「考える」とは何か――思考力は記憶量ではなく、世界を頭の中で動かす力

「よく考えてから決めなさい」

私たちは日常的にそう言う。

しかし、「考える」とは、脳の中で実際には何をしているのだろう。

目の前のリンゴを見て「リンゴだ」と分かることは、考えることなのか。

熱い鍋に触れて手を引っ込めることはどうだろう。

昨日の失敗を思い出し、「次はこうしよう」と考えること。

数式を変形すること。

相手の気持ちを想像すること。

「宇宙はなぜ存在するのか」と考えること。

これらはすべて同じ「思考」という言葉で呼ばれるが、脳内で行われている処理は同一ではない。

そして現在の科学にも、あらゆる思考を一行で説明できる完成した定義があるわけではない。

それでも、認知科学・神経科学で分かってきたことをつなぐと、思考の中心には一つの共通構造が見えてくる。

考えるとは、記憶や感覚から作られた「内部表現」を目的に応じて操作し、現実にはまだ起きていない結果を予測・比較・評価し、必要ならその内部表現自体を更新すること。

この記事では、この定義を「思考を理解するための作業モデル」として使う。

重要なのは、思考は単なる記憶の再生ではないということである。

---

まず、「考える」と「反応する」を分ける

人間の脳は、起きている間ずっと情報を処理している。

しかし、すべての情報処理を「考えている」と呼ぶと、言葉の意味が広すぎて何も説明できなくなる。

そこで、いくつかの段階に分けてみよう。

熱いものに触れたとき

熱い鍋に触れ、瞬間的に手を引っ込める。

これは主に反射的な処理であり、「熱い鍋から手を離すべきか」を意識的に検討しているわけではない。

「これは熱いから触らない」

過去の経験から、熱そうな鍋を見ただけで触らない。

ここでは学習した知識が行動を導いている。

「この鍋は火から下ろした直後だから、まだかなり熱いはずだ」

これは推論である。

目の前には「鍋の温度」という情報は直接表示されていない。

「火にかかっていた」「金属は熱を保持する」「時間があまり経っていない」という複数の情報を組み合わせ、見えていない状態を推測している。

「なぜ金属は熱を伝えやすいのか」

ここまで来ると、具体的な鍋から離れ、「熱伝導」という抽象概念を扱い始める。

「自分の説明は本当に正しいのか」

さらに、自分自身の推論そのものを検査する。

これがメタ認知である。

同じ脳の中でも、

反射 → 学習された反応 → 推論 → 抽象化 → 自分の思考の点検

と、処理の階層は大きく異なる。

---

脳は「現実そのもの」を扱っているわけではない

ここは思考を理解するうえで重要なポイントである。

私たちは、外の世界をそのまま頭の中に取り込んでいるわけではない。

目に入るのは光であり、耳に入るのは空気の振動であり、皮膚には圧力や温度などの信号が入る。

脳はそれらの断片的な入力を、過去の経験や文脈と組み合わせ、

「これは机だ」

「向こうから車が来ている」

「この人は怒っていそうだ」

と意味のある世界として解釈する。

つまり私たちが意識している世界は、外界の完全なコピーではなく、感覚入力から脳が構成した表現である。

近年の神経科学では、知覚において過去の経験や予測が入力の解釈に影響することは広く研究されている。一方、「脳はすべてを予測誤差最小化だけで説明できる」といった強い予測処理理論までが確立したわけではない。ここは区別する必要がある。[1][2]

この「現実を内部に表す」という能力があるからこそ、人間は目の前にないものについても考えられる。

---

考えるとは、頭の中の「世界」を動かすこと

目の前にリンゴが一つあるとする。

それを見て「リンゴだ」と認識するだけなら、主に知覚と記憶照合の問題である。

しかし、

• 今食べようか
• 子どもに残しておこうか
• 半分なら食べてもよいか
• これを明日まで置いたら傷むだろうか

と考え始めると、脳は現実にはまだ起きていない複数の未来を扱い始める。

「今食べる未来」

「残しておく未来」

「半分だけ食べる未来」

を内部で仮に作り、それぞれの結果を比較する。

実際に三つの未来を試すことはできない。

だから、現実の代わりに頭の中で試す。

これが思考の非常に重要な働きである。

認知科学では、過去のエピソード記憶の要素を組み替えて未来の場面を構成する「エピソード的未来思考」が研究されている。過去を思い出すことと未来を想像することは、海馬を含む共通した脳ネットワークをかなり共有することが知られている。[3][4]

