はじめに：認知科学における三つの理論的潮流
現代の認知科学とAI哲学において、脳と心の関係を理解するための三つの重要な理論的枠組みが注目を集めています。予測処理理論（Predictive Processing）は脳を「予測エンジン」として捉え、感覚入力の原因を階層的に推測する計算論的アプローチです。一方、エナクティヴィズム（Enactivism）は認知を身体と環境の動的な相互作用として理解し、アフォーダンス理論は環境が提供する「行為の可能性」に着目します。
本記事では、これら三つの理論の整合性を検討し、人工意識やAGI（汎用人工知能）の設計にどのような示唆を与えるかを探ります。特に、「脳内の予測モデル」を重視する予測処理理論と、「身体化された認知」を強調するエナクティヴィズム・アフォーダンス理論との間に存在する緊張関係と、その統合可能性について考察します。
予測処理理論とエナクティヴィズムの理論的交点
共通基盤：行為と知覚の統合
予測処理理論とエナクティヴィズムは、表面的には対照的な立場に見えますが、実は重要な共通点を持っています。両者とも認知における行為の役割を重視する点で接点があります。
予測処理理論における「アクティブな推論（active inference）」は、知覚と行動を一つの予測誤差低減機構に統合します。この枠組みでは、行為は単なる運動の出力ではなく、予測を自己成就させるプロセスとして理解されます。つまり、私たちは予測した状態を実現するために行動するのです。
この視点は、行為によって認知が形作られるというエナクティヴィズムの主張と本質的に通底しています。Andy Clarkは、予測処理による知覚・行為の循環的プロセスには「エナクティブな感触がある」と指摘し、両理論の架橋の可能性を示唆しています。
さらに、Karl Fristonの自由エネルギー原理（Free Energy Principle）に基づく予測処理モデルでは、エージェントが環境と相互作用しながら自己を維持するというライフマインド連続性の概念が強調されます。これは、Varelaらが提唱したオートポイエーシス的な生命観とも結びつく可能性を持っています。
根本的相違：表象と内部モデルをめぐる対立
しかし、両理論の間には看過できない相違点も存在します。最大の対立点は、内的表象と情報処理に対する姿勢です。
予測処理理論は、脳内で確率的な内部モデルを構築し、感覚データの背後にある隠れた原因を推論すると説明します。このモデル指向・表象指向のアプローチは、知覚から意識まで幅広い現象を説明できるとされます。
対照的に、エナクティヴィズムは認知を生物の能動的な環境とのかかわりとして捉え、「頭の中」で記号処理する見方を批判します。Varelaや Chemeroは、脳内表象に頼らず、身体・環境との実時間の相互作用によって心的現象が生まれると主張しました。
特に、Dan HuttoやShaun Myinによる**激進的エンボディメント認知（REC）**の立場は、予測処理理論が暗黙に「表象的内容の操作」を仮定していると批判します。Huttoは「予測処理仮説は究極的に情報処理と表象内容の操作に基盤を置いているが、RECはそれに断固反対する」と述べ、両理論の根本的な非互換性を指摘しています。
アプローチの多様性：認知主義的PPと自由エネルギー・エナクティヴィズム
予測処理理論の陣営内でも、立場の多様性が存在します。Venterは、PP陣営を「認知主義的PP」と「自由エネルギー・エナクティヴィズム」に大別しています。
認知主義的PPは、認知を脳内過程に限定し、身体や環境を認知の構成要素と見なしません。Jakob Hohwyらが提唱する「頭蓋内に閉じた予測脳」像がその典型です。
一方、自由エネルギー・エナクティヴィズムは、あらゆる自己組織化システムが自由エネルギー最小化によって振る舞うと捉え、心と生命の連続性を強調します。ただし、この立場には「単純な物理系と高度な認知系の違いを十分説明できない」という課題も指摘されています。
