前田なお（哲学×社会科学×認知科学×文学）

哲学 × 社会科学 × 認知科学 × 文学
慶應→スタンフォード→コロンビア→起業
博士（コロンビア）
『本当の声を求めて』
『認知科学でネイティブ感覚の英語脳をつくる』
英語×認知科学アカウント→

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

貧困、分断、差別、孤独......
“弱いものたちが夕暮れ、さらに弱いものを叩く”
なぜ私たちは社会の中で、こんなにも心の痛みを感じなければならないのか。
ブルーハーツに背中を押されて、私はこれをずっと考えてきた。

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

RT @naomaeda_thinks: 📍科学とカール・ポパー
かつてカール・ポパーが科学者に人気があったのがなぜかわかるような気がしている。

🔥ポパーの科学哲学、もしくはポパーの科学観
彼の考え方は要約してしまえば

科学とは厳しい検証によって仮説を反証しようとする活動で…

[前田なお（認知科学×英語） @naomaeda_thinks]

時系列分析のバックテストでリークがないようにホールドアウト期間をセットアップすることができれば、それはフォワードテストと論理的には等値ではないだろうか。

もちろんフォワードテストには論理的、認識論的な話だけでなく、実務上の側面などもあるからそれ自体は必要なのだが。

とするとやはり重要なのは仮説の発見と仮説の検証、つまりバリデーションだ。実際かなり良い数字が出てきている。フォワードテストはまだ途上だが、今のところバックテストから外れるような数字は出てきていない。

ここで日本の統計学者赤池弘次先生がおっしゃっていたが、やはり時系列分析や回帰分析などを考える際にはロナルド・フィッシャーの尤度（likelihood）に基づいた仮説検証（hypothesis testing）と推定（estimation）という区分は意味をなさなくなるし、さらにいうならハンス・ライヘンバッハ以降の科学哲学の伝統である仮説の発見と仮説の検証という区分自体意味をなさなくなる。

だからこそアブダクション（最良説明への推論、Inference to the best explanation, or IBE）が必要になってくる。ここも赤池先生の仰った通り。

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

@KHDFMyI7my76629 @naomaeda_thinks 表参道です。昔の会社の人間です。

[前田なお（認知科学×英語） @naomaeda_thinks]

英語をモデリングするとか言っておきながら、この1ヶ月程ひたすら時系列（time series）のモデリングを繰り返している。

英語のモデリングは基本的に認知言語学とか認知科学とか哲学とかの領域なのだが、時系列だと完全に統計学・機械学習の領域になってくる。

ただ基本的な哲学は同じだ。バリデーション（validation、検証）を繰り返すことでデータへのオーバーフィッティングを避け、バイアス・バリアンスのトレードオフ、つまり簡潔性とデータへのフィットのトレードオフを行い、強い（robust）モデルを作ることだ。ここでいうrobustというのは個々のデータに対してresilientであるということで、データにオーバーフィッティングしていないということ。

こういった領域の専門家でもモデリングをシグナル・ノイズ比率で捉えてしまうことがあるが（少し古いがForster and Sober , 1994.などはその典型だhttps://t.co/D0n8Z6NCHr）、それは間違いだ。最初からシグナルがわかれば苦労しない。ソーバーは最近引退したが、彼は長い間ウィスコンシン大学でハンス・ライヘンバッハ教授職についており、彼の統計思想、哲学思考の中核にはライヘンバッハの思考がある。つまり最初から何らかの仮説＝シグナルを想定するという考え方だ。そしてこれは間違っている。このあたりは『本当の声を求めて』の11章で書いた。

で、時系列分析において今回の目的は予測（forecast、prediction）なので基本的にニューラルネットワークなどは使わない。ニューラルネットワークは遅いし、コストも高いし、オーバーフィッティグの可能性が高いし、あと解釈ができない。解釈ができないというのは往々にして致命的だ。

またXGBoostなどのその他の機械学習も使うには使ったが、基本的にはやはりボトムアップの機械学習はあまり役に立たなかった。何度やっても有効な戦略は出てこなかった。

理論に基づいた仮説からのトップダウンでの統計的検証が最も有効だった。解釈もできるし。

でIID(独立同分布)の場合、クロス・バリデーションが可能だが、時系列の場合は他の手法を使わないといけないから、そういった検証を繰り返して（ほとんどの手法をやり尽くした）、一応バックテストではとても良い数字が出てきた。時系列なのであとはフォーワードテストだ！

英語にも同じような手法が使えるのだろうか。すぐに統計手法を移行するということはできないだろうが......