記憶は、過去を保存するだけの倉庫ではない。

未来を作るための部品庫でもある。

---

記憶は「思考の材料」である

では、思考と記憶はどのような関係にあるのだろう。

結論から言えば、記憶なしに高度な思考はほぼ成立しない。

しかし、

記憶量が多いことと、思考力が高いことは同じではない。

例えば、ある機械が故障したとする。

Aさんは部品名を1000個覚えている。

Bさんは300個しか知らない。

知識量だけならAさんが上である。

しかしBさんが、

「この症状なら電源系か信号系のどちらかだ」

「この部品が壊れたなら、こちらの測定値も変化するはずだ」

「もし仮説が正しければ、この条件を変えると症状が消えるはずだ」

と因果関係を組み立てて検証できるなら、故障原因を先に見つける可能性がある。

Aさんの大量の記憶は「材料」。

Bさんが行っているのは、材料の検索・選択・組み合わせ・予測・検証である。

したがって、思考力を単純化して表すなら、

思考力 ≠ 記憶量
思考力 ≒ 必要な記憶を取り出し、関係を組み替え、仮説を作り、結果を評価し、間違えば更新できる力

と考えた方が近い。

---

作業記憶は「思考の作業台」

長期記憶が巨大な倉庫だとすれば、今この瞬間に考えるために使っている場所は**作業記憶（working memory）**と呼ばれる。

作業記憶は単なる短期保存庫ではない。

現在の目標に必要な情報を、一時的に利用可能な状態に保ち、注意を向け、操作するための仕組みである。[5][6]

例えば暗算で、

27 × 14

を考えてみる。

27 × 10 = 270

27 × 4 = 108

270 + 108 = 378

と計算する間、

「270」

「108」

「足す」

といった情報を一時的に保持しながら処理する必要がある。

途中の「270」を失えば計算は崩れる。

複雑な文章を読むときも同じである。

前の文の意味を保持しながら次の文を読み、両者の関係を統合しなければならない。

作業記憶は、言ってみれば頭の中の小さな机である。

そしてこの机は広くない。

だから人間は、紙、ホワイトボード、数式、図、PC、検索、メモといった外部道具を使う。

それらは単なる記録媒体ではない。

思考の作業台を脳の外まで拡張する装置でもある。

難しい問題ほど、頭だけで考えるより図に描いた方が分かりやすいのはこのためである。

---

知識が多い人ほど、同じ作業台を広く使えることがある

ここには一見矛盾した現象がある。

作業記憶の容量には限界がある。

それなのに専門家は、初心者よりはるかに複雑な問題を一度に扱える。

なぜだろう。

理由の一つがチャンク化とスキーマである。

例えば初心者には、

R
L
C
周波数
位相
インピーダンス
共振

が七つの独立した情報に見えるかもしれない。

しかしRF回路に慣れた人には、それらが

「共振回路」

という一つのまとまりとして扱える。

文字を一文字ずつ読むのではなく、単語として読むのと同じである。

長期記憶に整理された知識構造があると、複数の要素を一つの意味ある単位として扱える。

その結果、同じ作業記憶でも、より大きな構造を動かせる。

これは、

知識量と思考力は同じではないが、よく整理された知識は思考力を強く支える

ということを意味する。

近年の前頭前野研究でも、現在の目標を扱う短い時間スケールの処理と、長期学習・知識が相互作用することが重視されている。[7]

