SlideShare a Scribd company logo
1 of 32
Download to read offline
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
証明論的意味論としての
マルティン=レーフの構成的型理論
[2021CAPE 公開セミナー] 論理学上級 Ⅱ-3
矢田部 俊介
Center for Applied Philosophy and Ethics,
Graduate School of Letters,
Kyoto University
2022 年 3 月 27 日(日)1000-1200
1 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
あらすじ
• 1972 年にマーティンレーフが構成的型理論を発表し、論
理主義と直観主義(構成主義)の両派を束ねる形で、新
たな流れが始まりました。
• 構成的型理論は数学の基礎としてだけではなく、計算機
科学の基礎理論(有限ステップで計算が終わるプログラ
ムのための基礎理論)として大きな役割を果たすように
なります。
• 本節では、マーティン・レーフの構成的型理論について
概説します。特に以下の項目に注目します。
• (哲学)
「判断」という図式
• (計算機科学)
「構成子」と「解体子」による帰納的デー
タ型の定義
帰納的定義をする際のメタ理論として十分な理論
• (計算機科学)
「依存型」によるカリー・ハワード対応の
述語論理への拡張(Π-type, Σ-type)
述語論理の証明論的意味論を提供できる型理論
2 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
命題と判断図式
3 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
概念紹介(カント用語)
マルティン=レーフ [?] に従い、判断についてのカントの用語
の紹介を行う。
• 外部世界に関する観念、そしてそれを言語化した命題は、
間違っている事もある。例えば心の中の観念「雪は黒い」
は、火山噴火の後のような特定の文脈では正しいかもし
れないが、多くの場合は当てはまらない。
• 外部世界に関する観念は、経験、つまり観測データ(外
部世界からの感覚刺激)に照らし合わせ、
• 心の内で肯定(affirmation)され「真である」と判断され
るか、
• 反証(denial)され偽であると判断される。
• 観念が判断されたとき、その形式は「P という(判断の対
象となりえるような)命題は正しい」という形式で言語
化され、通常は「P は真である」(“P is true”)と書か
れる。
4 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
判断に関係する心の中と外の関係(カント)
命題は精神的言説で書かれたものと自然言語でかかれたもの
の二種類がすでに登場しており、心の内外で似たような行為
が並行して行われ、インタラクションするので、とにかくや
やこしい。
心(知性)の活動  活動の結果、心の中で 心の外部で成果物を
得られる成果物 表現する記号
理解する 概念、観念 項
(観念を獲得する)
という活動
判断する 判断そのもの、  主張、
という活動 (心の中の)命題 (言語に翻訳された)
「S は P である」  命題
 (判断された結果)
推論するという活動 心の中での推論 論理学でやる推論
ポイントは、
「p は真である」という言葉は、p という観念が
真であると判断されることを、言語によって表現しており、
判断と言語表現とはレイヤーが違うことである(この意味で
階層的であり、型理論的なアプローチの源流となった)
。
5 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
感性と総合的判断、分析的判断(カント)
判断に当たって経験が必要かどうかという分類
• たいていの命題の肯定的/否定的判断には、直観が不可
である。たとえば「雪が白い」という命題が真であると
いう判断の正当性は、最終的には、雪が白いという感性
によって得られる観測データによって支えられる。この
種の外部世界(そんなものがあるとして)に関する命題
は、経験から得られる直観によって、真偽が判断される。
当たり前のことである。
• 「黒煙は黒い」という観念を考えてみよう。
「黒煙」とい
う観念は「黒い煙」
、つまりそもそも「黒い」ということ
を含意する。この場合、外部世界がどういう状況であろ
うとも、定義からこの観念は真となる。このような判断
は、分析的な判断であると呼ばれる。
6 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
直観と総合判断(カント)
• 重要な点は、概念分析はすでに提示されている言葉の意
味を正確化するという行為なので、概念分析によって増
える情報量はゼロであり、新しい知識を生み出さないと
いうことである。
• 新しい情報は総合的判断、つまり直観によって新しい情
報が感覚機関等を通じて判断内容に反映されることに
よってもたらされる。
7 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
数学的知識と経験(カント)
(1)
しかし、カントにおいては数学は分析的ではなく、総合的であ
ると見なされてきた。7 + 5 = 12 という命題を考えてみよう。
7 と 5 の和という概念は、これら二つの数を結びつけ
