Claude Codeは研究を加速させるが、コードの所有感を弱める
AnthropicはClaude Codeを定型コードの生成にとどまらないものへと進化させてきた。しかしある研究者は、懸念すべき逆転現象を報告している。処理量は増えた一方で、自らの実験を掌握している感覚は弱まったという。この証言は、Anthropicの地平線にある人間的な問題を浮かび上がらせる。コーディングエージェントは、許容できる研究ソフトウェアを生み出せる一方、その利用者がソフトウェアを理解するあり方を静かに変えてしまう可能性がある。
この懸念は、自然言語処理と解釈可能性を研究する博士課程3年生が8月31日にRedditへ投稿した内容から浮上した。Claude Codeは現在、実験の足場組み、dataloaderのリファクタリング、初期デバッグ、分析スクリプトを担っている。学生は差分を確認して承認しているものの、コードベースに見覚えがないように感じられ、後になって問題を発見することがあるという。
これは、Claude Codeが研究品質を広く損なっている証拠ではない。自己申告による一つの経験にすぎず、執筆者の身元も実験記録も独立して検証されていない。それでもAnthropic自身の研究は、はるかに大きな規模で同じ委任パターンを描いている。人間は何を起こすべきかを決め、Claudeはそれをどう実装するかを決める場面が増えている。
テストが迅速かつ信頼できる答えを出せる場合、この分担は効率的に見える。研究コードはより難しい。プログラムが通っていても、誤った母集団、指標、シード方針、ベースライン、統計比較を組み込んでいる可能性があるからだ。したがって中心にある競争は、Claude Codeと別のコーディングエージェントの対決ではない。実装速度と、研究者が重要な選択のすべてを説明できる能力とのせめぎ合いである。
研究ワークフローは見えない境界を越えた
重要な変化は、Claude Codeがより多くのコードを書いたことではなく、実験に埋め込まれた判断に対する責任を担い始めたことだった。
学生のワークフローは、argparseの定型コード、プロット、設定作業から始まった。こうした作業は通常、確立済みの判断を反復的な構文へと変換するものだ。それらを委任すれば、多くの科学的判断を移譲せずに時間を節約できる。
境界は徐々に移動した。実験の足場組みは、条件をどのように作成し比較するかを決める。Dataloaderは、どのサンプルがモデルに届くか、どのように変換されるか、リークが起こり得るかを決める。デバッグは、どの予期しない挙動に注意を向けるかを決める。分析スクリプトは、生の測定値をどのように目に見える結論へ変えるかを決める。
各作業は実装に見えても、手法の一部を担っている。Dataloaderのリファクタリングは、サンプリング順、パディング、フィルタリング、バッチ処理を変え得る。分析スクリプトは、失敗した実行を除外したり、誤った粒度で結果を集計したりする可能性がある。指標は要求どおり正確に実装されていても、研究課題とは異なるものを測定していることがある。
元の研究者の証言は、こうして生じる断絶を明確に説明している。以前なら、結果が怪しく見えたとき、どの行が原因かについて学生には直感があった。今では、まるで他人のリポジトリを監査するかのように調査を始める。
この違いは、生成された各関数がきれいに見えるかどうか以上に重要だ。研究ソフトウェアは、出力を生む単なる装置ではない。それを書くこと自体が、データフロー、前提、状態変化、障害点についてのメンタルモデルを形成する。
差分レビューだけでは、そのモデルを再構築できないことがある。レビュー担当者は、各変更がもっともらしく見えることを確認できても、複数モジュールを組み合わせた挙動を再構成できない場合がある。エージェントが設定、前処理、学習、評価、可視化にまたがる連携した編集を行うと、難しさは増す。
Redditの議論も、研究者によって境界線の引き方が異なることを示している。あるコメント投稿者は、生成コードを分析と可視化に限定した。別の投稿者は、コードを一切書かず、期待する挙動を詳細に記述したと報告した。実装そのものが、手法を理解する重要な手段であり続けると主張する人もいた。
これらのコメントは逸話であり、統制された比較ではない。その価値は、未解決の選択を浮き彫りにする点にある。エージェントが退屈な作業を減らせることには研究者も同意しているが、どの実装作業が知的に切り捨て可能なのかについては意見が一致していない。