[前田なお（認知科学×英語） @naomaeda_thinks]

知り合いの方から『本当の声を求めて』を読んだとご連絡を頂いた。

とても嬉しい。

ところで、この本のデザインをしていただいたのは「午後の紅茶」などのデザインをしているユタカイワイさん。

この本のモチーフはThe Blue Heartsなのだが、イワイさんもブルーハーツが好きすぎて息子の名前をヒロトにしてしまったと聞いた。

ちなみに感想をいただいた方のお父様は山崎豊子さんが『華麗なる一族』を書く際にインタビューした銀行の偉い人だということを最近知った。

[前田なお（認知科学×英語） @naomaeda_thinks]

なぜ英語が話せないのか？という疑問に対する答えとしてよくある一つの解答は「その必要がない。必要に迫られていないから」というものだ。

これは一見真理のように思えるのだが、最終的には正しくない。

実はこの議論の論理的骨子は進化生物学や社会学における構造的機能主義において、ハーバート・スペンサー以来100年以上の歴史を持つ問題、トートロジー問題、であり、生物学の哲学などの領域でかつて議論された問題だ。しかしこの問題は現在では解決済である。

簡単に言ってしまうと、最終的には「英語を話す必要がない」と誰が決めるのか、ということだと思う。それを決めるのは本人だ。少なくとも傍観者である他人ではない。

本人が「英語を話す必要がない」と考えるのならそれは一つの選択だ。もちろんそのような人は英語を勉強する必要はないし、他人が無理に押し付ける必要もない。当然英語学習をプロモートしている人たちもそのような人たちにリーチしようなどとはしていない（それは完全に余計なお世話だ）。

ただ、当然英語が話せることによって世界は広がる。最終的には「必要」ということを本人がどう捉えるのか、ということだと思う。

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

やりきれん

https://t.co/00hMHrxB8z

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

新しい人生へ向かって欲しいです

法律がどうこうではないから

[ぽん太のおかん @okanofponta]

モンスターを倒した。
これで一安心だ。

[前田なお（認知科学×英語） @naomaeda_thinks]

本日は岐阜新聞、北日本新聞です。

[前田なお（認知科学×英語） @naomaeda_thinks]

🔥なぜ日本人は英語を話せないのか
🔥どうしたら話せるようになるのか

認知科学でこの両方の疑問に答えます。

「この手術は90%成功します」
「この手術では10人に1人が死亡します」

内容は同じでも受け取り方は全く変わる。

これはメンタルモデル（思考回路）の違いです。

英語も同じ。

ネイティブの思考回路：意味・感覚→英語
日本人英語の思考回路：日本語→文法→当てはめ

そしてこの日本人英語の思考回路を作ってきたのが日本の教育制度上の問題だとしたら......自分たちの努力の問題でなかったとしたら......

多くの日本人は通常会話に必要と言われる1500語以上の単語を知っています。

それでも話せない。

足りないのは単語でも表現でもない。
英語の「思考回路」です。

一冊でこの思考回路を作るための本を書きました。

📘『認知科学でネイティブ感覚の英語脳をつくる』

2026年4月発売開始 #英語学習 #認知科学 #英語 #英語脳

[前田なお（認知科学×英語） @naomaeda_thinks]

🔥なぜ日本の英語教育はダメなのか❓

🔥そもそも学びとは❓
何かを学ぶということは何かを抽象化するということだ。

私たちの認知は容量が非常に狭い。認知の中核であるワーキングメモリの容量は3〜4であり、それだけしか私たちは同時並行的に処理することができないから、世界をあるがまま認知するなどということはできない。

だからこそ私たちは世界を抽象化=モデル化しなければ理解できない。

例えば、（私はあまり正しくないと思うが）日本の英語教育でよく使われる「五文型」というのは英語という実際のデータをモデル化したものだ。

🔥モデルとは
モデルは現実のデータを簡潔性とデータに対するフィットの間のトレードオフしながら作られる。

一見すると、データを全て説明できる、つまりデータに対するフィットが高いモデルの方が良いモデルのように思われるが、それは大間違いで、それはノイズを含むデータに寄せすぎたオーバーフィッティングと呼ばれる状態で、そのようなモデルには（認知的な）意味もないし、それゆえに新しいデータを予測することもできない。

