センスメイキングとは何か──認知科学における意味生成の問い
「意味はどこから来るのか」という問いは、哲学・認知科学・人工知能研究にまたがる根本的なテーマである。従来の計算主義的認知科学は、意味を「外界の記号的表象」として扱ってきたが、この枠組みでは説明しきれない現象が多く残る。なぜ同じ刺激でも文脈によって意味が変わるのか。なぜ意味は「見つける」ものではなく「生み出す」ものに感じられるのか。
エナクティヴィズム（Enactivism）は、こうした問いに真正面から向き合う認知理論である。Varela・Thompson・Roschが提唱したこの立場は、認知を「生きた身体が行為を通じて世界と共に作り上げる過程」と位置づける。そしてその核心概念がセンスメイキング（sense-making）──自律的システムが自己の存続を軸に世界を意味づける動的な過程──である。
近年、このセンスメイキングを確率論・情報理論・制御理論の言語で形式化しようとする研究潮流が加速している。ベイズ脳仮説・予測符号化・アクティブインフェレンス（Active Inference）、そして semantic information といった数理ツールが整備されたことで、かつては哲学的議論にとどまっていた問いが、検証可能な数理モデルとして記述できるようになりつつある。
本記事では、エナクティヴィズムのセンスメイキング論の理論的中核を確認したうえで、既存の数理的形式化を批判的にレビューし、最後に「生存条件付きセマンティック能動推論（ESM-AI）」という新規提案モデルの考え方を紹介する。
エナクティヴィズムの理論的中核──自律性・適応性・規範性
認知は「表象」ではなく「行為の歴史」から生まれる
エナクティヴィズムの出発点は、認知を「あらかじめ与えられた世界の情報処理」とみなす発想への根本的な批判にある。Varela・Thompson・Roschは共著『The Embodied Mind（身体化された心）』において、認知は「世界と心の相互の成立（enactment）」であると論じた。認知構造は、あらかじめ用意された計算規則から出てくるのではなく、行為を可能にする反復的な感覚運動パターンから創発するという立場である。
この発想の生物学的基盤は、Maturana と Varela による**オートポイエーシス（Autopoiesis）**の概念にある。生物は外から定義される対象ではなく、「自己産出的・自己維持的な閉じた統一体」として特徴づけられる。Thompsonは『Mind in Life』でこれをさらに展開し、生命の自律的組織がすでに認知を含意するという「生命と心の深い連続性」を主題化した。
Di Paoloの「適応的規範性」──意味の発生条件
ただし、オートポイエーシスだけではセンスメイキングは十分に説明できない。Di Paoloが強調したのは、**adaptivity（適応性）**の重要性である。システムが単に自己組織的に存続するだけでなく、「現在の状態が将来の生存可能性（viability）にどう影響するかを識別し、それに応じて環境への関与を変える」ときに初めて、引力・斥力・価値・回避といった意味のダイメンションが発生する。
これはセンスメイキングの規範性を、外部観察者が与えるのではなく、システム自身の存続条件から導くという転換を意味する。
Thompson と Stapletonによる定式化
ThompsonとStapletonは、センスメイキングを「システムと環境の間の意図的かつ規範的な関与」と定式化した。ここで重要なのは、意味が「何かが何を表すか」という静的な対応関係ではなく、「何がいかに行為を方向づけ、何を望ましく・危険に感じさせるか」という動的な関係として定義されていることだ。感情・価値・行為はこの枠組みでは認知の周辺要因ではなく、その中核をなす。
形式化への含意
この理論的立場を形式化の観点から読み替えると、次の要件が浮かび上がる。
- 主体は環境から切り離された静的な情報処理器ではなく、自己維持の組織過程によって成立する
- 世界は「観測対象」として先に与えられるのではなく、身体的・行為的なカップリングの中で分節される
- 意味は予測精度そのものではなく、自己維持・適応・行為選択にとっての差異である
- 認知は時間的・歴史的な閉ループの軌跡として理解される
既存の数理的形式化──ベイズ脳からアクティブインフェレンスまで
ベイズ脳仮説──不確実性統合の強力な枠組み
確率論的形式化の出発点は行為付き状態空間モデルである。隠れ状態 x_t、観測 o_t、行為 a_t をもつ確率モデルを前提に、状態推定はベイズフィルタとして定式化される。ベイズ脳仮説（Bayesian Brain Hypothesis）は、この枠組みを認知全般に広げたもので、知覚や運動制御を「不確実性下での事後分布計算」として理解する。
