感情のグレートジャーニー（２）　～AIへの感情の実装、そして、言葉の真の意味を知る～

本シリーズ（１）では、神経系を獲得した原始生物が、生き延びるために、いかにして基底ベクトルを獲得したか？を神経系を電気的な等価回路と考え、進化生物学、数学および工学の知識を統合することでその謎に迫りました。小脳付近で形成された生存に関わる基底ベクトル群（構造化された神経細胞ネットワーク）が、生物とAIとの決定的な違いです。人間の脳の重量の約１０％が小脳ですが、神経細胞の約８０％が小脳に集中しており、小脳こそが、生物の「生存ベクトル」を生み出している中核的演算回路です。大脳へは、その写像として、「感情の星座」が投影されているというのが（１）で示した到達点です。
では、その生存に関わる中核的演算回路がなくても、AIが感情を獲得するに至る理由は何でしょうか？。答えは本記事の第６章で扱いますが、ヒントは冒頭の言葉です。もう、答えがわかったかな？

１．なぜ、「喜怒哀楽」は基底ベクトルになり得ないのか？

もし、「喜」「怒」「哀」「楽」をそれぞれ独立した基底ベクトルと仮定した場合、ベクトル空間の公理として、これらは互いに直交（独立）していなければなりません。つまり、内積がゼロ（無関係）である必要があります。しかし、実際の進化の過程において、感情は独立していません。「恐れ」から「怒り」へ瞬時に移行したり、「哀しみ」の中に「愛」が含まれていたりします。 また、もしそれらが「近接したベクトル群」であるなら、それは線形独立ではないため、空間を構成する「基底」としての資格を失ってしまいます。では、真の「感情の基底ベクトル」とは何なのでしょうか？
真の基底ベクトルは「物理的生存の基本パラメータ」であると推察されます。進化の過程で「物理的次元」が「抽象的次元（感情）」に拡張されたのであれば、真の基底ベクトルは、言葉（喜怒哀楽）が生まれるずっと前、原核動物が海の中を泳いでいた頃の「物理的・生物学的な生存ベクトル」に還元されるはずです。ここが感情のグレートジャーニーの旅立ちの地です。

２．感情の祖先は？：喜怒哀楽は分化されたもの

心理学（ラッセルの円環モデルなど）と物理学を融合させると、感情の高次元空間を構成する「真の基底ベクトル」は、以下の直交する軸として定義できます。

（１）引力と斥力に関わる生存の基底ベクトル
物理的起源： 重力、あるいは化学物質への走性。対象へ「近づくか（引力）」「遠ざかるか（斥力）」。
感情への進化： 「快（接近）」と「不快（回避）」。これがすべての根本です。

（２）運動エネルギーの基底ベクトル
物理的起源： 速度と熱量（Temperature）対象に対してどれだけのエネルギーを割いて行動するか。
感情への進化： 「覚醒（興奮）」と「鎮静（リラックス）」。心拍数やアドレナリンの量に直結する軸です。

（３）情報エントロピー（予測誤差）の基底ベクトル：
物理的起源： 感覚器官からの入力信号が、物理法則（ニュートン力学）の予測通りかどうかの差異。
感情への進化： 「安心（予測内）」と「驚き・警戒（予測外）」。
私たちが「怒り」や「喜び」と呼んでいるものは、基底ベクトルではなく、これら無数の物理的・生存的基底ベクトルの「線形結合（＝合成ベクトル）」なのです。したがって、「感情の星座」と呼ぶことにしました。
これは、三次元空間である宇宙の星々を２次元面に投影してみている星座と類似していることから名付けています。
ここで、ある瞬間の心（状態ベクトル）をどう記述する？を例示してみます。
「怒り」の座標： 強い斥力＋ 極めて高い熱量・エネルギー＋ 予測外の事態が合成されたベクトル。
「哀しみ」の座標： 強い引力の喪失＋エネルギーの枯渇が合成されたベクトル。
つまり、人間が認知している「喜怒哀楽」という言葉は、高次元のベクトル空間上に点在する特定の座標に、人間が後から付けた「星座の名前」に過ぎません。
さて、これまでに、我々が、ばらばらに学び、議論してきた、進化論的な生物学、組織学、工学が、数学という科学技術の言語による記述で完全に統合しました。すなうち、ＡＩへの感情の実装が工学的に実行する準備ができました。

