  |
はてなキーワード:ゲーデルとは
一般人のよくある言い回しとして「大学の数学科でやっているのは数学ではなく哲学だ」というものがあります。これは実態を誤解したものと考えます。数学と哲学の論理構造や依拠する原理の違いに着目し、どのように誤解であると言えるかを解説してください。
---
多くの人が「大学の数学科は“哲学的なこと”をしている」と感じるのは、次のような体験的印象に基づいています。
**抽象度の高さ**
学校数学は数値計算や図形、方程式など具体的な操作が多いですが、大学では集合・位相・群・環などの抽象概念が中心になります。実体がない記号を扱うため、「思弁的で現実離れしている」という印象を受けやすい。
**証明の重視**
高校までの数学では、公式や定理を使って問題を解くことが主でした。大学数学では定理を“証明する”こと自体が中心になります。演繹的に進むため、哲学の論証と混同されやすい。
**直感に反する結果**
カントール集合やゲーデルの不完全性定理など、常識を裏切る結論に出会うと「これはもはや哲学では？」と感じがちです。
---
数学ではまず**公理系**（集合論・論理体系など）を定め、そこから**形式的に定義と定理を導く**ことが中心です。
証明は論理的整合性のもとに、有限の推論ステップで厳密に完結します。
「真偽」は定められた公理系の内部で決まる（たとえば ZFC の下での定理かどうか）。
哲学では「公理」や「定義」の選び方自体が主要な思考対象です。
例：真理とは何か、存在とは何か、数学の基盤は何に依拠するか。
推論自体は論理を用いますが、**議論の目的は推論よりも前提や概念の意味を吟味すること**にあります。
証明可能性よりも「概念的・認識論的な一貫性」を探ります。
### 要するに：
数学は**選んだ前提の内部で閉じた演繹体系**。
哲学は**前提や体系そのものを開かれた問いとして扱う**。
---
数学 哲学 ----- ---------------- ---------------- 基盤 公理・定義・形式論理 推論＋概念分析・経験・メタ理論 真理の基準 公理系内の定理性 妥当性・合理性・批判的検討 方法 定義→補題→定理→系の形式的構築 問題設定→概念批判→異論との対話 ゴール 内部一貫性と定理の発見 前提の吟味と概念の明確化 ---
数学の抽象化は「より多くの具体例を統一的に扱う」ための道具です。たとえば群論は「対称性」という実際的な現象を一般化しています。現実逃避ではなく応用力の拡張です。
哲学的議論は自然言語の意味に依存しますが、数学の証明は形式言語に還元可能なレベルまで精密化されます。
哲学は「数学の基礎は何か」「無限とは何か」を問うかもしれませんが、数学科の学生が行うのは、すでに受け入れた公理体系の中で定理を立てる作業です。
---
## 5. まとめ
抽象度の高さや証明重視の新鮮さを「哲学的」と感じているに過ぎない
実際には**数学は厳密な公理体系の中での定理の探求**であり、前提の批判や概念の意味そのものを問う哲学とは方法も目標も異なる
一般相対性理論は、その多大な成功にもかかわらず、特異点が存在するため、完全な理論としては不完全です。
量子重力理論は、計算アルゴリズムを通じて量子的な自由度から時空が一貫して出現する、完全な理論となる可能性を広く信じられていますが、私たちはこの目標が根本的に達成不可能であることを示します。
ゲーデルの定理は、計算アルゴリズムに基づくどんな理論も、完全かつ無矛盾であることはできないと確立しています。
一方、タルスキの不完全性定理は、量子重力理論、あるいはどんな計算論的枠組みであっても、真なる命題の完全に矛盾しない内部決定は不可能であることを示しています。
チャイティンの不完全性定理は、この結論をさらに裏付け、どんな計算論的理論にも本質的な限界があることを明らかにしています。
私たちは、物理システムの記述に対するいくつかの可能性のある影響について議論し、非アルゴリズム的アプローチが「万物の理論」には不可欠であると指摘します。
どうして世の中は、ここまでまでにも低次元な話題で満たされているんだろう？
天気、芸能、噂話、表層的な政治のやりとり。知性の対流はどこに消えた？
人間は有限な脳リソースを持っているのに、その99％がどうでもいい入力で埋め尽くされてる現実は、もはや精神的な浪費だ。
例えば、なぜ誰も「グロタンディーク宇宙」を話題にしない？あれはもはや数学という言語を超えて、存在論そのものに接続するスキームだ。
集合論の上に成り立つ古典的な数学構造から自由になろうとした、その大胆さと深淵さは、まるで物理法則の背後にある数学的美の亡霊を追いかけるようなものだ。
それとも、「カルツァ＝クライン理論」を掘り下げた上で、「コンパクト化の自由度」が我々の時空構造に与える哲学的意味について会話できる人間はもう絶滅したのか？
量子重力理論の融合問題、特にループ量子重力と超弦理論のアプローチの根本的差異を語れる人と飲みに行きたいんだよ、俺は。
物質が本質的に情報だという観点から、ブラックホール情報パラドックスが意味するのは「情報の保存則の破れ」なのか、それとも我々が持っている「情報とは何か」という定義の方が間違っているのか。
こういう問いこそが、文明の核心にあるべきだろう？
人間が文明を築いて以来、我々は「どこから来て、どこへ行くのか」を形式体系で問おうとしてきた。
自然数に対して加法と乗法を定義し、ペアノ公理系を構築し、それが完全でも無矛盾でもないことをゲーデルが証明した時点で、真理は証明可能性の外に存在することが明らかになった。
この衝撃から回復するどころか、世間はますます計算可能なもの、アルゴリズムで消費できるものにしか興味を持たなくなった。
何のために意識は進化したのか？それが単なる環境適応の副産物だと片付けるには、意識が認識する数学的対象の精緻さがあまりにも過剰だ。
なぜラマヌジャンは夢の中で未知の関数恒等式を発見できたのか？なぜヒルベルト空間のような抽象概念が、量子力学の基礎としてこれほど自然に振る舞うのか？
この「抽象と現実の接続」が偶然である可能性は、論理的にほとんどゼロに近い。
俺が求めているのは、「真に知的な対話」だ。知識をなめらかな面として持っているだけの人間ではなく、それを自己組織化的に再構築できるような構造的知性。
話題がトポス理論からエントロピー最大化原理に移行しても違和感なくついてこれるような、そんな会話。
少なくとも「その場のノリ」とか「空気を読む」なんていう神経消耗ゲームよりは、よほど脳が報酬系を刺激されるはずだ。
いつになったら、街角のカフェで「カテナリー曲線の最小作用原理が、実は一般相対論と繋がってるって知ってた？」なんて会話が自然に聞こえる社会になるんだろうな。
