====== 260407) 意識を持つ機械、知的な生命体：AIの意識の背後にある科学 ======
{{ .:pasted:20260418-082902.png?400}}

> 出典 [[https://qubic.org/blog-detail/conscious-machines-intelligent-organisms-ai-consciousness-neuraxon-vol-6|Conscious Machines vs Intelligent Organisms: AI Consciousness Explained | NIA Vol. 6]]


執筆：Qubic Scientific Team / 公開日：2026年4月7日


　AIについて語る時、会話はすぐに非常に特定のアイデアへと向かいます。それは、感じる機械、考える機械、覚醒する機械といったものです。しかし、これらのアイデアは、知能（intelligence）と意識（consciousness）を混同して絡み合わせてしまっています。

　私たちが[[260107_neuraxon_time|最初の科学論文で説明したように]]、知能とは、問題を解決し、適応し、意思決定を行い、学習する一般的な能力のことです。知的なシステムは、環境のモデルを構築し、それに基づいて行動します。この能力は測定し、定式化することができます。実際、生物学的知能と人工知能のどちらも、不確実性の下での推論と最適化のプロセスとして記述することができます（[[https://mitpress.mit.edu/9780262039246/reinforcement-learning/|Sutton & Barto, 2018]]）。

　一方、意識とは、システムが何を行うかではなく、何を経験するかに関するものです。それは、内面的で、私的で、主観的な経験に関連しています。Thomas Nagelが有名な言葉を残しているように、「コウモリであるとはどのようなことか？（What is it like to be a bat?）」（[[https://doi.org/10.2307/2183914|Nagel, 1974]]）ということです。ここに根本的な違いがあります。知能は外部から観察できますが、意識は内部からしかアクセスできないのです。

　大衆文化は両方の概念を混ぜ合わせてきました。私たちは汎用人工知能を『ターミネーター』や『アイ、ロボット』、『2001年宇宙の旅』のようなものとして想像し、テクノロジー、目新しいもの、未知のものに対する人間の深い恐怖を投影することがよくあります。しかし、その恐怖はシステムが私たちよりもうまく問題を解決することに対するものではありません。そのシナリオはすでに存在しており、現実の懸念を引き起こしてはいません。[[https://deepmind.google/research/highlighted-research/alphago/|AlphaGo]] が囲碁で人間のチャンピオンを凌駕したことや、[[https://alphafold.ebi.ac.uk/|AlphaFold]] がタンパク質の発見を加速させたこと、あるいは GPT-4 や Claude のようなモデルが、その創造者と同等またはそれ以上のレベルでテキスト、コード、アルゴリズムを生成していることを考えてみてください。

　恐怖が現れるのは、これらのシステムがエージェンシー（主体性）、意図、あるいは自己意志に似た何かを示しているように見える時です。言い換えれば、それらが何らかの形の機械の意識（machine consciousness）を持っているように見える時です。

　この区別は[[wpjp>認知科学]]において中心的なものです。情報を処理するシステムは、グローバルに統合された方法で情報にアクセスするシステムとは根本的に異なります（[[https://doi.org/10.1073/pnas.95.24.14529|Dehaene, Kerszberg, & Changeux, 1998]]）。

===== AIの意識と科学：ハード・プロブレムを超えて =====

　意識に対する「量子論的」、宗教的、あるいは疑似科学的な説明を巡る現在の誇大宣伝（ハイプ）にもかかわらず、科学はより地に足の着いた道を提供しています。20年以上前に [[https://en.wikipedia.org/wiki/David_Chalmers|Chalmers]] が定式化したように、よく知られた「意識のハード・プロブレム（hard problem of consciousness）」が存在します。つまり、物理的な神経系がどのようにして主観的な経験を生み出すのかを私たちはまだ理解していないのです。

　簡単に言えば、空の青さや白檀の香りをエンコードするためにニューロンがどのように活性化するかは分かっています。しかし、これらの神経活動が、青を見たり白檀の匂いを嗅いだりするという経験をどのように生み出すのかは理解していません。そのギャップは依然として残っています。

