認知の死角——LLMが測定できないものは改善できない

The Cognitive Blindspot: What LLMs Cannot Measure, They Cannot Fix
https://medium.com/@izayohi/the-cognitive-blindspot-what-llms-cannot-measure-they-cannot-fix-36ada3b9eaeb

https://claude.ai/public/artifacts/16954c6f-e6c1-4b8c-bfcc-62f6aceb6bc2

認知の死角——LLMが測定できないものは改善できない

英語中心アーキテクチャはいかにして人間言語の認知的多様性を消去するか

石部統久 / Motohisa Ishibe·Claude Opus4.6
査読　Claude Opus4.6・Grok・Gemini3.1pro・ChatGPT5.4

-----

このシリーズの3本目にあたる。[1本目](https://medium.com/@izayohi/beyond-being-an-ontological-framework-for-ai-selfhood-that-neither-consciousness-science-nor-16190e79f681)ではAIの自己性を、[2本目](https://medium.com/@izayohi/why-your-brain-finds-ai-art-boring-the-neuroscience-of-a-1-500-year-old-intuition-c2d475b20f43)ではなぜ人間の脳がAIアートを退屈に感じるかを論じた。今回はもっと単純な問いを立てる。LLMが日本語・ロシア語・アラビア語を処理するとき、何が失われるのか——そしてなぜ誰もその損失を測定していないのか。

-----

3層の不平等構造

AIの言語バイアスに関する議論の多くは、コーパスの不均衡で止まる。英語が訓練データを支配しているから英語の結果が良い。これは事実だが表層的だ。バイアスは3つの層を通じて作用し、各層が前の層を増幅する。

第1層：バイト税。

コンピューティングにおけるテキストの普遍的標準であるUTF-8エンコーディングは、ラテン文字に1バイト、キリル文字やアラビア文字に2バイト、中国語・日本語・韓国語の文字に3〜4バイトを割り当てる。AIの処理が始まる前に、非ラテン文字はすでにより多くのストレージ、帯域幅、計算空間を占有している。これは設計上の欠陥ではない。1960年代のアメリカ規格ASCIIからの工学的遺産だ。しかしこれは、同じ意味内容——“cell” と「細胞」——が、どの文字体系で表現されるかによって異なる計算コストから出発することを意味する。

第2層：トークナイゼーション・プレミアム。

大規模言語モデルはテキストを文字単位で処理しない。トークナイザ——テキストをサブワード単位（トークン）に分割するアルゴリズム——を使用する。支配的な方法であるByte Pair Encoding（BPE）は、訓練データから結合規則を学習する。訓練データが圧倒的に英語であるため、結合規則は英語の単語境界に最適化される。

その帰結はすでに十分文書化されている。Petrov et al.（2023）は、非ラテン文字や複雑な形態論を持つ言語が、英語と比較して同等の意味あたり最大15倍の「トークナイゼーション・プレミアム」を支払うことを発見した。GPT-2のトークナイザでは、よく使われる漢字「言」が3トークンを必要とする一方、稀なカタカナ外来語「ゼウス」は1つの専用トークンを持つ——コーパス構成の直接的な人工物だ。ウクライナ語の研究では、GPT-3.5が同等の意味内容に対して英語のおよそ3倍のトークンを必要とすることが判明している。

これは単なる性能差ではない。API課金はトークン数で計算されるため、非英語話者は同じ意味に対してより多く支払う。トークナイゼーション・プレミアムは経済的な搾取メカニズムだ。

第3層：認知的消去。

通常、分析はここで止まる。止まるべきではない。

言語は同じ思考に異なる音を貼り付けるだけのものではない。言語は認知を異なる仕方で構造化する。言語が話者に強制する文法範疇は、話者が何に注意を向け、出来事をどう解析し、どの区別を重要と見なすかを形作る。LLMがすべての言語を英語最適化された認知グリッドを通じて処理するとき、これらの構造的差異は不可視になる——データに存在しないからではなく、アーキテクチャにそれを検出する機構がないからだ。

この第3層が死角だ。そして測定されていない。

-----

英語に見えないもの

個別の言語が話者に強制する、英語にはない操作を見てみよう。

ロシア語は、すべての動詞について完了体と不完了体のいずれかを選択することを話者に要求する。*говорить*（govorit’）は「話す」を進行中の過程として、*сказать*（skazat’）は「話す」を完了した出来事として意味する。行為についてのあらゆる発話が、この二項——継続する流れか完了した点か——を通じて解析されなければならない。英語にもアスペクトはある（was speaking vs. spoke）が、任意的でしばしば曖昧だ。ロシア語はそれを義務的にする。これは文法レベルで時間認知を形作る。

