しかしながら、これは過大評価を煽る人たちが無視している部分だが、検証結果は一様ではない。
ナイジェリアのイタクペの鉱床のケースでは、通常クリギングがニューラルネットワークを明確に上回り、より精度の高い数値を算出した。同じ競技で勝者が入れ替わったわけだ。従って、このレポート群に埋もれている教訓は「AIが勝つ」ではなく「岩石次第だ」である。AIがわずかに優位に立つこともあれば、従来の手法が勝つこともあり、どちらが良いかは事後にならないとわからないことも多い。法的責任を伴う公的な数値である以上、地質条件によって予測精度が左右される不安定なデータに対して、専門家が自身の署名で裏付けを与えることなど到底不可能だからだ。
なぜ扉は閉じたままなのか
では、なぜ業界は宝探しにはAIを喜んで受け入れるのに、計数の場面からは締め出すのか。理由はいくつかあり、互いに相反している。
理由のなかで最も明らかなのは、責任の問題だ。QPはMREに署名し、その結果に責任を負う。クリギングは既知の手法で、何十年にもわたって訴訟や監査、教育、信頼の対象となってきた。その前提は明確であり、同業者や規制当局はボーリング孔からブロックモデル（3D鉱床モデル）までのロジックを正確に追うことができる。
この仕事をニューラルネットワークに任せると、その透明性の一部が曖昧になる。自らのプロセスを完全に説明できないAIモデルが数字を生成したとき、その数字が間違っていた場合に誰が責任を取るのだろうか。QPの枠組みは、人間が推定を行う世界を前提に構築された。AIモデルがその椅子に座ることを想定した仕組みは、まだ用意されていないのだ。
監査可能性の論点は、軽く受け流せるものではない。ここが核心だからだ。規制当局や独立した審査官がクリギングによるMREをチェックする際、彼らは再計算し、バリオグラム（空間的相関を表す関数）を精査し、どの近傍サンプルがどのブロック品位を導いたかを正確に確認できる。この手法は作業過程を示す。一部の機械学習手法も同様のことができるが、多くのモデルはブラックボックスに近い。一方の端からボーリングデータを入れると、もう一方の端から品位が出てくるが、推論は重みの中に閉じ込められているのだ。
QPにとって、自分で完全に再構築できない数字を認証するよう求められるのは、見ず知らずの他人の成果物に太鼓判を押せと言われているようなものだ。多くの者がそれを拒否するのは無理もない。問題はAIモデルの能力が低いということではない。「私を信じてくれ」は証券取引委員会に対して申し開きできる手法ではない、ということだ。
さらに、対戦成績がまちまちだという問題もある。学術的な結果でAIが圧倒的な勝利を修めれば、採用への圧力は絶大なものになっただろう。だが、結果はそうではない。新しい手法が信頼のある古い手法にたまに勝つだけで、古い手法を使っていればキャリアを失うリスクがないとしたら、賢明な専門家が万が一のときに自分を弁護できるものに固執するのは、当然だ。