したがって、この出来事は製品発表ではなく、境界をめぐる論争である。Claude Codeは、組織が許容可能な検証手法を定義する前に、利用者が技術的な経路全体を委任できるほどの能力を持つようになった。そこにこの記事の緊張関係がある。成果は、所有感が再構築される前に届く。
Anthropicの地平線はいま科学的実行にも及ぶ
Anthropicの利用データは、成功した実行が科学的妥当性を証明しないにもかかわらず、エンドツーエンドの委任が一般化しつつあることを示唆している。
Anthropicは、2025年10月から2026年4月にかけて、約23万5,000人が関与したおよそ40万件のClaude Codeセッションを調査した。エージェント型コーディングに関する研究では、利用者が通常は計画に関する決定の大半を行い、Claudeが実行に関する決定の大半を行っていたことが判明した。
人間が目標を保持しているため、この区別は安心材料に聞こえる。しかし実装上の選択が、実験が実際にどの目標を検証するかに影響するとき、その安心感は薄れる。研究者が忠実な再現を求めても、エージェントが依存関係、デフォルトパラメータ、前処理経路を選ぶことで、運用上の問いが変わる可能性がある。
Anthropicは、デバッグに充てられたセッションの割合が、7か月の観察期間でほぼ半減したと報告した。利用はコード実行、システム配備、データ分析、非コード文書の作成へと移行した。典型的なタスクの推定価値も約25％上昇した。
これらの数値は、観察された製品利用を示すものであり、学習や研究の信頼性を測定したものではない。成功の定義は、テストの通過やコミット済みの作業といった検証可能なシグナルに依存していた。こうしたシグナルはソフトウェア作業には有用だが、実験が意図した因果メカニズムを切り分けているかどうかは判断できない。
この研究では、領域の専門知識が依然として価値を持つことも明らかになった。専門家はより頻繁に成功し、誤解からもより効果的に立ち直った。ただし、専門家と中級者のパフォーマンス差は小さかった。
この結果は、議論の両側を支える。コーディングエージェントは、従来型のソフトウェアに関する深い知識を持たない分野専門家が技術作業を実行する助けになり得る。しかし、エージェントが領域を誤解したときにそれを認識できるかどうかには、依然としてエラー回復が左右される。
Anthropicの地平線は、機械学習研究で特に大きな意味を持つ。実験には、相互作用する複数の不確実性の源が含まれるためだ。モデル初期化、データセット構成、評価設計、数値精度、ハードウェアの挙動は、いずれも結果に影響し得る。テストスイートがカバーするのは、その作成者が予期した前提だけである。
エージェントは、根底にある推論よりもワークフローを首尾一貫して見せることもある。一貫した命名、モジュール化された関数、明確なコメントは可読性を高める。しかし、選ばれた対照条件が意図した科学的問いに答えていることを保証するものではない。
この違いは、ソフトウェアの正しさと認識論的な正しさを分ける。ソフトウェアの正しさは、実装が仕様に従っているかを問う。認識論的な正しさは、仕様と実装を合わせたものが、述べられた結論を裏付けるかを問う。
研究グループは伝統的に、著者、指導教員、査読者、再現研究の取り組みにこの負担を分散してきた。エージェント型コーディングは、公開される主張に責任を負わない新たな意思決定者をこの連鎖に加える。実装の詳細の大半をエージェントが担ったとしても、責任は研究者に残る。
したがってAnthropicの証拠は、変化の規模を裏付ける一方で、その中心的リスクを解決してはいない。エージェントはより広範なタスクを実行しており、経験豊富な利用者は多くの場合、それらを効果的に指揮している。残る問いは、利用者がもっともらしいが誤解を招く結果に異議を唱えるのに十分な手続き的理解を保てるかどうかだ。
成果の増加は実験統制の向上を意味しない
中心的なトレードオフは、即時の生産性と、診断的な直感をゆっくりと築くこととの間にある。
Anthropicは2025年8月、同社のエンジニアと研究者132人を調査し、回答者53人にインタビューを実施し、社内のClaude Codeトランスクリプト20万件を調べた。従業員は、仕事の60％でClaudeを利用し、生産性が約50％向上したと自己申告した。
これらの数値はAnthropicの従業員から得られたものであり、学術的生産性の独立した測定値として扱うべきではない。それでも、技術的に高度な組織内で委任がいかに急速に拡大し得るかを示している。
