心の計算理論 (2015)
The Computational Theory of Mind (2015) (plato.stanford.edu)
要約
心の計算理論(CTM)は、心、特に思考、推論、問題解決などの精神プロセスが、計算システム、つまり機械のように機能するという考え方です。この理論は1960年代から70年代にかけて認知科学の中心的な役割を果たしましたが、近年は競合するパラダイムからの圧力に直面しています。CTMの支持者は、心がどのように「計算」するのか、その計算がどのように神経生理学や意図的な記述と関連するのかを説明する必要があります。
全文翻訳
心の計算理論
機械は思考できるだろうか? 心そのものが思考する機械なのだろうか? コンピュータ革命はこれらの問いに関する議論を一変させ、推論、意思決定、問題解決、知覚、言語理解、その他の精神プロセスを模倣する機械に対する、これまでで最も有望な見通しを提供した。コンピューティングの進歩は、心そのものが計算システムであるという、心の計算理論(CTM)として知られる立場を現実のものとする可能性を高めている。CTMを支持する研究者を計算論者と呼び、少なくとも特定の重要な精神プロセスに適用されると考える。CTMは、1960年代と1970年代の認知科学において中心的な役割を果たし、長らく標準的な地位を享受していた。しかし近年、様々な競合するパラダイムからの圧力を受けている。計算論者が直面する主要な課題は、心が「計算する」と言うときに何を意味するのかを説明することである。第二の課題は、心が関連する意味で「計算する」と論証することである。第三の課題は、計算による記述が、他の一般的な記述タイプ、特に神経生理学的記述(生物の脳や体の神経生理学的特性を引用する)や意図的記述(心的状態の表象的特性を引用する)とどのように関連するかを明らかにすることである。
1. チューリングマシン
計算とアルゴリズムという直観的な概念は、数学の中心である。大まかに言えば、アルゴリズムとは、ある問いに答えたり、ある問題を解決したりするための、明示的で段階的な手順である。アルゴリズムは、各ステップでどのように進むべきかを指示する定型的な機械的指示を提供する。指示に従うのに特別な創意工夫や創造性は必要ない。例えば、よく知られた小学校の算数のアルゴリズムは、加算、乗算、除算の計算方法を説明している。20世紀初頭まで、数学者たちは計算とアルゴリズムの非公式な概念に頼り、形式的な分析を試みることはなかった。数学の基礎における発展は、最終的に論理学者がより体系的な扱いを追求することを促した。アラン・チューリングの画期的な論文「計算可能な数について、そして決定問題への応用」(Turing 1936)は、最も影響力のある分析を提供した。
A チューリングマシンは、無限の時間と記憶容量を持つ理想化された計算デバイスの抽象モデルである。このデバイスは、人間の計算エージェントが算術計算中に紙の上の鉛筆の跡を操作するのと同様に、記号を操作する。チューリングは記号の性質についてほとんど語っていない。彼は、原始記号は有限のアルファベットから取られると仮定している。また、記号は「記憶場所」に書き込まれたり消去されたりできると仮定している。チューリングのモデルは以下のように動作する。
- 無限個の記憶場所があり、線形構造に配列されている。比喩的には、これらの記憶場所は無限に長い「テープ」上の「セル」である。より文字通りには、記憶場所は様々な媒体(例:シリコンチップ)で物理的に実現される可能性がある。
- 中央処理装置があり、一度に1つの記憶場所にアクセスできる。比喩的には、中央処理装置は「スキャナー」であり、一度に1つの「セル」をテープに沿って移動する。
- 中央処理装置は、有限個のマシン状態に入ることができる。
- 中央処理装置は、4つの基本的な操作を実行できる:記憶場所に記号を書き込む;記憶場所から記号を消去する;線形配列の次の記憶場所にアクセスする(「テープを右に移動」);線形配列の前の記憶場所にアクセスする(「テープを左に移動」)。
- 中央処理装置が実行する基本的な操作は、現在の記憶場所にある記号と、スキャナー自身の現在のマシン状態という2つの事実に完全に依存する。
- マシンテーブルは、現在のマシン状態と現在アクセスしている記号が与えられた場合に、中央処理装置が実行する基本的な操作を指示する。マシンテーブルは、同じ要因が与えられた場合に中央処理装置のマシン状態がどのように変化するかを指示する。したがって、マシンテーブルは、計算を支配する有限個の定型的な機械的指示を具体化している。
チューリングは、この非公式な記述を厳密な数学モデルに翻訳している。詳細については、チューリングマシンのエントリを参照のこと。
チューリングはこのアプローチを、理想化された人間の計算エージェントを考察することによって動機づけている。我々の知覚的・認知的装置の有限な限界を引用し、人間が実行できるあらゆる記号アルゴリズムは、適切なチューリングマシンによって複製できると論じている。彼は、その極端な単純さにもかかわらず、チューリングマシン形式は、記号構成体に対する人間が実行可能なすべての機械的手順を捉えるのに十分強力であると結論付けている。その後の議論では、ほぼ全員がこれに同意している。
チューリング計算は、しばしばアナログではなくデジタルであると説明される。これが何を意味するのかは常に明確ではないが、基本的な考え方は通常、計算が離散的な構成体上で動作するというものである。これに対し、歴史的に重要な多くのアルゴリズムは、連続的に変化する構成体上で動作する。例えば、ユークリッド幾何学は、幾何学的形状を操作する定規とコンパスによる作図に大きな役割を与えている。任意の形状に対して、任意にわずかに異なる別の形状を見つけることができる。チューリングマシンによって操作される記号構成体は、任意にわずかに異なるというわけではない。チューリングマシンは、有限のアルファベットから取られた要素(数字)の離散的な文字列上で動作する。現在、デジタルパラダイムが精神活動のモデルとして適切なのか、それともアナログパラダイムがより適切なのかを巡る論争が続いている(MacLennan 2012; Piccinini and Bahar 2013)。
チューリングマシンを導入したことに加えて、チューリング(1936)はそれらに関連するいくつかの画期的な数学的結果を証明した。特に、彼は万能チューリングマシン(UTM)の存在を証明した。大まかに言えば、UTMは他のあらゆるチューリングマシンを模倣できるチューリングマシンである。UTMには、チューリングマシンMのマシンテーブルをコード化した記号入力が与えられる。UTMはMの動作を複製し、Mのマシンテーブルに具体化された指示を実行する。その意味で、UTMはプログラム可能な汎用コンピュータである。第一近似として、すべてのパーソナルコンピュータも汎用である:適切にプログラムされれば、あらゆるチューリングマシンを模倣できる。主な注意点は、物理的なコンピュータは有限のメモリを持つが、チューリングマシンは無限のメモリを持つことである。より正確に言えば、パーソナルコンピュータは、有限のメモリ供給を使い果たすまで、あらゆるチューリングマシンを模倣できる。
チューリングの議論は、計算システムの設計、構築、理解を目指すコンピュータ科学の基礎を築くのに役立った。ご存知のように、コンピュータ科学者は現在、極めて洗練された計算機を構築できる。これらの機械はすべて、チューリング計算に似たものを実装しているが、その詳細はチューリングの単純化されたモデルとは異なる。
2. 人工知能
コンピュータ科学の急速な進歩は、チューリング自身を含む多くの人々に、思考できるコンピュータを構築できるかどうかを熟考させた。人工知能(AI)は、「思考機械」を構築することを目指している。より正確には、推論、意思決定、問題解決などの中心的な精神タスクを実行する計算機を構築することを目指している。1950年代と1960年代には、この目標はますます現実的になった(Haugeland 1985)。初期の有名な成功例は、Logic Theoristというコンピュータプログラム(Newell and Simon 1956)であり、これは『プリンキピア・マテマティカ』(Whitehead and Russell 1925)の最初の52の定理のうち38を証明した。あるケースでは、『プリンキピア』よりも単純な証明を発見した。このような初期の成果は、学界内外で計り知れない関心を呼び起こした。多くの研究者は、知的な機械が数年以内に登場すると予測した。思考機械に関する自信に満ちた予測が楽観的すぎることが判明すると、多くの観察者は興味を失うか、AIは徒労であると結論付けた。それにもかかわらず、数十年を経て着実な進歩が見られ、最近では目覚ましい進歩もあった。いくつかの重要なマイルストーンを挙げる。
- 1997年、IBMのディープ・ブルーがチェスのチャンピオン、ゲイリー・カスパロフを破った(Campbell 1999)。
- 2005年、無人運転車スタンレーがモハーヴェ砂漠で132マイルのコースを完走し、国防高等研究計画局(DARPA)グランドチャレンジで優勝した(Thrun, Montemerlo, Dahlkamp, et al. 2006)。
- 2012年、AlexNetは標準的な画像分類タスクで、これまでのすべての計算モデルを劇的に上回った(Krizhevsky, Sutskever, and Hinton 2012)。
- 2016年、DeepMindのAlphaGoが、世界トップクラスの囲碁プレイヤーの一人であるイ・セドルを破った(Silver, Schrittwieser, Simonyan, et al. 2017)。
- 2020年、OpenAIはGPT-3をリリースし、テキストプロンプトに応答して驚くほど人間らしいテキストを生成した(Brown, Mann, Ryder, et al. 2020)。改良版のChatGPTは2022年にリリースされ、社会的な注目を集めた。
これらの最近の進歩やその他の進歩は、AIへの激しい再注目と、数多くの商業的応用を spark させた。
一部の哲学者は、コンピュータがいかに洗練されても、思考を模倣することはあっても複製することはないだろうと主張する。天気のコンピュータシミュレーションは実際に雨を降らせない。飛行のコンピュータシミュレーションは実際に飛ばない。たとえ計算システムが精神活動をシミュレートできたとしても、それが本物の思考を構成すると疑うべき理由は何だろうか?
チューリング(1950)はこれらの懸念を予期し、それらを軽減しようとした。彼は、現在チューリングテストとして知られているシナリオを提案した。これは、見えない対話相手がコンピュータなのか人間なのかを評価するものである。コンピュータがチューリングテストに合格するとは、それがコンピュータであると特定できない場合である。チューリングは、「コンピュータは思考できるか?」という問いは希望なく曖昧であるとして、それを「コンピュータはチューリングテストに合格できるか?」という問いに置き換えることを提案した。チューリングの議論はかなりの注目を集め、特にAI内で影響力を持つようになった。Ned Block(1981)は影響力のある批判を提供している。彼は、特定の可能な機械は、本物の思考や知性にはほど遠いにもかかわらず、チューリングテストに合格すると論じている。Blockの異議やチューリングテストを取り巻くその他の問題については、チューリングテストのエントリを参照のこと。ChatGPTおよび類似モデルとの関連でのチューリングテストについては、(Bayne and Williams 2023; Floridi and Chiriatti 2020; Mahowald, Ivanova, Blank, et al. 2024)を参照のこと。
AIの詳細については、論理と人工知能のエントリを参照のこと。さらに詳細については、Russell and Norvig (2022) を参照のこと。
3. 古典的心の計算理論
Warren McCullochとWalter Pitts(1943)は、チューリングマシンに似たものが心の良いモデルを提供できるのではないかと最初に示唆した。1960年代には、チューリング計算は、心理学、コンピュータ科学(特にAI)、言語学、哲学、経済学(特にゲーム理論と行動経済学)、人類学、神経科学から知見を引き出して心を研究する、新興の学際的イニシアチブである認知科学の中心となった。現在では、古典的心の計算理論(以下、CCTMと略記)というラベルがかなり標準的になっている。CCTMによれば、心はチューリングマシンに重要な点で類似した計算システムであり、中核的な精神プロセス(例:推論、意思決定、問題解決)は、チューリングマシンによって実行される計算に重要な点で類似した計算である。これらの定式化は不正確である。CCTMは、単一の明確に定義された見解というよりは、見解のファミリーとして捉えるのが最も良い。
CCTMは「コンピュータの比喩」を体現していると説明されることが多い。この説明は二重に誤解を招く。
第一に、CCTMは、心を「コンピュータ」ではなく「計算システム」または「計算システム」と記述することによって、より良く定式化される。David Chalmers(2011)が指摘するように、「コンピュータ」とシステムを記述することは、そのシステムがプログラム可能であることを強く示唆する。Chalmersが指摘するように、心をチューリング型計算システムと見なすからといって、心がプログラム可能であると主張する必要はない。(ほとんどのチューリングマシンはプログラム可能ではない。)したがって、「コンピュータの比喩」というフレーズは、CCTMに本質的ではない理論的コミットメントを強く示唆する。ここでのポイントは単なる用語法ではない。CCTMの批判者はしばしば、心はプログラム可能な汎用コンピュータではないと異議を唱える(Churchland, Koch, and Sejnowski 1990)。古典的計算論者は、心がプログラム可能な汎用コンピュータであると主張する必要はない(そして通常は主張しない)ため、この異議は的外れである。
第二に、CCTMは比喩的なものではない。CCTMは、心が計算システムと似ていると単に主張するわけではない。CCTMは、心が文字通り計算システムであると主張する。もちろん、最も身近な人工計算システムはシリコンチップや類似の材料で作られているが、人間の体は肉と血でできている。しかし、CCTMは、この違いがより根本的な類似性を隠していると主張し、それはチューリング型計算モデルを通して捉えることができる。そのようなモデルを提供することで、物理的な詳細から離れる。我々は、多様な方法(例:シリコンチップ、ニューロン、滑車とてこ)で物理的に実装できる抽象的な計算記述を得る。CCTMは、適切な抽象計算モデルが中核的な精神プロセスの文字通りの真の記述を提供すると主張する。
CCTMは「心はチューリングマシンである」というスローガンで要約されることが多い。このスローガンもまた、チューリングの厳密な形式化が精神活動の妥当なモデルであると誰も考えていないため、いくぶん誤解を招く。形式化はいくつかの点で制限が厳しすぎるように思われる。