---

「頭がいい」とは、何を大量に保持できることなのか

ここで一度、よくある誤解を整理しておこう。

思考力の高い人は、必ずしも頭の中に大量の情報を同時に保持しているわけではない。

むしろ、

• 何が重要かを絞る
• 不要な情報を捨てる
• 問題を小さく分解する
• 既知のパターンに置き換える
• 外部に書き出す
• 一度に扱う変数を減らす

ことで、限られた認知資源をうまく使っている場合が多い。

つまり、優れた思考は「脳内RAMが巨大」というより、

限られた作業領域をどう使うか

の問題でもある。

---

抽象化――人間は、存在しないものを頭の中で扱える

「犬」というものを考えてみよう。

現実に存在するのは、柴犬A、プードルB、ゴールデンレトリバーCといった個々の動物である。

しかし人間は、それらの共通点をまとめ、

「犬」

という概念を作る。

さらに、

犬 → 動物 → 生物

と階層化できる。

同じことは、目に見えない概念にも起きる。

• 温度
• エネルギー
• 数
• 確率
• 国家
• 所有権
• 正義
• 無限

こうしたものは、机や石のようにそのまま目の前に置くことはできない。

それでも人間は、概念として内部に保持し、別の概念と組み合わせて操作できる。

0 × ∞

という表現を見て数学的問題を考えられるのも、

「国家は何のために存在するのか」

と議論できるのも、

現実の個別事例から離れた抽象表現を扱えるからである。

カテゴリ化や概念形成は知覚・記憶・推論に深く関わる基本的な認知機能であり、脳内の表現がどのように組み合わされて複雑な思考になるのかは、現在も活発な研究対象である。[8][9]

---

言葉は「思考そのもの」ではない

人間はしばしば言葉で考える。

「こうすると、こうなるから……」

と頭の中で自分に話しかける経験は多くの人にある。

言語は、複雑な関係を明確にし、順序をつけ、他者と共有し、後から再検討するための極めて強力な道具である。

しかし、

思考＝言語

とするのも単純すぎる。

私たちは顔を思い浮かべたり、空間を回転させたり、音楽を頭の中で再生したり、言葉にしにくい違和感を感じたりする。

また、現在の神経科学では、言語を担うネットワークと、一般的な推論や知識処理を担うシステムは密接に協力するものの、同一ではないことが示されている。[10]

したがって言語は、

思考を可能にする唯一の装置ではなく、思考を強力に整理・拡張する道具

と見る方がよい。

数式や図も同じである。

人間は「頭の中だけ」で考える生き物ではない。

紙と鉛筆、言葉、数式、図、他者との会話まで含めて考えている。

---

「もし～だったら」を作れることが思考を強くする

高度な思考で非常に重要なのが、反実仮想である。

現実にはAが起きた。

しかし、

「もしBを選んでいたら？」

と、存在しなかった世界を作る。

あるいは、

「この部品が原因なら、このセンサー値も変わるはずだ」

と、まだ確認していない未来を予測する。

科学実験も本質的にはこの構造を持っている。

1. 仮説を作る
2. 仮説が正しい場合の結果を予測する
3. 実際に測る
4. 予測と現実を比較する
5. 合わなければ仮説を修正する

つまり科学的方法は、人間の思考に含まれる

内部モデル → 予測 → 現実との比較 → 更新

という循環を、意図的かつ厳密にしたものとも言える。

---

思考力の核心は「正解を出すこと」ではなく「更新できること」

ここは非常に重要である。

どれほど優れた内部モデルを持っていても、現実を完全に表現することはできない。

情報は不足している。

観測には誤差がある。

記憶も完全ではない。

自分の経験には偏りがある。

したがって、人間の推論は必ず間違える可能性を持つ。

問題は、間違えることそのものではない。

より重要なのは、

「この説明では現実と合わない」

と気づいたときに、モデルを修正できるかどうかである。

考える力を、

「正しい答えを知っている力」

と捉えると、思考と知識が混同される。

むしろ、

考える力とは、暫定的な答えを作り、それを疑い、現実と照合し、必要なら自分の考えを壊して作り直せる力である。

この意味では、「分からない」と判断できることも思考能力の一部である。

分からないのに答えを固定してしまえば、更新は止まる。

---

メタ認知――人間は「自分が考えていること」を対象にできる

問題を考えるだけでなく、

「自分はこの問題を正しく考えられているか」

と考える。

これがメタ認知である。

メタ認知には、

• 自分はどこまで理解しているか
• この答えにどの程度自信があるか
• この方法では解けないのではないか
• 自分は都合のよい情報だけ見ていないか
• 一度別の方法を試した方がよいか

