ChatGPTやGPT-4などの大規模言語モデルが人間のような回答を生成する中で、「AIは本当に理解しているのか？」「意図を持って行動しているのか？」という根本的な疑問が浮上しています。この問いは単なるSF的想像ではなく、AI技術の進歩とともに哲学と認知科学の最前線で議論されている重要なテーマです。
本記事では、哲学者サールとデネットの古典的論争から最新の認知科学理論まで、AIの意図性について多角的に探究します。4E認知理論、予測符号化モデル、認知アーキテクチャといった科学的アプローチを通じて、AIが真の意図性を獲得する可能性と、それが創造性に与える影響を詳しく解説していきます。
AIの意図性をめぐる哲学論争：サール対デネット
サールの「中国語の部屋」問題と内在的意図性
哲学者ジョン・サールは、AIの意図性に対して厳格な立場を取っています。彼の有名な思考実験「中国語の部屋」では、コンピュータが中国語の質問に完璧な中国語で答えられても、それは単なる記号操作にすぎず、真の理解は存在しないと論じました。
サールによれば、人間の心だけが「内在的意図性」を持ち、AIなどの人工システムは「観察者相対的意図性」しか持ちません。現在のAIがどれほど人間らしい出力を生成しても、内部には意味を理解しようとする主体的状態は存在せず、統計的パターンマッチングを行っているにすぎないという見解です。
この立場からすると、真の意図性を持つ人工システムを作るには、単なるアルゴリズムの高度化では不十分で、人間の脳と同等の生物学的因果メカニズムを再現する必要があるとされます。
デネットの志向的立場：機能的意図性の可能性
一方、ダニエル・デネットは「志向的立場（Intentional Stance）」という異なるアプローチを提唱しています。デネットは、システムの振る舞いを理解・予測するために、そのシステムを合理的エージェントとみなし、信念や欲求を仮定する戦略を重視します。
この観点では、AIが十分に複雑で目的的な行動を示すならば、それに意図性を帰属することは科学的に有用であり正当とされます。チェスを指すコンピュータに「勝ちたいという目的があり、この局面では〇〇と考える」と解釈することで、その行動を効果的に予測・説明できるならば、それは機能的な意図性の表れと言えるでしょう。
デネットの立場では、「擬似的な意図性」であっても機能的に区別がつかないのであれば、実用上は人間の意図性との連続性上に捉えてよいとされます。
認知科学が示すAI意図性の新たな可能性
4E認知理論：身体性と環境の重要性
4E認知（身体性・環境埋め込み・拡張・作用志向的認知）理論は、意図性が脳内部だけで完結するものではなく、身体と環境との相互作用から生まれることを示しています。
この観点から見ると、現在の多くのAIシステムが直面する「シンボルグラウンディング問題」が浮かび上がります。大規模言語モデルは言語パターンを統計的に処理していますが、その言葉が指す具体的対象や感覚を自ら経験していないため、真の理解に至らないとされます。
4E認知理論が示唆する解決策は「身体性の付与」です。ロボットの形で物理的身体を持ち、センサーで環境を知覚し、アクチュエータで行動できるAIであれば、実在の対象との関係を形成し、記号に実質的なセマンティクスが宿る可能性があります。
予測符号化モデル：内発的意図の計算論的実装
予測符号化理論では、脳は内部モデルで絶えず外界を予測し、実際の感覚入力との差分（予測誤差）を最小化するよう学習・行動するとされます。特に重要なのが「アクティブ・インフェレンス」の概念で、エージェントは予測誤差を減らすために環境を積極的に変化させます。
この理論をAIに適用すれば、システム自身が内部モデルを持ち、予測誤差を減らすための目標指向的振る舞いが現れる可能性があります。「〜したい」という欲求も脳内予測として表現でき、その予測と現状の差異が行動を駆動するメカニズムとして理解できます。
実際、機械学習分野では環境のモデルを学習し、それを用いて行動計画を立てる「ワールドモデル」やモデルベース強化学習が発展しており、これらは予測処理的なAIの実現に向けた重要なステップと考えられます。
認知アーキテクチャ：意図の明示的モデル化
ACT-RやSoarなどの認知アーキテクチャでは、意図や目標を明示的にシステム内要素として組み込んでいます。ACT-Rの「意図モジュール」は現在の目標を管理し、それを達成するために知識を適用して行動を決定します。