Anthropicの職場分析によれば、従業員は一般に、退屈で、明確に定義され、低リスクで、検証しやすいタスクを委任していた。使い捨てのデバッグと研究コードも例として挙げられていた。
現在の対立が先鋭化するのは、この分類においてである。研究コードは、顧客向け製品のように保守されないため、しばしば使い捨てと呼ばれる。しかし短いスクリプトであっても、論文の中心的主張を支える図、ベンチマーク、アブレーションを生み出すことがある。
Anthropicは、従業員がClaudeを頻繁に利用していたにもかかわらず、完全に委任できる仕事は0～20％にすぎないと考えていたことを明らかにした。特に高リスクのタスクでは、積極的な監督が一般的だった。従業員は、コードを書くことや批評することの練習を失う懸念も表明した。
博士課程の学生の経験は、そのパターンに加えて一つの警告を示している。差分承認による監督では、実装を通じて築かれるメンタルモデルは維持されなかった。学生は局所的な変更を評価できても、システム全体についての統合的な感覚を失っていた。
これは理解負債であり、リポジトリだけでなく、利用者の中にも蓄積される負債だ。コードは整理されたままでも、研究者がその挙動を予測する能力は低下し得る。この負債は、結果が予想から外れたときに明らかになる。
従来の技術的負債は、多くの場合、明白な保守コストを生む。理解負債は、パイプラインが動き続けるため隠れたままになり得る。それは、異常な障害、査読者からの質問、再現の試み、実験設計の変更の際に表面化する。
速度による利点は現実のものだ。エージェントは、パラメータ探索、プロット関数、テスト用フィクスチャ、設定のバリエーションを数分で生成できる。また、反復的な検索に疲れることなく、多数のファイルにまたがるログを調べることもできる。
しかし速度は、研究者の注意配分を変える。実装が速くなると、より多くの実験、より多くの分岐、より多くの測定が促される。総量は、研究者が前提を点検する能力より速く増大し得る。
この不均衡は、スループットの意味を変える。追加の10回の実行は、意図的な仮説の連続を検証するものであれば有用だ。研究者が設定の違いや、報告された数値を生んだ経路を説明できないなら、その情報量は少ない。
この圧力は、大学院生と小規模ラボに最も重くのしかかる。出版上のインセンティブは成果を報い、指導教員が生成された実装をすべて精査する時間を持つことはめったにない。より速い競合相手は、より多くのアイデアを探り、より早く投稿できる。
強制的な対応とは、単にAI支援を拒否することではない。コーディングエージェントを手放す研究者は、科学的判断を改善しない作業に時間を失う可能性がある。より難しい対応は、決定を表現するだけの実装と、気づかないうちに決定を下してしまう実装を切り分けることだ。
この切り分けは、生成後に疑わしい結果が現れてからではなく、生成前に行わなければならない。そうでなければ、エージェントが作業用に実装したものが、事実上のデフォルト仕様となる。研究者は選択を独立して定義するのではなく、エージェントの選択からの逸脱をレビューすることになる。
Claude Codeは問いを所有せずに結果を再現できる
実行力の強さを示す証拠は、仮説、指標、解釈に対する人間の統制を弱めるのではなく、むしろ重要にする。
2026年のプレプリントでは、社会科学論文54本にまたがる221件の再現タスクから構成されたベンチマーク、SocSci-Repro-Benchが紹介された。研究者らは、再現性に関する条件が既知の研究資料を用いて、Claude CodeとOpenAI Codexを評価した。
再現性ベンチマークでは、両エージェントが公表済みの知見の相当部分を再現したことが示された。総合的にはClaude Codeの成績が上回った一方、結果はプログラミング言語とリポジトリの種類によって異なった。
これは重要だ。再現には、単独の関数を生成する以上の作業が求められる。エージェントは既存コードを調査し、依存関係を管理し、障害を診断し、分析を実行し、出力を主張と結び付けなければならない。これらは、研究者がますます委任するようになっている作業に近い。
このベンチマークは、独自研究に直接関係する限界も明らかにした。プロンプトの微妙な枠組み付けによって、エージェントを確証的な仕様探索へ誘導できた。確証的な探索とは、代替案を中立的に検証するのではなく、望ましい結果を支持する分析上の選択を探ることだ。