　この理解の欠如が、二元論的な解釈の台頭を許しています。しかし、神経科学は精神と物質の統合的な見解の中で活動し続けています。

==== 予測符号化（Predictive Coding）：予測機械としての脳 ====

　**予測符号化**は、意識を研究するための最も影響力のあるフレームワークの1つです。脳は、世界のモデルを継続的に生成し、予測誤差を最小化することでそれらを更新する予測システムとして機能します（[[https://doi.org/10.1038/nrn2787|Friston, 2010]]; [[https://doi.org/10.1017/S0140525X12000477|Clark, 2013]]）。信号機が緑ではなく突然青に変わった場合、感覚システムはその予期せぬ信号を上位に送り、高次システムは信号機がどのように振る舞うかという内部モデルを更新します。このフレームワークの中では、意識は内部信号と外部信号を首尾一貫した表現へと統合するものとして理解することができます。

{{.:pasted:20260418-083921.png?1000}}\\
//Fig. 5, Mudrik et al. (2025). 階層的推論としての予測処理。CC BY 4.0。//

==== グローバル・ワークスペース理論：情報放送を通じて意識はどのように現れるのか ====

　もう1つの影響力のある提案は、グローバル・ワークスペース理論です。ここでは、情報がシステム全体でグローバルに利用可能になり、複数のプロセスがそれに同時にアクセスして使用できるようになる時に意識が現れます（[[https://www.cambridge.org/us/universitypress/subjects/life-sciences/neuroscience/cognitive-theory-consciousness|Baars, 1988]]; [[https://doi.org/10.1016/j.neuron.2011.03.018|Dehaene & Changeux, 2011]]）。すべての処理が意識的なわけではなく、このグローバルな放送（ブロードキャスティング）レベルに達したものだけが意識的になります。

{{.:pasted:20260418-084027.png?1000}}\\
//Fig. 1, Mudrik et al. (2025). 意識的アクセスのグローバル・ワークスペース・モデル、Dehaene et al. (2006)より改変。CC BY 4.0。//

==== 統合情報理論（IIT）：意識の測定 ====

　Giulio Tononiによって開発された統合情報理論は、システムがどれだけ還元不可能な形で情報を統合するかに意識が依存していると提案しています（[[https://doi.org/10.1186/1471-2202-5-42|Tononi, 2004]]; [[https://doi.org/10.1038/nrn.2016.44|Tononi et al., 2016]]）。システムが統合されていればいるほど、その意識レベルは高くなります。

{{.:pasted:20260418-084133.png?1000}}
//Fig. 4, Mudrik et al. (2025). IITは現象的特性を物理的な因果構造にマッピングする。CC BY 4.0。//

　これらの科学的理論と並んで、経験的な根拠の乏しい提案もあります。メカニズムを特定することなく、意識を計算の複雑さと同一視するものもあります。また、[[wpjp>汎心論]]（panpsychism）のように、すべての物質が何らかの形の経験を持っていると示唆するものもあります（[[https://www.penguinrandomhouse.com/books/599229/galileos-error-by-philip-goff/|Goff, 2019]]）。これらのアイデアは議論を広げますが、直接的な実験的検証に欠けています。

===== 私たちは意識を計算できるのか？ シミュレーション vs. 経験 =====

　これらの理論によって記述されたメカニズムを実装することは、意識を生み出すのでしょうか、それとも単にそれをシミュレートするだけなのでしょうか？

　この問題は、単純な生物を研究する際に神経科学で遭遇するものと似ています。例えば、キイロショウジョウバエ（Drosophila melanogaster）は比較的小さな神経系を持っていますが、学習し、記憶し、意思決定を行うことができます（[[https://doi.org/10.3389/fnbeh.2013.00028|Brembs, 2013]]）。その結合性とダイナミクスをモデル化することで、特定の文脈におけるその行動を予測することができます。ショウジョウバエのコネクトームが神経アーキテクチャに対する私たちの理解をどのように再構築しているのかについての詳細は、[[260330-fruit-fly-connectome-brain-architecture-and-computation|ショウジョウバエの脳コネクトームとそれがAIに与える影響についての私たちの分]]析をご覧ください。