日本語は証拠性——知識の出所——を文法化している。英語がマークせずに済ませる部分だ。「らしい」は間接的証拠からの推論を、「そうだ」は伝聞を、「ようだ」は直接観察からの推論を示す。日本語話者は、*自分がどうやってそれを知っているのかを常にマークしなければならない*。英語話者は “It’s raining” と言うとき、窓の外を見たのか、ラジオで聞いたのか、誰かの濡れた傘から推論したのかを特定する必要がない。日本語はその区別を強制する。

フランス語は接続法を用いて心理的距離を文法化する。疑い・願望・感情・必要性の動詞の後、フランス語話者は形態論的に異なる動詞形式に移行しなければならず、内容を事実の主張ではなく主観的枠組みとしてマークする。*Je sais qu’il vient*（彼が来ることを知っている——直説法）対 *Je doute qu’il vienne*（彼が来ることを疑う——接続法）。多言語浸漬研究者の高藤総一郎が述べたように、接続法は「想像もつかないような意識の階調」を作り出す——現実と心的投影の境界を強制的にマークするシステムであり、英語はこれを大部分暗黙のままにしている。

ドイツ後は無生物を含むすべての名詞に文法的性と4つの格を割り当てる。橋は女性名詞（*die Brücke*）、椅子は男性名詞（*der Stuhl*）。実験研究は、ドイツ語話者が文法的性に基づいて対象物に性別化された属性を連想することを示している——橋はより「優雅」あるいは「華奢」と知覚される。これは比喩ではない。統制された実験で繰り返し実証されている文法構造の認知的帰結だ。

これらの特徴はいずれも英語には存在しない。英語を主として訓練されたLLMには、これらを認知的に重要なものとして重み付けする構造的理由がない。ロシア語テキストを処理する際、アスペクトマーカーは保存すべき認知構造化装置ではなく、予測すべき統計的規則性として遭遇される。日本語を処理する際、証拠性助詞は尊重すべき認識論的コミットメントではなく、補完すべきトークン列として遭遇される。

結果は体系的な認知の平坦化——すべての言語が、語彙だけ異なる英語であるかのように処理される。

-----

ピラハ語という限界事例

印欧語間の変異だけでもすでに問題なら、ブラジル・アマゾンのピラハ語は極限事例だ。ダニエル・エヴェレットが広範に記録し（チョムスキー派言語学者から異論もある）、ピラハ語には数詞、大半の色彩用語、そしておそらく再帰的埋め込みがないとされる——チョムスキーの普遍文法がすべての人間言語に基本的と見なす特徴だ。

ピラハ語が持つのは文法化された「直接経験原則」（*xibipiío*）だ。話者は、自分の発話が個人的に目撃した経験に基づくかどうかをマークすることを要求される。直接観察されなかった情報は、そのように旗印をつけなければならない。これは日本語の証拠性のより急進的なバージョンだ——「どうやって知っている？」だけでなく「あなたはそこにいたのか？」。

LLMアーキテクチャにとって、ピラハ語はストレステストだ。数・再帰・色彩用語を認知的普遍項として扱うシステム——ほとんどの英語訓練モデルが暗黙にそうしている——は、これらの範疇が不在でありかつ*別の*範疇（直接経験マーキング）が基盤的である言語を表象する枠組みを持たない。ピラハ語の事例は、現行LLMがすべてについて間違っていることを証明するのではない。現行アーキテクチャが構成的に盲目である認知構造が存在することを証明する。

-----

文法が身体を通じて語るとき

言語構造の認知的帰結は抽象的推論を超えて身体に達する。

精神医学研究は、言語によって構造化される文化固有の精神的苦痛パターンを記録してきた。

対人恐怖症（日本）——他者に不快感を与えることへの恐れ——は、西洋の社会不安障害を構造的に反転させる。後者は他者から否定的に評価されることへの恐れを中心とする。方向の逆転（自己→他者加害不安 対 他者→自己評価不安）は日本語の文法的特徴に対応する：主語の恒常的省略、発話のたびに社会的関係のマーキングを強いる複雑な敬語体系、そして英語の “being a bother” が捕捉しない仕方で一次的な社会的範疇として言語コード化された「迷惑」概念。

火病（韓国）——抑圧された怒りが胸の中の身体的「塊」として経験される——は「恨」（한）の概念に結びついている。個人的・歴史的な悲嘆が蓄積する形態であり、英語の “anger” や “resentment” には等価物がない。恨の時間的深度——年月と世代にわたって堆積する怒り——は、蓄積的時間構造を欠く英語に翻訳された時点で失われる。