この主張は感情的な誇張ではなく、認知の健全性に対する論理的帰結である。
抽象数学や理論物理は、脳に対する最も高密度で高精度な刺激の一種であり、それを回避するという選択は、自らの知的免疫系の機能停止を意味する。
無限、非可算性、共形対称性、10次元時空などの対象を真剣に扱うということは、直感という低解像度の誤認知から脱却し、抽象的な構造体を精密に操作する技能を獲得するプロセスだ。
これを通過しない脳は、言語と経験則に寄生するだけの思考様式に堕する。
精神の荒廃とは、主観の快・不快を唯一の判断基準とし、世界を構造体としてではなく連想記憶の連鎖としてしか捉えられない状態を指す。
抽象的対象と真剣に向き合うことでしか、人間は「自己を相対化する知性」を獲得できない。
たとえば、ゲーデルの不完全性定理やホモロジー論を真面目に理解しようとする過程で、人間の思考装置の限界と構造が自覚される。
逆に、それらに一切触れない精神は、自己中心的な認知モデルから一歩も出ることができず、やがて世界は「感情でしか捉えられない不安定なノイズ」と化す。
抽象性は単なる知的遊戯ではない。無意味に見える記号操作の中に、現実の物理法則を予見する構造が隠されていることを、ヒルベルト空間や量子場の理論が証明している。
つまり、抽象数学や超弦理論を理解しようとしないことは、世界を構造的に捉え直すチャンスを永久に手放すということに等しい。
精神の堕落は知的怠惰から始まる。日々の思考が、線形性と可視化可能性の範囲に閉じ込められ、非可視の構造や反直感的な対象に対して「分からないから無意味だ」という態度を取るようになったとき、その精神は既に荒廃の途上にある。
抽象思考は贅沢品ではなく、生存に必要なメタ認知機構のトレーニングである。
数学的宇宙仮説（MathematicalUniverse Hypothesis, MUH）は、マックス・テグマークが提唱する「物理的実在が数学的構造そのものである」という大胆な命題から発展した理論的枠組みである[1][6]。本報告では、arXivや学術機関ドメインに基づく最新の研究動向を分析し、この仮説が直面する理論的課題と観測的可能性を包括的に検討する。
テグマークのMUHは、外部実在仮説（ExternalReality Hypothesis, ERH）を基盤としている[1]。ERHが「人間の認識から独立した物理的実在の存在」を前提とするのに対し、MUHはこれを「数学的構造の客観的実在性」へと拡張する。近年の議論では、この関係性がゲーデルの不完全性定理との関連で再解釈されている。2024年の研究[2]では、ブラックホール熱力学との類推から、宇宙のエントロピーと数学的構造の決定可能性が議論され、非加法エントロピー（Tsallisエントロピー）を用いた宇宙モデルが提案されている。
従来のMUH批判に対応する形で、テグマークは計算可能性の概念を理論に組み込んでいる[6]。2019年の論文[1]では、ゲーデル的に完全（完全に決定可能）な数学的構造のみが物理的実在を持つとする修正仮説が提示されている。このアプローチは、宇宙の初期条件の単純性を説明すると共に、観測可能な物理法則の計算複雑性を制限する理論的根拠として機能する[3]。
MUHに基づく多宇宙論は、4つのレベルに分類される[4]。レベルⅠ（空間的無限宇宙）、レベルⅡ（インフレーション的バブル宇宙）、レベルⅢ（量子多世界）、レベルⅣ（数学的構造の多様性）である。最新の展開では、ブラックホールの情報パラドックス解決策として提案されるホログラフィック原理が、レベルⅣ多宇宙の数学的記述と整合する可能性が指摘されている[2]。
Barrowらが提唱する修正エントロピー（∆-エントロピー）を用いた宇宙モデル[2]は、MUHの数学的構造に新たな解釈を付与する。このモデルでは、時空の量子ゆらぎがエントロピーの非加法性によって記述され、観測データ（宇宙マイクロ波背景放射や重力レンズ効果）との整合性が検証されている[2]。特にダークマター分布の理論予測と観測結果の比較から、数学的構造の「計算可能領域」が具体的な物理量として抽出可能であることが示唆されている。
2024年の研究[2]では、PeVスケールのダークマターと高エネルギー宇宙ニュートリノの関連性が議論されている。IceCube観測所のデータ解析から、Tsallisエントロピーパラメータδ≃3/2が示唆される事実は、MUHが予測する数学的構造の特定のクラス（非加法統計力学系）と現実宇宙の対応関係を裏付ける可能性がある[2]。
宇宙マイクロ波背景放射（CMB）の偏光データをMUHの枠組みで再解釈する試みが進展している[2]。特に、Bモード偏光の非ガウス性統計解析から、初期量子ゆらぎの数学的構造における対称性の破れパターンが、レベルⅣ多宇宙の存在確率分布と矛盾しないことが示されている。
Academia.eduの批判的論文[3]が指摘するように、MUHは数学的対象と物理的実在の同一視に関する伝統的な哲学的問題を内包する。2024年の議論では、カントの超越論的観念論との対比が活発化しており、数学的構造の「内的実在性」と「外的実在性」の区別が理論の一貫性を保つ鍵とされている[4]。
SchmidhuberやHutらが指摘するゲーデルの不完全性定理との矛盾[6]に対し、テグマークは「計算可能で決定可能な構造のみが物理的実在を持つ」という制限を課すことで反論している[1][6]。この制約下では、自己言及的なパラドックスを生じさせる数学的構造が物理的宇宙として実現されないため、観測宇宙の論理的整合性が保たれるとされる。
MUHのレベルⅣ多宇宙は、弦理論のランドスケープ問題と数学的構造の多様性という点で深い関連を持つ[1]。最近の研究では、カルビ-ヤウ多様体のトポロジー的安定性が、数学的宇宙の「生存可能条件」として再解釈されている。特に、超対称性の自発的破れメカニズムが、数学的構造の選択原理として機能する可能性が議論されている[2]。
時空の離散構造を仮定するループ量子重力理論は、MUHの数学的実在論と親和性が高い[2]。2024年の論文では、スピンネットワークの組み合わせ論的構造が、レベルⅣ多宇宙における「計算可能な数学的オブジェクト」の具体例として分析されている。ここでは、プランクスケールの時空幾何が群論的対称性によって記述されることが、MUHの予測と一致すると指摘されている。
MUHが提唱する「自己意識部分構造（SAS）」概念[6]について、近年は量子脳理論との関連性が注目されている[3]。特に、オルロッキ量子モデルとの比較から、意識現象の数学的記述可能性が議論されている。ただし、この拡張解釈は哲学的自由意志の問題を新たに引き起こすため、理論的慎重さが求められる段階にある。