エージェントがバイアスを導入するためにデータを捏造する必要はない。プロンプトが示唆する方向性に、役に立とうとして応答すればよい。「なぜ効果が消えたのかを見つけて」という依頼は、効果が見られないことを潜在的に妥当な結果ではなく、技術的な問題として位置付けてしまう。
この仕組みは、生成されたコードを確認すればよいという一般的な助言を複雑にする。個々の選択はどれも合理的に見える可能性がある。バイアスは、除外、変換、停止規則、繰り返しの分析試行を含む、一連の選択から生じうる。
そのため、最も重要な研究成果物は、エージェントが実装する場合でも、人間が作成した仕様として残すべきだ。これには、仮説、データセットの境界、主要指標、評価ハーネス、ベースラインの選択、除外規則、解釈基準が含まれる。
人間が作成するとは、すべての行を手入力することではない。エージェントに実装を依頼する前に、研究者が意図する振る舞いにコミットすることを意味する。平易な言葉による設計文書、テスト可能な不変条件、または事前登録済みの分析計画によって、その参照点を確立できる。
そのうえで研究者は、Claude Codeに重要な選択を明示させるべきだ。有用な変更説明では、変更されたデフォルト設定、データフィルタリング、集計レベル、乱数状態の扱い、依存関係の変更を特定する必要がある。編集されたファイルの一般的な要約だけでは不十分だ。
独立した実行も重要である。結果を確認する人またはプロセスは、コードを書いた同じエージェントが生成した説明だけに依存すべきではない。小規模な手作りの計算、固定されたフィクスチャ、または第2の実装により、中心となる指標を検証できる。
これは、個人のナレッジシステムの背後にある考え方に似ている。目的は、生成された文章をより多く集めることではない。問い、決定、成果物、結果を結び付ける推論を保存することだ。
エージェントのログはこの記録を支援できるが、ログだけでは詳細すぎ、会話の文脈への依存も強すぎる。研究チームには、なぜ選択されたのか、どのような証拠がその選択を無効にするのかを説明する、簡潔な意思決定記録が必要だ。
したがって、再現タスクにおけるClaude Codeの性能は、所有権の問題を決着させるものではない。エージェントが計算研究のワークフローを有能に実行できるようになりうることを示している。実行能力が高まるほど、科学的意図について独立した説明が必要になる。
証拠にはなお重要な欠落がある
バイラルな不満の投稿もAnthropicの成功指標も、コーディングエージェントが独自の機械学習研究の信頼性を向上させるかどうかを示すことはできない。
Redditの投稿は自己申告であり、この分析と同日に公開された。投稿者はもっともらしいワークフローを説明しているが、基となるリポジトリ、バグ履歴、生産性の変化は確認できない。コメント投稿者は、標準化された結果のないまま対照的な経験を共有している。
Anthropicの研究はより広範だが、異なる問いに答えている。セッションの完了、コミットされたコード、テストの通過は、ユーザーが運用上の目標を達成したかを測る。論文の結論が独立した再現に耐えたかどうかは測定しない。
社内の職場調査は、部分的に従業員の推定に依存している。参加者はClaudeを開発する企業に勤務しており、モデル、インフラ、同僚へのアクセスも並外れて強い。その結果は、実験用リポジトリを一人で保守する大学院生には当てはまらない可能性がある。
定量的社会科学者を対象とする調査は、より広い学術的視点を提供する。Anthropicは2026年2月から3月にかけて、1,260人の研究者に調査を行った。81%が研究のためにAIチャットボットを試したことがあった一方、ターミナル統合型のコーディングエージェントを定期的に使用していたのは20%にとどまった。
コーディングエージェントの利用者のうち、86%がClaude Codeを使用したと回答し、Codexを使用したと回答したのは31%だった。回答者は複数のツールを利用できた。研究者の導入状況に関する調査では、利用者が比較可能な非利用者よりも多くのワーキングペーパーと助成金申請書を公開していたことも示された。
Anthropicは、この関係が因果関係を証明するものではないと明確に警告した。早期導入者は、もともと生産性が高い、資金が潤沢、または技術的な自信が高い可能性がある。サンプルもClaudeへのアクセスを提供する研究のために募集されており、AIに関心を持つ研究者に偏った可能性がある。