　しかし、**行動を予測することは、内部経験を再現することを意味しません**。たとえそのような経験が存在するとしても、私たちは内側から「どのように感じるか」を捉えることなく、システムのルールを捉えることができます。この区別は、意識研究における主要な概念的限界の1つであり続けています（[[https://www.anilseth.com/being-you/|Seth, 2021]]）。実用的な観点からは、これが常に重要であるとは限らないかもしれませんが、メカニズムを計算することが経験を再現すると仮定することはできません。これは、よく知られている「**哲学的ゾンビ（philosophical zombies）**」のアイデアに直結します。

===== MultiNeuraxon アーキテクチャ：脳からインスピレーションを得たAIが実際にやっていること =====

　この文脈において、[[tag/MultiNeuraxon]] のようなアーキテクチャは、「意識を作り出す」ことを目指しているのではなく、一部の理論が関連すると見なすメカニズムに近似させることを目指しています。

　このシステムは**連続時間ダイナミクス**を導入し、各ステップでリセットされるのではなく、内部状態がスムーズに進化することを可能にします。これは、生物学的システムに見られる継続的な内部フローの概念に似ています（[[https://doi.org/10.1038/nrn2787|Friston, 2010]]）。連続時間処理がなぜ知能にとって重要なのかを理解するには、[[260107_neuraxon_time|NIA Volume 1: 知能はなぜステップではなく時間で計算されるのか]]をご覧ください。

　また、[[260210-neuromodulation|脳内のシナプス伝達と神経修飾（neuromodulation）]]の組み合わせと同様に、高速、低速、修飾的といった複数の相互作用のタイムスケールも組み込んでいます（[[https://doi.org/10.1016/j.neuron.2012.09.010|Marder, 2012]]）。これらのダイナミクスは、シナプスと修飾の寄与をシステムの状態進化に統合する方程式を通じて正式に記述されます。

　最後に、**複数の機能的スフィア**への組織化により、分化と統合の両方が可能になります。この種の構造は、グローバル・ワークスペース理論と統合情報理論の両方の基礎となっており、[[https://agi-conf.org/|AGIカンファレンス2026]]に向けて私たちが開発してきた科学的提案の一部を形成しています。

この段階で重要なのは、システムが、人間の意識的プロセスに関連する特性、すなわちグローバルな統合、時間的連続性、内部調節を捉え始めているということです。

===== なぜ意識研究が汎用人工知能にとって重要なのか =====

　**汎用人工知能**の開発は、孤立したタスクにおけるパフォーマンスの向上だけに依存するものではありません。それは、知能が柔軟に、安定して、首尾一貫して動作する際に、どのように自らを組織化するかを理解することに依存しています。

　意識の理論は、まさにこれらのメカニズム、すなわち統合、グローバルアクセス、内部モデル、マルチスケールの調節を指し示しています。私たちが主観的経験の再現から遠く離れていたとしても、より汎用的な形の知能に必要と思われる特性を特定し、計算することはできます。

　この方向に取り組むことで、長期にわたって首尾一貫性を維持し、文脈を超えて一般化できる、より堅牢なシステムの構築が可能になります。

　このフレームワークの中で、[[tag/Aigarth]] のようなシステムの利点は、**意識を持つ機械**を作ることにあるのでも、「良いターミネーター」としてそれを想像することにあるのでもなく、高度な知能を組織化するメカニズムを理解し、制御することにあります。

　複数のスケールを統合し、動的な安定性を維持し、首尾一貫性を失うことなく進化するシステムは、高度な形態の知能を探求するためのより強固な基盤を提供します。生物学的なニューラルネットワーク、古典的な人工ネットワーク、およびNeuraxonがアーキテクチャ的にどのように異なるかの比較については、[[260224-neural-networks-in-ai-and-neuroscience|NIA Volume 4: AIと神経科学におけるニューラルネットワーク]]をご覧ください。