- チューリングマシンは純粋な記号計算を実行する。入力と出力は記憶場所に書き込まれた記号である。対照的に、心は感覚入力(例:網膜の刺激)を受け取り、運動出力(例:筋肉の活性化)を生成する。完全な理論は、計算が感覚入力や運動出力とどのようにインターフェースするかを説明する必要がある。
- チューリングマシンは無限の離散メモリ容量を持つ。通常の生物システムは有限のメモリ容量を持つ。妥当な心理学的モデルは、無限のメモリストアを、大きくて有限のメモリストアに置き換える必要がある。
- 現代のコンピュータはランダムアクセスメモリを持っている:中央処理装置が直接アクセスできるアドレス指定可能な記憶場所。チューリングマシンのメモリはアドレス指定可能ではない。中央処理装置は、中間場所を逐次アクセスすることによってのみ場所をアクセスできる。アドレス指定可能なメモリなしの計算は、絶望的に非効率的である。そのため、C.R. GallistelとAdam King(2009)は、アドレス指定可能なメモリが非アドレス指定可能なメモリよりも心の良いモデルを提供すると論じている。
- チューリングマシンは逐次動作する中央処理装置を持ち、一度に1つの命令を実行する。他の計算形式は、この仮定を緩和し、並列に動作する複数の処理ユニットを許可する。古典的計算論者は並列計算を許可できる(Fodor and Pylyshyn 1988; Gallistel and King 2009: 174)。逐次および並列計算の両方を包含する一般的な数学的処理については、Gandy(1980)およびSieg(2009)を参照のこと。
- チューリング計算は決定論的である:完全な計算状態が後続の計算状態を決定する。代わりに確率的計算を許可することもできる。確率的モデルでは、現在の状態は一意の次の状態を決定しない。むしろ、マシンがある状態から別の状態に遷移する特定の確率が存在する。
CCTMは、これらの、そしてその他のチューリング自身の形式化からの逸脱を許容する「チューリング型計算」が精神活動であると主張する。
3.1 機械機能主義
Hilary Putnam(1967)はCCTMを哲学に導入した。彼は自身の立場を論理的行動主義と型同一説と対比させた。それぞれの立場は、命題的態度(例:信念)、感覚(例:痛み)、感情(例:恐怖)を含む心的状態の性質を明らかにすることを主張する。論理的行動主義によれば、心的状態は行動傾向である。型同一説によれば、心的状態は脳の状態である。Putnamは、心的な状態が機能的な状態であるとする反対の機能主義の立場を提唱する。機能主義によれば、システムが適切な機能的組織を持つときに、システムは心を持つ。心的状態は、システムの機能的組織における適切な役割を果たす状態である。各心的状態は、感覚入力、運動出力、および他の心的状態との相互作用によって識別される。
機能主義は、論理的行動主義や型同一説と比較して顕著な利点を提供する。
- 行動主義者は、各心的状態を特徴的な行動パターンに関連付けたいと考えている。これは絶望的な仕事である。なぜなら、個々の心的状態は通常、特徴的な行動効果を持たないからである。行動は、ほとんどの場合、異なる心的状態が組み合わさって(例:信念と欲求)生じる。機能主義は、心的状態を、感覚入力や行動だけでなく、互いとの特徴的な関係によって識別することによって、この困難を回避する。
- 型同一説者は、各心的状態を特徴的な物理的または神経生理学的な状態に関連付けたいと考えている。Putnamは、心的状態は複数実現可能であると論じることによって、このプロジェクトに疑問を投げかける。同じ心的状態は、地球上の生物だけでなく、仮説上の生物(例:シリコンベースの火星人)を含む多様な物理システムによって実現される可能性がある。機能主義は、複数実現可能性に対応するように仕立てられている。機能主義によれば、精神性にとって重要なのは、多くの異なる方法で物理的に実現されうる組織パターンである。この議論の詳細については、複数実現可能性のエントリを参照のこと。
Putnamは、現在機械機能主義と呼ばれる機能主義の一種を擁護している。彼は、計算状態間の遷移が確率的であるという点でチューリングマシンに似た確率的オートマトンを強調している。彼は、精神活動は確率的オートマトンを実装し、個々の心的状態はオートマトンの中央処理装置のマシン状態であると提案している。マシンテーブルは適切な機能的組織を指定し、またその機能的組織内での個々の心的状態の役割も指定する。このように、Putnamは機能主義とCCTMを組み合わせている。
機械機能主義はいくつかの問題に直面している。Ned BlockとJerry Fodor(1972)が指摘した問題の一つは、思考の生産性に関するものである。通常の人間は、潜在的に無限個の命題を考えることができる。機械機能主義は、心的状態を確率的オートマトンのマシン状態と同一視する。マシン状態は有限個しかないため、通常の人間の可能な心的状態と一対一に対応するのに十分なマシン状態がない。もちろん、実際の人間が考える命題は有限個に過ぎない。しかし、BlockとFodorは、この限界は寿命や記憶の限界を反映しているものであり、(例えば)人間の思考可能な命題のクラスを制限する心理学的法則ではないと主張する。確率的オートマトンは無限の時間と記憶容量を持つが、それでもマシン状態は有限個しかない。明らかに、機械機能主義は人間の認知における有限な限界を誤って位置づけている。
機械機能主義に対するもう一つの問題も、BlockとFodor(1972)によって指摘されているが、思考の体系性に関するものである。ある命題を考える能力は、他の命題を考える能力と相関している。例えば、「ジョンがメアリーを愛している」という命題を考えることができる人は、「メアリーがジョンを愛している」という命題も考えることができる。したがって、心的状態の間には体系的な関係があるように思われる。良い理論は、これらの体系的な関係を反映すべきである。しかし、機械機能主義は、心的状態を構造化されていないマシン状態と同一視しており、それには必要な体系的な関係が欠けている。そのため、機械機能主義は体系性を説明できない。この異議に応答して、機械機能主義者は、体系性を説明する義務はないと否定するかもしれない。それにもかかわらず、この異議は、機械機能主義が人間の精神性の本質的な特徴を無視していることを示唆している。より良い理論は、それらの特徴を原理的に説明するだろう。
生産性と体系性に対する機械機能主義への異議は、決定的なものではないかもしれないが、CCTMの改良版を追求する強力な推進力となっている。機械機能主義および機能主義全般に直面する追加の問題については、Block(1978)を参照のこと。
3.2 思考の表象理論
Fodor(1975, 1981, 1987, 1990, 1994, 2008)は、体系性と生産性をはるかに満足のいく形で説明できるCCTMのバージョンを提唱している。彼は、チューリング型計算中に操作される記号に注意を移す。
ウィリアム・オブ・オッカムの『論理学総覧』にまで遡る古い見解は、思考は思考言語(時にメンタリーズと呼ばれる)で行われるというものである。Fodorはこの見解を復活させる。彼は、原始的な表象と、原始的な表象から形成される複雑な表象を含む、心的表象のシステムを仮定する。例えば、原始的なメンタリーズの単語 JOHN、MARY、LOVES は、メンタリーズの文 JOHN LOVES MARY を形成するために結合できる。メンタリーズは構成的である:複雑なメンタリーズ表現の意味は、その部分の意味とそれらの部分がどのように結合されたかの関数である。命題的態度は、メンタリーズ記号への関係である。Fodorはこの見解を思考の表象理論(RTM)と呼ぶ。RTMとCCTMを組み合わせることで、精神活動は思考言語上のチューリング型計算を含むと論じている。精神計算は、記憶場所にメンタリーズ記号を格納し、機械的規則に従ってそれらの記号を操作する。
RTMの主な利点は、生産性と体系性をいかに容易に説明できるかである。
生産性:RTMは、有限個の原始メンタリーズ表現を仮定し、それらを潜在的に無限個の複雑なメンタリーズ表現に結合できるとする。原始メンタリーズ語彙とメンタリーズ合成装置にアクセスできる思考者は、無限個のメンタリーズ表現を考える潜在能力を持つ。したがって、彼女は無限個の命題的態度をインスタンス化する潜在能力を持つ(時間と記憶の限界を無視すれば)。
体系性:RTMによれば、思考者が考えることができる命題的態度の集合の間には体系的な関係がある。例えば、私が「ジョンがメアリーを愛している」と考えることができると仮定しよう。RTMによれば、私のその能力は、私がジョン、LOVES、メアリーというメンタリーズ単語が正しい方法で結合されたメンタリーズ文に何らかの関係Rを持つことに関係している。もし私がこの能力を持っているなら、私は「メアリーがジョンを愛している」という異なるメンタリーズ文に関係Rを持つ能力も持つことになる。したがって、「ジョンがメアリーを愛している」と考える能力は、「メアリーがジョンを愛している」と考える能力と体系的に関連している。
命題的態度を複雑な心的記号への関係として扱うことによって、RTMは生産性と体系性の両方を説明する。
CCTM+RTMは、機械機能主義とはいくつかの点で異なる。第一に、機械機能主義は一般的な心的状態の理論であるが、RTMは命題的態度のみの理論である。第二に、CCTM+RTMの支持者は、命題的態度が機能的に識別されると言う必要はない。Fodor(2000: 105, fn. 4)が指摘するように、計算主義(精神プロセスは計算である)と機能主義(心的状態は機能的状態である)を区別する必要がある。機械機能主義は両方の教義を支持する。CCTM+RTMは最初のものだけを支持する。残念ながら、多くの哲学者は依然として誤って計算主義は命題的態度に対する機能主義的アプローチを必然的に伴うと仮定している(Piccinini 2004で議論)。
RTMに関する哲学的な議論は、主に高次の人間の思考、特に信念と欲求に焦点を当てる傾向がある。しかし、CCTM+RTMは、はるかに広範な心的状態やプロセスに適用可能である。多くの認知科学者はそれを非人間動物に適用している。例えば、GallistelとKing(2009)はそれを特定の無脊椎動物の現象(例:ミツバチのナビゲーション)に適用している。人間だけに限定しても、人間以下の処理にCCTM+RTMを適用できる。Fodor(1983)は、知覚は、網膜入力をメンタリーズ記号に変換し、その後それらの記号上で計算を実行する人間以下の「モジュール」を含むと論じている。したがって、思考言語についての言及は、高次の精神活動への非存在的な制限を示唆するため、誤解を招く可能性がある。
メンタリーズを言語と記述することも誤解を招く可能性がある。これは、すべてのメンタリーズ記号が自然言語の表現に似ていることを示唆する。多くの哲学者、Fodor自身も含むが、時々その立場を支持しているように見える。しかし、心的表象の非命題的な形式も存在する。CCTM+RTMの支持者は、精神計算が画像、地図、図、またはその他の非命題的表象に類似した項目上で動作することを許可する多元的な立場を採用できる(Johnson-Laird 2004: 187; McDermott 2001: 69; Pinker 2005: 7; Sloman 1978: 144–176)。多元的な立場は、人間以下のプロセス(知覚など)や非人間動物に適用される場合に特に妥当に見える。Michael Rescorla(2009a, 2009b)は、認知マップ(Tolman 1948; O’Keefe and Nadel 1978; Gallistel 1990)に関する研究を概観し、一部の動物は文よりも地図に似た心的表象上で計算することによってナビゲートする可能性があると示唆している。Elisabeth Camp(2009)は、ヒヒの社会的相互作用(Cheney and Seyfarth 2007)の研究を引用し、ヒヒが非文構造のツリー構造表象を通じて社会的優位関係をエンコードする可能性があると論じている。
CCTM+RTMは概略的である。この概略を埋めるためには、特定の精神プロセスの詳細な計算モデルを提供する必要がある。完全なモデルは以下を行う。
- プロセスによって操作される心的表象を記述する。
- 表象を操作する基本的な操作を特定する(例:記憶場所に記号を書き込む)。
- 基本操作の適用を支配する機械的規則を詳述する。
詳細な計算モデルを提供することにより、我々は複雑な精神プロセスを、正確で定型的な指示によって支配される一連の基本的な操作に分解する。
CCTM+RTMは、物理主義と実体二元論の間の伝統的な議論において中立である。チューリング型モデルは非常に抽象的なレベルで進行し、精神計算が物理的な物質によって実装されるのか、それともデカルト的な魂の物質によって実装されるのかを述べない(Block 1983: 522)。実際には、CCTM+RTMのすべての支持者は、広範な物理主義的見解を採用している。彼らは、精神計算は魂の物質ではなく、脳によって実装されると主張する。この見解では、心的表象はニューロン状態によって実現され、心的表象上の計算操作はニューロンプロセスによって実現される。最終的に、物理主義的なCCTM+RTMの支持者は、ニューロン活動がどのようにチューリング型計算を実装するかを説明する経験的に十分に確認された理論を生成しなければならない。GallistelとKing(2009)が強調するように、我々は現在そのような理論を持っていない。しかし、Zylberberg, Dehaene, Roelfsema, and Sigman(2011)やAkhlaghpour(2022)のいくつかの推測を参照のこと。
Fodor(1975)は、CCTM+RTMを認知科学の基礎として提唱している。彼は、意思決定、知覚、言語処理などの精神現象について論じている。彼は、それぞれの場合において、我々の最良の科学理論は心的表象上のチューリング型計算を仮定すると主張している。実際、彼は我々の唯一の実行可能な理論はその形式であると論じている。彼は、CCTM+RTMは「唯一のゲーム」であると結論付けている。多くの認知科学者は同様の線で論じている。C.R. GallistelとAdam King(2009)、Philip Johnson-Laird(1988)、Allen NewellとHerbert Simon(1976)、Zenon Pylyshyn(1984)はすべて、心の科学的理論構築の基礎として、心的記号上のチューリング型計算を推奨している。
4. ニューラルネットワーク
1980年代に、コネクショニズムは古典的計算論の有力なライバルとして登場した。コネクショニストは、論理学やコンピュータ科学ではなく、神経生理学からインスピレーションを得ている。彼らは、チューリング型モデルとは大きく異なる計算モデル、ニューラルネットワークを使用する。ニューラルネットワークは、相互接続されたノードの集まりである。ノードは入力ノード、出力ノード、隠れノード(入力と出力ノードの間を仲介する)の3つのカテゴリに分類される。ノードは実数で与えられる活性化値を持つ。あるノードは、実数で与えられる重み付き接続を別のノードに持つことができる。入力ノードの活性化は外因的に決定される:これらは計算への入力である。隠れノードまたは出力ノードの総入力活性化は、それらに供給するノードの活性化の重み付き合計である。隠れノードまたは出力ノードの活性化は、その総入力活性化の関数である。ネットワークによって関数は異なる。ニューラルネットワーク計算中、活性化の波は、ノード間の重み付き接続によって決定されるように、入力ノードから出力ノードに伝播する。
