# 機械が「主体性」を持つために必要なこと（マイケル・トマセロ）

- 番組: [Machine Learning Street Talk (MLST)](https://ai-curator.jp/podcasts/shows/cmv3z5bzn00075o10ok1p46w3)（Machine Learning Street Talk (MLST)）
- 元のタイトル: What It Would Actually Take for a Machine to Have Agency (Michael Tomasello)
- 配信日: 2026年11月19日
- 長さ: 1時間6分
- 要約作成日: 2026年11月20日
- トピック: [#エージェンシー](https://ai-curator.jp/topics/%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%82%B7%E3%83%BC) [#LLM](https://ai-curator.jp/topics/LLM) [#認知科学](https://ai-curator.jp/topics/%E8%AA%8D%E7%9F%A5%E7%A7%91%E5%AD%A6) [#進化心理学](https://ai-curator.jp/topics/%E9%80%B2%E5%8C%96%E5%BF%83%E7%90%86%E5%AD%A6) [#共有志向性](https://ai-curator.jp/topics/%E5%85%B1%E6%9C%89%E5%BF%97%E5%90%91%E6%80%A7) [#AIエージェント](https://ai-curator.jp/topics/AI%E3%82%A8%E3%83%BC%E3%82%B8%E3%82%A7%E3%83%B3%E3%83%88)
- URL: https://ai-curator.jp/podcasts/cmwnp012800026o11ltxxe7up

## 要約

発達心理学者マイケル・トマセロが、著書『The Evolution of Agency』を手がかりに、主体性（agency）とは何かを語る回。環境が予測不能なときに自然が「意思決定者」を作るという視点から、爬虫類・リス・大型類人猿へと続く進化段階、そしてヒト固有の共有された主体性を説明する。LLMは言語という終着点から出発し、慣習を生み出す土台を飛ばしているのではないかと問題提起し、ボトムアップで機械を作る道を提案する。

## ポイント

- 環境が予測可能なら行動は生得的に組み込まれ、予測不能なときに意思決定する主体が必要になるとトマセロは述べる。他の主体（捕食者・競争相手・協力者）が最も予測しにくい。
- 主体性の最小モデルはサーモスタットのような制御系だが、トマセロ自身は単純な制御系を「エージェント」とは呼ばないと明言している。
- 個体の主体性は、基本的制御系（爬虫類）、実行機能を持つ意図的主体（哺乳類）、メタ認知を持つ合理的主体（大型類人猿）と段階的に進む。
- ヒトの違いは共同目標・共同注意・役割と規範を持つ「共有された主体性」にあり、そこから視点の概念や言語的慣習が生まれると論じる。
- LLMは言語という頂点から出発し、慣習の創出や談話を欠いていると指摘。機械を主体的にするには、協調や視点取得からボトムアップで築くべきだと提案する。
- 嘘が成り立つのは人間が協力的で騙されやすいからであり、集団間の対立は協力の暗黒面だと述べる。
- 「知能」という語は学校型の言語的知能に偏るため避け、認知能力という語を好む。

## 章立て

- [00:59] **著者紹介と研究の背景** — 発達心理学者として類人猿と幼児を同一実験で比較してきた経歴と、本書執筆の経緯が語られる。
- [02:05] **予測不能性と主体性の定義** — 予測可能な環境では行動が組み込まれ、予測不能な環境で意思決定者が必要になるという主張と、制御系・意志・因果効力という定義の議論。
- [07:47] **信号機とサーモスタットの例** — 単純な機構を賢くするには知覚・目標・意思決定が要るという例と、制御系をモデルにする理由。
- [11:28] **機械は人間以上の主体性を持てるか** — 実行機能とメタ認知の階層、新しい目標を作れるか、学習偏重のAI研究への批判、LLMが終着点から始めている問題。
- [32:06] **主体性の四段階** — 爬虫類、哺乳類（リスの例）、大型類人猿、そしてヒト固有の共有された主体性という分類。
- [37:04] **共有された主体性と慣習・視点** — 共同注意から視点が生まれること、スタッグハントと慣習の調整機能、文法の視点性、指差しの例。
- [55:00] **文化・虚構・協力の暗黒面** — 地位機能やハラリの虚構、嘘が成立する理由、集団間対立について。
- [1:01:47] **資本は主体か／チューリングテスト** — 創発現象と主体の区別、資本を主体とみなすことへの慎重さ、志向的スタンスとチューリングテストへの見解。