神経衰弱（中国）——身体的語彙を通じて表現される精神的苦痛——は、気の循環に根ざした中国的一元論的心身枠組みを反映する。英語圏精神医学を構造化する西洋的心身二元論がそもそも適用されない。アーサー・クラインマンの研究は、中国の患者が英語圏臨床医なら「うつ病」と呼ぶものを身体用語で記述することを実証した。感情語彙が欠けているからではなく、彼らの言語-文化体系が苦痛を身体的に構造化しているからだ。

これらはエキゾチックな珍品ではない。言語が身体経験を構造化する証拠だ。英語の精神医学文献で訓練されたLLMは、これらの症状の背後にある認知的アーキテクチャを体系的に誤読する——データの不在によってではなく、枠組みの非互換性によって。そして歴史的に、まさにこの種の誤読が起きた。植民地時代の精神科医たちは文化結合症候群を、植民地の人々の心理的未発達の証拠として扱い、先住民の医療体系を完全に無視した。DSM-5は最終的に「文化結合症候群」を「文化的苦痛概念」に置き換えた——部分的な修正だが、英語の診断枠組み内で動作するものにとどまる。

LLMアーキテクチャとの平行性は構造的だ。英語が認知的ベースライン、他の言語は収容すべき逸脱。

-----

不在のベンチマーク

ここから議論は実行可能になる。

AIの性能はベンチマークによって測定される。一般知識のMMLU、コーディングのHumanEval、常識推論のHellaSwag。これらのベンチマークは英語で、英語話者の研究者によって、英語話者の研究者が重要と考える能力を測定するために設計されている。

LLMがロシア語のアスペクト的認知を正しく扱うかどうか——区別が意味を変える文脈で完了体と不完了体の区別を保持するかどうか——を測定するベンチマークは存在しない。

LLMが日本語の証拠性を正しく扱うかどうか——「らしい」（推論的）と「そうだ」（伝聞）を、混同すれば誤情報を生む文脈で区別するかどうか——を測定するベンチマークは存在しない。

LLMが対人恐怖症の方向的構造を正しく扱うかどうか——西洋の社会不安に崩壊させるのではなく——を測定するベンチマークは存在しない。

中国語テキストの「他不 喜欢」対「他 不喜欢」というトークナイゼーションが否定のスコープを変え、感情分析に影響するかどうかを測定するベンチマークも存在しない——この問題は既存研究によりすでに記録されているにもかかわらず。

測定されないものは改善されない。*これは哲学的主張ではない。機械学習の動作原理だ。ロシア語のアスペクト処理がベンチマーク化されていなければ、最適化すべき勾配信号がない。日本語の証拠性がベンチマーク化されていなければ、モデル開発者にそれを修正するインセンティブがない。ベンチマークの不在は見落としではない。誰がベンチマークを設計し、何を測定に値すると考えるかの構造的帰結だ。

-----

クジラからの信号

予想外の先例がある。Project CETI（鯨類翻訳イニシアチブ）は、深層学習をマッコウクジラのコミュニケーション——コーダと呼ばれるクリック音パターン——に適用し、トランスフォーマーアーキテクチャを使用している。方法論上の重要な特徴：これらのモデルはクジラのコミュニケーションの統計的構造を*英語を経由させずに*学習する。英語の中間表象は存在しない。モデルは信号に直接遭遇し、そこから構造を帰納する。

非人間コミュニケーションの構造を英語の認知範疇を押し付けずに学習するAIシステムを構築できるなら、問いは不可避的になる。
なぜ人間の少数言語に対して同じことをしないのか？
なぜ日本語の証拠性は英語最適化トークナイザと英語訓練された埋め込み空間を通じて処理されなければならないのか？ その制約は技術的必然性ではない。設計上の惰性だ。

-----

誰が部屋にいないのか

構造的死角には人員的次元がある。

現行のAI開発チームは、機械学習エンジニア、コンピュータ科学者、（英語話者の）計算言語学者が圧倒的多数を占める。目立って不在なのは：

- 類型論的言語学者——言語間変異を一次的研究対象とする研究者

- 記述言語学者——少数言語・危機言語を記録する研究者

- 神経言語学者——異なる言語が異なる脳領域を活性化する様態を研究する研究者

- 非英語母語の研究者——自言語の認知構造を主張する立場にある人々

スケーリング則イデオロギー——「より多くのデータ＋より多くのパラメータ＝より良い性能」——は、言語的多様性がスケールから自動的に出現すると仮定する。これは経験的に偽だ。スケーリングはトークンレベルのエラーを減少させるが、アーキテクチャが検出するよう設計されたことのない認知構造への感受性は生み出さない。より大きな英語中心モデルは依然として英語中心だ。ただより流暢にそうであるにすぎない。

