自閉症における同一性への固執のエントロピー的説明

本論文は、自閉症における同一性保持への固執（insistence on sameness）を、情報理論の枠組みを用いて説明しようとする理論的提案である。具体的には、個人が驚き（surprise）と不確実性（uncertainty）を低減しようとする一般的な行動パターンの一例として捉え、自閉症を「環境の具体的特性の識別、記憶、予測に認知機能が制限される障害」と再定義する。提案される枠組みでは、エントロピー指標 $D_H(R, M) = H(R|M) + H(M|R)$ を用い、$R$ をランダムな刺激系列、$M$ を記憶とし、条件付きエントロピーをそれぞれ驚きと不確実性と解釈する。この指標の最小化には、$R$ について学習するか、$R$ を既知の $M$ に制限するかの2通りがあり、同一性保持への固執は後者の現れであると結論づける。

先行研究と比べて、本提案は情報理論に基づく定量的な枠組みを提供する点が新しい。従来の自閉症の説明は心理学的・神経科学的な記述が中心であるが、本論文はエントロピー指標を用いて驚き、不確実性、感覚過負荷、不安、快適ゾーン、失望、見当識障害、几帳面さ、厳格さ、遵守、異常な正確さなどの概念を定量化できると主張する。また、学習療法や日常ケアの指針を最適化アルゴリズムとして定義し、ロボット介護者への実装可能性を示す点も独自性が高い。さらに、自閉症者を対象とした実験を必要としないTuring test的な検証方法を提案している点も先行研究にはない特徴である。

手法の核は、情報理論のエントロピー指標 $D_H(R, M)$ を導入し、その最小化戦略を分析することにある。$R$ はランダムな刺激系列、$M$ は記憶を表し、$H(R|M)$ は驚き、$H(M|R)$ は不確実性と解釈される。指標を最小化するには、$R$ について学習して知識を $M$ に蓄えるか、$R$ を既知の $M$ に制限するかの2通りがある。自閉症者の認知制限を仮定した上で、後者の戦略が同一性保持への固執として現れると推論する。また、この枠組みから学習療法や日常ケアの指針を導出し、それらを最適化アルゴリズムとして定式化し、ロボット介護者のプログラムとして実装可能としている。

検証方法は、要旨によれば、Turing testに類似したアプローチを用いることが提案されている。具体的には、自閉症者を対象とした実験を必要とせず、枠組みの妥当性を検証できるとしている。しかし、実際の実験結果やデータに基づく検証は要旨には記載されておらず、具体的な検証手順や結果は不明である。

議論としては、提案された枠組みが肯定的に検証されれば、自閉症者の基本的な日常生活活動における自立性を向上させるための療法の形式的基盤と設計指針を提供できると述べている。しかし、要旨からは、この枠組みの限界や批判的考察、他の理論との比較、実証的証拠の不足などについての詳細な議論は不明である。また、エントロピー指標の解釈や仮定の妥当性についての議論も要旨には含まれていない。

要旨で参照または比較されている研究は明示されていないが、情報理論に基づく認知モデルや自閉症の予測符号化理論（predictive coding）に関する研究が関連する可能性がある。また、Turing testに類似した検証方法を用いることから、機械学習や人工知能におけるTuring testの研究も関連する。具体的な論文名は要旨からは不明であるため、同分野の定番として、自閉症の予測符号化理論（例：Karl Fristonのfree energy principle）や、情報理論を用いた認知科学の研究を挙げることができる。