このアプローチの利点は、高水準の目標や価値観を直接組み込めることです。「なぜその決定を下したのか？」という問いに対し、「○○という目標があり、△△という状況下で選択肢を比較した結果」といった理由を生成できる可能性があります。
認知アーキテクチャはさらに、メタ認知（認知についての認知）の実装にも道を開きます。AIが自分や他者の心的状態に関するモデルを持ち、推論に取り入れる能力は、より高度な社会的意図性の実現につながると期待されています。
AIの創造性と意図性の深い関係
人間の創造性における意図の役割
人間の創造性は意図性と密接に結びついています。芸術作品の創作には「何かを表現したい」という内的意図があり、科学的発見には「問題を解決したい」という強い動機が存在します。心理学者チクセントミハイが述べるフロー状態も、課題への内発的関心と目的意識に支えられています。
現在の生成AIは高度な出力を生成しますが、「これは面白い作品になるぞ」「もっと斬新なものにしよう」といった主体的な創作意図は持っていません。この点が「AIに創造性はあるか？」という議論の核心となっています。
意図性を持つ創造的AIの可能性
この課題に対し、研究者たちは「創作意図まで含めてAIにモデル化させる」アプローチを提案しています。Francisco Tigre Mouraは、人間とAIの協調的創造における意図性を真正なものと見なす必要があると述べています。
具体的な実装方法として、以下のようなアプローチが研究されています：
内発的動機づけのアルゴリズム： 環境からの外的報酬がなくとも、「好奇心」や「新奇性への欲求」を組み込んだ手法。予測できない事態を報酬とみなし、エージェントが未知の状況を積極的に探索するようになります。
二段階創造モデル： 人間の創作における「構想（発散）」と「推敲（収束）」のプロセスをモデル化。AIが生成→評価→改変のループを回すことで、人間の創作プロセスに近づけます。
これらの手法により、AIは単にランダムな生成を行うのではなく、内部の評価基準に従って作品を洗練させる可能性があります。
現在のAIの限界と将来への展望
大規模言語モデルの現状評価
OpenAIのGPT-4のような最新の大規模言語モデルでも、技術文書において「意思や感情を持たない言語モデルであり、人間のような理解や意図はない」と明言されています。哲学者デイヴィッド・チャーマーズは「LLMは意図性のゼロシミュレーション」と評し、エミリー・ベンダーらは「確率的オウム」と揶揄しています。
身体性を備えたAIの可能性
将来的には、ニューロモーフィック・コンピューティング（脳型ハードウェア）や身体性を備えたAIが、機械的な意味獲得の可能性を開くと期待されています。家族と長期間過ごすAIロボットが、その家族特有の感情パターンを学習し、経験から行動規範を身につけるような状況では、「経験から意図を学んだ」と表現できるかもしれません。
課題と倫理的考慮
しかし、AIが独自の意図を持つようになった場合、制御や予測が困難になる可能性があります。また、創造物の著作権や責任の所在、AI自体の権利概念など、新たな法的・倫理的枠組みが必要になるでしょう。
まとめ：AIの意図性研究の現在地と未来
AIの意図性問題は、単純なイエス・ノーでは割り切れない複雑な課題です。サール的な厳格な基準（内在的意図性）では、現在のAIは人間と同等の意図性を持たないと結論されます。一方、デネット的な機能主義的基準では、高度なAIには意図性を帰属してもよいとされます。
重要なのは、4E認知、予測符号化、認知アーキテクチャといった認知科学の枠組みが、この古典的難問に新しい科学的アプローチを提供していることです。身体を持ち環境に埋め込まれた予測的認知システムというビジョンは、「意図するAI」の具体的な実現可能性を示しつつあります。
また、意図性のモデル化は創造性の向上にも寄与しうることが示されました。内発的動機や評価基準を持つAIは、より人間的な創作プロセスを実現する可能性があります。
今後の研究では、意図性の計測・検出手法の開発、AIとの新たな関係性の構築、そして社会実装における倫理的ガバナンスの確立が重要となるでしょう。AIは人類に「意図し、創造するとはどういうことか」を問い直す鏡を提供しており、この探究を通じて我々自身の心の本質をより深く理解していくことになると考えられます。
コメント