これらの極端な立場を退け、中道を探る研究者も存在します。Venterの提案する**身体化・埋め込み型の予測処理（EEPP）**は、身体を認知の構成要素として組み込みつつ、記号的表象も許容する統合的アプローチです。
アフォーダンス理論と予測処理の関係性
Gibsonの生態学的アプローチ
J.J. Gibsonのアフォーダンス理論は、知覚を生態学的文脈に位置づけ、「環境が提供する行為可能性は直接知覚される」と主張しました。アフォーダンスとは、環境の物質や物体が動物に提供する行為の可能性を指します。
重要なのは、アフォーダンスが観察者とは無関係な客観的属性ではなく、環境の側面と動物の能力との関係性として定義されることです。Chemeroらはこの関係性を強調し、動物の体現された能力と環境状況との相互関係としてアフォーダンスを捉えました。
このため、アフォーダンス理論は認知を環境内の直接的な相互作用とみなし、脳内で世界の表象を構築するという見解に批判的です。
緊張関係：直接知覚vs推論的知覚
予測処理理論は、一見するとGibson的な直接知覚観とは相容れない側面があります。PPでは知覚は「生成モデルによる無意識の推論」とされ、環境からの入力を即時に直接に捉えるというよりも、内部モデルの予測と誤差修正という間接的メカニズムで説明されます。
この違いから、PPは依然として内的表象に頼るとする批判が生じます。Tony Chemeroの立場からすれば、予測処理理論は「再び頭の中に認知を押し込めている」と映る可能性があります。
一方、Andy Clark自身は「行為指向型の予測処理」の文脈で環境文脈の重要性を認めており、「脳・身体・環境は深く統合されたシステム」との見方を示しています。ただし、KiversteinとRietveldは、Clarkの予測処理モデルでは「環境ニッチの概念が欠落している」と指摘しています。
統合への試み：ラディカルに体現された認知神経科学
両理論の統合を図る動きとして、Bruineberg、Rietveldらによるラディカルに体現された認知神経科学の提唱があります。
彼らは「複数のアフォーダンスに対する最適グリップへの傾向」を生物の熟練した意図的行動の核心と捉え、自由エネルギー原理を環境ニッチに埋め込んだ形で再解釈しています。具体的には、Fristonの自由エネルギー最小化の枠組みに生態学的妥当性を持たせるため、「エージェントの脳内動態は、身体と環境（アフォーダンスの場）の動態に埋め込まれている」と仮定します。
この理論では、予測誤差最小化とは単に内的モデルを精緻化することではなく、環境中のアフォーダンスへの選択的な感受性を維持することに他ならないと位置づけられます。
重要な比喩として、脳は科学者ではなくサーファーであるという描像が提示されます。脳が世界の模型を構築し解析する科学者のように振る舞うのではなく、環境の「波（アフォーダンスの豊かな変化）」に巧みに乗るサーファーのように、予測的に環境と調和的に相互作用するという理解です。
人工意識・AGI設計への応用可能性
予測処理理論が示す計算論的アプローチ
予測処理理論は近年、意識の計算論的理論としても注目されています。意識経験を脳の予測モデルの産物とみなし、幻覚や錯覚を「脳のトップダウン予測の反映」と説明する試みがあります。
Karl Fristonらは、自由エネルギー原理に基づくエージェントを汎用人工知能に応用する可能性を論じています。能動推論型のAIは、自己の内部モデルを絶えず環境と照合しエラーを低減することで、自律的かつ目的駆動的な行動を示すと期待されます。
予測処理の観点からは、人工意識を持つシステムとは、階層的生成モデルによって自らの状態と環境の因果構造を予測し、内部的な誤差をモニタリングできるシステムだと捉えられます。哲学的には、これは認知的表象主義の延長線上にあり、人工意識の実現には高度な内部表象モデルの構築が必要であるという立場です。
