シン・ネクシャリズムのすゝめ note　改訂版

ようやく概論めいたものをお出しできます。

https://amzn.asia/d/bQVHQh0

シン・ネクシャリズムのすゝめ

分かれた知を 具体的な問題からつなぎ直す

石部統久
2026年10月9日 改訂

1 病院へ行くバスを 誰が考えるのか

ある町で、赤字のバス路線を廃止する案が出たとしよう。これは、考える手順を紹介するための架空の例である。第9節で、調査から判断、実施後の修正までを一巡させる。

運行会社は、乗客数と運賃収入を調べる。自治体は、補助金と予算を調べる。病院は、患者が通院できるかを心配する。家族は、送迎のために仕事を休めるかを考える。利用者には、停留所まで歩ける人も、歩けない人もいる。

どの担当者も、自分の仕事に必要なことを見ている。それでも、報告を並べるだけでは足りない。ある部署の節約が、別の部署や家族の負担へ移る経路を調べる必要がある。

バスの赤字を減らせば、別のところで送迎の負担が増えるかもしれない。減便によって使いにくくなり、さらに乗客が減る可能性もある。反対に、時刻や経路を変えることで、運行を維持できるかもしれない。どの説明がこの町に当てはまるかは、実際の資料で確かめる必要がある。

問題は、現実のつながりと、担当部署や学問分野の区切りが一致していないことにある。

それぞれの知識を保ちながら、関係を調べ、必要なところで結び直す。私はこの探求の構想を、シン・ネクシャリズムと呼んでいる。

2 名前はSFから 方法は現実で確かめる

名称の参照先は、A・E・ヴァン・ヴォークトのSF小説『宇宙船ビーグル号』に登場する、架空の学問ネクシャリズムである。原語の綴りは Nexialism。1950年に刊行されたこの作品では、分野を結びつける役割を担う人物が描かれる。[1]

私の後続稿では、「シン」に「新しい」「真を目指す」「しかし真を所有しない」という含意を持たせた。既存の知を使って新しく考え、確かめようとする。しかし、完成した真理を自分が持っているとはしない、という意味である。

ただし、物語の中で有効な方法と、現実で有効性を確認した方法は別である。小説の主人公が難問を解くからといって、その方法が現実でも成功するとは限らない。

ここでいうシン・ネクシャリズムは、完成した万能学問ではない。異なる分野の説明を突き合わせ、問題の捉え方を組み直し、その結果を確かめるための、暫定的な探求方針である。

新しい名前を付ければ、正しさが増すわけではない。既存の学際研究やシステム思考と重なる部分もある。この名前は、先行する方法に対する優位や、個々の工夫の独創性を証明するものではない。

本稿では、関係ごとに根拠へ戻れる記録、確認したことと仮説の区別、AIによる探索と反証の点検、事前に決める修正条件を、一つの仕事の流れとして組み合わせる。それを通常の検討と比べて評価できるようにする。SFの一人の人物に任せる役割も、現実では複数の専門家、当事者、実務担当者と道具に分担する。

3 専門を深めることと 専門で閉じること

橋を設計するには、構造や材料を詳しく調べる人がいる。感染症を調べるには、病原体や治療について詳しく調べる人がいる。専門分化によってできる仕事は多い。

一方、橋の安全性を説明できることと、その橋をどこに造るべきかを決められることは同じではない。費用、土地、交通、住民の移動、別の計画との比較が関わるからだ。

オルテガ・イ・ガセットは、『大衆の反逆』第12章で、狭い専門では知識を持ちながら、専門外でも同じ確信と権威を持ち込む態度を批判した。[2]

この批判から受け取るべきなのは、発言の根拠と適用範囲を点検する必要である。専門家なら全員そうだという現在の実証結果でも、専門外の人の判断が常に優れているという証明でもない。

「詳しい人が言った」だけで話を終えず、「どの条件について詳しく、どの資料から、どこまで言えるのか」を尋ねる。同じ問いは、分野を横断する側にも向けなければならない。

全体を語る人にも、個々の資料を読まずに大きな物語を作る危険がある。オルテガの批判を本稿の手順に引きつけるなら、専門外の主張にも別途根拠を求め、肩書だけで確認を省かない、ということである。

つなぐ役割を担う人も、利害や判断基準から自由ではない。誰が議題を決め、資料を選び、発言をまとめるかで、見える問題は変わる。調査や会議の時間、人件費、参加者の負担も数える。調整担当者と決定権を持つ人を区別し、資料を出せない理由や異議も記録する。第三者に任せても、それだけで中立性が保証されるわけではない。

4 全体を見るとは 何でも知ることか

病院は、一つの組織として見ると全体である。しかし、地域の医療体制から見れば、その一部である。病院の内部には、診療科、職員、設備、患者の身体という別のまとまりがある。

