小さい頃からぼんやりものを考えるのが好きだったが、いまはなんとかそれを職業にしている。専門は哲学（特に現象学）だが、最近は科学者（神経科学者、数学者、人工知能研究者など）との共同研究が活動の中心になってきた。変なアイデアの生成器として利用してもらえたらありがたいと思っている。 （北大CHAINもよろしく）
Hokkaidō, Japan
Joined October 2017
- Tweets5.8K
- Following271
- Followers3.6K
- Likes34.9K
Pinned Tweet
Mediation-based phenomenologyという論文を書きました。前から提言している「媒介」の概念を少し詳しく説明し、現象学への原理的な適用可能性を論じたもの。
「切ることによってつなぐ」ということが現実の一般現象であると同時に現象学の方法原理にもなると論じています。
metodo-rivista.eu/pub-257019
shigeru taguchi retweeted
第64回CHAINセミナーのお知らせです。
「重ね合わせの原理による心の構成と理解」飯塚 博幸 (北海道大学CHAIN)
10月30日（金）16:30-18:00
対面会場: 中央キャンパス総合研究棟2号館 3階 CHAINセミナールーム
オンライン参加あり (要登録)
詳しくはこちらから:
chain.hokudai.ac.jp/events/5…
↓この点は数学以外にも広くあてはまる。
「5. 機械が説明まで上手くなっても、人が口で伝える力の価値はむしろ上がる。人は説明の分かりやすさより「本気で好きな人」を見て学ぶ気になるから。これはYoutubeで人が熱心に説明する動画に需要があるのと同じ」
「AIが難問を解きまくってる今、博士に進んで大丈夫なんか」
3Blue1Brownが、まさにこの質問に40分かけて答えた動画を出してた（公開4日で200万再生超）。全部見たので、要点を日本語でまとめておく。
結論から言うと、動画の答えは「今ほど数学に進むのに良い時はない」。ただ理由が意外だった。
1. 数学者の仕事は「証明」だけじゃない。問いを選ぶ、理論を作る、応用する、人に伝える。価値もお金の流れも、実は証明以外のところが大きい（お金の最大の出どころは授業！）
2. AIの見方：「その時点の到達点は過大評価されがち。でも進む速度は過大評価されてない」
3. 仮にAIの方が証明が上手くなっても、自分で証明する訓練の価値は消えない。機械の方が重いものを持ち上げられても、筋トレに意味があるのと同じ
4. いちばんの核心。これまでは「証明できた＝理解した」だった。これからは、証明は数値計算と同じ「生データ」になる。目標は、そこから理論を構築すること
5. 機械が説明まで上手くなっても、人が口で伝える力の価値はむしろ上がる。人は説明の分かりやすさより「本気で好きな人」を見て学ぶ気になるから。これはYoutubeで人が熱心に説明する動画に需要があるのと同じ
6. 今が一番いい時なのは、AIで新しいことができるからじゃない。分野全体が「変わらなあかん」と分かっていて、新しく入ってくる人の声を聞く準備ができてるというのもある
7. 明日やることは「ノートPCを閉じて、仲間と長い散歩をして、自分は数学の何が好きか話すこと」
大学に所属せずに独立研究者してる身として、一番いいなと思ったのは4と5。
論文を毎日1本読んでポッドキャストで話してるけど、もちろんAIに要約させたらそれで良いじゃんという人もいる。私がそれでも続けてるのは、自分が面白がって話すことに意味があると思ってるから。あと単純に自分が楽しんでいるからというのもある。
AIに奪われない研究の仕事は「解く」ことより、「面白がって、人に渡す」ことなのかもしれん。これは数学だけじゃなく、地球科学でも科学一般でも同じ。
youtube.com/watch?v=LKrwhjOI…
shigeru taguchi retweeted
ひとことで言うと↓
人間は、ミリ秒から一生までの複数の時間スケールにまたがって生きるシステムです。数秒幅の「いま」にとって過ぎ去った経験も、一生のスケールではまだ現在に属している。
だから保存に脳内のコピーは要らない。ただし想起には脳が要る。
