計算論的心身論（CTM）は、認知科学と心の哲学における基礎的な枠組みである。それは、心が計算システムとして機能すると主張し、知覚、推論、言語などの認知プロセスは、内部の心的表象に対して実行される計算であるとする。この見解は、心的状態を、物理的基盤ではなく、因果的・論理的関係によって定義される機能的状態として扱う。
CTMは20世紀中頃に prominence を得て、コンピュータ科学、論理学、言語学の発展を活用した。それは、抽象的な計算理論と経験的な認知研究の間の橋渡しを提供し、研究者が形式的なアルゴリズムや記号的構造を用いて心的活動をモデル化することを可能にした。
歴史的起源
CTMのルーツは、計算可能数に関する1936年の論文で普遍計算機の概念を導入したアラン・チューリングの業績に遡ることができる。チューリングの考えは、効果的に計算可能な任意の関数が単純な装置で計算できることを示唆し、人間の認知を記号操作の一種として見る基盤を築いた。1943年には、ウォーレン・マカロックとウォルター・ピッツが、単純な論理ユニットのネットワークが命題論理を実装できることを示す画期的な論文を発表し、計算の神経的基盤を提供した。
1950年代から1960年代にかけて、認知革命が行動主義に挑戦し、ノーム・チョムスキーなどの人物が、言語獲得には内部の心的構造が必要であると主張した。チョムスキーの1957年の著書『構文構造』は、文を生成するための計算システムである生成文法を提案した。ほぼ同時期に、アレン・ニューウェルとハーバート・サイモンは、論理理論家（1956年）と一般問題解決器（1957年）を開発し、コンピュータが推論を必要とするタスクを実行できることを実証した。彼らのCarnegie Mellon Universityでの研究は、CTMの核となる信条である物理記号システム仮説を確立した。
核心的原則
CTMはいくつかの重要な前提に基づいている。第一に、心的表象は、構文規則に従って組み合わせることができる構造化された記号である。第二に、認知プロセスは、プログラミング言語の操作に類似した、これらの記号のアルゴリズム的変換である。第三に、心の計算アーキテクチャはその物理的実装から独立しており、これは多重実現可能性として知られる性質である。これは、同じ認知機能が、原理的には、生物学的ニューロン、シリコンチップ、または他の基盤によって実現され得ることを意味する。
CTM内の中心的な区別は、古典的な記号計算とコネクショニスト的アプローチの間にある。ジェリー・フォーダーとゼノン・ピリシンが擁護する古典的理論は、認知が離散的な記号の規則に基づく操作を含むと主張する。ニューラルネットワークなどのコネクショニストモデルは、代わりに、脳構造に触発された分散表象と学習アルゴリズムを使用する。これらのアプローチは、心的プロセスが直列的な記号処理として最もよく記述されるか、並列的なパターン認識として最もよく記述されるかについて異なる。
人工知能との関係
CTMは人工知能研究に深く影響を与えた。論理理論家や後のエキスパートシステムなどの初期のAIシステムは、明示的に記号的推論を実装した。21世紀の機械学習と深層学習の発展は、サブシンボリックモデルへ焦点を移したが、多くの研究者は依然としてこれらのシステムを計算のレンズを通して解釈している。例えば、トランスフォーマーや大規模言語モデルは、数学的操作を用いてトークンのシーケンスを処理し、これは表象上の計算として見ることができる。
MIT CSAIL、Stanford AI Lab、BAIR (Berkeley AI Research)などの著名なAI研究所は、記号的およびコネクショニスト的パラダイムの両方に貢献してきた。University of Torontoは、Geoffrey Hintonの下で深層学習の中心地となり、彼のバックプロパゲーションと分散表象に関する研究は古典的CTMに挑戦した。一方、Google DeepMindとOpenAIは、ニューラルネットワークと構造化推論を組み合わせたハイブリッドアプローチを追求してきた。
哲学的議論
CTMは重要な哲学的疑問を提起する。一つの問題は心的内容の性質に関するものである：計算記号はどのようにして意味を獲得するのか？フレッド・ドレツキとジェリー・フォーダーは、心的記号が因果的または情報的関係を通じて外部状態を表象すると主張する、表象の自然主義的理論を提案した。もう一つの議論は計算の限界に関わり、john searleの中国語の部屋の議論（1980年）が強調するように、構文操作だけでは真の理解を生み出せないと主張する。
哲学者たちはまた、CTMが意識とクオリアを説明できるかどうかを議論する。デイビッド・チャーマーズは、計算的説明は意識のハードプロブレムを未解決のまま残すと主張している。対照的に、機能主義者は、意識が高次の計算特性であるかもしれないと主張する。心の哲学の文献はこれらの緊張を探求し続けており、一部は純粋に計算的な見解を拒否する身体化または能動的代替案を提案している。
経験的証拠と課題
認知心理学はCTMに経験的支援を提供してきた。心的回転、視覚探索、問題解決に関する研究は、アルゴリズム的処理と一致する体系的なパターンを明らかにしている。神経科学におけるミラーニューロンと予測コーディングの発見は、脳が環境をモデル化するために計算を実行することを示唆している。MIT CSAILのJoshua TenenbaumとBrendan Lakeは、プログラムとしての認知モデルを提唱し、人間の学習がベイズ的プログラム帰納として理解できると主張している。
しかし、CTMは課題に直面している。批判者は、神経計算はアナログ的で、ノイズが多く、大規模に並列的であり、古典的なデジタル計算とは異なると指摘する。特徴が統一された知覚に統合される方法である束縛問題は未解決のままである。さらに、大規模言語モデルに関する最近の研究は、テキストで訓練されたシステムが驚くべき推論能力を示すことを明らかにしたが、これが内部表象上の真の計算を反映しているかどうかは議論されている。Melanie Mitchellなどの研究者は、AIのパフォーマンスを人間のような認知の証拠として過度に解釈することに警告を発している。
将来の方向性
現代の研究は、CTMを機械学習と認知科学と統合している。生成AIの台頭は、そのようなシステムが計算論的心身論を具体化するかどうかへの関心を再燃させた。一部は、記号的推論とニューラルネットワークを組み合わせたハイブリッドアーキテクチャが、人間の認知をよりよく捉えるかもしれないと提案している。他は、代替の計算基盤としてニューロモルフィックコンピューティングと量子アプローチを探求している。
2020年代現在、CTMは活気に満ちているが論争のある枠組みであり続けている。それは、チェスコンピュータから自動運転車まで、AIにおける実用的な進歩を刺激し、同時に心の性質に関する根本的な疑問を引き起こし続けている。その遺産は、認知が情報処理現象として研究できるという前提を確立したことにあり、これは現代の心理学と神経科学の多くを支える前提である。