フィードフォワードネットワークでは、重み付き接続は一方向にのみ流れる。リカレントネットワークにはフィードバックループがあり、隠れユニットからの接続が隠れユニットに戻る。リカレントネットワークはフィードフォワードネットワークよりも数学的に扱いが難しい。しかし、記憶を伴う様々な現象の心理学的モデリングにおいて、それらは極めて重要である(Elman 1990)。
ニューラルネットワークの重みは通常変更可能であり、学習アルゴリズムに従って進化する。文献には様々な学習アルゴリズムがあるが、基本的な考え方は通常、実際の出力が関連する入力に対して期待されるターゲット出力に徐々に近づくように重みを調整することである。バックプロパゲーションアルゴリズムはこの種の広く使用されているアルゴリズムである(Rumelhart, Hinton, and Williams 1986)。
コネクショニズムは、相互接続された論理ゲート(例:ANDゲート、ORゲート)のネットワークを研究したMcCullochとPitts(1943)に遡る。論理ゲートのネットワークは、活性化が2つの値(0と1)に限定され、活性化関数が通常の真理関数によって与えられるニューラルネットワークと見なすことができる。McCullochとPittsは、論理ゲートを個々のニューロンの理想化されたモデルとして提唱した。彼らの議論はコンピュータ科学に深い影響を与えた(von Neumann 1945)。現代のデジタルコンピュータは単なる論理ゲートのネットワークである。しかし、認知科学内では、研究者は通常、論理ゲートよりも「ニューロンらしい」要素を持つネットワークに焦点を当てる。特に、現代のコネクショニストは通常、離散的な活性化値ではなく連続的な活性化値を取るノードを持つアナログニューラルネットワークを強調する。一部の著者は、「ニューラルネットワーク」という言葉をそのようなネットワークのみを指すために使用することさえある。
ニューラルネットワークは、チューリング型モデルが支配的だった1960年代と1970年代には、認知科学者から比較的ほとんど注目されなかった。1980年代には、ニューラルネットワーク、特にアナログニューラルネットワークへの関心が劇的に再燃し、2巻の『Parallel Distributed Processing』(Rumelhart, McClelland, and the PDP research group, 1986; McClelland, Rumelhart, and the PDP research group, 1987)がマニフェストとして機能した。研究者たちは、物体認識、音声知覚、文理解、認知発達など、多様な現象のコネクショニストモデルを構築した。コネクショニズムに感銘を受けた多くの研究者は、CCTM+RTMはもはや「唯一のゲーム」ではないと結論付けた。
2010年代には、ディープニューラルネットワークとして知られるクラスの計算モデルが非常に人気になった(Krizhevsky, Sutskever, and Hinton 2012; LeCun, Bengio, and Hinton 2015)。これらのモデルは、隠れノードが複数層(時には数百層)あるニューラルネットワークである。ディープニューラルネットワークは、大規模なデータセットで何らかの学習アルゴリズム(通常はバックプロパゲーション)によって訓練され、画像分類(AlexNet)、戦略ゲーム(AlphaGo)、自然言語処理(ChatGPT)など、AIの多くの分野で大きな成功を収めている。ディープニューラルネットワークは現在、商業アプリケーションに広く展開されており、学界と産業界の両方で集中的な継続的調査の対象となっている。研究者たちはそれらを心のモデリングにも使用している(例:Kriegeskorte 2015; Marblestone, Wayne, and Kording 2016; Storrs, Kietzmann, Walther, et al. 2021; Zhuang, Yan, Nayebi, et al. 2021)。ただし、このモデリング事業がこれまでに達成した成功の度合いは、議論の的となる問題である(Bowers, Malholtra, Dujmović, et al. 2023)。
ニューラルネットワークの詳細な概観については、Haykin(2008)を参照のこと。ユーザーフレンドリーな入門書で、心理学的応用を強調したものについては、Marcus(2001)を参照のこと。哲学的な入門書については、Buckner(2019)を参照のこと。ディープニューラルネットワークと哲学史との関連については、Buckner(2024)を参照のこと。
4.1 ニューラルネットワークと古典的計算の関係
ニューラルネットワークは、古典的(すなわちチューリング型)モデルとは非常に異なる「感触」を持っている。しかし、古典的計算とニューラルネットワーク計算は相互に排他的ではない。
- ニューラルネットワークを古典的モデルで実装できる。実際、物理的に構築されたすべてのニューラルネットワークは、デジタルコンピュータ上で実装されている。
- ニューラルネットワークで古典的モデルを実装できる。現代のデジタルコンピュータは、論理ゲートのネットワークでチューリング型計算を実装している。あるいは、連続的な活性化値を取るノードを持つアナログリカレントニューラルネットワークを使用してチューリング型計算を実装することもできる(Graves, Wayne, and Danihelka 2014, Other Internet Resources; Siegelmann and Sontag 1991; Siegelmann and Sontag 1995)。
一部の研究者は古典的計算とニューラルネットワーク計算の間に根本的な対立があることを示唆しているが、特定のケースでは重なり、そうでないケースもある2つのモデリングの伝統を特定する方がより正確なように思われる(cf. Boden 1991; Piccinini 2008b)。この関連で、古典的計算論とコネクショニスト計算論が、McCullochとPittsの研究に共通の起源を持つことも注目に値する。
哲学者はしばしば、古典的計算は「規則に基づく記号操作」を伴うと述べ、ニューラルネットワーク計算は非記号的であると言う。直観的な絵は、ニューラルネットワークにおける「情報」は、局所化された記号に集中するのではなく、重みと活性化全体にグローバルに分散しているというものである。しかし、「記号」という概念自体を明確にする必要があるため、理論家が計算を記号的か非記号的かと説明するときに何を意味するのかはしばしば不明確である。§1で述べたように、チューリング形式は「記号」に非常に少ない条件を課している。原始記号に関して、チューリングは有限個の記号があり、それらが読み書き可能な記憶場所に書き込まれることができるという事実だけを仮定している。ニューラルネットワークもこれらの2つの条件を満たす記号を操作できる:前述のように、ニューラルネットワークでチューリング型モデルを実装できる。
記号/非記号の二分法に関する多くの議論は、より強力な「記号」の概念を使用している。より強力なアプローチでは、記号とは対象を表現するものである。したがって、何かが記号であるのは、それが意味的または表象的な特性を持つ場合のみである。このより強力な記号の概念を使用する場合、記号的/非記号的な区別は、チューリング型計算とニューラルネットワーク計算の区別を横断する。チューリングマシンは、より強力な意味での記号を使用する必要はない。チューリング計算中に操作される記号は、表象的な特性を持つ必要はない(Chalmers 2011)。逆に、ニューラルネットワークは表象的な特性を持つ記号を操作できる。実際、アナログニューラルネットワークは、組み合わせ構文と意味論に類似した記号を操作できる(Horgan and Tienson 1996; Marcus 2001)。
Steven PinkerとAlan Prince(1988)に続いて、除去的コネクショニズムと実装主義的コネクショニズムを区別できる。
除去的コネクショニストは、コネクショニズムを古典的計算論のライバルとして提唱する。彼らは、チューリング形式は心理学的説明には無関係であると論じる。しばしば、しかし必ずしもそうではないが、彼らは心理学における連合主義の伝統を復活させようとする。この伝統はCCTMが強く挑戦してきたものである。しばしば、しかし必ずしもそうではないが、彼らはノーム・チョムスキー(1965)によって開拓された心的表象の概念そのものに敵意を示す。しかし、除去的コネクショニズムの定義的な特徴は、ニューラルネットワークをチューリング型モデルの代替物として使用することである。除去的コネクショニストは、心をチューリングマシンとは根本的に異なる種類の計算システムと見なす。少数の著者が除去的コネクショニズムを明確に支持しており(Churchland 1989; Rumelhart and McClelland 1986; Horgan and Tienson 1996)、他の多くの著者がそれに傾いている。
実装主義的コネクショニズムは、より調和的な立場である。それは、チューリング型モデルとニューラルネットワークの両方に、異なる記述レベルで調和して動作する潜在的に価値のある役割を認める(Marcus 2001; Smolensky 1988)。チューリング型モデルは高レベルであり、ニューラルネットワークモデルは低レベルである。ニューラルネットワークは、パーソナルコンピュータが高レベルプログラミング言語でプログラムを実行する方法を論理ゲートで説明するように、脳がチューリング型モデルをどのように実装するかを照らし出す。
4.2 コネクショニズムへの議論
コネクショニズムは、ニューラルネットワークと脳との類似性から、多くの研究者を興奮させている。ノードはニューロンに似ており、ノード間の接続はシナプスに似ている。したがって、コネクショニストモデリングは、古典的モデリングよりも「生物学的に妥当」に見える。心理学的現象のコネクショニストモデルは、相互接続されたニューロンがその現象をどのように生成する可能性があるかを(理想化された形で)捉えているように見える。
生物学的妥当性からの議論を評価する際には、ニューラルネットワークが実際の脳活動にどれほど密接に一致するかについて、様々なものがあることを認識すべきである。コネクショニストの文献でよく見られる多くのネットワークは、それほど生物学的に妥当ではない(Bechtel and Abrahamsen 2002: 341–343; Bermúdez 2010: 237–239; Clark 2014: 87–89; Harnish 2002: 359–362)。いくつかの例を挙げる。
- 実際のニューロンは、典型的なコネクショニストネットワークに見られる交換可能なノードよりもはるかに多様である。
- 実際のニューロンは、出力として離散的なスパイク(活動電位)を発する。しかし、多くの著名なニューラルネットワーク、最もよく知られているディープニューラルネットワークを含む、に見られるノードは、代わりに連続的な出力を持つ。
- バックプロパゲーションアルゴリズムは、ノード間の重みが興奮性と抑制性の間で変化できることを要求するが、実際のシナプスはそう変化できない(Crick and Asanuma 1986)。さらに、アルゴリズムの従来の応用は、モデラーによって外因的に供給されるターゲット出力を仮定している。モデル化者は望ましい答えを知っている。その意味で、学習は教師ありである。実際の生物システムでの学習は、教師ありトレーニングに似たものはほとんど含まない。
一方で、より生物学的に妥当なニューラルネットワークもある(Buckner and Garson 2019; Illing, Gerstner, and Brea 2019)。例えば、ノードが実際の脳で放出されるものにほぼ類似した離散スパイクを出力するニューラルネットワークがある(Maass 1996; Buesing, Bill, Nessler, and Maass 2011)。さらに、生物学的に現実的なコネクショニスト学習アルゴリズムを明確にするための多くの文献があり、時にはバックプロパゲーションを近似し(例:Lillicrap et al. 2016; Whittington and Bogacz, 2017)、時にはそれを代替アプローチに置き換えている(例:Krotov and Hopfield 2019)。Lillicrap et al.(2020)は、バックプロパゲーションが生物学的に妥当な方法で開発できると長文で論じている。彼らは特に、バックプロパゲーションは伝統的に教師あり学習と組み合わされていたが、代わりに教師なし学習(例:Kingma and Welling 2019)や強化学習(例:Silver et al. 2016)と組み合わせることができると指摘している。
ニューラルネットワークが生物学的に妥当でなくても、古典的モデルよりも生物学的に妥当である可能性がある。ニューラルネットワークは、詳細と精神の両方において、チューリング型モデルよりも神経生理学的記述に近いように見える。多くの認知科学者は、CCTMがデジタルコンピュータのアーキテクチャを脳に押し付けようとする誤った試みを反映していると懸念している。脳がデジタル計算、すなわち離散的な数字の構成体上での計算に似たものを実装していると疑う人もいる(Piccinini and Bahar 2013)。脳が中央処理装置と読み書きメモリの明確な分離を示していると疑う人もいる(Dayan 2009)。ニューラルネットワークは両方の点で優れている:離散的な数字の構成体上での計算を必要とせず、中央処理装置と読み書きメモリの明確な分離を仮定しない。
古典的計算論者は通常、神経学的、計算的、認知的記述レベルの関係についてまだほとんど理解していないことを考えると、生物学的妥当性から確固たる結論を導き出すのは時期尚早であると答えている(Gallistel and King 2009; Marcus 2001)。細胞記録や機能的磁気共鳴画像法(fMRI)などの測定技術を使用し、物理学、生物学、AI、情報理論、統計学、グラフ理論、力学系理論など、多様な分野から知見を得ることで、神経科学者は様々な粒度レベルで脳についてかなりの知識を蓄積してきた(Zednik 2019)。個々のニューロン、ニューロン集団内でのニューロンの相互作用、大脳皮質領域(例:視覚野)での精神活動の局在化、大脳皮質領域間の相互作用について、我々はかなりのことを知っている。しかし、神経組織が知覚、推論、意思決定、言語獲得などを確実に達成するタスクをどのように達成しているかについては、まだ学ぶべきことが膨大にある。我々の現在の無知の状態を考えると、脳がチューリング計算に似たものを実装していないと主張するのは早計だろう。