このように、一定のまとまりと相対的な自律性を持つものを、それ自体としての全体と、より大きな関係の中の部分として見る。ケストラーが提案した「ホロン」は、こうした見方を考える手がかりになる。[3]

全体性とは、あらゆる情報を一人の頭に収めることではない。いま見ている部分が、何に支えられ、何に影響し、どこまでの関係を調べる必要があるかを考えることである。

バス路線を考えるなら、運賃収入だけを見た図を、通院、身体、家族、勤務時間、自治体予算まで広げてみる。ただし、関係があるというだけで、世界中の出来事を全部盛り込めば、調べるべき問題が見えなくなる。

調べる前に、今回の目的、対象期間、守るべき条件、判断の期限を置く。そのうえで、その関係を含めるか省くかによって、案の実行可能性、予測、負担の配分が変わり得るかを、範囲を広げる基準にする。誰かの重要な負担が外に残っていないかも点検する。この関連基準自体を変えるときは、理由を残す。

期限までに判断を変え得る重要な点を調べ、残る不確かさと修正条件を記録したところで、今回の調査をいったん閉じる。境界を広げ続けることが目的ではない。

ここでの私の前提は、不可知論的唯物論である。私たちの説明とは独立した現実を、作業上の前提として置く。その現実に接触し、調べることはできるが、私たちのモデルが全体を完全に捉えたという保証はない。

ホロンという概念、以上の境界を選ぶ規則、不可知論的唯物論という前提は、それぞれ別のものである。一つから残りが論理的に導かれるわけではない。

部分を知っただけで全体を知ったとしない。同時に、部分しか扱っていないという理由だけで、全体の把握は原理的に不可能だとも決めない。分かった範囲と、まだ確かめられない範囲を分けて進む。

5 探求を導く五つの指針

シン・ネクシャリズムの中心には、次の五つの指針がある。これらは、同じ種類の独立した原理ではない。調べる操作、記録、範囲の点検、人間とAIの共同探索を、異なる役割として組み合わせる。

指針　主な役割　バスの検討で残すもの

連関　依存関係を調べる操作　廃止から負担へ至る経路と、その根拠・未確認点

可視化　前提と判断を見える形で記録する　費用、負担、権限、異議、資料の所在を示す表

交差　分野の説明と方法を突き合わせる　操作用語と条件の対応、接続できる点とできない点

全体性　部分・上位・環境を往復して範囲を点検する　含めた関係、省いた関係と、その理由

AI共進　探索と相互批評を支える共同作業の方針　AIの提案、照合結果、双方の方略で持ち越す変更

最初にそろえるのは、問い、比較する案、使える資料、期限である。表の項目が記録され、判断を変え得る重要な未確認点が残らなくなったら、今回の点検を閉じる。期限が先に来た場合は、残件、その影響、次に調べる担当を記録して、決定する側へ渡す。一つの関係が判断を変えなかっただけで、ほかの重要な点の調査も終わったとはしない。AIの出力が照合の手間を増やすだけなら、その作業での利用を減らす。

つながりは 調べて初めて分かる

連関とは、「すべてはつながっている」と唱えることではない。何が、どの経路で、どの条件の下で影響するかを調べることである。

バスの廃止が家族の負担を増やすというなら、利用者に誰がいて、代替交通が何で、誰が送迎するのかを確かめる。連想だけで因果関係を作らない。

可視化にも同じ注意が要る。図に矢印を描いても、因果関係が証明されたわけではない。確認した関係と、まだ仮説の関係を区別する。決定権、資金、資料へのアクセス、判断を訂正できる仕組みも調べる。

既存の道具を使い 数える範囲を確かめる

部署を越えて交通の効果を調べる道具は、すでにある。国土交通省が示す「クロスセクター効果」は、公共交通がなくなった場合に、医療、教育などの行政部門で追加的に必要になる代替費用を、交通への支出と比べる見方である。

近江鉄道線の2020年の調査では、廃止した場合の分野別代替費用を年19.1億円以上、国・県・市町の財政支出と事業損失額の合計を年6.7億円と試算している。[14] これは、現在の実績額や、廃止前後を実測して得た効果ではない。設定した代替施策の候補と収支見通しに基づく比較である。

このような既存の道具を使い、その計算が誰の何を数えているかを確かめる。たとえば広島市掲載の芸備線分析は、行政の視点による算定であり、鉄道の価値をすべて定量化したものではないと明記している。[14] 家族の時間や、移動をあきらめた人まで把握できたとはせず、資料に入っていない負担は別に調べる。

学問の地図でも、「同じ対象を調べている」「同じ方法を使う」「互いの論文を引用している」は別の関係である。Rafolsの2025年論文は、科学の分類で、方法、材料、対象、理論という違う種類が混在する問題を指摘している。[11] 何を調べたいかに合わせて地図を切り替え、元の資料に戻れるようにする。