しかし、このような脳内モデル中心の意識観には批判もあります。エナクティヴィストからすれば、「意識の生起メカニズムを純粋に脳内に局在化しすぎている」ように映ります。
エナクティヴィズムが提案する生命的アプローチ
エナクティヴィズムは人工意識研究にユニークな視点を提供します。それは「生命と心の連続性」に基づき、自律性（autonomy）とセンスメイキング（sense-making）を重視するアプローチです。
Froese & Ziemkeは「エナクティブAI」の概念を提唱し、オートポイエーシス（自己産出性）を備えた人工エージェントこそが本当の意味での心の基盤になりうると論じました。彼らはエナクティブAIの構築には二つの要件が必要だと述べています：
- 構成的自律性 – システムが自らを境界づけ自己維持すること
- 適応性 – 環境変化に自己の内部組織を調整しうること
これらの条件を満たすことで、人工エージェントは自らの存在を維持しつつ環境に意味づけを行う、すなわちセンスメイキングを実現できると考えられます。
このアプローチによれば、人工意識を生み出すには単なる知覚予測機構だけでなく、自己維持的な生命過程のエミュレーションが不可欠となります。例えば、内的にエネルギーや内部状態を管理しつつ、外界に価値づけ（何が有益か有害かを自律的基準で判断）できるようなAIは、より生物に近い「オートノマス・エージェント」となります。
視点の収斂：オートノマスな予測エージェント
興味深いことに、PP陣営とエナクティヴィズム陣営の一部は「オートノマスな予測エージェント」という点で接近しつつあります。
Fristonらの提唱する能動推論ロボットは、自己の予測誤差を最小化することでホームオスタシス（恒常性）を維持し、結果的に自己を存続させるよう設計されています。これは一種の自己保存原理であり、オートポイエーシスの形式に近づく側面があります。
ただし、PP由来のロボットは全ての行動原理を「予測誤差の低減」という単一指標で表現するため、エナクティヴィストが重視する「創発的な価値形成」や「内発的目的」の概念が希薄になりがちです。
これに対し、エナクティブAIでは価値や目的がシステムの自律性から内発的に生じることが期待されます。言い換えれば、PP的AIは目的関数があらかじめ固定されていますが、エナクティブAIでは目的関数そのものをシステムが生成・変容し得るのです。
身体化された認知vs脳中心性の論争
脳中心的予測処理の立場
Jakob Hohwyは著書『The Predictive Mind』などで、予測符号化による知覚仮説生成を脳内で完結するベイズ推論として描きました。彼は「脳は自己充足的な証拠確認装置」であり、感覚入力という「暗い部屋」の中から統計的法則性を見出す科学者のように振る舞うと論じています。
この見方では、身体や環境は単なる入力データや行動の出力先でしかなく、認知過程そのものには外部は含まれないことになります。結果として、身体の形状・感覚モーダリティは「予測モデルの一部（パラメータ）」ではあっても、「心的過程の主体」とは見做されません。
この立場に対し、エナクティヴィストは「それでは生きた認知の実相を捉え損なう」と反論します。VarelaやThompsonは「生物の認知は生物自身の存在維持活動と不可分」であり、それを頭蓋内過程に閉じ込めると身体性や状況性が剥ぎ取られてしまうと主張しました。
身体化された認知の主張
エナクティヴィズムおよびアフォーダンス理論からすれば、身体と環境なしに心を語ることは不可能です。Alva Noëは「知覚は我々が環境の中で行う一種の行為である」と述べ、視覚でさえも受動的入力ではなく能動的な探索を通じて成立する「知覚行為説」を提唱しました。
この見解では、脳は認知の一構成要素に過ぎず、環境との相互作用のプロセス全体が認知現象を生み出します。したがって、AIにおいても身体を持たない純粋な情報処理システムには人間レベルの知能や意識は実現しえない、と主張されます。