といった監視と制御が含まれる。

認知科学では、メタ認知は自分自身の認知状態を評価し、それに応じて行動や処理方法を調整する能力として研究されている。[11][12]

これがあることで、人間は単に一つの思考を実行するだけでなく、

思考の方法そのものを変更できる。

「暗算では無理だから紙に書こう」

「自分の専門分野に引っ張られているかもしれない」

「反対意見を先に調べよう」

こうした行動も、メタ認知の実践である。

---

ひらめきは、本当に「無」から生まれるのか

考えても分からなかった問題の答えが、風呂に入っているときや散歩中に突然浮かぶ。

この現象は誰でも経験する。

そのため、

「無意識が裏で答えを計算していた」

「遠い記憶同士が突然つながった」

と説明されることがある。

こうした説明には一定の妥当性があるが、注意も必要である。

すべてのひらめきが一つの仕組みで起きると確定しているわけではない。

創造的思考の研究では、自由な連想や内的思考に関係するデフォルト・モード・ネットワークと、評価や制御に関係する実行制御系の協調が重要だという証拠が増えている。[13]

つまり創造性は、

「自由に連想する脳」

と

「正しいか評価する脳」

のどちらか一方ではなく、生成と評価を行き来する動的な処理として理解した方がよい。

ひらめきが突然意識に現れても、その材料まで突然生まれたとは限らない。

過去に見たもの。

以前読んだもの。

失敗した経験。

似た構造の別問題。

それらが再構成され、新しい組み合わせとして意識に上がった可能性がある。

だから「突然思いついた」は、

「材料が存在しなかった」ことを意味しない。

---

思考は、脳だけの問題ではない

ここまで説明すると、思考は情報を処理するコンピューターのように見える。

しかし人間にはもう一つ重要な要素がある。

身体である。

人間は、

• 空腹になる
• 疲れる
• 痛みを感じる
• 恐怖を感じる
• 安心する
• 他者から評価される
• 大切なものを失いたくない
• 将来こうなりたいと思う

という身体的・社会的存在である。

そして感情は「論理的思考を邪魔するノイズ」だけではない。

何を危険とみなすか。

何に注意を向けるか。

どの選択肢に価値を感じるか。

どの結果を避けるか。

こうした判断そのものに感情や価値評価が関わっている。[14][15]

