Nat Rev Psychol 評論 | ベイズ認知論争、真の争点はアルゴリズム層にあり

研究分野の背景と課題

「認知はベイズ的である」という主張は、ベイズ推論（Bayesian inference）が異なるタスクにおける合理的分析を統一的な言語で整理できることから、認知科学で広く見られる言説です。しかし、この言説はマー（Marr）の3層分析における計算層（computational level）とアルゴリズム層（algorithmic level）を混同しがちです。行動データがベイズモデルでうまく適合するからといって、認知アルゴリズムがベイズの定理を明示的に実行しているとは限りません。著者らは、この論争が長引いている主な原因は、階層の混同によって命題が広範になりすぎ、反証可能性が低くなっている点にあると主張しています。

中核的枠組みと統合のロジック

本稿は「明示的ベイズ仮説（explicit-Bayes hypothesis）」を提唱し、認知アルゴリズムが明示的にベイズの定理を適用するかどうかを個別に検証することを提案します。これにより、計算層でのベイジアニズムは「なぜその行動が生じるのか」を説明するものとして維持しつつ、アルゴリズム層でのベイジアニズムは、比較検証や反証が可能なメカニズム仮説として扱うことができるようになります。

著者らが強調するのは、判定基準は「不確実性を表象しているか」や「合理的か」ではなく、事前分布（prior）、尤度（likelihood）、事後分布（posterior）を明確に計算し、ベイズの定理を適用しているかどうかだという点です。この基準に従うと、サンプリング、償却推論（amortized inference）、予測符号化（predictive coding）などのモデルは、計算層ではベイズ的と見なせても、ここでは非明示的ベイズ（non-explicit-Bayes）に分類される可能性があります。この仮説を検証するには、モデル空間の制御を容易にするためにタスクは十分に単純である必要があり、同時にモデルの識別可能性を高めるために条件は十分に豊かである必要があります。

重要な洞察と今後の方向性

洞察1：著者らが狭めているのはアルゴリズム層の主張であり、計算層のベイズ的枠組みを排除するものではない

本評論の役割は、「認知はベイズ的か」という問いを二つに分解することです。すなわち、計算層での説明としてベイズ的解釈が適切かどうか、そしてアルゴリズム層でベイズの定理が明示的に使用されているかどうか、という二つの問題です。後者が繰り返し成立しない場合でも、制約を受けるのはベイズモデルの説明階層であり、その規範としての地位や抽象的な組織化の枠組みとしての役割ではありません。

洞察2：「明示的ベイズ仮説」の価値は、「ベイズ的」という言葉により明確な経験的境界を引くことにある

著者らは、「ベイズの定理を明示的に適用するか否か」を分類基準として用いています。なぜなら、「不確実性の表象」や「計算論的合理性」といった基準では、ベイズ的アルゴリズムと非ベイズ的アルゴリズムを明確に区別することが難しいからです。特定のタスクにおいて、与えられたモデル空間内で、最適に適合するモデルが明示的にベイズの定理を用いる場合、その仮説は支持されます。逆の場合は反証となります。

洞察3：知覚的意思決定における確信度判断は検証可能なテストシナリオだが、既存の支持はまだ予備的な段階にある

著者らは、知覚領域は比較的低次元であり、確信度判断は参加者に確率を明示的または暗黙的に報告させることを求めることが多いため、この仮説の検証に特に適していると考えています。本文中のレビューによると、ベイズ的確信度仮説（Bayesian confidence hypothesis）は複数回テストされており、既存のモデル比較は、感覚証拠の強度に基づく非明示的ベイズ的な説明をより支持しています。しかし、この判断はまだ予備的なものであり、記憶や推論といったより高次の領域に直接外挿することはできません。

要点まとめ

本評論は、「認知はベイズ的か」という漠然としたスローガンを、より狭く、反証可能なアルゴリズム層の命題に絞り込みます。すなわち、認知アルゴリズムはベイズの定理を明示的に使用するのか、という問いです。これは、ベイズモデルの計算層における説明的価値を保持しつつ、アルゴリズム層の主張にはより厳格なモデル比較を要求するものです。現段階では、知覚的意思決定における確信度研究が検証可能な一例を提供していますが、その結論は主にこの特定の領域に限定されたものです。