![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
要旨: 「温故知新」は孔子の初学者に対する助言である。新しき学問や研究を 企てる際に重要なこの姿勢は自然科学においても有効な処方箋である と思われる。にもかかわらず、理系の研究現場において重要視される ことは少なく、、むしろ「今を温（たず）ねて新しきを知る」ことが尊ばれる。 しかし、現実は、そう単純ではない。「故（ふる）きを温（たず）ねなかった」 ばかりに「世紀の大発見」の登場が１６０年遅れた事例が実際にある。 １９６５年に発表された高速フーリエ変換(Fast Fourier Transform通称 FFT)は２０世紀で最も偉大な工学上の発見とまで称えられたが、実は １８０５年にガウスが考案していたことが現在では知られている。他にも、 ニュートンのプリンキピアには人工衛星の着想が描かれていたとか、 ラプラスはブラックホールの半径を計算していたとか、この種のエピソード は枚挙にいとまがない。どうすれば「車輪の再発明」のような愚行を避ける ことができるのであろうか。それには、故（ふる）きを温（たず）ねて、 温（たず）ねて、温（たず）ね抜くしかない。幸い、Googleに代表される 高速検索技法やProject Gutenbergに代表される無料電子図書館の 発展により、事態は改善されつつある。ただ文献量の一方的な増大に どのように対処するかは今後の課題であり、このままでは学問の最前線に たどり着くまでに一生を費やしかねない。我々にはＡＩの進展に望みを つなぐほか道はないのであろうか。
Abstract: "Study Old and Find New" is a Confucian advice to beginners. Although it is a general principle, this motto is not so advocated in natural sciences. Rather, we are told to "Study Now and Find New." However, the reality is not so simple. Indeed, there exists an educative specimen that a great discovery was delayed to be popularized because nobody did study old. The well-known FFT (Fast Fourier Transform) was said to be invented by Cooley and Tukey in 1965. Nevertheless, Gauss did propose the exact same method in 1805. An older example is Newton's cannon ball depicted in Vol. 3 of PRINCIPIA, which is nothing but the artificial satellites. Also, Laplace estimated an upper bound of Sun's density by using the fact that its escape velocity is less than the speed of light. This means that the Sun is never a black hole, which the general theory of relativity was said to have discovered. Then, how can we avoid such a re-invention of the existing but not popular idea? The only solution may be to "Study Old, Study Old, and Study Old". Fortunately, the development of searching engines as the Google and the spread of free electronic library systems like the Project Gutenberg seem to have improved the situation. Having said so, we must admit that remained is a big issue: exponentially increasing literature. It might mean that the whole lifetime of a researcher is spent before reaching the cutting-edge. Is there any other way to resolve this problem than relying on the advancement of the Artificial Intelligence?
