人工知能のための哲学塾　第三夜「デカルトと機械論」資料（全五夜＋第零夜）

1. 人工知能のための哲学塾 #Act_3 デカルトの機械論三宅陽一郎 @miyayou 2016.2.1 @小田急サザンタワー人工知能のための哲学塾 https://www.facebook.com/groups/1056157734399814/ 第零回資料 (2015.5.28) http://www.slideshare.net/youichiromiyake/ss-48781470 第一回資料（2015.9.30） http://www.slideshare.net/youichiromiyake/ss-53507300 第二回資料（2015.12.3） http://www.slideshare.net/youichiromiyake/ss-55700355 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com

2. 「ゲーム、人工知能、環世界」 • 現代思想１2月号（青土社） • １１月２８日発売 • 「人工知能特集」 http://www.seidosha.co.jp/index.php?9784791713097

3. WIRED A.I. • WIRED A.I.+ Wired City • １２月１日発売 • 「人工知能＋街特集」なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能＋未来都市」 2大特集・特別保存版刊行に寄せてhttp://wired.jp/2015/12/01/vol20-editors-letter-ai/

4. 「IT、都市、ヘルスケア、あらゆる領域で人工知能と人間が共創する未来」 • WIRED 「INNOVATION INSIGTS」 http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai

5. 人間の思考、機械の思考 • 自然言語は、曖昧性が多く、学問で使うには適していない。誰が使っても同じような効果を得る記号を用いるべきだ。 • これは数学で実現した。 • 人間は、自らの思考を、記号操作として表現しようとして来た。 • 一方で、機械に、人間的な思考をさせようとするのが、人工知能である。人間機械記号

6. 人工知能のための哲学塾（予定）第0夜概観第一夜フッサールの現象学第二夜ユクスキュルと環世界第三夜デカルトと機械論第四夜デリダ、差延、感覚第五夜メルロ=ポンティと知覚論

7. 本日のメニュー • 序章前置き－数学、物理学、認識－ • 第一章分析哲学の系譜 • 第二章分析哲学から人工知能へ • 第三章人工知能の拡がりと論理プログラミング • 第四章ゲームキャラクターにおける応用 • 第五章記号論の反対側 – ニューラルネットワーク– • 第六章本能と記号

8. 前置き－数学、物理学、認識－第零章

9. 数列と図形

10. 数列と図形

11. 数列と図形数と図形は対応している。

12. 数列と図形 http://www.ies-math.com/chugaku/study3/pythaj/pythaj.html ピタゴラスの定理 Pythagorean theorem water demo https://www.youtube.com/watch?v=CAkMUdeB06o

13. 数列と図形 http://www.ies-math.com/chugaku/study3/pythaj/pythaj.html ピタゴラスの定理 Pythagorean theorem water demo https://www.youtube.com/watch?v=CAkMUdeB06o どうやって証明しますか？

14. 数列と図形 A B A と B の直線の上には、どちらが多く点が存在するだろうか？無限を数える

15. 数列と図形 A B A と B の直線の上には、どちらが多く点が存在するだろうか？無限を数える

16. 数列と図形 A B 線分Aの一点に対して、必ず線分Bの一点が存在する。線分Bの一点に対して、必ず線分Aの一点が存在する。つまり、線分AとBの上には、同じだけの無限個の点が存在する。無限を数える

17. 数列と図形 A B 線分Aの一点に対して、必ず線分Bの一点が存在する。線分Bの一点に対して、必ず線分Aの一点が存在する。つまり、線分AとBの上には、同じだけの無限個の点が存在する。無限を数える無限を数えるときは注意しよう。

18. ゲオルグ・カントール（独、1845-1918） • 数学者 • 集合論の上に数学を再構築する。

19. 無限自然数＝ 1,2,3…. と無理数＝小数で表すと無限に続く数 1.2454985869856… はどちらも無限個あるけれど、どちらが多く存在するか？（結論）無理数の方がずっとずっと多い無限。無限を数える

20. 無限を数える「カントールの対角線論法」もし、自然数と無理数が同じ個数あるとする。自然数によって番号をつけます。 1 0.320909090539656565….. 2 0.405096059609509605…. 3 0.596959669959605955… 4 0.596059069509605906….. 5 0.550909590596095096….. 6 0.590650960950690596….. … … 無限を数える

21. 無限を数える「カントールの対角線論法」もし、自然数と無理数が同じ個数あるとします。無理数をでたらめに並べて、自然数によって番号をつけます。 1 0.320909090539656565….. 2 0.405096059609509605…. 3 0.596959669959605955… 4 0.596059069509605906….. 5 0.550919590596095096….. 6 0.590650960950690596….. … … そして、こういう数を考えてみます。小数点１桁目が３でない小数点２桁目が０でない小数点３桁目が６でない小数点４桁目が０でない…. …. 小数点n桁目n番目の数の小数点n桁の数字と違う。この数は何番目に含まれますか？無限を数える

22. 無限を数える「カントールの対角線論法」 1 0.320909090539656565….. 2 0.405096059609509605…. 3 0.596959669959605955… 4 0.596059069509605906….. 5 0.550919590596095096….. 6 0.590650960950690596….. … … そして、こういう数を考えてみます。小数点１桁目が３でない小数点２桁目が０でない小数点３桁目が６でない小数点４桁目が０でない…. …. 小数点n桁目n番目の数の小数点n桁の数字と違う。この数は何番目に含まれますか？１番目でない、１桁目が違う２番目でない、２桁目が違う３番目でない、３桁目が違う …. n番目でない、n番目が違う。つまり、どの番号でもない。＝無理数は自然数で番号が付けられない＝無理数は自然数よりずっと多い。無限を数える

23. 無限を数える「カントールの対角線論法」 1 0.320909090539656565….. 2 0.405096059609509605…. 3 0.596959669959605955… 4 0.596059069509605906….. 5 0.550919590596095096….. 6 0.590650960950690596….. … … そして、こういう数を考えてみます。小数点１桁目が３でない小数点２桁目が０でない小数点３桁目が６でない小数点４桁目が０でない…. …. 小数点n桁目n番目の数の小数点n桁の数字と違う。この数は何番目に含まれますか？１番目でない、１桁目が違う２番目でない、２桁目が違う３番目でない、３桁目が違う …. n番目でない、n番目が違う。つまり、どの番号でもない。＝無理数は自然数で番号が付けられない＝無理数は自然数よりずっと多い。無限を数える

24. 無限自然数＝ 1,2,3…. と無理数＝小数で表すと無限に続く数 1.2454985869856… はどちらも無限個あるけれど、どちらが多く存在するか？（結論）無理数の方がずっとずっと多い無限。無限を数える無理数の無限濃度（cardinal）自然数の無限濃度（cardinal）＞＞無限にも種類がある！違う無限。

25. 無限超越数＝代数方程式の解にならない数は無理数よりも、自然数よりも多い。無限を数える無理数の無限濃度（cardinal）自然数の無限濃度（cardinal）＞＞無限にも種類がある！違う無限。超越数の無限濃度（cardinal）＞＞

26. 物理法則とは？アリストレスの運動論＝もし物体が自然に運動するとすれば円を描くはずだ。円こそが完全な図形であるから。＝天にあるものは完全であるから、円を描く＝天動説中世までの自然哲学地上と天上の法則は違う。地上＝人の世界天上＝天の世界