モデルというものはデータに完全にはフィットしないかもしれないが、つまり間違うかもしれないが、簡潔なもののほうが往々にして良いということになる。

🔥学習と暗記の違い
オーバーフィッティングは端的に過去のデータの丸暗記だ。だから間違いはないかもしれないが、新しい状況では全く使えなくなる。

機械学習でもこれを避けるためにクロスバリデーションや時系列分析の時にはウォークフォワードなどをよく使う。本当の学習は簡潔性とデータに対するフィットのトレードオフによってモデルを作ることで行われる。

全てを説明できるモデルというのは本当の学習ではなくて、単に過去のデータの丸暗記でしかない。だから汎用性がなく、新しいデータを予測できない。端的にモデルとして失敗だ。

🔥日本の英語教育の問題‼️
でもこれをしてしまっているのが伝統的な日本の英語教育だ。Willの〜用法、thatの〜用法、to不定詞の〜用法などというものを並べていく。このような羅列は単に過去のデータの丸暗記でしかない。だから汎用性がなく、新しい状況にであったときに使えなくなってしまう。

そして日本の英語教育は暗記科目と成り下がった。

少し考えてみればわかる話なのだが、willの〜用法など複数の用法を並べられたら、次にwillを見たときにそれがどの用法かわからなくなってしまう。

🔥本当の学び
全ての用法を羅列する。そうすれば決して間違えることがない。教師は体裁を保てる。大人は自分の専門領域で恥をかくことを嫌う。

しかし間違うかもしれないが一般化でき、未来（新しいデータ）を予測でき、一人で新しい状況に立ち向かえる、これが本当の学びだ。

[前田なお（認知科学×英語） @naomaeda_thinks]

本日は山梨日日新聞に広告を掲載して頂いているようです。

＃認知科学でネイティブ感覚の英語脳をつくる

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

RT @naomaeda_thinks: 🔥対話：言葉の本質

先日昔の友人たちと数年ぶりに会った。友人といっても皆さん年上で70代の方達が中心だった。

夜遅くまで飲み明かしてとても楽しかったのだが、実は私たちを繋げてくださった方（現在80過ぎの方）がその会にはいらっしゃって…

[前田なお（認知科学×英語） @naomaeda_thinks]

本日

神奈川新聞
南日本新聞（鹿児島）
佐賀新聞

に広告を出していただいているようです

[前田なお（認知科学×英語） @naomaeda_thinks]

🔥翻訳するとわからなくなる感覚

『認知科学でネイティブ感覚の英語脳をつくる』のなかで、翻訳すれば同じだが、ニュアンスが（かなり）異なるものということで、以下のものを例として出した。

I find her intelligent.
I find that she is intelligent.

上は自分が直接見て自分の感覚としてそう思った、という感じで、下は直接ではなく様々な要因から判断したというニュアンスになる。

🔥「なぜ」に対する説明
そして本のなかでは「なぜ」そのような違いが生じてくるのかという説明もした。この「なぜ」に対する説明が『認知科学でネイティブ感覚の英語脳をつくる』の最重要部分（モデルの中核）だ。

本の中でも書いたのだが、「その英語、ネイティブはこう感じる」というような説明（❓）をネイティブでない人間にされても、そもそもネイティブの感覚がないのだから、それでは丸暗記に逆戻りだ。実際、感覚を説明するというのは、自転車に乗ったことがない人に自転車の乗り方を説明するようなもので、ほとんど意味をなさない。

だから効率的に英語を学ぶには「なぜ」に対する説明が必要になる。「なぜ」なのかが分かれば、それは意味のない丸暗記ではない本当の学習だ。学習した内容を新しい状況にも一般化できる。

🔥モデル
もちろんこのような「なぜ」という説明はモデルであり、実際にはニュアンスはかなりオーバーラップする場合もあるだろうし、必ずしも全ての人（ネイティブ）は上記の通りに感じないかもしれない。本来、テクスト（文章）はコンテクスト（文脈）から切り離せないから、様々な状況により、ニュアンスは異なる。

しかしそれがモデルの強さで、モデルは本来そういったものなのだ。全てのデータを通る回帰線などはオーバーフィッティング（過去のデータを丸暗記）しただけの「意味」のわからない回帰線であり、新しい予測をすることができない。

良い回帰線はほとんど全てのデータを通らず、データとモデルの間に残差（residual error）が存在するように、（物理学ならいざ知らず）モデルは全てを完全に説明しない。しかしそこには例外もあるが「親の身長が高ければ、一般的に言って子どもの身長も高い」などといった意味のあるパターンが立ち現れてきて、完璧ではないにしても新しいデータを予測することができる。回帰分析（モデル）の役割は一人一人の身長を全て説明することではない。