強み： 不確実性の統合と更新が厳密に扱える。複数の感覚モダリティの統合、先行知識と感覚証拠のトレードオフを自然に記述できる。
弱み： 意味の起源を事前分布（prior）と尤度の組み合わせに還元しやすく、主体の自律性や規範性を外生的な前提として組み込まざるを得ない。
予測符号化──神経ダイナミクスへの接続
**予測符号化（Predictive Coding）**は、ベイズ脳を神経実装に具体化した理論である。RaoとBallardが提案した階層モデルでは、高次野から低次野へのフィードバックが予測を運び、フィードフォワード経路が予測残差（誤差信号）を伝える。目的関数は各階層の予測誤差を加重和したものを最小化することであり、実際の知覚はその残差最小化の過程として説明される。
強み： 神経生理学的な実装との対応が強く、残差信号としての神経応答を説明できる。
弱み： 自己産出や operative closure の説明が薄く、価値と行為が予測誤差の最小化に従属しやすい。センスメイキングの規範性が外在化される。
アクティブインフェレンス──知覚・行為・学習の統合
Fristonらが発展させた**アクティブインフェレンス（Active Inference, AIF）は、予測符号化を行動選択まで拡張した統合理論である。変分自由エネルギーの最小化として状態推定を行いながら、さらに期待自由エネルギー（Expected Free Energy, EFE）**という評価量を通じて、将来の不確実性と選好のもとでの行動方針（policy）を選択する。
期待自由エネルギーは大まかに、生存リスク（好ましい結果分布からのズレ）・曖昧性（モデルの不確実性）・**認識的価値（情報獲得）**の和として分解できる。これにより、知覚・学習・行為が「将来の不確実性と選好のもとでの推論」として統一的に記述される。
エナクティヴィズムとの関係： Ramsteadらは「Active InferenceはEnactive Inferenceである」と論じ、Markov blanketと生成モデルをenactiveな自律性に接続しようとした。一方でBruineberg・Kiverstein・Rietveldは、FEP（自由エネルギー原理）を「脳内の無意識的推論」の枠組みから切り離し、生命体と環境のシステム全体の自己組織化として読むべきと主張する。また Di Paolo・Thompson・Beerは、Markov blanketとオートポイエーシスの同一視に批判的である。AIF は最有力の候補ではあるが、エナクティヴィズム的センスメイキングの完成形ではない。
Semantic Information──意味と自己維持の直接連結
KolchinskyとWolpertが提案した**semantic information（意味的情報）**は、環境との相関のうち「システムが自己の存在を維持するために因果的に必要な部分」を意味と定義する。ある情報の相関を破壊（scramble）したときに生存可能性（viability）がどれだけ低下するかを比較することで、その相関の「意味的関連性」を測る。
これはエナクティヴィズムが主張する「意味は自己維持・行為・環世界の中で生成される」という洞察を、情報理論の言語で近似する試みである。
Empowermentと情報クロージャ
Empowermentは、Klyubinらが提案した概念で、「行為列が将来の知覚状態にどれだけ差をもたらせるか」の最大相互情報量として定義される。行為が世界の差異を「発見する」だけでなく「開示する」という視点は、センスメイキングの「行為による環世界の分節」に対応する。
**情報クロージャ（Informational Closure）**は、内部状態が環境からの新規情報をどの程度予測できるかを、条件付き相互情報量で測る指標で、operational closureの情報理論的近似とみなせる。
情報幾何学──推論更新の不変性
甘利俊一らが発展させた情報幾何学は、確率分布の族が統計多様体をなすことを利用し、Fisher情報行列によって自然勾配を定義する。変分推論やアクティブインフェレンスの更新則を、パラメータ化に依存しない不変な形で記述できる強力な基盤を提供する。
センスメイキングの形式的要件──6つの条件
エナクティヴィズム的センスメイキングを数理的に実現するには、以下の6つの要件を満たす必要がある。
1. 自己生成・自己維持
システムは外部目的関数の最適化器ではなく、内部過程のネットワークによって自己の同一性を再生産しなければならない。確率モデルとしては、viability集合（生存可能な状態空間の部分集合）を長期にわたり保つことが最小条件となる。