27. 物理法則とは？ガリレオの運動論＝落下する物体は加速される。実は音楽がとても得意。物体を坂に置いて、途中に弦を置いて音が出るようにした。音が等間隔に聞こえるように置くと、スタート地点からの距離が、１，４、９、… と並ぶことになって、重力加速度の法則が導かれる。 L = ½ x g x (Δt) x (Δt) 世界の法則は数式で表現できる、という発見。

28. 物理法則とは？ガリレオの運動論（慣性の法則）＝もし物体が自然に運動するとすれば直線を描くはずだ。中世までの自然哲学地上と天上の法則は違う。地上＝人の世界天上＝天の世界

29. 物理法則とは？ニュートンの宇宙論（万有引力）＝リンゴが落下するのと、月が地球を回るのは同じ。＝物は皆、引き合う（落下する）。 http://www.phys.u-ryukyu.ac.jp/~maeno/cgi-bin/pukiwiki/index.php http://www.zenchu-ja.or.jp/other/AGURI/VILLAGE/village_susuki01.html

30. ニュートン「プリンキピア」（1687年）自然哲学の数学的諸原理「ニュートン力学」を総合幾何学を用いて解説。当時、微積分学はニュートンが作ったばかりだったので、総合幾何学を用いて解説した。人類至上、宇宙を大規模に解き明かした最高の書物。

31. 物理法則とは？ガリレオの運動論（慣性の法則）＝もし物体が自然に運動するとすれば直線を描くはずだ。ニュートンの自然哲学地上と天上の法則は同じ。地上＝人の世界リンゴが落ちる天上＝天の世界月が地球に落ちる

32. 物理法則とは？ガリレオの相対原理＝重力落下の法則は観測者によらない。船のマストの上から物を落とす。船の上からは重力加速度ｇが観測される。

33. 物理法則とは？ガリレオの相対原理＝重力落下の法則は観測者によらない。これを陸地から見ると、ボールは放物線を描くように見える。でも、やはり重力加速度ｇが観測される。重力加速度は、観測者によらない。これをガリレオの相対性原理という。 v

34. 物理法則とは？アインシュタインの相対原理＝光の速度は観測者によらない。マイケルソン＝モーレーの実験。地球は動いているから、地球の運動に関して、赤道方向とそれに垂直な方向に光を飛ばしたら、同じ距離でも違う時間がかかるはず。でも、同じだった！ http://homepage2.nifty.com/AXION/contents/relativity/001.html

35. 物理法則とは？アインシュタインの相対性理論＝光の速度は観測者によらない。光の速度で、光を追いかけたら光は止まって見えるだろうか？そんなことはない。光の速度は、どんな時も一定。変化するのは、時間の方。光源

36. 相対性理論ニュートンの物理法則ガリレイ変換ローレンツ変換特殊相対性理論の物理法則ニュートンの物理法則はガリレイ変換の元で普遍である。特殊相対性理論の物理法則は、ローレンツ変換の元で普遍である。

37. 物理＝変換の元で普遍な理論ニュートン力学ガリレイ変換ローレンツ変換特殊相対性理論ニュートンの物理法則はガリレイ変換の元で普遍。特殊相対性理論は、ローレンツ変換の元で普遍。量子力学理論ユニタリー変換量子力学は、ユニタリー変換の元で普遍。 U 変換の元で普遍、であることは、その物理法則が抽象的な対称性を持っていることを意味している。

38. 問１「認識と数学」我々知能が、物理法則など、この世界を、数学の助けを借りて、深く理解できるのはなぜか？人工知能に物理法則を教えることは可能か？人工知能が世界の法則を理解するとは、どういうことか？

40. 分析哲学の系譜第一章

41. 分析哲学 • 形而上的な、思惟のみによる大理論を避ける。（ある意味、これはアリストテレス的ではなく、デカルト的態度を継承している） • 現象学などとは対照的。一気に、真理へ至ろうとするよりは分析を通して、より思惟や論理を明晰化することで、あらゆる学問をより精緻化して行くことを目標とする。 • ただ、分析哲学は言語哲学や論理学などと重複する部分が多く、分析哲学、という哲学があるわけではない。 • 言語哲学の分析・反省を一つの軸としている。 • 英語圏（特に米）で圧倒的な人気を誇る。（プラグマティズム？）

42. デカルト的世界観 • 「我」の確立＝コギトー・エルゴ・スム • 確立した「我」から、確実な推論に従って世界を認識する。 • ユークリッド幾何学的な数学の形式を、一気に学問全体に拡大する。 • 近代学問の基礎。 • 思惟（心）と延長（物質）。二元論。

43. デカルトの後継者たち＝西洋文明 • 機械的世界観 • 客観的世界観 • 科学そのものの勃興。 • 心理学もまた、機械論的世界観へ。衝突の発生、哲学的反発。

44. 第一夜「フッサールと現象学達」弟子第５回第２回革新デカルト１６世紀フランスの哲学者（欧州近代哲学・近代科学の父）第３回ワイエルシュトラウスブレンターノユクスキュルハイデガーサルトルメルロ＝ポンティ

45. 第二夜「身体と知能の関係」の哲学者・心理学者・生物学者系譜第１回 E. フッサール (1859-1938) ベルクソン (仏、1859-1941) ニコライ・ベルンシュタイン (露、1896-1966) J.J.ギブソン（米、1904-1979）メルロ＝ポンティ (1908-1961) 未だ体系的に語られることの少ない細い糸をたどって行く。ユクスキュル (ドイツ、1864-1944) 第５回

46. 第三夜「思考の算術化」のためにフレーゲ (独、1848-1925) アリストテレス (希、384-322) ラッセル (英、1872-1970) ジョージ・ブール (英、1815-1864) ヴィトゲンシュタイン (墺、1889-1951) クルト・ゲーデル (墺、米、1906-1978)チューリング (英、1912-1954) ライプニッツ (独、1646-1716) ユークリッド (埃、384-322) デカルト (仏、1596-1650)

47. 幾何学、代数学、哲学、全学問 • ユークリッド「原論」（幾何学、紀元前３世紀） • ５つの公準（公理）から、定理が推論によって演繹される。 • １６～１８世紀の哲学者たちの一部にとって、これが学問の理想だった。 • 学問が宗教的、迷信的、議論的で、学問として独立できていなかった。 https://ja.wikipedia.org/wiki/ユークリッド原論ユークリッド (エジプト、アレクサンドリア、 384-322)

48. アリストレス（B.C.383-322） • 人類史上、最大の哲学者 • オルガノン（論理学に関する一連の著作） • 形而上学（キリスト教に強い影響） • この後、２０００年に渡って規範となる（なってしまう） • 膨大な著作（弟子たちがまとめる）

49. 近代へ科学の起源と哲学の起源ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) アルキメデス (希、384-322) アリストテレス (希、384-322) 巨大な形而上哲学の流れ（思惟によってたどりつく）科学・数学の流れ

50. 近代へ科学の起源と哲学の起源ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) アルキメデス (希、384-322) アリストテレス (希、384-322) 巨大な形而上哲学の流れ（思惟によってたどりつく）科学・数学の流れライプニッツ (独、1646-1716) デカルト (独、1596-1650)

