『思考の法則』（2026年）は、認知科学の世界への深い洞察を与えてくれる一冊です。心を支配する法則の解明を目指す学問の歴史を、広範かつ詳細にわたって解説しています。形式論理学の基礎から始まり、行動主義、初期の計算理論、意味論研究、人工ニューラルネットワーク、そして確率論に至るまで。心を理解するための三つの主要なアプローチを提示することで、「思考の法則」の複雑な全体像を描き出します。
本書から得られるもの：心を支配する法則を解き明かす
およそ300年前、少数の優れた思想家たちが、自分たちを取り巻く世界を支配する法則を解き明かそうと試みました。ニュートン、デカルト、ホッブズ、ライプニッツ――彼らは皆、「自然の法則」を追い求めていました。数学的理論を応用して、物事の仕組みを明らかにしようとしたのです。現代では、重力から加速まで、世界を支配する法則は世界中の物理の教室で教えられています。しかし、私たちの内側にある世界はどうでしょうか？
啓蒙時代の思想家たちは、「思考の法則」も同時に追い求めていました。その探求は最終的に、形式論理学、認知科学、心のベイズモデル、そして今日のAIを支えるニューラルネットワークへとつながっていきます。本要約では、そのめくるめく思考の旅へとご案内します。思考について真剣に考えてみる準備はできましたか？それでは始めましょう！
形式論理学の黎明期
ゴットフリート・ヴィルヘルム・ライプニッツは、歴史上最も聡明な人物だったかもしれません。1646年にドイツのライプツィヒに生まれ、アイザック・ニュートンと同時期に微積分法を発展させました。しかしどんなに努力しても、数学を使って心を記述する方法を見つけることはできませんでした。ライプニッツはアリストテレスの研究を土台にしていました。アリストテレスの研究は三段論法に基づくもので、二つの前提と、それらが真であれば導き出される結論から成る論証のことです。
例を挙げましょう。「すべての健康な人は幸福である。健康な人の中には裕福な人もいる。したがって、裕福な人の中には幸福な人もいる。」前提が真であれば、結論も真です。アリストテレスは直感と証明を組み合わせて、14種類の三段論法を特定しました。しかしライプニッツはさらに先を目指しました。三段論法の妥当性を捉える数学的定理が欲しかったのです。
彼が求めていたのは、今日でいう形式体系です。デカルトをはじめとする多くの偉大な頭脳がこの探求に加わりました。しかし次の突破口を開いたのは、1世紀以上後の17歳のイギリス人学校教師でした。ある日、野原を歩いていたジョージ・ブールは突然のひらめきを得ます。人間の思考は代数的な形で表現できるのではないか、と。その秘訣は、変数を0か1の値しか取らないように制限することでした。こうしてブールは、「すべてのAはBである」のような論理的命題を代数的な式で表現する方法を開発したのです。
その後1世紀にわたり、主要な哲学者たちがブールの洞察を土台にして、ますます完全な形式論理学の体系を構築していきました。これが命題論理として知られるようになります。しかし、ちょっと待ってください――これが私たちに何の関係があるのでしょうか？生き物としての私たちの主要な問題の一つは、何を信じるべきかを知ることです。いくつかの事柄が真であるとわかっているとき、他に何が真だと信頼できるのでしょうか？
形式論理学は、この問いに答える方法を提供します。それは意味論を構文論に還元します。つまり、真理を見つける問題を、一連のルールに従うことへと還元するのです。このようにして、思考の本質の解明への一歩を示しています。しかし、これは旅の終わりにはほど遠いのです。
行動主義の台頭
20世紀前半には、心理学という新しい特異な科学が登場しました。研究対象が見ることも触れることもできない学問です。初期の心理学者たちは、人々の行動を観察し、そこから逆算して行動の背後にある思考や感情に到達するという方法でこの問題に対処しました。ヴィルヘルム・ヴントの初期の実験では、参加者が音を聞いてからボタンを押すまでの時間を測定し、それに基づいて心の性質について推論を行いました。多くの心理学者はこれはやりすぎだと考えました。かなりの程度で。そこで彼らは対抗理論を提唱しました。心理学は、人間について実際に観察可能なことだけを研究すべきだというものです。
心の働きは研究対象外とされたのです。これが行動主義の誕生であり、その後半世紀にわたって心についての考え方を支配することになります。しかし、まもなくジェローム・ブルーナーが現れ、この理論の欠陥を明らかにしました。彼は第二次世界大戦直後、ハーバード大学の同僚たちとともに画期的な研究をいくつも行いました。セシル・グッドマンとの有名な研究では、子どもたちに光の円を作り出す装置を調整して硬貨の大きさを推定してもらいました。光の円を硬貨の大きさに一致させることが目標です。