てある一つの数にするということ以上の何ものも含
んではおらず、このことによって、これら二つの数
をいっしょにするその一つの数がいかなるものであ
るかは、全然思考されていないということがわかる。
12 という概念は、私が単に 7 と 5 のとの結合を考え
ることによって、すでに思考されていたのでは断じて
なく、だから、 私がそうした可能的な和についての
私の概念をどれほど分析してみたところで、私はこの
概念の内に 7 + 5 を見いだすことはないであろう。人
は、二つの数のうちの一つに対応する直観、たとえば
自分の五本の指 · · · を助けとし、かくして、この直観
において与えられた五つの単位を、次々と、7 という
概念に付加することによって、7 と 5 というこれらの
概念を超えて出て行かなければならない。[?, 上 110]
8 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
数学的知識と経験(カント)
(2)
• 分析的判断は(
「美女」から「美しい」という概念を分析
するように)新しい情報を生み出さないが、7 + 5 は 7 と
5 という与えられた概念を超えて出て、新しい概念 12 を
生み出す。だから分析判断ではない。
• つまり総合的判断であり、つまり人間の持つ自然数に関
する直観をどこかで本質的に利用しているはずである
(自分の 5 本の指についての直観とか)
。
• その結果「7 + 5 = 12」という算数の命題は、先験的な総
合判断によって真偽が定まるという、大変 な命題だと
いうことになる。
9 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
数学的直観、直観主義、構成主義
このカントの な説明は、後世に大きな波紋を投げかけた。
• フレーゲは、数学的命題は分析的であるべきであるとの
考えから、分析概念を拡張し、全ての算数の命題が(拡
張された意味で)分析的と見做されうるような体系概念
記法を開発した
• ブラウアーは排中律を持たない、人間の数学を行う時の
非言語的な思考をうまく表現する論理体系を「直観主義
論理」と名付けた
• 構成主義者たちは、ある数学的対象に関する命題につい
ての判断が総合的判断であるのは、その数学的対象が人
間の心の中で心的に構成される、そのプロセスに対応し
ていると主張している。
• 加えて直観主義者はそのプロセスには本質的に人間の数
学的直観を利用しているとも主張する。
10 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
証明のデータ型としての命題
11 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
命題の意味とは何か?(意味の理論 1.0)
意味の理論 1.0「命題の意味は命題の指示対象である」
:
「指示」概念は、厳密に考えだすと大変 が多い概念ではある
が、直観的にはわかりやすい概念であり、またその意味論は
単純である(真理関数意味論、クリプキ意味論)
。一方で以下
のような問題点がある。
• その指示対象(真理値など)とは何なのかよく分から
ない、
• 構造が静的であり、証明や推論の動きと言った動的な過
程は表現できない。
12 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
計算における構成の満たすべき条件
(i) 原理的には無限個の数項が、その定義に従って構成可能
でなければならない。
(ii) 一方で、具体的な数項(有限の長さの文字列)を与えら
れたとき、それが本当に数項であるための条件を満たし
ているかどうかを有限ステップでチェックできなければ
ならない。
13 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
構成の例
自然数の帰納的構成
(I) 0 は自然数である
(II) もしも n が自然数であるならば、n の次の数(後者)
(n + 1)も自然数である。
(III) こうやって構成されたものの全体が自然数であり、それ
以外のものは自然数ではない。
ある対象が与えられた時、それが自然数であるかどうかは、そ
の対象の前者、されにその前者、· · · と っていって 0 に到達
すれば自然数、そうでなければ自然数ではないと判定できる。
14 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
構成と解体
帰納的定義は以下のように行われる。
• 最初のステップ(initial step/ base case)
:構成を始める
にあたっての出発点
• 後続ステップ(successor step/ induction step)
:それまで
のステップで構成されたものを処理して、新しいものを
作るステップ
用語の導入
• 「最初のステップ」から始め、
「後続ステップ」を有限回
繰り返す作業を(帰納的)構成(construction)と呼ぶ。
有限ステップで帰納的に構成されたものが「帰納的に構
成された対象」である。
• 構成を逆向きに り、帰納的に構成された対象から、後
続ステップの行われる前の対象を再現することを解体
(deconstruction)と呼ぶ
15 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
構成の形式的定義:構成子
対象レベルにおいて、形式的に自然数をシミュレートする記
号列は、以下の構成子(constructor)を用い構成される。