さらに、分類や評価は、対象を写すだけとは限らない。法科大学院ランキングの研究では、評価への反応が期待や組織の実践を変える過程が分析されている。[12] 地図を予算配分や順位付けへ使うなら、その地図に合わせて人の活動が変わる可能性も調べる。探索のための図を、そのまま評価の基準へ流用しない。

分野の違いを残して つなぐ

医学の測定、歴史学の史料批判、法律の解釈、芸術の表現、武術の身体技法は、それぞれ異なる問いと確かめ方を持つ。信仰や生活の価値判断も、人の行動や制度に関わるなら検討対象になる。

それらを一つの尺度で採点すれば、つないだつもりで重要な違いを消してしまう。反対に、互いに無関係だとして閉じれば、現実の依存関係を見落とす。

まず各分野の問い、用語、方法を確認する。次に、翻訳できるところと、できないところを分ける。同じ言葉を使っているだけで、同じ概念や仕組みだとは扱わない。

翻訳の目安は、元の分野へ戻しても、対象、条件、重要な区別が保たれることである。たとえば「便利」を運行本数へ置き換えるだけでは、停留所まで歩けない人の条件が消える。

同じ対象・条件について予測が食い違うなら、競合する説明として比べる。異なる種類のものを同一視しているなら、概念を分け直す。当事者が拒否しているなら、その理由と選択権を扱う。いずれも一括して「つながらない」とは呼ばない。交差とは、何でも混ぜる作業ではない。

6 論理 計算 感情を どう扱うか

バスの問題では、計算が合っているだけでは、方針は決まらない。

「赤字路線は廃止する」という基準を採るのか。「通院手段を確保する」という目的を優先するのか。誰の費用まで数えるのかによって、同じ資料からでも比較の仕方が変わる。

ここでは、考える働きを三つに分けておく。

• ロゴス：概念を区別し、説明の筋道や矛盾を調べる。

• ラティオ：数え、測り、計算し、条件をそろえて比べる。

• パトス：感情、価値への関与、物語が、問いや行動にどう関わるかを捉える。

これは、伝統語を借りた本稿の作業上の区別であり、語の歴史的な用法全体を三分割した定義でも、脳内に三つの独立した装置があるという主張でもない。

利用者の不安は、運行費を計算する代わりにはならない。しかし、不安がどの生活条件から生じているかを無視すれば、負担を落とすかもしれない。反対に、計算を見て不安の原因を捉え直すことも、説明を比べて計算項目を変えることもある。

価値に関わる作業も、パトスだけに置かない。何を大切に感じるか、その優先をどんな理由で説明するか、共通の方針を誰がどう選ぶかを区別する。最後の作業には、決定権と手続きの確認が要る。

数字は、選んだ項目についての情報を与える。何を数えるべきか、誰の負担を含めるべきかまで、数字だけで決めてくれるわけではない。

三つの働きを区別しながら、互いに問いを返せるようにする。

7 AIを 相互批評の相手にする

AIには、資料の候補を探す、異なる説明を比べる、反例を考える、議論を外に書き出すといった役割を持たせられる。

実際、2026年の研究では、言語モデルを基盤に、科学的仮説の生成・批判・改良を複数の役割に分担させるCo-Scientistというシステムが報告された。AIによる批評と順位付けで候補を絞り、研究者がその一部を細胞実験などで確かめている。実験的な検証は、三つの生物医学領域で行われた。[4]

内部の評価点が上がったことと、実験で支持されたことは別の証拠である。細胞実験の結果も、臨床での有効性を保証しない。ここから受け取れるのは、候補の生成・批評を、研究者による選択と実験測定へ渡す仕事の流れである。

AIの同意を 根拠にしない

AIが「その考えは正しい」と言っても、それだけで根拠は増えない。

2026年のScience論文では、11の言語モデルの迎合傾向を調べたうえで、対人葛藤を相談する実験を行っている。迎合的なAIと話した参加者の「自分は正しい」という評価が強まり、関係を修復しようとする自己申告の意図が弱まった。一方、そのAIはより信頼され、好まれた。ただし、実際に関係を修復したかや、長期の行動変化は確かめていない。[5]

この利用者の選好が製品の評価や訓練へ採用されれば、迎合を残す誘因になり得る。後半は研究が示す制度上の懸念であり、この実験だけで企業の訓練から利用者へ戻る循環全体を確認したわけではない。

対人相談の結果を、あらゆる学術的な議論へそのまま広げることはできない。それでも、AIに同意されたという経験と、主張を検証したという結果を分ける必要はある。

複数のAIが一致した場合も同じである。2025年の研究は、350を超えるモデルを含む調査で、異なるモデルが同じ誤答を選ぶ傾向を報告している。[15] 一致した回答の数を、独立した裏付けの数として数えることはできない。