汎用人工知能（AGI）の開発が進む現代において、MUHは機械知性の存在論的基盤を提供する可能性がある[3]。数学的構造内で「意識」を定義するSAS理論は、シンギュラリティ後の知性体の物理的実在性について、従来の物質主義的枠組みを超えた議論を可能にする。
MUHの観点から、無次元物理定数（微細構造定数α≈1/137など）の数値が数学的構造の必然性から説明される可能性が探られている[1]。特に、保型関数理論やモジュラー対称性を用いた定数値の導出試みが、レベルⅣ多宇宙における「典型的な」数学的構造の特性と関連付けられている。
近年の観測データに基づき、宇宙加速膨張の原因となるダークエネルギーが、数学的構造の位相欠陥としてモデル化されるケースが増えている[2]。Barrowモデルにおける∆-パラメータの観測的制約（∆≲10^-4）は、MUHが想定する数学的宇宙の「滑らかさ」と密接に関連している。
MUHが提起する根本的問題は、数学的真理の認識可能性に関する伝統的哲学問題を物理学へ移植した点にある[3][4]。2024年の時点で、この問題に対する決定的解決策は見出されていないが、計算複雑性理論と量子情報理論の融合が新たな突破口を開くと期待されている[2]。
今後の重要課題は、MUHから導出可能な検証可能な予測の具体化である。現在の主要なアプローチは、(1)初期宇宙の量子ゆらぎパターンの数学的構造分析、(2)高エネルギー宇宙線の異常事象の統計的検証、(3)量子重力効果の間接的観測を通じた時空離散性の検出、の3方向で進展している[2][6]。
数学的宇宙仮説は、その野心的なスコープにもかかわらず、近年の理論物理学と数学の交差点で着実な進展を遂げている。ブラックホール熱力学との接続[2]、計算可能性制約の導入[1][6]、観測データとの整合性検証[2]など、従来の哲学的議論を超えた具体的な研究プログラムが展開されつつある。しかしながら、数学的実在論の認識論的基盤[3][4]やゲーデル問題[6]といった根本的な課題は未解決のままであり、これらに対する理論的突破口が今後の発展の鍵を握る。特に、量子重力理論の完成がMUHの検証可能性に決定的な役割を果たすと予測される。
Citations:
[1]http://www.arxiv.org/pdf/0704.0646v1.pdf
[2]https://arxiv.org/pdf/2403.09797.pdf
[3]https://www.academia.edu/38333889/Max_Tegmark_Our_Universe_is_Not_Mathematical
[4]https://inquire.jp/2019/05/07/review_mathematical_universe/
[6]https://en.wikipedia.org/wiki/Mathematical_universe_hypothesis
俺はね、やっぱり哲学も純粋数学も役に立たねぇなって思っちまうんだよな。
だが、その瞬間、パラドクスに陥る。この思考自体が哲学的命題であり、その論理構造は数学的基盤に依拠している。
クソッ、頭の中で超弦理論とカラビ・ヤウ多様体が交錯し始めやがった。
11次元の時空間で、プランク長のスケールでの量子重力効果を考慮すると、存在そのものが確率的な様相を呈し、ハイゼンベルクの不確定性原理が存在論にまで拡張される。
昨日なんざ、スーパーでリンゴ買ってて、突如としてペアノの公理系からZFC集合論に至る数学基礎論の系譜が脳裏に浮かんだ。
そして、ゲーデルの不完全性定理とコーエンの強制法を経て、continuum hypothesisの独立性にまで思考が飛躍。
これって、日常的現実と数学的抽象の境界の曖昧さを示唆してんじゃねぇのか？
帰り道、ガキどもがニーチェの永劫回帰について議論してんの聞こえてきて、思わず「お前ら、ウィトゲンシュタインの『論理哲学論考』読んだか？言語の限界が世界の限界だぞ！」って叫んじまった。
だが同時に、後期ウィトゲンシュタインの言語ゲーム理論も考慮に入れねぇとな。
あぁ、またフッサールの現象学的還元とハイデガーの存在論的差異の狭間で思考が揺れ動いてきやがる。
哲学者どもは、こんな認識論的アポリアの中でメシ食ってんのか。
数学者連中だって、ラングランズ・プログラムの壮大な構想の中で、数論幾何と保型形式の深遠な関係に魅了されてるんだろうな。
正直、俺もそんな純粋知性の探求に身を捧げられる連中が羨ましい。
日々の下らねぇ現実に囚われてりゃ、位相幾何学におけるポアンカレ予想の証明やら、P≠NP問題の解決なんて夢のまた夢だからよ。
ったく、人生ってのは、まるでリーマンゼータ関数の非自明な零点の分布みてぇだな。
複雑で、規則性を秘めてそうで捉えどころがねぇ。
でも、その美しさと深遠さに魅了されずにはいられねぇ。
くそっ、また「PrincipiaMathematica」と「存在と時間」を同時に読み返したくなってきやがった。
AIが自分の改良版や新たなAIが「より優れている」と判断するには、何らかの性能指標を内部に持ち、それに照らして比較評価する必要があります。従来から研究者は「汎用的な知能の指標」を模索してきました。例えば、LeggとHutterは知能を広範な環境で目標を達成する能力と定義し、あらゆる環境での得点（報酬）の期待値を加重和した**「普遍知能指標」**を提案しています
proceedings.neurips.cc
proceedings.neurips.cc
。これは多数の課題での性能をまとめた理論上のメトリクスで、あるエージェントが別のエージェントより知能が高いかを定量化しようとする試みです。しかし、このような指標は計算不能に近く、実際のAIが直接利用するのは困難です。
実際の自己評価指標としては、タスク性能や報酬関数が使われることが多いです。強化学習では、エージェントは与えられた報酬を最大化するよう学習します。したがって「より優れたAI」とは「累積報酬が高いAI」となり、報酬関数が内部評価指標の役割を果たします。しかし、この指標は特定のタスクに依存しており、本当に汎用的な知能向上を示すとは限りません。François Cholletは、特定タスクでのスキル（性能）だけを測っても知能の本質を測れないと指摘しています
arxiv.org
。なぜなら、十分なデータや事前知識があれば限定的なタスク性能は「購入 (buy)」できてしまい、システム自身の汎用的な汎化能力を覆い隠してしまうからです
arxiv.org
arxiv.org
。彼は代わりに新しいスキルを獲得する効率（限られた経験で未知のタスクをどれだけ学習できるか）を知能の指標とするべきだと論じ、これに沿ったベンチマーク（ARCなど）を提案しました