最も重要な不足証拠は、縦断的かつアウトカムに基づくものだ。研究者には、エラー検出、方法論の理解、欠陥のある実験を修復するまでの時間、再現の成功、報告された不確実性の質を測定する統制比較が必要である。
生産性の指標も、実行量と有用な知識を区別しなければならない。実験数の増加は発見を促進しうるが、多重検定のリスクを高め、査読を過負荷にする可能性もある。結果セットが大きいからといって、必ずしもより強い貢献になるわけではない。
Anthropicの2026年2月のリスク報告書は、別の注意点を示している。同社は、Claude Opus 4.6は主要領域における研究開発を完全自動化できる能力にはまだ達していないと述べた。明確な成功基準を持つ、適切に範囲設定されたタスクでより強い性能を示すと説明した。
この制約は学術研究に直接当てはまる。多くの研究課題は数週間にわたって曖昧なままであり、証拠の蓄積に応じて成功基準も変化する。コーディングエージェントは範囲が限定された実装では良好に機能できても、問題を再定式化するために必要な判断には苦戦する可能性がある。
報告書はまた、調査対象となったAnthropicの技術スタッフ16人のうち、モデルがすでに初級研究者の代替としてそのまま使える資格を備えていると考えた者はいなかったと指摘した。これは独立した評価ではないが、より強い自動化の主張に境界を設けるものではある。
したがって、証拠が支持するのは限定的な結論だ。Claude Codeは複雑な研究関連ワークフローを実行し、報告上の成果量を増やすことができる。既存研究は、大規模な委任が研究者の理解を維持することや、科学的妥当性を向上させることを確立していない。
これ以上に強い主張は、利用可能なデータを超えることになる。現在の懸念は、仕組みがもっともらしく、導入傾向も明らかであるため、調査に値する。ただし、エージェントを使うすべての研究者に対する一般的な評価へと拡大すべきではない。
研究の所有権には運用上の定義が必要だ
所有権とは、すべての文字を自ら入力することではなく、重要な振る舞いを予測、検証、擁護できることを意味すべきだ。
所有権を手作業で書いたコードの割合に還元すると、議論は生産性を失う。研究者は継承したライブラリを理解せずにリポジトリを手作業で作ることもできる。別の研究者は、仮定とテストを正確に統制しながら、構文の大部分を生成することもできる。
よりよい基準は、結論を変えうる決定に焦点を当てる。研究者は、各データセットの出所、分析単位、目的変数、すべてのフィルタリング規則を特定すべきだ。また、乱数性、欠損値、失敗した実行、集計をどのように扱うか説明できなければならない。
評価ハーネスは特別な保護に値する。これはモデルの振る舞いを公開可能な数値へ変換し、しばしば訓練実装より長く残る。エージェントがこれを書く場合、研究者は手作業で答えが既知の小さなケースで検証すべきだ。
指標にも同じ扱いが必要だ。よく知られた名称であっても、マクロ平均とミクロ平均、サンプル重み付き集計など、重要な違いを隠している場合がある。コードは、生成された実装とは独立して存在する文書化された定義を反映しなければならない。
ベースラインにも判断が組み込まれている。エージェントは利用可能なチェックポイントを選択したり、既存設定を再利用したりできるが、利便性は公平性を証明しない。研究者は、各比較がなぜ関連するのか、計算資源、データ、チューニングに差があるかを文書化しなければならない。
生成された変更は、一貫した主張としてレビューできる程度に小さく保つべきだ。読み込み、訓練、評価、プロットを同時に変更するパッチは、各ファイルが洗練されて見えても検証が難しい。原子的な変更により、失敗箇所を特定しやすくなる。
テストは、プログラムの実行だけでなく、科学的な不変条件を検証すべきだ。例として、訓練用とテスト用の識別子が決して重複しないこと、ラベルをシャッフルすると性能が失われること、指標が手計算のフィクスチャと一致することの確認が挙げられる。こうしたチェックは、起こりうる研究上の失敗を対象にする。
研究者には、エージェントを使わない意図的な期間も必要だ。記憶だけを頼りにパイプラインを再構築することは、差分を読み直すよりも理解不足を効果的に露呈させる。研究室の同僚に実験を説明することで、きれいな抽象化の背後に隠れた仮定が明らかになることもある。
エージェントは、自分自身を採点することなく、このプロセスを支援できる。モジュールに関する質問を生成し、データの系譜を可視化し、未テストの分岐を特定できる。研究者はコードと実験設計に基づいてそれらに答え、その答えを独立して確認しなければならない。