51. 哲学、自然哲学、自然科学哲学自然哲学自然科学

53. 哲学、自然哲学、自然科学哲学自然哲学自然科学

54. 哲学、自然哲学、自然科学哲学世界は時計仕掛け（仕組みで全部追える）自然科学ものすごく大雑把に言うと、近代以降（１８世紀～）、現代の世界観はこんな感じ。

55. 哲学、自然哲学、自然科学哲学自然哲学自然科学でも、近代以前は、そうではなかった。。。

56. 哲学、自然哲学、自然科学哲学自然哲学自然科学世界をどのように考えるか？要素は何か？方法は？実験をすべきか、しないべきか。世界は機械的か、目に見えない生気でできているか？世界と神の関係は？

57. 哲学、自然哲学、自然科学哲学自然哲学自然科学当時の、学究者の野望（？）は、全学問を統一的に捉えること。

58. 分析哲学の系譜フレーゲ (独1848-1925) ラッセル (英1872-1970) ブール (英1815-1864) ヴィトゲンシュタイン (墺、1889-1951) ゲーデル (墺1906-1978) ライプニッツ (独1646-1716) デカルト (仏1596-1650)

59. デカルト（1596-1650） • 近代学問の父とみなされる • 書物を読むのをやめ、自分自身で納得の行く哲学を構築する。 • 「方法序説」「精神指導の規則」「哲学原理」 • 数学では解析幾何学（座標幾何学） • 小屋に閉じこもり、３つの着想を得る。 • 軍隊に入りながら各地を放浪 • 家庭教師など

60. デカルトの動機「混乱する学問を確かな基礎の上に体系化する」 • 当時（１６世紀）における学問は、さまざまな議論や、宗教が混在しており、学問全体が体系化されていなかった。 • 学問全体をユークリッド幾何学のように整然と体系化できないのか。 • そのためには、あらゆる学問の出発点がなければならない。 • そして、それは誰にとっても確からしいものでなければならない。そこから論理的明証性によって学問全体を再構築するのだ。

61. デカルト世界我デカルト：学問をきちんと確実なものから基礎づけたい。コギトー http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

62. デカルト世界我デカルト：学問をきちんと確実なものから基礎づけたい。＝もっとも確実なものから出発して論理を組み上げて行く。コギトー http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

63. デカルト世界我もっとも確実なものってなに？コギトー http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

64. デカルト世界我全部嘘かもしれない。幻影かもしれない。思い込みかもしれない。しかし、世界の存在を疑う自分だけは存在する。コギトー http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

65. デカルト世界我我、思う（疑う、思惟する）、ゆえに我あり(存在する)。 Cogito Ergo Sum (「デカルトのコギト」と略されます) コギトー http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

66. デカルト世界我近代科学、近代合理主義。近代の出発点を与えた（デカルトの後の人がそう基礎づけた）。コギトー http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

67. 世界疑い得ない、論理の明証によって築かれる世界デカルト我近代科学、近代合理主義。近代の出発点を与えた（デカルトの後の人がそう基礎づけた）。論理的明証性 http://www.iwanami.co.jp/cgi-bin/isearch?isbn=ISBN4-00-336131-8

68. デカルト「機械論」 • デカルトは世界は機械的にとは言わなかった。 • デカルト派の本流が、結果的に、そのような世界観を強固なものにして行った。

70. ライプニッツ（1646-1716） • 万能の天才 • ハノーファー候（ドイツ）に仕える外交官・文官 • 欧州全体に広い人脈（ロシア皇帝からバチカンまで） • ベルリンアカデミー設立 • 法律、数学（『微積分』の発見、二進法に関する論文）、哲学（『モナド論』）に大きな足跡を残す • デカルト批判

71. ライプニッツ「モナドロジー」 (原著：1714, 翻訳:2005,清水富雄、竹田篤司、飯塚勝久) • さて、部分のないところには、ひろがりも形もあるはずがない。分割することもできない。モナドは、自然における真のアトムである。一言で言えば真のアトムである。 (P.3) • 「一」すなわち単一な実体において、（瞬間ごとに）多をはらみ、多を表現している状態、その流れがいわゆる表象である。 (P.6) • デカルト哲学の末流が、この点で大きなあやまりをおかしたのも、意識にのぼらない表象は無とみなしたからである。（P.7） • そのあげく、魂と体がまったく切りはなされているとする、 • スコラ学者の偏見に（さかさまに）落ち込んだばかりではなく(p.7)

72. ライプニッツ「普遍学」 • ホッブズが，われわれの心mensの働きはすべて計算computatioであると述べているがそれは正しい〉 (Leibniz，Gerh.4,p.64) (Web辞典から) • 「もし何らかの厳密な言語か、あるいは少なくとも、真に哲学的な表記法が与えられたなら、所与から理性によって獲得しうるすべてのものは、何らかの計算法により、ちょうど算術や幾何学の問題が解かれるのと同じように、見出すことができるであろう。」（ライプニッツ、普遍学すなわち哲学的算法について）（フレーゲ著作集１、勁草書房勁、P.138）

73. Element Characteristics universalis Leibniz （普遍的記号法の原理） http://www.iep.utm.edu/leib-log/ しかし、途中で終わる。（ライプニッツはすぐにできると思っていたが、実は人類史上の、とても大仕事だった。）

74. 問２「普遍記号学と人工知能」自然言語は不完全な言語であるにもかかわらず、人間はなぜ、研究でも仕事でも使い続けるか？人間がすべてを記号で表現すれば、人工知能も理解できるか？

75. 哲学論理学数学、論理学、哲学（＝学問）数学

76. 数学数学＝？数学

77. 数学の歴史代数学幾何学ディオファントス「算術」方程式（当時はそう呼んでいなかったが）ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) x2 - n y2 = 1 などの解を求める

79. 数学の歴史代数学幾何学解析幾何学純粋幾何学

80. 数学の歴史代数学幾何学解析幾何学純粋幾何学 x2 - n y2 = 1 などの方程式によって図形・曲線を表す。記号操作によって、誰でも一定の手順で証明が可能。補助線など「閃き」によって証明する。

81. デカルトからライプニッツへ幾何学を代数的様式で表す（）。記号操作によって幾何学を行うことが可能。つまり数学を記号操作に還元することができる。デカルトは数学的量を記号で置き換えた（代数）。しかし、人間の思考一般を記号操作で表せるのではないか？（普遍記号学）ライプニッツ (独、1646-1716) デカルト (独、1596-1650)

82. デカルトからライプニッツへ幾何学を代数的様式で表す（）。記号操作によって幾何学を行うことが可能。つまり数学を記号操作に還元することができる。デカルトは数学的量を記号で置き換えた（代数）。しかし、人間の思考一般を記号操作で表せるのではないか？（普遍記号学）ライプニッツ (独、1646-1716) デカルト (独、1596-1650) しかし、対立は数学だけではなくて、より深い思想的立場が違う。

83. デカルトからライプニッツへつまり数学を記号操作に還元することができる。人間の思考一般を記号操作で表せるのではないか？（普遍記号学）ライプニッツ (独、1646-1716) デカルト (独、1596-1650) しかし、対立は数学だけではなくて、より深い思想的立場が違う。我、思うゆえに我あり。疑い得ないものから出発して、明晰な論理によって認識を広げて行くこと。論理学まで含めて、全学問を普遍記号の原理の元に演繹する。