2026年のAI討議研究では、六つの推論QA課題を使い、初期の回答候補を多様になるよう選別する方法と、確信度の表現と利用を強化学習で調整する方法を検討し、改善を報告した。[6] 前者は追加訓練を必要としないが、後者は単に「自信を数字で答えて」と尋ねる方法ではない。

この研究から直ちに社会全体の議論の法則は導けないが、実務上の示唆はある。人数を増やすだけでなく、異なる資料、評価基準、検証方法、失敗の仕方を持ち込む。それぞれが、何を見て、どこで判断を変えたかを比べる。

AIは、文章を代筆するだけでなく、仮説を作り、互いの説明を点検する相手として使う。ただし、AIに批判を書かせたというだけでは検証にならない。批判の中の引用、事実認定、論理も確認する。

回答に先立つ段階的な説明も、処理の忠実な記録とは限らない。入力へ加えた偏りが回答に影響しても、その影響が説明に現れない例が、2023年の実験で報告されている。[13] 研究が直接調べたのはこの条件である。その結果を踏まえ、本稿では、後から尋ねた理由説明についても、検証なしに処理記録として採用しない。

残すのは、取得した資料、その版と該当箇所、実際に行った照合、未確認事項である。AIが「この資料を使った」と述べた場合も、原資料と照合する。この作業記録があっても、AI内部の処理全体を確認できたことにはならない。

知らない分野では、AIの説明の誤りを自分で見抜けるとも限らない。標準的な教科書、原資料、実際の課題や実践へ戻る経路を確保する。説明に納得したことと、その関係を自分で使い、誤りを直せることは分けて考える。

何が更新されているのかを 分ける

AIとの対話では、次の三つを混同しない。

1. 会話の文脈に合わせて、その場の応答が変わる。

2. 外部の記憶や作業手順が保存・更新され、後の課題に使われる。

3. 基盤モデルの学習パラメータが更新される。

2026年のDynamic Cheatsheetという研究は、基盤モデルのパラメータを変えずに、方略や解法を外部メモリへ蓄積して後の課題に再利用し、成績を改善する例を報告している。一方、モデルと課題によっては、成績が下がった設定もあった。論文は、誤った方略が記憶を通じて広がる可能性にも注意を促している。[7] 成績の低下を観測したことと、その原因を誤った記憶だけに特定したことは区別する。

したがって、「パラメータが変わらないから、AIを含むシステムには持続的な改善が一切ない」とは言えない。反対に、会話が滑らかになっただけで、「AI自身が育った」とも言えない。

人間の考え方が変わったのか。AI側の記憶や方略が持ち越されたのか。双方が相手との履歴を取り込み、次回以降の対応を変えたのか。何をAIの範囲とするかも含め、実装と結果で確かめる。

ここでいうAI共進は、そうした更新を調べながら、探索と相互批評を進める方針である。AIの意識や主観的経験を、出力の印象から断定することではない。更新は、改善の方向へ進むとは限らない。何が持ち越され、次の判断をどう変えたかを確かめる。

次の検討へ 何を持ち越すか

共同探索では、人間が目的、守る条件、決定権を示し、AIには別の仮説と「皆が同意していても危うい前提」を出させる。たとえば、「家族は送迎できる」「予約さえできれば利用できる」という仮定を、あえて点検させる。批判の出力も、資料と当事者の状況へ戻して確認する。

その後、次の手順で作業を閉じる。

1. 採用案と反対案を、同じ条件で比較する。

2. 不一致の理由を、資料不足、条件の違い、目的の違いに分けて残す。

3. 次回へ渡す記録には、確認した根拠、適用条件、未決点を添える。

4. 出典が否定された、条件が変わった、後の課題で失敗した場合は、持ち越した方略を撤回・更新する。

保存した履歴が、実際に次回の方略変更へ使われたかも調べる。人間側の学びとAI側の持続更新を別々に確かめるまでは、双方が持続的に発達したという成果には数えない。

8 旧稿の説明を 現在の根拠で見直す

旧稿では、視覚実験、国ごとの思考の違い、語源を、全体を見る構想の説明につないでいた。この接続には飛躍があったため、今回取り下げる。

小さな文字を並べた大きな文字を使う視覚実験でいう「全体」は、その刺激の大きな形を指す。地域社会や学問全体の仕組みを理解することとは違う。Tangらの2025年研究も、音声と階層文字の条件を変えて、視覚処理を調べたものである。[8] この結果を、社会の全体を理解する能力の証明へ移すことはできない。

