身体化認知科学は、知的な行動の背後にあるメカニズムを説明することを目的とした学際的な研究分野である。それは、認知が単なる抽象的な記号操作ではなく、物理的な身体と環境との相互作用によって深く形成されるという主張を通じて、伝統的な計算主義的心智理論に挑戦する。この分野は、三つの主要な方法論から成る。すなわち、心と身体を単一の実体として扱い、心理的・生物学的システムを全体的にモデル化すること、知的行動の一般的な原則の共通セットを開発すること、そして制御された環境でロボットエージェントを実験的に使用することである。このアプローチは、認知科学、心理学、神経科学、Artificial intelligenceからの洞察を活用し、Machine learningから自律ロボット工学に至るまでの分野に影響を与えてきた。
この分野の知的ルーツは、コンピューティングにおける初期の提案にまで遡る。1950年、Alan Turingは、機械が考えたり話したりするためには人間に似た身体が必要かもしれないと示唆し、最良の感覚器官を備え、子供の発達に似たプロセスを通じて英語を理解し話すことを教えられる可能性があると述べた。この考えは、知覚と行動が認知から切り離せないと主張する後の身体化アプローチを先取りしていた。
伝統的な認知理論
20世紀半ばに支配的だった伝統的な認知理論は、主に記号操作に基づいている。このモデルでは、入力が処理ユニットに供給され、構文規則に従って出力を生成し、そこから意味が導き出される。例えば、人間の感覚器官は入力デバイスとして機能し、外部環境からの刺激は神経系に供給され、神経系が処理ユニットとして機能する。神経系は、構文構造に従うため感覚情報を読み取り、身体の動きや行動を生み出す出力を生成する。この見解の重要な特徴は、認知が脳内に封じ込められ、感覚入力を除いて外部世界から遮断されていることである。
この計算フレームワークは、MIT CSAILやXerox PARCなどの機関での研究を含む初期のArtificial intelligence研究に影響を与えた。しかし、それは概念的な問題に直面し、最も顕著なのはホムンクルス論法であり、これは記号から意味を導き出すには内部の解釈者が必要であり、無限後退につながると示唆した。この批判は伝統主義モデルの妥当性を損ない、代替アプローチを動機付けた。
身体化認知アプローチ
身体化認知科学は、主にホムンクルス論法によって提起された問題のために、伝統的な理論の入出力システムを拒否する。内部の記号操作に依存する代わりに、それは認知を三つの相互に関連する側面、すなわち身体の物理的属性、認知プロセスにおける身体の役割、そして有機体と環境の結合を通じて定義する。
身体の物理的属性
最初の側面は、身体の物理的特性が思考能力にどのように影響するかを検討し、伝統主義モデルの記号操作の構成要素を克服しようと試みる。例えば、奥行き知覚は、その複雑さのために身体化アプローチの下でよりよく説明される。奥行き知覚には、脳が両眼の間の距離によって引き起こされる不一致な網膜像を、身体と頭部の手がかりとともに検出する必要がある。頭が回転すると、前景の物体は背景に対して動いて見える。この観察は、見かけの動きが直接知覚されるため、視覚処理が中間的な記号操作なしで発生することを示唆している。
聴覚知覚は別の例を提供する。耳の間の距離が大きいほど、可能な聴覚の鋭敏さは大きくなり、耳の間の物質の密度は、周波数波が媒体を通過する際の強さに影響を与える。脳の聴覚システムは、これらの要因を表す記号を必要とせずに考慮に入れる。距離自体がより大きな鋭敏さの機会を生み出し、密度が周波数変化の機会を形成する。したがって、物理的特性を考慮すると、記号システムは不要であり、役に立たない比喩である。
認知プロセスにおける身体の役割
第二の側面は、ジョージ・レイコフとマーク・ジョンソンの概念に関する研究から大きく引き出されている。彼らは、人間が外部世界を説明するために比喩を使用し、他の概念を導き出すことができる基本的な概念のストックを持っていると主張した。これらの基本概念には、上、下、前、後ろなどの空間的方向が含まれる。人間は、これらの概念を自分の身体を通じて直接経験するため、理解する。例えば、人間の動きが直立して上下運動を伴うため、人間は本質的に上と下の概念を持っている。レイコフとジョンソンは、これが他の空間的方向についても同様であると主張する。これらの基本的な空間概念は、他の概念を構築するための基盤を形成する。例えば、幸福と悲しみはそれぞれ上または下として見られ、誰かが気分が沈んでいると言うとき、それは身体経験に根ざした比喩的なマッピングを表現している。
この視点は、表現が抽象的な記号ではなく感覚運動データに基づくことが多いNeural networkモデルとDeep learningの研究に影響を与えてきた。それはまた、物理的な身体化が学習と行動の中心であるRoboticsの研究にも関連している。
有機体と環境の結合
第三の側面は、有機体とその環境の間の継続的な相互作用を強調し、認知を孤立した内部処理として見る考えを拒否する。この見解は、身体化認知科学の中心的な方法論である、制御された環境でのロボットエージェントの実験的使用と一致する。単純な規則を持つロボットは、Rodney BrooksによるStanford AI Labや後のMIT CSAILなどの機関での初期の研究で実証されたように、明示的な内部モデルなしで複雑な行動を示すことができる。このアプローチは、明示的な知識表現と推論への依存という伝統的なAIとは対照的である。
貢献者と影響
身体化認知科学は、身体化哲学と関連する研究分野から大きく借用している。貢献者には、ラホヤの神経科学研究所のジェラルド・エーデルマン、フランスのCNRSのフランシスコ・ヴァレラ、フロリダ・アトランティック大学のJ・A・スコット・ケルソなどの神経科学者が含まれる。ローレンス・バーサロウ、マイケル・ターヴィー、エレノア・ロッシュなどの心理学者が貢献し、ジル・フォコニエ、ジョージ・レイコフ、レナード・タルミーなどの言語学者も含まれる。エドウィン・ハッチンスやマーリン・ドナルドなどの人類学者もこの分野を形成してきた。
自律エージェント設計において、初期の研究はRodney Brooksとヴァレンティノ・ブライテンバーグに帰せられる。影響力のある書籍には、Rolf Pfeiferとクリスチャン・シャイアーによるUnderstanding Intelligence、およびパファーとジョシュ・C・ボンガードによるHow the Body Shapes the Way We Thinkが含まれる。アンディ・クラーク、ダン・ザハヴィ、エヴァン・トンプソンなどの哲学者が理論的基盤を提供してきた。この分野の考えは、Large language modelやTransformer (architecture)アーキテクチャに関する研究を含む現代のAI研究にも影響を与えてきたが、これらのシステムはしばしば物理的な身体化なしで動作する。
応用と現代的な関連性
身体化認知科学は、ロボット工学とAIにおいて実用的な応用がある。Figure AIやSanctuary AIなどの企業は、環境との身体化された相互作用に依存するヒューマノイドロボットを開発している。Reinforcement learningやCurriculum Learningの研究は、エージェントが物理的またはシミュレートされた相互作用を通じて学習する身体化された原則をしばしば組み込んでいる。この分野はまた、知覚と行動が密接に結合されているWaymoやTeslaなどの人間とロボットの相互作用や自動運転車の開発にも情報を提供している。
このアプローチはまた、非身体化モデルの限界に関するArtificial intelligenceの議論に影響を与えてきた。批評家は、感覚的基盤なしでテキストを処理するLarge language modelなどのシステムは、真の理解を欠く可能性があると主張する。身体化認知科学は、真の知性には世界と相互作用する身体が必要であることを示唆しており、この視点は学界と産業界の研究課題を形成し続けている。