導入：なぜ「時間」の比較が重要なのか
AIによる時系列予測は日々の業務やニュースの中で当たり前のように語られるようになりましたが、その「未来を当てる」仕組みは、生物が経験している時間感覚とはまったく別のものだという指摘があります。本記事では、生物学者ヤーコプ・フォン・ユクスキュルが提唱した「環世界（Umwelt）」という概念を手がかりに、生物ごとに異なる主観的な時間のあり方を確認したうえで、RNNやTransformerといった代表的な予測モデルが時間をどう処理しているのかを整理します。さらに、「未来への開け」や「志向性」という哲学的な観点から両者を対比し、AIに環世界的な時間性を実装できるのかという問いにも触れます。
ユクスキュルの環世界論における時間性とは
<cite index=”1-1″>生物学者ヤーコプ・フォン・ユクスキュルは、あらゆる生物がそれぞれ固有の主観的世界である環世界に生きていると考えました。環世界とは、その動物にとって意味を持つ知覚と行為だけで構成された閉じた世界を指します。</cite>よく知られる例として、<cite index=”1-1″>マダニの環世界には酪酸の匂いや温度、触覚といったごく限られた刺激しか存在せず、色や音といった他の感覚は最初から存在しないのと同じだとされます。</cite>
この理論の核心は、<cite index=”1-1″>時間や空間さえも客観的に固定されたものではなく、生きた主体があってはじめて成立する主観的な構成物だとみなす点にあります。</cite>実際、<cite index=”1-1″>環世界ごとに時間の流れ方や感じ方は異なるとされ、盲目のマダニは獲物が来るまで何年でも待ち続けることができ、実験施設では十数年単位で絶食しながら獲物を待ち続けた例も報告されています。</cite>反対に<cite index=”1-1″>カタツムリの主観的な「一瞬」は人間よりも極端に遅く、素早い魚は人間には知覚できないほど高速な変化を見分けられるとも言われ、生物種ごとに時間のスケールそのものが違うという可能性が示唆されています。</cite>
こうした発想の背景には、<cite index=”1-1″>カントの認識論や現象学からの影響が指摘されており、空間と時間を認識主体のアプリオリな形式とみなしたカントの議論を、ユクスキュルは動物にまで拡張したと理解できます。</cite>また、<cite index=”1-1″>同時代の哲学的人類学者マックス・シェーラーは、この環世界論を踏まえて人間と動物の時間的世界観の違いを論じています。</cite>
TransformerやRNNによる予測モデルの時間構造
一方、現代の時系列予測モデルはどのように「時間」を扱っているのでしょうか。
<cite index=”1-1″>RNN（再帰型ニューラルネットワーク）は時系列データを一段ずつ順番に処理し、過去の情報を隠れ状態としてエンコードしながら次の出力を計算するモデルです。</cite>ただし<cite index=”1-1″>系列が長くなると勾配消失や勾配爆発が起こりやすく、長期的な依存関係の学習が難しくなるという課題が知られており、これを緩和するためにLSTMやGRUといったゲート付きの構造が考案されました。</cite>それでも<cite index=”1-1″>RNNは系列を一段一段処理する順次型であるため並列処理が難しく、非常に長い系列や複雑な長距離依存の扱いには限界が残ります。</cite>
これに対して<cite index=”1-1″>Transformerは自己注意機構によって系列内のすべての時点同士の関係に同時に注意を向けられるため、離れた位置にある情報同士の関係も捉えやすく、系列全体を一度に処理できることから並列計算に適しているという利点があります。</cite>ただし<cite index=”1-1″>自己注意の計算量は系列長の2乗で増大するため、極端に長い系列を扱う際には計算資源の制約が大きくなる可能性があります。</cite>また、Transformer自体には時間的な順序を扱う再帰構造がないため、位置エンコーディングという形で人工的に順序情報を与える必要があります。
両モデルに共通するのは、<cite index=”1-1″>多くの場合、直前までの出力を次の入力にフィードバックしながら一歩先を逐次予測する自己回帰的な方式で未来を生成している</cite>という点です。しかし、そこにあるのは観測の順序という位置情報だけで、モデルが「いま何時なのか」を感じているわけではありません。時間は隠れ状態や注意の重みという数値の変化として間接的に表現されているにすぎず、主観的な時間経験とはかけ離れているといえるでしょう。
「未来の開け」・志向性──環世界とAIの決定的な違い