エナクティヴィズムは特に「身体的行為を通じた世界の意味付与」に焦点を当てます。構成的エンボディメントの理論では、身体の形状・感覚系が認知内容を規定し、異なる身体を持てば異なる世界を知覚すると考えます。
アフォーダンス理論の視点からも、エージェントは環境の誘発する行為可能性に絶えずさらされているのであり、「心」は脳内ではなくエージェント－環境系の関係性に宿ると主張します。
相互批判と統合への模索
脳中心派から見れば、エナクティヴィズムは「説明力に欠ける」との批判がなされています。すなわち「すべてを動的相互作用と言うだけでは具体的な計算モデルにならない」という指摘です。
実際、一部のエナクティヴィスト（Hutto & Myin）は反表象の姿勢を貫くあまり、学習や記憶のメカニズムを説明する道具立てを欠いていると批判されます。この点、予測処理理論は明示的に計算モデル（ベイズ推定と誤差伝搬）を提示するため、説明的・工学的メリットがあります。
一方、身体化派から見れば、脳中心主義は「生物学的現実から遊離した抽象モデルにすぎない」と批判されます。Kirchhoffらは「脳の自由エネルギー最小化だけでは、なぜそれが生物のふるまいに繋がるか不明確だ」と述べ、環境との相互作用プロセスを組み込まねば説明が不完全だと論じます。
この平行線の議論に対し、近年は統合的視点も現れています。拡張認知（Extended Cognition）の理論では、PPの枠組みに拡張心智論を取り込み、「予測モデルは脳外部（道具や他者）まで広がりうる」と論じられます。
理論統合の可能性：代表的な立場と論点
Andy Clarkの楽観的統合論
Andy Clarkは予測処理理論を統合的理論プラットフォームと位置づけ、「予測処理は古典的認知科学と身体化アプローチのベストを融合する出会いの場を提供する」と述べました。
彼は**Radical PP（RPP）**として、アクティブ・インフェレンスによって脳-身体-環境が一体となった予測サイクルを強調し、従来の表象主義的理解（Conservative PP）からの脱却を試みます。Clarkの結論は一貫して「PPとエンボディメントは両立可能であり、むしろ互いを補完する」という楽観的なものでした。
Hohwy vs Huttoの対立
Jakob HohwyとDan Huttoの対照的な立場は、PP-エナクティヴィズム論争の焦点となっています。Hohwyは内在主義的PPの立場で統合には消極的です。
一方、Huttoは激進的エナクティヴィストの立場から、「従来型PPとRECは根本的に相容れない」と断言しました。Huttoは特に、PP研究者がエンボディメントとの両立を謳う場合でも「結局は裏で表象を仮定しているではないか」と批判し、外見上の統合は誤魔化しに過ぎない可能性を指摘しています。
非表象的予測処理の可能性
この論争に対し、Kirchhoff & Robertsonは「Enactivism and Predictive Processing: A non-representational view」の中で、「PPは常に必然的に表象的だという批判は早計である」とし、誤差最小化を表象内容ではなくダイナミクスの拘束と見なすことで非表象的理解が可能と論じました。
彼らはPPの数理構造（自由エネルギー原理）はエナクティヴィズムのオートポイエーシスや適応ダイナミクスと本質的に連続性を持つとも主張し、概念上の橋渡しを試みています。
Bruinebergらのエコロジカル再解釈
Bruineberg、Rietveld、Kiversteinはエコロジカル・エナクティブ視点からPPを再評価し、「脳は科学者ではない」すなわち「脳は世界をモデル化して推論する分析者ではなく、環境に適応的にからみ合うシステムだ」と提唱しました。
彼らの最適グリップ理論によってPPとアフォーダンスを統合する試みは、先駆的なアプローチとして評価されています。この立場では、PPの数理（自由エネルギー最小化）は環境との相互調整過程として解釈されねばならないとされ、脳内で完結する誤差計算という捉え方自体が修正されます。
