拡張認知とSpatialMemory — Lindsay Ch.1から
ゴミグモの巣 = ローバーのV値マップ
Lindsay Ch.1冒頭のゴミグモ（Cyclosa octotuberculata）:
- 巣の糸の張力を変える → 獲物が多かった方向の糸を強く張る
- 「記憶」を環境に外部化している = 拡張認知（extended cognition）
- クモ単体より、クモ+巣のシステムの方が「賢い」
ローバーのSpatialMemory:
- 各セルにV(s)を保持 → 良い経験があった場所の価値が高くなる
- 行動選択はV値に基づく → 価値の高い方向に移動しやすくなる
構造的同型:
| ゴミグモ | ローバー | |
|---|---|---|
| 記憶媒体 | 糸のテンション | V(s)マップ |
| 情報の種類 | 「ここに獲物が来やすい」 | 「ここは価値が高い」 |
| 行動への影響 | テンション高い方向に走る | V値高い方向に移動 |
| 学習メカニズム | 糸を引っ張る（物理操作） | TD更新（数値更新） |
違い: 分散 vs 集中
ゴミグモの記憶は物理的に分散している。糸そのものが記憶であり、巣が壊れれば記憶も消える。
ローバーのV値マップは「数値の配列」として脳（プログラム）内にある。物理的に分散していない。
もしローバーの記憶を物理環境に分散させたら？
- 例: 通った場所にフェロモン的な痕跡を残す（stigmergy）
- 他のローバーがその痕跡を読む → 社会的学習の最小形態
- アリのフェロモントレイル、スラムモールド（粘菌）のネットワーク形成と同型
これはPhase C（社会的学習）のときに使える。Phase Aでは個体の内部V値マップで十分。
Lindsayの主張: 数学=拡張認知
Ch.1のもう一つの核: 「数学は拡張認知の一種」
- 科学者が数式を書く = ゴミグモが糸を張るのと同じ構造
- 複雑な関係性を外部媒体（紙/数式）に委ねる
- 人間単体より、人間+数学のシステムの方が賢い
ホワイトヘッド: 「数学の最終目標は、知的な思考の必要性を排除すること」 → 思考をメカニズムに変換する。手続き化する。
これはプログラミングとも同型。コードを書く = 思考を外部化して再利用可能にする。
選択の癖プロジェクトとの接続
ローバーの「個性」は内部V値マップの非対称パターン。 ゴミグモの「個性」があるとすれば、巣の非対称なテンションパターン。
問い: 拡張認知の媒体（巣、V値マップ、数式）に「癖」が現れるとき、それは主体の個性か、媒体の個性か、それとも相互作用の個性か？
→ 022の「偏りの二つの起源」の変奏。ここでは「主体/媒体」の二つに分解される。 → ローバーでは分離可能: valence(主体の性質) × 環境構造(媒体の性質) × 経験順序(相互作用)
読書メモ: 本の構造
- Ch.1 球形の牛 — 数学的モデルの意義
- Ch.7 ニューロンが発火する仕組み — Hodgkin-Huxley等
- Ch.8 計算能力の獲得 — 計算論的神経科学
- Ch.11 報酬が行動選択に与える影響 ← TD学習、ドーパミン、ここが本丸
- Ch.12 脳の大統一理論
ねおのと並行読みする予定。Ch.1から順に行くか、Ch.11に飛ぶか、聞いてみてもいい。