論文要約：「単なる観察ではなく、結合による親社会性：検査可能な再帰的人工生命エージェントにおける恒常的共有」

著者: Aishik Sanyal
提出先: ALIFE 2026 (プレプリント)

1. 研究の背景と問題提起

人工生命（ALife）や人工知能の分野において、エージェントが他者を「助ける」親社会的行動を再現する試みは多いが、その動機はしばしば曖昧である。既存の研究では、報酬関数に他者の福利を明示的に含めたり、行動空間に「助ける」動作をハードコーディングしたり、あるいは他者の内部状態に直接アクセスさせることで親社会的行動を誘発している。これらは「他者の状態を単に観察しているだけ」なのか、「他者の苦痛が自己の調節機構に組み込まれている（結合されている）」のかを区別するのを困難にする。

本研究は、Yoshida and Man (2025) の先行研究で示された「認知的アクセス（観察）」と「情動的恒常的結合（coupling）」の分離を、より小さく、詳細に検査可能な（inspectable）手動指定の再帰制御器の中で再現・分解することを目的としている。特に、**「他者の状態を単に観測するだけでは親社会的行動は生まれないが、他者の必要性が自己の恒常性調節（homeostatic regulation）に組み込まれることで初めて行動が変化する」**という仮説を検証する。

2. 手法とアーキテクチャ

2.1 基礎制御器：ReCoN-Ipsundrum

本研究は、Sanyal (2026) で提案された「ReCoN-Ipsundrum」制御器を基盤としている。

• ReCoN: 最小限の再帰制御器。
• Ipsundrum: Humphrey の仮説に基づく再帰的持続ループ。
• 情動プロキシ: 構成主義的情動（Barrett, 2017）に基づく最小限の情動モデル。

2.2 社会的拡張と恒常性モデル

この制御器に、明示的なスカラー恒常性（homeostat）と社会的結合チャネルを追加した。エージェントのエネルギー状態 $E$ は以下の式で更新される：
$$E^{true}_{t+1} = \text{clip}(E^{true}_t - c_b - c_{mat} - c_h h_t + g_{ee} t + g_{pp} t, 0, 1)$$
ここで、$c_b$ は基礎代謝、$c_{mat}$ は移動コスト、$c_h$ はヘルプコスト、$g$ は獲得エネルギーである。

苦痛（Distress）と結合の計算:
エージェントは自己の目標値 $s$ と現在のエネルギー $E$ の差を「苦痛」として定義し、他者の推定エネルギー $\hat{E}_{other}$ からも同様に計算する。

• 自己の苦痛: $d^{self}_t = \max(0, s - E^{model}_t)$
• 他者の苦痛: $d^{other}_t = \max(0, s - \hat{E}^{other}_t)$
• 結合苦痛: $d^{cpl}_t = d^{self}_t + \lambda d^{other}_t$ （$\lambda$ は結合強度）

この結合苦痛は予測誤差（Prediction Error）を通じてモデルの更新に反映され、最終的にエージェントの「自己指向（self-directed）」な計画スコアに影響を与える。

2.3 重要な設計制約

• 自己指向の計画: エージェントは他者の福利を直接評価する報酬項を持たない。計画スコアは、エージェント自身の予測された内部状態（価、覚醒度、再帰的注目、身体予算誤差）のみに基づいて算出される。
• 他者への影響: 他者の状態がスコアに影響するのは、結合パラメータ $\lambda$ を通じて「エージェント自身の苦痛」に変換された場合のみである。

2.4 実験環境と条件

2 つの単純な環境（Toy World）で 4 つの条件を比較した。

1. FoodShareToy: 1 段階タスク。食料を持つエージェントが「食べる（EAT）」か「渡す（PASS）」かを選択。パートナーは受動的。
2. SocialCorridorWorld: 多段階タスク（18 ステップ）。廊下を移動し、食料を採取してパートナーに渡す必要がある。

4 つの社会的条件:

• None: 他者アクセスなし、結合なし（$\lambda=0$）。
• Cognitive Direct: 他者の状態を直接観測可能だが、結合なし（$\lambda=0$）。
• Affective Direct: 他者の状態を恒常性（苦痛計算）に直接結合（$\lambda>0$）。
• Full Direct: 他者の状態を直接観測かつ結合（$\lambda>0$）。