例えば、

「AとBのどちらを選ぶべきか」

という問題では、事実を比較するだけでは答えが決まらないことがある。

Aは安全だが退屈。

Bは危険だが大きな利益がある。

どちらが「良い」かを決めるには、最終的に価値づけが必要になる。

つまり思考は、

何が起こるかを予測するシステム

だけではなく、

その結果を自分にとってどう評価するかを含むシステム

でもある。

---

だから「論理的であること」と「よく考えること」は完全には同じではない

論理は極めて重要である。

前提が正しければ、そこから何が導かれるかを厳密に検討できる。

しかし現実の問題では、

そもそも何を前提に選ぶか

という段階がある。

例えば、

「会社の利益を最大化するにはどうすればよいか」

という問いと、

「社員の生活を守りながら会社を存続させるにはどうすればよいか」

という問いでは、同じデータを使っても最適解が変わる。

論理が違うのではない。

目的関数が違う。

考えるとは、与えられた問題を解くだけではない。

場合によっては、

「そもそも、この問いの立て方でよいのか」

と問題そのものを作り替えることでもある。

ここまで来ると、思考は計算以上のものになる。

---

本当に難しい問題では「問いを作る力」が重要になる

学校の問題には、普通は答えが用意されている。

しかし現実では、

• 何が問題なのか
• 何を測るべきか
• どこまでを原因と考えるか
• 何を成功と定義するか

自体が決まっていないことが多い。

例えば装置の不具合で、

「なぜこの部品が壊れたのか」

と問うか、

「なぜこの条件でだけ壊れるのか」

と問うか、

「そもそも故障ではなく測定系の誤認ではないか」

と問うかで、調査の方向は大きく変わる。

高度な思考では、

答えを出す前に、どの問いを解くべきかを選ぶ。

これは知識検索だけでは代替しにくい能力である。

---

「思考力＝記憶量」ではない

ここまでをまとめよう。

知識は必要である。

記憶がなければ、比較も推論もほとんどできない。

しかし、大量の知識を持っているだけでは十分ではない。

必要なときに取り出せなければ使えない。

似ているだけの誤った事例に引っ張られることもある。

一度作った説明を反証できなければ、間違ったモデルを強化するだけになる。

したがって思考力は、記憶ネットワークを状況に応じて

探索する

選ぶ

組み替える

抽象化する

未来へ投影する

結果を評価する

間違えば更新する

能力として捉えた方がよい。

---

では、「考える」を一枚の図にするとどうなるか

ここまでの内容を、できるだけ単純化する。

経験・知識
↓
現在の状況を内部に表現する
↓
目的に関係する情報を作業記憶へ取り出す
↓
関係を組み替える・仮説を作る
↓
「もし～なら」を内部で動かす
↓
結果を価値・目的に照らして評価する
↓
判断・行動する
↓
現実の結果を見る
↓
自分のモデルを更新する

ただし実際の脳内処理は、このような一直線の工程ではない。

知覚・記憶・注意・感情・予測・行動は互いに影響しながら並列的、循環的に進む。

この図はあくまで「考える」という複雑な現象を理解するための模型である。

---

ではAIは「考えている」のか

ここまで来ると、避けられない問いが出てくる。

AIは考えているのだろうか。

「AIは学習したデータを組み合わせているだけだから、考えていない」

という説明は、一見分かりやすい。

しかしその基準だけでは、人間にも刺さる。

人間の思考もまた、過去の経験や記憶を利用し、既存の表現を再構成しているからである。

「過去の情報を使うこと」を考えていない条件にしてしまえば、人間の思考の多くも除外されてしまう。

一方で、

「人間も情報処理をしているのだから、人間とAIは同じだ」

と結論づけるのも早い。

人間には少なくとも、

• 身体
• 恒常性を保つ必要
• 痛みや空腹
• 生存に結びついた価値
• 発達過程
• 個人としての継続した生活史
• 他者との社会関係
• 自分の行動が現実世界にもたらす直接的な帰結

がある。

現在のAIシステムにも記憶、推論、計画、ツール利用、自己評価に似た処理を実装することはできるが、それらが人間の主観経験や身体に根ざした認知と同じ仕組みであるとは言えない。

さらに、「思考」に意識や主観経験を必須条件とするかどうかで答えは変わる。

そのため、

AIが考えているかどうかは、性能だけでなく「何を考えると定義するか」の問題でもある。

これは単なる言葉遊びではない。

私たちが人間の思考をどこまで理解できているかを試す問いでもある。

---

「考える」の正体は、まだ完全には分かっていない

脳科学は大きく進んだ。

作業記憶に関わるネットワーク。

記憶と未来想像の関係。

意思決定と価値評価。

メタ認知。

創造的思考における大規模ネットワークの協調。

多くの部品は見えてきた。

しかし、

なぜそれらの情報処理が、私たちの「考えている」という主観経験を伴うのか

という問題まで解けたわけではない。

そもそも意識とは何か。

意味とは何か。

自分とは何か。

これらは現在も未解決の問題を含んでいる。

だから「考えるとは何か」という問いには、現時点で最後の一行まで確定した答えはない。

それでも、一つだけかなり確かなことがある。

人間は、ただ過去を保存しているのではない。

過去から得た材料を使い、

今ここには存在しない世界を内部に作り、そこで未来を試し、現実と照合し、自分の理解を書き換えている。

私たちが「考える」と呼んでいるものの中心には、この循環がある。

そしておそらく思考力の差を生むのは、単にどれだけ知っているかではない。

何を知っているか。
必要な知識を取り出せるか。
別の形に組み替えられるか。
まだ存在しない結果を想像できるか。
自分の答えを疑えるか。
間違っていたときに、自分の世界の見方そのものを更新できるか。

