shigeru taguchi

Mediation-based phenomenologyという論文を書きました。前から提言している「媒介」の概念を少し詳しく説明し、現象学への原理的な適用可能性を論じたもの。 「切ることによってつなぐ」ということが現実の一般現象であると同時に現象学の方法原理にもなると論じています。 metodo-rivista.eu/pub-257019

こちらの記事、あまり批判的意見を述べている人がいないようですので批判しておきます。培養脳細胞とシリコンチップを融合させた「生体コンピュータシステム」でDoomというゲームをプレイできるようになった、という話ですが、これはかなり怪しい話の域を超えていないです。 そもそもこのDoomの話は、学術論文としてまだ出版されていないようですので検証のしようもないのですが、この企業は以前、同様のシステムでPongがプレイできた、という論文をだして話題になったことがありますcell.com/neuron/fulltex… 。しかし、この論文はHarvard、Johns Hopkins、EPFL、Allen Instituteなど世界の一線級の神経科学者30名の共著で強烈な批判をされましたcell.com/neuron/fulltex… 。 批判の内容は、以下のようなものです。「sentience（感覚能力）」「intelligence（知性）」といった重大な用語を、確立された科学的コンセンサスに基づかず、著者ら自身の理論的枠組み（自由エネルギー原理）に基づいて使っているが、その定義は非常に広く、さやかな複雑性を持つほぼあらゆるインタラクティブなシステムに適用できてしまう。短期的な可塑性を示しただけのネットワークに「知性」や「sentience」を帰属させることは、機械学習・神経生物学・心理学のいずれの分野からも支持されない。また、データや効果量を大きく超えた主張がなされており、一部の実験ではコントロール条件と実験条件の適切なマッチングにも失敗している（達成できたのはランダムなバーの動きよりもほんの僅かに良いだけなのにもかかわらず、大げさに成功を主張している）。加えて、培養ニューロン（ヤツメウナギのex vivoの脳幹やラットの海馬培養細胞など）を閉ループでロボットのような外部デバイスに接続する実験は2000年代から先行研究が存在するのに、それらが適切に引用されていない（つまりヒト由来の神経細胞でなくとも同様なことは随分昔からできていた）。そして、こうした過剰な主張がメディアで増幅されることで、科学全体の信頼性を損なう、というようなものでした。 Balciらの批判に加えて、さらにこの系の実用性について指摘すべき批判をくわえてみると、1) この系が示したのはせいぜい極めて単純なタスクでの task-specific adaptationであって、汎化、転移学習、抽象化、長期記憶、階層表現のような、実用的コンピューティングに必要な性質はこの論文では全く示されていないこと、2) 入力表現も報酬設計もかなり人工で加工されておりで、システム全体は「神経細胞だけ」で計算しているのではなくかなりの部分を外部の in silico 系が支えていること（実際に神経細胞が行っていることはごく僅か）、3) 培養神経系はばらつき、成熟度、維持管理、長期安定性、標準化、スケーラビリティが大きなボトルネックであり、実用化には、標準化と再現性確保のめどがまだたっていないこと、4) 消費エネルギーが小さいことを売りにしているが生の神経細胞の培養・維持・訓練などにかかる膨大なエネルギー/労力が計算されていないこと（おそらくこの企業が意図的に言及を避けている）、などの問題があります。 このDoomの件についても、同様の、あるいはさらに深刻な懸念があります。まず、このDoomデモは査読付き論文として出版されておらず、データも公開されていないため、独立した検証が不可能。さらに、このシステムではPongの際と同様に、ニューロンの発火だけでなく、AIがゲーム画面を電気刺激パターンに変換するエンコーディングを同時に最適化しているようです。つまり、性能向上がニューロンの適応によるものなのか、AI側の最適化によるものなのかを切り分けることができません。極端に言えば、ニューロンが何も学習していなくてもAIの最適化だけで性能が上がる可能性すらあります。また「ランダム射撃よりは良い」程度の性能であること、研究者自身が「システムはDoomをプレイしていることを知らない、電気信号を受けて反応を返しているだけ」と述べていること decrypt.co/359697/human-b… 、Pongから Doomへの「飛躍」もソフトウェア側が複雑さを吸収しておりニューロンが3D空間認識をしているわけではないのではないか、ということを考えると、メディアが伝えるような「脳細胞がDoomを学習した」という印象は大きく誇張されています。なお、この企業はこのデモの直後にメルボルンとシンガポールに「バイオデータセンター」建設を発表しており、査読もなく再現もない段階で商業展開を進めるという構図は、科学的手順としてかなり前のめりと言わざるを得ません。 この種の「生物コンピュータ」で、シリコンベースのコンピュータやAIの機能拡張ができる、という主張は、現時点で（というか将来的にもおそらく）実現見込みのない主張だと私自身は個人的には考えてます。そもそもシリコンベースのAIの機能が、標準的な人間の脳の（身体性、社会性などが含まれる機能以外の）ほとんどの機能に匹敵/あるいは凌駕できるようになっており、さらにAIの進化のスピードを考える、と生物ベースの細胞でその機能を拡張しようというのはほぼ無意味。「生物コンピュータ」が意味・価値があるのは、生物の脳の作動原理を知るということ（得られた知見がAIの性能向上/エネルギー効率改善などに役立つというようなことはありうる）、疾患研究・創薬などで動物モデル研究とヒト応用での橋渡しになり得るということの2点においてだと思ってます。もしこのような考え方を覆すことのできるような論点があれば、もちろん歓迎です。 大きなお金が動きがちなこの種の話については、批判的に評価する目を養いたいものです。