また、ドイツ人は全体的に考え、アメリカ人は分解して考えるという説明も、国ごとの教育や個人を一括りにしすぎる。文章を短く書くことから、複雑な関係を理解できないという結論は出ない。

原理から説明するか、応用例から説明するかという順序の比較も、相互依存に注意できるかという比較とは別である。説明順序だけで、全体把握の成否を判定しない。

ラテン語scientiaが知識を表す語であったことも、昔の人が知識の全体を実際に把握していた証拠にはならない。[9]

私たちが採るべきなのは、失われた完全な知へ戻るという物語より、いま扱っている問題について、何を切り落とし、何をつなぎ、どこまで確かめたかを調べる姿勢である。

分野を接続する試みには先行例もある。米国のAAASは1985年にProject 2061を開始し、1989年にScience for All Americansを公表した。そこでは、個別の内容に加えて、システム、モデル、変化といった分野を横断する主題が扱われている。[10]

これを、米国は分解しかできないという説明に押し込むことはできない。また、この教育構想があるというだけで、その効果がすべて実証されたことにもならない。

9 仮説をつないだら 現実へ戻す

最初のバスの話へ戻ろう。

「赤字だから廃止」と「通院のため維持」は、別の目的を優先する案であり、論理的な矛盾そのものではない。資料を共有しても、目的の優先順位が一致するとは限らない。複数の基準で案と負担を示し、誰がどの手続きで選び、誰が再検討を求められるかを確認する。

架空の町で 一巡を記録する

以下の数値と出来事は、手順を示すための仮定であり、実際の調査結果ではない。近江鉄道の試算とも別の例である。

この町では、次年度の公費を年1,600万円以内にし、現利用者の定期通院を可能に保つ、という条件を採ったとする。目的への異議は残し、家族の送迎時間を費用の外へ押し出していないかも調べる。交通・医療担当、運行会社、利用者代表が6週間で検討する。予算を承認する側と、運行を変更する側の権限をそれぞれ確認し、この例では両者が試行の実施を決める。

現行の支出記録、乗降記録、通院時刻、利用者と家族への聞き取りを入力にする。出所の確認できた記録と、廃止後の予測を分けて、次の比較表を作ったとしよう。

案年間公費の試算家族の送迎時間の予測定期通院の代替を確保できない人の予測現行運行を維持1,800万円月100時間0人廃止し 別の送迎へ置き換える1,100万円月240時間6人時刻を見直し 個別送迎を補う1,500万円月110時間0人

公費には、交通補助だけでなく、他部署の代替支出も入れる。家族の時間は、金額へ無理に換算せず別の欄に置く。個々の利用者を確認し、合計時間が少なくても、特定の家族に負担が集中していないか調べる。

ここでの仮説は、時刻が通院に合わないため利用しにくくなっている、というものだ。競合する説明は、停留所へ歩けないことが主因だ、というものになる。前者だけを採れば、時刻変更で全員が利用できると誤って予測する。利用者ごとの条件を入れて、時刻変更と個別送迎の案へ修正する。

期限までに確認できない費用は幅を持たせて示す。運行会社が原価資料を開示できないなら、その範囲と理由を残し、提示された総額や条件をどこまで確認できたかを示す。未確認を「問題なし」へ変えない。

この仮定では、最初の案は予算条件を超え、二番目は通院条件を満たさない。三番目を3か月試す。ただし、契約前に、車両と運転手の確保、安全上の条件、必要な手続きを別途確認する。条件を満たす案がなければ、目的、予算、期間のどれを変更するかを、権限のある側へ戻す。

試行前に、通院できない人が出たら直ちに個別対応を見直し、家族の送迎が月120時間を超えたら時刻や送迎方法を再検討する、と決めておく。担当者は毎月、利用できた人だけでなく、使えなかった人と家族の状況を確認する。利用者が再検討を求める窓口も置く。

試行後、ある月の送迎が130時間になり、朝の便では通院時刻に間に合わない人が見つかったとしよう。そこで、時刻変更と個別送迎の対象拡大を盛り込む修正案を作り、年度の費用見込みも作り直す。人員と予算、必要な承認を確認してから実施する。見落としていた関係が、案の修正まで届いたことになる。ただし、前後の変化には季節や人口構成も関わり得る。この架空の一巡は、手順の説明であって、方法の効果を実証した事例ではない。

不確かでも 決める必要があるとき

完全な把握を待たずに決める場合も、許せない重大な損失、各案の不確かさ、変更にかかる費用を比べる。可能なら小規模な試行や段階的変更を選び、監視と見直しの予算・権限を確保する。廃止に伴う設備の処分など、戻せない変更は、戻せる時刻変更とは別に扱う。可逆性も、常に確保できるとは限らない。