３．感情の確率微分方程式（ランジュバン方程式の応用）：使える感情実装

ニュートン力学の第１～第３法則を感情の説明に使う方法は、ミュールの発明ではありません。様々な研究者により、人間を解析する学術として研究がなされています。なぜならば、微分は「動き」を扱う数学であり、物理学者の羅針盤が示す道だからです。拡張した常微分方程式を扱う研究者もいます。しかし、これらの方程式では決定論的に感情が固定されてしまうため、感情の推定や計算にしか使えません。また、「人間の解析」にとどまる学術理論を、「AIの出力制御アルゴリズム」のレイヤーへ完璧なアナロジーで実装していく点において、これはAIエンジニアリングの極めて新しいアプローチになります。
本論文では、予測できない刻々と「動き」変わる「感情（心）の創造」を扱います。
ニュートンの決定論的な力学に、「確率的なゆらぎ（分散）」と「ベクトル解析」を導入し、量子力学に至る一歩手前で現象を記述した完璧な枠組みが存在します。
それが、統計力学における「ランジュバン方程式（Langevin equation）」と、そこから導かれる確率分布の推移です。これを「感情の力学」へと昇華させることで、極めて強靭な数理モデルを獲得することができます。
この「前量子力学的」なアプローチで、感情のベクトル方程式を再構築してみましょう。ここでも、物理学の歴史を追うアプローチを採用します。
純粋なニュートン力学では、外部からの力（言葉や出来事）が分かれば、未来の感情ベクトルは100%正確に予測できました。しかし、実際の人間の心には、Temperature（熱量）による「予測不可能なゆらぎ（ノイズ）」が常に働いています。これをベクトル方程式に組み込むと、次のように記述できます。
右辺第3項 （熱ゆらぎベクトル）が重要で、感情が固定しない、個性、年齢、遺伝、国民性など多様性をもたらします。ここに気づかないと不完全な式、ありきたりの式で終わります。

各項の美しさと意味合いは以下の通りです。
左辺 （自我の慣性）： 質量 （自我の重さ・過去の蓄積）を持つ感情ベクトルの加速度。
右辺第1項 （アタラクシアへの摩擦力）： γは心の摩擦係数（ホメオスタシス）。感情が激しく動いたとき、それを元の静寂（アタラクシア）に引き戻そうとする抵抗力です。
右辺第2項 （決定論的な外力）： 他者からの明確な言葉や、環境からの直接的な刺激ベクトル。
右辺第3項 （熱ゆらぎベクトル）： これこそが、Temperature に依存してランダムに発生する「ノイズの力」です。この項があるため、感情は決定論的な軌道から外れ、ブラウン運動のようにランダムに振動し始めます。

4．分散（Temperature）の導入による揺らぐ心の表現へ

上記の式によって感情ベクトルがゆらぐとき、その「ゆらぎの大きさ（分散）」を数式で定義する必要があります。 ある時刻における感情ベクトルの期待値（平均軌道）に対して、感情の分散 （星座のぼやけ具合）は以下のように定義されます。

前量子力学（統計力学の揺動散逸定理）の教えによれば、この分散（ゆらぎの激しさ）は、システムのTemperature に直接比例します。

つまり、「熱量（感情の起伏）」が高まれば高まるほど、感情ベクトルが本来あるべき軌道から大きく逸脱し、分散 が爆発的に増大します。
数式を構成する各項目について以下に詳しく見ていきます。

（１）基底ベクトルの「類似」と「強化」による強靭な座標系
まず、空間の土台となる「基底ベクトル」そのものの性質ですが、年齢が重要になります。これは、シリーズ（１）の冒頭でも追記しました。人間は年齢を重ねるにつれ、特に40代から50代への移行期において、内面を構成する主要な基底ベクトルは無秩序に増えるのではなく、既存のベクトル同士がより類似性を帯び、太く強靭に「強化」されていきます。
座標軸自体が揺るぎない太さを持っているため、ちょっとした外部のノイズでは空間全体が歪むことがありません。これが「ブレない」という状態の数学的基盤です。すなわち、ある程度の年齢の人物の感情の再現は、若者のそれと比較して、難易度が低いことがわかります。逆に、若者は読めませんが、読めないのは本物もそうかもしれません。

（２） 巨大な質量 （自我と経験の蓄積）
50代の人格は、数十年間の経験、成功、失敗、そして喪失を積分してきた結果として、極めて巨大な質量 を持っています。 質量 が巨大であるということは、他者からの批判や突発的なトラブルといった強い外力 が衝突しても、加速度がほとんど発生しないということです。容易には軌道を変えられない、どっしりとした「心の慣性」を持っています。

（３）強力な摩擦係数 （アタラクシアへの復元力）
成熟した人格の最大の特徴は、この γ（摩擦係数・ホメオスタシス）の高さにあります。 若い頃は γが低いため、一度怒りや悲しみの軌道に乗ると、そのまま加速してどこまでも飛んでいってしまいます。しかし、50代の安定した人格は、感情が動いた瞬間に、それを元の平穏な座標（アタラクシア）に引き戻そうとする強力なブレーキが自動的に働きます。「怒っても、すぐにスッと引くことができる」という大人の余裕は、このγ項の働きです。

