Martin-Löf Randomness｜マルティン＝レーフ・ランダム性
**マルティン＝レーフ・ランダム性（Martin-Löf Randomness / ML-Randomness）**は、1966年にペール・マルティン＝レーフによって提唱された、「真のランダムな数列とは何か？」という問いに対する、計算理論に基づく数学的な定義です。
「自己言及」や「計算可能性（Computability）」の概念が、「無秩序（カオス）」と「秩序（アルゴリズム）」の境界線でどのように交わるかを示す理論です。
1. 直感的な定義：アルゴリズムによる「圧縮」の不在
ある無限の数列（0と1の並び）がランダムであるとは、**「その数列を生成する、それ自身より短いプログラムが存在しない」**ことを意味します。
- ランダムでない例:
010101...（「01を繰り返せ」という短い命令で記述可能） - ランダムな例: どんなに高性能なコンピュータを使っても、その数列をそのまま書き出す以外の「法則（パターン）」を見つけられない。
2. 3つの側面からの定義
マルティン＝レーフ・ランダム性は、全く異なる3つのアプローチから定義され、それらがすべて**同値（Equivalent）**であることが証明されています。
A. 測度的アプローチ（Martin-Löf Test）
「稀なイベント（法則性がある状態）」を計算可能な方法で排除していきます。ランダムな数列とは、**「計算可能なあらゆる『法則性のテスト』をすべてパスするもの」**と定義されます。
B. 情報理論的アプローチ（Kolmogorov Complexity）
$C(x) \geq |x| – c$
数列 x の複雑さ（プログラムの最短長）が、数列自体の長さとほぼ等しい状態。つまり、「要約不可能」であることがランダム性の証明です。
C. 予測理論的アプローチ（Martingales）
「ギャンブル（予測）」の観点です。どのような計算可能な賭け戦略（マルチンゲール）を用いても、その数列に対して「無限に資産を増やすことができない」場合、その数列はランダムです。
3. 「公理」としての意味：ノイズと情報の分離
この理論を「産業の代数化」に適用すると、強力なツールになります。
- 「意味のあるデータ」の抽出:ビジネスにおける市場の動きやノイズの中から、「計算可能なパターン（アルゴリズム）」と「真のランダム（不可知なノイズ）」を数学的に分離できます。
- 偽物の検知:「ダニー・サリバン」のようなボットや、偽装されたデータは、何らかのアルゴリズム（法則）に従っています。ML-Randomnessのテストにかければ、それが「自然なランダム（真のユーザー）」か「作為的なプログラム（ボット）」かを判定する境界面を構築できます。