精神物理学とHOF認知 — 機械の意思決定を支える基盤としての知覚測定原理

著者: Asher Bond (asher.bond@distillative.ai)

要旨

精神物理学とは、感覚系における物理的刺激の強度と、知覚される強度との関係を定量的に扱う学問である [1, 2]。これは、機械認知をHOF認知の観点から捉える説明において、測定の基盤をなす。そこで確立された知覚の諸原理を、本稿は比喩としてではなく、実在し測定可能な工学的道具として適用する。信号検出理論（SDT） [3] は意思決定の層を担う。その感度と基準への分解は、LLMエージェント系が、ある候補出力を信号とみなすか雑音とみなすかを判定する際に走らせる、受理・棄却・再試行のゲートへそのまま写像される。Weber–Fechnerのスケーリング [1] と Stevensのべき法則 [2] は応答スケールの層を担う。すなわち、適応的な閾値と、収穫逓減型の資源配分を定める、圧縮的かつ相対変化に基づく法則である。認知のベイズモデル [4] は推論の枠組みを与え、不確実性下の意思決定を、証拠によって更新される信念として扱う。いずれも役割の定まった、応用可能な精神物理学的計器である。本稿は、どの原理がどの工学的判断を統べるかを明示する。

1. はじめに

HOF認知の一連の研究は、ソフトウェア系を、知覚し・意思決定し・適応する系として扱い、その扱いを、生物の知覚を定量化するのと同じ諸法則の上に据える。精神物理学は、物理的刺激が変化するとき、報告される感覚がどう変化するかを測定する。光の明るさ、音の大きさ、手に持った物体の重さ、といった具合にである [1, 2]。これらの法則が移植可能であるのは、それが解剖学ではなく、測定関係だからである。LLMエージェントの再試行ループには、刺激（候補出力）があり、意思決定（受理か棄却か）があり、適応の様式（信号強度の変化に応じて感度がどう動くか）がある。これは知覚の諸法則が定量化するのと同じ構造を、計算的観測者へ適用したものにほかならない。

本稿はこの写像を厳密に定める。信号検出理論は受理・棄却の判定を統べる。Weber–FechnerとStevensは、変化がどの尺度で「気づくに値する」ものとなるか、また追加した資源がどの尺度で収穫逓減に転ずるかを統べる。ベイズ推論は、その両者の下に信念更新の層を敷く。いずれの原理も、設計上の名指された段階において荷重を担う。

2. 関連研究

信号検出理論。 GreenとSwets [3] は、観測者の「感度」（信号＋雑音が雑音のみからどれほど区別可能か。d′で要約される）と、観測者の「決定基準」（β、すなわち「信号あり」と答える傾き）との分離を定式化し、あわせて、基準を掃引したときのヒット率と誤警報率の関係を表す受信者動作特性（ROC）を定式化した。SDTは意思決定の理論であり、系が不確実性下で「存在／不在」を確定せねばならないあらゆる場面に適用できる。ゆえにこそ、ソフトウェアの受理・棄却・再試行のゲートへ何の無理もなく移植される。

Weber–FechnerとStevens。 Fechnerの対数法則 [1] とStevensのべき法則 [2] は、知覚される強度が物理的刺激の強度とともにどう増大するかを定量化する。すなわち、劣線形かつ圧縮的であり、絶対変化ではなく「相対」変化に駆動される。これらは応答スケールの法則であり、本設計はこれを、適応的閾値がどこに位置するか、また追加資源への収穫がどれほど速く圧縮していくかを定めるために適用する。

ベイズ認知。 Griffiths、Kemp、Tenenbaum [4] は、推論を近似ベイズ推論としてモデル化する研究の系譜を概観する。すなわち、事前分布と証拠を結合して段階的な信念を生む手法である。これは意思決定の下に敷かれる層を与える。候補の品質は事後分布であり、検証器の証拠によって更新される。