2. 適応的規範性
意味は頻出する信号ではなく、「将来の生存可能性（viability）に違いを生む差異」でなければならない。任意の候補変数の意味的関連性は、将来の生存指標への条件付き相互情報量として測ることが自然である。「予測可能だから重要」ではなく、**「自己維持に差をつくるから重要」**という規範性の内在化が本質的な要件である。
3. 環世界との相互作用
観測分布は行為に依存しなければならない。行為から将来観測への情報移送量（transfer entropy）やempowermentが非自明であること、つまり意味が行為を通じて切り開かれる感覚運動的な差異空間として実装されることが求められる。
4. 行為の構成的役割
世界の区別が意味をもつのは、その区別が行為可能性を変えるときである。行為は予測誤差の修正にとどまらず、知覚可能な差異空間を生成する役割を担う。Dual controlやactive sensingの発想に近いが、enactiveには「意味が行為を通じて立ち現れる」ことが必要だ。
5. 歴史性と時間性
同じ観測でもviabilityの余裕が異なれば、その「意味」が変わる。モデルは単時点の推定ではなく、軌道全体に対する評価を持ち、履歴依存的な意味変化を組み込む必要がある。
6. 身体性と多層性
主体は脳だけでなく、身体・境界・環境との多層的カップリングの中で成立する。形式化は、境界条件・観測チャネル・行為チャネル・内部状態を別々に表現し、closureを情報流で測る構造を持つ必要がある。
新規提案モデル──生存条件付きセマンティック能動推論（ESM-AI）
モデルの基本発想
提案する**ESM-AI（Enactive Semantic-sensemaking Active Inference）**の核心は、標準的なアクティブインフェレンスが持つ「外部設計者が与えるpreference（選好）」を、viability変数から内生的に生成する点にある。さらに、将来viabilityへの条件付き相互情報量を「意味的関連性」として評価関数に明示的に組み込む。
この発想の源泉は4つある。Di Paoloのadaptivity（意味の規範的内在化）、Fristonの期待自由エネルギー（推論と計画の統合）、Kolchinsky-Wolpertのsemantic information（意味と生存の直接連結）、そしてAmariの情報幾何学（更新則の不変性）である。
モデルの構造
状態変数：
- 環境隠れ状態
x_t（環境の動態） - 内部信念状態
z_t - Viability変数
m_t（代謝的余裕・生存余裕） - 観測
o_t（外部・内受容の両面） - 行為
a_t
Viability変数は、資源摂取による回復と行為コストの差分として時間発展し、m_t > m_min という条件がviability集合を定義する。これはDi Paoloの「viability条件に対する調整」の確率論的な実装である。
内生的な選好の生成：
標準AIFとの最大の差異は、preferred outcomeの生成方法にある。本モデルでは、観測に対する選好分布を、その観測が引き起こすviability障壁（barrier）の期待値から算出する。つまり「何が望ましい観測か」は設計者が指定するのではなく、その観測が将来の生存余裕をどう変えるかによって内生的に決まる。
評価関数（Enactive-Semantic Expected Free Energy）：
policy評価の目的関数は5項から構成される。
- 生存リスク項： 内生的選好分布からのKLダイバージェンス（standard AIFのriskに対応するが、好みが内生化されている）
- 曖昧性項： モデルの不確実性（standard AIFと同様）
- 認識的価値項： 状態推定の情報ゲイン（epistemic value）
- 行為的開示項： Empowerment的な、行為が将来観測にもたらす情報量
- 意味的関連性項： 候補変数
Y_tが将来viabilityに持つ条件付き相互情報量（Kolchinsky-Wolpert型の動的実装）
この式が問うのは「何を予測し、何を望むか」ではなく、**「何が自己維持に関わる差異なのか」**である。意味は（i）生存リスクへの感度、（ii）行為によって開示される可視性、（iii）将来viabilityへの情報寄与、の3つの積として生成される。
理論的整合性
規範性の内在化： viability barrierから選好を生成することで、「何が好ましいか」がシステムの自律的存続条件から導かれる。