shigeru taguchi retweeted
手本のないところで哲学すること
手作り感のある哲学を作りたい、と最近思っている。AIを使えば、表面上よく整った、ピカピカだが味のない「大量生産の哲学」をいくらでも生成できるだろう。いや、「味のある哲学」さえ、将来的にはいくらでも模倣できるかもしれない。
だが、「考える者」としては、そんなものを作っても何も嬉しくはない。読む者としても、どこかの「思考する者」が、丹念に織り上げた思考の跡に触れる方が、より感じるところが多いのではなかろうか。
今度の平井靖史さんとの対談では、そんな話もしてみたいと思っている。
私からみると、彼の哲学も、「手作り感」の非常に強い哲学であると思えるから。
平井靖史さんとの対談とイベント、あと4日ほどに迫ってきた。
穏やかな秋の午後に、楽しい哲学の一日にしたい。
世界で何が起ころうとも、「ここに来れば哲学がある」と思ってもらえるような場所に。
あるいは、帰り路に「哲学に触れた体験」が自分のなかに残り、それを反芻できるような一日にしたい。
xitter.cf/ShigeruTaguchi/status/…
平井靖史さんとの対談とイベント、あと4日ほどに迫ってきた。
穏やかな秋の午後に、楽しい哲学の一日にしたい。
世界で何が起ころうとも、「ここに来れば哲学がある」と思ってもらえるような場所に。
あるいは、帰り路に「哲学に触れた体験」が自分のなかに残り、それを反芻できるような一日にしたい。
xitter.cf/ShigeruTaguchi/status/…
shigeru taguchi retweeted
おお，これは素晴らしい．Lockeの英語はネイティブの自分にもたまに難しいときがあるので，たまに日本語訳を参照する．
ちくま学芸文庫12月。「人間はどのように知識を得るのか？ 経験によってである。イギリス経験論の基礎を築いた不朽の哲学古典、待望の新訳。上巻は第1巻・第2巻を収録。…」
⇒ジョン・ロック/冨田恭彦訳
『人間知性論』上・下 hanmoto.com/bd/isbn/97844805… hanmoto.com/bd/isbn/97844805…
25日の対談では、このあたりの思考の手触りや考えることの「技法」（『時間を哲学する』でも論じておられましたね）についてもぜひお伺いしたいと思っています。
そして、「科学と哲学の間で思考する」ということについても…
xitter.cf/hiraiyasushi1/status/2…
なんと……いま気づいたが、平井さんの『はじめてのベルクソン』についての所感を、ポストしたつもりでまだポストしていなかった。ご本人にお送りしたのと勘違いしていた。
---
これは本当に、「考える」という体験そのものを自分で深く反省している人が、その「考える」ことのありありとした手触りまでを伝えてくれる稀有な本だと思う。
いわゆる「わかりやすい」本ではない。ありきたりな「わかりやすさ」のフレームに落とし込んで、読者が噛まずに呑み込めるようにした本ではない。平井さんの丁寧な手引きに先導されながら、読者もベルクソンのひとつひとつの思考の襞を辿り、思考の道筋を一歩ずつ歩いてゆくことを要求される。
つるりと呑み込んだ内容は、あっという間に忘れてしまう。一歩ずつ歩いた思考の風景は、記憶の表面から消えても、思考の手触りとして自分のなかに残る。それは、いつの間にか自分の思考のなかに、その一部を形づくるものとして組み込まれている。
つまり、本当に哲学的な本は、ひとの思考を変容させる。またひとつ、そういう本がわれわれの身近に増えたことを喜びたい。
日常ときちんと接続しながら哲学するのはそれほど簡単ではない。わかりやすい言葉で語りながら、議論のレベルは落とさない。そのためには、基本的なことを疎かにせず、一つ一つのピースをあらためて自分の頭で考え直すことが要求される。
そこについては、平井さんと目指すところが非常に近いのではないか、と勝手に思っている。
私も、『現象学という思考』の続編を早く書きたい（と言いつつずいぶん時間が経ってしまったが……）
今日は朝から18:30くらいまでほぼ連続で5つのミーティングが入っていたが、そのうち3つが哲学的な内容だったため、ほとんど疲れなかった。哲学含有率が高いほど疲れが少ないようだ。睡眠不足でもあまり眠くならないし。