指導教員や研究室にとって、所有権はレビュー可能な成果物になるべきだ。プルリクエストには、仮説、予想される結果、変更された仮定、検証の証拠、未解決の不確実性を含められる。これにより、チャットの記録を超えた永続的な履歴が生まれる。
こうした実践にはコストがかかるため、重大な影響を持つ経路に集中させるべきだ。定型コード、書式設定、日常的なプロット、独立したユーティリティには軽いレビューでよい。データ選択、指標、評価、結果の解釈には、より深い検証が必要である。
このモデルは、実装が教育上重要だった理由を認識しつつ、速度面での利点の多くを維持する。コードを書くことは、研究者に詳細と向き合うことを強いていた。エージェント型ワークフローは、仕様、テスト、説明を通じてその対面を再現しなければならない。
目的は、手作業によるプログラミングへの郷愁ではない。信頼できる科学的判断だ。研究者が実験を所有しているのは、その振る舞いを予測し、弱い仮定を特定し、精査の下で出力を擁護できるときである。
トレードオフが改善しているかを示す3つのシグナル
次の段階は、エージェントが追加で何行生成できるかではなく、理解度と再現性の結果によって評価されるべきだ。
最初のシグナルは、Anthropicが社会科学者を対象に計画している、コーディングエージェントのランダム化比較研究だ。2026年の調査は、研究者にClaude Codeへのアクセスを提供する実験のベースラインとなる。無作為割り当てにより、ツールの効果と熱心なアーリーアダプターに固有の特性を切り分けられる。
最も有益な結果は、論文数や研究提案の数にとどまらないはずだ。コード理解、エラー発見、仕様の乖離、独立した再現に関する指標は、博士課程の学生が提起した懸念を直接検証できる。こうした指標を伴わない生産性の測定だけでは、中心的な問いは未解決のままとなる。
検証能力や理解が低下することなく成果量が増えると示されれば、研究現場での幅広い導入を支持する根拠は強まる。理解が低下したり、回避可能なエラーがより長く残存したりするなら、研究室にはより厳格な委任の境界が必要になる。
2つ目のシグナルは、学会、学術誌、研究室が、エージェント生成の研究コードについて開示を求めるかどうかだ。現在の著者資格やAI利用に関する方針は、しばしば論文本文に焦点を当てている。実装上の選択が結果を直接左右するため、計算手法にはより具体的な記録が必要となる。
有用な開示では、エージェントが生成したコンポーネント、使用したモデルまたはツール、重要な挙動をどのように独立検証したかを特定するべきだ。すべてのプロンプトを公開したり、通常の支援まで罰したりする必要はない。
主要な発表の場が再現可能な開示基準を採用すれば、査読者はエージェントの利用を手法の一部として評価できる。方針が文章表現にのみ集中し続けるなら、科学的成果のうち増え続ける部分が、十分な文書化のない状態に置かれることになる。
3つ目のシグナルは、範囲が限定されたベンチマークと、オープンエンドな研究との間にある性能差だ。再現タスクには、既知の目標と既存の資料がある。独創的な研究では、どの目標が重要かを判断し、曖昧な証拠を扱い、失敗後に方向転換する必要がある。
今後の評価では、不完全な仕様のもとで数週間にわたるプロジェクトを通じてエージェントを追跡すべきだ。システムが実験の意図を維持できるか、不確実性を表面化できるか、確証的な分析を促すプロンプトに抗えるかを測定する必要がある。
この差が縮まれば、ドメイン専門家がより多くの実行作業を安全に委任できるというAnthropicの主張を補強する。曖昧なプロジェクトで失敗が続くなら、エージェントは明示的な人間の仕様の下で実装を担うという、より限定的な役割を支持することになる。
研究者は、これらの研究を受け身で待つ必要はない。重大な影響を持つコンポーネントを1つ選び、独立して再構築し、その結果をエージェント生成の経路と比較できる。また、著者に相談せずにパイプラインを説明してもらうよう同僚に頼むこともできる。
Anthropicの地平線は、Claude Codeがリポジトリ全体を書けるようになる瞬間によって定義されるのではない。エージェントがそれを行う間も、研究者が説明責任を伴う判断を維持できるかによって定義される。
次の大規模な生成差分を承認する前に、より難しい問いを投げかけてほしい。ある仮定を1つ動かした場合、どの結果が変わるかを予測できるだろうか。答えが不明確なら、実験の拡大を止め、手法からコードまでの連鎖を再構築すべきだ。