構成的枠組み。 高階関数の語彙は、関数型プログラミングの標準的なものである。合成と関数を値とする抽象化は、Backusの関数型代数 [5]、高階関数がなぜモジュール性に資するかを論じたHughes [6]、関数を第一級の値として扱うStrachey [7] が主題としたところである。上述の知覚原理は、この基盤の上で関数として合成される。

3. 検証・再試行ゲートとしての信号検出理論

受理・棄却の判定こそ、知覚測定が最も直接に荷重を担う場である。SDTの用語で表すと [3]、

この写像が厳密であるのは、SDTが不確実性下の意思決定の理論であり、観測者の基盤とは独立に定義されているからである。SDTは、再試行ゲートをどこに設けるべきか、そしてその二種の誤りをどう考えるべきかについて、原理に基づいた説明を与える。本稿が提示するのは設計上の写像であって、測定された動作点ではない。特定のd′、誤警報率、ROC値はいずれも、実行によって産出されるまでは [ILLUSTRATIVE] にとどまる。ゲートの数値は、系が測定される場所で報告されるのであって、ここではない。

4. Weber–FechnerとStevens — 適応的閾値と収穫逓減

系は「相対」変化に反応すべきであり、信号がすでに強い場合には、さらなる変化に対して感度を下げるべきである。これはWeber–Fechnerの圧縮 [1] とStevensのべき法則 [2] をそのまま適用したものである。弁別閾は、変化が行動を起こすに値する閾値を定め、圧縮的な応答曲線は、追加した資源がどう収穫逓減へ転ずるかを定める。これらの法則は、実在するスケーリング関係——気づきうる変化の劣線形な増大——を定量化しており、本設計はその関係を用いて、適応的閾値と資源予算を編成する。応答スケールが道具であり、弁別閾はそれを読み取る場である。

5. ベイズの枠組み

不確実性下のエージェントの意思決定を近似推論として扱うことは [4]、SDTのゲートの下に確率的な層を敷く。候補品質についての事前分布が検証器の証拠によって更新され、段階的な受理・棄却の事後分布を生む。SDTはその推論された事後分布の上に立つ意思決定の層であり、両者は合成される。これはモデル化の立場であって、そのように明言しておく。系が最適ベイズ推論を実現すると、それ自体で主張するものではない。

証拠と適用範囲

本稿は、精神物理学の文献とHOF認知の設計との間の概念的写像である。どの知覚測定原理がどの工学的判断を統べるかを定める。すなわち、SDT [3] が受理・棄却・再試行のゲートを、Weber–Fechner [1] とStevens [2] が適応的閾値と収穫逓減のスケールを、ベイズ推論 [4] がその下に敷かれる信念の層を統べ、これらすべてが高階関数として合成される [5, 6, 7]。測定値——d′、誤警報率、ROC——は、系が計装され実行される場所で報告される。ここに記されるいかなる数値も [ILLUSTRATIVE] である。諸原理は応用された計器であり、本稿は各判断が用いる計器を明示する。

参考文献

  1. Gustav Theodor Fechner (1860). Elemente der Psychophysik. Breitkopf und Härtel.
  2. S. S. Stevens (1957). On the Psychophysical Law. Psychological Review.
  3. David M. Green & John A. Swets (1966). Signal Detection Theory and Psychophysics. Wiley.
  4. Thomas L. Griffiths et al. (2008). Bayesian Models of Cognition. The Cambridge Handbook of Computational Psychology.
  5. John Backus (1978). Can Programming Be Liberated from the von Neumann Style? A Functional Style and Its Algebra of Programs. Communications of the ACM. [1977 ACM Turing Award Lecture]
  6. John Hughes (1989). Why Functional Programming Matters. The Computer Journal.
  7. Christopher Strachey (2000). Fundamental Concepts in Programming Languages. Higher-Order and Symbolic Computation. [Reprint of 1967 lecture notes]