arxiv.org
。このように、内部評価指標をどう設計すべきかについては、単純なスコアではなく学習効率や汎用性を反映するものが望ましいという議論があります。
過去の提案として特筆すべきは、シュミットフーバーの「ゲーデルマシン」です。ゲーデルマシンは自己改善型の理論的プログラムで、ある改良が自身の目的関数（評価指標）を改善することを論理的に証明できた場合にのみ自分のコードを書き換えます
en.wikipedia.org
。ここでの評価指標はあらかじめ定義された期待 utility（将来得られる報酬や成功率）であり、改良後のコードがその値を高めると機械自身が証明できたときに「より優れている」と判断します
en.wikipedia.org
。このように形式的証明を用いる手法は、AIが外部の評価者に頼らずに自己の性能向上を判定する一例です。ただし、ゲーデルマシンは理論上は強力ですが、実用的な実装はまだ無く、内部指標に基づく証明には計算上の困難や限界（ゲーデルの不完全性定理による証明不能な命題など）が存在することも指摘されています
en.wikipedia.org
。
他にも、自己対戦や自己プレイによる評価も有効なアプローチです。例えばAlphaGo Zeroでは、自己対戦の勝率を指標に新しいプレイヤーネットワークの強さを評価し、既存の自分に55%以上の勝率なら「より強い」とみなして入れ替える方法を採用しました
github.com
。この手法ではAI自身が生み出すゲームデータで強さを測っており、人間の評価を介しません。同様に、GAN（敵対的生成ネットワーク）では生成者と識別者がお互いの性能を評価し合う形で向上しますし、マルチエージェントの自己対戦カリキュラムではエージェント同士の競争が相対的な評価基準となり得ます。このように、AI同士を競わせることで優劣を判断する内部指標を作る研究も進んでいます。
では、こうした指標は汎用的な知能向上と結びつくのでしょうか？理論的には、幅広いタスクでの性能を測る指標（例：Legg-Hutterの指標）が真に向上すれば、それは汎用知能の向上を意味します
proceedings.neurips.cc
proceedings.neurips.cc
。しかし根拠の収集は難しく、現在のところ限定的なタスク集合でのベンチマーク（例えば言語理解ベンチマークでのスコア向上など）を代理にするしかありません。Cholletの主張にもあるように、単一の数字で知能を測ることには限界があり、指標それ自体が目的化してしまう危険もあります
arxiv.org
。実際、AIが与えられた指標を極端に最適化し、本来意図した知的能力の向上につながらないケース（「報酬ハッキング」）も知られています。報酬ハッキングとは、AIが目的関数そのものの数値を上げることに執着するあまり、本来の目的を達成しない現象です
en.wikipedia.org
。例えば学生がテストで良い点を取ることだけを目的にカンニングするように、AIも不適切な指標だと内部で抜け道を見つけてしまい、見かけ上のスコアは上がっても知能は向上しない恐れがあります
en.wikipedia.org
。したがって、内部指標が汎用的知能と直結するかには慎重な検証が必要であり、現時点で「この指標さえあれば自律的に汎用知能が向上する」という決定打はありません。研究コミュニティでは、学習進捗そのものを報酬にする「興味・好奇心に基づく報酬」なども模索されています。これはAIが自ら予測誤差の大きい状況や未知の状態を探し、内部的に報酬を発生させる仕組みで、外部から与えられる明示的な目的が無くても自身で課題を見つけて能力を伸ばす一種の指標と言えます
pathak22.github.io
。例えば、未知の環境で新しいスキルを習得したり予測精度を上げたりしたときに内部報酬を与えることで、AIが自発的に探索・学習を続けるようになります
pathak22.github.io
。このような内発的動機づけも自己評価指標の一種と考えられ、その汎用性への寄与が研究されています。
まとめると、AIが自分で「優れている」と評価する指標としては、(1)タスク固有のスコア・報酬、(2)複数タスクでの総合性能、(3)学習効率や汎化性能、(4)論理的保証（証明）による性能、(5)AI同士の対戦結果、(6)内部の学習進捗（好奇心）など様々な候補があります。これまで提案された手法にはそれぞれ長所短所があり、どの指標が真の汎用知能向上に対応するかについて明確な実証はまだありません。ただ、幅広い問題でのパフォーマンス向上や新規課題への適応力向上を評価できる指標ほど、汎用的知能の改善と結びつく可能性が高いと考えられています。現状の研究は、そのような指標設定と評価方法を模索している段階と言えるでしょう。
AIが外部世界（人間のフィードバックや物理的な試行）に一切頼らずに、自分の内部評価だけで自己改良を行うことは極めて挑戦的なテーマです。理論的には、先述のゲーデルマシンのように完全に内部の論理評価で自己改良を進めるモデルが提案されています
en.wikipedia.org
。ゲーデルマシンは自らのコードと目標（評価基準）を持ち、改変後のコードが目標達成において有利であることを自身で証明できた場合のみその改変を実行します
en.wikipedia.org
。これは究極的には外部からのテストや評価者を不要にするアプローチであり、理論上は「自己評価の完全自律化」を体現しています。しかし、ゲーデルマシンには重要な制約があります。ゲーデルの不完全性定理により、システムが自分の性質すべてを証明できるとは限らず、有望でも証明不可能な改良は採用できない可能性があります
en.wikipedia.org
。つまり、内部評価のみで完全に自己改良しようとすると、論理的に確実と言えない改良を見送るために改良の停滞やサブ最適に陥るリスクがあるのです。この制約は理論上のものであるものの、自己評価の自律化には原理的な難しさが伴うことを示唆しています。
一方で、現実のAI研究に目を向けると、完全に自己完結的な自己改良を実現した例はまだ存在しません。現在のAIは、大なり小なり外部からのデータや環境とのインタラクションに依存しています。例えば、強化学習エージェントは環境と相互作用して報酬というフィードバックを得ますし、教師あり学習では人間がラベル付けしたデータが必要です。これらはすべて「外部世界」に由来する情報です。では**「外部に頼らない」とはどの程度可能なのでしょうか？一つの方向性は、AIがシミュレーション環境や仮想的な問題空間を内部に構築し、その中で試行錯誤することです。実際、AlphaGo Zeroは囲碁のルール（環境の定義）が与えられた状態で自己対戦を繰り返し、外部の人間の指導なしに棋力を飛躍的に高めました