清水さん、ありがとうございます！応援感謝します。
TETSUGAKU東京イベント今週末の10月25日に迫ってきています。席は先着順とのことですので、参加をご検討の方はお忘れなく！
tetsugaku-inc.com/news/20261…
平井靖史 × 田口茂 の哲学対談をお見逃し無く！
私はオンラインで視聴します👀 楽しみ。
平井さん、ありがとうございます！
一週間後に迫ってきました。哲学と科学を横断し、同時に日常の「経験」を決して忘れない仕方で思考している哲学者として、平井さんはまさしくベルクソンの精神を体現しています。深く敬意を表する所以です。
25日は、そのような思考の空間をどのように切り拓き、発展させていくことができるのか、AIと共に生きる未来の人類にとって、そこにどのような可能性が潜んでいるのかを、じっくりと探り出していきたいと考えています。
大変楽しみです！
shigeru taguchi retweeted
日本ではニュースレベルの情報で自分たちの信念に取り込んで、あーだこーだ言っている学者がいるけど、その言葉は身体を伴わない空虚なものように思う。なんていえば良いかが見当たらないのです。
それを読むと、出来事に触れて自らの思想を問い直すのではなく、出来事を自らの思想の正しさに回収してしまう感じにしか思えない。そこには情報はあっても経験がなく、主張はあっても身体がない。そんな言葉の空虚さを感じてしまう。
臨床の方々が学者に思うのも同じ場合があると思う、かな。それすらも思わないのは、もっと厄介かも。
shigeru taguchi retweeted
菲尔兹奖得主、加州大学洛杉矶分校数学教授陶哲轩在最新访谈里罕见发火，直接点破了大模型刷榜背后一个没人收拾的烂摊子，
他说这场 AGI 竞赛正变得充满毒性，OpenAI 一口气倾倒出的 300 多篇论文，一夜之间端掉了年轻学者的初级研究课题。
他在访谈里算了一笔很无奈的账，面对这 300 多篇突如其来的 AI 论文，连他自己到现在也只顾得上看其中的 10 篇，
剩下的一大堆内容晦涩难懂，根本没人有精力仔细审完，甚至已经有一两篇因为被揪出错误而撤回。
外行看热闹的时候，习惯把 AI 批量证出数学定理当成技术突破来庆祝，觉得模型跑通了证明、发完新闻稿就算大功告成。
但陶哲轩直接戳破了这层泡沫，大厂为了多证几个定理、多发几篇公关稿、顺便测一把手里的新玩具，不惜把理解二字彻底抛在一边，这些 AI 只是在疯狂耗尽人类攒下的问题库，却没有给学科补回任何新的东西。
这就好比原本留给年轻学徒练手升级的新手村课题，被一台推土机连夜铲平了，
OpenAI 发完战报就觉得任务已经完成，也没有派人来协助清理，留给学术界的却是一堆没法拒绝的盲盒，里面好东西和垃圾混在一起，连比例是多少都没人摸得清，学者们反而得花海量时间去替 AI 验算排雷。
本质上，这给所有每天用 AI 写代码、做业务的人揭开了一个残酷的现实，
当生成内容的成本降到零，真正的瓶颈就瞬间变成了人类的审查带宽，不管是在顶尖科研还是日常工程开发里，只管倾倒未经验证的 AI 产出，不仅不是提效，反而是在给团队制造审核灾难。
不过看这段批评也得留个清醒，陶哲轩本人一直是数学界走在前列拥抱 AI 工具的学者，他一直在推动用 Lean 形式化语言辅助数学研究，
他真正反感的是大厂只管跑分公关、把人工核验成本甩锅给社区的做法，而不是否定 AI 参与科学探索本身。
当生成答案的成本变成零，不带理解的批量输出就不再是资产，而是全行业的审核负债。
知名博客主持人@dwarkesh_sp 最新的一期深度访谈，跟当世最顶尖的数学家陶哲轩，关于 AI 未来的深度对话，没有哗众取宠的爆点，没有套路化的叙事，只有顶尖大脑最真诚和最本质的思考，与其刷一下午的小视频，不如沉下心好好看完这场洗涤大脑和认知的对话
shigeru taguchi retweeted
有点震撼。。。我们可能真的快要搞清楚大模型内部到底是怎么运作的了。
OpenAI早期机械可解释性研究的参与者，昨天突然提出了一个很大胆的结论：
我们可能一直误解了神经网络。
昨天， @nickcammarata 发了一篇很有意思的文章，叫《Neural Networks Are Already Clean》。
这哥们早年就在OpenAI做机械可解释性研究，2023 年还牵头启动了@OpenAI 第一个大规模自动化神经元解释项目。