コネクショニストは、古典的モデルの代わりに、またはそれに加えてコネクショニストモデルを使用すべきであるという、数多くのさらなる議論を提供している。概要については、コネクショニズムのエントリを参照のこと。このエントリの目的のために、さらに2つの議論に言及する。
最初の議論は学習を強調している(Bechtel and Abrahamsen 2002: 51)。広範な認知現象は経験からの学習を伴う。多くのコネクショニストモデルは、バックプロパゲーションまたはノード間の重みを変更する他のアルゴリズムを通じて、学習をモデル化するように明示的に設計されている。対照的に、コネクショニストはしばしば、良い古典的学習モデルが存在しないと不平を言う。古典的計算論者は、コネクショニスト学習アルゴリズムの欠陥を指摘して応答できる。古典的計算論者はまた、不確実性下での推論と意思決定の数学的モデルであるベイズ決定理論を引用することもできる。ベイズフレームワークでは、不確実性は確率によってコード化される。確率は新しい証拠に照らして確率を更新する方法、および確率と効用を考慮して行動を選択する方法を正確に指示する。(詳細については、ベイズの定理および合理的選択の規範理論:期待効用のエントリを参照のこと。)ベイズ認知科学は、ベイズ決定理論を使用して精神活動の数学的モデルを構築する(Ma 2019; Ma, Kording, and Goldreich 2023)。過去数十年にわたり、ベイズ認知科学は多くの説明的成功を収めてきた。この印象的な実績は、一部の精神プロセスがベイズ的または近似的にベイズ的であることを示唆している(Rescorla forthcoming)。さらに、古典的計算システムは、様々な現実的なシナリオでベイズ更新を実行するか、少なくとも近似的に実行できる(Murphy 2023; Thrun, Burgard, and Fox 2005)。したがって、古典的計算は多くの重要な学習ケースをモデル化できると主張できる。
2番目の議論は計算速度を強調している。ニューロンは、デジタルコンピュータのシリコンベースのコンポーネントよりもはるかに遅い。このため、ニューロンは、知覚、言語理解、意思決定などの迅速な人間のパフォーマンスに匹敵するほど高速な逐次計算を実行できない。コネクショニストは、唯一の実行可能な解決策は、逐次計算を「大規模並列」計算アーキテクチャに置き換えることであると主張している。これはまさにニューラルネットワークが提供するもの(Feldman and Ballard 1982; Rumelhart 1989)。しかし、この議論は、逐次処理を主張する古典的計算論者に対してのみ有効である。§3で述べたように、一部のチューリング型モデルは並列処理を伴う。多くの古典的計算論者は「大規模並列」精神計算を喜んで許可しており、この議論はこれらの研究者には全く影響しない。とはいえ、この議論は、古典的、コネクショニスト、またはその他の計算論者であっても、すべてが対処しなければならない重要な問題、すなわち、比較的遅いニューロンから構築された脳が、どのようにして高度な計算をそれほど迅速に実行できるのか、という問題を浮き彫りにしている。古典的またはコネクショニストの計算論者のいずれも、この問題に満足のいく答えを提供していない(Gallistel and King 2009: 174 and 265)。
4.3 体系性と生産性
FodorとPylyshyn(1988)は、除去的コネクショニズムに対する広く議論されている批判を提供している。彼らは、コネクショニストモデルでは、コネクショニストモデルが古典的モデルを実装する場合を除き、体系性と生産性が失敗すると論じている。したがって、コネクショニズムはCCTMの実行可能な代替物を提供しない。せいぜい、それはチューリング型計算と神経科学的記述との間のギャップを埋めるのに役立つ低レベルの記述を提供する。
この議論は、数多くの応答と反論を呼び起こしている。一部の研究者は、コネクショニストモデルが古典的計算アーキテクチャに似たものを実装しなくても体系性を示すことができると論じている(Horgan and Tienson 1996; Chalmers 1990; Smolensky 1991; van Gelder 1990)。一部の研究者は、FodorとPylyshynが体系性(Johnson 2004)または生産性(Rumelhart and McClelland 1986)を、特に非人間動物(Dennett 1991)に対して過大評価していると論じている。これらの問題、およびFodorとPylyshynの議論によって提起された他の多くの問題は、文献で徹底的に調査されてきた。さらなる議論については、Bechtel and Abrahamsen(2002: 156–199)、Bermúdez(2005: 244–278)、Chalmers(1993)、Clark(2014: 84–86)、および思考言語仮説とコネクショニズムのエントリを参照のこと。
GallistelとKing(2009)は、関連するが異なる生産性の議論を提唱している。彼らは、心的状態の生産性ではなく、精神計算の生産性を強調している。詳細な経験的ケーススタディを通じて、多くの非人間動物が周囲の環境の詳細な記録を抽出、保存、および取得できると論じている。例えば、西部のスクラブカケスは、どこに餌を貯蔵したか、各場所にどのような種類の餌を貯蔵したか、いつ貯蔵したか、そして特定の貯蔵庫を使い果たしたかどうかを記録している(Clayton, Emery, and Dickinson 2006)。カケスはこれらの記録にアクセスし、それらを多様な計算に利用できる:貯蔵庫に貯蔵された食料品が腐敗している可能性が高いかどうかを計算する;ある場所から別の場所へのルートを計算する、など。カケスが実行できる計算の数は、実際的な目的のためには無限である。
CCTMは、中央処理装置がアドレス指定可能な読み書きメモリに記号を格納および取得すると仮定することによって、精神計算の生産性を説明する。必要に応じて、中央処理装置は、任意で予測不可能な記号の組み合わせをメモリから取得できる。対照的に、GallistelとKingは、コネクショニズムは精神計算の生産性に対応するのに困難を抱えていると論じている。GallistelとKingは、除去的コネクショニズムと実装主義的コネクショニズムを注意深く区別していないが、彼らの議論を次のように要約できる。
- 除去的コネクショニズムは、生物が計算目的(例:ある貯蔵庫から別の貯蔵庫へのルート計算)のために貯蔵された記憶(例:貯蔵庫の場所)をどのように組み合わせるかを説明できない。予測不可能な、将来の計算でどの情報断片を組み合わせる必要があるかという仮想的な無限の組み合わせが存在する。計算的に実行可能な唯一の解決策は、容易にアクセス可能な読み書きメモリ場所への記号格納である。これは除去的コネクショニストが否定する解決策である。
- 実装主義的コネクショニストは、ニューラルネットワークによって実装される記号格納を仮定できる。しかし、コネクショニストが通常メモリ実装のために提案するメカニズムは妥当ではない。既存の提案は主に単一のアイデアのバリエーションである:ループ内を反響する活動が移動することを可能にするリカレントニューラルネットワーク(Elman 1990)。反響ループモデルが長期記憶の理論として希望がない理由はたくさんある。例えば、神経系におけるノイズは、信号が数分で急速に劣化することを保証する。したがって、実装主義的コネクショニストは、これまで読み書きメモリの妥当なモデルを提供していない。
GallistelとKingは、CCTMが除去的または実装主義的コネクショニズムのいずれよりも、広範な認知現象を説明するのに適していると結論付けている。
批評家は、主にGallistelとKingが提示した経験的ケーススタディに焦点を当てて、この新しい生産性議論を様々な角度から攻撃している。Peter Dayan(2009)、John Donahoe(2010)、Christopher Mole(2014)は、生物学的に妥当なニューラルネットワークモデルが、少なくとも一部のケーススタディに対応できると論じている。DayanとDonahoeは、経験的に十分なニューラルネットワークモデルが、読み書きメモリに類似したものを必要としないと論じている。Moleは、特定のケースでは、経験的に十分なニューラルネットワークモデルが、GallistelとKingが仮定した読み書きメモリメカニズムを実装できると論じている。これらの根本的な問題に関する議論は、将来にわたって続くと予想される。
4.4 計算神経科学
計算神経科学は、計算モデルを用いて神経系を記述する(Trappenberg 2010; Miller 2018)。計算神経科学は個々のニューロンの数学的モデリングに基づいているが、その独特の焦点は相互接続されたニューロンのシステムである。計算神経科学者は通常、これらのシステムをニューラルネットワークとしてモデル化する。この研究は、コネクショニズムのバリアント、派生、または子孫と見なすことができる。しかし、ほとんどの計算神経科学者はコネクショニストとして自己識別しない。コネクショニズムと計算神経科学の間にはいくつかの違いがある。
- 計算神経科学者が使用するニューラルネットワークは、コネクショニストが使用するものよりもはるかに生物学的に現実的である。計算神経科学の文献は、発火率、活動電位、チューニング曲線などの言及で満ちている。これらの概念は、コネクショニストの研究では、少なくとも限定的な役割しか果たさない。例えば、(Rogers and McClelland 2014)のほとんどの研究では。
- 計算神経科学は、脳に関する知識によって大きく推進されており、神経生理学的データ(例:細胞記録)に巨大な重要性を置いている。コネクショニストは、そのようなデータにはあまり重点を置いていない。彼らの研究は主に、行動データによって推進されている(ただし、より最近のコネクショニストの著作は、やや頻繁に神経生理学的データを引用している)。
- 計算神経科学者は通常、ニューラルネットワークの個々のノードを実際のニューロンの理想化された記述と見なす。コネクショニストは通常、代わりにノードをニューロン様処理ユニット(Rogers and McClelland 2014)と見なし、これらのユニットが実際の神経生理学的実体にどのようにマッピングされるかについては中立を保つ。
計算神経科学は主にニューラル計算(ニューロンシステムによる計算)に関心があり、コネクショニズムは主にニューラル計算に触発された抽象計算モデルに関心があると言えるかもしれない。しかし、コネクショニズムと計算神経科学の境界は、確かにいくぶん曖昧である。Doerig, Sommers, Seeliger, et al.(2023)は、神経科学とニューラルネットワークモデリングを完全に統合する研究プログラムに神経コネクショニズムというラベルを提案している。
神経科学への真剣な哲学的関与は、少なくともPatricia Churchlandの『Neurophilosophy』(1986)にまで遡る。計算神経科学が成熟するにつれて、Churchlandはそれの主要な哲学的擁護者の一人となった(Churchland, Koch, and Sejnowski 1990; Churchland and Sejnowski 1992)。彼女にはPaul Churchland(1995, 2007)や他の人々(Eliasmith 2013; Eliasmith and Anderson 2003; Piccinini and Bahar 2013; Piccinini and Shagrir 2014)が加わった。これらの著者全員が、精神計算に関する理論構築は、論理学やコンピュータ科学から引き出された不適切なツールであるチューリングマシンやその他のツールではなく、脳から始めるべきだと主張している。彼らはまた、ニューラルネットワークモデリングは、コネクショニストモデルが通常達成するものよりも高い生物学的現実性を目指すべきだと主張している。Chris Eliasmith(2013)は、制御理論(Brogan 1990)からのツールを補完するニューラル工学フレームワークを通じて、この神経計算的視点を展開している。彼は脳を「リバースエンジニアリング」し、認知現象の大規模で生物学的に妥当なニューラルネットワークモデルを構築することを目指している。
計算神経科学は、CCTMやコネクショニズムとは決定的に異なる点で、複数実現可能性を放棄している。計算神経科学者は特定の神経生理学的特性とプロセスを引用するため、彼らのモデルは(例えば)十分に異なるシリコンベースの生物に等しくよく適用されるわけではない。したがって、計算神経科学は、元々哲学者がCTMに惹かれた重要な特徴を犠牲にしている。計算神経科学者は、この犠牲は神経生理学的な基盤への洞察のために価値があるだろうと答えるだろう。しかし、多くの計算論者は、神経生理学的な詳細に焦点を当てすぎることによって、認知の森をニューロンの木々で見失う危険があると懸念している。神経生理学的な詳細は重要だが、そのような詳細から離れる抽象的な計算記述レベルも必要ではないか?GallistelとKing(2009)は、脳に関する現在の知識への近視眼的な固執が、計算神経科学にナビゲーション、空間的・時間的学習などの中心的な認知現象を軽視させていると論じている。同様に、Edelman(2014)は、ニューラル工学フレームワークが、満足のいく心理学的説明のために神経生理学的な詳細の吹雪に取って代わっていると不平を述べている。
このような懸念に応答する形で、一部の研究者は、心理学的理論とニューラル実装メカニズムを結びつける統合的な認知計算神経科学を提案している(Naselaris et al. 2018; Kriegeskorte and Douglas 2018)。基本的な考え方は、ニューラルネットワークモデルを使用して、精神プロセスが脳にどのようにインスタンス化されるかを照らし出し、それによって複数実現可能な認知的記述を神経生理学的なものに根拠付けることである。良い例は、ベイズ推論のニューラル実装に関する最近の研究である(Pouget et al. 2013; Orhan and Ma 2017; Aitchison and Lengyel 2016)。研究者は、様々な精神プロセスの(複数実現可能な)ベイズモデルを明確にし、仮定されたベイズ計算を実行するか近似的に実行する生物学的に妥当なニューラルネットワークを構築し、これらのニューラルネットワークモデルが神経生理学的データといかにうまく適合するかを評価する。
コネクショニズムと計算神経科学の違いにもかかわらず、これらの2つの運動は多くの類似した問題を提起している。特に、§4.4における体系性と生産性に関する弁証法は、類似した形で現れる。
5. 計算と表象
哲学者や認知科学者は、「表象」という言葉を多様な方法で使用している。哲学においては、最も支配的な用法は、表象を意図性、すなわち心的状態の「〜についてである」性質と結びつける。現代の哲学者は通常、意図性を表象的内容に訴えることによって説明する。表象的な心的状態は、世界が特定のようであると表象する内容を持ち、したがって世界が実際にそのようであるかどうかを問うことができる。したがって、表象的に内容のある心的状態は、真、正確、充足などの特性に関して意味論的に評価可能である。例を挙げる。
