AI研究

共有マルコフ毛布（Shared Markov Blankets）とは？社会的認知・集団行動をベイズ脳理論で読み解く

2026.06.09

共有マルコフ毛布が「社会をモデル化する鍵」になる理由

人はなぜ他者と協調できるのか。群れはなぜ意思決定なき秩序を形成できるのか。これらの問いは、哲学・神経科学・人工知能の長年の難題だった。近年、ベイズ脳仮説と能動的推論（Active Inference）の発展に伴い、「共有マルコフ毛布（Shared Markov Blankets）」という概念が注目を集めている。

共有マルコフ毛布とは、複数のエージェントが相互作用して統計的境界を共有し、集合的に自由エネルギーを最小化する枠組みを指す。これは単なる数学的道具にとどまらず、共同注意・信念共有・群れ行動・意見形成といった社会現象を一つの理論で記述できる可能性を秘めている。

本記事では、マルコフ毛布の基本定義から共有マルコフ毛布の拡張概念、主要研究のレビュー、数理モデルとシミュレーション、そして応用先と研究課題まで体系的に解説する。

マルコフ毛布の基礎：自由エネルギー原理との接点

マルコフ毛布とは何か

マルコフ毛布（Markov blanket）とは、ベイズネットワーク理論において、ある変数が他の変数と「条件付き独立」になるように仕切る変数の集合を指す。

具体的には、ある系の「内部状態」を $\psi$ ψ、「外部状態」を $\eta$ η とし、感覚状態 $s$ s と能動状態 $a$ a がそれらの仲介役を担うとき、マルコフ毛布の条件は次のように表される： $p(\psi, \eta \mid s, a) = p(\psi \mid s, a) \cdot p(\eta \mid s, a)$ p(ψ,η∣s,a)=p(ψ∣s,a)⋅p(η∣s,a)

この式は、「感覚・能動状態を所与としたとき、内部状態と外部状態は統計的に独立である」ことを意味する。言い換えれば、マルコフ毛布は系の内部と外部を切り分ける「統計的な膜」として機能する。

ヒトに例えるなら、皮膚・感覚器官・運動系がマルコフ毛布に相当し、脳内の神経活動が内部状態、外界の物理環境が外部状態に対応する。

自由エネルギー原理（FEP）との関係

カール・フリストン（Karl Friston）が提唱する自由エネルギー原理（Free Energy Principle: FEP）では、マルコフ毛布を持つ系は「変分自由エネルギー $F$ F を最小化することで、自己を維持し続ける」とされる。

変分自由エネルギーは次のように定義される： $F[q] = \mathbb{E}_{q(\psi)}\left[\ln q(\psi) – \ln p(s, \psi)\right]$ F[q]=Eq(ψ)[lnq(ψ)−lnp(s,ψ)]

ここで $q(\psi)$ q(ψ) は内部状態の推定分布（代理分布）であり、 $p(s, \psi)$ p(s,ψ) は感覚と内部状態の生成モデルである。この $F$ F を最小化する行為は、近似的なベイズ推論と等価であり、エージェントが世界を予測しながら行動する仕組みを数学的に表現している。

この最小化プロセスが「能動的推論（Active Inference）」であり、知覚・行動・学習を統一的に説明するフレームワークとして神経科学・認知科学・AIの分野で広く研究されている。

共有マルコフ毛布：複数エージェントへの拡張

概念の定義と直感的理解

共有マルコフ毛布（Shared Markov Blanket）とは、2体以上のエージェントが相互作用して「統計的境界を共有」し、一つの高次エージェントとして機能する状態を指す。

たとえば、二人の人間が密接にコミュニケーションをとるとき、それぞれのマルコフ毛布は一時的に「融合」し、共有された境界が形成される。このとき両者は拡張された系として自由エネルギーを共同で最小化しており、より大きな「自己組織化システム」として振る舞う可能性がある。

さらに多くのエージェントが相互に結合する場合、群れ全体を包む高次のマルコフ毛布が成立しうる。この状態では、集合全体が一つの高次エージェントとして機能し、「共同エージェンシー（joint agency）」や「集合的意思決定」の土台となる。

個体モデルから集団モデルへ

$N$ N 個のエージェントからなる集団を考えるとき、各エージェントの内部状態 $\psi^{(i)}$ ψ(i)、感覚状態 $s^{(i)}$ s(i)、能動状態 $a^{(i)}$ a(i) を束ねた「集合状態」 $\Psi$ Ψ、集合感覚 $S$ S、集合能動 $A$ A を導入できる。

