なぜ「身体性」がAI言語理解の鍵になるのか
大規模言語モデル（LLM）は、人間と見分けがつかないほど流暢な文章を生成する。しかし、そのような言語出力は「理解」と呼べるのか——この問いは、哲学・認知科学・AI研究の交差点において今まさに問われている核心的テーマである。
メルロ＝ポンティやドレイファスらが展開した身体性理論によれば、意味や理解は身体的経験を通じてはじめて成立する。この視点からLLMを見ると、テキストを処理するその「知性」が、いかに人間の認知とかけ離れているかが浮かび上がってくる。本記事では、身体性理論の要点を整理しながら、LLMの技術的仕組みを対比し、哲学的に重要な問いを掘り下げていく。
メルロ＝ポンティの身体論——「身体は世界への媒体」という洞察
知覚の現象学と身体主体
フランスの哲学者モーリス・メルロ＝ポンティ（1908–1961）は、代表作『知覚の現象学』（1945）において、身体を単なる物理的器官としてではなく、世界と主体を媒介する「意味の源泉」として位置づけた。
彼によれば、「身体は世界を有するための一般的媒体である（The body is our general medium for having a world.）」。私たちは身体の位置や動きを通じて世界を知覚し、意味を生み出す。椅子を見て「座れる」と直感するのも、他者の表情から感情を読むのも、身体がそこにあるからこそ可能な理解だ。
主観と客観の二分を超える「両義性」
メルロ＝ポンティは、近代哲学が陥りがちだった主観と客観の二分法を批判した。身体は「感じる者」であり同時に「感じられる者」でもある——この両義性こそが、世界との生きた関わりを支える。語を聞くだけで身体的なイメージや運動感覚が呼び起こされる経験は、言語の意味が身体経験と深く結びついていることを示す。
ドレイファスのAI批判——形式的規則では知性は生まれない
暗黙知と「技能的対応（skillful coping）」
ハーバート・ドレイファス（1929–2017）は、メルロ＝ポンティやハイデガーの哲学を背景に、AI研究への根本的批判を展開した。代表作『コンピュータに何ができるか』（1972）において、彼は「人間の知性と熟達は、形式的な規則や記号操作では把握できない非形式的・無意識的プロセスに依存する」と主張した。
自転車の乗り方を言葉で説明するのが難しいように、人間の高度な知性の多くは「身についた暗黙知」に根ざしている。状況に応じた機転、直感的判断、場の空気の読み取り——これらはルールに還元できない「技能的対応」であり、身体経験を通じてのみ身につくものだ。
AI批判の核心：「何を問題とするか」を身体が決める
ドレイファスが指摘したもうひとつの重要な点は、人間が「何を重要な問題とみなすか」を決める能力は、世界に身を置く身体的存在であることから生まれるという主張だ。文脈の中で何が「関連するか」を直感的に絞り込む能力は、記号処理システムには原理的に持ちえないとした。この批判は、現代のLLMを考察する上でも鋭く刺さる。
現代認知科学が示す「身体化された認知」
埋め込み認知と概念メタファー
1980年代以降、認知科学においても身体性を重視する「埋め込み認知（embodied cognition）」の潮流が台頭した。フランシスコ・ヴァレラら（1991）は認知を身体と環境の相互作用プロセスとして描き、ラコフとジョンソンは日常言語の概念の多くが身体的メタファーに依存することを示した。
「議論はバトルだ（Argument is war）」「時間はお金だ（Time is money）」——こうした概念メタファーは、身体経験から生まれたものであり、純粋に抽象的な記号操作からは生まれない。言語の意味を支えているのは、蓄積された身体経験の網の目なのである。
乳児研究が示す発達的証拠
乳児の研究でも、空間把握や運動技能が後の概念形成と深く関係することが示されている。物を「つかむ」経験が「理解する（grasp）」という語の概念を下支えするように、抽象的思考は身体的行為の延長線上にある。この観点からすると、身体経験のないシステムが「意味を理解する」ことの困難さは、哲学的な問題だけでなく認知発達的な問題でもある。
LLMの技術的仕組み——「確率的生成装置」の実態
トランスフォーマーと自己教師あり学習
GPT系に代表されるLLMは、トランスフォーマー型ニューラルネットワークに基づき、インターネット上の膨大なテキストコーパスを用いた自己教師あり学習で訓練される。モデルは次のトークンを予測することを繰り返し、単語間の統計的な共起関係を巨大なパラメータ群として内部化する。
GPT-3（2020年）の場合、1750億パラメータを持ち、数千億トークン規模のテキストから学習した。生成時はプロンプト（入力テキスト）に対し、学習したパターンに基づいて逐次的にトークンを出力する。その過程に「理解」や「意図」に相当する内部状態は想定されていない。
世界モデルなき言語処理
LLMの内部には、現実世界の物体・空間・身体を表現した「世界モデル」は存在しない。保持されているのは、テキストの共起確率と次元圧縮された表現のみだ。「りんご」という語が「赤い」「甘い」「木になる」といった語と共起するパターンを学習しているが、その重さ、手触り、噛んだときの食感という身体的経験は一切伴っていない。LLMは「言語システムを模倣する確率的生成装置」であると言えるだろう。
人間とLLMの言語使用——8つの比較軸
以下の表は、身体を持つ人間とLLMの言語使用を主要な観点から対比したものだ。
