わたしの研究は、心理学の研究を通して抱いた疑問や課題を、哲学的に探求するものです。現在は特に、意識と脳の問題について哲学的探求を行っています。
現在のわたしの研究の最大の特徴は、心理学における「特徴統合理論」を言語（学）的に解釈するという点にあります。この解釈では、脳内のニューラルネットワークが行っていることを、単なる計算処理としてではなく、むしろ〈文〉の生成プロセスとして理解します。すなわち、〈文〉の生成とは、まず複数の「述語」に相当する要素が処理され、それらが「主語」によって統合される形で成立すると考えるのです。
この言語的再解釈を行うために、まず特徴統合理論において「特徴」と呼ばれているものを「述語」と捉え直します。そして、「特徴統合」を「述語の主語による統合」であると解釈します。言い換えれば、特徴統合とは、〈述語＝特徴〉が統合されて〈主語＝対象の表象〉が成立していく過程であると理解するわけです。
特徴統合を〈文〉の成立過程であると捉えることで、重要な理論的推論が引き出せます。それは、まず〈文〉が成立して初めてそこから〈命題〉が抽出可能となり、〈命題〉が抽出されて初めて〈論理〉の構築が可能になる、という推論です。したがって、特徴統合の言語的再解釈は、脳内の基本的なプロセスにおいて順序があることを示唆します。まず前論理的な述語処理が主語的統合を経ることで〈文〉が成立し、その後に論理的な構造が出現するのです。
この考え方は、並列分散処理の中間層において条件付き確率による正解を推論しているとする理論とは、本質的に異なります。なぜなら、私の提唱する理論的解釈は、述語性の処理を基盤としてそれに相応しい主語を探索するという、より言語的、否、むしろ散文詩人の創作過程に近い「創造的な知覚世界の描写」がなされていると捉えるからです。これにより、哲学とより親和性のあるニューラルネットワーク理論を形成することが可能になると考えています。
並列分散処理の中間層において、統計確率の理論に基づき、データから「もっともらしい世界の知覚像」を推論していると考えることは、脳があたかも科学者のように推論していると想定することに他なりません。しかし、中間層が必ずしも科学者のように、統計確率論に準じた推論をしていると考える必然性はないのではないでしょうか。むしろ、データは素材であり、それらを用いて世界の知覚像を「芸術家」のように創作していると想定することも可能であるはずです。
仮にその芸術家が写実派であれば、描かれた作品は、科学者が合理的な推論によって描写した結果とほぼ同じ構造を持つはずです。したがって、言語的再解釈に基づき、データ（述語＝特徴）から創作過程によってオブジェクト表象（主語＝統合された表象）へと統合され、〈文＝主語・述語結合〉が生成されると解釈するニューラルネットの理論的思考は、現在の条件付き確率に基づく理論と比較しても、出力において大幅な差異を生じさせることはないでしょう。二つの考え方は、実際の出力においては大差のない構造を保持することになると考えられます。
しかし重要なことは、一般的に芸術家は科学者よりも、その思考や描写がより「人間的」になるだろうという点です。ニューラルネットの言語的解釈を採用することで、脳の認知処理過程を単なる計算処理として理解する枠組みを超え、現象学的な哲学とも親和性のある、より人間的で倫理的な理論モデルの構築につながると考えています。現在、私は主にこのテーマについて研究を行っています。
言語的再解釈によって、脳内認知過程の理論は、本来の人間の認知に限りなく接近しながらも決して一致できない「漸近線」のようなアプローチを超えて、実際に人間的な本来の認知過程の理論そのものへと向かうことが可能となるはずです。
ここに述べた内容は、わたしのこの数年間の新しい研究の展開です。2025年12月に上梓した『生活と言語：知の言語的統合を求めて』（北樹出版）の第一部には、この研究テーマに関する論文や発表がまとめられています。
English Translation:
My research philosophically explores questions and issues that have arisen through my studies in psychology. Currently, I am also engaged in a philosophical inquiry into the problem of consciousness and the brain.
The distinctive feature of my current research is a linguistic reinterpretation of “Feature Integration Theory” (FIT). In this interpretation, I understand the neural networks in the brain not merely as performing calculations, but rather as generating “sentences.” I posit that the generation of a “sentence” occurs when elements corresponding to multiple “predicates” are first processed and then integrated by a “subject.”
To achieve this linguistic reinterpretation, I first redefine what are called “features” in Feature Integration Theory as “predicates.” I then interpret “feature integration” as “integration by a subject.” In other words, feature integration is understood as the process by which <Predicates = Features> are combined to establish a <Subject = Representation of the Object>.
Understanding feature integration as the formation process of a <Sentence> allows for important theoretical deductions. Specifically, we can infer that a <Proposition> can only be extracted after a <Sentence> has been formed, and the construction of <Logic> becomes possible only after a <Proposition> has been extracted. Therefore, this linguistic reinterpretation suggests a specific sequence in the brain’s fundamental processes: pre-logical predicate processing undergoes subjective integration to form a <Sentence>, after which a logical structure emerges.
This perspective differs fundamentally from theories that assume the hidden layers of parallel distributed processing (PDP) infer correct answers based on conditional probability. My theoretical interpretation suggests a depiction of the perceptual world that is more linguistic—or rather, creative, akin to the composition process of a prose poet—where a suitable subject is sought based on predicate processing. I believe this interpretation enables the formulation of a neural network theory that has greater affinity with philosophy.
To assume that the hidden layers of parallel distributed processing infer the most plausible perceptual image of the world from data based on statistical probability theory is to assume that the brain reasons like a scientist. However, is it necessary to assume that the hidden layers strictly follow statistical probability theory like a scientist? It should be possible to assume instead that data are merely materials, and that the brain uses them to create a perceptual image of the world like an “artist.”
If the artist is a realist, the resulting work should have a structure almost identical to the result of a scientist’s rational inference. Therefore, a neural network theory based on linguistic reinterpretation—interpreting the process as one where data (Predicates = Features) are integrated through a creative process into an object representation (Subject = Integrated Representation) to generate a <Sentence = Subject-Predicate Union>—would likely not produce outputs significantly different from theories based on conditional probability. The two approaches are expected to maintain structures that are not substantially different in actual output.
However, the crucial point is that an artist’s thinking and depiction will generally be more “human” than that of a scientist. By adopting a linguistic interpretation of neural networks, I believe we can move beyond understanding the brain’s cognitive processing as mere calculation and lead to the construction of a more human and ethical theoretical model that aligns with phenomenological philosophy. This is the main theme of my current research.
Through linguistic reinterpretation, theories of cognitive processes in the brain can go beyond an “asymptotic” approach—which endlessly approaches but never coincides with true human cognition—and actually move toward a theory of the authentic human cognitive process itself.
The research described here represents the development of my work over the past few years. Papers and presentations related to this theme are compiled in Part 1 of my new book, “A Life and Language: Searching for the Linguistic Integration of Science” (2025, Hokuju Shuppan).