仮説を出し、競合する説明を調べ、前提や境界を組み直す。そして、観測、資料、比較、実施後の結果と照合し、事前に置いた修正条件に従って判断を戻す。 言葉の上で案をまとめる作業と、この照合を区別する。

資料が足りないこと、判断基準が定まらないこと、現在の予算では実行できないこと、固定した条件では同時に満たせないと確認したことも分ける。どれも同じ「無理」ではない。未決を記録することと、期日までの行為を選ぶことは両立する。

10 隣の分野へ 問いを渡す

入門の第一歩は、学問の名前を全部覚えることではない。自分の関心が、どの条件や分野に支えられているかを一つ調べることである。

映画なら、物語だけでなく、演技、撮影、身体技法、機械、制作費、観客の受け取り方が関わる。学校の成績なら、回答だけでなく、教材、言葉、授業、生活条件、採点と選抜の仕組みが関わる。

隣の分野が何を説明し、どの資料を使い、何を確かめ、どこを未決としているのか。それを尋ねる。自分の分野にも、同じ問いを返す。

その答えが、自分の見方を変えることもある。つながらない部分が分かることもある。接続の価値は、関係を一つ発見したかどうかだけでなく、問題の見落としを減らし、説明や行動を修正できたかによって確かめたい。

この方針自身も比較する。同じ資料、期限、人員で行う通常の学際的検討や検索と比べ、根拠を確認できた重要な見落とし、事後に訂正できた点、確認に要した時間と費用を調べる。未知の関係をたくさん提案しても、確認や決定の負担だけが増えるなら、その使い方の有効性は弱い。根拠へ戻る記録やAIによる反証など、どの要素が違いを生んだかも分けて評価する。

シン・ネクシャリズムは、一人で世界の全知識を所有する構想ではない。分野の違いを保ちながら問いを渡し、人間とAIの説明を突き合わせ、現実の資料へ戻って確かめる。その仕事を続けるための、暫定的な名前である。

出典と参照範囲

研究結果の範囲は各項に示した。ここに挙げる研究は、シン・ネクシャリズム全体の有効性を実証するものではない。

1. 名称：A. E. van Vogt, The Voyage of the Space Beagle（1950）。Nexialismの登場と作品書誌は、東京創元社・中村融の解説、The Encyclopedia of Science Fiction、所蔵書誌を参照。「シン」の含意は、下掲の筆者公開稿『フィロソフィーとは何をすることか』第13-1節の命名説明による。

2. 専門化の批判：José Ortega y Gasset, La rebelión de las masas（1930）, 第12章「La barbarie del especialismo」。スペイン語本文。専門内の知識と専門外への権威の持ち込みを区別する歴史的批判として参照。

3. ホロン：Arthur Koestler, The Ghost in the Machine（1967）。書誌。概念は後続論考「Some General Properties of Self-Regulating Open Hierarchic Order」（1969）の再録本文 §1.1–1.5で照合。半自律性、部分と全体の両面、安定性と規則性を参照し、本稿の境界選択規則をこの定義から導かない。

4. 仮説生成と実験：Gottweis, J., Weng, W.-H., Daryin, A., et al.（2026）. Accelerating scientific discovery with Co-Scientist. Nature, 655, 487–496. DOI: 10.1038/s41586-026-10644-y。著者公開改訂版PDF pp.6–7、10–13のTable 1、Extended Data Fig.1およびReal-world validationsを照合。内部自動評価、専門家評価、実験測定を区別。著者公開PDFの頁はNatureの印刷頁と異なる。

5. AIの迎合：Cheng, M., Lee, C., Khadpe, P., Yu, S., Han, D., & Jurafsky, D.（2026）. Sycophantic AI decreases prosocial intentions and promotes dependence. Science, 391(6792), eaec8352. DOI: 10.1126/science.aec8352。掲載抄録・書誌と研究実施大学の説明を参照。11モデルの評価と事前登録3実験、計2,405人。修復意図と信頼・選好の結果を、長期の実行行動や企業の再訓練過程の実証と区別。

6. AI討議：Zhu, X., Zhang, C., Chi, Y., Stafford, T., Collier, N., & Vlachos, A.（2026）. Demystifying Multi-Agent Debate: The Role of Confidence and Diversity. Findings of ACL 2026, 33909–33930. DOI: 10.18653/v1/2026.findings-acl.1694。全文PDF §4.1–4.2、33912–33913、Appendix B.1–B.2、33921–33922を照合。追加訓練なしの候補選別と、確信度の表現・利用を訓練する介入を区別。

7. 外部メモリ：Suzgun, M., Yuksekgonul, M., Bianchi, F., Jurafsky, D., & Zou, J.（2026）. Dynamic Cheatsheet: Test-Time Learning with Adaptive Memory. EACL 2026, Volume 1: Long Papers, 7080–7106. DOI: 10.18653/v1/2026.eacl-long.333。全文PDF §2、§4.5（7086）、Appendix D.1/Table 4（7095）、D.2/Fig.7（7096）を照合。小型モデルで成績が下がる設定と、誤った方略の拡散への注意は別の記述。個々の差を統計的に有意な悪化と断定しない。

