Semantic Information Beyond Shannon: Meaning,Coherence, and Agency in Experiential Systems

ラジオの静電気（スタティック）で満たされた部屋の中に立っているところを想像してみてください。信号の数を数えるだけの機械にとって、この静電気は情報の宝庫です。それは混沌としていて、予測不能で、「ビット」に満ちています。しかし、あなたの耳にとって、それはただのノイズに過ぎません。では、その同じ静電気の中で、友人があなたの名前をささやいたと想像してください。突然、その小さく静かな音が、宇宙で最も重要なものになります。それはあなたの注意を引きつけ、気分を変え、次に何をすべきかを正確に伝えてくれます。これは、科学者たちを何十年もの間悩ませてきたパズルです。「いかにして信号が単なるデータから『意味』へと変わるのか？」という問いです。

長い間、情報の理解におけるゴールドスタンダード（標準）は、シャノン情報と呼ばれる理論でした。それは、非常に効率的な郵便サービスのようなものだと考えてください。それは、どれだけの手紙を送れるか、どれだけの速さで届くか、そして郵便の中で失われる可能性がどれくらいあるかということだけにしか関心がありません。「愛してる」と書いてあろうと「空は緑色だ」と書いてあろうと、それは気にしません。郵便サービスにとって、両者は単なる記号の列に過ぎないからです。これはテキストメッセージの送信や動画のストリーミングには完璧に機能しますが、生物を理解しようとする際に壁に突き当たります。脳は郵便サービスではありません。脳は、あらゆる信号が交通信号であったり、警告サイレンであったり、あるいは地図であったりする、忙しい都市なのです。ビットだけを数えていては、なぜ脳が騒いでいるのかという本質を見落としてしまいます。この論文は、シンプルですが深い問いを投げかけます。「システムが受け取る信号を、何が『重要』なものにするのか？」

IITマンディおよびIKS研究センターのチームによるこの論文の著者たちは、これに対する新しい見方を提案しています。彼らは、意味とはケーキに砂糖を振りかけるように後から「追加」するものなのではなく、システム内部で起こる特別な種類の「適合」や「結合」であると示唆しています。彼らはこれを**意味・経験結合（Meaning–Experience Coupling: MEC）**と呼んでいます。

彼らのアイデアを理解するために、ダンサーと音楽を想像してみてください。音楽（情報）にはリズムと構造があります。ダンサー（エージェント）にはスタイル、目標、そして動き方があります。もし音楽が流れている間にダンサーがただ立ち止まっていたら、そこにはダンスはなく、音があるだけです。もしダンサーがランダムに動いていたら、動きはありますが、ダンスではありません。しかし、ダンサーの動きがリズムと完璧に一致し、かつダンサーの「物語を表現したい」という意図と合致したとき、そこにこそ「魔法」が生まれます。論文は、意味論的情報（セマンティック・インフォメーション）とは、まさにシステムが経験していることと、システムが何かを成そうとしていることの間の、この「ダンス」であると主張しています。

論文は、この「ダンス」を測定するための公式を導入しています。それは SI = g(R, A) と書かれます。

• R は 表象的組織化（Representational Organization） を指します。これは、システムが世界をどのように分類しているかです。それは、システムが気づいている事柄のリスト、例えば部屋の地図や音のリストのようなものです。
• A は エージェンティブな整列（Agentive Alignment） を指します。これはシステムの「構え」や「目標」です。それは、システムが達成しようとしていること、例えば「出口を探す」「危険を避ける」「食べ物を見つける」といったことです。
• g は、マップ（R）が目標（A）にどれほど適合しているかを測定する関数です。

著者たちは、もし完璧なマップを持っていても目標がなければ、意味は存在しないと述べています。また、強力な目標を持っていてもそれを導くマップがなければ、それもまた意味を持ちません。意味は、これら二つがしっかりと結びついたときにのみ存在します。