84. デカルト哲学論理学数学確実な推論によって記号の操作によって

85. デカルト「近代学問の父」「近代合理主義」哲学論理学全学問確実な推論によって合理的推論によって

86. デカルトの著作 1618年『音楽提要』Compendium Musicae 公刊はデカルトの死後（1650年）である。 1628年『精神指導の規則』Regulae ad directionem ingenii 未完の著作。デカルトの死後（1651年）公刊される。 1633年『世界論』Le Monde ガリレオと同じく地動説を事実上認める内容を含んでいたため、実際には公刊取り止めとなる。デカルトの死後（1664年）公刊される。 1637年『みずからの理性を正しく導き、もろもろの学問において真理を探究するための方法についての序説およびこの方法の試論（屈折光学・気象学・幾何学）』Discours de la méthode pour bien conduire sa raison, et chercher la verité dans les sciences(La Dioptrique,Les Météores,La Géométrie) 試論（屈折光学・気象学・幾何学）を除いて序説単体で読まれるときは、『方法序説』 Discours de la méthode と略す。 1641年『省察』Meditationes de prima philosophia 1644年『哲学の原理』Principia philosophiae 1648年『人間論』Traité de l'homme 公刊はデカルトの死後（1664年）である。 1649年『情念論』Les passions de l'ame https://ja.wikipedia.org/wiki/ルネ・デカルト

87. ライプニッツ「普遍記号学」哲学論理学数学記号の操作によって人間の思考全体を記号操作によって、表されるはずだ。

88. ライプニッツ「モナドロジー」 (原著：1714, 翻訳:2005,清水富雄、竹田篤司、飯塚勝久) • 表象も、表象に依存して動くものも、メカニックな理由、つまり形や運動を持ち出しては、説明がつかないということである。ものを考えたり、感じたり、知覚したりできる(p.8)

90. フレーゲ（1848-1925） • 分析哲学の祖 • 人間の思考の形式化 • ゲッティンゲン大学で博士号 • イエーナ大学で殆どの時期を過ごす • 数学と哲学の間で独自の学問を打ち立てる • 現代数学の記号、一階述語論理はフレーゲに寄る。

91. フレーゲ「普遍記号学」哲学論理学数学論理学の体系を再構築する。

92. 近代へ科学の起源と哲学の起源ユークリッド (埃、アレクサンドリア、 323-283 ぐらい) アルキメデス (希、384-322) アリストテレス (希、384-322) オルガノン（アリストテレス論理学）科学・数学の流れライプニッツ (独、1646-1716) デカルト (独、1596-1650) フレーゲ (独、1848-1925) 論理学の革新人間の思考の記号化

93. 述語論理命題一階述語論理二階述語論理～は～である。（例）メアリは女優である。女優は女性である。メアリは女性である。すべての～はーである。 {∀ t | P(t) } （例）すべての人間は生まれた。～というーが存在する。 {∃t | P(t) } （例）体の白いライオンが存在する。全称量化記号 (universal quantifier) ∀ と存在量化記号 (existential quantifier) ∃ 命題と変数 P (t) 命題と変数と集合 P (t)、集合S ～という集合が存在するすべての集合について～である。（例）任意のxについて、それは集合に属するか、属さないかである。 ∀S ∀x (x ∈ S ∨ x ∉ S) 三段論法

94. フレーゲ「概念計算」 • ライプニッツもまた適切な表記法のもつ利点を認識していたし、恐らく、それを過大評価していたのだ。普遍記号学、すなわち、哲学計算（calculus philosophicus）、あるいは計算者（ratiocinator）という彼のアイデアは、あまりにも巨大だったので、それを具体化しようとする試みは単なる準備段階を出ることはなかった。（フレーゲ著作集１、勁草書房勁、P.4-5）

95. フレーゲ「概念計算」 • われわれは、現存する幾つかの式言語に見られる隙間を埋め、これまでばらばらであったそれらの分野をただ一つの領域へと結合し、更に、これまでそのような式言語を欠いていた領域へとそれを拡張することができるのである。（フレーゲ著作集１、勁草書房勁、P.4-5）

96. フレーゲ「普遍学」「概念記法 – 算術の式言語を模造した純粋思考のための一つの式言語-」

97. フレーゲの記号系 http://plato.stanford.edu/entries/frege-theorem/notes.html

98. http://slideplayer.org/slide/667932/ フレーゲの記号系 https://www.math.uwaterloo.ca/~snburris/htd ocs/scav/frege/frege.html

99. 問３「論理思考と人間と人工知能」人間の思考活動を、記号的な論理法則ですべて表現することは可能か？もし可能なら、それを人工知能に移せば、人間の思考となるか？

101. ブール代数 • 冪等則：x ∧ x = x ∨ x = x 、 • 交換則：x ∧ y = y ∧ x 、x ∨ y = y ∨ x 、 • 結合則：(x ∧ y)∧ z = x ∧(y ∧ z) 、(x ∨ y)∨ z = x ∨(y ∨ z) 、 • 吸収則：(x ∧ y)∨ x =x 、(x ∨ y)∧ x = x 、 • 分配則：(x ∨ y)∧ z = (x ∧ z)∨(y ∧ z) • (x ∧ y)∨ z = (x ∨ z)∧(y ∨ z) • さらにL の特別な元 0 ，1 と単項演算 ¬ について、以下が成り立つとき＜L; ∨, ∧, ¬＞を可補分配束（ブール束）と呼ぶ。 • 補元則： x ∨ ¬x = 1， x ∧ ¬ x = 0。

102. 論理主義 • 数学は論理学の一部である。 • フレーゲは公理系からそれを実証しようとする。（算術の基礎） • しかし、公理の一つ（５つめの公理）がパラドックスを含むことがわかる。 • フレーゲはそのパラドックスを回避しようとする。論争。 • 現代ではフレーゲの公理系を修正できるという評価。

104. 論理主義 • しかし、数学は論理学の一部ではない。 • 実数（連続量）を定義できるか？ • 論理から数を定義しようとする（カントール、デーデキントなど）。 • しかし、数学の体系の中には、肯定も否定もできないような命題が存在する。 • これを「ゲーデルの不完全性定理」という。 • 論文「『プリンキピア・マテマティカ』とそれに関連する体系における形式的に決定不可能な命題についてＩ」（ゲーデル、1931年）

105. （例）連続体仮説 • 加算無限濃度（自然数）と、連続体無限濃度（実数）の間には、他の濃度は存在しない。（ゲオルグ・カントール）この命題は実は否定も肯定もできない。逆に言うと、この命題を付け加えても、付け加えなくても、数学はそのまま成立する。（選択公理） https://ja.wikipedia.org/wiki/%E9%80%A3%E7%B6%9A%E4%BD%93%E4%BB%AE%E8%AA%AC アレフゼロ

107. バートランド・ラッセル(英、1872-1970) • 英の数学者・哲学者・文学者 • ノーベル文学賞を受賞 • ケンブリッジ大学で教える。 • ヴィトゲンシュタインを見出す。 • 政治的運動も展開。 • 数々の著作。 • 論理学者としてラッセルのパラドックス

108. ラッセルのパラドックス • 「市長は自分が市長をする市以外に住まなくてはならない。市長を集めた「不在市長市」に、すべての市長が住まなくてはならない。「不在市長市」の市長は、どこに住めば良いか？」 • 不在市長市には不在市長市の市長は住めない。 • しかし、他の市に染めば、不在市長市以外に市長が住んでいることになる。どうしてもパラドックスが起こる。 • 自己言明に対するパラドクス。 • フレーゲによる修正＝長い間議論になる。 • ラッセルによる修正＝型階層理論（集合にはクラスがある）