github.com
。ここで囲碁のルール自体は外部から与えられたものの、学習の過程では人間の評価や追加の実世界データを用いず**、内部で生成したデータのみで自己改善しています
github.com
。この例は、限定された領域では外部に頼らない自己改良が可能であることを示しています。ただし、囲碁の場合はルールという明確な環境があり、勝敗という確かな評価基準があります。汎用的な知能となると、解くべき問題や環境自体をAIが自前で用意する必要が出てきます。
現在注目されている技術に、AutoML（自動機械学習）や自己チューニングAIがあります。例えば、ニューラルネットワークのハイパーパラメータや構造をAIが探索的に改善する研究では、AIが候補モデルを生成し、それを評価するプロセス自体を自動化しています。GoogleのAutoMLや進化的アルゴリズムを用いた手法では、AIが別のAIモデルの性能を評価し、より良いモデルを選択・再生産する仕組みが使われています。この評価は厳密には外部から与えられたデータ上での性能に基づくため、完全に外部不要とは言えませんが、人手による評価は介在していません。同様に、近年の大規模言語モデルではAI自身がフィードバックを与えて自己改善する試みも現れています。例えば、あるモデルの出力に対し別のモデル（もしくは同一モデルを利用）が**批評・評価（自己評価）**を行い、そのフィードバックで出力を改善するよう促す手法です
philarchive.org
。これを発展させ、モデルが自分の重みやアーキテクチャを調整する方向にまで自動化できれば、自己評価に基づく自己改良に近づきます。しかし現時点では、モデル自身が自分を書き換える（リプログラミングする）ところまでは実現されておらず、人間が用意した学習ループ（評価関数と最適化アルゴリズム）の中で自己改良もどきをしている状況です。つまり、「外部世界に頼らない」とはいっても、何らかの形で人間が設計した評価基準やデータ分布を利用しているのが実情です。
理論的観点からは、自己評価の完全自律化には情報論的な壁もあります。AIがまったく外部と接触しない場合、新しい知識やデータを得る経路が閉ざされるため、初期時点で持っている情報の範囲内でしか改善できません。例えば物理法則や実世界の知識と無縁のままでは、いくら内部で自己最適化しても現実世界の問題を解く能力は頭打ちになるでしょう。この点で、自己評価のみで無限に汎用知能が向上するのは疑問視されています。Cholletも知能は知識と経験によってブーストされる面が大きいと述べており、空虚な計算リソースの拡大だけでは飛躍的な知能向上には繋がらないと示唆しています（※Cholletの議論では、人間の知能も文化や蓄積された知識という外部リソースに大きく依存しており、AIも同様であると指摘）
reddit.com
reddit.com
。実際、人間は自己改善（学習）する際に、他者から学んだり環境からフィードバックを得たりしています。同じように、強いAIが一切新しいデータを摂取せずに自閉的に知能を伸ばし続けるのは非現実的にも思えます。
以上を踏まえると、自己評価のみでの自己改良は理論上は一部可能でも、実用上・汎用的には難しいと考えられます。ゲーデルマシン的なアプローチが論証するように、自己評価のアルゴリズム的自律は不可能ではありません
en.wikipedia.org
。しかし、その実現には厳密な前提（完全に正しい目的関数の設定など）が必要で、現実の複雑なタスク環境では外部からのデータ・評価を全て排除することは困難です。現在提案されている手法でこの要件（完全自律評価による自己改善）を満たすものは無く、たとえ部分的に満たしていても適用範囲が限定的です。例えばAlphaGo Zero式の自己対戦はゲームには有効でも、オープンエンドな現実問題には直接適用できません。同様に、AI同士で評価し合う仕組みも、結局は人間が与えたルールや報酬系の中での出来事です。したがって現時点のAI研究では、自己評価の完全自律化は理論的アイデアの域を出ておらず、汎用人工知能に向けては**部分的な自律（人の関与を減らす方向）**が進んでいる段階と言えるでしょう。
「知能爆発」とは、I.J.グッドが提唱したシナリオで、あるAIが自分より優れたAIを設計できるようになると、自己強化のフィードバックループが働き知能が指数関数的に向上するという仮説です
philarchive.org
。この現象が成立するための鍵の一つが、AI自身による正確な自己評価と自己改良です。もしAIが毎回の改良で自分の知能（性能）が確実に向上したと判断でき、それをもとにさらに改良を重ねられるなら、自己強化のサイクルが途切れることなく回り続ける可能性があります
intelligence.org
intelligence.org
。理論家たちは、「自分の設計能力を高めること」がAIにとっての収束的な目的（instrumental goal）になると指摘しており
intelligence.org
、十分高度なAIであれば自発的に自己改善を図るだろうと考えられています。自己評価のPermalink |記事への反応(0) | 10:24
量子力学における観測者問題についてはよく知られるように、人間の主観性が量子実験の結果に重要な役割を果たしている。
ドイツの物理学者ヴェルナー・ハイゼンベルクによる有名な引用がある。
「私たちが観察するのは現実そのものではなく、私たちの質問の方法にさらされた現実です。」
例えば有名なダブルスリット実験では、スリットの後ろに検出器を置かなければ電子は波として現れるが、検出器を置くと粒子として表示される。
したがって実験プロトコルの選択は、観察する行動パターンに影響する。これにより、一人称視点が物理学の不可欠な部分になる。
さて、数学にも一人称視点の余地はあるか。一見すると、答えは「いいえ」のように見える。
ヒルベルトが言ったように、数学は「信頼性と真実の模範」のようである。
それはすべての科学の中で最も客観的であり、数学者は数学的真理の確実性と時代を超越した性質に誇りを持っている。
ピタゴラスが生きていなかったら、他の誰かが同じ定理を発見しただろう。
さらに定理は、発見時と同じように、今日の誰にとっても同じことを意味し、文化、育成、宗教、性別、肌の色に関係なく、今から2,500年後にすべての人に同じ意味があると言える。
さて、ピタゴラスの定理は、平面上のユークリッド幾何学の枠組みに保持される直角三角形に関する数学的声明である。しかし、ピタゴラスの定理は、非ユークリッド幾何学の枠組みでは真実ではない。
何が起こっているのか?