• 0̄ は L0 の個体記号である(引数 0 の構成子)
• S は L0 の関数記号である(
「後者関数(記号)」と呼ぶ)
(引数 1 の構成子)
N は以下の条件を満たす長さが有限の記号列の集まりである
(x が N のメンバーになることを x : N と表記する)
。
(1) 0̄ : N
(2) もしも x : N であるならば、S(x) : N
帰納的に定義された対象(文字列)の集まり(型/タイプ
type)を帰納的データ型(inductive data type)とも呼ぶ
16 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
解体の例
構成子とは逆に「解体子」として前者関数 pred を用意する。
これは以下を満たす関数である。
pred(0̄) = 0̄
pred(S(n̄)) = n̄
この関数は、原始再帰法により、以下のように原始再帰関数
として定義される。
pred(0̄) = 0̄
pred(S(n̄)) = proj12(n̄, pred(n̄))
解体子は、構成と逆向きの操作(付加された構成子 S を剥ぎ
取る)を行う。
17 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
例:構成と解体
N に新しい項と項を結合する結合子 +̇ を導入する
• 新しい構成子 +̇ : N → N → N
2̄ が N の項であるならば、2̄+̇2̄ は新しい N の項である
• 新しい解体子 eval:N → N
eval(n̄ + 0̄) = n̄
eval(n̄+̇S(k̄)) = S(eval(n̄+̇k̄))
これは、+̇ の入った項の導入と、その除去(値の求め方)の両
方を定義する(eval は原始再帰関数として定義される)
18 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
自然数上の構成と解体のまとめ
• 構成子:0, S  (他に + などエクストラに構成子を付加
できる)
• 解体子:自然数上の(有限ステップで計算が終わる)関数
• 有限ステップで計算が終わってくれないと困る
• 有限ステップで計算が終わってくれる自然数上の関数の
例:原始再帰関数
19 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
有限ステップで計算が終わる事を保証できる関数の例
原始再帰関数 (primitive recursive functions) は以下の関数を帰
納的に組み合わせて定義される
1 ゼロ関数:zeron(x1, · · · , xn) = 0(ただし 0 ≤ n),
2 射影関数:proji,n(x1, · · · , xn) = xi,
3 後者関数:S(x),
4 合成:G が m 変数原始再帰関数(変数を m 個持つ原始再
帰関数)
、H1, · · · , Hm がそれぞれ n 変数原始再帰関数な
らば、それらを組み合わせた以下の F も原始再帰関数で
ある
F(x1, · · · , xn) = G(H1(x1, · · · , xn), · · · , Hm(x1, · · · , xn))
5 原始再帰法:G が n 変数原始再帰関数、H が n + 2 変数
原始再帰関数のとき、以下の F も原始再帰関数になる:
F(x1, · · · , xn, 0) = G(x1, · · · , xn)
F(x1, · · · , xn, S(y)) = H(x1, · · · , xn, y, F(x1, · · · , xn, y))
20 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
自然演繹における証明の帰納的構成
• ゲーデルの不完全性定理などで示されているとおり、証
明は自然数論に埋め込める
• 自然数を使って命題をコーディングすることで、形式的
な自然数論の定理は、自然数で表現できる
• 定理の証明も、自然数でコーディング可能である
• コーディング作業は原始再帰関数によって可能である
• 構成的型理論などにおいては、自然数を経ないで直接、
定理(記号列)を帰納的データ型として定義し、証明を
その記号列上の関数として表現する
• 証明可能な命題(定理)全体は、帰納的に定義される記号
列のデータ型となる
• 構造帰納法により、直接帰納的データ型の上の再帰関数
として、証明を表現することができる
• その証明は、λ 項(再帰関数)として表現される
21 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
自然演繹における証明の帰納的構成
[v : A]
.
.
.
.
B
A → B →+v A A → B
B
(→−)
A B
A ∧ B ∧+ A ∧ B
[A]
.
.
.
.
C
C
(∧−左)
A ∧ B
[B]
.
.
.
.
C
C
(∧−右)
A
A ∨ B ∨+左
B
A ∨ B ∨+右
A ∨ B
[A]
.
.
.
.
C
[B]
.
.
.
.
C
C ∨−
22 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
証明と定理の帰納的構成:論理結合子の導入規則
導入規則しか使わない証明の場合、話は簡単である
• 最初のステップ
任意の命題 A から A を結論できる
A
A
• 後続ステップ
∧ の導入規則は二つの証明から新しい一つの証明を構成
する
.
.
.
.
A
.
.
.
.
B
.
.
.
.
A