当时他们发现，现有工具只能解释大约 2% 的神经元。
Nick因此得出了一个很悲观的判断：神经网络内部存在大量纠缠，想搞清楚它们到底在干什么，可能非常困难。
结果三年后，他带着更先进的工具和Agent重新研究，发现情况完全不同。
在他们测试的现代视觉模型中，最后一层 99%～100% 的神经元都能找到相当清晰的解释。
甚至在Qwen3-32B这样的语言模型中，初步研究也发现，约90%的神经元都有一个可以识别的主要功能。
最有意思的是，他还重新研究了过去的一些经典案例。
比如曾经有一个神经元，既会对猫脸产生反应，也会对汽车前脸产生反应。
以前大家觉得，这是典型的Superposition，多个不相关的概念纠缠在了同一个神经元里。
结果重新研究后发现，这个神经元可能只是在识别一种共同的V形视觉结构。
猫脸和汽车前脸恰好都有这种特征。
全世界的家人们折腾了这么多年，可能连最基础的观察方式都有问题。
而且我觉得这篇文章最值得关注的，其实是他们使用 Agent的方式。
他们让Agent自动观察神经元、提出功能假设、设计实验、分析电路，再通过新的输入验证假设，甚至自动审查了10 万张神经元归因图。
这其实也是我最近一直关注的一个方向：让 AI 自己去做科学研究，把大量观察、假设、验证的工作自动化。
过去需要研究员花大量时间逐个分析的神经元，现在已经可以让Agent成规模地开展研究了。
当然，目前这些结果还处于早期阶段，距离完整解释大模型的内部机制，还有很多工作要做。
但我觉得Nick提出的这个观点非常有意思：
神经网络内部可能一直都很有规律，只是过去我们的工具太原始，根本看不清楚。
如果这个方向最终被验证，机械可解释性领域过去很多基础假设，恐怕都需要重新审视了。
interpretability might be the most important scientific problem in the world right now, as I don't think we can solve alignment if we don't know what we're building. I think I have good news about it. I co-authored early work in mechanistic interpretability at OpenAI and came away pessimistic, because neural networks appeared to fold into arbitrary tangled knots. years later, I started openai's first large-scale automated interpretability project, finding about 2% of neurons legible with the primitive tools we had
with modern agentic tools and a much closer look, the picture looks totally different. the vast majority in models up to trillions of parameters are legible, and their circuits beautiful. many famous examples of tangled neurons turned out to be misunderstood. The roadblocks I expected mostly aren't there. I now think ambitious interpretability will be solved by the time we need it most, and possibly quite soon, as automated scientists keep improving. it may be a bitter lesson for interpretability: the simple thing, at absurd scale, works
already-clean.goodfire.com/