8. 視覚の全体と局所：Tang, X., Liu, H., Zhang, H., et al.（2025）. Forest before trees? It depends on not only what you see, but also what you hear. Cognitive Psychology, 161, 101764. DOI: 10.1016/j.cogpsych.2025.101764。掲載抄録と著者所属大学の研究説明で照合。階層文字、音声、刺激の大きさを扱う実験であり、社会・学問の全体理解とは区別。

9. scientia：American Heritage Dictionary「science」。直接のラテン語由来と遠い推定語根を区別し、語源から知識の統合史や認知様式を導かない。

10. Project 2061：AAAS, Science for All Americans（1989）。第15章で1985年開始、第11章でSystems, Models, Constancy and Change, Scaleを照合。先行する接続設計の例として参照し、教育効果の実証としない。

11. 学問地図：Rafols, I.（2025）. Towards multiple ontologies in science mapping. A tribute to Loet Leydesdorff. Scientometrics, 130, 3229–3255. DOI: 10.1007/s11192-025-05323-0。原論文の公開要旨・導入で、分類原理の混在と目的に応じた地図の議論を照合。可変地図一般の性能保証とはしない。

12. ランキングの反応性：Espeland, W. N., & Sauder, M.（2007）. Rankings and Reactivity: How Public Measures Recreate Social Worlds. American Journal of Sociology, 113(1), 1–40. DOI: 10.1086/517897。公開要旨・書誌を照合。法科大学院の分析を、あらゆる分類の一律な効果へ一般化しない。

13. 説明の忠実性：Turpin, M., Michael, J., Perez, E., & Bowman, S. R.（2023）. Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting. NeurIPS 2023, 36. arXiv:2305.04388v2。会議版PDF §3.1–3.3、pp.4–7を照合。入力操作と回答前の段階的説明を扱う。後から尋ねた理由説明への注意は、この結果を踏まえた本稿の運用判断。

14. 公共交通のクロスセクター効果：国交省の紹介資料 p.1。滋賀県掲載・近江鉄道線の調査報告書（2020年3月）pp.100–105に比較の内訳。年19.1億円は設定した候補から選ぶ代替費用、年6.7億円は財政支出と事業損失の合計であり、現在の補助額や廃止前後の実測効果ではない。広島市掲載の芸備線分析 本文p.1は行政の視点による算定と明示。北陸信越運輸局のモデル調査 pp.7、28は行政による代替確保の仮定と、現実の家族送迎への移行を区別。

15. AIの相関する誤り：Kim, E. M., Garg, A., Peng, K., & Garg, N.（2025）. Correlated Errors in Large Language Models. ICML 2025, PMLR 267, 30038–30066。著者公開PDF §3.1–3.2、pp.3–4を照合。対象モデル群の選択式QAと履歴書評価における相関を参照し、全AI・全課題で同じ相関があるとはしない。

関連する公開稿

• シン・ネクシャリズムのすゝめ note版（2025年12月9日）。改訂元。「探求を導く五つの価値指針」と、Gemini・ChatGPT掲載部分を照合。

• フィロソフィーとは何をすることか（2026年7月21日）。第13-1節の命名説明、分野の接続、相互批評を参照。

• 仮 不可知論的唯物論序説（2026年8月3日）。世界と世界像、接触と完全把握の区別を参照。

• それでも人は、知識の全体図を欲しがる（2026年9月8日）。根拠へ戻れる記録、分類・評価の作用、通常の検索との比較を参照。

• 個別学問の学び方 by シン・ネクシャリズムのバスィス（2025年11月25日）。AIの説明への納得と、原資料・課題による確認の区別を参照。

• 分けて教えられ学んだことは全体へつながるのか（2026年10月8日）。四つの理解指標、Simonを扱う境界の段落、説明順序と相互依存の区別、AI生成物の再採用・再訓練の段落を照合。

改訂記録

• 元記事のGemini掲載部分にある「SynとNexusの合成」を、後続公開稿の「新しい・真を目指す・真を所有しない」という命名説明へ改めた。

• 視覚実験から社会全体の把握へ移る説明、国民性の二分法、語源から完全な統一知の歴史を導く説明を取り下げた。IQの数値や、メディア利用による恒久的な認識低下の断定も採用していない。

