導入：知識表現は「世界の写し」ではなく「世界の見方の選択」である
AIに何を知らせるかを決める前に、私たちは「何を対象として数えるか」を決めている。物体か、行為可能性か、確率変数か、ベクトルか——この選択が後続する推論のすべてを規定する。知識表現（Knowledge Representation, KR）は中立なデータ容器ではなく、世界へのコミットメントそのものである。
新カント派プラグマティズムは、まさにこの点を100年前から問題にしてきた枠組みだ。経験を組織するには概念体系が不可欠だが、その体系は永久不変ではなく、実践的理由によって改訂されうる。本記事では、この「可改訂な構成原理」という発想を軸に、記号AI・確率的手法・ニューラル表現・身体化認知を横断的に整理し、AI設計への具体的な含意を示す。
新カント派プラグマティズムとは何か：可改訂なア・プリオリという着想
C. I. ルイスの「プラグマティックなア・プリオリ」
C. I. ルイスは1923年の論文と1929年の『Mind and the World-Order』で、固定的なア・プリオリと無構造な経験主義の二者択一を退けた。経験が知識として成立するには概念体系が必要だが、どの体系を採用するかは世界から一義的に読み取られるのではなく、目的・予測・経験的有効性によって選ばれ、必要なら改訂される。ライヘンバッハの「相対化されたア・プリオリ」やカッシーラー、カルナップの枠組み論も、同時代のカント的変奏として位置づけられる。
セラーズ–ブランダムの推論主義とハーバーマス
広義の現代的展開としては、表象ではなく推論を意味論の基礎に据えるブランダムの規範的プラグマティズム、行為とコミュニケーションを客観性に接続するハーバーマスのカント的プラグマティズムがある。これらは同一理論ではないが、「概念や推論の規範が経験を構成しつつ、それを超越的に固定しない」という家族的類似性で括ることができる。
AI知識表現の五つの役割と哲学的接点
デイヴィス、シュローブ、ソロヴィッツの古典的定式化によれば、知識表現は①世界の代理物、②存在論的コミットメント、③知的推論の部分理論、④計算を効率化する媒体、⑤人間が世界を表現する媒体、という五つの役割を担う。とりわけ重要なのは、表現がどの語彙とカテゴリーで世界を見るかの選択であり、あらゆる表象は必然的に不完全だという指摘だ。
この「選択性」こそ、ルイス的問題設定との予想以上に強い接点である。ロボットが世界を object / obstacle / tool / affordance に分類するとき、その区分は単なるデータではなく、何を同一対象として追跡し、どの推論を可能にするかを規定する構成的条件になっている。
主要アプローチの比較：どこで整合し、どこで対立するか
記号的AIと形式意味論の強みと限界
一階論理、ルール、フレーム、セマンティックネット、RDF/OWLといった記号的KRは、モデル理論的真理と論理的含意を明示できる点に強みがある。監査可能性、来歴の追跡、制約の記述に優れる一方、オントロジー構築のコストが高く、例外・曖昧さ・知覚入力の扱いが重くなりやすい。
なおW3CのRDF仕様は、形式的な真理保存条件を定義する一方で、IRIが社会的使用のなかでどう意味を獲得するかまでは規定しないと明記している。形式意味論は意味の全体ではない——このギャップこそ、プラグマティズムや現象学が補いうる領域だ。
確率的知識表現が解く問題と残す問題
ベイジアンネットワークに代表される確率的手法は、観測不足・ノイズ・複数仮説の不確実性を定量化する。ただし条件付き確率それ自体は仮説の意味を規定しない。何を変数とし、どの状態空間を設定するかという表現・存在論の選択は確率推論に先行する。この意味で確率AIも「枠組み問題」を免れない。
分散表現・ニューラルアプローチの位置づけ
コネクショニズム以降のニューラル表現では、概念は単一記号ではなく多数の重みと活性パターンに分散して符号化されうる。Transformerはこれを巨大な学習可能表現空間へ拡張した代表例だが、原論文が提示したのは注意機構に基づくアーキテクチャであって真理論ではない。したがって内部状態を「知識」と呼ぶ際は、予測に有用な内部表現という工学的意味と、正当化された主張という認識論的意味を区別する必要がある。
現象学・4E認知が迫る接地の問題
現象学と身体化認知の系譜は、対象が経験のなかで「何として」現れるかという志向性、身体的行為、生活世界を重視する。「カップ」の知識を述語や埋め込みベクトルだけでなく、「把持できる」「液体を保持できる」という行為可能性と結びつける研究は、この観点から理論的に重要になる。
統合の方向性：知識システムを五要素で捉え直す
「記号主義かニューラルか」という二分法よりも、知識システムを次の五要素に分解する整理が生産的だろう。
| 要素 | 内容 | 主に強い枠組み |
|---|---|---|
| R | 表現 | 記号的KR／ニューラル |
| I | 推論 | 論理・確率 |
| L | 学習 | ニューラル |
| A | 行為・検証 | プラグマティズム／4E |
| N | 規範の改訂 | ルイス–ブランダム型 |
現在のニューロシンボリックAIは、DeepProbLogのようにニューラル述語を確率的論理プログラムへ接続することでRとIとLを橋渡しする。しかしそれは既定の記号語彙へ知覚を接続する設計であり、語彙・カテゴリー・推論規範そのものを失敗に応じて理由付きで作り替えること（N層）とは別問題である。ここに新カント派的発想を持ち込む余地がある。
AI研究への三つの具体的示唆
1. 可改訂オントロジーをアーキテクチャの対象にする
パラメータ更新と概念枠組みの更新を分離し、構造的な分布シフト下でどちらが必要かを測定する。カテゴリーの分割・統合、新関係の導入、規則改訂を候補生成し、複雑性コストと行為性能で選択する設計が考えられる。
2. 説明可能性を「もっともらしい文章」から切り離す
ブランダム的に厳密な理由提示とは、どの主張にコミットし、何と非両立で、新証拠により何を撤回したかを内部状態として追跡できることを意味する。事後的説明ではなく、推論状態と説明の忠実性が評価軸になる可能性がある。
3. 行為による意味の検証をベンチマークに組み込む
同じ機能を持つ物体の色・形・名称を変えつつ行為的構造を保つ設定で、表面統計を符号化しているのか行為的役割を保持しているのかを分離できる。テキスト内の整合性だけでは測れない側面がここにある。
まとめ：知能を「枠組みを改訂する能力」として測る
本記事の要点は三つである。第一に、知識表現は世界の複製ではなく、特定の推論と行為を可能にする選択的構造であり、この点で記号AI・ニューラルAI・カント的認識論は抽象レベルで整合する。第二に、「意味」という語はモデル理論的意味論、推論的意味論、実践的有意性、現象学的意味、分布的表現のあいだで同義ではなく、混同が研究上の混乱を生みやすい。第三に、報酬の高さ、損失の低さ、ユーザーの同意、そして真であることは、それぞれ別の評価量である。
新カント派プラグマティズムがAIに与える最も独自な示唆は、「どれだけ多くの命題を格納できるか」ではなく、枠組みの限界を経験的失敗から認識し、理由を伴って変更できるかを知能の一部として扱う点にある。記号主義は枠組みを明示する技術を、ニューラル手法は経験から学習する技術を、確率論は不確実性を、4E認知は行為的接地を、推論主義は規範的責任を供給する。有望なのはいずれかへの還元ではなく、可塑的だが無規範ではない知識表現を構築し、その改訂過程まで評価対象とする研究プログラムだろう。
コメント