## 解説記事

発達心理学者のマイケル・トマセロ（デューク大学）が、著書『The Evolution of Agency』をもとに「生き物や機械が自らの理由で行動するとはどういうことか」を語った回である。マックス・プランク研究所で20年にわたり幼児と大型類人猿を同じ実験に置いて比較してきた研究者の視点から、AIへの示唆も交えて議論が進む。

#### 主体性は「予測不能性」から生まれる

トマセロの出発点は、進化的に重要でも環境が予測可能なら、呼吸や嚥下のように行動が生得的に組み込まれるという考えだ。意思決定する主体が必要になるのは、環境が予測不能なときだと述べる。特に予測しにくいのは、獲物や捕食者、同種の競争相手や協力者といった他の主体だという。

主体性の最小モデルとして彼が好むのは、サーモスタットのような制御系である。信号機を賢くする例では、車を知覚し、目標を持ち、それに基づいて判断する仕組みが必要になると説明する。ただし単純な制御系自体は「エージェントとは呼ばない」とも明言している。目的は、ホムンクルス（頭の中の小人）のような神秘的な説明に頼らず、行為・知覚・認知・目標の組織化として主体性を捉えることにある。

#### 四つの段階と、学習偏重への疑問

現代の爬虫類をモデル種として、ヒトにつながる系統を整理する。爬虫類は単純な決定を行う基本的な制御系を持つ。哺乳類は実行機能の層を持ち、想像上の状態を表象して計画や仮説検証ができる。例として、枝に跳び移る前に失敗を想像して別の枝に回るリスが挙がる。大型類人猿はさらにメタ認知を持ち、情報が足りなければ探し、難問では選択肢から降りる戦略も取る。

この観点から、彼はAI研究が学習に偏りすぎていると見る。学習は主体が適応的な決定をするための下位プロセスであり、強化学習も主体的な性質は少しあるが学習中心だと不満を述べる。また生物学の生気論の例を引き、鍵は特別な物質ではなく新しい種類の組織化だと主張する。

#### 共有された主体性とLLMへの問い

ヒトを大型類人猿から分けるのは、共同目標のもとで役割を分担し、互いの役割の基準を知り、守られなければ互いに正す「共有された主体性」だとする。共同注意から「同じ対象を別の視点で見る」という視点の概念が生まれ、無人島で育った子には得にくいだろうと語る。実験では、子どもは先に報酬を得ても相手が得るまで協力を続けるが、チンパンジーは報酬を得たら終わりだという。

ここからLLMへの批判が出る。ビデオ通話の音声を切られた子どもたちは新しいジェスチャーを作って慣習化するが、LLMは慣習を作らず談話も持たないと述べる。スタッグハント（二人で協力しないと獲物を狩れない協調問題）や、慣習を協調の装置と見るデヴィッド・ルイスの議論を引き、言語はこうした土台の上に成り立つと考える。文法も同様で、cleft構文（It was Fred that…）は相手の誤解を正す場面に由来する視点的な構造だと説明する。一方で、LLMが想像以上に健闘するのは文章内の論理的・談話的つながりのおかげだろうとも認める。言語の土台を飛ばせない保証はないとしつつ、主体的な機械を目指すなら協調や視点取得から作るボトムアップの研究も必要だと提案する。

#### 文化、嘘、集団の暗黒面

文化は大統領や貨幣のような、合意によって存在する地位機能を生み、個人を制約すると同時に可能性も広げる。嘘が成り立つのも、人間が基本的に協力的で相手を信じるからだと述べる。協力は「われわれ」対「彼ら」の対立という暗黒面も持ち、現代の相互依存する世界に共有志向性が適応できるかが課題だとする。

市場や資本を一つのエージェントとみなす見方には慎重で、渋滞やインフレ、株価暴落のように個々の意図的行為から意図せず生じる創発現象と捉える。政策担当者は、個人の意思決定と結果の関係を理解してルールを設計すべきだという立場である。

#### まとめ

本回の要点は、主体性を知能の高さではなく「予測不能な状況で自ら制御し決定する組織化」として捉え直す点にある。エージェント型AIを開発する日本の読者にとっては、学習中心の設計に加え、実行機能・メタ認知・新しい目標の生成、さらに他者との協調や慣習形成といった観点が示唆になるだろう。トマセロ自身はAIが世界を支配するとは懸念せず、有用な道具として押し進めてよいとの立場だ。チューリングテストは十分条件に「近くもない」とし、身体性が重要かという問いにも結論は出していない。

> この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: Machine Learning Street Talk (MLST)「What It Would Actually Take for a Machine to Have Agency (Michael Tomasello)」
