インダクション

　インダクションとは帰納のことである。この帰納には、不確実な状況において知識を拡張する推論のプロセスの長所が含まれている可能性がある。少なくとも、本書の著者たちはそのように考えた。
　この見方には新たな希望がこめられている。ふつう、論理学では帰納法は「複数の事例から一般的法則を引き出す方法」と見られていて、演繹法よりもその適用範囲がかなり狭いものだとみなされてきた。しかも「哲学のスキャンダル」などともからかわれ、帰納に注目した者は哲学や論理学におかしな事態をもちこむものとも評判されてきた。しかし、本書はそのような評判を一蹴して、帰納法こそが不適切なルールに代わって蓋然性の高い思考プロセスのためのルールを創発しうるということを提起した。

　ここで認知システムとか思考システムというのは、ネズミから人間まで、マイクロチップから大型複合コンピュータまでに共通するものをいう。
　それらのシステムが作動しているとき、そのプロセスでは多くの事象のあいだの複雑な関係を学習するほうが、単一あるいは二、三の事象を少なめに学習するより、ずっとたやすいことがわかってきた。こんなことはぼくはとっくの昔に気がついていたが、残念ながら認知科学者やコンピュータ技術者はこういうことに無頓着だった。また、そのプロセスがもたらす統計的推論に関しては、従来から多くの誤りがおきやすいと言われてきたのだが、それは統計的法則に問題があるのではなく、統計的法則を活用できるように事象間の関係を符号化できなかったためだった。
　これらのことをあらためてクリアーするために提案されているのがインダクション・システムである。
　もうひとつ、本書があらためて提案していることがある。異なった領域の事象間に有効なのはアナロジーであって、これを実効的に用いることが帰納の一般的な手続きの設計を促すだろうということだ。いかに計算論的なモデルが必要であろうと、それはアナロジーのための計算論的なモデルなのである。ここではそれについての野暮な説明はしないでおくことにするが、本書の著者の一人のホランドはそのために「分類子」などを仮説した。編集の行方を見失わないためのエディティング・タグである。
　ということで本書は、帰納のためのシステムはどのようにしてメタファーやアナロジーを使って、一つの領域から他の領域への情報・知識・手続きを転移できるのかを問う研究だということになる。
　
　われわれが情報の有効な要約を求めたいときに、どのようにして無数のオプションを排除できるのかということを、最初に論理的に考えようとしたのはチャールズ・パースだった。パースが総力でとりくもうとしたこと、それは一言でいえば「帰納はどのように制約されるのか」ということである。パースは帰納とは適確な制約（constraint）を発見することだと気がついた。
　ここまでは、しかし特段に目新しいことではない。パースはそこから、こう考えた。その考えがすこぶる重要だった。すなわち、「帰納の制約は人間あるいはシステムが最初からもっているか、そうでないなら自律編集的に獲得できるものであるはずだ」というふうに――。
　これは帰納が高度に文脈的であることを示唆していた。文脈的であるとはどういうことかというと、なんらかのシステムがそのシステムの作動によって得たい目標に向かって驀進しようとするとき、その選択的進行は、選択直前の状況において活性化される先行知識によって導かれる可能性が高いということである。
　「選択直前の先行意識」というところに注目したい。つまり有効に想定しうる帰納システムは、選択直前にこそつねになんらかの起動条件（triggering condition）をひそませているということなのだ。パースはここからアブダクション（仮説形成）を先行させることを提案したのだが、本書では、帰納研究の本質の探究に立ち戻って、それは知識が使用されることを通してどのように修正されていくかを研究することだとみなした。これはすばらしい指針の明示だった。
　ただし、このことを説明するために便宜的に使われるスキーマ、スクリプト、フレーム、コンセプト、チャンクなどといった作業上の概念ばかりに執着するのはかつての人工知能を思いおこさせて、あまりおもしろくない（本書の著者たち、とくにホランドはのちにサンタフェの研究所に招かれて「複雑性」の研究に寄与するのだが、そこではここでぼくが注目したようなブリリアントなものがかえって拡散してしまった感じがする）。本書の提案でおもしろいのは、この仮想システムのデフォルト構造がつねに再カテゴリー化をもたらすためには、いったいどんな帰納モジュールの単位を考え出せばよいかを真剣に悩んだことにある。