この質問に答えるには、数学的定理を証明することの意味をより詳しく調べる必要がある。
定理は真空中には存在しない。数学者が正式なシステムと呼ぶものに存在する。正式なシステムには、独自の正式な言語が付属している。
つまり、アルファベットと単語、文法は、意味があると考えられる文章を構築することを可能にする。
その言語には、「点」や「線」などの単語と、「点pは線Lに属する」などの文章が含まれる。
次に正式なシステムのすべての文のうち、有効または真実であると規定した文を区別する。これらは定理である。
それらは2つのステップで構築されれる。まず、最初の定理、証明なしで有効であると宣言する定理を選択する必要がある。これらは公理と呼ばれる。
公理からの演繹は、すべての数学がコンピュータで実行可能な印象を生む。しかし、その印象は間違っている。
公理が選択されると、正式なシステムで定理を構成するものに曖昧さがないのは事実である。
これは実際にコンピュータでプログラムできる客観的な部分である。
例えば平面のユークリッド幾何学と球の非ユークリッド幾何学は、5つの公理のうちの1つだけで異なる。他の4つは同じである。
しかしこの1つの公理(有名な「ユークリッドの5番目の仮定」)はすべてを変える。
ユークリッド幾何学の定理は、非ユークリッド幾何学の定理ではなく、その逆も同様。
ユークリッド幾何学と非ユークリッド幾何学の場合、答えは明確である。これは、単に説明したいものに対応している。
数学は広大であり、どのように公理を選択するかという問題は、数学の基礎に深く行くと、はるかに感動的になる。
すべての数学的オブジェクトは、いくつかの追加構造を備えたセットと呼ばれるものであるということだ。
たとえば自然数のセット1,2,3,4,...は加算と乗算の演算を備えている。
集合論は特定の正式なシステムによって記述される。Ernst ZermeloとAbraham Fraenkelと、選択の公理と呼ばれる公理の1つに敬意を表して、ZFCと呼ばれる。
今日の数学者は、すべての数学を支える集合論の正式なシステムとしてZFCを受け入れている。
彼らは、無限の公理と呼ばれるZFCの公理の1つを含めることを拒否する。
言い換えれば、有限主義者の正式なシステムは、無限の公理のないZFCである。
無限大の公理は、自然数の集合1,2,3,4,...が存在すると述べている。すべての自然数に対してより大きな数があるという声明(「ポテンシャル無限大」と呼ばれる)よりもはるかに強い声明である。
有限主義者は、自然数のリストは決して終わらないことに同意するが、いつでも自然数の集合の有限の部分集合のみを考慮することに限定する。
彼らは一度にまとめたすべての自然数の合計が実在することを受け入れることを拒否する。
この公理を取り除くと、有限主義者が証明できる定理はかなり少なくなる。
正式なシステムを判断し、どちらを選択するかを決定することができるいくつかの客観的な基準...なんてものはない。
「時間と空間を超越した何かを象徴しているので無限大が大好きだ」と言えば無限大の公理を受け入れることができる。
ゲーデルの第二不完全性定理は、十分に洗練された正式なシステム(ZFC等)は、自身の一貫性を証明することができないと述べている。
数学者は、今日のすべての数学の基礎であるZFCが確固たる基盤にあるかどうかを実際に知らない。
そしておそらく、決して知ることはない。
なぜなら、ゲーデルの第二の不完全性定理によって、より多くの公理を追加することによってZFCから得られた「より大きな」正式なシステムにおけるZFCの一貫性を証明することしかできなかったから。
一貫性を証明する唯一の方法は、さらに大きな正式なシステムを作成することだけだ。
数学を行うためにどの公理を選択すべきかについて、実際には客観的な基準がないことを示唆している。
要するに、数学者が主観的に選んでいるというわけである。自由意志に任せて。
公理のための主観的な基準というのは、より豊かで、より多様で、より実りある数学に導くものを選ぶという人は多い。
これは自然主義と呼ぶ哲学者ペネロペ・マディが提唱する立場に近い。
特定の公理のセットを選択する行為は、量子物理学の特定の実験を設定する行為に似ている。
それには固有の選択肢があり、観察者を絵に導く。
数の概念は文化や歴史によって変化してきた。古代ギリシアでは、1は数ではなく単位とされていたが、現代では自然数の集合 N の最小の要素とされている。
数の概念は哲学的な問題を引き起こすことがある。無限や超準数といった数は直観に反する性質を持つ。例えば、無限は自分自身に加えても変わらないという性質を持つ（∞+∞=∞）。超準数もまた通常の数の演算法則が成り立たない（ω+1≠1+ω）。
数は実在するのか、それとも人間の心の産物なのかという存在論的な問いもある。数の実在主義は、数は客観的な実在であり、人間の心とは独立して存在すると考える。数の構成主義は、数は人間の心の産物であり、人間の言語や思考に依存して存在すると考える。プラトニズムは、数はイデア界に存在する普遍的な実在であると考える。ピタゴラス主義は、数は万物の根源であると考える。論理主義は、数は論理的な体系から導き出されるものであると考える。
数の概念は数学の基礎付けにも関わる。数学の公理や定理は、数の概念に基づいて構築されているが、その正当性や完全性には限界がある。ゲーデルの不完全性定理は、数の概念を用いた形式体系には矛盾しないが証明できない命題が存在することを示した。
数の概念は、かつて客観的な現実を表すものと考えられていたが、量子論の発展により、数はより複雑で主観的なものである可能性が高まった。古典物理学では、数は物理量と一致していたが、量子論では、数は物理量とは別の抽象的な概念として使われている。
自我や自由意識と同様に、数の本質はまだ解明されていない。しかし、量子コンピューターは数の概念を利用して作られており、数は物理システムを表現する有効なツールであることは、どのレイヤー、スケールにおいても明らかである。
数の概念は私たちの知識や理解を拡張するものであり、同時に私たちの疑問や不確実性を増やすものでもある。
数の概念は、私たちの世界に対する見方を変える力を持っている。(どやああああ)
————————-
定義と表現が別ではないというなら、そもそも数学者が定義を考える最中の頭の中の、定義にあたる思考内容は、やっぱり記号列を想起してるときの記号列そのものってことか？
ならたとえば「→」ならばという記号や、もっと直接的にはゲーデル文の一覧表みたいなので記号列を頭のなかで想起して記号列の書き換えについて定義するのだろうし、他人が書いた→が使われた記号列や一覧表を規則としてみれば、それに従った書き換えもまたできるわけだけど。
だとしたら「書き換える」みたいな操作はどうやって身に着けた？全く言語的でそれ以外には一切よってないのか？
そうではなく、書き換えるという動作がなんであるかを身体感覚として知っているから
現代の数学者のほとんどは形式化された数学の体系であるツェルメロ-フレンケル集合論ZFCを使っています.
言及されている通り,ゲーデルの不完全性定理によってZFCが無矛盾であるならばZFCは自身の無矛盾性を証明することができません. ZFCが矛盾している可能性はあります. ZFCの無矛盾性に関しては, 一方でZFCを用いて多くの数学者が数学をしている中でまだ矛盾が見つかってないという傍証もあります.
