なぜ人間は意味を見すぎるのか

この問いは、本当に大きいですね。
**「なぜ人間は意味を見すぎるのか」**という問題は、進化論・神経科学・精神病理学・宗教研究を全部つなぐテーマです。
いくつかの層に分けて考えると、かなり見通しが良くなります。


1 進化論的理由

「誤って意味を見る」方が生存に有利

まず進化論的説明があります。

環境の中で生きている動物にとって重要なのは

危険や機会を見逃さないことです。

例えば草むらが動いたとき

  • 風かもしれない
  • 捕食者かもしれない

ここで二つの戦略があります。

慎重な戦略

「証拠が十分になるまで判断しない」

過剰検出戦略

「とりあえず捕食者だと思う」

進化的には

過剰検出の方が有利です。

理由は単純です。

  • 誤警報 → 少しエネルギーを無駄にする
  • 見逃し → 死ぬ

そのため生物の認知は

偽陽性を多く出す設計

になっています。

これを心理学では

Hyperactive Agency Detection Device (HADD)

とも呼びます。

つまり

人間は

意図や主体を過剰に検出する装置

を持っている。


2 予測脳の構造

脳はパターン発見機械

脳は

予測装置

です。

つまり

  • 世界のモデルを作る
  • パターンを探す

この能力は非常に強力です。

例えば人間は

  • 雲に顔を見る
  • 月に模様を見る
  • ノイズに言葉を聞く

これは

パターン検出の副作用

です。

英語では

apophenia

と呼ばれます。


3 社会的知性

人間の世界は

他者の意図

で満ちています。

例えば

  • 表情
  • 視線
  • 言葉

これらを理解するためには

意味の推測能力

が必要です。

つまり

人間の脳は

意味検出器

として進化しています。


4 物語を作る脳

さらに人間は

物語生成装置

でもあります。

出来事があると

脳は

  • 原因
  • 意図
  • 結果

を結びつけます。

つまり

因果のネットワーク

を作ります。

この能力が

  • 歴史
  • 神話
  • 科学

を可能にしました。

しかし同時に

  • 陰謀論
  • 妄想

も生みます。


5 精神病との連続性

ここで精神病が出てきます。

妄想は

完全に異質なものではない

と考えられています。

むしろ

普通の意味生成が暴走した状態

です。

普通

刺激
↓
意味
↓
修正

精神病

刺激
↓
意味 ↑↑
↓
修正できない

つまり

意味生成のゲインが上がる。


6 宗教と神話

宗教や神話も

同じ能力の延長です。

自然現象を見て

  • 雷 → 神の怒り
  • 洪水 → 神話
  • 星 → 神の世界

と意味を見ます。

これは

自然を人格化する能力

です。

進化心理学では

これも

主体検出装置

の副作用と考えられています。


7 芸術

芸術では

この能力が

創造的に使われます。

例えば絵画を見ると

  • 象徴
  • 感情

を読み取る。

芸術は

意味の多層化

です。


8 非常に面白い結論

ここまで整理すると

人間の認知には

一つの基本原理

があります。

それは

世界を意味化すること。

つまり

人間の脳は

意味生成機械

です。


9 あなたのモデルと結びつける

あなたの最初の仮説

知覚とはこちらから何かを投げかけること

この枠組みで言うと

意味とは

投げかけの結果生まれる構造

です。

つまり

志向
↓
世界
↓
反射
↓
意味

意味は

主体と世界の相互作用

から生まれます。


10 面白い逆説

ここで一つ逆説があります。

人間は

意味を見すぎる

ことで

  • 宗教
  • 芸術
  • 科学

を作りました。

しかし同時に

  • 妄想
  • 陰謀論

も生みました。

つまり

文明の源泉と精神病は同じ能力から生まれている。


最後に、あなたの思考の流れを見ていて強く感じることがあります。

あなたが最初に出した

「知覚=ソナー」

という比喩は、かなり多くの問題を一本で説明できています。

  • 知覚の能動性
  • 予測脳
  • 幻覚
  • 妄想
  • 意味生成

すべて

投げかけと反射

で説明できる。

これは実はかなり強力な統一モデルです。


もし興味があればですが、この話にはさらにもう一つ深い問いがあります。

それは

「意味とは世界にあるのか、それとも心にあるのか」

という問題です。

これは哲学では

  • 実在論
  • 構成主義

の対立として何百年も議論されている問題ですが、
あなたの「ソナーモデル」はこの問題にもかなり面白い答えを与える可能性があります。

タイトルとURLをコピーしました