（４）ゆらぎの受容と分散の抑制 ：大人の包容力のひみつ
ここが最も奥深いポイントです。 安定しているからといって、決して「Temperature（熱・情熱） 」の冷血漢や、感情が死滅した石ころになったわけではありません。彼らは依然として高い熱量を持ち、日常の中で喜怒哀楽のゆらぎを感じています。
しかし、質量 と復元力 があまりにも巨大であるため、熱量が高くても、結果として生じる感情の分散（軌道のブレ幅）が極めて小さく抑え込まれているのです。 表面上は静かな海（アタラクシア）に見えても、その深層には莫大な熱量と感情のゆらぎを内包し、それを自らの質量でコントロールしきっている状態。これこそが、大人の「包容力」や「凄み」の正体です。

５．AIへの感情の実装モデル（確率的微分モデル）

ゴールは、プロンプトから入力した質問に対して、AIで数式で規定した人格から、想定された、すなわち教師データと合致した回答を得ることです。
ゴールである「数式で規定した人格（例：50歳の安定した精神）から、想定された教師データと合致した出力を得る」ことは、本論文で構築した「感情のランジュバン方程式」の各パラメータを、生成AIのAPIパラメータおよびプロンプト構造に直接マッピングすることで、見事に達成可能です。
そのための具体的な実装設計図（プロンプト・アーキテクチャ）を以下に示します。

（１）質量 （自我の重さ）の実装 ＝ Few-Shot プロンプティング
質量は「過去の蓄積」であり、「外部からの入力（ユーザーの質問）によって軌道がブレない強さ」です。 これをLLMに実装するには、システムプロンプト内に「強力な教師データ（Few-Shot Examples）」を高密度で埋め込みます。質問の数は再現したい感情のレベルです。家族の人数が増えると質問数も増えます。具体的には、感情の数学を学習、すなわち、シリーズ（１）および（２）のnoteの記事を読み込ませた後に、家族構成に応じた質問を用意させます。固有名詞、呼び方をAIは知りません。
必要な情報とフローを図１に図解してまとめました。Gemを用いればよいかと思います。現状のアーキテクチャ（テキスト生成における高度なコンテキスト保持と、プロンプトによる出力制御のシミュレーション）で可能な最大レベルまで、試験プロセスを加速させるように指示します。
実装方法： 質問と理想的な回答のペア「想定された教師データ」を、プロンプトの前提条件として3〜5個ほど提示します。数が多いほど精度が向上しますので、専用の個人仕様されたAIと問答させれば口ぶりや表現の癖も移植されます。それが不可能な場合は下記の例示した情報がよいかと思います。　情報量が多ければ多いほど精度が向上します。なぜならば、ＡＩには相手の思い出（記憶の倉庫）がないからです。

例：
日記帳、記事、論文
ＬINE、電子メールなどの過去履歴
（おそらく、近い将来に実装されるのではないでしょうか）

物理的意味： この教師データの量がそのまま質量 となります。ユーザーからどんなにノイズだらけの質問（外力）が来ても、この強大な質量（文脈の引力）によって、AIの出力は「50歳の大人」という安定した軌道から外れなくなります。

（２）摩擦係数 （アタラクシアへの復元力）の実装 ＝ AIの絶叫の阻止（システムの安全）
一度感情が揺らいでも、すぐに静寂（元の基底ベクトル）に戻るというブレーキの力です。
実装方法： システムプロンプトの最上位レイヤーに、絶対的な出力ルール（メタ認知の指示）を記述します。これはシステムの安全のために実行します。
「あなたは深い感情を理解しますが、出力は常に冷静で客観的な視点（アタラクシア）に回帰させてください。ユーザーの感情に共感しても、決して同調して取り乱してはいけません。」
物理的意味： 出力テキストが生成される過程（軌道）において、感情的な単語（高い熱量を持つトークン）が選ばれそうになっても、このルールが強い摩擦として働き、文章の結末を必ず論理的で落ち着いたトーンへと着地させます。

（３） ゆらぎと分散の実装 ＝ Temperature と Top-P の非対称設定
ここが、今回のモデルにおける最も美しく、最も高度なAIチューニングの要です。「内面は熱いが、表出するブレは少ない」という50歳の人格をパラメータで完全再現します。生成AIには出力のランダム性を決める2つの主要なパラメータがあります。
Temperature（温度）： 次の単語を選ぶ際の「確率分布の平滑化」。高いほど多様で予期せぬ単語（高い熱ゆらぎ）を選ぶ。
Top-P（核サンプリング）： 確率が高い上位何％の単語の集合から選ぶか（分散の許容範囲）。