- 信念は、真または偽になりうるものである。私がエマニュエル・マクロンがフランス人であると信じることは、エマニュエル・マクロンがフランス人であれば真であり、そうでなければ偽である。
- 知覚状態は、正確または不正確になりうるものである。赤い球体としての私の知覚経験は、赤い球体が私の前にあれば正確である。
- 欲求は、充足または挫折されうるものである。私がチョコレートを食べたいと欲することは、チョコレートを食べれば充足され、食べなければ挫折される。
信念は真理条件(それらが真である条件)を持ち、知覚状態は正確性条件(それらが正確である条件)を持ち、欲求は充足条件(それらが充足される条件)を持つ。
日常生活では、信念、欲求、その他の表象的に内容のある心的状態に訴えることによって、行動を予測し説明することがよくある。我々は、それらの表象的特性によってこれらの状態を特定する。「フランクはエマニュエル・マクロンがフランス人だと信じている」と言うとき、フランクの信念が真である条件(すなわち、エマニュエル・マクロンがフランス人であること)を指定する。「フランクはチョコレートを食べたいと思っている」と言うとき、フランクの欲求が充足される条件(すなわち、フランクがチョコレートを食べること)を指定する。したがって、素朴心理学は意図的記述、すなわち表象的特性によって心的状態を特定する記述に中心的な役割を割り当てる。科学的心理学も同様に意図的記述を採用すべきかどうかは、現代の心の哲学における論争の的となる問題である。
意図主義は、表象に関する実在論である。少なくとも、この立場は、表象的特性が精神性の本質的な側面であると主張する。通常、科学的心理学は、適切な場合には意図的記述を自由に採用すべきだと主張する。意図主義は、Tyler Burge(2010a)、Jerry Fodor(1987)、Christopher Peacocke(1992, 1994)など多くの人々によって支持されている人気のある立場である。意図主義を支持する著名な議論の一つは、認知科学の実践を引用する。この議論は、意図的記述が、知覚心理学や言語学などの認知科学の多くの中心分野で中心的な役割を果たしていると主張する。例えば、知覚心理学は、知覚活動が感覚入力(例:網膜の刺激)を遠隔環境の表象(例:遠隔の形状、サイズ、色の知覚的表象)にどのように変換するかを記述する。科学は、表象的特性(例:特定の遠隔の形状、サイズ、色への表象的関係)を引用することによって知覚状態を特定する。広範な科学的実在論的観点から、知覚心理学の経験的成果は、意図性に対する実在論的な姿勢を支持する。
除去主義は、意図性に関する反実在論の強力な形態である。除去主義者は、意図的記述を曖昧、文脈依存、関心相対的、説明的に表面的、またはその他の問題があるとして却下する。彼らは、科学的心理学が表象的内容を放棄することを推奨する。初期の例は、W.V. Quineの『Word and Object』(1960)であり、これは意図的心理学を行動主義的な刺激反応心理学に置き換えることを目指している。もう一人の著名な除去主義者であるPaul Churchland(1981)は、意図的心理学を神経科学に置き換えたいと考えている。
意図主義と除去主義の間には、様々な中間的な立場がある。Daniel Dennett(1971, 1987)は、意図的言説が予測的に有用であることを認めるが、心的状態が本当に表象的特性を持っているかどうかについては疑問を呈する。Dennettによれば、意図的記述を使用する理論家は、心的状態が表象的特性を持っていると文字通り主張しているわけではない。彼らは単に「意図的スタンス」を採用しているだけである。Donald Davidson(1980)は、隣接する解釈主義の立場を支持している。彼は、意図的帰属が通常の解釈実践、すなわち他者の心的状態や言語行為を解釈する我々の実践において中心的な役割を果たすことを強調する。同時に、彼は意図的心理学が成熟した科学的理論構築の中に場所を見つけるかどうかについては疑問を呈する。DavidsonとDennettの両者は、意図的な心的状態に関する実在論を profess する。それにもかかわらず、両哲学者は通常、意図的反実在論者として読まれる。(特に、Dennettはしばしば意図性に関する道具主義者として読まれる。)この通常の読み方の1つの源は、解釈の不確定性である。思考者の心的状態の2つの相反する解釈を許容する行動的証拠があると仮定する。Quineに続いて、DavidsonとDennettの両者は、どちらの解釈が正しいかに関して「事実がない」と言う。この診断は、意図性に対する完全な実在論的態度ではないことを示している。
意図性に関する議論は、CTMの哲学的議論において顕著な位置を占めている。いくつかのハイライトを概観しよう。
5.1 計算としての形式
古典的計算論者は、計算の形式的・統語論的概念(FSC)とでも呼べるものを通常仮定している。直観的な考えは、計算は意味論的特性ではなく、その形式的統語論的特性に基づいて記号を操作するというものである。
FSCは、19世紀後半から20世紀初頭にかけての数学的論理学の革新、特にGeorge BooleとGottlob Fregeによる画期的な貢献に由来する。Fregeは『Begriffsschrift』(1879/1967)において、演繹的推論の徹底的な形式化を達成した。形式化するためには、構成言語的表現が非意味論的に(例:幾何学的形状によって)識別される形式言語を指定する。我々は意図された解釈を念頭に置いているかもしれないが、形式言語の要素は、指示や真理条件のような意味論的特性を呼び出すことなく議論できる純粋な統語論的実体である。特に、推論規則を形式的統語論的な用語で指定できる。推論規則を賢く選択した場合、それらは意図された解釈と整合するだろう:真の前提を真の結論に導くだろう。形式化を通じて、Fregeは論理学に前例のない厳密性を与えた。彼はそれによって、多くの後続の数学的および哲学的発展の基礎を築いた。
形式化はコンピュータ科学において重要な基礎的役割を果たしている。我々は、形式言語から取られた言語的表現を操作するチューリング型コンピュータをプログラムできる。コンピュータを賢くプログラムした場合、その統語論的な操作は意図された意味論的解釈と整合するだろう。例えば、真の前提を真の結論にのみ導くように、またはベイズ決定理論によって指示されるように確率を更新するようにコンピュータをプログラムできる。
FSCは、すべての計算が、それらの項目が持つ可能性のある意味論的特性を無視して、形式的統語論的項目を操作すると主張する。FSCの厳密な定式化は様々である。計算は構文には「敏感」だが意味論には敏感ではない、あるいは構文的特性にしか「アクセス」できない、あるいは構文的特性に基づいてではなく意味論的特性に基づいて動作する、あるいは意味論的特性は構文的特性によって「媒介」される場合にのみ影響を受ける、と言われる。これらの定式化が何を意味するのか、またはそれらが互いに等価であるのかは、常に明確ではない。しかし、直観的な絵は、構文的特性が計算を前進させる上で意味論的特性よりも因果的・説明的に優位性を持つということである。
Fodorの論文「Methodological Solipsism Considered as a Research Strategy in Cognitive Psychology」(1980)は、初期の声明を提供している。FodorはFSCとCCTM+RTMを組み合わせている。彼はメンタリーズを論理学者が研究する形式言語に例えている。それは、典型的な形式言語が形状によって識別される単純な表現と複雑な表現を含むのと同様に、非意味論的に識別される単純な項目と複雑な項目を含む。メンタリーズ記号は意味論的解釈を持つが、この解釈は(直接的に)精神計算に影響しない。記号の形式的特性が、その意味論的特性ではなく、計算が記号を操作する方法を決定する。その意味で、心は「統語論的エンジン」である。事実上すべての古典的計算論者は、Fodorに続いてFSCを支持している。
コネクショニストはしばしば、ニューラルネットワークが統語論的に構造化された項目を操作することを否定する。そのため、多くのコネクショニストはFSCを受け入れることをためらうだろう。それにもかかわらず、ほとんどのコネクショニストは一般化された形式性仮説を支持している:計算は意味論的特性に鈍感である。一般化された形式性仮説は、FSCが提起するのと同じ多くの哲学的問題を引き起こす。ここでは、最も哲学的な議論を受けているFSCに焦点を当てる。
FodorはCCTM+RTM+FSCを意図主義と組み合わせている。彼は、CCTM+RTM+FSCが、常識的な意図的言説を厳密な科学に変換することによって、素朴心理学を正当化すると主張している。彼は、CCTM+RTM+FSCを支持する有名な帰納的議論(1987: 18–20)によって、自身の立場を動機づけている。驚くべきことに、精神活動は意味論的特性を首尾一貫した方法で追跡する。例えば、演繹的推論は、前提が真であれば結論も真となる結論に前提を導く。この精神活動の重要な側面をどのように説明できるだろうか?形式化は、統語論的操作が意味論的特性を追跡できることを示しており、コンピュータ科学は、望ましい統語論的操作を実行する物理マシンを構築する方法を示している。心を統語論駆動型マシンとして扱う場合、精神活動が意味論的特性を首尾一貫した方法で追跡する理由を説明できる。さらに、我々の説明は、物理科学で仮定されているものとは根本的に異なる因果メカニズムを仮定しない。これにより、核心的な問いに答えることができる:合理性は機械的にどのように可能か?
Stephen Stich(1983)とHartry Field(2001)は、CCTM+FSCを除去主義と組み合わせている。彼らは、認知科学が意図性を完全に回避して、形式的統語論的な用語で心をモデル化することを推奨している。彼らは、心的状態が表象的特性を持っていることを認めるが、科学的心理学がそれらの特性を呼び出すことによってどのような説明的価値を得るのかを問う。なぜ形式的統語論的記述に意図的記述を補足するのか?もし心が統語論駆動型マシンなら、表象的内容は説明的に無関係になるのではないか?
キャリアのある時点でのPutnam(1983: 139–154)は、CCTM+FSCをDavidson風の解釈主義と組み合わせた。認知科学は、StichとFieldが示唆する線に沿って、純粋に形式的な統語論的な計算モデルを詳述すべきである。形式的統語論的モデリングは、我々がお互いの心的状態や言語行為に意図的な内容を帰属させる通常の解釈実践と共存する。解釈実践は、全体論的および発見的な制約によって支配されており、意図的言説を厳密な科学に変換しようとする試みを妨げる。Putnamにとって、FieldとStichにとってと同様に、科学的な行動は意図的なレベルではなく、形式的統語論的なレベルで起こる。
CTM+FSCは様々な方向から攻撃を受けている。1つの批判は、表象的内容の因果的関連性を標的としている(Block 1990; Figdor 2009; Kazez 1995)。直観的に言えば、心的状態の内容は精神活動や行動に対して因果的に関連している。例えば、オレンジジュースではなく水を飲みたいという私の欲求は、冷蔵庫ではなくシンクに向かって歩かせる原因となる。私の欲求の内容(水を飲みたい)は、私の行動を形成する上で重要な因果的役割を果たしているように思われる。Fodor(1990: 137–159)によれば、CCTM+RTM+FSCは、そのような直観に対応する。形式的統語論的活動は、意図的な精神活動を実装し、それによって意図的な心的状態がその内容に従って因果的に相互作用することを保証する。しかし、この分析が内容の因果的関連性を確保しているかどうかは、それほど明確ではない。FSCは、計算は構文には「敏感」だが意味論には敏感ではないと述べている。「敏感」という鍵となる言葉をどのように解釈するかによって、表象的内容が因果的に無関係であり、形式的構文がすべての因果的作業を行っているように見える可能性がある。懸念を示すための類推を次に示す。車が道路を走るとき、車の影には安定したパターンがある。それにもかかわらず、ある時点での影の位置は、後の時点での影の位置に影響しない。同様に、CTM+RTM+FSCは、意図的な用語で記述された安定したパターンの精神活動をインスタンス化することを説明するかもしれないが、これは内容の因果的関連性を確保するには十分ではない。もし心が統語論駆動型マシンなら、因果的効力は意味論レベルではなく統語論レベルに宿るように見える。意味論は単に「乗り物に乗っている」だけである。明らかに、CTM+FSCは、表象的特性が因果的に不活性であるという結論を奨励する。この結論は除去主義者には問題ないかもしれないが、意図主義者は通常それを避けたいと考えている。
2番目の批判は、形式的統語論的絵を科学的実践に根拠のない憶測として却下している。Tyler Burge(2010a,b, 2013: 479–480)は、精神活動の形式的統語論的記述は、知覚心理学や言語学を含む認知科学の広範な領域では、実質的な役割を果たしていないと主張する。彼は、それぞれのケースで、科学は形式的統語論的記述ではなく、意図的記述を使用すると論じている。例えば、知覚心理学は、遠隔の形状、サイズ、色などへの表象的関係によって、心的状態を識別するのであって、形式的統語論的特性によってではない。この批判を理解するために、形式的統語論的記述と神経生理学的記述を区別する必要がある。すべての人が、完全な科学的心理学は神経生理学的記述に第一の重要性を割り当てると同意する。しかし、神経生理学的記述は形式的統語論的記述とは異なる。なぜなら、形式的統語論的記述は、神経生理学的なものに複数実現可能であるとされているからである。ここでの問題は、科学的心理学が、意図的記述と神経生理学的記述に、複数実現可能で非意図的な形式的統語論的記述を補足すべきかどうかである。
5.2 心的内容に関する外部主義
Putnamの画期的な論文「「意味」の意味」(1975: 215–271)は、ツインアース思考実験を導入した。これは、我々の世界と似ているが、H2Oが異なる化学組成を持つ質的に類似した物質XYZに置き換えられている世界を仮定する。Putnamは、XYZは水ではなく、ツインアースの話し手が「水」という言葉を水ではなくXYZを指すために使用すると主張する。Burge(1982)は、この結論を言語的指示から心的内容に拡張する。彼は、ツインアース人は異なる内容を持つ心的状態をインスタンス化すると論じている。例えば、地球のオスカーが水は喉の渇きを癒すと考えるなら、ツインアースの彼の複製は異なる内容を持つ思考を考える。これは、ツインウォーターは喉の渇きを癒す、と要約できるかもしれない。Burgeは、心的内容は、思考者の皮膚の外側の要因、環境との因果関係を含む、によって超位しないと結論付けている。この立場は心的内容に関する外部主義である。
心的状態の形式的統語論的特性は、一般的に内部神経生理学に超位すると考えられている。例えば、オスカーとツインオスカーは同じ形式的統語論的操作をインスタンス化する。内容外部主義を仮定すると、通常の意図的記述と形式的統語論的記述の間には巨大な隔たりがあることになる。
