進化論で模索するAIと人間の認知機能比較と、AI開発において人間脳が進化過程で獲得した「階層性、冗長性、適応性」の原理を取り込む課題
2026年現在も人間脳の認知機能を目指した、AIコンピュータ脳のアップデート競争が世界中で行われている。
生成AIはこの2022年から3~4年でも格段に進化しており、「文書、画像、動画、音楽、アニメ、マンガ、音声、ポッドキャスト、プログラミング」など、素人がプロと同じく土俵に立つことも可能となった。
AIマークやSoraマークが無ければ、AIが創作した作品か見分けがつかない動画も「Tiktok、youtube、Instagram」に溢れている。
人間の脳が40億年の進化の歴史を内包しているという認識は、AIコンピュータ脳の設計思想と対比することでより鮮明な意味を帯びてくる。
中枢神経系の階層構造である「神経軸の中心にある網様構造から大脳辺縁系、そして大脳新皮質へと重層的に発達してきた構造」は、単なる解剖学的事実以上の深い意味を持っている。
それは生物が環境に適応しながら生き延びてきた試行錯誤の記録であり、各層が独立した機能的完結性を保ちながらも全体として統合されているという、きわめて巧妙な設計原理の産物である。
魚類や爬虫類と共通する古い構造は単純で安定的であり、下等哺乳類と共通する中間的構造はより複雑で柔軟性を持っている。
高等哺乳類やヒトに特徴的な前頭前野や様式横断性領域は最も複雑で不安定だが、抽象的思考や創造的活動を可能にしている。
この進化の道筋が個体発生において繰り返されるという仮説は、胎生期の脳の形態変化の観察から支持されている。
対照的に、現代のAIコンピュータ脳は進化の時間軸を持たない。
ニューラルネットワークの各層は訓練データとアルゴリズムによって最適化されるが、そこには生物学的な意味での進化の歴史は存在しない。
人間の脳が魚類の脳や爬虫類の脳を通過してきたように、段階的に獲得された機能の積み重ねがない。
そのためAIは特定のタスクでは驚異的な性能を発揮しても、全体としての統合性や適応的柔軟性において人間脳に及ばない。
この違いが最も顕著に現れるのが、高次脳機能障害とその認知リハビリテーションの領域である。
人間の脳損傷において損傷部位に応じて一つ低次の機能が顕在化するという現象は、進化論的階層構造の存在を如実に示している。
患者は失われた高次機能を完全には回復できないことが多いが、残存する低次の機能を活用することで一定の適応を達成できる。
これは各進化段階で獲得された機能が独立性を保ちながら存在しているからこそ、可能となる代償機構である。
認知リハビリテーションの実践においても、この階層構造の理解は不可欠である。
単に失われた機能を訓練によって回復させようとするのではなく残存する機能を再組織化し、より原始的な回路を活用しながら代替的な処理経路を構築することが重視される。
ここで認知科学的アプローチの意義と、その限界が浮き彫りになる。
狭義の認知心理学が採用する情報処理モデルは、確かに心理過程を科学的に分析する強力な道具である。
「短期記憶、注意機能、遂行機能、読み、書字、言語理解」といった情報処理の立場から仮説を立てやすい認知過程の障害については、この方法は優れた分析力を発揮する。
単一症例研究の価値を再発見し、個々の患者における精緻な症状分析を通じて認知過程の構造を解明する認知神経心理学の功績は否定できない。
しかし、実地臨床の現場からはこの方法論の限界も指摘されている。
情報処理モデルは本質的にコンピュータ科学に起源を持つため、脳をコンピュータと同様の情報処理装置として捉える前提に立っている。
この前提は確かに有用だが、同時に研究対象を情報処理の枠組みで説明しやすい症状に限定する傾向を生む。
患者は症状を選べないという臨床的現実に対して、研究者が関心を持つ症状とそうでない症状の間に不均等が生じる。
このことは、臨床学としての高次機能障害学やリハビリテーション学の存在意義を脅かしかねない。