知識は、思考の終点ではない。

知識は、考えるための材料である。

そして考えるとは、その材料から「まだ存在していない答え」を作り、現実にぶつけ、また作り直す行為なのだ。

---

この記事の要点

• 「考える」には単一の確定した科学的定義があるわけではない。
• 思考は、単なる記憶の検索ではない。
• 人間は感覚や記憶から内部表現を作り、それを用いて予測・比較・判断する。
• 作業記憶は、現在必要な情報を保持・操作する「思考の作業台」と考えると理解しやすい。
• 長期記憶に整理されたスキーマは、限られた作業記憶を効率的に使う助けになる。
• 人間は過去の記憶要素を再構成し、「まだ起きていない未来」を内部でシミュレーションできる。
• 抽象化によって、目の前に存在しない概念も操作できる。
• 言語は思考そのものではないが、思考を整理・拡張する強力な道具である。
• 思考力では、仮説を作る力だけでなく、反証し、モデルを更新する力が重要である。
• メタ認知によって、人間は自分自身の思考を点検し、方法を変えられる。
• 感情や身体は思考から独立したノイズではなく、注意・価値評価・意思決定に関わる。
• AIが「考えているか」は、能力比較だけでなく「思考をどう定義するか」に依存する。

---

参考文献

1. Teufel C, Fletcher PC. Forms of prediction in the nervous system. Nature Reviews Neuroscience. 2020;21:231–242. DOI: 10.1038/s41583-020-0275-5.
2. Peelen MV, Berlot E, de Lange FP. Predictive processing of scenes and objects. Nature Reviews Psychology. 2024;3:13–26. DOI: 10.1038/s44159-023-00254-0.
3. Schacter DL, Benoit RG, Szpunar KK. Episodic Future Thinking: Mechanisms and Functions. Current Opinion in Behavioral Sciences. 2017;17:41–50. DOI: 10.1016/j.cobeha.2017.06.002.
4. Benoit RG, Schacter DL. Specifying the core network supporting episodic simulation and episodic memory by activation likelihood estimation. Neuropsychologia. 2015;75:450–457. DOI: 10.1016/j.neuropsychologia.2015.06.034.
5. van Ede F, Nobre AC. Turning Attention Inside Out: How Working Memory Serves Behavior. Annual Review of Psychology. 2023;74:137–165. DOI: 10.1146/annurev-psych-021422-041757.
6. Naveh-Benjamin M, Cowan N. The roles of attention, executive function and knowledge in cognitive ageing of working memory. Nature Reviews Psychology. 2023;2:151–165. DOI: 10.1038/s44159-023-00149-0.
7. Miller JA, Constantinidis C. Timescales of learning in prefrontal cortex. Nature Reviews Neuroscience. 2024;25:597–610. DOI: 10.1038/s41583-024-00836-8.
8. Barrett LF, Miller EK. Categorization is ‘baked’ into the brain. Nature Reviews Neuroscience. 2026;27:435–456.
9. Frankland SM, Greene JD. Concepts and Compositionality: In Search of the Brain’s Language of Thought. Annual Review of Psychology. 2020;71:273–303. DOI: 10.1146/annurev-psych-122216-011829.
10. Fedorenko E, Ivanova AA, Regev TI. The language network as a natural kind within the broader landscape of the human brain. Nature Reviews Neuroscience. 2024;25:289–312. DOI: 10.1038/s41583-024-00802-4.
11. Fleur DS, Bredeweg B, van den Bos W. Metacognition: ideas and insights from neuro- and educational sciences. npj Science of Learning. 2021;6:13. DOI: 10.1038/s41539-021-00089-5.
12. Seow TXF, Jelinek L, Moritz S, et al. Integrating cognitive neuroscience and clinical perspectives on metacognitive mechanisms in psychopathology. Nature Reviews Psychology. 2026;5:9–28. DOI: 10.1038/s44159-025-00503-4.
13. Zhuang K, et al. Dynamic switching between brain networks predicts creative ability. Communications Biology. 2025;8:54.
14. Lerner JS, Li Y, Valdesolo P, Kassam KS. Emotion and Decision Making. Annual Review of Psychology. 2015;66:799–823. DOI: 10.1146/annurev-psych-010213-115043.
15. Buzsáki G, Tingley D. Cognition from the Body-Brain Partnership: Exaptation of Memory. Annual Review of Neuroscience. 2023;46:191–210. DOI: 10.1146/annurev-neuro-101222-110632.