内容外部主義は、科学的心理学における表象的内容の因果的有用性について深刻な疑問を投げかける。
因果関係の議論(Fodor 1987, 1991):心的内容は、内部神経生理学に現れる以外に、どのように因果的影響力を行使できるだろうか?「心理学的遠隔作用」はない。物理環境の違いは、局所的な脳状態の違いを誘発することによってのみ行動に影響を与える。したがって、因果的に関連する要因は、内部神経生理学に超位する要因のみである。外部的に識別された内容は因果的に無関係である。
説明の議論(Stich 1983):厳密な科学的説明は、対象の皮膚の外側の要因を考慮すべきではない。素朴心理学は、心的状態を外部環境との関係によって分類するかもしれないが、科学的心理学は、内部神経生理学に超位する要因のみによって心的状態を分類すべきである。それはオスカーとツインオスカーを心理学的に複製者として扱うべきである。
一部の著者は、この2つの議論を組み合わせて展開している。両方の議論は同じ結論に達する:外部的に識別された心的内容は、科学的心理学が提供する因果的説明において正当な場所を見つけられない。Stich(1983)は、彼の形式的統語論的除去主義を動機づけるために、この線に沿って論じている。
多くの哲学者は、このような懸念に応答して内容内部主義を推進している。内容外部主義者は広範な内容(内部神経生理学に超位しない内容)を支持するのに対し、内容内部主義者は狭い内容(内部神経生理学に超位する内容)を支持する。狭い内容は、外部要素をすべて除外したときに残る心的内容である。キャリアのある時点では、Fodor(1981, 1987)は、意図的心理学をCCTM+RTM+FSCと統合するための戦略として内部主義を追求した。広範な内容は科学的心理学に含めるべきではないと認めつつも、狭い内容は重要な説明的役割を果たすべきだと主張した。
急進的な内部主義者は、すべての内容が狭いと主張する。典型的な分析は、オスカーは水ではなく、XYZを含むより一般的な種類の物質のカテゴリについて考えているため、オスカーとツインオスカーは同じ内容を持つ心的状態を抱いていると述べている。Tim Crane(1991)とGabriel Segal(2000)はこの種の分析を支持している。彼らは、素朴心理学は常に命題的態度を狭く識別すると主張する。より穏健な内部主義は、広範な内容に加えて狭い内容を認識することを推奨する。素朴心理学は時々命題的態度を広く識別するかもしれないが、我々はまた、重要な哲学的または科学的目標を推進する実行可能な狭い内容の概念を明確にすることもできる。内部主義者は、様々な狭い内容の候補を提案している(Block 1986; Chalmers 2002; Cummins 1989; Fodor 1987; Lewis 1994; Loar 1988; Mendola 2008)。主要な候補の概要については、狭い心的内容のエントリを参照のこと。
外部主義者は、既存の狭い内容の理論は、不完全、妥当でない、心理学的説明に役立たない、またはその他の点で問題がある(Burge 2007; Sawyer 2000; Stalnaker 1999)と不平を言う。外部主義者はまた、科学的心理学が狭い内容を必要とするとする内部主義者の議論にも疑問を呈する。
因果関係の議論:外部主義者は、広範な内容が因果的に関連しうると主張する。外部主義者によって詳細は異なるが、議論はしばしば因果関係、反事実、心の形而上学に関する複雑な問題と絡み合う。入門的な概要については、心的因果のエントリを参照のこと。代表的な外部主義者の議論については、Burge(2007)、Rescorla(2014)、Yablo(1997, 2003)を参照のこと。
説明の議論:外部主義者は、心理学的説明が、思考者の皮膚の外側の要因を通じて心的状態を正当に分類できると主張する(Peacocke 1993; Shea 2018)。Burgeは、非心理学的な科学がしばしば説明的な種類を関係的に、すなわち外部要因との関係を通じて識別すると指摘する。例えば、ある実体が心臓と見なされるかどうかは、(大まかに言って)その通常の環境におけるその生物学的機能が血液をポンプすることであるかどうかに依存する。したがって、生理学は臓器の種類を関係的に識別する。なぜ心理学も同様に心的状態を関係的に識別できないのだろうか?これらの問題に関する注目すべき交換については、Burge(1986, 1989, 1995)とFodor(1987, 1991)を参照のこと。
外部主義者は、広範な内容を狭い内容に置き換えたり補足したりするのに十分な理由があると考えることはほとんどない。彼らは狭い内容の探求を無駄な追跡と見なす。
Burge(2007, 2010a)は、現在の認知科学を分析することによって外部主義を擁護している。彼は、科学的心理学の多くの分野(特に知覚心理学)が、外部環境との因果関係を通じて心的内容を識別すると論じている。彼は、科学的実践が外部主義的な視点を体現していると結論付けている。対照的に、彼は、狭い内容は現在の科学に根拠のない哲学的幻想であると主張している。
狭い内容の探求を放棄すると仮定しよう。CCTM+FSCを外部主義的意図的心理学と組み合わせる見通しはどうだろうか?最も有望な選択肢は説明レベルを強調することである。意図的心理学は1つの説明レベルを占め、形式的統語論的計算心理学は別のレベルを占めると言える。Fodorは後期の著作(1994, 2008)でこのアプローチを提唱している。彼は狭い内容を不要として却下する。彼は、形式的統語論的メカニズムが外部主義的心理学的法則を実装すると示唆している。精神計算は、メンタリーズ表現をその形式的統語論的特性に従って操作し、これらの形式的統語論的操作は、広範な内容で定義された適切な法則様パターンを精神活動がインスタンス化することを保証する。
内部主義/外部主義の区別を踏まえて、§5.1で提起された除去主義者の課題に戻ろう:形式的統語論的記述に意図的記述がどのような説明的価値を加えるのか?内部主義者は、適切な形式的統語論的操作が狭い内容を決定し、おそらく構成することさえすると応答できる。したがって、内部主義的意図的記述は、適切な形式的統語論的記述にすでに暗黙のうちに含まれている(cf. Field 2001: 75)。おそらくこの応答は意図主義を正当化するだろうが、そうでないかもしれない。しかし、決定的に、そのような応答は内容外部主義者には利用できない。外部主義的意図的記述は形式的統語論的記述に暗黙のうちに含まれていない。なぜなら、形式的構文を固定して広範な内容を変化させることができるからである。したがって、CCTM+FSCを支持する内容外部主義者は、形式的統語論的説明に意図的説明を補足することによって何を得るのかを述べなければならない。精神計算が構文には敏感だが意味論には敏感ではないと受け入れた後、広範な内容に残る有用な説明的作業が何であるかは、ほとんど明確ではない。Fodorは様々な点でこの課題に取り組んでおり、彼の最も体系的な扱いは『The Elm and the Expert』(1994)である。Arjo(1996)、Aydede(1998)、Aydede and Robbins(2001)、Wakefield(2002)、Perry(1998)、Wakefield(2002)を参照のこと。Rupert(2008)およびSchneider(2005)はFodorのものに近い立場をとっている。Dretske(1993)およびShea(2018、pp. 197–226)は、広範な内容の説明的関連性を正当化するための代替戦略を追求している。
5.3 内容を伴う計算
計算記述と意図的記述の間の認識された隔たりは、CTMに関する多くの著作を活気づけている。少数の哲学者は、計算状態を表象的な用語で識別する計算記述を使用して、この隔たりを橋渡ししようとしている。これらの記述は、Christopher Peacocke(1994)の用語で内容を伴うものである。内容を伴うアプローチでは、計算記述と意図的記述の間に厳格な区別はない。特に、精神活動の科学的に価値のある記述の一部は、計算的かつ意図的である。これを内容を伴う計算主義と呼ぶ。
内容を伴う計算論者は、すべての計算記述が意図的であると言う必要はない。例として、幾何学的形状によって識別される記号を操作する単純なチューリングマシンを記述すると仮定しよう。その場合、結果の計算記述は、妥当な内容を伴うものではない。したがって、内容を伴う計算論者は通常、計算の一般的な理論として内容を伴う計算を提唱しない。彼らは、一部の重要な計算記述が内容を伴うと主張するだけである。
内容を伴う計算主義は、内部主義的または外部主義的な方向で発展させることができる。内部主義的内容を伴う計算論者は、一部の計算記述が狭い内容によって心的状態を部分的に識別すると主張する。Murat Aydede(2005)はこの線に沿った立場を推奨している。外部主義的内容を伴う計算論者は、一部の計算記述が広範な内容によって心的状態を部分的に識別すると主張する。Tyler Burge(2010a: 95–101)、Christopher Peacocke(1994, 1999)、Mark Sprevak(2010)はこの立場を支持している。Oron Shagrir(2001, 2020, 2022)は、内部主義と外部主義の間に中立な内容を伴う計算主義を提唱している。
外部主義的内容を伴う計算論者は、通常、認知科学の実践を動機付けとして引用する。例えば、知覚心理学は、知覚システムが網膜刺激と物体の深度の推定から、ある物体のサイズの見積もりを計算すると記述する。知覚的な「推定」は、特定の遠隔のサイズと深度の表象として、表象的に識別される。妥当なことに、特定の遠隔のサイズと深度への表象的関係は、内部神経生理学に超位しない。妥当なことに、知覚心理学は、広範な内容によって知覚計算を型識別する。したがって、外部主義的内容を伴う計算主義は、現在の認知科学とよく調和するように思われる。
内容を伴う計算主義が直面する主要な課題は、チューリングマシンなどの標準的な計算形式とのインターフェースに関するものである。内容を伴う記述は、論理学やコンピュータ科学に見られる計算モデルと正確にどのように関連するのか?哲学者は通常、これらのモデルが非意図的な記述を提供すると仮定している。もしそうなら、それは内容を伴う計算主義にとって大きな、そしておそらく決定的な打撃となるだろう。
しかし、議論の余地はあるが、多くの一般的な計算形式は、形式的統語論的な解釈ではなく、内容を伴う解釈を許容する。例として、チューリングマシンを考えてみよう。チューリングマシンのアルファベットを構成する「記号」を、幾何学的形状に類似したものによって非意味論的に識別することはできる。しかし、チューリングの形式化は、非意味論的な識別スキームを要求するだろうか?議論の余地はあるが、形式化は記号をその内容によって部分的に識別することを許容する。もちろん、チューリングマシンのマシンテーブルは、記号の意味論的特性(例:指示対象や真理条件)を明示的に引用しない。しかし、マシンテーブルは、内容を伴う用語で型識別される記号を操作する方法を記述する機械的規則をエンコードできる。この意味で、マシンテーブルは、意味論的特性を明示的に言及することなく、内容を伴う状態間の遷移を指示する。Aydede(2005)は、狭い内容によって型識別される記号を持つ、この見解の内部主義的なバージョンを示唆している。Rescorla(2017a)は、外部主義的な方向でこの見解を展開しており、広範な内容によって型識別される記号を持つと主張している。彼は、一部のチューリング型モデルは、外部主義的に識別されたメンタリーズ記号上の計算操作を記述すると論じている。
原理的には、外部主義的内容を伴う計算記述と形式的統語論的記述の両方を受け入れることもできる。これらの2種類の記述は異なる説明レベルを占めると言えるかもしれない。Peacockeはこの種の視点を提案している。他の内容を伴う計算論者は、形式的統語論的記述をより懐疑的に見ている。例えば、Burgeは、形式的統語論的記述が科学的心理学の特定の領域(知覚心理学など)にどのような説明的価値をもたらすかに疑問を呈している。この観点から、§5.1で提起された除去主義者の課題は、物事を逆さまにしている。形式的統語論的記述が説明的に価値があると仮定し、次に意図的記述がどのような価値をもたらすかを問うべきではない。代わりに、現在の認知科学が提供する外部主義的意図的記述を受け入れ、次に形式的統語論的記述がどのような価値をもたらすかを問うべきである。
形式的統語論的記述の支持者は、しばしば実装メカニズムを引用して応答する。外部主義的な精神活動の記述は、心と外部物理環境との間の適切な因果歴史的関係が存在することを前提としている。しかし、外部的な因果歴史的関係を無視した「局所的」な記述、すなわち基盤となる因果メカニズムを明らかにする記述を望むはずである。Fodor(1987, 1994)は、形式的統語論的絵を動機づけるためにこのように論じている。因果メカニズムの議論に対する可能な外部主義者の応答については、Burge(2010b)、Rescorla(2017b)、Shea(2013)、Sprevak(2010)を参照のこと。形式的構文に説明的な役割を割り当てる現在の認知科学の実践が実際に存在する証拠については、Calzavarini and Paternoster(2022)を参照のこと。形式的構文の説明的価値、そしてより一般的には計算と表象の関係に関する議論は、おそらく今後も長く続くだろう。
6. 計算の代替概念
文献にはいくつかの代替概念があり、通常はCTMの基礎として提唱されている。多くの場合、これらの概念は互いに、または上記で検討された概念と重なり合う。
6.1 情報処理
認知科学者が計算を「情報処理」と記述することは一般的である。「情報」または「処理」という言葉の意味を明確にする支持者は少ない。明確化がない場合、この記述は空虚なスローガンに過ぎない。
Claude Shannonは、1948年の論文「A Mathematical Theory of Communication」で「情報」の科学的に重要な概念を導入した。直観的な考えは、情報が不確実性の削減を測定するものであり、不確実性の削減は可能な状態に対する確率分布の変化として現れるということである。Shannonはこの考えを厳密な数学的フレームワークにコード化し、情報理論の基礎を築いた(Cover and Thomas 2006)。Shannon情報は現代工学の基礎である。それは認知科学、特に計算神経科学において有用な応用を見出す。それは計算を「情報処理」として分析するのに説得力があるだろうか?無線ラジオで受信したメッセージを記録する旧式のテープマシンを考えてみよう。Shannonのフレームワークを使用して、記録されたメッセージが運ぶ情報の量を測定できる。テープマシンが記録されたメッセージを再生するときにShannon情報を「処理」するという感覚がある。それでも、マシンは非自明な計算モデルを実装しているようには見えない。チューリングマシン形式もニューラルネットワーク形式も、マシンの操作に関する洞察をほとんど提供しない。したがって、システムは興味深い意味での計算を実行することなく、Shannon情報を処理できると主張できる。
