[論文レビュー] Quantum Structure in Cognition: Fundamentals and Applications

Diederik Aerts, Liane Gabora+2 more|arXiv (Cornell University)|Apr 17, 2011

Bayesian Modeling and Causal Inference参考文献 24被引用数 15

ひとこと要約

本稿では、ヒルベルト空間の形式的枠組みを用いて、コンテキストに依存する量子モデルを提示し、人間の概念結合や意思決定における非古典的効果（たとえば、合併の誤謬や選言効果）を説明する量子認知の枠組みを提案する。Semi-Quantum Probabilistic（SCoP）システムを用いた認知のモデル化により、干渉項を介して実験データを再現し、古典論理を超えて人間の思考に量子構造が内在していることを示している。

ABSTRACT

Experiments in cognitive science and decision theory show that the ways in which people combine concepts and make decisions cannot be described by classical logic and probability theory. This has serious implications for applied disciplines such as information retrieval, artificial intelligence and robotics. Inspired by a mathematical formalism that generalizes quantum mechanics the authors have constructed a contextual framework for both concept representation and decision making, together with quantum models that are in strong alignment with experimental data. The results can be interpreted by assuming the existence in human thought of a double-layered structure, a 'classical logical thought' and a 'quantum conceptual thought', the latter being responsible of the above paradoxes and nonclassical effects. The presence of a quantum structure in cognition is relevant, for it shows that quantum mechanics provides not only a useful modeling tool for experimental data but also supplies a structural model for human and artificial thought processes. This approach has strong connections with theories formalizing meaning, such as semantic analysis, and has also a deep impact on computer science, information retrieval and artificial intelligence. More specifically, the links with information retrieval are discussed in this paper.

研究の動機と目的

• 古典論理や確率論では説明できない意思決定理論や認知科学におけるパラドックス（AllaisやEllsbergのパラドックスなど）を解決すること。
• 量子力学に基づく文脈的量子フレームワークを構築し、概念結合や意思決定をモデル化すること。
• 人間の思考に内在する量子構造が、古典論理的思考と量子的概念的思考の二重層的思考プロセスから生じることを示すこと。
• 知識表現と情報検索への量子力学の応用に向けた形式的基盤を提供すること。
• ヒルベルト空間における量子干渉効果が、ハモントンの概念所属実験などの認知心理学的実験データを正確に再現できることを示すこと。

提案手法

• 本稿では、5つの要素（状態集合Σ、文脈集合M、性質集合L、遷移確率関数μ、性質重み関数ν）で定義されるSCoP（シンボリック・コンセプチュアル・プロバビリスティック）システムを導入する。
• 概念結合はヒルベルト空間における重ね合わせ状態としてモデル化され、'AまたはB'は1/√2(|A⟩ + |B⟩)として表現され、直交性（⟨A|B⟩ = 0）を仮定する。
• 量子確率のルールを適用：所属確率は射影演算子を介して計算され、μ(A または B) = ½(μ(A) + μ(B)) + Re⟨A|M|B⟩が得られる。ここで干渉項Re⟨A|M|B⟩が古典的平均からの逸脱を引き起こす。
• ハモントン（1988, 1998）の概念所属重みに関する実験データを用い、量子形式的枠組みが古典的期待と比較して妥当性を検証する。
• 文脈性は遷移関数μ(q,e,p)により組み込まれ、文脈eが状態pを状態qに変換する確率を記述する。
• 性質重み関数ν(p,a)は、性質aが状態pにどの程度適用可能であるかの重みを割り当て、文脈下での概念的属性の動的モデル化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 量子力学は、AllaisやEllsbergのパラドックスにおける意思決定の『確実性の原理』の違反をどのように説明できるか？
• RQ2 なぜ人々は古典的確率論に反する合併の誤謬や選言効果を示すのか？
• RQ3 ヒルベルト空間における量子干渉効果は、心理的実験で観察された概念所属重みの逸脱を説明できるか？
• RQ4 二重層的思考プロセス（古典的論理的思考と量子的概念的思考）が、非古典的認知現象を説明するために果たす構造的役割は何か？
• RQ5 SCoPシステムに基づく量子形式的枠組みは、AIにおける知識表現と情報検索をどのように改善できるか？

主な発見

• 量子モデルはハモントンの概念所属実験からの実験データを成功裏に再現し、干渉項が古典的平均からの逸脱を説明していることを示している。
• 確率式μ(A または B) = ½(μ(A) + μ(B)) + Re⟨A|M|B⟩における干渉項Re⟨A|M|B⟩が、概念結合における非古典的行動を説明している。
• μとνを含む5つの構成要素を持つSCoPシステムの枠組みは、文脈的かつ動的な概念状態とその文脈下での変化をモデル化する。
• 古典的論理的思考と重ね合わされた量子的概念的思考の存在が、古典論理や確率論が人間の認知をモデル化できない理由を説明している。
• 量子形式的枠組みは、情報検索や認知モデリング分野において、数学的に厳密かつ実験的データと整合する古典的モデルの代替手段を提供している。
• 本アプローチは、量子力学を単なる道具としてではなく、人間および人工知能の思考プロセスの構造的モデルとして用いる強固な基盤を確立している。