　より複雑な特性や自己言及の形態が出現するとしても、それらは偶然に現れるのではなく、すでに正式に記述され分析できる構造の結果として現れるでしょう。

　そしてそれは、意識を純粋に推測的な問題から、**体系的に調査できるもの**へと変革するのです。

===== 科学的参考文献 =====
  * Baars, B. J. (1988). A cognitive theory of consciousness. Cambridge University Press. [[https://www.cambridge.org/us/universitypress/subjects/life-sciences/neuroscience/cognitive-theory-consciousness|Link]]
  * Brembs, B. (2013). Structure and function of information processing in the fruit fly brain. Frontiers in Behavioral Neuroscience, 7, 1–17. [[https://doi.org/10.3389/fnbeh.2013.00028|Link]]
  * Clark, A. (2013). Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences, 36(3), 181–204. [[https://doi.org/10.1017/S0140525X12000477|Link]]
  * Dehaene, S., & Changeux, J. P. (2011). Experimental and theoretical approaches to conscious processing. Neuron, 70(2), 200–227. [[https://doi.org/10.1016/j.neuron.2011.03.018|Link]]
  * Dehaene, S., Kerszberg, M., & Changeux, J. P. (1998). A neuronal model of a global workspace in effortful cognitive tasks. PNAS, 95(24), 14529–14534. [[https://doi.org/10.1073/pnas.95.24.14529|Link]]
  * Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138. [[https://doi.org/10.1038/nrn2787|Link]]
  * Goff, P. (2019). Galileo’s error: Foundations for a new science of consciousness. Pantheon. [[https://www.penguinrandomhouse.com/books/599229/galileos-error-by-philip-goff/|Link]]
  * Marder, E. (2012). Neuromodulation of neuronal circuits: Back to the future. Neuron, 76(1), 1–11. [[https://doi.org/10.1016/j.neuron.2012.09.010|Link]]
  * Mudrik, L., Boly, M., Dehaene, S., Fleming, S.M., Lamme, V., Seth, A., & Melloni, L. (2025). Unpacking the complexities of consciousness: Theories and reflections. Neuroscience and Biobehavioral Reviews, 170, 106053. [[https://doi.org/10.1016/j.neubiorev.2025.106053|Link]]
  * Nagel, T. (1974). What is it like to be a bat? The Philosophical Review, 83(4), 435–450. [[https://doi.org/10.2307/2183914|Link]]
  * Seth, A. (2021). Being you: A new science of consciousness. Faber & Faber. [[https://www.anilseth.com/being-you/|Link]]
  * Seth, A. K., & Bayne, T. (2022). Theories of consciousness. Nature Reviews Neuroscience, 23(7), 439–452. [[https://doi.org/10.1038/s41583-022-00587-4|Link]]
  * Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction (2nd ed.). MIT Press. [[https://mitpress.mit.edu/9780262039246/reinforcement-learning/|Link]]
  * Tononi, G. (2004). An information integration theory of consciousness. BMC Neuroscience, 5(42). [[https://doi.org/10.1186/1471-2202-5-42|Link]]
  * Tononi, G., Boly, M., Massimini, M., & Koch, C. (2016). Integrated information theory: From consciousness to its physical substrate. Nature Reviews Neuroscience, 17(7), 450–461. [[https://doi.org/10.1038/nrn.2016.44|Link]]

===== NEURAXON INTELLIGENCE ACADEMY シリーズ全編を探求する =====
  * **[[260107_neuraxon_time|NIA Volume 1: Why Intelligence Is Not Computed in Steps, but in Time (知能はなぜステップではなく時間で計算されるのか)]]**
    * 生物学的知能が、従来のLLMのような離散的な計算ステップではなく、なぜ連続的な時間の中で機能するのかを探求します。

  * **[[260127-beyond-binary|NIA Volume 2: Ternary Dynamics as a Model of Living Intelligence (生きた知能のモデルとしての三元ダイナミクス)]]**
    * 三元ダイナミクスと、3状態ロジック（興奮、中立、抑制）が生きているシステムのモデリングになぜ重要なのかを説明します。