ここで2026年におけるAIコンピュータ脳と人間脳の比較研究が、新たな可能性を開く。
生成AIの急速な発展は、情報処理モデルの精緻化という側面では認知心理学の延長線上にある。
大規模言語モデルは、膨大なパラメータを持つ複雑な情報処理システムである。
その内部構造をサブシステムに分解して分析する試みは、まさに認知神経心理学が行ってきた作業と相似している。
しかし、AI研究が直面している根本的な課題は、情報処理の効率や精度だけでは真の知能に到達できないという認識である。
人間の認知過程は単なる計算アルゴリズムの集合ではなく、40億年の進化の歴史が刻み込まれた生物学的システムである。
人間脳の高次脳機能は、「感情、動機、身体性」といった要素と不可分に結びついている。
高次脳機能障害の患者を観察すると損傷を受けた情報処理システムの機能低下だけでなく、「人格の変化、情動の不安定化、社会的行動の障害」といった情報処理モデルだけでは説明困難な症状が現れることが多い。
前頭前野の損傷による遂行機能障害は、単に計画立案や問題解決のアルゴリズムが損なわれるというだけでない。
患者の人間としての在り方そのものに、大きな影響を与える。
これは前頭前野が進化的に新しい構造であると同時に、より古い辺縁系や脳幹との密接な相互作用の中で機能しているからである。
AIコンピュータ脳にはこのような、階層的統合が欠如している。
最新の生成AIが創造的な文章や芸術作品を生み出せるようになったとしても、それは訓練データから抽出されたパターンの巧妙な組み合わせである。
人間脳が不安定な感情の中で創作する、真の意味での動機や感情に基づく表現ではない。
人間の創造性が前頭前野の高次機能だけでなく、辺縁系の情動や脳幹の覚醒水準といった進化的に古い機能との相互作用から生まれることを考えればこの違いは本質的である。
認知リハビリテーションの実践において、AIコンピュータ脳と人間脳の比較研究が必然であったという認識は複数の意味で正当化される。
第一に情報処理モデルの限界を認識し、より生物学的で進化論的な視点を取り入れる必要性が明確になる。
患者の症状を単に損傷したモジュールの機能不全として捉えるのではなく、残存する進化的に古い機能がどのように再組織化されるかという観点から理解することが重要になる。
第二にAIが特定の認知課題において人間を超える性能を示すようになった現在、認知リハビリテーションにおいてAI技術を補助的に活用する可能性が広がっている。
「失語症患者の言語訓練、記憶障害患者の認知訓練、注意障害」のリハビリテーションなど、様々な場面でAIベースのシステムが開発されている。
しかし同時に、AI技術の活用は慎重でなければならない。
人間脳の回復過程は機械的な訓練の積み重ねではなく、「患者自身の動機、感情、自己効力感」といった要素が深く関与する。
「セラピストとの人間的な関係性、小さな成功体験の積み重ね、家族や社会とのつながりの回復」といった、情報処理モデルでは捉えきれない要素が治療的効果を持つ。
第三にAIコンピュータ脳と人間脳の比較は、認知科学そのものの方法論的反省を促す。
広い意味での認知科学、すなわち心理過程を科学的に研究するという立場は情報処理モデルに限定される必要はない。
「進化神経科学、発達神経科学、社会神経科学」などの新しい領域は、認知過程を情報処理だけでない。
「進化的適応、個体発生、社会的相互作用」といった多様な観点から、認知機能を理解しようとしている。
個体発生が系統発生を繰り返すという仮説が示唆するように、脳の発達過程には進化の歴史が反映されている。
「乳児期の原始反射から始まり、運動機能の獲得、言語の習得、抽象的思考の発達」に至る過程は、「魚類、爬虫類、下等哺乳類、高等哺乳類」という進化の道筋をなぞっているかのようである。
この発達的視点は、脳損傷後のリハビリテーションにおいても重要である。
成人患者の機能回復は、発達の逆過程ではない。