.
.
.
.
B
A ∧ B ∧+
∨, → の場合も同様
23 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
定理の解体:除去規則
定理の帰納的構成において、定理からその一部を取り出す
(解体)のが除去規則である
.
.
.
.
A
.
.
.
.
B
A ∧ B ∧+
.
.
.
.
A
.
.
.
.
B
A ∧ B ∧+
A ∧−
証明中に導入された論理結合子を直後に除去する場合以下が
成立する
• A の証明と B の証明から A ∧ B の証明を構成する(左)
。
• そこから A を取り出す。結論部 A ∧ B から、結合子 ∧ が
除去され、A のみになる(右)
。
注意:前提に論理結合子が含まれていて、その分解が必要な
ケースでは、証明を取り出すことにはならず、ここの説明は
当てはまらないが、話を単純化するためにここでは省略する
24 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
反転原理と証明図の書き換え
しかし、そもそも A の ∧ を使わない証明は、もともと A ∧ B
の証明の中に、すでに含まれていた!(反転原理)
.
.
.
.
A
.
.
.
.
B
A ∧ B ∧+
A ∧−
.
.
.
.
A
.
.
.
.
A
.
.
.
.
B
A ∧ B ∧+
• ∧ 除去規則を使った左の証明(結論は A)は、∧ 除去規則
を使わない右の証明(結論は A)をすでに含んでいるし、
カット&ペーストによって書き換えることができる。
• この ∧ 除去規則を含む証明(左)から A の直接的証明
(真ん中)へと書き換える作業は、証明の帰納的構成にお
ける解体子に相当する。
25 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
解体子
• 命題のレベル、定理の構成と解体という視点から見た場
合、以下が相当する
• 論理結合子の導入規則が構成規則
• 論理結合子の除去規則が解体規則
• 証明のレベル、定理の証明の構成と解体という視点から
見た場合
• 論理結合子の導入規則が構成規則
• (反転原理を用いて)除去規則を使う証明を、除去規則を
使わない証明に書き換える操作が解体規則
26 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
依存型によるカリー・ハワード対応の述語論理への拡張
(Π-type, Σ-type)
27 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
Deflationism I
• カリー・ハワード対応は直観主義命題論理についてのも
のであり、直観主義述語論理についての意味論は提供し
ていない。
• ∀xφ(x) と ∃xφ(x) の証明とは、関数とするとどういうも
のか?
• その証明のデータ型を提供できるのか?
28 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
∀ の証明
• ∀xP(x) は、x に何が代入されるかによって証明が変わっ
てくるはず
• 任意の n : D に対し P(n) の証明を与える関数を p(n) と
する。
• このとき ()∀x : D)P(x) の証明は以下のように与えられる
はず
(λx : D). p(x)
(x を代入すると P(x) の証明 p(x) を出力する関数)
• このような関数を与えるデータ型を「Π-type」と呼ぶ。
[∀xP(x)] = Π(x : D)P(x)
= {λx.t(x) : t(x) は P(x) の証明を与える関数 }
• この関数は、x : D の選択に依存して、p(x) の型 P(x) が
変わるので、
「依存型」と呼ばれる。
29 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
依存型の例
[∀xP(x)] = Π(x : D)P(x)
= {λx.t(x) : t(x) は P(x) の証明を与える関数 }
• この関数は、x : D の選択に依存して、p(x) の型 P(x) が
変わるので、
「依存型」と呼ばれる。
• (例)
「n より小さい数」の型
Finn = {y : y < n}
当たり前だが「n より小さい数」という概念は n に依存
して定まる。
30 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
∃ の証明
• ∃xP(x) は、x に何が代入されるかによって証明が変わっ
てくるはず
• ある n : D に対し P(n) が証明されるとし、その証明を与
える関数を p(n) とする。
• このとき ()∀x : D)P(x) の証明は以下のように与えられる
はず
(n, p(n)
(P(x) のエビデンスとなる n と証明 p(n) のペアを出力す
る関数)
• このような関数を与えるデータ型を「Σ-type」と呼ぶ。
[∃xP(x)] = Σ(x : D)P(x)
= {(x, p(x)) : x : D|landp(x) は P(x) の証明を与え
31 / 32
証明論的意味
論としての
マルティン=
レーフの構成
的型理論
矢田部 俊介
命題と判断
図式
証明のデータ
型としての
命題
構成と解体のあるべき
関係
推論における解体と構
成子
依存型による
カリー・ハワー
ド対応の述語
論理への拡張
Reference
Freidman, Sher
32 / 32