研究者たちは、子どもたちが硬貨の大きさを一貫して過大評価していることを発見しました。特に価値の高い硬貨ほどその傾向が強く出ました。さらに興味深いことに、貧しい家庭の子どもたちは、裕福な家庭の子どもたちよりも硬貨の大きさを過大評価する傾向がありました。これらの結果は行動主義への直接的な挑戦でした。人々は測定不可能なもの――つまり内なる世界――に応じて、外界に対して異なる反応を示すことを示唆していたのです。しかし、この挑戦は壊滅的な打撃を与えた一方で、行動主義に代わる道を示すものではありませんでした。科学的に妥当な方法で心を研究する方法を示してはいなかったのです。そのためにはブルーナーは、芽生えつつあった計算の世界に飛び込む必要がありました。そして次に向かうのはそこです。
最初のコンピュータ
1833年、イギリスの数学者で発明家のチャールズ・バベッジは、解析機関の開発に着手しました。パンチカードで提供される命令を使って、あらゆる算術計算を実行できる機械です。これは現在私たちがコンピュータと呼ぶものの最も初期の形態でした。しかしバベッジは完成させる前に亡くなりました。約100年後、ケンブリッジ大学キングス・カレッジのフェローであるアラン・チューリングがそのバトンを引き継ぎました。彼の構想は「チューリングマシン」と呼ばれます。その設計には、移動するヘッドと無限に長いテープが含まれていました。
ヘッドはテープに0か1を読み書きでき、有限数の状態を移動できました。機械には一連のルールが与えられ、現在の状態とテープに書かれている内容に応じて、何を書き、いつ次の状態に移行するかが指示されます。数学の各分野のルールを機械のルールに変換することで、チューリングマシンは人間が解けるあらゆる数学的問題を解くことができました。一方、大西洋の向こう側、MITでは、クロード・シャノンが論理と電気の世界を結びつける画期的な研究を進めていました。回路に沿って複数のスイッチを直列または並列に配置することで、「かつ」や「または」といった命題論理の基本構成要素を表現する構成を見出したのです。チューリングとシャノンは、後に二人ともプリンストン大学で過ごすことになります。
そしてそこにいる間に、二人は数学の旋風ともいうべき人物、ジョン・フォン・ノイマンと出会うことになります。1933年までに、ハンガリー生まれのユダヤ人数学者・物理学者であるフォン・ノイマンはドイツを逃れ、全体主義の拡大を食い止めるために全力を尽くす決意を固めていました。1944年、彼はアメリカ陸軍の電子コンピュータ開発の取り組みに参加しました。フォン・ノイマンの研究の鍵となったのは、コンピュータがどのようにしてメモリから情報を格納し、取り出すのかを理解することでした。
そのためには、コンピュータが理解できる形で事実を表現する方法を解明する必要がありました。ジェローム・ブルーナーは、フォン・ノイマンがこの研究をしている間に彼を訪ね、大きな刺激を受けました。彼は、フォン・ノイマンが取り組んでいたのと同じ原理に基づいて、心理学者が人間の思考を正当に研究できることを示す研究に着手したのです。
認知革命
認知革命は始まったばかりでした。1950年代には認知科学が爆発的に発展しました。研究者たちが科学的に心を説明するという課題に取り組む中で、一連の重要な論文がこの分野を前進させました。その中で生まれたアプローチの一つが、ルールと記号――論理に基づく形式体系です。
アメリカの学者アレン・ニューウェルとハーバート・サイモンは、物理的記号システム仮説を提唱しました。これは、物理世界の対象とその振る舞いを記述する記号構造の集合が生成できるというものです。でもちょっと待って、と思うかもしれません。記号の集まりがどうして人間の行動の複雑さを表現できるのでしょうか？サイモンの答えは、砂丘を歩くアリについて考えてみようという招待でした。アリが砂の上に残す軌跡は信じられないほど入り組んでいます。しかし、アリは単純なルールに従っているだけです。私たちに形を与えているのは、環境の複雑さなのです。そしておそらく、人間についても同じことが言えるのかもしれません。
同じ頃、ノーム・チョムスキーは言語を記述するための形式体系を解明しようとしていました。彼が開発したシステムは、句構造文法と呼ばれるものに基づいており、豊かであると同時に複雑でした。しかし、これは重要な問いも提起しました。子どもたちは言語に限られた接触しかありません。それなのに、いとも簡単に言語を習得することができます。なぜでしょうか？