| 比較項目 | 身体を持つ人間 | LLM |
|---|---|---|
| 感覚・知覚 | 視覚・触覚・体性感覚などを通じて世界を経験 | テキスト入力のみ処理。感覚情報なし |
| 意図・動機 | 身体的欲求・情動・社会的目標に基づく意図を持つ | 内在的意図なし。入力への条件付けで出力 |
| 行為・行動 | 身体的行為（移動・操作・表情）が可能 | テキスト生成のみ。現実世界での行為なし |
| 意味・理解 | 身体経験・状況と結びついた意味理解 | 共起確率に基づく統計的処理 |
| 他者性・社会性 | 視線・声調・共同注意による意味の共同構築 | 一方向的テキスト処理。真の相互作用なし |
| 実践・技能 | 身体的習慣・暗黙知・状況的機転 | 言語パターンの模倣に特化 |
| 状況依存性 | 「いま・ここ」の空間的・時間的文脈に適応 | プロンプト内の情報に限定 |
| 規範・倫理 | 社会的規範を経験的に身につけ言語行為に反映 | 訓練データの規範を反映するのみ |
具体例①：「塩を取って」という日常的な発話
食卓で「塩はどこ？」と聞かれた人間は、自分の身体位置、テーブル上の塩の場所、相手の意図（取ってほしいという依頼）を即座に把握し、行動計画を動員する。そこには視線・ジェスチャー・食卓という物理的状況が不可欠だ。
LLMに同じ質問を投げれば「テーブルの上にあります」といったテキストを返すかもしれない。しかし、そこには身体・空間認知・非言語情報は存在しない。訓練データにあった類似表現からパターンを参照しているだけであり、「塩が本当にそこにあるか」という前提への思慮はない。
具体例②：「今日は雨なので歩いて帰りたくない」
人間はこの発話から、「濡れたくない」「傘がない可能性」「体への影響への心配」など身体的・感情的文脈を読み取り、適切な提案をする。LLMも「タクシーを使えば？」といった形式的に適切な返答を生成できるが、それは話者の体調や経済状況まで想像した上でのものではなく、類似表現の再構成に過ぎない。
哲学的考察——「意味」「理解」「意図」はLLMに宿るか
意味のグラウンディング問題
「握手」という言葉を人間が聞けば、二人の身体接触・温もり・信頼の感覚が即座に呼び起こされる。LLMにとっては「手・挨拶・文化」といった語との確率的結びつきにすぎない。メルロ＝ポンティが言う「身体を通じた世界理解」のプロセスはLLMには存在せず、その「意味」は経験的背景を欠いた形式的なものにとどまる。
これは哲学においてグラウンディング問題（Symbol Grounding Problem）として知られる。記号がそれ以外の記号によってのみ定義されるシステムにおいて、意味は閉じた記号の輪の中を巡るだけであり、外界との接地を持たない。LLMはまさにこの問題の典型例といえる。
理解とは何か——暗黙知と現象学的体験
ドレイファスが言う「技能的対応（skillful coping）」——慣れ・直感・文脈把握——はLLMには見られない。曖昧な文を人間が読むとき、過去の経験や非言語的記憶を総動員して意味を補完するが、LLMは直前の文脈と統計モデルによる予測に頼る。分析哲学の伝統が重視する形式的意味処理は、まさにLLMが行っている処理に近い。しかし、メルロ＝ポンティやドレイファスの現象学的見地からすると、それは「理解」の表層に過ぎない。
意図と行為——「申し訳ありません」に謝罪の意志はあるか
人間の発話には、依頼・説明・謝罪・感情表現といった意図が伴う。LLMが「申し訳ありません」と返答するとき、そこに謝罪したいという主体的意志はない。訓練データにおける文脈的適合として生成されただけだ。このことは、LLMの「発話」が行為論（speech act theory）における意味付与行為ではなく、純粋な文字列の生成であることを意味する。
他者性の欠如と「対話」の一方向性
メルロ＝ポンティが重視した共同注意・相互身振りによる意味の共同構築は、LLMには実現されない。LLMが相手の「視点」や「経験」を共有することはなく、人間同士のような「場の空気を読む」共感的理解も、プロンプトで明示されない限り反映されない。LLMとの「対話」は、言語形式の照合であり、真の相互的コミュニケーションとは本質的に異なる。
規範性と倫理的帰結
人間の言語行為には責任と意図が伴う。LLMにはそれがないため、生成された言語の道徳的・社会的帰結は人間側の解釈に委ねられる。訓練データに含まれるバイアスや偏見がそのまま出力されるリスクも指摘されており、LLMの「倫理性」は個々のアプリケーションや利用者の判断に依存するというのが実情だ。
まとめ——LLMの「言語使用」は形式的操作の域を出ない
メルロ＝ポンティやドレイファスの身体性理論に照らすと、身体を持たないLLMによる言語「使用」は、意味を「真に理解している」状態とは質的に異なる次元にある。LLMは優れたテキスト生成能力を持ちながら、その処理は経験から切り離された記号操作に留まる。
人間の言語使用は、身体・環境・共同体との動的な相互作用の中で生まれる。そこには暗黙知・意図・文脈・規範が自然に織り込まれている。一方、LLMはテキストパターンの再生産によって言語アウトプットを生じさせるシステムであり、その「意味理解」は外形的・分析的なものに留まる。
ドレイファスが指摘した「knowing-how（やり方を知ること）」の欠如——これこそがLLMと身体化された知性の本質的な分岐点といえるだろう。
コメント