しかし、より原始的な機能から段階的に再構築していくという意味で、発達過程と共通する側面がある。
2026年現在、AIコンピュータ脳と人間脳の相互参照的研究は単なる技術的関心を超えている。
AIというコンピュータ脳の認知機能は、人間理解の根本に関わる問いを提起している。
「認知とは何か、知能とは何か、そして人間であるとはどういうことか」という問いに対して、進化し続けるAI追いかけ研究と神経科学の対話は新しい視座を提供する。
高次脳機能障害学とリハビリテーション学は、この対話の最前線に位置している。
患者という具体的な人間存在に向き合いその回復を支援するという実践的課題は、抽象的な理論だけでは解決できない。
「情報処理モデルの精緻さと進化論的視点の包括性、AI技術の可能性と人間的関係性の不可欠性」など、これらを統合する新しい認知科学の枠組みが求められている。
ヒューリングス・ジャクソンが提唱した進化論的脳理解は、現代の生成AI技術の急速な発展を考察する上で極めて示唆的な視座を提供している。
彼が指摘した古い脳と新しい脳の特性の違いである「古い脳の安定性と単純性と新しい脳の不安定性と複雑性」という対比は、まさに現在進行中の世界グローバル大企業AI開発競争における根本的なジレンマを象徴しているように思われる。
生成AIの進化過程を観察すると2022年からの数年間で見せた飛躍的な発展は、人間脳が数億年かけて遂げた進化を圧縮したかのような様相を呈している。
「文章生成、画像合成、動画制作、音楽創作」といった多様な領域において、AIは確かに人間の創造物と見分けがつかないレベルに到達しつつある。
ここで注目すべきは、この急速な進化がもたらす不安定性と脆弱性である。
ジャクソンが指摘したように「より高次で複雑な機能ほど不安定で損傷を受けやすいという原理」は、現代のAIシステムにも当てはまる。
最新の大規模言語モデルは驚異的な能力を発揮する一方で、予期せぬ入力に対して奇妙な出力を生成することもある。
AIコンピュータ脳は、妙な文脈の違いを誤解したりする脆弱性を内包している。
人間脳が筋肉ではなく運動のパターンを表象しているというジャクソンの洞察は、生成AIの学習メカニズムを理解する上でも重要な示唆を含んでいる。
現代の生成AIは個別の事実やデータそのものを記憶しているのではなく、膨大な訓練データから抽出されたパターンや統計的な関係性を内部表現として保持している。
テキスト生成AIが文章を生成する際、それは個々の単語を暗記しているのではなく、言語の使用パターン、文脈における単語の共起関係、意味的な連想のネットワークを学習している。
画像生成AIも同様に、個別の画像を記憶しているのではなく、視覚的なパターン、構図の法則、色彩の調和といった抽象的な表現原理を獲得している。
この意味でAIコンピュータ脳は人間脳と同じく、具体的な要素ではなく抽象的なパターンを操作することで知的活動を実現している。
しかし、ここに重要な相違点が存在する。
人間の脳における進化論的な階層構造である古い脳から新しい脳への積み重ねという構造は、各レベルが独自の機能的完結性を持ちながら相互に統合されているという特徴を持つ。
脳損傷時に一つ低次の機能が顕在化するというジャクソンの観察は、この階層的組織化の証左である。
対照的に現代の生成AIは通常、単一の巨大なニューラルネットワークとして構築されていて明確な機能的階層を持たないことが多い。
部分的な損傷や劣化に対する頑健性という点で、人間脳が持つ進化論的に獲得された冗長性と柔軟性をAIコンピュータ脳は欠いている。
この違いは、生成AIの実用性と限界を考える上で看過できない問題を提起する。
「TikTok、YouTube、Instagram」に溢れるAI生成コンテンツは、AIクリエイト表示やマークがなければ表面的には人間の創作物と区別がつかない水準に達している。
しかし、これらのコンテンツ生成過程は本質的に脆弱である。