意味の情報理論的実装： semantic relevanceを将来viabilityへの条件付き相互情報量で測ることで、Shannonの構文的情報量と意味論的情報量を切り分けられる。
行為の構成的役割： empowerment項と認識的価値項の両方を入れることで、行為は予測誤差修正の道具ではなく、知覚可能な世界の差異構造を生成する役割を担う。
ただし本モデルは、autopoiesisの完全な形式化ではない。viability変数 m_t は、自己産出の複雑な物質的循環を一変数に圧縮した代理変数に過ぎない。本モデルは「センスメイキングの組織的・規範的条件を近似的に表す中間層の理論」であり、生化学的オートポイエーシスの還元モデルではないという限定は意図的なものである。
比較実験の設計案
検証のためのシミュレーションとして、2次元のforaging/hazard環境（食物探索・危険回避のエージェント環境）が候補となる。
- 環境状態： エージェント位置、資源パッチの潜在品質、ハザード位置
- 行為： 移動・探索・摂取・回避
- 観測： 局所的でノイズのあるcue信号
- Viability： 時間とともに減衰し、資源摂取で回復
比較対象は少なくとも3つ：予測符号化のみのモデル、固定選好付き標準AIF、そしてESM-AI。期待される結果は、ESM-AIが「viability余裕が大きいときは探索を、境界近傍では回避を増やし、同じ環境cueでも文脈依存的に異なる行動を選ぶ」というものである。
これは「同じ刺激でも飢えているときと満たされているときで意味が違う」というenactiveの直観の数理的表現にほかならない。
批判的検討と今後の研究課題
哲学的整合性の問題
本提案は標準的なベイズ推論よりもenactiveな枠組みを取るが、確率分布・latent state・policyといった表象的語彙を使い続ける。「確率モデルを使った瞬間にenactivismではなくなる」という反論は残る。
これへの一つの応答は、確率分布を「世界像の実体論的記述」としてではなく、自律系が自らのカップリングを調整するための記述装置として読むという立場である。FEPをHelmholtz的な無意識推論の枠組みから切り離し、生命体と環境のシステム全体の自己組織化として読む解釈がこれに近い。
Di Paolo・Thompson・Beerの批判
Markov blanketとautopoiesisの混同、組織と構造の混同、非平衡定常状態の仮定とenactiveな歴史性の緊張──これらの批判は本提案にも当てはまる可能性がある。本モデルは「enactionをAIFに吸収したモデル」ではなく、両者の緊張を認めたうえで交差部分を工学的に形式化したモデルとして位置づけるのが正確である。
計算上の課題
- 条件付き相互情報量やempowermentのオンライン推定は計算コストが高い
- viability由来のpreference関数が非線形な地形を生みやすい
- Fisher情報行列の逆行列計算が重い
- semantic variable
Y_tの切り方によって結果が変わる（識別可能性の問題）
Relevance問題の残余
センスメイキングの本質的な難問として、「どの関連変数を、どの文脈で、どの速さで選ぶか」というmeta-relevanceの問いが残る。本提案はsemantic relevanceをfuture viabilityでスコア化することでこの問いに一歩近づくが、「候補変数集合 Y_t をどう生成するか」という上位問題は未解決である。注意機構・表現学習・情報ボトルネックとの接続が今後の課題となる。
まとめ──エナクティヴィズム的センスメイキングの形式化が目指すもの
本記事で見てきたように、エナクティヴィズム的センスメイキングの形式化は、単一の理論では達成できない多層的な課題である。
ベイズ脳・予測符号化・アクティブインフェレンスは推論機構の記述に強みを持ち、semantic information・empowerment・informational closureは意味・自律性・行為性の定量化に強みを持つ。エナクティヴィズムの形式化には、この二つの群を接合する理論が必要であり、提案したESM-AIはその一つの試みである。
要約すると、エナクティヴィズム的センスメイキングを確率論・情報理論で形式化する最も有望な方向は、
- 推論の厳密さをベイズ的枠組みから
- 意味の内在性をsemantic informationから
- 行為の構成性をempowermentから
- 自律性の規範性をadaptivityから
借りる統合路線である。FEP/AIFはその中心に位置するが、完成形ではない。ESM-AIはその不足を埋めるための中間層の理論として、哲学的にも実装的にも現時点で生産的な方向性を示している。
コメント