109. 述語論理命題一階述語論理二階述語論理～は～である。（例）メアリは女優である。すべての～はーである。 {∀ t | P(t) } （例）すべての人間は生まれた。～というーが存在する。 {∃t | P(t) } （例）体の白いラインが存在する。全称量化記号 (universal quantifier) ∀ と存在量化記号 (existential quantifier) ∃ 命題と変数 P (t) 命題と変数と集合 P (t)、集合S ～という集合が存在するすべての集合について～である。（例）任意のxについて、それは集合に属するか、属さないかである。 ∀S ∀x (x ∈ S ∨ x ∉ S)

110. 述語論理命題一階述語論理二階述語論理～は～である。（例）メアリは女優である。すべての～はーである。 {∀ t | P(t) } （例）すべての人間は生まれた。～というーが存在する。 {∃t | P(t) } （例）体の白いラインが存在する。全称量化記号 (universal quantifier) ∀ と存在量化記号 (existential quantifier) ∃ 命題と変数 P (t) 命題と変数と集合 P (t)、集合S ～という集合が存在するすべての集合について～である。（例）任意のxについて、それは集合に属するか、属さないかである。 ∀S ∀x (x ∈ S ∨ x ∉ S) 現代数学

111. 極限の概念「ε-δ論法」 • 「任意のεを取った時、|f(x)-b|がε以下になるような |x-a|<δ となるδが存在する。」 b a

112. ラッセル/ホワイトヘッド数学原理（Principia Mathematica） • 数学が論理学で記述できることを示す。 • ラッセルのパラッドクスを回避するラッセル自身の「型理論」 (type theory)が盛り込まれる。 https://archive.org/details/PrincipiaMathematicaVolumeI

114. ヴィトゲンシュタイン（1889-1951） • オーストリアの哲学者 • 工学からその基礎に疑問を持ち、 • 数学、さらに哲学へ。 • イギリスのケンブリッジのラッセルのもとで哲学を研究する。 • フレーゲと交流。 • 孤高の哲学者。 • ２０代で「論理哲学論考」を著して、小学校教師に。その後、再び、大学で研究する。「哲学論考」 • 講義を受けた聴講者が講義録をまとめる。

115. ヴィトゲンシュタイン「論理哲学論考」 • 哲学の目的は思考の論理的明晰化である。 • 哲学は学説ではなく、活動である。 • 哲学の仕事の本質は解明することにある。 • 哲学の成果は、命題ではない。命題の明晰化である。 • 思考はそのままではぼやけている。哲学はそれを明晰にし、限界をはっきりさせねばならない。（ヴィトゲンシュタイン「論理哲学論考」岩波文庫、P.51）

116. ヒルベルト「数理論理学」 • 20世紀最大の数学者 • 「マテマティカ・プリンキピア」の成果を数学的に細分化し、数学基礎論として位置付けた。 • ヒルベルト/アッカーマン「数理論理学」（1927年、オリジナルはゲッティンゲン大学における講義 1917-1918） • 決定問題を提起

117. アラン・チューリング（1912-1954） • ヒルベルトの関数計算の記法を体系的かつ有限個の記号だけを使うように変更すれば、その計算体系で証明可能なすべての論理式を見つけることができるような自動機械Ｈを構成できる。（チューリングに論文より引用）（チャールズ・ベゾナルド「チューリングを読む」P.344）

118. 本日のメニュー • 序章前置き－数学、物理学、認識－ • 第一章分析哲学の系譜 • 第二章分析哲学から人工知能へ • 第三章人工知能の拡がりと論理プログラミング • 第四章ゲームキャラクターにおける応用 • 第五章記号論の反対側 – ニューラルネットワーク– • 第六章本能と知能

119. 分析哲学から人工知能へ第二章

120. ダートマス会議（1956年） • ジョン・マッカーシーのいたダートマス大学で、人工知能をテーマとして初めて開催された会議。 • Artificial Intelligence という名称もはじめてここで用いられた。 http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

121. ダートマス会議（1956年） http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

122. ダートマス会議（1956年）我々は、1956年の夏の2ヶ月間、10人の人工知能研究者がニューハンプシャー州ハノーバーのダートマス大学に集まることを提案する。そこで、学習のあらゆる観点や知能の他の機能を正確に説明することで機械がそれらをシミュレートできるようにするための基本的研究を進める。機械が言語を使うことができるようにする方法の探究、機械上での抽象化と概念の形成、今は人間にしか解けない問題を機械で解くこと、機械が自分自身を改善する方法などの探究の試みがなされるだろう。我々は、注意深く選ばれた科学者のグループがひと夏集まれば、それらの問題のうちいくつかで大きな進展が得られると考えている。 https://ja.wikipedia.org/wiki/%E3%83%80%E3%83%BC%E3%83%88%E3%83% 9E%E3%82%B9%E4%BC%9A%E8%AD%B0

123. Logic Theorist (1956年) • 世界初の人工知能プログラム • ダートマス会議においてデモンストレーション • アレン・ニューエルとハーバート・サイモン（後にノーベル経済学賞） • 「プリンキピア・マテマティカ」の定理を、プログラム上で、組み合わせにより証明。 • 「プリンキピア・マテマティカ」は定理を組み合わせて証明して行くので、適している。 https://www.ai-gakkai.or.jp/whatsai/AItopics5.htm

124. Logic Theorist http://www.slideshare.net/umeshmeher/artificial-intelligence-34661808

125. Logic Theorist http://www.slideshare.net/umeshmeher/artificial-intelligence-34661808

126. ジョン・マッカーシー「適切な形式言語（おそらく述語計算の一部）を処理するプログラムは共通の手段となる。基本プログラムは前提から直ちに結論を導き出す。その結論は宣言的かもしれないし命令的かもしれない。命令的な結論が導かれるなら、そのプログラムはその結論に対応した動作をする」（1958年） • 「ALGOL」「LISP」「Prolog」によって数理論理学の人工知能への応用を牽引した。

127. 論理プログラミング人間の思考の記号化の夢人間の思考の記号化の研究人工知能における論理思考＝述語論理プログラミング分析哲学・言語哲学 LISP / PROLOG 数理論理学の成果をプログラミングに導入する。

128. 論理プログラミング人間の思考の記号化の夢人間の思考の記号化の研究分析哲学・言語哲学 LISP / PROLOG 数理論理学の成果をプログラミングに導入する。計算理論

129. 論理プログラミング人間の思考の記号化の夢人間の思考の記号化の研究分析哲学・言語哲学 LISP / PROLOG 数理論理学の成果をプログラミングに導入する。計算理論哲学論理学数学プログラミング人工知能