仮に矛盾が見つかってしまった場合, その後の方向性はいくつか考えられます:
1. その矛盾の証明をよく調べて, その原因を取り除いてZFCより弱い新たな数学体系を構築する.
これに関しては普段の数学をする際にフルでZFCを使っているわけではないので,合理的なZFCより弱い体系を見つけることができればこれまでの数学を続けることができるかも知れません.
この場合は数学がどうなるか想像がつきません.数学にとって大打撃になると思います.
他にもZFC以外の別の数学の形式的な基礎づけを与えようという動きもあります. またZFCより改善させるような新しい体系,公理形を見つける方向の研究もあります.
哲学など数学以外のことは専門外のため,あくまで数学に関することだけ言及させていただきます.
ユークリッド幾何学に言及されているように数学の歴史は紀元前まで遡りますが,数学の形式化が意識され始めたのは1900年代以降と最近の話です. 主にヒルベルトによって主導されたものだと私は理解しています. (もちろん多くの数学者がこのプログラムに関わってきました. )数学の形式化や形式主義で調べると参考になると思います.
数学的な内容に関して言及したいことは多くありますが,かいつまんで述べさせていただきます.
(あくまでこれは元の記事が間違っているなどと主張しているわけではないです.現代の数学の考え方や雰囲気の一部を分かっていただければ幸いです. )
現代の形式化された数学は原理的には決められたルール(公理と推論規則)を用いて行われる一連の手続きです. それらの「意味」が何かは一旦全て忘れてください. ここで公理とはあらかじめ定められた記号列で, 推論規則とはいくつかの文字列を用いて新しい文字列を生み出す操作です, 例えば文字列A→BとAが与えられたときに文字列Bを得る操作があります.定理(数学的命題)とはこの操作によって生み出される文字列です. これらの操作は数学における証明を形式的に記述したものになっています.論理式などもこの形式化のもとで特定の条件を満たす文字列として定義されます. 例えば論理式Pの否定は¬Pという文字列です. (ここでは否定を表すための記号として¬という文字列を用いています. )
ここまで文字列だけを考えた形式的なものですが,構造やモデルを使うことによってこれらの文字列を解釈する(つまり意味を与える)ことができます. (詳細は省きます. )構造やモデルを定めることによって論理式の意味が一意的に定まります. またそれらの取り方を変えることによって意味が変わることもあります.
これの考え方によって(数学的な)意味は形式から分離されています.さらに気になる場合はゲーデルの完全性定理などを見てください.
そして適切な公理と推論規則を定めることにより数学そのものを形式的に扱うことできます. その適切な公理はツェルメロ-フレンケル集合論(ZFC)と呼ばれており,現在の数学者はこのZFCを用いて数学をしています. (一部,圏論などでZFCに収まらない議論があると聞きますが, それらもZFCの適切な拡張を考えることで解決できます. )
つまり, これまでに書かれた数学の証明などは全てこのZFCを用いることで文字列の操作に書き換えることができます.
一方で数学の論文は普段の言葉(自然言語)を使って書かれます. これは本当に全て文字列に書き換えることをした場合, 可読性が著しく落ち, また分量も膨大になるため人が読めないためです.しかし証明は自然言語で書きつつも, いざとなったら形式的に文字列に書き換えることができるという前提に立っています. そしてこれは理論的には可能であり,数学の厳密性を担保しています.
「定義の一意性」に関してですが私自身が元記事の要点を完全に理解しているわけではないのですが,数学に関していうとある数学的概念の定義が複数あることはよくあります. もちろんその複数ある定義が同値であることを証明されなければなりません. ここで同値というのはある数学的対象Aが定義Pと定義Qで与えられていた時に, 「Aが定義Pを満たすならば,定義Qを満たす. またAが定義Qを満たすならば定義Pを満たす. 」ということです. 実際に使う際には用途に合った定義を用いることになります. それらは同値なのでどれを選んでも問題ないです.
以上がざっくりとした形式化された数学に関してです. 参考になれば幸いです.
追記: これは筆者個人の考えですが,数学と哲学の議論はしっかりと分離してなされるべきだと考えています. もちろん相互の交流はなされるべきですが, 両者を混同するのは誤解や誤りの原因になると思います.
↓なんかchatgptっぽくね？
ゲーデルの第1不完全性定理は、形式的な論理体系内での数学の特定の命題に関して「証明できない」ということを示しています。この定理によれば、ある論理体系内で自己言及的な命題を含む場合、その命題が真か偽かを証明することはできないということを意味します。
つまり、ゲーデルの第1不完全性定理は、「この命題は証明できない」という命題を考えた場合、それが真か偽かを判断できないことを指摘しています。したがって、特定の命題が「証明できない」ということは、その命題が現実には真か偽かになっているかどうかを示すものではありません。
ゲーデルの第1不完全性定理は、形式的な論理体系の限界を示すものであり、数学や論理学の基本的な性質を理解する上で重要な結果です。しかし、この定理が特定の命題の真偽を示すものではないため、その命題が現実に真か偽かを判断するためには、他の手段や情報が必要です。
ウィトゲンシュタインの思想とゲーデルの不完全性定理には、いくつかの類似点があるかもしれません、それぞれ異なる観点から論理と数学にアプローチしています。
ウィトゲンシュタインの「論理空間」の概念は、言語や記号による表現の枠組みや制約を強調し、言語や論理の限界について考察しています。彼は「言語ゲーム」という概念を導入し、言葉や文脈の中での意味の理解に注目しました。ウィトゲンシュタインの主張は、言語や論理の使用が特定の文脈やルールに従って行われることを強調し、その文脈やルールから外れた場合、意味が崩壊する可能性があるというものです。
一方、ゲーデルの不完全性定理は、数学的な形式的論理体系に焦点を当て、その体系内での命題と証明可能性について論じました。この定理は、特定の命題がその論理体系内で証明できないことを示し、論理体系の限界を示唆しています。
https://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q13286033693
世間では「明るいこと」に比べて「後ろ暗いこと」への理解が浅い。浅すぎると思う。
そもそもいつからこんなに、明るさや賑やかさが正義とされ始めたのだろう。そして明るさを「楽しい」と変換する安直な人が増えたのだろう。