チョムスキーの答えは、私たちは皆生得的知識を持っており、それは遺伝子のどこかに組み込まれているというものでした。言語習得の問題は、実際には形式論理体系にとってのより広範な問題、帰納に触れています。形式論理は演繹に基づいて機能します。私たちはいくつかの事柄が真であることを知っており、その既知の事柄から他の事柄の真偽について結論を導き出します。帰納では、事実によって支持されているように見えるが、絶対的に確実ではない結論を受け入れる必要があります。例えば、私たちは太陽が毎朝昇ることに気づきます。しかし、だからといって明日も必ず昇ると絶対的な確信を持って主張できるわけではありません。
人間の思考は帰納に満ちています。それがなければ、私たちは世界を生きていくことができません。視覚でさえ帰納を伴います。網膜に届く光のパターンだけでは、三次元の世界を絶対的な確実性をもって区別するのに十分ではありません。錯視はこれを利用しています。
では、ルールと記号による形式論理が帰納を完全に説明できないのであれば、心の働きについて別の考え方が必要なのでしょうか？ルールと記号のアプローチへの最も強力な打撃の一つは、西ニューギニアの高地からもたらされました。1968年、カリフォルニア出身のエレノア・ロッシュは、現地のダニ族を研究するためにそこへ赴きました。
曖昧な境界線
ダニ族には色を表す言葉が二つしかありませんでした。「モラ」と「ミリ」です。彼女はコミュニティのメンバーを対象に、以前ロジャー・ブラウンがハーバード大学の学部生を対象に実施していた色の記憶実験を行いました。ハーバードの学部生たちは、英語の色名とよく一致する色ほど記憶しやすいことがわかっていました。ロッシュは、ダニ族の人々がまさにその同じ色をより簡単に記憶していることを発見しました――彼らにはその色を表す言葉さえなかったにもかかわらず！
ロッシュには、色には明確な中心があるように思えました。誰もが同意する特定の色合いと、意見が分かれる可能性のある、より不明確な境界線が存在するのです。さらに、これは言語や文化よりも、人間の知覚に関係しているようでした。しかし、これが色だけの話だとしたらどうでしょうか？青や赤から、「おもちゃ」「スポーツ」「家具」といったものまで、すべてのカテゴリーに明確な中心と曖昧な境界線があるとしたら？これは、命題が真か偽のどちらかである形式論理体系にとっては厄介な問題です。では、これをどう説明すればいいのでしょうか？
最終的に生まれたのは、空間と特徴に基づくカテゴリー理解の新しいアプローチでした。ここでの考え方は、「青」や「家具」のようなカテゴリーを、理想的なプロトタイプ――完璧な青、あるいはシンプルな椅子――として捉えることです。各カテゴリーは、他のカテゴリーと共有する特徴の数に応じて、心理的空間の中に配置されます。そして、世界の中で何かの対象に遭遇したとき、例えばある青の色合いを見たとき、それが心理的空間内の他のプロトタイプよりも「青」のプロトタイプに近い場所にあるため、「青」と呼ぶのです。
この考え方は曖昧な境界線の問題を解決し、私たちの内的状態を記述する新しい方法を提供しました。しかし、私たちがどのようにして異なる内的状態を移動するのか――つまり、実際にどう思考するのか――は説明していませんでした。それが私たちを再びコンピューティングの世界へと導き、そこでは革命的な新しいモデルが誕生することになります。
ニューラルネットワーク
パーセプトロン。SFのように聞こえますよね？当時は実際にSFでした。これは研究者フランク・ローゼンブラットが設計した機械で、人工網膜が受け取った視覚入力に基づいてさまざまな画像を分類できる人工視覚システムでした。私たちの脳が自身の網膜で受け取った光のパターンに対して行っていることとほぼ同じです。
パーセプトロンの設計は三層で構成されていました。まず、光のパターンに反応して作動する感覚ユニットがありました。これらは連合ユニットに接続され、感覚ユニットが受け取った信号を合計し、所定の閾値を超えた場合に作動します。最後に、連合ユニットは応答ユニットに接続され、同様に合計と閾値判定を行い、最終的に人工網膜に提示された画像の分類を出力します。パーセプトロンは、例えばある形を三角形として認識したり、形が画像の左側に現れているかどうかを判定したりすることができました。重要なのは、連合ユニットと応答ユニットの間の接続には異なる強度、つまり重みがあったことです。
異なる分類問題を解くには、異なる重みのセットが使われます。そしてパーセプトロンは、間違いを犯すたびに重みを調整することで、それらの重みを自ら学習することができました。多くの見方によれば、パーセプトロンは史上初の人工ニューラルネットワークでした。しかし、単純なタスクしか処理できませんでした。この分野をさらに前進させるには、研究者たちは、パーセプトロンが理解できる形で、私たちを取り巻く複雑な世界を表現する方法を解明する必要がありました。言語習得の分野では、その結果は非常に興味深いものでした。