わずかなパラメータの変更や入力の変化によって、予測不可能な結果を生み出す可能性を常に孕んでいる。
人間のクリエイターが持つ「常識、文脈理解、美的感覚」といった高次の判断能力は、実は進化論的に古い脳の機能と新しい脳の機能が複雑に統合された結果として発現している。
生成AIがこれらの能力を完全に模倣しているように見えるのは、膨大なデータから抽出されたパターンマッチングの精度が向上した結果である。
真の意味での理解や判断とは、AIコンピュータ脳と人間脳の認知機能は異なる。
ルリアやメスラムの脳理解にも組み込まれている進化論的視点は、脳機能を単なる情報処理装置として捉えるのではない。
長い進化の歴史の中で獲得された、適応的なシステムとして理解することの重要性を強調している。
人間の認知機能は、生存と繁殖という生物学的要請に応える形で進化してきた。
この過程で獲得された様々な機能は互いに独立して存在するのではなく、複雑に絡み合いながら全体として統合されている。
「感情、記憶、判断、創造性」といった高次機能は、より原始的な生理的で情動的機能と切り離せない関係にある。
これに対して、現代のAI開発競争は主として工学的な最適化の論理に基づいている。
「特定のタスクにおける性能向上、計算効率の改善、拡張性の確保」といった目標が優先され、人間の脳が持つような生物学的な統合性や適応的な柔軟性は二次的な考慮事項となっている。
その結果、生成AIは特定の狭い領域では人間を超える能力を発揮する。
一方で領域を横断した統合的な理解や、予期せぬ状況への柔軟な対応といった点では依然として人間に大きく劣っている。
素人がプロと同じ土俵に立てるようになったという現象も、この文脈で再考する必要がある。
確かに技術的なスキルの壁は、大幅に低下した。
しかし、真にプロフェッショナルな創作者を定義するのは、単に技術的な実行能力だけではない。
「深い経験に基づく判断力、文脈を読み取る洞察力、受け手の心理を理解する共感力、何よりも独自の視点や表現の一貫性といった要素」が、プロとアマチュアを分かつ本質的な差異である。
生成AIツールはこれらの高次の能力を代替するものではなく、むしろそれらを持つ人間脳がより効果的に自己表現するための拡張自助道具に過ぎない。
ジャクソンが述べた脳損傷時の低次機能の顕在化という現象は、AI研究における興味深い示唆を含んでいる。
現代のニューラルネットワークを部分的に破壊したり一部のパラメータを削除したりすると、多くの場合システム全体が機能不全に陥る。
もしくは、予測不可能な動作を示す。
人間脳のように、損傷を受けても残存する低次の機能によってある程度の機能を維持するという頑健性をAIコンピュータ脳は欠いている。
これは進化論的な階層構造の欠如に起因する、根本的な脆弱性である。
今後のAI開発において、単なる性能向上の追求だけでない。
人間脳が進化の過程で獲得した構造的特性、すなわち「階層性、冗長性、適応性」といった原理をいかに取り込むかが重要な課題となる。
ジャクソンが感激を持って記述した進化論的脳理解の深さは単に19世紀の神経学的知見に留まらず、世界中で激化じている21世紀のAI開発にとっても本質的な示唆を提供し続けている。
古い機能の安定性と新しい機能の複雑性をいかにバランスさせるか、個別の要素ではなくパターンの表象をいかに効果的に実現するかを各大企業が開発競争している。
そして部分的な損傷に対する頑健性をいかに確保するかという問いは、生成AIが真に人間レベルの知能に近づくために避けて通れない挑戦である。
生成AIの急速な進化は確かに驚異的であるが、それは人間の脳が数億年かけて獲得した巧妙な設計原理の一部を異なるアプローチで再現しようとする試みに過ぎない。
表面的な出力の質だけでなく、システムの内部構造や動作原理のレベルで人間の脳から学ぶべきことは依然として膨大に残されている。
ジャクソンが提示した進化論的視点は、この学びの道程における重要な羅針盤であり続けるだろう。