More Related Content

What's hot

PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半Ohsawa Goodfellow
 
統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)Kota Mori
 
PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2禎晃 山崎
 
PRML第6章「カーネル法」
PRML第6章「カーネル法」PRML第6章「カーネル法」
PRML第6章「カーネル法」Keisuke Sugawara
 
ブースティング入門
ブースティング入門ブースティング入門
ブースティング入門Retrieva inc.
 
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた. .
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成Prunus 1350
 
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティングPrml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティングtakutori
 
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎Deep Learning JP
 
遺伝的アルゴリズム (Genetic Algorithm)を始めよう!
遺伝的アルゴリズム(Genetic Algorithm)を始めよう!遺伝的アルゴリズム(Genetic Algorithm)を始めよう!
遺伝的アルゴリズム (Genetic Algorithm)を始めよう!Kazuhide Okamura
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)Takashi J OZAKI
 
PRML輪読#4
PRML輪読#4PRML輪読#4
PRML輪読#4matsuolab
 
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布Nagayoshi Yamashita
 
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについてryosuke-kojima
 
あなたの心にBridgeSampling
あなたの心にBridgeSamplingあなたの心にBridgeSampling
あなたの心にBridgeSamplingdaiki hojo
 
[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」
[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」
[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」Shunsuke Yatabe
 
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門スペクトラルグラフ理論入門
スペクトラルグラフ理論入門irrrrr
 

What's hot (20)

PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半PRML上巻勉強会 at 東京大学 資料 第1章後半
PRML上巻勉強会 at 東京大学 資料 第1章後半
 
統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)統計的学習の基礎 5章前半(~5.6)
統計的学習の基礎 5章前半(~5.6)
 
PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2PRML 上 2.3.6 ~ 2.5.2
PRML 上 2.3.6 ~ 2.5.2
 
PRML第6章「カーネル法」
PRML第6章「カーネル法」PRML第6章「カーネル法」
PRML第6章「カーネル法」
 
Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3Prml 1.3~1.6 ver3
Prml 1.3~1.6 ver3
 
ブースティング入門
ブースティング入門ブースティング入門
ブースティング入門
 
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
 
パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成パターン認識と機械学習 §6.2 カーネル関数の構成
パターン認識と機械学習 §6.2 カーネル関数の構成
 
Prml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティングPrml 最尤推定からベイズ曲線フィッティング
Prml 最尤推定からベイズ曲線フィッティング
 
外れ値
外れ値外れ値
外れ値
 
PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講PRML第3章@京大PRML輪講
PRML第3章@京大PRML輪講
 
[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎[DL輪読会]Deep Learning 第5章 機械学習の基礎
[DL輪読会]Deep Learning 第5章 機械学習の基礎
 
遺伝的アルゴリズム (Genetic Algorithm)を始めよう!
遺伝的アルゴリズム(Genetic Algorithm)を始めよう!遺伝的アルゴリズム(Genetic Algorithm)を始めよう!
遺伝的アルゴリズム (Genetic Algorithm)を始めよう!
 