廣田隆造さん@d_sake_uから、『システムとサイバネティクスの思想』という本を頂いた。 非常に素晴らしい本で、きちんと勉強しようとするとなかなか手を付けるのが難しいサイバネティクスやエナクティヴ・アプローチについて、懇切丁寧かつ本格的な記述が随所に繰り広げられているように見え、実にありがたい書物である。 廣田さんの章は近年のエナクティヴ・アプローチを概観したものだが、単なる表面的な概観ではなく、その刺激的な核心的アイデアとポテンシャルにまで踏み込んだ力作であり、日本語で書かれたエナクティヴィズム入門としては出色の出来と思われる。 私が論じている媒介論なども取り上げてくださっており、このような形で受け止めて頂いたのはありがたいかぎりである。 個人的には、西田洋平氏執筆の第二章にあるフォン・フェルスターの記憶研究に関する叙述や、下西風澄さんのヴァレラ論など、興味を惹かれる箇所が多くある。ぜひ楽しく読ませて頂くことにしたい。

超絶忙しい。でも電車の中や就寝中に1ページずつでも哲学書を読む。それだけで全然違う。世界の秘密に触れているという高揚感が、私を支えている。

え？勘違いされやすいのですが、翻訳はニュアンスや雰囲気でやるものではありません。翻訳は解釈であり、解釈には的確な原文読解が必要であり、的確な読解には語学力とともにしっかりした論理的思考が必要です。柔軟で豊かで創造的な訳文はそうした堅固な土台に基づき、原文と深く噛み合ってこそ生まれてきます。

サンスクリット語の格言メモ。 攻撃的な言葉には、反応しないのが一番である。

AI for Scienceも大事だけど、もっとlow hangingでかつ効果も期待できるのはAI for Science Administrationではないかと思う。 研究者が自分ではやりたくないが、やってくれる人も見つけられずできていないもろもろの「事務」をAIエージェント化するノウハウの共有とオープンソース化。

吉田さん@pooneilと一緒に書いた『行為する意識』の一部が立教大学の入試で使われたようだ。私が主に担当した第3章125〜130頁あたり。これまで多くの入試に使われてきた『現象学という思考』の各所に比べると、結構歯ごたえのある内容だと思うが、受験生は大丈夫だったろうか。 でも、これを理解してくれる受験生がいてくれたら、また、今後予備校や赤本などでこの文章を読んで理解まで到達してくれる高校生が出てきてくれたら、とても嬉しい。「なんかわからんけど、気になるよね」と思ってくれる若者たちが出てきてくれることを期待。