だからこそ必ずしも英語の説明にも上記の通りに感じないかもしれない状況が出てくることになる。教科書ではこう習ったけど、ネイティブに聞いてみたら、あまり差がないと言われた、というようなのはこのモデルとデータの残差のことが多々ある。

🔥モデルの役割
モデルは実際の全て（actual sequence）を全て記述、説明するのではなくて、おおまかな、それでいて汎用性のある（一般化できる）意味のあるプロセス（robust process）の説明でなければならない。

一見すると全てを説明できるモデルの方が良いと思うかもしれないが、そしてそれが従来の英語教育がやってきたこと（文法、用法、表現の羅列）なのだが、やはりそれは間違いだと思う。だからこそ「to不定詞の何とか用法」などといった意味のない羅列を丸暗記しなければならない羽目に陥る。

🔥新しい例
ただ、例が少しわかりにくいかなと思い、色々考えていたら、新しい例を思いついた。

I heard somebody scream.
I heard that somebody screamed.

この場合、最初は自分が直接聞いている。後者だとそういった話を後から報告を受けた印象が強い。そして「なぜ」このような違いが生じてくるのかは認知科学による英語モデルが少しだけ分かればすぐに理解できる。

#認知科学でネイティブ感覚の英語脳をつくる #英語学習

[前田なお（認知科学×英語） @naomaeda_thinks]

なぜ英語学習に認知科学なのか❓

🔥認知科学と英語
認知科学がわかると英語もよくわかるというのが、『認知科学でネイティブ感覚の英語脳をつくる』の主張なのだが、英語だけでもめんどくさいのに、その上認知科学を理解するなどさらにめんどくさいのではないか、と思われるかもしれない。

🔥なぜ認知科学という余計なステップを増やすのか❓
確かに認知科学は心理学、哲学、人類学、人工知能、言語学、神経科学、教育学などが絡み合ってくる学際的な複合領域でまともに学ぼうとするとそれなりに時間がかかる。

ただ英語を学習するには認知科学の全てを理解する必要などない。そこは「先達はあらまほしきことなり」ということで英語理解に必要な認知科学の理論だけを抽出してある。

そしてそれがわかれば、英語の理解はかなり楽になる。

🔥学習とは
前にも書いたが、何かを学習するというのはモデリングと同じ作業だ。モデリングとはデータに基づいて仮説構築をする作業なのだが、その際にデータにはノイズが入ってくるから、データはどのようなモデルとも整合性を持つという状況に陥ってしまう。そうするとモデルの論理的検索空間は無限になり、データだけでは決して仮説は作れないということになってしまう。

だからモデリングをする際には何らかの方法でモデルの検索空間に制限をかけなければならない、ということになる。これを認知科学を用いて行ったのが『認知科学でネイティブ感覚の英語脳をつくる』だ。

🔥過学習＝丸暗記
従来の英語教育ではtoの何とか用法とか、willの何とか用法などというものを羅列していく教授法を取るが、これはモデリングでは最もやってはいけないオーバーフィッティング（過剰適合、過学習）と呼ばれるものだ。

近年ChatGPTなど機械学習が成功を収めているが、実はバックプロパゲーションなどニューラルネットワークによる機械学習の理論的支柱のほとんどは1980年代に出尽くしていた。ただ1990年代、2000年代前半に機械学習が停滞した理由の一つは過学習を防げなかったためだ。

過学習というのはデータの一つ一つを羅列していく、つまり丸暗記するということで、これは学習ではない。本当の学習は新しいデータにも一般化できる、つまり新しいデータを予測できるものだが、丸暗記は単に過去のデータを覚えているだけで、新しいデータを予測できない。

🔥従来の英語教育の問題点
丸暗記では過去のデータに関しては間違うことはない。でも新しいデータが出てきた時にはそれを予測することはできない。ゆえに英語学習はさらなる丸暗記になってしまうし、新しい状況に入った時に英語を話せなくなるという状況に陥る。

少し考えればわかるのだが、toの何とか用法とか、willの何とか用法などというものを羅列していくと決して間違えることはない。全てを羅列するのだから。だから日本の英語教育は間違えない。しかし誰も話せるようにならない。それは丸暗記でしかないからだ。状況は常に新しいが、丸暗記では新しい状況に対応できない。

🔥だから認知科学が有用
（簡単な）認知科学を理解すると丸暗記ではなく、英語をモデル化＝学習することができる。つまり、認知科学によってモデルの検索空間に制限をかけると、丸暗記することなく、簡潔に英語を理解することができる。そしてそのようにして理解した英語は丸暗記ではないから新しい状況でも一般化することができる。