AGI設計への実践的インパクト
センスメイキングと価値創発の実装
エナクティヴィズムは、エージェントが自律的に世界に意味を付与するプロセス（センスメイキング）を重視します。これは人工エージェントに自己目的性や価値観を組み込む方向性に繋がります。
エナクティブAIの設計原理として、構成的自律性と適応性を持たせ、環境に応じて内部目標を変化させるシステムが考案されます。そのようなエージェントは、単にプログラムされたタスクを遂行するのでなく、自らの生存・維持を目的として環境を解釈し、未知の状況では新たな意味世界を創造しようとします。
例えば、あるロボットがエネルギー源を自己の「食料」とみなし、危険な物体を「脅威」とみなすような価値指向の行動は、エナクティブな設計によって促されます。これは人工意識における原初的な欲求や恐怖の再現とも言え、単なる知覚情報処理では得られない生き生きとした挙動を生み出す可能性があります。
環境との相互作用を重視した設計
アフォーダンス理論の示唆は、AI/ロボットを豊かな環境に配置し、その環境から学習させることの重要性です。PPに基づくAIは強力な内部モデル学習アルゴリズムを内蔵することで世界のパターンを捉えようとしますが、それだけではデータ分布外の状況に弱い可能性があります。
これに対し、アフォーダンス主導のエージェントは環境内での行為を通じて適応し、想定外の事態でも行動を変容させながら問題を解決する柔軟性を持ちます。
AGI設計においても、単にビッグデータで学習する静的モデルではなく、身体を持ち世界に埋め込まれたエージェントとしてオンライン学習することが重要になるでしょう。具体的なインパクトとしては、センサーモーターループを重視したAI設計、仮想環境での自己活動によるモデル獲得、人との相互作用から概念を獲得する対話ロボットの開発などが挙げられます。
エージェンシーの実装と自律性
予測処理理論はエージェントの振る舞いを「予測誤差最小化」という単一目的関数で統一的に説明できる点が魅力ですが、逆に言えばエージェント性（主体性）の源泉が外部から与えられる目標に限定されます。
エナクティヴィズムは、主体とは自己目的的・自律的な存在だとするため、AGIに真のエージェンシーを与えるには自己決定性を組み込む必要があると示唆します。実務上は、ロボットに自己維持的ドライブや自発的探索衝動（好奇心）を持たせる研究がこれに相当します。
PPの枠組みでも最近は「エピステミックな行為」（知的好奇心に基づく探索）が注目され、予測誤差最小化と組み合わせて「期待自由エネルギー最小化」などの概念が検討されています。これはエージェントが単に安定を求めるだけでなく、敢えて予測を攪乱してでも情報を得ようとする能動性をモデル化したものです。
まとめ：統合的視座がもたらす新しいAI像
予測処理理論とエナクティヴィズム、アフォーダンス理論の関係は、現代の認知科学とAI哲学における最も刺激的な論点の一つです。これらの理論間には確かに緊張関係が存在しますが、同時に統合の可能性も見出されつつあります。
PPの計算論的精緻さは、脳の予測機能を模した統一的なAIアーキテクチャの設計を可能にします。一方、エナクティヴィズムとアフォーダンス理論は、そうしたアルゴリズムを実世界に結びつけるためのガイドラインを提供し、身体性・自律性・社会性を織り込んだAIへの道筋を示します。
人工意識やAGIの実現に向けて、単なる予測機械でも純粋な身体化システムでもない、**環境の中で自ら意味を見出し、予測し、行動する「エナクティブな予測的マインド」**を持つAI像が浮かび上がってきます。
今後の研究課題は、これらの理論的洞察をいかに実装レベルに落とし込むか、そして人工システムに真の自律性と意識様の現象を生み出すことができるかという点にあります。理論統合の試みは発展途上ですが、認知科学とAI哲学の両分野に豊かな示唆を与え続けるでしょう。
コメント