シーケンス内の次の単語を予測したり、単語の文脈的な意味を把握したりできるニューラルネットワークモデルが開発されました。単語を意味空間内の点として表現するというアイデアも生まれました。現代のニューラルネットワークでは、これらの空間内の点は単語埋め込みと呼ばれ、大規模言語モデルの動作の重要な部分を構成しています。これらのネットワークの訓練に利用できるデータが増えるにつれて、ネットワークはますます強力になっていきました。
そしてそうする中で、ますます複雑な帰納的問題を解決していったのです。形式論理を使わずに、体系化された方法で、データの集合から正しい結論に到達していきました。しかし、これらのモデルの偉業は重要な問いも提起しました。なぜニューラルネットワークは人間よりもはるかに多くのデータを必要とするのでしょうか？その答えを得るには、心について考えるもう一つのアプローチ、確率論を訪れる必要があります。
ベイズ推論
私たちは皆、日常生活で確率を使っています。明日雨が降る可能性がどれくらいか、昇進する確率はどの程度かを見積もっています。不気味な雲や励みになるメールなど、新しい情報が届くにつれて、私たちはそれに応じて確率を調整します。これを数学的にどう捉えればいいのでしょうか？
この問題は18世紀に、トーマス・ベイズ牧師とピエール＝シモン・ラプラス侯爵によって解決されました。二人は独立にこの問題を解決しましたが、現在ではこの種の推論をベイズ推論と呼んでいます。ベイズ推論では、まず起こりうる結果に0から1の間の確率値を割り当てます。これらの数値は、ある可能性のある世界が真実である確率を示しています。確率が1であれば、その可能性のある世界が私たちにとって確実であることを意味します。重要なのは、ベイズの定理という特定の公式を使って、新しい事象に基づいて各可能性のある世界に割り当てた確率を再計算できることです。
これは帰納的問題をよりよく理解する方法を与えてくれます。言語学習、より具体的には統語論を例に取りましょう。異なる可能な文法が仮説であり、その言語の発話がデータであると言えます。学習者が特定の文法に対して既存の偏りを持っている場合、その文法により高い事前確率――将来の証拠が届く前の現時点でそれが真である確率――を与えます。ベイズの定理に従えば、事前確率が非常に高い言語は、将来のデータからの証拠がほとんどなくても真であることが確認できます。つまり、学習しやすいのです。
これは、子どもたちが生まれつき遺伝的な知識を持っており、それによってわずかな発話から言語を学ぶことができるというチョムスキーの提案と完全に一致します。生得的知識は子どもたちに帰納バイアスを与え、他の文法よりも特定の文法を優先させます。バイアスはその言語にはるかに高い事前確率を与えるのです。一方、大規模言語モデルはゼロから始めなければなりません。彼らにとって、異なる文法の事前確率ははるかに低いのです。これは、言語を学習するのになぜそれほど多くのデータを必要とするのかを説明する一つの方法です。
ベイズ推論はまた、将来LLMを改善する方法についての手がかりも与えてくれます。より人間らしいLLMを構築するには、その帰納バイアスを人間のものに似るように調整する必要があります。数千年にわたる私たちの進化に追いつくのです。これは確率論だけが与えてくれる洞察です。このようにして、ルールと記号およびニューラルネットワークのアプローチが残したギャップを埋めるのです。三つのアプローチを合わせることで、思考するとはどういうことかについての複雑な見方が得られます。その全体像を完成させるのは、未来の認知科学者たちにかかっています。
まとめ
トム・グリフィス著『思考の法則』の本要約では、思考の法則を理解するための探求を通して、何世紀にもわたる旅をしてきました。まずアリストテレスからライプニッツ、ブールに至る形式論理体系の基礎から始まり、次に行動主義の台頭を追いました。ブルーナーがバベッジ、チューリング、シャノン、フォン・ノイマンの初期の計算理論を引きながら行動主義に挑戦した様子を見ました。その後、認知革命に伴い、ニューウェル、サイモン、チョムスキーらによるルールと記号のアプローチに深く入り込み、続いてロッシュの曖昧な境界線という対抗理論を学びました。
そこから、ローゼンブラットのパーセプトロンを出発点とする人工ニューラルネットワークの発展へと進みました。最後に、心を理解するための最終的なアプローチ、ベイズ推論に支えられた確率論へとたどり着きました。ルールと記号、人工ニューラルネットワーク、確率論という三つのアプローチを組み合わせることで、「思考の法則」の全体像が見え始めます。しかし、探求はまだ終わりにはほど遠いのです。
以上で本要約は終了です。お楽しみいただけたなら幸いです。もしよろしければ、ぜひ評価をお寄せください。皆さまからのフィードバックはいつも励みになります。それでは、また次回お会いしましょう。