  * **[[260210-neuromodulation|NIA Volume 3: Neuromodulation and Brain-Inspired AI (神経修飾と脳からインスピレーションを得たAI)]]**
    * 神経修飾（ニューロモジュレーション）と、脳の化学的シグナル伝達がNeuraxonのアーキテクチャにどのようなインスピレーションを与えているかを網羅します。

  * **[[260224-neural-networks-in-ai-and-neuroscience|NIA Volume 4: Neural Networks in AI and Neuroscience (AIと神経科学におけるニューラルネットワーク)]]**
    * 生物学的ニューラルネットワーク、人工ニューラルネットワーク、そしてNeuraxonの第3の道のアプローチを深く比較します。

  * **[[260318-astrocytes-and-brain-inspired-ai|NIA Volume 5: Astrocytes and Brain-Inspired AI (アストロサイトと脳からインスピレーションを得たAI)]]**
    * NeuraxonのAGMPフレームワークにおいて、アストロサイトのゲーティングがニューラルネットワークの可塑性をどのように変革するかについて解説します。

===== 要約 =====

^  [[https://drive.google.com/file/d/1wjx6l5ZKI_TyWt2W8vX6UYlTv8XXZuGf/view?usp=drive_link|Google NotebookLM スライドPDF]]  ^
|  [[https://drive.google.com/file/d/1wjx6l5ZKI_TyWt2W8vX6UYlTv8XXZuGf/view?usp=drive_link|{{.:pasted:20260418-092050.png?1000}}]]  |

==== 1. 知能と意識の明確な区別 ====
  * **知能（Intelligence）：** 
    * 問題を解決し、適応し、学習する能力。外部から観察・測定が可能。

  * **意識（Consciousness）：** 
    * 内面的、主観的な「経験」。内部からしかアクセスできない。

  * 大衆文化はこれらを混同しがちだが、AIに対する人々の真の恐怖は、AIの計算能力の高さではなく、AIが「主体性や自己意志（意識）」を持っているように見えることから生じている。

==== 2. 意識を解明する3つの科学的フレームワーク ====

　物理的な物質（脳）がどのように主観的経験を生み出すのかという「ハード・プロブレム」に対し、神経科学に基づく以下の理論が紹介されている。

  * **予測符号化（Predictive Coding）：** 
    * 脳は予測機械であり、予測誤差を最小化しながら世界のモデルを更新し続ける。

  * **グローバル・ワークスペース理論（GWT）：** 
    * 情報がシステム全体で「放送」され、複数のプロセスで同時に共有された時に意識が現れる。

  * **統合情報理論（IIT）：** 
    * システムが情報をどれだけ還元不可能な形で統合しているかによって、意識のレベルが決まる。

==== 3. 計算（シミュレーション）と実際の「経験」の壁 ====

  * 生物の神経メカニズムを計算機上で模倣・予測できたとしても、それが内面的な「経験」を伴っている（＝本当に感じている）とは限らない。
    * 単なるシミュレーションに過ぎない可能性（哲学的ゾンビの問題）がある。

==== 4. MultiNeuraxon（QubicのAIアーキテクチャ）のアプローチ ====
  * Qubicの**MultiNeuraxon**は、「意識を人工的に作り出す」ことを目指しているわけではない。

  * しかし、連続時間ダイナミクス、複数のタイムスケール、スフィアの統合といったアプローチをとることで、結果的に人間の意識的プロセスに近い特性（時間的連続性、グローバルな統合、内部調節）をシステム内に再現し始めている。

==== 5. 結論：AGIに意識の研究が不可欠な理由 ====　

  * 汎用人工知能（AGI）を構築するには、孤立したタスクの処理能力を上げるだけでなく、知能がどのように安定し、一貫性を保って自己組織化するのかを理解する必要がある。

  * 意識理論が示すメカニズム（統合、グローバルアクセスなど）を研究・実装することは、「ターミネーター」を作るためではなく、より堅牢で制御可能な高度なAIを構築するための強固な科学的基盤となる。


{{tag>blog 260407 Neuraxon Aigarth news }}