これが単なる哲学的な空想ではないことを証明するために、著者たちは「トイ・モデル」と呼ばれる単純なコンピュータ・シミュレーションを作成しました。彼らは、3つの感覚（空間的な手がかり、エッジのパターン、周囲のトーン）を持つ小さなデジタル・エージェントを作成しました。そして、3つの可能な目標（ナビゲーション、ランドマークの探索、あるいは単なる背景のモニタリング）を設定しました。

このシミュレーションにおいて、彼らはエージェントの感覚は全く同じに保ったまま、目標を変更しました。

• エージェントの目標がナビゲーションであったとき、「空間的な手がかり」は非常に意味のあるものとなりました。セマンティック情報スコアは約 0.433 まで跳ね上がりました。
• エージェントの目標が背景のモニタリングに切り替わると、同じ「空間的な手がかり」はほとんど役に立たないものになりました。スコアは約 0.317 まで低下しました。
• シグナル自体は全く変わっていないにもかかわらず、エージェントの焦点が変わっただけで、「意味」は約27% 変化したのです。

このシミュレーションは、意味とは固定された性質ではなく、一つの「関係」であることを示しています。信号は、それがシステムが行っていることと結びついていなければ、膨大なデータを含んでいても意味が空っぽである可能性があります。逆に、非常に微弱な信号であっても、それが今まさにシステムが必要としているものであれば、それは意味に満ち溢れているのです。

また、論文はこの「ダンス」が崩壊する場合についても探求しています。彼らは、意味が失敗する3つの方法を説明しています。

1. 断片化（Fragmentation）: システムは多くのものを見ているものの、それらを何の目標にも結びつけることができない状態です。それは、大勢の人が叫んでいる混み合った部屋の中にいて、単一の会話すら聞き取れない状態に似ています。
2. 硬直性（Rigidity）: 世界が変わっているにもかかわらず、システムが同じことをやり続ける状態です。それは、地図を更新していないために、壁に向かって左折するように指示し続けるGPSのようなものです。
3. 不整合（Misalignment）: 信号は明確ですが、目標が間違っている状態です。それは、眠ろうとしている時に火災報知器が鳴っているようなものです。音は明快ですが、現在の目標（睡眠）にとって、その音は混乱を招くか、あるいは危険に気づくまで無視される対象となります。

著者たちは、自分たちが「意識のハードプロブレム」（なぜ私たちは何かを感じるのかという問題）を解決しようとしているのではない、と慎重に述べています。彼らは、この公式がロボットが本当に「生きている」か、あるいは「感じている」かを判断できると言っているわけではありません。彼らは、システムがどのように世界を組織化しているかを記述するための新しいツールを提供しているのです。彼らは、従来の理論が、信号そのものの中に意味を探そうとしたり（それが真実かどうかを確認するように）、あるいは外部の世界の中に意味を探そうとしたり（それが生存に役立つかどうかを確認するように）してきたと主張しています。この論文は、システムの内部を見、その内部のマップと内部の目標がいかに共に踊っているかを見るべきだと示唆しています。

チームは、これがまだ第一歩に過ぎないことを認めています。彼らの公式は「加重和」であり、これは物事を足し合わせるための単純な方法ですが、より複雑なバージョン（「冪平均族」と呼ばれるものを使用するもの）でも機能し得ることを示しています。彼らは将来、科学者が人工知能をテストするためにこのアイデアを利用できる可能性があると示唆しています。もしロボットが優れた内部マップを持っていても、その目標が人間によってプログラムされた単なる数値であるならば、それは高い「データ」を持ちながら、ゼロの「意味」しか持たないかもしれません。しかし、もしロボットの目標とそのマップが真に結合されており、もしそのロボットが自身の理解を用いて問題を解決しようと真剣に取り組んでいるのであれば、そのロボットは、私たちが「意味論的な理解」と呼びうるものへの道を進んでいるのかもしれません。

要約すると、この論文は、意味とは「見つけるもの」ではなく、「行うもの」であることを示唆しています。それは、あなたが知っていることと、あなたが達成しようとしていることの間の、能動的でダイナミックな関係なのです。それら二つの線が交差するとき、情報は単なるノイズであることをやめ、一つの物語へと変わるのです。