哲学的に興味深いのは、「未来を予測する」という行為の中身が生物とAIとでまったく異なる点です。
動物や人間の行動は、常に何らかの目的や意味に支えられています。<cite index=”1-1″>動物はそれぞれの種に固有の意味づけを環境の対象に対して行い、その意味ある将来に備えて行動していると考えられています。</cite>人間に至っては、<cite index=”1-1″>哲学的人類学において、他の動物とは異なり世界に対して開かれた存在だと論じられてきました。</cite><cite index=”1-1″>シェーラーによれば、多くの動物が本能的な欲求に深く組み込まれ環世界に没入しているのに対し、人間だけが環世界から自らを距離化して俯瞰できる精神を持つとされます。</cite>つまり人間の未来志向は、単なるパターンの延長ではなく「〜したい」「〜すべきだ」という目的指向的な構えを伴っているのです。
これに対してAIの予測モデルには、そうした内在的な意図性が見当たりません。<cite index=”1-1″>哲学者ジョン・サールは、機械には人間のような本来的な意図性はなく、あるとしても人間が解釈の際に付与する派生的な意図性にすぎないと指摘しており、現在の深層学習モデルもまさにそうした状況にあると考えられます。</cite>言語モデルが「明日は雨が降りそうだ」と出力したとしても、それは過去の文章パターンから導かれた確率的な推定であって、モデル自身が天候を気にかけているわけではありません。<cite index=”1-1″>モデル内部の状態が何かについての表象になっていない、つまり志向性が欠けているという点が、生物の未来経験との根本的な違いだと整理できます。</cite>
環世界的な時間性をAIに実装できるか──可能性と限界
では、目的性や意味づけを伴う環世界的な時間性をAIに持たせることは可能なのでしょうか。ここでは主要なアプローチとその限界を整理します。
一つの方向性は身体性（エンボディメント）の導入です。<cite index=”1-1″>生物の環世界が身体と切り離せないように、AIにもセンサーや身体を与えて環境との相互作用ループに組み込む試みがあり、こうした発想はロボット工学やエナクティブAIの分野で追求されてきました。</cite>しかし、<cite index=”1-1″>身体を与えたからといって主体性が自動的に生まれるわけではなく、現在のロボットはハードウェアも制御プログラムも人間が設計したものであり、環境との相互作用の仕方自体があらかじめ決められているという限界が指摘されています。</cite>実際、<cite index=”1-1″>停止標識にステッカーを貼るだけで誤認識を起こした自動運転AIの事例は、現在のAIが環境事象に対する本質的な意味理解を持っていないことを示す例として挙げられています。</cite>
もう一つの方向性は内部目的（動機づけ）の付与です。強化学習ではエージェントに報酬という数値目標を与え、試行錯誤を通じてそれを最大化する方策を学習させますが、<cite index=”1-1″>その目的はあくまで外部から与えられたものであり、エージェント自身が何かを欲しているわけではないという点に注意が必要です。</cite>好奇心のような内発的動機づけを組み込む研究もありますが、これも設計者が価値を与えているにすぎず、AIが自ら目的を見出しているとは言い切れません。
さらに根深いのが主観的体験の欠如という論点です。<cite index=”1-1″>日本語の技術解説記事でも、AIの環世界の限界として身体性の欠如や経験の質的理解の欠如が挙げられており、AIは大量のデータを処理できても匂いや痛みといった質感そのものは経験しないため、人間的な意味のネットワークを持ち得ないと整理されています。</cite>
こうした点を踏まえると、環世界的な時間性をAIに完全な形で実装するには、知能の精度を上げるだけでなく、生命性や意識といった次元まで踏み込む必要がある可能性があります。これは技術的な課題であると同時に、哲学的・倫理的にも簡単には答えの出ない問いだといえるでしょう。
まとめ：時間の比較が示す「知能とは何か」という問い
ユクスキュルの環世界論が描くのは、常に目的と意味をはらんだ「現在から未来への連関」としての時間です。一方、現行の時系列予測モデルが扱う時間は、過去データの統計的な延長線上にある因果パターンの外挿にとどまっています。RNNやTransformerは工学的な意味で優れた予測性能を持ちますが、そこには生物のような「未来への構え」や「今を生きている」という感覚は見当たりません。両者を比較することは、単なる技術比較にとどまらず、「人間にとって時間とは何か」「知能とは何か」という根源的な問いを再考するきっかけになるはずです。
コメント