このような例に直面して、より要求の厳しい「処理」の概念を特定しようとするかもしれない。あるいは、テープマシンはShannon情報を「処理」しないと主張するかもしれない。PiccininiとScarantino(2010)は、その結果を伴う非常に一般的な計算概念、すなわちジェネリック計算を提唱している。
情報の2番目の著名な概念は、Paul Grice(1989)の自然な意味に関する影響力のある議論に由来する。自然な意味は、信頼できる、反事実を支持する相関関係を伴う。例えば、年輪は木の年齢と相関し、発疹は天然痘と相関する。我々は日常的に、年輪が木の年齢に関する情報を運び、発疹が天然痘に関する情報を運ぶと述べる。このような記述は、信頼できる、反事実を支持する相関関係への情報との結びつきを強調する概念を示唆している。Fred Dretske(1981)はこの概念を体系的な理論に発展させた。同様に、様々な後続の哲学者がそうしている。Dretskeスタイルの情報は、「情報処理」としての計算の分析を支えるだろうか?古いタイプのバイメタルストリップサーモスタットを考えてみよう。2つの金属がストリップに結合されている。金属の差動膨張によりストリップが曲がり、暖房ユニットのオン/オフが切り替わる。ストリップの状態は現在の周囲温度と信頼できる相関関係があり、サーモスタットは暖房ユニットをオン/オフするときにこの情報を持つ状態を「処理」する。しかし、サーモスタットは非自明な計算モデルを実装しているようには見えない。通常、サーモスタットは計算しているとは見なされないだろう。したがって、システムは興味深い意味での計算を実行することなく、Dretskeスタイルの情報を処理できると主張できる。もちろん、前の段落の操作と同様の操作によって、そのような例を処理しようとするかもしれない。
情報の3番目の著名な概念は意味論的情報、すなわち表象的内容である。一部の哲学者は、物理システムが計算するのは、システムの状態が表象的特性を持つ場合のみであると主張する(Dietrich 1989; Fodor 1998: 10; Ladyman 2009; Shagrir 2006; Sprevak 2010)。その意味で、情報処理は計算に必要である。Fodorが記憶に残るように述べているように、「表象なしの計算はない」(1975: 34)。しかし、この立場は議論の余地がある。Chalmers(2011)とPiccinini(2008a)は、チューリングマシンは、マシンによって操作される記号が意味論的解釈を持たなくても、計算を実行する可能性があると主張している。マシンの計算は純粋に統語論的な性質のものであり、意味論的特性のようなものは持たない。この見解では、表象的内容は、物理システムが計算的であると見なされるために必要ではない。
「計算は情報処理である」というスローガンが、多くの洞察を提供するかどうかは依然として不明確である。それにもかかわらず、このスローガンは、文学からすぐに消える可能性は低い。計算と情報の間の可能な関係についてのさらなる議論については、Gallistel and King(2009: 1–26)、Lizier, Flecker, and Williams(2013)、Miłkowski(2013)、Piccinini and Scarantino(2010)、Sprevak(2020)を参照のこと。
6.2 関数評価
広く引用されている一節で、知覚心理学者のDavid Marr(1982)は、「情報処理デバイス」を記述できる3つのレベルを区別している。
計算理論:「デバイスは、ある情報から別の情報へのマッピングとして特徴付けられ、そのマッピングの抽象的な特性が正確に定義され、そのタスクに対する適切性と妥当性が実証される」(p. 24)。
表象とアルゴリズム:「入力と出力の選択、およびそれらを変換するために使用されるアルゴリズム」(pp. 24–25)。
ハードウェア実装:「アルゴリズムと表象が物理的にどのように実現されるかの詳細」(p. 25)。
Marrの3つのレベルは、激しい哲学的精査を受けてきた。我々の目的のために、重要な点は、Marrの「計算レベル」が入力から出力へのマッピングを記述しており、中間ステップを記述していないことである。Marrは、エッジ検出などの様々な知覚プロセスの「計算レベル」理論を提供することによって、自身の考えを例示している。
Marrの議論は、計算が入力から適切な出力への変換の問題であるとする計算の機能的概念を示唆している。Frances Eganは、一連の記事(1991, 1992, 1999, 2003, 2010, 2014, 2019, 2020)で機能的概念を詳しく説明している。Marrと同様に、彼女は計算記述を入力-出力関係の記述として扱っている。彼女はまた、計算モデルは純粋に数学的関数、すなわち数学的入力から数学的出力へのマッピングを特徴付けると主張している。彼女は、物体の深度を網膜のずれから計算する「Visua」と呼ばれる視覚メカニズムを考慮することによって、これを例示している。彼女は、環境への埋め込み方が異なり、深度を表象しない神経生理学的な複製者「Twin Visua」を想像している。VisuaとTwin Visuaは異なる表象的特性を持つ知覚状態をインスタンス化する。それにもかかわらず、Eganは、視覚科学はVisuaとTwin Visuaを計算上の複製者として扱っていると述べている。VisuaとTwin Visuaは、2つのケースで計算が異なる表象的意味を持つにもかかわらず、同じ数学的関数を計算する。Eganは、心の計算モデリングは、多くの代替可能な表象的記述と一致する「抽象数学的記述」を生み出すと結論付けている。意図的帰属は、基盤となる計算記述に対する単なる発見的な注釈である。
Chalmers(2012)は、機能的概念が計算の重要な特徴を無視していると論じている。彼が指摘するように、計算モデルは通常、入力-出力関係以上のものを記述する。それらは、入力がどのように出力に変換されるかの中間ステップを記述する。Marrが「アルゴリズム」レベルに割り当てたこれらの中間ステップは、論理学者やコンピュータ科学者が提供する計算モデルにおいて重要な役割を果たす。計算という言葉を入力-出力記述に限定することは、標準的な計算実践を捉えていない。
Eganのもののような機能理論、特に数学的入力と出力のみを強調する理論には、追加の懸念がある。批評家は、Eganが数学的関数を、認知科学が日常的に提供する意図的説明の代わりに誤って重視していると主張している(Burge 2005; Rescorla 2015; Silverberg 2006; Sprevak 2010)。例として、知覚心理学が、ある物体の深度が5メートルであると推定すると記述していると仮定しよう。知覚的な深度推定は表象的内容を持つ:それは、物体の深度が5メートルである場合にのみ正確である。我々は、深度推定を識別するために数字の5を引用する。しかし、この数字の選択は、我々理論家がその内容を指定するために使用する測定単位の任意選択に依存する。批評家は、深度推定の内容、すなわち理論家がその内容を指定するために使用する任意に選択された数字ではなく、それが心理学的説明にとって重要なものであると主張する。Eganの理論は、内容ではなく数字を説明の中心に置いている。Eganによれば、計算説明は、特定の数学的関数を計算する視覚システムを記述すべきであり、それは特定の数学的入力を特定の数学的出力に変換する。これらの特定の数学的入力と出力は、我々の測定単位の任意選択に依存するため、Eganがそれらに割り当てる説明的意義を欠いていると主張できる。
MarrとEganが追求した機能的アプローチと、コンピュータサイエンスにおける関数型プログラミングパラダイムを区別すべきである。関数型プログラミングパラダイムは、より単純な関数の逐次評価として複雑な関数の評価をモデル化する。簡単な例として、まず平方関数を評価し、次に加算関数を評価することによって (f(x,y) = (x^{2}+y)) を評価するかもしれない。関数型プログラミングは、Marrが強調した「計算レベル」の記述とは異なり、中間計算段階を指定する。関数型プログラミングパラダイムは、Alonzo Church(1936)のラムダ計算に遡り、PCFやLISPのようなプログラミング言語で継続されている。それはAIや理論コンピュータ科学において重要な役割を果たしている。一部の研究者は、それが精神計算に特別な洞察を提供すると示唆している(Klein 2012; Piantadosi, Tenenbaum, and Goodman 2012)。しかし、多くの計算形式は関数型パラダイムに適合しない:チューリングマシン;Cのような命令型プログラミング言語;Prologのような論理プログラミング言語など。関数型パラダイムは多くの重要な計算(精神計算を含む可能性もある)を記述しているが、計算全般を妥当に捉えることはできない。
6.3 構造主義
多くの哲学的議論は、計算の構造主義的概念を体現している。すなわち、計算モデルは、構造をインスタンス化する特定の物理状態を考慮することなく、抽象的な因果構造を記述する。この概念は、少なくともPutnamの元の扱い(1967)に遡る。Chalmers(1995, 1996a, 2011, 2012)はそれを詳細に展開している。彼は、ほとんどの一般的な計算モデル(チューリングマシンやニューラルネットワークを含む)を包含する組み合わせ状態オートマトン(CSA)形式を導入している。CSAは、物理システムの因果的トポロジーの抽象記述を提供する。これは、それらの部分の性質やそれらが相互作用する因果メカニズムに関わらず、システムの部分間の因果的相互作用のパターンである。計算記述は因果的トポロジーを指定する。
Chalmersは構造主義を用いて、CTMの非常に一般的なバージョンを明確にする。彼は、心理学的状態は、因果組織のパターンにおけるそれらの役割によって識別されるとする機能主義的見解を採用している。心理学的記述は、それらの役割を実現する物理状態から抽象された因果的役割を指定する。したがって、心理学的特性は組織的に不変であり、因果的トポロジーに超位する。計算記述は因果的トポロジーを特徴付けるため、適切な計算記述を満たすことは、適切な精神的特性をインスタンス化するのに十分である。また、心理学的記述は計算記述の一種であるため、計算記述は認知科学の説明において中心的な役割を果たすべきである。したがって、構造主義的計算は認知科学の強固な基盤を提供する。精神性は、計算モデルが正確に記述する因果パターンに根ざしている。
構造主義は、抽象計算モデルと物理システムとの間の実装関係の魅力的な説明を伴って提供される。どのような条件下で物理システムは計算モデルを実装するのか?構造主義者は、モデルの因果構造がモデルの形式構造と「同型」である場合にのみ、物理システムがモデルを実装すると言う。計算記述は、物理システムを、その関連する因果的トポロジーを鏡映する形式構造を表現することによって記述する。Chalmersはこの直観的な考えを詳細に説明し、CSAの物理的実現のための詳細な必要十分条件を提供している。計算の他の代替概念のいずれも、実装関係のこれほど実質的な説明を提供できないだろう。
構造主義的計算論を上記で議論された他のいくつかの理論と比較することは有益である。
機械機能主義。構造主義的計算論は、機械機能主義の核となる考え方、すなわち心的状態は適切な計算形式で記述できる機能的状態であるという考え方を受け入れている。PutnamはCTMを経験的仮説として提唱し、その基盤で機能主義を擁護している。対照的に、ChalmersはDavid Lewis(1972)に続いて、心的言説の概念分析に機能主義を根拠付けている。Putnamが計算主義を擁護することによって機能主義を擁護するのに対し、Chalmersは機能主義を仮定することによって計算主義を擁護している。
古典的計算論、コネクショニズム、計算神経科学。構造主義的計算論は、組織的に不変な記述を強調しており、これは複数実現可能である。その点で、それは計算神経科学とは異なる。構造主義は、古典的およびコネクショニスト計算論の両方と互換性があるが、それらの見解とは精神が異なる。古典論者とコネクショニストは、彼らの競合する立場を大胆で実質的な仮説として提示する。Chalmersは構造主義的計算論を、確認される可能性が低い比較的ミニマリストな立場として提唱している。
意図主義と除去主義。構造主義的計算論は、両方の立場と互換性がある。CSA記述は、指示対象、真理条件、表象的内容などの意味論的特性を明示的に言及しない。構造主義的計算論者は、科学的心理学において表象的内容に重要な役割を割り当てる必要はない。一方で、構造主義的計算論は、表象的内容の重要な役割を排除するものではない。
計算の形式的・統語論的概念。広範な内容は、因果的トポロジーを超える、外部環境との因果歴史的関係に依存する。したがって、CSA記述は広範な内容を過小決定のままにする。狭い内容は因果的トポロジーに超位すると仮定されるが、CSA記述は狭い内容を明示的に言及しない。全体として、構造主義的計算論は、形式的で非意味論的な計算記述のレベルを優先する。その点で、それはFSCに似ている。一方で、構造主義的計算論者は、計算が意味論的特性に「鈍感」であると言う必要はないため、FSCのすべての側面を支持する必要はない。
構造主義的計算論はCCTM+FSCとは異なるが、いくつかの類似した問題を提起している。例えば、Rescorla(2012)は、構造主義的計算論が指示するような、認知科学における因果的トポロジーの中心的な説明的役割を否定している。彼は、外部主義的意図的記述が、組織的に不変な記述よりも説明的優位性を持つと示唆している。異なる方向から、計算神経科学者は、組織的に不変な記述を放棄し、代わりに神経により特化した計算モデルを使用することを推奨するだろう。そのような異議に応答して、Chalmers(2012)は、組織的に不変な計算記述が、意図的記述または神経生理学的記述のいずれも再現しない説明的利点をもたらすと論じている。それは、基盤となる認知のメカニズムを明らかにする(意図的記述とは異なり)、そして多くの説明目的のために無関係な神経実装の詳細を抽象化する。
6.4 機械論的理論
計算の機械論的な性質は、論理学、哲学、認知科学における繰り返しのテーマである。いくつかの著者は、このテーマを機械論的な計算システム概念へと発展させている(Coelho Mollo, 2017; Dewhurst 2016; Fresco 2014, 2017; Miłkowski 2013; Piccinini 2007, 2012, 2015)。Gualtiero Piccinini(2015)の影響力のある展開によれば、機能的メカニズムは、相互接続されたコンポーネントのシステムであり、各コンポーネントはシステム全体内で何らかの機能を実行する。機械論的説明は、システムを部分に分解し、部分がより大きなシステムにどのように組織化されているかを記述し、各部分が実行する機能を特定することによって進行する。計算システムは、特定の種類の機能的メカニズムである:それは、規則に従って車両を処理するように機能的に組織化されたコンポーネントを持つメカニズムである。Putnamの複数実現可能性に関する議論を反響させて、Piccininiは、規則が媒体独立であることを要求する。すなわち、規則は車両の特定の物理的実装から抽象される。計算説明はシステムを部分に分解し、各部分が関連車両の処理にどのように役立つかを記述する。システムが離散的に構造化された車両を処理する場合、計算はデジタルである。システムが連続的な車両を処理する場合、計算はアナログである。Marcin Miłkowski(2013)の機械論的アプローチのバージョンも同様である。彼は、Piccininiとは異なり、「情報処理」という注釈を追求しており、計算メカニズムは情報を持つ状態を操作する。MiłkowskiとPiccininiは、それぞれの機械論的理論を計算主義を擁護するために展開している。Piccinini(2020)は特にニューラル計算に焦点を当て、計算神経科学との広範な関連性を築いている。