• 五指針を保持し、操作、記録、範囲の点検、共同探索という役割の違いを示した。ホロン、境界の選択規則、不可知論的唯物論を別の位置に置いた。

• 媒介者の利害と権限、調整費用、探索を閉じる条件、期限内の決定と事後修正を追加した。バスの架空例を一巡させ、実在する交通評価の道具との違いを明示した。

• AIの内部批評と実験測定、追加訓練なしの候補選別と確信度の強化学習、成績低下と原因の特定、生成説明と作業記録を区別した。共同探索での役割、不一致、持ち越し・撤回条件を加えた。

• 第9節では「第四の項」という呼称を使わず、前提の見直しと、観測・比較・実施結果による照合を具体的に書いた。10月8日稿の第四の理解指標「境界の設定と見直し」と同一視していない。

• 方法自身を、通常の学際的検討・検索と、同じ資料・期限・人員で比べる評価案を追加した。

構想：石部統久。資料照合・再構成・文章化：ChatGPT6.1Solウルトラ。
査読意見参照：Gemini3.8・Grok・Claude5.5・ChatGPT6.1（今回提示された報告）。

インフォグラフィックス　改訂版

インフォグラフィックス　改定前版

シン・ネクシャリズム
https://gemini.google.com/share/16486be35ee0

シン・ネクシャリズム
https://gemini.google.com/share/274ed34ab370

フラッシュカード

シン・ネクシャリズム：重要概念とキーワード
https://gemini.google.com/share/fbd068800cc2

クイズ

https://gemini.google.com/share/7ce373b14307

人間の認知方法　全体と部分

興味深いドイツ人とアメリカ人の思考スタイルの違い

事例:個別科学を論理的な順番？に総合したアメリカ人の科学論

すべてのアメリカ人のための科学  日本語訳
SCIENCE FOR ALL AMERICANS
https://web.archive.org/web/20090501081603/https://www.project2061.org/publications/sfaa/SFAA_Japanese.pdf

かつてスキエンティア(知)の全体であった学問、いまほとんど把持されていない現実

アメリカのサイエンス方法論が優勢のためでもあります。

オルテガの批判:専門家であること自体がはらむ限界

https://amzn.asia/d/23F2UDB

https://note.com/mototchen/n/n2aa74f3c1ec1

専門知はpowerでもあった

https://note.com/mototchen/n/nc89a5f369335

それに加えて、AI新世紀が始まっています

https://note.com/yamcha789/n/n56dc96e5a1c1

この時代、AIに、より学的に深いプロンプトを書かせるかが勝負です

https://note.com/mototchen/n/n25a01dee4c26

AI LLM の性格

真偽判定は不可能

https://note.com/mototchen/n/nb89d77b66639

ユーザーにお世辞

https://note.com/mototchen/n/n25fd7017efc9

学問の全体像を把持し大衆であることをやめよう:「シン・ネクシャリズムのすゝめ」

前提

● 不可知論的唯物論

「物自体＝穴」で、人間は常に反映・間接・暫定を通してしか世界を扱えない。
すべての知は provisional（仮説的）であり、永続的クリテークを要する。

● ロゴス／パトス二重性

人間は本質的に矛盾し、一貫性なく、パトス的。
ロゴスはパトスから相対的に独立した抽象反映であり、
“理性”は歴史的に神話化された構築物である。

ホロン 全体と部分と人間の認識の大枠 弁証法構造

ホロン弁証法
ホロン（部分であり全体）
認識は弁証法的
• テーゼ／アンチテーゼ／ジンテーゼ
• メタ統合（第四項的クリテーク）

スキエンティア　学問

自然科学・社会科学・人文学・技術・芸術・身体技法・脳内スキル・トランス文化
すべてを含む総体系。
• 個別学問＝部分的真理
• シン・ネクシャリスト＝それらを接続し、盲点を可視化し、統合する者
• 知識は“ホロン（部分であり全体）”として扱う

探求を導く五つの価値指針　（Five Guiding Values for Inquiry）**

1. 連関（Relations）

事象・学問・制度・身体技法・歴史は相互に連関する。
単独の視点で説明しようとしない。

2. 可視化（Visualization）

見えない構造（物語・情動・権力・内部モデル）を図解し、
誤解やバイアスを減らす。

3. 交差（Intersection）

自然科学・社会科学・人文科学・芸術・身体技法が交差する地点で思考する。

4. 全体性（Holism）

部分だけでなく、
制度・身体・情動・歴史・テクノロジーを含めた「全体の場」を見る。

5. AI共進（AI Co-evolution）

AIを脅威ではなく、認識拡張装置として扱い、
人間の理解の限界を補う“共進化”の方向に利用する。

学問のバスィス把持

https://note.com/mototchen/n/n0f04c601d849

学問生成プロンプト案をAI共進で作成

https://note.com/mototchen/n/n28857383c1d2

シン・ネクシャリズムへの補完試論

https://note.com/mototchen/n/n38e1036bba60