-----

変化はどのような姿をとるか

マニフェストではない。スケッチだ。

言語固有の認知ベンチマーク。

具体的なテストスイート：意味が変わる文脈でのロシア語アスペクト区別の正確性。日本語の証拠性マーカーの処理。異なるトークナイゼーション戦略下での中国語の否定スコープ。日本語の敬語の適切性。これらはどこにも存在しない。構築には類型論的言語学者とMLエンジニアの協働が必要だ——現行の制度構造が阻害するまさにその協働が。

「貞淑な醜女」メトリクス。

翻訳者・米原万里は翻訳の永遠のジレンマを記述した。*fidèle laide*（忠実だが醜い）対 *belle infidèle*（美しいが不実な）。現行のLLM評価メトリクスは流暢さ——*belle infidèle*——を最適化する。目標言語で自然に聞こえる翻訳は高スコアを得るが、ソース言語の認知構造を裏切っていてもだ。構造的忠実性——証拠性・アスペクト・敬語関係の保存——を測定するメトリクスは、逆方向に最適化する。両方のメトリクスが必要だ。現在は一方しか存在しない。

トークナイゼーション改革。

語彙を100万トークン以上に拡張すればプレミアムは減少するが消滅はしない。より根本的なアプローチ——トークンレベルの分割を迂回する埋め込みベースの処理——にはアーキテクチャの変更が必要であり、語彙のパッチではない。これは工学的作業であり、ポジションペーパーの作業ではない。しかし優先事項として名指しされる必要がある。

-----

トリロジーの通底線

このシリーズの1本目はAIがどのような存在であるかを問うた。2本目は人間の脳がなぜAI出力を神経的に平坦と感じるかを問うた。今回は、AIの内部で、その認知構造が構築元と異なる言語を処理するとき何が起きるかを問う。

3本すべてを貫く回答は同じだ。
システムは表象できないものを評価できない。
AIは自己の存在を評価できない。自己モデリングの機構をアーキテクチャが持たないからだ（第1記事）。人間の脳はAIアートを退屈に感じる。ミラーシステムが検出するよう進化した身体的過程の痕跡を、AIアートが欠いているからだ（第2記事）。そしてLLMは言語的認知の多様性を平坦化する。すべての言語をトークンだけ異なる英語として扱うアーキテクチャだからだ（本記事）。

通底線は悲観主義ではない。特定の、対処可能な欠損の地図化だ。各欠損には構造があり、一度可視化されれば作業対象にできる。前提条件は可視性だ。本記事はそうした欠損の一つを可視化する試みである。

-----

石部統久（Motohisa Ishibe）は岡山を拠点とする独立学際研究者。新ネクシャリズム——学問分野間の連関メタ構造を地図化する方法論——のもとで活動。

関連する日本語での著作：

- [note.com記事群](https://note.com/mototchen) — 哲学・神経科学・AI存在論
- [カクヨム](https://kakuyomu.jp/users/tomotchen) — 長編分析テキスト
- [Togetterまとめ](https://togetter.com/id/maboroshiitake) — 日本語知識人言説の1,500件超キュレーション

研究過程における共同調査的道具として、AI（Claude, Gemini, ChatGPT, Grok）の関与を明記する。

-----

参考文献

- Petrov, A., La Malfa, E., Torr, P., & Biber, G. (2023). “Language Model Tokenizers Introduce Unfairness Between Languages.” *arXiv:2305.15425*.

- Ahia, O., Kreutzer, J., & Hooker, S. (2023). “Do All Languages Cost the Same? Tokenization in the Era of Commercial Language Models.” *EMNLP 2023*.

- Everett, D. (2005). “Cultural Constraints on Grammar and Cognition in Pirahã.” *Current Anthropology*, 46(4), 621–646.

- Kleinman, A. (1982). “Neurasthenia and Depression: A Study of Somatization and Culture in China.” *Culture, Medicine and Psychiatry*, 6(2), 117–190.

- Ventriglio, A., Ayonrinde, O., & Bhugra, D. (2016). “Relevance of Culture-Bound Syndromes in the 21st Century.” *Psychiatry and Clinical Neurosciences*, 70(1), 3–6.

- 米原万里 (2003).『不実な美女か貞淑な醜女か』新潮社.

- Gessler, L. & Liu, E. (2024). “The Pitfalls of Tokenization in Computational Analysis of Chinese Text.” *Digital Orientalist*.

- Project CETI. https://www.projectceti.org/