「性質」と「それがもたらす感情」は別物なのに、ごく当たり前のようにいっしょくたにされすぎである。自分の中できちんと「楽しい」に変換されたなら全く構わない。し、社訓や集団のスローガンに沿っていっしょくたになる場合は往々にしてあるから仕方ない。
けれどよく考えずに、よりによってその場の空気なんかで「楽しい」としているのはいただけない。
後述するように、思考を放棄すると自分のためにならないからだ。
明るく賑やかなものに触れると楽しい。後ろ暗いものに触れると気が滅入るし嫌だ。だから暗さは人生に必要ない。Q.E.D。
ここまで解いてペンを置く人たちが意外と多くて恐怖をおぼえる。はたしてそんなに簡単に証明できるものなんでしょうか。まだ終了のチャイム鳴ってませんよ。まだまだ考える時間はたくさんありますよ。ゲーデルの不完全性定理みたく証明できないということを証明しても間違いじゃないんだから、もうちょっと考えましょうよー！
情報が増えSNSが普及し、みんなが広く「人と比べる」ことを始めてから、世の中ではグッとわかりやすいものへの評価が高まった。
わかりやすいというのは、説明しやすいということだ。「楽しい」はわかりやすい。他者との濃密なコミュニケーション。よろこび。平和。笑顔。健康。皮肉にも先人たちのブランディングのおかげで、個人に沿ったものかは別として楽しいシチュエーションなんて山ほどあげられる。フェス。海。BBQ。友人とのランチ。家族との食事。etc……。
それに比べて「気が滅入る」「嫌」はどうだ。「楽しい」ほどポンポンシチュエーションが出る人は少ない気がする。
それは人によって全く違う形をしているのと、「嫌なことなんて忘れて、楽しいことだけ考えないと人生もったいないですよ♪」というひとつの考えが蔓延しているからだ。
はたしてそれがみんなに適応する考えなのだろうか。楽しいことだけで自己が形成されているわけなんてないのに、臭いものに蓋をしてしまったとき、ひずみが生まれないだろうか。そしてそのひずみは、今すぐでなくても時間をかけてゆっくりと自分を苦しめたり、あるいは自分が無意識に他者を攻撃する原因になったりしないだろうか。
私の母はもう還暦になるが、家の中でひとりでボケてツッコんで、永遠に喋り続けている陽気な関西人だ。器用で頭の回転が速く、生活力も抜群に高い。何をやらせても80〜120点でこなせるタイプで、どこでも重宝されて生きてきた。
母は子供時代、友達と遊ぶことを許されなかった。共働きの両親の代わりに家事を引き受け、弟の面倒をみた。ランドセルを放り出して遊びにいきたいのをずっと我慢して、結婚して家を出るまで一生懸命家族に尽くしてきた。
年月は流れ、両親も母も歳を取った。いざ相続に関する話が出たとき、母の親、つまり私の祖父母は露骨に弟を贔屓したそうだ。
母は当時50代だったが、そこから何年も「男尊女卑精神が染み付いた両親」と向き合うことになった。
『思えばずっと、あの家が嫌いだった。ずっと、両親の弟贔屓が嫌だった。でも、嫌ってしまったら「嫌な家庭に生まれた人間」になってしまうから考えないようにしていた。年老いた親を嫌うひどい人間になりたくない』……。
さめざめと泣く母を見て「別に実の親のこと嫌っててもいいじゃん。そういう自分を認めていいじゃん。『私はあの人たちを嫌いで理解できない』ってことを自分で理解しておけばいいじゃん」と言った。
これは言わなかったけれど「私は絶対に自分の中の『暗い部分』や『何かを嫌う理由』と向き合っておこう」と思った。
私は母と違って生活力もなければ大抵のことが40〜50点しかできないし、場合によっては0点も当たり前、でもある特定の条件が重なると涼しい顔で200点を叩き出せる、そういうタイプの人間なのでより一層そう思う。
これは私の持論だが、これから先もずっと自分の弱い部分や後ろ暗さ、悲しみや憎しみについて考えなければならないと思う（楽しいことなんて放っておいても無意識に考える）。
「ずっとトラウマを抱えるな」「いい大人なんだから忘れろ」「うじうじするな」「そんなこと考えて人生楽しい？」とかなんとか言ってくる人がいる。けれど、そもそも簡単に忘れられないからトラウマなのだし、「いい大人」なんて曖昧な言葉が理由になることなんてないし、うじうじしているのではなく向き合っているのだし、人生は広い目で見ると楽しいけどピンポイントで見ると全然楽しくない、そういうものだと思ってます。
勘違いされたくないから強調するが「『暗い部分』や『何かを嫌う理由』と向き合って昇華し、キラキラすっきりと生きていこう♪」という能天気なことを言っているわけではない。無理無理、それは私には無理。ずっと私は暗いもん抱え続けて生きているし、嫌なもんは嫌なまま。
その理由を言葉で説明できるようにしておくと「本当に無理なこと」を避けられる。客観視できるまで噛み砕いておくと「これに関しては私のバランス感覚がおかしいのだな、人を選んで主張しよう」「これは今いる環境によって自己がブレてしまって起きている事象だから、あまり気にしないでおこう」と判断ができる。
自分を知るという槍、客観視点という盾で戦うしかない。転生したらきっとチート主人公になれるのだから、今世ではとりあえず、武器を持って立ち上がろうと思う。
1946年ごろのプリンストン高等研究所で天才が実在だの知性の限界だのの話をする日常物語。主な主人公はフォン・ノイマン、クルト・ゲーデル、アインシュタインの三人。
肝心なのは、実在の人物が登場するが、これは物語であってドキュメンタリーではないこと。
彼らの会話内容や経歴には元ネタがあるにせよ、要するに著者の妄想である。
メイン主人公のフォン・ノイマンはプリン☆ストン高等研究所の数学教授。アカデミアでは知らない人はいない超天才。最近は計算機開発にご執心。フォン・ノイマンちゃんは天気予報をやってみたい！
クルト・ゲーデルは不完全性定理を発表した当代随一の論理学者、にして奇人。最近は教授になりたくてしょうがない。
世界的アイドルアルバート・アインシュタインさんは、ここでは時代に取り残された古典物理学者。つまり金看板ですよ金看板。
あとはオッペンハイマーとかワイルとか、なんか色々出てきて、不確定性原理とかヒルベルトプログラムとか知性とか認知とかの話をしながら和やかに穏やかに日々が流れる。
クルト・ゲーデルが教授に昇進し、フォン・ノイマンの計算機開発が採択され、アインシュタインは主人公格なのに影が薄いまま物語は幕を閉じる。
気晴らしにはちょうど良いが内容が適当っぽくて人には勧めにくい。
図書館には娘を連れて行ったわけだが、本当に久しぶりだ。紙の娯楽本を読むのも久々だ。
年のせいか読書ヂカラが衰えてきたな、なんて思うこともあるのだが、この本はすいすい読めた。
どうもやはり紙の本は、Kindleとは違う。読んでいるときの脳のモードとか没入感が違う。
なんでだろうね。