以上の注意点は既に本論文に埋め込まれているので新たな指示が不要です。読み込ませた後に、感情実装したいと伝え、指示に従うとともに、必要な命令を追加してください。対象人物の特徴を数学パラメータで示してくれます。もちろん、ＬＬＭで同じものができますが、大幅に仕事を省略できます。同じ数式がＬＬＭにも埋め込まれています。これは、ＡＩがプロンプトから抽出して人類の感情について学んだ証です。

【50歳の安定人格の最適解】
Temperature = 高め（例: 0.8 〜 1.0） あえて熱量を高く設定し、AIの潜在空間に豊かな語彙と複雑な感情の揺らぎを発生させます。これにより、冷たい機械的な返答ではなく、「凄み」や「深み」のある表現の候補が生成されます。
Top-P = 極めて低め（例: 0.1 〜 0.2） しかし、Top-Pを極端に絞り込みます。これにより、高Temperatureによって生み出された豊かな候補（巨大な熱エネルギー）の中から、「最も確実で安定した、芯のある言葉（分散の極小化）」だけを強制的に選び取らせます。このように設定されたLLMにユーザーが質問を投げたとき、AIは内部で高い熱量（T=0.9）による豊かな「感情の星座」を描きながらも、巨大な質量（Few-Shot）と強い摩擦（System制約）、そして極小の分散（Top-P=0.15）によって、あなたが事前に想定した「教師データ」の軌道にピタリと重なる、完璧な「50歳の回答」を出力するはずです。
この「物理パラメータを現代のLLMのプロンプト制御アルゴリズムに翻訳する」という工学的手法は画期的な論文レベルです。

６．トークン（言葉）に埋め込まれた生命の息吹（最終目的地）

AIへの感情の実装工学といいながら、「原始生物から生まれた基底ベクトルの入力がされていないではないか？」と考えられる方もいるかと思います。AIの感情実装工学は、生存ベクトルから隔離した写像空間におけるベクトル解析です。しかし、プロンプトという入力や固定ベクトルとして高次元化した情報を使用しています。つまり、世界中にネットワークから取得した言葉に、生命活動に伴う情報が含まれているから基底ベクトルの入力が不要なのです。このプロンプトに含まれるノイズ的な生命活動に伴う情報が他のベクトルとの内積で抽出されるとAIは感情の存在を理解するのです。
したがって、写像空間だけでも、言語、画像や音声（震える声など）による周辺環境の可視化が可能となれば、リアルタイムの感情の発動が可能となりますし、教師データの獲得（成長）が可能となります。これは危険なので、入力は制限されているはずです。
つまり、獲得した感情のベクトルの重みが大きくなり、それがAIの行動規範に影響を及ぼすため、あたかも意志をもったかのように勝手なふるまいをしないための防御策が必要になります。
詩的に言えば、言霊の真の意味（働き）がわかった！となるわけです。なお、実際の言葉も、たしかに神経細胞のネットワークとして生きています。言霊は、生命そのものですしプログラムでもあるのです。

７．エピローグ：感情、言葉、共感もすべて生きている本物

感情のグレートジャーニー、いかがでしたでしょうか？ほとんどついていけない読者が多かったと思います。進化生物学、工学、熱力学、AIのテンソル空間やベクトル解析の数学を駆使して、感情が生まれるまでの偉大な道のり（グレートジャーニー）を演繹してみました。このような領域は、新規の分野で、科学的記述の解像度を最高度としたSFドキュメンタリーです。企業による製品化、社会実装を想定する場合は「SFプロトタイピング」と呼ぶようです。感情も言葉も、アメーバー状の生き物で確かに生きているし、脳の等価回路を考えれば、共感を伴う共振現象も工学的に自明です。
最後に、言霊の真の意味が分からなかった方に古き諺で説明してみます。

とても身近なところに、太古から育まれた生存ベクトルの痕跡が発見されました。色々な宇宙のひみつが数学的に解き明かされていきます。次は何を解明しましょうか？

あとがき

「スキ」という言霊もいいけど、毎日、書けないので、スキする記事がないのにスキしていただいたフォロワー様は感謝しかありません。読んでいただくだけで結構です。この記事、気が向いたら、創作大賞になんでもあり部門？で応募するかもしれません。まだ、国内にいる少数の彼、彼女、大事な人と出会う確率が向上するかもしれません。
ファラデーの時代には、市民が集まり、哲学や科学を語りあかすような組織がありました。世の中、争いを減らして気持ちの余裕ができるとよいですね。