このとき、集合に対するマルコフ毛布の条件は： $p(\Psi, \eta_{\text{外}} \mid S, A) = p(\Psi \mid S, A) \cdot p(\eta_{\text{外}} \mid S, A)$ p(Ψ,η外∣S,A)=p(Ψ∣S,A)⋅p(η外∣S,A)

となる。ここで $\eta_{\text{外}}$ η外は集合外部の環境状態である。各個体の自由エネルギーは次のように定義され： $F_i = \mathbb{E}_{q(\psi^{(i)})}\left[\ln q(\psi^{(i)}) – \ln p(s^{(i)}, \psi^{(i)})\right]$ Fi=Eq(ψ(i))[lnq(ψ(i))−lnp(s(i),ψ(i))]

集合レベルではこれらの $F_i$ Fi が統合されて、集合としての生成モデルが機能する。

主要研究レビュー：年代順にたどる理論の発展

Kirchhoff et al.（2018）：生命とマルコフ毛布の関係

Kirchhoff らは、生物系がマルコフ毛布によって外部と内部を統計的に切り分けることで「自律性」を獲得し、その境界は多重階層的に入れ子状になりうることを理論的に示した。これは、細胞・臓器・個体・社会という生物の階層構造がマルコフ毛布の入れ子構造として記述できる可能性を開いた先駆的研究である。

一方で、この研究は概念モデルにとどまっており、シミュレーションや実験的検証は行われていない点が限界として挙げられる。

Constant et al.（2019）：社会規範と能動的推論

Constant らは、社会規範（義務的シグナル）に基づく同調行動を能動的推論でモデル化した。環境中の「デオトニック手がかり（deontic cue）」を介して行動価値が生成されるという枠組みを提案し、社会的規範の習得と行動への組み込みを説明した。

マルコフ毛布そのものより環境価値に焦点を当てた研究だが、社会的文脈における能動的推論の応用として重要な位置付けを持つ。

Bruineberg et al.（2022）：哲学的再考

Bruineberg らは、マルコフ毛布概念の哲学的問題点を鋭く指摘した。彼らは「Pearl 型マルコフ毛布（計算上の区分）」と「Friston 型マルコフ毛布（実在論的境界）」を明確に区別し、多くの先行研究でこの二つが混同されていることを示した。

毛布概念を生物学的・社会的文脈に拡張するには、追加的な仮定が必要であり、無批判な適用は誤った帰結を導くリスクがあると論じた。この批判的視点は、以降の研究が理論的厳密性を高める契機となった。

Maisto et al.（2024）：群れ行動とシナジー情報

Maisto らは、鳥の群れ行動（フォーキング）を能動的推論エージェントでシミュレートし、共有マルコフ毛布が実際に形成されることを示した代表的研究である。

100 体の鳥エージェントが揃い飛びを行うシナリオで、相互作用により群れ全体のマルコフ毛布が形成され、群れが高次エージェントとして機能する様子が確認された。さらに、部分情報分解（PID: Partial Information Decomposition）を用いた解析により、群れ全体には捕食者の位置に関する「シナジー情報」が蓄えられることが示された。これは個々の鳥には存在しない、集合としてはじめて発現する情報である。

捕食者が出現したシナリオでは、整った大群の方が捕食者への反応がより迅速になる傾向も観察され、群れの整合性が生存に関わる情報処理能力と結びつく可能性が示唆された。

Waade et al.（2025）：集団生成モデルの推定

Waade らは、個体の生成モデルと集団の生成モデルの関係性を Multi-Armed Bandit タスクで検証した。ActiveInference.jl ライブラリを使用し、集団レベルのマルコフ毛布を持つ集団が高次エージェントとして振る舞う様子をシミュレートした上で、サンプリングによってその集団生成モデルを推定することに成功した。

ただし検証例は単純なバンディット問題に限られており、より複雑な社会状況や連続状態系への適用は今後の課題として残されている。

シミュレーション実装の枠組み

各エージェントの実装ループ

共有マルコフ毛布モデルのシミュレーションは、一般に以下のループで実装される：

初期化：各エージェント $i$ i の事前分布 $q(\psi^{(i)})$ q(ψ(i)) を設定し、環境状態を初期化する。
感覚更新：エージェント $i$ i は環境から観測 $s^{(i)}$ s(i) を受け取り、ベイズ更新を行う（知覚フェーズ）。
行動計画：現在の信念 $q(\psi^{(i)})$ q(ψ(i)) に基づき、期待自由エネルギーを最小化する行動 $a^{(i)}_t$ at(i) を選択する。
行動実行：全エージェントの行動を環境に作用させ、次の観測 $s^{(i)}_{t+1}$ st+1(i) を得る。
反復：以上のサイクルを繰り返す。