131. 人工知能の拡がりと論理プログラミング第三章

132. 人工知能の拡大 LISP / PROLOG 数理論理学的な人工知能＝考える存在としての人工知能の拡がり

133. 人工知能の拡大 LISP / PROLOG それ以外の人工知能の拡がり - ニューラルネット - 知識表現 - 学習 - ベーアンネット - 強化学習

134. 人工知能の拡大 LISP / PROLOG それ以外の人工知能の拡がり - ニューラルネット - 知識表現 - プランニング

135. 人工知能の拡大 LISP / PROLOG それ以外の人工知能の拡がり - 強化学習 - エージェント - ディープラーニング

136. 人工知能の拡大 LISP / PROLOG 「人工知能＝考える」だけではない。（第二回「フッサールの現象学」参照）

137. 人工知能の拡大 LISP / PROLOG 「人工知能＝考える存在」という枠組みは、すでに超えられている。考えるだけでなく、さまざまな知的機能、知的経験、知的原理を取り入れているのが、現在の人工知能。しかし、それを中心で支えている、伝統的な屋台骨として、「論理的な人工知能」も進化している。

138. 問４「論理プログラミング」人工知能の発展が、論理プログラミングだけで閉じなかったのはなぜか？現実を生き抜くために、人工知能には論理思考以外に、どのような能力が必要なのか？

139. もう一つの問題「記号接地問題」 Symbol Grounding Problem 環境世界論理的思考（記号的思考）記号的表現環境世界、あるいは、内面世界を、つまり論理的思考の対象を、記号でうまく表現できるか？一つの対象ではなく、全体のシステムを記号化する。

140. http://cc-library.net/010000310_free-photo Joe St.Pierre // Joestpierrephoto.com もう一つの問題「記号接地問題」 Symbol Grounding Problem 環境世界

141. http://cc-library.net/010000310_free-photo Joe St.Pierre // Joestpierrephoto.com もう一つの問題「記号接地問題」 Symbol Grounding Problem 窓盆栽キーボード壁衣ディスプレイ机椅子さらにそれぞれの関係性 (例) キーボード On テーブルディスプレイ In front of キーボード環境世界

142. もう一つの問題「記号接地問題」 Symbol Grounding Problem 環境世界論理的思考（記号的思考）記号的表現人工知能が、自ら記号系を見出すことはない。（今のところ）人間が作り出した記号系の中で思考する。しかも、その記号系は、世界の捉え方に依存する。また物ではなく、事、状況に対しても、シンボルに落とし込む必要がある。抽象化＝記号化

144. ゲームキャラクターにおける応用第四章

145. 身体性とインテリジェンス Gray’s anatomy 脳の中心の部位は身体とつながっている。生理機能を司っている。それを囲うように、辺縁体、大脳がある。 http://square.umin.ac.jp/neuroinf/brain/005.html http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841

146. 意識/無意識の知性身体の制御につながる感覚を統合する知性全体人の意識的な部分意識自身には機能がない環境身体意識無意識意識的な知性無意識的な知性表象意識に浮かび上がるイメージ

147. 人間の精神意識前意識無意識知能

148. 人間の精神意識前意識無意識外部からの情報解釈顕在化知能

149. 人間の精神意識前意識無意識言語による精神の構造化知能

150. 人間の精神意識前意識無意識言語による精神の構造化外部からの情報知能

151. 人間の精神意識前意識無意識外部からの情報ここで働く論理とは？ ※生態＝環境・身体との結びつきを考える形式論理身体のロジックとは？

152. 人間の精神意識前意識無意識外部からの情報人の意識が為しえる知能人の無意識に為しえる知能

153. 人間の精神意識前意識無意識外部からの情報人工知能の研究はこの部分に集中しているこの部分を作るのが難しい。

154. 人間の精神意識前意識無意識外部からの情報生態学的人工知能 ※生態＝環境・身体との結びつきを考える伝統的な人工知能身体知

155. 人間の精神意識前意識無意識知能言語による精神の構造化外部からの情報言語化のプロセスシニフィアン/シニフィエ言語回路（＝解釈）

156. 人間の精神意識前意識無意識知能言語による精神の構造化外部からの情報言語化のプロセスシニフィアン/シニフィエ言語回路（＝解釈）

157. 環境人工知能とは？身体人工知能＝人工的な存在（＝身体）を環境の中で活動させる入力（センサー）行動（アウトプット）知能

158. エージェント・アーキテクチャ

159. 知能の世界環境世界認識の形成記憶センサー・身体記憶体情報処理過程情報統合

160. 知能の世界環境世界認識の形成記憶意思の決定センサー・身体意思決定モジュール意思決定モジュール意思決定モジュール記憶体情報処理過程情報統合

161. 知能の世界環境世界認識の形成記憶意思の決定身体制御エフェクター・身体運動の構成センサー・身体意思決定モジュール意思決定モジュール意思決定モジュール記憶体情報処理過程運動創出過程身体部分情報統合運動統合

162. 知能の世界環境世界認識の形成記憶意思の決定身体制御エフェクター・身体運動の構成センサー・身体意思決定モジュール意思決定モジュール意思決定モジュール対象・現象情報の流れ（インフォメーション・フロー）影響を与える影響を受ける

163. INPUT OUTPUT 時間情報抽象度遅延反応系

164. 遅延反応系 INPUT OUTPUT 時間情報抽象度反射的に行動少し場合ごとに対応抽象的に思考理論的に考える言語化のプロセス反応を遅延させるところに、知性の生じるチャンスがある。

165. サブサンプション・アーキテクチャ（ロドニー・ブルックス） INPUT OUTPUT 時間情報抽象度反射的に行動少し場合ごとに対応抽象的に思考理論的に考える言語化のプロセス = 自意識の構築化 Subsumpution Architecture 運動の実現のプロセス = 身体運動の生成

166. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向

167. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向論理的思考

168. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向論理的思考生態的反射（＝環世界）

169. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向論理的思考生態的反射（＝環世界）

170. 身体性とインテリジェンス Gray’s anatomy 脳の中心の部位は身体とつながっている。生理機能を司っている。それを囲うように、辺縁体、大脳がある。 http://square.umin.ac.jp/neuroinf/brain/005.html http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841

171. 知能の進化入力、反射から、より深い入力、反射へ。生態的反射から、論理的思考へ論理的思考脳の原始的な部分（辺縁系） INPUT OUTPUT

172. 知能の進化論理的思考脳の原始的な部分（辺縁系） INPUT OUTPUT 脳は単なる反射システムではない。反射を待たず、自ら、外に向かって、認識と行動を作る主体性（志向性）を持つ。それは内から外へ向かう波（認識・行動生成）と、外から内に向かう波（感覚・行動）がある。そうであるから、認識と行動は常に同時である。認識を作ることは行動を作ることであり、行動を作ることは同時に認識を作ることである。

173. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向

174. 知能物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向無意識の反射レベル意志決定脳の原始的な部分の反射レベル身体の反射レベル

175. 問５「論理と本能」人間は高度な論理思考を持ちながら、本能的欲求も持っている。この二つは普段、どのように競合しているか？その競合を人工知能に与えることは、いかにして可能か？

176. 意識モデル

177. MC = Machine Consiouness • マシンの持つ意識（MC）についてはゲーム分野ではあまり研究されてこなかった。 • 最近は、MCの研究が盛り上がりつつある。 • ゲーム分野のAIについてもMCを考えたい。 • ここでは、あまり哲学的な議論に立ち入らないために、意識⇒注意と置き換えて考えます。

178. ２つの意識の種類 P - Consciousness (Phenomenal consciousness) 現象的意識（主観的体験、クオリア） A - Consciousness ( Access consciousness) 精神活動に対する意識（Ned Block, 1942）