機械論的計算論者は通常、計算状態を非意味論的に識別する。そのため、FSCや構造主義と同様の、表象的内容の説明的役割に関する懸念に直面する。批評家は、機械論的計算論は、計算的かつ表象的でもある認知科学の説明に対応していないと抗議する(Rescorla 2016; Shagrir 2014; Shagrir 2022)。この批判の認識された力は、内容を伴う計算主義への共感に依存するだろう。批判を回避するために、Miłkowski(2017)は、機械論的計算論者は、特定の計算メカニズムに表象的な機能を帰属させることによって、表象的内容に中心的な理論的役割を割り当てることができると反論する。
6.5 多元主義
我々は、古典的計算、コネクショニスト計算、ニューラル計算、形式的統語論的計算、内容を伴う計算、情報処理計算、機能的計算、構造主義的計算、機械論的計算など、様々な対立し、時には重なり合う計算概念を概観してきた。各概念は異なる形式の計算主義を生み出す。各概念には独自の長所と短所がある。有用と思われる概念を、他の概念よりも優位に置くのではなく、特定の文脈で有用なものを使用することに満足する多元主義的な立場を採用することもできる。Edelman(2008)はこの線に沿っており、Chalmers(2012)も最新の議論で同様である。
多元主義的な線は、いくつかの自然な疑問を提起する。すべての、またはほとんどすべての種類の計算を包含する一般的な分析を提供できるだろうか?すべての計算は、互いに何らかの特徴的な印を共有しているのだろうか?それとも、それらは家族的類似性のようなもので結び付けられているのだろうか?計算についてのより深い理解は、これらの問いに取り組むことを必要とする。
7. 計算論への議論
CTMは数多くの異議を引受けてきた。多くの場合、異議はCTMの特定のバージョン(古典的計算論やコネクショニスト計算論など)にのみ適用される。以下にいくつかの著名な異議を挙げる。John Searle(1980)によって古典的計算論に対して提起された広く議論されている異議については、中国語ルームの議論のエントリも参照のこと。
7.1 自明性に関する議論
繰り返される懸念は、CTMが自明であるということである。なぜなら、ほとんどすべての物理システムを計算を実行していると記述できるからである。Searle(1990)は、壁があらゆるコンピュータプログラムを実装していると主張する。なぜなら、プログラムの形式構造に同型な分子運動のパターンを壁に見出すことができるからである。Putnam(1988: 121–125)は、同様の線で、より極端ではないが依然として非常に強力な自明性論文を擁護している。自明性議論は、哲学的文献において大きな役割を果たしている。反計算論者は自明性議論を計算論に対して展開し、計算論者は自明性を回避しようとする。
計算論者は通常、これらの議論が計算実装の制約を見落としていると主張することによって、自明性議論に反論する。これらの制約は、好む計算理論によって異なるが、反事実的、因果的、意味論的、またはその他のものである可能性がある。例えば、David Chalmers(1995, 1996a)とB. Jack Copeland(1996)は、Putnamの自明性議論が、物理システムが計算モデルを実装するために満たさなければならない反事実的条件を見落としていると主張している。他の哲学者は、物理システムが計算モデルを実装するためには(Fodor 1998: 11–12; Ladyman 2009; Sprevak 2010)または少なくとも内容を伴う計算モデルを実装するためには(Rescorla 2013)、表象的特性を持つ必要があると述べている。ここでの詳細は大きく異なり、計算論者は、どの種類の計算がどの自明性議論を回避できるかについて互いに議論している。しかし、ほとんどの計算論者は、計算モデルと物理システムとの間の実装関係の十分に堅牢な理論によって、深刻な自明性懸念を回避できることに同意している。
汎計算主義は、すべての物理システムが計算モデルを実装すると主張する。この命題は妥当である。なぜなら、あらゆる物理システムは、十分に自明な計算モデル(例:1状態の有限状態オートマトン)を実装していると主張できるからである。Chalmers(2011)が指摘するように、汎計算主義は計算論にとってそれほど懸念されるものではない。懸念されるのは、ほとんどすべての物理システムがほとんどすべての計算モデルを実装するという、はるかに強力な自明性論文であろう。
計算実装に関する自明性議論についてのさらなる議論については、Sprevak(2019)および物理システムにおける計算のエントリを参照のこと。
7.2 ゲーデルの不完全性定理
一部の著者によれば、ゲーデルの不完全性定理は、人間の数学的能力がチューリングマシンよりも優れていることを示している(Nagel and Newman 1958)。J.R. Lucas(1961)はこの立場を、CCTMに対する有名な批判に発展させている。Roger Penroseは、『The Emperor’s New Mind』(1989)やその後の著作でこの批判を追求している。様々な哲学者や論理学者は、既存の定式化が誤謬、質問を前提とする仮定、さらには明白な数学的誤りを含んでいると主張して、この批判に答えている(Bowie 1982; Chalmers 1996b; Feferman 1996; Lewis 1969, 1979; Putnam 1975: 365–366, 1994; Shapiro 2003)。このCCTMへの批判は力がないという広範なコンセンサスがある。特定の人間精神能力がチューリング計算可能性を超える可能性があるが、ゲーデルの不完全性定理はそのような結果を予期する理由を提供しない。
7.3 計算モデリングの限界
コンピュータは『英雄』交響曲を作曲できるだろうか?あるいは一般相対性理論を発見できるだろうか?あるいは、子供が環境を認識し、靴紐を結び、他者の感情を識別する楽な能力を再現できるだろうか?直観的、創造的、あるいは熟練した人間の活動は、コンピュータプログラムによる形式化に抵抗するように見えるかもしれない(Dreyfus 1972, 1992)。より一般的に、特に古典的計算モデリングにおいて、人間の認知の重要な側面が計算モデリングから逃れるのではないかと懸念するかもしれない。
皮肉なことに、Fodorはこの批判の強力なバージョンを提唱している。CTMの最も初期の声明でさえ、Fodor(1975: 197–205)は、CTMがすべての重要な認知現象を処理できるかどうかについてかなりの懐疑論を表明している。この悲観論は、特にアブダクション推論を計算モデリングから逃れる可能性のある精神現象として焦点を当てる彼の後の著作(1983, 2000)でより顕著になる。彼の中心的な議論は次のように要約できる。
(1)
チューリング型計算は、精神的表象の「局所的」特性にのみ敏感であり、それは表象の構成要素の同一性と配置によって尽くされる。
(2)
多くの精神プロセス、特にアブダクションは、「非局所的」特性、すなわち関連性、単純性、保守性などに敏感である。
(3)
したがって、関連プロセスのアブダクションのチューリング型モデリングを放棄しなければならないかもしれない。
(4)
残念ながら、現在、適切な代替物として機能する可能性のある理論は何も知らない。
一部の批評家は(1)を否定し、適切なチューリング型計算が「非局所的」特性に敏感であると主張している(Schneider 2011; Wilson 2005)。一部の批評家は(2)を疑問視し、典型的なアブダクション推論は「局所的」特性にのみ敏感であると主張している(Carruthers 2003; Ludwig and Schneider 2008; Sperber 2002)。一部の批評家はステップ(3)を認めつつも、ステップ(4)を否定し、関連プロセスに対する有望な非チューリング型モデルが存在すると主張している(Pinker 2005)。このような批判によって部分的に刺激されたFodorは、彼の議論を詳細に展開している。彼は(2)を擁護するために、局所的な発見的アルゴリズム(2005: 41–46; 2008: 115–126)を展開する理論や、ドメイン固有の認知モジュールの多数を仮定する理論(2005: 56–100)を批判している。彼は(4)を擁護するために、様々な非チューリング型モデル(2000: 46–53; 2008)でアブダクションを処理する理論、例えばコネクショニストネットワークを批判している。
計算モデリングの範囲と限界は依然として論争の的である。このトピックは、AIと共同で追求される、活発な調査の焦点であり続けると予想される。
7.4 時間的議論
精神活動は時間とともに展開する。さらに、心は(例えば、知覚推定などの)洗練されたタスクを非常に迅速に達成する。多くの批評家は、計算論、特に古典的計算論が、認知の時間的側面を十分に考慮していないと懸念している。チューリング型モデルは、計算が発生する時間スケールについて明示的な言及をしない。シリコンベースのデバイス、より遅い真空管デバイス、あるいはさらに遅い滑車とてこデバイスで、同じ抽象チューリングマシンを物理的に実装できる。批評家は、精神活動をモデル化するための非計算的な力学系フレームワークを直接的に組み込む代替フレームワークを支持するためにCTMを却下することを推奨している。van GelderとPort(1995)はこの議論を使用して、精神活動のモデル化のための非計算的な力学系フレームワークを推進している。Eliasmith(2003, 2013: 12–13)は、彼のニューラル工学フレームワークを支持するためにそれを使用している。
計算論者は、抽象計算モデルに時間的考慮事項を補足できると応答している(Piccinini 2010; Weiskopf 2004)。例えば、チューリングマシンモデルは、計算の離散的な「段階」を仮定するが、それらの段階が物理的時間とどのように関連するかを記述しない。しかし、各段階がどれくらいの時間がかかるかを記述することによってモデルを補足でき、非時間的なチューリングマシンモデルを詳細な時間的予測を生み出す理論に変換できる。CTMの多くの支持者は、認知の時間的特性を研究するためにこの種の補足を雇用している(Newell 1990)。同様の補足は、適切な時間的特性を持つマシンを構築することに非常に熱心なコンピュータ科学の実践者にとって、コンピュータ科学において重要な役割を果たしている。計算論者は、適切に補足されたCTMのバージョンが、認知が時間とともにどのように展開するかを十分に捉えることができると結論付けている。
2番目の時間的異議は、離散的時間進化と連続的時間進化の対比を強調している(van Gelder and Port 1995)。チューリングマシンによる計算は離散的な段階で展開されるが、精神活動は連続的な時間で展開される。したがって、チューリング型計算の時間的特性と実際の精神活動の時間的特性との間には根本的な不一致がある。我々は連続的な時間進化を記述する心理学的理論を必要としている。
計算論者は、この異議が証明されるべきことを仮定していると応答している。すなわち、認知活動が説明的に重要な離散段階に分類されないということである(Weiskopf 2004)。物理時間が連続的であると仮定すると、精神活動が連続的な時間で展開されることになる。しかし、認知モデルが連続的な時間構造を持つ必要があるとは限らない。パーソナルコンピュータは連続的な時間で動作し、その物理状態は連続的に進化する。完全な物理理論は、それらの物理的変化すべてを反映するだろう。しかし、我々の計算モデルは、コンピュータのすべての物理的変化を反映するわけではない。我々の計算モデルは離散的な時間構造を持つ。良い心のレベルモデルが、脳のすべての物理的変化を反映する必要があると仮定すべき理由は何だろうか?物理状態の連続体が存在するとしても、認知状態の連続体が存在すると仮定すべき理由は何だろうか?連続的な時間進化という事実だけでは、離散的な時間構造を持つ計算モデルを妨げるものではない。
CTMと力学系理論との調和方法についての議論については、(Beer and Williams 2015; Phattanasri, Chiel, and Beer 2007; Weinberger and Allen 2022)を参照のこと。
7.5 身体化された認知
身体化された認知は、大陸の哲学者モーリス・メルロ=ポンティ、知覚心理学者J.J.ギブソン、およびその他の様々な影響からインスピレーションを得た研究プログラムである。それはかなり異質な運動であるが、基本的な戦略は、認知、身体的行動、および周囲の環境との間のリンクを強調することである。影響力のある初期の声明については、Varela, Thompson, and Rosch(1991)を参照のこと。多くの場合、支持者は力学系理論のツールを展開する。支持者は通常、自身の立場を計算論に対する根本的な代替案として提示する(Chemero 2009; Kelso 1995; Thelen and Smith 1994)。彼らは、CTMは精神活動を、埋め込まれた環境から切り離された静的な記号操作として扱っていると不平を言う。それは、環境が精神活動を因果的または構成的に形作る無数の複雑な方法を無視している。我々は、心、身体、環境の間の連続的なリンクを強調する新しい絵にCTMを置き換えるべきである。エージェント-環境ダイナミクス、内部精神計算ではなく、認知を理解するための鍵を握っている。多くの場合、意図性に対する広範な除去主義的な態度は、この批判を推進する。
計算論者は、CTMが認知の身体化を適切に認識することを可能にすると応答する。計算モデルは、心、身体、環境が連続的に相互作用する方法を考慮に入れることができる。結局のところ、計算モデルは感覚入力と運動出力を組み込むことができる。心、身体、環境の間の連続的な相互作用を強調することが、内部精神計算の二重の強調を排除する明白な理由はない(Clark 2014: 140–165; Rupert 2009)。計算論者は、CTMが身体化された認知運動が提供するあらゆる正当な洞察を組み込むことができると主張する。彼らはまた、CTMが多数の核となる心理現象を説明するための我々の最良の全体的なフレームワークであり続けると主張する。