計算コストと実装上の注意点

離散状態空間の場合、信念更新の計算量は状態数 $S$ S に対して $O(S^2)$ O(S2) 程度となる。一方、連続状態空間や長期の政策探索を含む場合はサンプリングや近似手法が必要となり、計算量が急増する。

集団レベルのモデル推定（Waade らのアプローチなど）は、エージェント数 $N$ N に比例する計算コストを要する。数千回の試行を要するシミュレーションでは、計算資源の確保が実用上の制約になりやすい。

代表的な実装ライブラリとして、Julia 言語の ActiveInference.jl や、MATLAB ベースの SPM12 が研究コミュニティで利用されている。

社会的認知・集団行動への応用

共同注意と信念共有のモデル化

二者の視線交錯による「共同注意（joint attention）」は、共有マルコフ毛布の枠組みで次のように解釈できる。お互いの視線情報がマルコフ毛布を通じて共有され、共有対象に対する信念が同期するプロセスとして記述される。

評価指標としては、両者の信念分布の一致度（KL ダイバージェンスの縮小）や、注視の収束タイミングなどが考えられる。

協調的意思決定とTheory of Mind

複数エージェントが互いの信念モデルを持つ「相互認識型能動推論モデル」は、Theory of Mind（心の理論）の計算論的モデルとして機能する可能性がある。各エージェントが他者の行動を予測しながら自身の行動を最適化することで、協調行動が自然に創発しうる。

協調タスクの成功率・情報共有効率・個体間の信念相関などが評価指標として有用である。

群れ行動と意見形成

群れ行動の文脈では、個体のマルコフ毛布が相互結合を通じて融合し、集合的な自由エネルギー最小化が実現されることで、外部からの制御なしに整合した行動が創発する可能性がある。

意見形成モデルでは、各個体の意見状態を内部状態とみなし、社会的相互作用が共有マルコフ毛布として機能することで、集団意見ダイナミクス（コンセンサスの形成や意見分極化など）を記述できる。評価指標には、意見分散の時間変化・極性指数・合意形成速度などが挙げられる。

理論的限界と批判的考察

モデルの前提と実世界のギャップ

マルコフ毛布理論には複数の理論的制約がある。

第一に、条件付き独立性を仮定するモデルは、実際の動的・非線形な相互作用を十分に反映できない場合がある。特に、社会システムのような非定常・非線形な環境では、恒常状態を前提とするマルコフ毛布の仮定が崩れる可能性がある。

第二に、多くのモデルはエージェントの同質性を仮定しているが、実社会では異なる価値観・能力・学習速度を持つ異質エージェントが共存しており、この不均質性がモデルの複雑化要因となる。

Bruineberg ら（2022）は、マルコフ毛布概念の安易な拡張は誤った帰結を招くリスクがあると指摘しており、理論的な厳密さを維持しながら応用を進めることが求められる。

倫理的・社会的影響

共有マルコフ毛布モデルが「集団の意図」や「群意識」を数学的に仮定する方向に発展すると、いくつかの倫理的問題が浮上する。

集団レベルの意図や知識を推定する技術が実用化された場合、広告戦略や情報操作への悪用可能性が生じうる。また、個人や集団の「内部状態」を外部から推定することは、プライバシーや自律性の侵害につながるリスクをはらんでいる。

一方で、協調促進・群集安全の制御・ロボット協調系の設計といった領域では有益な応用が期待できる。社会実装に際しては、倫理ガイドラインの整備と、アルゴリズムバイアスへの配慮が不可欠である。

まとめ：共有マルコフ毛布が切り拓く「社会の数理」

本記事では、共有マルコフ毛布（Shared Markov Blankets）の基礎理論から応用まで、以下の要点を整理した。

マルコフ毛布は、内部状態と外部状態を統計的に切り分ける「境界」であり、自由エネルギー原理・能動的推論と深く結びついている。
共有マルコフ毛布は、複数エージェントが相互作用して統計的境界を共有し、集合的に自己組織化する枠組みである。
Kirchhoff（2018）からWaade（2025）まで、理論的・実証的研究が進展しており、群れ行動における「シナジー情報」の発見は特に注目に値する。
社会的認知（共同注意・信念共有・協調意思決定）および集団行動（群れ・意見形成・協力）への応用が見込まれる一方、理論的限界と倫理的課題の検討が不可欠である。

この枠組みは、人間社会やロボット群・AIマルチエージェント系の設計において、「なぜ集合は個人を超えた知性を持ちうるのか」という問いに迫る有力な道具となりうる。理論の厳密化と実証研究の蓄積が今後の発展を左右する鍵となる。

意識のハード・プロブレムとマルコフ毛布モデル｜理論的接点と限界を徹底解説

仏教の無我論とパーフィット理論を比較｜東西の「自己否定」思想が示すもの