179. ２つの意識の種類 P - Consciousness (Phenomenal consciousness) 現象的意識（主観的体験、クオリア） A - Consciousness ( Access consciousness) 精神活動に対する意識（Ned Block, 1942）

180. A-Consciousness に関する３つのアイデア (1) 黒板モデル =ブラックボード・アーキテクチャ (Blackboard Architecture) (2) GWT = Global Workspace Theory (Baar, 1988) (3) MDM = Multiple Draft Model (Dennett, 1991)

181. (1) ブラックボード・アーキテクチャ(Blackboard Architecture) Blackboard KS KS KS KS KS KS Arbiter Motivations Emotions Attention Etc. 特徴： - 中央の黒板に情報が蓄積される（されて行く）。 - モジュールはKS(=Knowledge Source)と呼ばれ、特定の専門的な知識や技術に基づいた操作を黒板の情報に対して行う。 - Arbiter(=調停者)がKSをどのように（順序、タイミングなど）動作させるかを行う。 Bruce Blumberg , Damian Isla, "Blackboard Architectures", AI Game Programming Wisdom (Charles River Media) , 2002

182. (2) Baar’s Global Workspace Theory (GWT) フォーカスしている対象の情報 Working Space Processor

183. GWT (Global Workspace Theory) フォーカスしている対象の情報劇場と観衆のモデル。スポットライトがあたっている部分（注意＝フォーカスが向いている対象）に観衆（プロセッサー）が注意して処理を行う。 Working Space Processor

184. (3) Dennett’s Multiple Draft Model 意識無意識協調 http://www.conscious-robots.com/en/conscious-machines/theories-of-consciousness/multiple-draft.html 仮想マシン

185. Dennett’s Multiple Draft Model 意識無意識協調 http://www.conscious-robots.com/en/conscious-machines/theories-of-consciousness/multiple-draft.html 仮想マシン新聞社の編集モデル。新聞社にはたくさんの新しい情報が来て、何度も記事が書きなおされる。最終版だけがリリースされる。編集者＝協調するプロセッサー、新聞＝意識の登る情報。

186. A-Consciousness に関する３つのアイデア (1) 黒板モデル =ブラックボード・アーキテクチャ (Blackboard Architecture) (2) GWT = Global Workspace Theory (Baar, 1988) (3) MDM = Multiple Draft Model (Dennett, 1991) ３つのアイデアをかけあわせる Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf

187. 意識を生成する仕組み CERA = レイヤー構造 CRANIUMU = プロセッサー群

188. Global Workspace Theory (GWT) 注意の焦点 Focus of Attention （スポットライト）舞台裏の人々＝ディレクター、シーンデザイナー、など。コンテキストの生成とコントロール(舞台裏) ワーキングメモリ（Scene,Stage）専門プロセッサー (観客) ブロードキャストテンポラリーな連携 Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf

189. Baar’s Global Workspace Theory (GWT) 注意の焦点 Focus of Attention （スポットライト）舞台裏の人々＝ディレクター、シーンデザイナー、など。コンテキストの生成とコントロール(舞台裏) ワーキングメモリ（Scene,Stage）専門プロセッサー (観客) ブロードキャストテンポラリーな連携意識の構造を舞台に見立てています。ステージ（＝ワーキングメモリ）上にスポットライト（＝注意、アテンション）が注ぐところに、注意の焦点があります。 Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf

190. Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf Baar’s Global Workspace Theory (GWT) 注意の焦点 Focus of Attention （スポットライト）舞台裏の人々＝ディレクター、シーンデザイナー、など。コンテキストの生成とコントロール(舞台裏) ワーキングメモリ（Scene,Stage）専門プロセッサー (観客) ブロードキャストブロードキャストテンポラリーな連携その輝いている領域が、観客（＝プロセッサー）と舞台裏のこのお芝居を支えている人々に向けて見られる（＝ブロードキャスト）ことになり、観客から拍手なりアドバイスなりが返されることで舞台上の演技が変化して行きます。いろいろな意見や反響が返されることで舞台上の演技がまた変化していく。

191. Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf Baar’s Global Workspace Theory (GWT) 注意の焦点 Focus of Attention （スポットライト）舞台裏の人々＝ディレクター、シーンデザイナー、など。コンテキストの生成とコントロール(舞台裏) ワーキングメモリ（Scene,Stage）専門プロセッサー (観客) ブロードキャストブロードキャストテンポラリーな連携観客（＝プロセッサー）は必要の応じて連携したグループ(Interim Coalition) になって、その中で意見を戦わせて調整して発表することもあります。

192. Global Workspace Theory (GWT) 注意の焦点 Focus of Attention （スポットライト）舞台裏の人々＝ディレクター、シーンデザイナー、など。コンテキストの生成とコントロール(舞台裏) ワーキングメモリ（Scene,Stage）専門プロセッサー (観客) ブロードキャストブロードキャストテンポラリーな連携【まとめ】観客（＝プロセッサー）はステージ（＝ワーキングメモリ）上にスポットライト（＝注意、アテンション）が注がれた役者の演技（＝オブジェクトの振る舞い）について考えて（＝情報処理、思考）意見を役者に伝えます（＝ワーキングメモリに書き込みます）。 Arrabales, R. Ledezma, A. and Sanchis, A. “Towards the Generation of Visual Qualia in Artificial Cognitive Architectures”. (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf いろいろな意見や反響が返されることで舞台上の演技がまた変化していく。

193. 劇場モデルを用いた論理と生態の融合

194. 劇場モデル劇場の舞台一つの舞台を修飾する。この劇場の注釈のされ方が、認識と、行動となる。

195. 劇場モデル劇場の舞台舞台の上にさまざまな登場人物が登場する（感覚から流入する）

196. 劇場モデル劇場の舞台下位の知能が解釈する。情報を付け加える。（原初的な脳の部分）

197. 劇場モデル劇場の舞台下位の知能が解釈する。情報を付け加える。（原初的な脳の部分）認識を生成するベクトル行動を生成するベクトル

198. 劇場モデル劇場の舞台より上位の知能が解釈して情報を付け加える。（原初的な脳の部分）より上位の知能認識を生成するベクトル行動を生成するベクトル

199. 劇場モデル劇場の舞台より上位の知能が解釈して情報を付け加える。（原初的な脳の部分）より上位の知能認識を生成するベクトル行動を生成するベクトル

200. 劇場モデル劇場の舞台最終的に、論理的な知能が解釈した情報を加える。（原初的な脳の部分）論理的知能認識を生成するベクトル行動を生成するベクトル

201. 劇場モデル劇場の舞台最終的に、論理的な知能が解釈した情報を加える。（原初的な脳の部分）論理的知能認識を生成するベクトル行動を生成するベクトル認識空間を形成しながら、同時に行動を生成する。環世界的なファンダメンタルな世界認識と行為生成を観ながら、高次の思考からも世界の姿を浮き彫りにするように、モジュールを動作させる。

202. 劇場モデル劇場の舞台最終的に、論理的な知能が解釈した情報を加える。（原初的な脳の部分）論理的知能認識を生成するベクトル行動を生成するベクトル認識空間を形成しながら、同時に行動を生成する。環世界的なファンダメンタルな世界認識と行為生成を観ながら、高次の思考からも世界の姿と行動を浮き彫りにするように、モジュールを動作させる。