典型的な状況で使われる表現などを暗記しても、実際には典型的な状況などないのだから、新しい状況では言葉に詰まってしまう。しかし英語をモデル化できれば、新しい状況でも英語を話すことができるようになる。

[前田なお（認知科学×英語） @naomaeda_thinks]

📍モデル化と従来の英語教育

認知言語学者ロナルド・ラネカーの著書『認知文法：基礎的なイントロダクション』は以下のような文章で始まる。

🔥最初の部分の引用🔥
私たちの話題は、認知文法と呼ばれる言語理論です。この理論的枠組みは、言語構造に対して包括的でありながら首尾一貫した視点を提示するものであり、さらに（私が考えるに）直観的に自然であり、心理学的にも説得力があり、経験的にも十分に裏付け可能な点で優れた利点を持っています（Grok翻訳）。

😅
因みにこういう「何とかの基礎」とかいう本は大抵全然基礎的じゃなくて、すごく難しいのだが、まあそこは置いておこう......

🔥ここで大切なのは

包括的（comprehensive）
首尾一貫した（coherent）
直観的に自然（intuitively natural）
心理学的にも説得力があり（psychologically plausible）
経験的にも十分に裏付け可能（empirically viable）

という点で、これはラネカーが文法をモデル化しようとしているということだ。良いモデルには上記の要素が必要になってくる。

🔥悪いモデル＝アドホックなモデル
逆に悪いモデルというのはとってつけたような説明（英語ではad hocと言う）をしてしまうモデルだ。アドホックな説明は科学の中では悪いものとされている。後付けで、つまりアドホックに説明を足すと、何でも説明できるようになるが、これはまさにオーバーフィッティング（過剰適合）の状態で、つまり過去のデータは何でも説明できるが、未来のデータは全く予測できない状態になってしまう。

🔥従来の教育＝羅列タイプ
従来の英語教育はまさにこれだったのだと思う。例えば、Willの用法を

単純未来・意志未来
意志・願望
固執
習慣・傾向・習性
勧誘・依頼
推量
命令・禁止
能力

などと羅列（enumerate）していくと間違えることはない。

🔥従来の教育の問題点
しかし、これだけ用法を羅列してしまったら、次にWillを見た時にどのWillなのかわからなくなってしまう。包括的ではあるが、それ以外の要素が欠落しているのだ。

Willの意味がひとつであれば、新しくWillを見てもその意味は明確にわかる。しかしこれだけ用法があったら、なぜ次に見るWillが、例えば、「推量」だとわかるのか❓羅列では予測ができなくなってしまう。

🔥簡潔な説明の必要性
Willひとつとっても、様々な用法を羅列するのではなく、

包括的（comprehensive）
首尾一貫した（coherent）
直観的に自然（intuitively natural）
心理学的にも説得力があり（psychologically plausible）
経験的にも十分に裏付け可能（empirically viable）

これらの要素を持った簡潔な説明が必要だ❗️

🔥英語全体へ
そしてそのような簡潔な説明は、Willなど個々のものだけではなくて、英語学習者にとっては英語全体を通して必要なのだと思う。ひとつ一つを説明されてもそれらを覚える作業はとても大変だ。だから英語全体を包括的、首尾一貫して、直感的に説明できる説得力のあるモデルが必要だ。

#英語学習をモデル化する
#認知科学でネイティブ感覚の英語脳をつくる
#英語学習

[前田なお（哲学×社会科学×認知科学×文学） @naomaeda_]

RT @naomaeda_thinks: 🔥アブダクション

今日、書店に行ったら自分の本の隣の本が『アブダクション英語学習法』という本だったので、直接的には英語とは関係ないが、少しアブダクションについて。以下はその本の内容とは全く関係ないです。

📍チャールズ・サンダース・パ…

[前田なお（認知科学×英語） @naomaeda_thinks]

本屋に行ったらありました(当たり前と言えば当たり前なのですが)

#認知科学でネイティブ感覚の英語脳をつくる

[前田なお（認知科学×英語） @naomaeda_thinks]

🔥心理学が行動主義から認知主義（認知心理学、認知科学）に移行した認知革命を主導した心理学者ジェローム・ブルーナー

心理学や社会科学の中で本当にどこにでも名前が出てくる。私がメインで教えてもらった二人の教授は両方とてもブルーナーと親しかったし（ただお互いにそれを知らなかった）、大学院のゼミに出席していた哲学の教授の奥さん（心理学者、ハーバードの心理学教授）もブルーナーのもとで学んだ。