MoMA New York Installation by Refik Anadol

参加メモ：メタサイエンス・ミートアップ 2026 - 重ね描き日記（rmaruy_blogあらため） rmaruy.hatenablog.com/entry/2026/03/… 超拙速、かつ抽象的な感想です。コアメンバーの皆様、登壇者の皆様、充実した会をありがとうございました。

@d_sake_u ありがたい・・・

あらゆる国内イベントで自分より若い人たちに『〈現実〉とは何か』を進めて回る人として活動している

フッサールもsynphilosophein（共に哲学すること）を強調し、現象学は何世代にもわたる研究者たちの努力によって開拓されるべきと述べていた。あの時代の哲学者たちは、本気でそれをやろうとしていた。今再び、われわれはそれを試みるべきなのだろうと思う。

これは本当にそうだと思います。正味、『統計学を哲学する』は数学や統計が得意な人には書けないと思う。あれは数式を数式のまま理解することができない（涙）人間が、ああでもない、こうでもない、ひょっとしたらこういうことか？と煩悶しながら書いた本なので。

首がもげるほど同意。 遅読。 遅考。 遅書のたいせつ。 何もかもが速すぎるこの世界で。

哲学界隈では、「ものわかりの悪さ」が時に重要な資質として語られる。ものわかりが良すぎると、問いを素通りしてしまって、より深い問いに入り込めない。 問題は、自分の「ものわかりの悪さ」にいかに真剣に向き合うか、なのだろう。まさにこのポストの後半で丸山さんが語っている通りである。

「研究者向け生成AIで最もオススメなのはどれですか？」 と良く聞かれます。 私の結論は「ChatGPT, Gemini, Claudeの三強であり、好きなものを使えば良い」です。 というのも、「各社の最高性能モデルが出るたびにオススメが入れ替わる」という状況がこの1-2年ほど続いているからです。 お金と時間に余裕があるなら、「三強のうちその時点で最高性能のもの」に乗り換え続けるのがベストです。 ですが研究者の本分はあくまで研究であり、生成AIの最新情報を追い続けることは現実的ではありません。 なので、「ChatGPT, Gemini, Claudeのうち自分が最も使い慣れていて、しっくり来るものを使う」という選択が、多くの研究者にとってはベターな判断だと思います。 将来的に三竦みが崩れ一強となるなら、その時点で一強に乗り換えれば良いだけだと考えます。 上記を踏まえた上で、「それでも1つだけ科学研究用のオススメを挙げるなら？」と聞かれたら、GPT-5.4の登場やウェブ検索機能のハルシネーションの少なさから、ChatGPT Plus（月額20ドル）というのが現時点での私の考えです。

先日CHAINで顔を合わせたお二人の著書の表紙がすでにできている！同じくカント研究から出発して多面的に活躍されている高木駿さんとCHAINの俊秀、清水颯さんが書かれた本ということで、実に楽しみです。

私は全て生あるものの最後の帰るべき場所は、内在野だと思っています。それは今まで人が知らなかった土地としてあります。だからそれを体験しても、それがなんであるのかがわからない。(しかし本当は誰もが知っている場所です) 悲しいのでも嬉しいのでもない。ただ涙が溢れるのです。

本日は北海道大学にてCHAINとCPMの探索的ワークショップ。 記憶の哲学はさらに広がっています。 宮園健吾さんによる開会の辞。 そしてCHAINセンター長である田口茂先生による最初のトークが始まりました。

実に内容の充実した教科書。現代社会を生き抜くためには、AIと哲学の両方を知る必要があるというのは同意である。AIをめぐる状況が激変し続けるなかでアップトゥデートな教科書を作り続けるのは非常に大変だったと推測する。労作である。 @tanichu @rmaruy 谷口さん、丸山さん、お送り頂きありがとうございました。