204. 記号論の反対側 – ニューラルネットワーク– 第五章

205. ニューラルネットワーク解説（軽く読んでください）ゲームにおけるニューラルネットワーク「NERO における学習と進化」（後半） HTTP://WWW.SLIDESHARE.NET/YOUICHIROMIYAKE/NERO-51549529

206. ニューラルネットを理解しよう① 基本思想コネクショ二ズム（結合主義）知性とは脳の活動によって産まれるのだ。知性とは脳は１００億以上のニューロン（神経素子）の結合である。だったら、ニューロン（のモデル）を用いた回路（ニューラルネットワーク）によって知能を作ることが可能ではないか！（since 1943） http://www.sanko-junyaku.co.jp/product/bio/catalog/nhc_animal/rat-neuronal-3striatum.html ニューラルネットだけで知性の機能を全て再現してみよう！

207. 神経素子（ニューロン）とは？入力入力入力出力入力この中にはイオン（電解,Na+,K+）溶液が入っていて、入力によって電圧が高まると出力する仕組みになっています。 100mVぐらいニューラルネットワーク内シグナル伝達スピード 100(m/sec) … 案外遅い http://www.brain.riken.go.jp/jp/aware/neurons.html

208. ニューラルネットを理解しよう② 基本原理 http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html 医学的知識 http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html モデル化数学的モデルニューロン人工ニューロン入出力関係のグラフ入出力関係の関数（シグモイド関数）

209. ニューラルネットを理解しよう② 数学的原理 http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html 医学的知識 http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html モデル化数学的モデルニューロン人工ニューロン入出力関係のグラフ入出力関係の関数（シグモイド関数）ニューラルネットワーク（ニューロンをつなげたもの）道具はこれで全て。これで何ができるだろう？

210. ニューラルネットを理解しよう② 基本原理 http://www.pri.kyoto-u.ac.jp/brain/brain/11/index-11.html 医学的知識 http://www.biwako.shiga-u.ac.jp/sensei/mnaka/ut/sozai/ai.html モデル化数学的モデルニューロン人工ニューロン入出力関係のグラフ入出力関係の関数（シグモイド関数）ニューラルネットワーク（ニューロンをつなげたもの）道具はこれで全て。これで何ができるだろう？一旦、モデル化したら、元になったモデルはひとまず忘れてよいのです。

211. ニューラルネットを理解しよう③ 数学的原理数学的モデル入力信号＝繋がっているニューロンからやって来ますウエイト（重み）＝各ニューロン間の結合の強さ「入力信号ｘ重み」＋「バイアス」（初期電位、適当な小さな値）出力信号 (0~1の間) バイアスをうまく調整して、このセンシティブな領域に入力が集中するように調整しよう！（ニューラルネットの技術的なコツ）

212. ニューラルネットを理解しよう③ 数学的原理数学的モデル階層型ニューラルネットワーク … 一方向にニューロンをつなげたもの入力層隠れ層出力層重み重み最初に定義するもの＝ウエイト（重み）、バイアスとりあえず全ての結合を定義しておく（ニューロン間の重みを０にすれば切れる）数値の組みが入ります数値の組みが出ますこれは３層の例だけど、何層つなげてもよい一旦定義してから変えることができないもの…全体の構造変えることができるもの…ウエイト（重み）

213. ニューラルネットを理解しよう④ 学習数学的モデル数値の組みが入ります階層型ニューラルネットで学習とは、ある入力に対して特定の出力（学習信号）になるようにウエイトを変化させることを言います。学習信号実際の信号誤差信号 ① 手動で少しずつ勘を頼りに変えて行く。まず無理 ② えらい人が考えた方法を使ってみる。誤差伝播法伝播する誤差信号伝播する誤差信号どうやって？

214. ニューラルネットを理解しよう④ 学習数学的モデル数値の組みが入ります教師信号と実際の出力の差を、ウエイトを調整することで、縮めて行く。学習信号実際の信号誤差信号伝播する誤差信号伝播する誤差信号ニューラルネットの出力側から、誤差分を、後ろ側に分担して負担するように、後ろのニューロンへ、そのニューロンが詰める大きさを含んだ情報を伝播して行く。誤差伝播法（Back Propagation Method）

215. ニューラルネットを理解しよう④ 学習数学的モデル数値の組みが入ります教師信号と実際の出力の差を、ウエイトを調整することで、縮めて行く。学習信号実際の信号誤差信号伝播する誤差信号伝播する誤差信号一つの学習信号に対して、誤差伝播法を何度もくり返してウエイトを変化させて収束させ、。学習信号を出力できるようにします。

216. DEEP Q LEARNING 解説

217. Deep Q-Learning Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf 画面を入力操作はあらかじめ教えるスコアによる強化学習

218. 深階層ニューラルネットワーク http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html ニューラルネットワーク＝信号（波形）処理だけで知能を作る。

219. 学習過程解析 Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf

220. 分散深層強化学習でロボット制御分散深層強化学習でロボット制御 https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning

223. 問６「記号とニューラルネット」記号思考にできて、ニューラルネットにできないことは何か？ニューラルネットにできて、記号思考にできないことは何か？

225. 本能と記号第七章（まとめ）

226. 本能と記号 • 個体の持つ、動物としての本能的なものと、 • 個体の持つ、高い知能としての部分。 • この二つをどのように結びつけるか、 • あるいは、対立したまま内包するか、という問題がある。

227. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向論理的思考 (記号系) 生態的反射（＝環世界）（記号系）ＴＹＰＥ-I

228. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向論理的思考 (記号系) 生態的反射（＝環世界）（ニューラルネット）ＴＹＰＥ-II

229. 知能身体の反射レベル脳の原始的な部分の反射レベル無意識の反射レベル意志決定物理情報身体感覚情報抽象知的情報情報の抽象度時間進行（流れ）の方向論理的思考 (記号系) 生態的反射（＝環世界）（ニューラルネット）ＴＹＰＥ-II 記号系とニューラルネットをいかに接続するか？これはこれからの課題となる。特に DEEP LEARNING の次に来るのは、この二つの潮流の融合である。

230. グループワーク課題集

231. 問１「認識と数学」我々知能が、物理法則など、この世界を、数学の助けを借りて、深く理解できるのはなぜか？人工知能に物理法則を教えることは可能か？人工知能が世界の法則を理解するとは、どういうことか？

232. 問２「普遍記号学と人工知能」自然言語は不完全な言語であるにもかかわらず、人間はなぜ、研究でも仕事でも使い続けるか？人間がすべてを記号で表現すれば、人工知能も理解できるか？

233. 問３「論理思考と人間と人工知能」人間の思考活動を、記号的な論理法則ですべて表現することは可能か？もし可能なら、それを人工知能に移せば、人間の思考となるか？

234. 問４「論理プログラミング」人工知能の発展が、論理プログラミングだけで閉じなかったのはなぜか？現実を生き抜くために、人工知能には論理思考以外に、どのような能力が必要なのか？

235. 問５「論理と本能」人間は高度な論理思考を持ちながら、本能的欲求も持っている。この二つは普段、どのように競合しているか？その競合を人工知能に与えることは、いかにして可能か？

236. 問６「記号とニューラルネット」記号思考にできて、ニューラルネットにできないことは何か？ニューラルネットにできて、記号思考にできないことは何か？

人工知能のための哲学塾 第三夜「デカルトと機械論」 資料 （全五夜＋第零夜）

Youichiro Miyake