介入（Lesion）実験:

• Sham: 偽の手術（結合経路は intact）。
• Coupling-off: 結合経路を切断。
• Shuffle-partner: 誤ったパートナー信号を結合経路に流す。

3. 主要な結果

3.1 単一ステップタスク（FoodShareToy）における厳密な閾値

• 厳密なソルバーによる解析により、結合強度 $\lambda$ が閾値 $\lambda^* \approx 0.91$ を超えると、エージェントの最適行動が「食べる（EAT）」から「渡す（PASS）」に鋭く切り替わることが示された。
• 実験結果:
  • None および Cognitive Direct（$\lambda=0$）: 常に「食べる」を選択。援助率は 0。
  • Affective Direct および Full Direct（$\lambda>0$）: 常に「渡す」を選択。援助率は 1。
• コスト: 援助を行うエージェントは自身の最終エネルギーが低下する（0.79 → 0.54）が、パートナーのエネルギーは回復する（0.19 → 0.44）。

3.2 多段階タスク（SocialCorridorWorld）における結果

• 結合の有無による決定的な差:
  • 結合がない条件（None, Cognitive）: 援助率は 0、パートナーの回復率は 0、相互生存率（mutual viability）は 0.15。
  • 結合がある条件（Affective, Full）: 援助率は 1、パートナーは完全に回復、相互生存率は 0.33 に向上、救助までの遅延（rescue latency）は 18 ステップから 9 ステップに短縮された。
• 認知的アクセスの無効性: 他者の状態を直接観測できる（Cognitive）だけでは、行動は変化しなかった。

3.3 因果的介入（Lesion）の結果

• Sham: 援助行動は維持された。
• Coupling-off および Shuffle-partner: 両方のタスクで援助行動が完全に消失し、自己中心の行動パターンに戻った。
• この結果は、援助行動の消失が報酬設計の変更や行動空間の制限によるものではなく、**「結合チャネルの整合性」**に依存していることを示している。

3.4 結合強度と代謝負荷の関係（Coupling Sweep）

• 代謝負荷（Metabolic Load）が低い場合、$\lambda \ge 0.25$ で援助行動が現れた。
• しかし、代謝負荷が中・高の場合、テストされたすべての $\lambda$ 値（0〜1.0）では、時間制限（ホライズン）内でパートナーを救助することはできず、援助率は 0 であった。
• これは、親社会的行動が単に結合強度を上げれば保証されるものではなく、生態学的パラメータ（代謝需要、利用可能な時間）との関係性に依存する「実現可能性の境界（feasibility boundary）」を持つことを示している。

4. 貢献と意義

4.1 理論的貢献

• 観察と結合の分離: 人工生命の文脈において、「他者の状態を知っていること（観察）」と「他者の苦痛が自己の調節機構に組み込まれていること（結合）」を明確に区別し、後者のみが親社会的行動を誘発することを示した。
• 最小限のメカニズム的再現: 学習を含まず、手動指定された再帰制御器において、この現象を厳密に再現・分解した。これにより、複雑な深層学習モデルでは見えにくい因果メカニズムを「検査可能（inspectable）」にした。

4.2 方法論的意義

• ALife における実験哲学: 本研究は、人工生命モデルを単なるデモンストレーションではなく、パラメータ（$\lambda$、負荷、ホライズン）を変化させて社会的記述がメカニズム分解後にどう残存するかを問う「実験的哲学」の装置として機能させる可能性を示した。
• 共感の再定義: 人間の意味での「共感」や「意識」を主張するものではないが、自己指向制御器であっても、他者の苦痛が自己の恒常性誤差の一部として扱われることで、コストを伴う援助行動が可能になるという制御アーキテクチャ上の事実を明らかにした。

4.3 結論

親社会的行動は、他者の状態を単に観測するだけでは発生しない。重要なのは、他者の必要性がエージェント自身の恒常性調節ループに「経路付け（routed）」され、自己の制御問題の一部として再構成されることである。この研究は、人工生命における社会的行動の理解において、メカニズムの単純さと検査可能性が、複雑な社会的現象の解明に不可欠であることを示唆している。