Granger因果による 時系列データの因果推定(因果フェス2015)
Granger因果による時系列データの因果推定(因果フェス2015)Granger因果による時系列データの因果推定(因果フェス2015)
Granger因果による 時系列データの因果推定(因果フェス2015)
 
PRML輪読#4
PRML輪読#4PRML輪読#4
PRML輪読#4
 
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
パターン認識と機械学習(PRML)第2章 確率分布 2.3 ガウス分布
 
深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて深層学習と確率プログラミングを融合したEdwardについて
深層学習と確率プログラミングを融合したEdwardについて
 
あなたの心にBridgeSampling
あなたの心にBridgeSamplingあなたの心にBridgeSampling
あなたの心にBridgeSampling
 
[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」
[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」
[2020CAPE公開セミナー] 論理学上級 I-3「デフレ主義的真理理論」
 
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
 

More from Shunsuke Yatabe

[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」
[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」
[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」Shunsuke Yatabe
 
[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」
[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」
[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」Shunsuke Yatabe
 
[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」
[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」
[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」Shunsuke Yatabe
 
Truth as a logical connective?
Truth as a logical connective?Truth as a logical connective?
Truth as a logical connective?Shunsuke Yatabe
 
A constructive naive set theory and infinity
A constructive naive set theory and infinityA constructive naive set theory and infinity
A constructive naive set theory and infinityShunsuke Yatabe
 
Truth as a logical connective
Truth as a logical connectiveTruth as a logical connective
Truth as a logical connectiveShunsuke Yatabe
 
真理の度合理論は適切か? 〜ファジイ論理と真理理論〜
真理の度合理論は適切か? 〜ファジイ論理と真理理論〜真理の度合理論は適切か? 〜ファジイ論理と真理理論〜
真理の度合理論は適切か? 〜ファジイ論理と真理理論〜Shunsuke Yatabe
 
証明論的意味論の具体例
証明論的意味論の具体例証明論的意味論の具体例
証明論的意味論の具体例Shunsuke Yatabe
 
透明な真理観を巡って
透明な真理観を巡って透明な真理観を巡って
透明な真理観を巡ってShunsuke Yatabe
 
On the meaning of truth degrees
On the meaning of truth degreesOn the meaning of truth degrees
On the meaning of truth degreesShunsuke Yatabe
 

More from Shunsuke Yatabe (12)

[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」
[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」
[2020CAPE公開セミナー] 論理学上級 I-4 「ヤブローのパラドックスと余帰納法」
 
[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」
[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」
[2020CAPE公開セミナー] 論理学上級 I-1 「ウソツキのパラドックス 傾向と対策(総論)」
 
[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」
[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」
[2020CAPE公開セミナー] 論理学上級 I-2「タルスキの真理定義」
 
Truth as a logical connective?
Truth as a logical connective?Truth as a logical connective?
Truth as a logical connective?
 
科哲Ws2010 101127a
科哲Ws2010 101127a科哲Ws2010 101127a
科哲Ws2010 101127a
 
A constructive naive set theory and infinity
A constructive naive set theory and infinityA constructive naive set theory and infinity
A constructive naive set theory and infinity
 
Truth as a logical connective
Truth as a logical connectiveTruth as a logical connective
Truth as a logical connective
 
Outetsu 100424r
Outetsu 100424rOutetsu 100424r
Outetsu 100424r
 
真理の度合理論は適切か? 〜ファジイ論理と真理理論〜
真理の度合理論は適切か? 〜ファジイ論理と真理理論〜真理の度合理論は適切か? 〜ファジイ論理と真理理論〜
真理の度合理論は適切か? 〜ファジイ論理と真理理論〜
 
証明論的意味論の具体例
証明論的意味論の具体例証明論的意味論の具体例
証明論的意味論の具体例
 
透明な真理観を巡って
透明な真理観を巡って透明な真理観を巡って
透明な真理観を巡って
 
On the meaning of truth degrees
On the meaning of truth degreesOn the meaning of truth degrees
On the meaning of truth degrees
 

[2021CAPE公開セミナー] 論理学上級 Ⅱ-3「証明論的意味論としてのマーティン・レーフの構成的型理論」