　そもそもシステムにおいてのルールとは「期待の集合」のことをいう。このルールをダイナミックに機能させ、しかるべき目標を達するには、ルールが進行しているあいだに、「期待の集合」を次々に制約させつつ、そこに「侵入していくクサビ」（entering wedge）を打ちこめるようにしておく必要がある。
　これは、可能な情報（知識）特性をランダムに抽出して、それをルール構成の基礎として特性的な符号にするのではなくて、最初から焦点化のサンプリングができるような符号化、すなわち関係をつかむ単位が作動するような符号化をするということにあたる。ここではクサビが符号そのものになっている。関係をつかむ単位そのものが符号なのである。編集工学が学ぶべきところだった。
　こうして、帰納のためのルールは、該当システムの各点に内部関係的なメッセージを送れる条件によって構成されるものになる。ルールが「期待の集合」ならば、帰納のルールはこの集合を減らしていくためのものなのだ。
　では、もし、このようなルールをもった新しいシステムが形成できるとするとどうなるか。きっと、きわめて特徴的なモデルが動くことになる。それが「擬同型」（quasi-homomorphism）というものである。
　
　われわれはついつい世界と自分のあいだの事象について、それは何かと同じだなという見方をしがちである。そこには単純な「同型」（isomorphism）思考がはたらいている。しかし、そんなことはめったにおこるわけではない。ＡとＢとを同じとみなすことのほうが、どんな認知作業よりも成立が困難である。
　われわれがしていることは、それは何かと似ているなという類推なのである。われわれはその事象がいろいろのものに似ているとか、いろいろのことに近いとみなして、それらを認知していることがずっと多いのだ。いわば「準同型」（homomorphism）で思考していることが多いのだ。
　これは、一つの事象に多くのイメージや意味が近似的に対応しているという認知状態をあらわしている。ということは、われわれのアタマのなかにはこの「準同型」たちがめちゃくちゃな状態のまま詰まっていて、何かを見たり聞いたりするたびに、この雑多な準同型の複合関係をひんぱんに借りながら事象や物事をおおざっぱに判断しているということなのだ。
　それなら、これをそのままシステムとして取り出したら、どうなるか。めちゃくちゃが再現されるだけである。そこで、準同型たちを相互につなげる何らかのしくみが必要となる。本書はそのつなげるしくみの基本単位となるべきものを「擬同型」とよんだ。「もどき」（擬）がつくる型のことである。

　準同型を整理し（＝制約し）、それらを自在に、かつまたシステマティックに取り出せるようにするには、数多くの「擬同型」の関係がなんらかの構造をもっていなければならない。いいかえれば、擬同型の結び付きかたにデフォルト構造があるような、そのような構造が用意されるべきである。
　その構造はおそらくいくつかの階層をもっていて、階層をまたいで上位の擬同型が下位の擬同型に結び付こうとするとき（また、その逆に下位が上位に結び付こうとするとき）、そこにクサビが打ちこまれ、そのクサビごとに文脈が次々に進んでいくというようなものになるにちがいない。つまり、「擬同型のつながりが文脈をつくっている」という構造が想定されてよい。
　このようなシステムがあるとすれば、これはコヒーレント（首尾一貫的）な意味生成や文脈生成を求めようとするものではなくて、あえてインコヒーレント（非一貫的）な認知や思考の進行をつくっていくシステムなのである。そして、このインコヒーレントを成立させているのが、まさに擬同型モデルだったということになる。帰納をもたらすのは、この擬同型モデルなのである。
　われわれは、ある文脈において「看護師」という単語のあとに「医者」という単語をさがしだすほうが、「自民党」という単語をさがすよりも、ずっと容易であることを経験的に知っている。また、「看護師」「家族」「死」「アメリカ」とあれば、そのあとに進んでいくセマンティック・スコープはかなり狭まることになる。さらに、このあとに「保険制度」と出てくれば、そこで階層をまたぐフィードバックのためのクサビが動いて、そこに姿をあらわす文脈はしだいに明瞭なものになる。
　これらは論理的符合によって見えてきた文脈やセマンティック・スコープではない。まさに擬同型的な関係性を支えたシステムが帰納してくれたものである。編集工学に挑みたい諸君、イメージは必ずや「擬同型」のほうからやってくるものなのだ。「もどき」の思索に幸あれ！