浮かべました。

一つ目は、GTM戦略を作る中で何度も見てきたツール導入のプロセスです。CRMやマーケティング自動化ツールが入ってくると、最初は「効率が上がる」という説明が議論の大半を占めます。しかし、ツールが入った後、人々が実際にどう働くようになるかも見なければなりませんでした。AIもレビューの草稿を早く作れるようにしますが、論文を読み根拠を確認する時間まで削っていいのかは、別途判断する必要があります。

二つ目は、ICML 2026が7月にソウルで開催されるという点です。韓国の研究者も著者や審査者として参加する学会で起きたことです。私たちの大学院でも、AI活用と検証を単なる海外の事例として片づけることはできません。

私は、AIで読んで整理することに慣れるほど、自ら検討する時間を意識的に残しておく必要があると考えます。ただし、その習慣が即座に規則違反や能力低下を引き起こすと断定する根拠は不十分です。研究者が実際にどの過程を省略しているのかから見ていく必要があります。

私が重要だと考える能力は、AIが変わっても研究者に必要であり続けるものです。良い問いを立て、主張に見合う根拠を探し、分析結果が誤っている可能性を検討する能力です。こうした能力を備えてこそ、AIの助けも評価できます。

訓練過程でこうしたことを省略し続ければ、能力を身につける機会も減りかねません。だからこそ教育は、完成した成果物だけでなく、なぜその方法を選んだのか、何を自ら確認したのかも見ていくべきだと思います。

おわりに

ICML事件で確認されたのは、同意した審査規則への違反です。これを研究者の認知能力についての判定にまで拡大することはできません。一方でライティング実験や学生たちの経験は、道具が便利になっても、自ら学び検討する過程が必要ではないかという問いを残します。

AIが草稿や分析を手伝ってくれるほど、研究者は自らどんな判断を下したのかを説明できる必要があります。指導教員や学会も、許容範囲と確認すべき手続きを具体的に示す必要があります。

私はラメッリーニが投げかけた問いを、こう受け止めました。

AIで1時間を節約できたなら、その時間をどこに使うのか。 より多くの成果物を作ることだけに使うのか、理解し検証することにも使うのか、振り返ってみる必要があります。

---

参考資料と関連リンク

• Nature、AI and the PhD student: friend or foe?、2026.03.16。学生たちのAI活用経験と教育に関するインタビュー。
• ICML 2026 Program Chairs、On Violations of LLM Review Policies、2026.03.18（03.26訂正含む）。摘発された506名と、論文却下に該当する指定審査者398名を区別して説明しています。
• Kosmyna, N. et al.、Your Brain on ChatGPT、2025。小規模なエッセイ執筆実験のプレプリント。
• Sen Gupta, A.、PhD training needs a reboot in an AI world、2025。
• Frontiers、Unlocking AI’s untapped potential、2025。審査中のAI使用に関する設問の回答者909名と、初期キャリア研究者の活用範囲を確認できます。
• EUA、Policies in doctoral education、2026.01。2025年調査の結果であり、AIポリシーに関する設問は32~33ページにあります。
• Freeman, J.、Student Generative AI Survey 2025、HEPI、2025.02.26。
• アン・グァンソプ、バイブコーディング奮闘記 EP.01、PDF AI SHIELD、2025.05.23。私が作ったPDF保護ツールの体験談です。このソリューションはその後、丸ごと売却しました。

筆者アン・グァンソプは世宗大学校経営学科教授であり、INLEVEL9リードコンサルタントである。大学では経営データ管理、ビジネスアナリティクスなど統計・データ分析を教える一方、現場ではGTM戦略とAI戦略コンサルティングを率い、技術とビジネスの接点を設計している。AI対話システムの記憶アーキテクチャ（HEMA）研究で学術論文を発表し、毎日グローバルなAI論文をキュレーションするDaily Arxivプロジェクトを運営している。高麗大学校技術経営専門大学院修士課程とKMBAを卒業した。著書に《思考を委ねる人々：ホモ・ブレインレス》がある。

著者 アン・グァンソプ（Oswarld） は世宗大学校 兼任教授、INLEVEL9 戦略コンサルタントです。経歴、研究、著書、最近の活動は著者紹介で更新しています。 最近の活動 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

각주

1. ICML（International Conference on Machine Learning）: 主要な国際機械学習学会です。2026年の開催は7月6日〜11日、ソウルで行われる予定です。 ↩

2. 相互審査（Reciprocal Review）: 論文を提出する際に、審査に参加する人を指定する制度です。今回のICMLの措置では、指定審査者が合意したLLM使用規則に違反した提出論文が却下されました。 ↩

3. プレプリント： 学術誌の査読を終える前に公開する論文の形態です。研究結果を素早く共有できますが、検証の範囲と限界も併せて読む必要があります。 ↩

4. EEG（脳波測定）: 頭皮電極で脳の電気的活動を測定する方法です。この研究で分析した機能的結合パターンは、課題を遂行している間の信号の関係であり、脳の物理的な結合が切れたという意味ではありません。 ↩